تحليل المحتوى الكمي الطولي
- قدّمه
- Developed within communication and media studies; codified by Berelson (1952) and extended by Riffe, Lacy, Fico
- السنة
- 1950s onward; longitudinal application widely adopted in media research by the 1970s–1980s
- النوع
- Quantitative observational research design
- العائلة
- Survey / observational design
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
يقوم تحليل المحتوى الكمي الطولي بتصنيف وعدّ سمات النصوص أو الصور أو الرسائل الإعلامية التي تم جمعها في نقطتين زمنيتين أو أكثر بشكل منهجي، مما يمكّن الباحثين من تتبع كيفية تغير المحتوى، وكيف ترتفع أو تنخفض سمات معينة في الانتشار، وكيف تستجيب الرسائل الإعلامية أو المؤسسية للأحداث الخارجية. يدمج هذا التصميم منطق القياس المنظم لتحليل المحتوى الكمي مع قوة التتبع الزمني للملاحظة الطولية.
الفكرة الحدسية وراء الطريقة
فكر في أرشيف إخباري يغطي 20 عامًا من التقارير حول المناخ. يخبرك تحليل المحتوى لمرة واحدة كيف بدا تغطية المناخ في لحظة واحدة. يتيح لك التصميم الطولي عد حجم التغطية، وخيارات التأطير، وأنواع المصادر سنة بسنة - مما يكشف عما إذا كان تأطير الإنذار قد زاد بعد أحداث مناخية رئيسية، أو ما إذا كان تنوع المصادر قد ضاق بمرور الوقت. تكمن الرؤية الرئيسية في أن المحتوى لا يوجد في لحظة واحدة؛ تتراكم الرسائل وتتحول، ولا يمكن إلا للقياس المتكرر توثيق هذا الانجراف. تحليل المحتوى الكمي الطولي هو الأداة التي تجعل التغيير الزمني في المحتوى الرمزي مرئيًا وقابلًا للقياس.
التاريخ
تم تأسيس تحليل المحتوى الكمي كمنهج علمي اجتماعي رسمي من قبل برنارد بيرلسون في أطروحته عام 1952 "تحليل المحتوى في أبحاث الاتصال". تم تبني تطبيقه بمرور الوقت - تتبع التغييرات في الرسائل الإعلامية - بسرعة في أبحاث الاتصال خلال السبعينيات والثمانينيات لدراسة تحديد أجندة وسائل الإعلام، والتأطير، والدعاية. قام ريف، لاسي، وفيكو في كتابهم "تحليل الرسائل الإعلامية" (الطبعة الأولى 1998، الطبعة الرابعة 2019) ونيفيندورف في "دليل تحليل المحتوى" (2002، الطبعة الثانية 2017) بتوحيد معايير أخذ العينات والموثوقية التي تدعم التصاميم الطولية اليوم.
متى تُستخدم
استخدم تحليل المحتوى الكمي الطولي عندما يسأل سؤال البحث عن كيفية تغير المحتوى أو تأطير الرسائل بمرور الوقت - على سبيل المثال، كيف تطورت تغطية الأخبار لقضية اجتماعية قبل وبعد التشريع، وكيف تغير الإعلان بعد حملة صحية عامة، أو كيف تغير الاتصال المؤسسي عبر الدورات الاقتصادية. إنه مناسب عندما يكون أرشيف المحتوى المؤرخ متاحًا لنقاط زمنية متعددة، وعندما يمكن تشغيل المتغيرات كرموز قابلة للعد، وعندما يكون الهدف هو وصف الاتجاه العام بدلاً من التحليل التفسيري العميق للنصوص الفردية. لا تستخدمه عندما تكون نقطة زمنية واحدة فقط من المحتوى متاحة (استخدم تحليل المحتوى الكمي القياسي بدلاً من ذلك)، أو عندما يتطلب سؤال البحث فهم تفسير الجمهور بدلاً من سمات الرسالة (استخدم تحليل الاستقبال أو طرق المسح)، أو عندما يكون عدد الوحدات القابلة للترميز لكل موجة صغيرًا جدًا بحيث يكون تحليل الاتجاه الإحصائي بلا معنى.
الحدود والاعتبارات
- يتطلب الوصول إلى المحتوى المؤرشف أو المحفوظ تاريخيًا في جميع النقاط الزمنية ذات الصلة - فجوات الأرشيف تقوض إمكانية المقارنة.
- يقتصر الترميز على سمات المحتوى الظاهرة (القابلة للملاحظة)؛ المعنى الكامن وتفسير الجمهور خارج نطاق المنهج.
- يمكن أن يؤدي انجراف المرمز عبر فترة دراسة طويلة إلى إدخال خطأ قياس يحاكي التغيير الحقيقي في المحتوى.
- مكلف من حيث الموارد عندما تكون الفترات الزمنية طويلة والمجموعات كبيرة، ويتطلب تدريبًا مكثفًا للمرمزين ومراقبة الموثوقية عبر الموجات.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يقيس بشكل مباشر التغيير في المحتوى الرمزي بمرور الوقت، وهو ما لا تستطيع التصاميم المقطعية إثباته.
- ينتج بيانات قابلة للقياس الكمي وقابلة للتكرار يمكن مقارنتها عبر الدراسات باستخدام نفس دليل الترميز.
- مناسب للمجموعات الكبيرة - سنوات كاملة من الإنتاج الإخباري، عقود من وثائق السياسات، أو ملايين من منشورات وسائل التواصل الاجتماعي - باستخدام أخذ عينات منهجي.
- غير تفاعلي: تم إنتاج المحتوى بالفعل، لذلك لا يمكن لعملية القياس تغيير سلوك المشاركين.
- يمكّن من اكتشاف دورات الأجندة، وتحولات التأطير، وتأثير الأحداث الخارجية على الرسائل المؤسسية.
التطبيقات
- تتبع تأطير تغير المناخ في تغطية الصحف عبر عقود متعددة للكشف عن تحولات الأجندة المرتبطة بالدورات السياسية.
- تحليل كيفية تغير ادعاءات الإعلانات الصيدلانية في المجلات الطبية بعد التدخلات التنظيمية.
- قياس تمثيل الأقليات الجندرية أو العرقية في تلفزيون أوقات الذروة عبر مواسم البث المتتالية.
- توثيق التحولات في خطاب ورسائل الأحزاب السياسية عبر الدورات الانتخابية باستخدام بيانات الأحزاب.
- مراقبة التغييرات في التواصل حول المخاطر الصحية على منصات وسائل التواصل الاجتماعي قبل وأثناء وبعد حالة طوارئ صحية عامة.
- تقييم كيف تطورت تقارير الاستدامة للشركات في التقارير السنوية خلال فترة متزايدة من ضغط المستثمرين المتعلق بالبيئة والمجتمع والحوكمة (ESG).
كيف يعمل
كيف يعمل
يحدد الباحث ظاهرة الاهتمام (مثل: تأطير وسائل الإعلام، ادعاءات الإعلانات، خطاب السياسات)، وكون المحتوى (مثل: مقالات الصفحة الأولى في الصحف، البث في أوقات الذروة، منشورات وسائل التواصل الاجتماعي)، والنطاق الزمني المراد تغطيته. تمنع الحدود الواضحة لمجموعة الرسائل والنافذة الزمنية زحف النطاق وتوجه قرارات أخذ العينات.
نظرًا لأن الترميز الشامل لجميع المحتويات عبر جميع النقاط الزمنية غير عملي عادةً، فإن استراتيجية أخذ العينات تحدد نوافذ زمنية تمثيلية - غالبًا ما تكون أسابيع، أو عينات ربع سنوية، أو ترميز شامل في تواريخ الأحداث الرئيسية. يجب سحب كل عينة زمنية بنفس الطريقة لضمان إمكانية المقارنة عبر الموجات.
يتم إنشاء دليل ترميز يحدد كل متغير سيتم قياسه، بما في ذلك وحدة التحليل (مقال، منشور، إعلان)، والرموز الفئوية، وقواعد اتخاذ القرار. يجب أن يظل دليل الترميز متطابقًا عبر جميع النقاط الزمنية بحيث تعكس التغييرات في الأعداد التغييرات في المحتوى بدلاً من التغييرات في القياس.
يطبق المرمزون المدربون دليل الترميز على المحتوى المأخوذ بالعينة في كل نقطة زمنية. يكون المرمزون عميانًا عن هوية الموجة حيثما أمكن لمنع تحيز التوقعات الزمنية. يتم ترميز كل وحدة تحليل بشكل مستقل، مما ينتج عنه مجموعة بيانات من أعداد التكرار والتوزيعات الفئوية لكل موجة زمنية.
يتم حساب موثوقية المرمزين المشتركة - عادة باستخدام كابا كوهين أو ألفا لكريبندورف - في كل موجة ويتم الإبلاغ عنها بشكل منفصل. خطر التحقق من الموثوقية الذي يتم إجراؤه فقط في التدريب ولكن ليس عبر جميع الموجات هو تفويت انجراف المرمز عبر فترة الدراسة. الحد المقبول هو عادة كابا أو ألفا فوق 0.80.
يتم تحليل بيانات التردد المجمعة عبر الموجات باستخدام الإحصاء الوصفي، واختبارات مربع كاي للاستقلال عبر الزمن، وتحليل الاتجاه، أو انحدار السلاسل الزمنية لتحديد التغييرات الهامة، أو الدورات، أو المسارات في المحتوى. يتم تفسير النتائج في ضوء الأحداث السياقية التي تحدث بين الموجات.
الأخطاء الشائعة
- تغيير دليل الترميز بين الموجات - حتى التعديلات الصغيرة على تعريفات الفئات تبطل المقارنات عبر الموجات عن طريق خلط تغيير القياس مع تغيير المحتوى الحقيقي.
- أخذ عينات غير متسق للنقاط الزمنية - على سبيل المثال، ترميز فترات الأخبار القصوى في موجة واحدة وفترات روتينية في موجة أخرى يؤدي إلى تحيز منهجي لتقديرات الاتجاه.
- تجاهل الموثوقية عبر الموجات - التحقق من موثوقية المرمزين المشتركة في البداية فقط يسمح بانجراف المرمز التدريجي دون اكتشافه، مما يضخم الاتجاهات الظاهرة.
- الإفراط في تفسير الاتجاهات الإحصائية دون أساس سياقي - زيادة ذات دلالة في سمة ما تصبح ذات مغزى فقط عند ربطها بأحداث معروفة، أو تغييرات في السياسات، أو عوامل خارجية تحدث بين الموجات.
الأسئلة الشائعة
كم عدد النقاط الزمنية التي أحتاجها لتحليل المحتوى الطولي؟
الحد الأدنى لنقطتين زمنيتين مطلوب لإثبات أي تغيير، ولكن نقطتين فقط تظهران فرقًا قبل وبعد ولا يمكنهما إثبات اتجاه. تسمح ثلاث موجات أو أكثر بتحليل الاتجاه؛ الدراسات التي تبحث في الأنماط طويلة الأجل تستخدم عادة عينات سنوية عبر عقد أو أكثر. يجب أن يتطابق عدد الموجات مع سؤال البحث - إذا كنت ترغب في اكتشاف تأثير حدث معين، فقد تكون نقطتان مختارتان بعناية (قبل وبعد) كافيتين.
ما هي أفضل إحصائية موثوقية لهذا التصميم؟
يفضل ألفا لكريبندورف لأنه يستوعب مستويات قياس مختلفة (اسمية، ترتيبية، فترية) ومناسب لأكثر من مرمزين. يتم الإبلاغ عن كابا كوهين على نطاق واسع للترميز الاسمي لمرمزين. يجب أن يتجاوز كلاهما 0.80 كحد تقليدي. الأهم من ذلك، يجب حساب الموثوقية والإبلاغ عنها لكل موجة ترميز، وليس فقط في مرحلة التدريب الأولية.
هل يمكنني إضافة فئات ترميز جديدة في موجة لاحقة إذا لاحظت ظواهر جديدة تظهر؟
فقط إذا تمت إضافة الفئات الجديدة كمتغيرات إضافية لا تغير مخطط الترميز الأصلي. يتطلب تغيير أو إعادة تعريف الفئات الحالية بأثر رجعي إعادة ترميز جميع الموجات السابقة بالمخطط المعدل قبل أن تكون المقارنات صالحة. يؤدي الفشل في القيام بذلك إلى ما يعرف بعدم تكافؤ القياس عبر الموجات.
كيف يختلف هذا عن تحليل السلاسل الزمنية؟
ينتج تحليل المحتوى الكمي الطولي البيانات - أعداد وتكرارات سمات المحتوى المرمزة في كل نقطة زمنية. تحليل السلاسل الزمنية هو تقنية إحصائية مطبقة على تلك البيانات لنمذجة الاتجاهات والدورات والصدمات الخارجية. الاثنان متكاملان: يولد تحليل المحتوى الملاحظات؛ تقوم إحصائيات السلاسل الزمنية بنمذجة الأنماط في تلك الملاحظات.
هل يعتبر تحليل المحتوى الطولي تجريبيًا أم ملاحظًا؟
إنه ملاحظ بحت. لا يقوم الباحث بمعالجة المحتوى أو تعيين الظروف - تم إنتاج المحتوى بشكل مستقل عن البحث. وبالتالي، يمكن للنتائج إثبات أن المحتوى قد تغير بمرور الوقت (اتجاه وصفي) ولكن لا يمكنها بمفردها إثبات أن عاملًا خارجيًا محددًا تسبب في التغيير. تتطلب الادعاءات السببية أدلة إضافية من التصاميم التجريبية أو شبه التجريبية.
طرق ذات صلة
المصادر
Riffe, D., Lacy, S., Watson, B., & Fico, F. (2019). Analyzing Media Messages: Using Quantitative Content Analysis in Research (4th ed.). Routledge.
ردمك: 9781138490536تم النسخ.Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). Sage.
ردمك: 9781412979474تم النسخ.