Longitudinale quantitative Inhaltsanalyse
- Eingeführt von
- Developed within communication and media studies; codified by Berelson (1952) and extended by Riffe, Lacy, Fico
- Jahr
- 1950s onward; longitudinal application widely adopted in media research by the 1970s–1980s
- Typ
- Quantitative observational research design
- Familie
- Survey / observational design
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Die longitudinale quantitative Inhaltsanalyse kodiert und zählt systematisch Merkmale von Texten, Bildern oder Medienbotschaften, die zu zwei oder mehr Zeitpunkten gesammelt wurden.
Dies ermöglicht es Forschern, zu verfolgen, wie sich Inhalte ändern, wie Themen an Häufigkeit zu- oder abnehmen und wie Medien- oder institutionelle Botschaften auf externe Ereignisse reagieren. Das Design kombiniert die strukturierte Messlogik der quantitativen Inhaltsanalyse mit der zeitlichen Verfolgungsfähigkeit der Längsschnittbeobachtung.
Die Intuition hinter der Methode
Stellen Sie sich ein Nachrichtenarchiv vor, das 20 Jahre Klimaberichterstattung abdeckt. Eine einmalige Inhaltsanalyse sagt Ihnen, wie die Klimaberichterstattung zu einem bestimmten Zeitpunkt aussah. Ein Längsschnittdesign ermöglicht es Ihnen, das Volumen der Berichterstattung, die Wahl der Rahmung und die Art der Quellen Jahr für Jahr zu zählen – und zeigt, ob die alarmistische Rahmung nach wichtigen Klimaereignissen zunahm oder ob die Quellendiversität im Laufe der Zeit abnahm. Die zentrale Erkenntnis ist, dass Inhalte nicht in einem einzigen Moment existieren; Botschaften akkumulieren und verschieben sich, und nur wiederholte Messungen können diesen Wandel dokumentieren. Die longitudinale quantitative Inhaltsanalyse ist das Werkzeug, das den zeitlichen Wandel symbolischer Inhalte sichtbar und quantifizierbar macht.
Geschichte
Die quantitative Inhaltsanalyse wurde von Bernard Berelson in seiner Monografie Content Analysis in Communication Research von 1952 als formale sozialwissenschaftliche Methode etabliert. Ihre Anwendung über die Zeit – die Verfolgung von Änderungen in Medienbotschaften – wurde in der Kommunikationsforschung in den 1970er und 1980er Jahren schnell übernommen, um Agenda-Setting, Framing und Propaganda in den Medien zu untersuchen. Riffe, Lacy und Ficos Analyzing Media Messages (erste Auflage 1998, vierte Auflage 2019) und Neuendorfs Content Analysis Guidebook (2002, zweite Auflage 2017) formalisierten Stichproben- und Zuverlässigkeitsstandards, die heutigen Längsschnittdesigns zugrunde liegen.
Wann wird sie eingesetzt?
Verwenden Sie die longitudinale quantitative Inhaltsanalyse, wenn die Forschungsfrage lautet, wie sich der Inhalt oder die Rahmung von Botschaften im Laufe der Zeit ändert – zum Beispiel, wie sich die Nachrichtenberichterstattung über ein soziales Thema vor und nach der Gesetzgebung entwickelt hat, wie sich die Werbung nach einer Kampagne zur öffentlichen Gesundheit verändert hat oder wie sich die institutionelle Kommunikation über Wirtschaftszyklen hinweg verändert hat. Sie ist geeignet, wenn ein Archiv von datierten Inhalten für mehrere Zeitpunkte zugänglich ist, wenn Variablen als zählbare Codes operationalisiert werden können und wenn das Ziel die generalisierbare Trendbeschreibung und nicht die tiefe interpretative Analyse einzelner Texte ist. Verwenden Sie sie nicht, wenn nur ein einziger Zeitpunkt des Inhalts verfügbar ist (verwenden Sie stattdessen die Standard-quantitative Inhaltsanalyse), wenn die Forschungsfrage das Verständnis der Rezeption durch das Publikum und nicht der Merkmale der Botschaft erfordert (verwenden Sie Rezeptionsanalyse oder Umfragemethoden) oder wenn die Anzahl der kodierbaren Einheiten pro Welle so gering ist, dass eine statistische Trendanalyse bedeutungslos ist.
Grenzen und Hinweise
- Erfordert Zugang zu archivierten oder historisch erhaltenen Inhalten zu allen relevanten Zeitpunkten – Lücken in Archiven untergraben die Vergleichbarkeit.
- Die Kodierung ist auf manifeste (beobachtbare) Inhaltsmerkmale beschränkt; latente Bedeutungen und die Interpretation durch das Publikum liegen außerhalb des Geltungsbereichs der Methode.
- Kodierer-Drift über einen langen Studienzeitraum kann Messfehler einführen, die echte Inhaltsänderungen imitieren.
- Ressourcenintensiv bei langen Zeiträumen und großen Korpora, erfordert umfangreiche Kodiererschulung und Zuverlässigkeitsüberwachung über die Wellen hinweg.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Misst direkt Veränderungen im symbolischen Inhalt über die Zeit, was Querschnittsdesigns nicht feststellen können.
- Erzeugt quantifizierbare, replizierbare Daten, die über Studien hinweg mit demselben Codebuch verglichen werden können.
- Geeignet für große Korpora – gesamte Jahresproduktionen von Nachrichten, Jahrzehnte von politischen Dokumenten oder Millionen von Social-Media-Posts – unter Verwendung systematischer Stichproben.
- Nicht-reaktiv: Der Inhalt wurde bereits produziert, sodass der Messprozess das Verhalten der Teilnehmer nicht ändern kann.
- Ermöglicht die Erkennung von Agenda-Zyklen, Framing-Verschiebungen und den Einfluss externer Ereignisse auf institutionelle Botschaften.
Anwendungen
- Verfolgung der Rahmung des Klimawandels in der Zeitungsberichterstattung über mehrere Jahrzehnte hinweg, um Agenda-Verschiebungen im Zusammenhang mit politischen Zyklen zu erkennen.
- Analyse, wie sich Werbeaussagen von Pharmaunternehmen in medizinischen Fachzeitschriften nach regulatorischen Eingriffen verändert haben.
- Messung der Darstellung von Geschlechter- oder rassischen Minderheiten im Primetime-Fernsehen über aufeinanderfolgende Fernsehstaffeln hinweg.
- Dokumentation von Veränderungen in der Rhetorik und den Botschaften politischer Parteien über Wahlzyklen hinweg unter Verwendung von Parteiprogrammen.
- Überwachung von Veränderungen in der Gesundheitsrisikokommunikation auf Social-Media-Plattformen vor, während und nach einem Notfall im öffentlichen Gesundheitswesen.
- Bewertung, wie sich die Berichterstattung über unternehmerische Nachhaltigkeit in Jahresberichten über einen Zeitraum zunehmenden ESG-Investorendrucks entwickelt hat.
So funktioniert es
So funktioniert es
Der Forscher spezifiziert das interessierende Phänomen (z. B. Medienrahmung, Werbeaussagen, politische Rhetorik), das Inhaltsuniversum (z. B. Zeitungsartikel auf der Titelseite, Primetime-Sendungen, Social-Media-Posts) und den abzudeckenden Zeitraum. Klare Grenzen für die Population der Botschaften und das Zeitfenster verhindern Scope Creep und leiten Stichprobenentscheidungen.
Da die vollständige Kodierung aller Inhalte über alle Zeitpunkte hinweg normalerweise unpraktisch ist, wählt eine Stichprobenstrategie repräsentative Zeitfenster aus – üblicherweise konstruierte Wochen, Vierteljahresstichproben oder Vollerhebungen zu wichtigen Ereignisdaten. Jede Stichprobe eines Zeitpunkts muss auf die gleiche Weise gezogen werden, um die Vergleichbarkeit über die Wellen hinweg zu gewährleisten.
Ein Codebuch wird erstellt, das jede zu messende Variable definiert, einschließlich der Analyseeinheit (Artikel, Beitrag, Anzeige), kategorialer Codes und Entscheidungsregeln. Das Codebuch muss über alle Zeitpunkte hinweg identisch bleiben, damit Änderungen in den Zählungen Änderungen im Inhalt und nicht Änderungen in der Messung widerspiegeln.
Geschulte Kodierer wenden das Codebuch zu jedem Zeitpunkt auf die Stichprobeninhalte an. Die Kodierer sind, wo immer möglich, blind für die Wellenidentität, um Erwartungsfehler durch zeitliche Erwartungen zu vermeiden. Jede Analyseeinheit wird unabhängig kodiert, was zu einem Datensatz von Häufigkeitszählungen und kategorialen Verteilungen für jede Zeitwelle führt.
Die Interkodierer-Reliabilität wird berechnet – typischerweise unter Verwendung von Cohens Kappa oder Krippendorffs Alpha – bei jeder Welle und separat berichtet. Eine Zuverlässigkeitsprüfung, die nur beim Training, aber nicht über alle Wellen hinweg durchgeführt wird, birgt das Risiko, dass der Kodierer-Drift über den Studienzeitraum hinweg übersehen wird. Die akzeptierte Schwelle liegt üblicherweise bei Kappa oder Alpha über 0,80.
Aggregierte Häufigkeitsdaten über die Wellen hinweg werden mit deskriptiver Statistik, Chi-Quadrat-Tests auf Unabhängigkeit über die Zeit, Trendanalysen oder Zeitreihenregression analysiert, um signifikante Änderungen, Zyklen oder Trajektorien im Inhalt zu identifizieren. Die Ergebnisse werden im Lichte kontextueller Ereignisse interpretiert, die zwischen den Wellen auftreten.
Häufige Fallstricke
- Änderung des Codebuchs zwischen den Wellen – selbst kleine Überarbeitungen von Kategoriedefinitionen machen Vergleiche über die Wellen hinweg ungültig, indem sie Messänderungen mit echten Inhaltsänderungen verwechseln.
- Inkonsistente Stichprobenziehung von Zeitpunkten – zum Beispiel die Kodierung von Spitzen-Nachrichtenperioden in einer Welle und Routineperioden in einer anderen verfälscht systematisch die Trendschätzungen.
- Ignorieren der Zuverlässigkeit über die Wellen hinweg – die Überprüfung der Interkodierer-Zuverlässigkeit nur zu Beginn ermöglicht es, dass ein allmählicher Kodierer-Drift unentdeckt bleibt und scheinbare Trends aufbläht.
- Überinterpretation statistischer Trends ohne kontextuelle Verankerung – eine signifikante Zunahme eines Themas wird erst dann bedeutsam, wenn sie mit bekannten Ereignissen, politischen Änderungen oder externen Faktoren verknüpft wird, die zwischen den Wellen auftreten.
Häufig gestellte Fragen
Wie viele Zeitpunkte benötige ich für eine longitudinale Inhaltsanalyse?
Ein Minimum von zwei Zeitpunkten ist erforderlich, um jegliche Veränderung festzustellen, aber zwei Punkte zeigen nur einen Vorher-Nachher-Unterschied und können keinen Trend etablieren. Drei oder mehr Wellen ermöglichen eine Trendanalyse; Studien, die langfristige Muster untersuchen, verwenden häufig jährliche Stichproben über ein Jahrzehnt oder länger. Die Anzahl der Wellen sollte der Forschungsfrage entsprechen – wenn Sie die Auswirkung eines bestimmten Ereignisses erkennen möchten, können zwei sorgfältig ausgewählte Punkte (vor und nachher) ausreichen.
Was ist die beste Zuverlässigkeitsstatistik für dieses Design?
Krippendorffs Alpha wird bevorzugt, da es verschiedene Messniveaus (nominal, ordinal, intervall) berücksichtigt und für mehr als zwei Kodierer geeignet ist. Cohens Kappa wird häufig für nominale Kodierung mit zwei Kodierern berichtet. Beide sollten als konventionelle Schwelle 0,80 überschreiten. Entscheidend ist, dass die Zuverlässigkeit für jede Kodierungswelle berechnet und berichtet werden sollte, nicht nur in der anfänglichen Trainingsphase.
Kann ich in einer späteren Welle neue Kodierkategorien hinzufügen, wenn ich neue Phänomene bemerke?
Nur wenn die neuen Kategorien als zusätzliche Variablen hinzugefügt werden, die das ursprüngliche Kodierungsschema nicht verändern. Das Ändern oder Neudefinieren bestehender Kategorien erfordert rückwirkend die Neukodierung aller früheren Wellen mit dem überarbeiteten Schema, bevor Vergleiche gültig sind. Wenn dies nicht geschieht, entsteht eine sogenannte Mess-Nicht-Äquivalenz über die Wellen hinweg.
Wie unterscheidet sich dies von einer Zeitreihenanalyse?
Die longitudinale quantitative Inhaltsanalyse liefert die Daten – Zählungen und Häufigkeiten von kodierten Inhaltsmerkmalen zu jedem Zeitpunkt. Die Zeitreihenanalyse ist eine statistische Technik, die auf diese Daten angewendet wird, um Trends, Zyklen und externe Schocks zu modellieren. Die beiden sind komplementär: Die Inhaltsanalyse erzeugt die Beobachtungen; die Zeitreihenstatistik modelliert die Muster in diesen Beobachtungen.
Gilt die longitudinale Inhaltsanalyse als experimentell oder beobachtend?
Sie ist streng beobachtend. Der Forscher manipuliert den Inhalt nicht und weist keine Bedingungen zu – der Inhalt wurde unabhängig von der Forschung produziert. Folglich können die Ergebnisse feststellen, dass sich der Inhalt im Laufe der Zeit geändert hat (beschreibender Trend), aber sie können allein nicht beweisen, dass ein bestimmter externer Faktor die Änderung verursacht hat. Kausale Behauptungen erfordern zusätzliche Beweise aus experimentellen oder quasi-experimentellen Designs.
Verwandte Methoden
Quellen
Riffe, D., Lacy, S., Watson, B., & Fico, F. (2019). Analyzing Media Messages: Using Quantitative Content Analysis in Research (4th ed.). Routledge.
ISBN: 9781138490536Kopiert.Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). Sage.
ISBN: 9781412979474Kopiert.