Skip to content
بازگشت به نتایج جست‌وجو

تحلیل محتوای کمی مقایسه‌ای

معرفی‌شده توسط
Bernard Berelson (quantitative content analysis); Kimberly Neuendorf (codebook systematization); Hallin & Mancini (comparative media application)
سال
1952 (Berelson); comparative extensions prominent from 1980s onward
نوع
Quantitative observational research design
خانواده
Survey / observational design

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

تحلیل محتوای کمی مقایسه‌ای، روشی نظام‌مند و تکرارپذیر برای شمارش و دسته‌بندی ویژگی‌های محتوای ارتباطی - مانند پوشش خبری، پست‌های رسانه‌های اجتماعی، یا اسناد سیاستی - در میان دو یا چند گروه، دوره زمانی، رسانه، یا کشور است. با به‌کارگیری یک کدبوک استاندارد شده برای هر زمینه مقایسه، الگوهای شباهت و تفاوت در نحوه نمایش موضوعات، چارچوب‌ها، کنشگران، یا احساسات را آشکار می‌سازد و امکان آزمون آماری این تفاوت‌ها را فراهم می‌کند.

شهود پشت روش

تصور کنید می‌خواهید بدانید آیا روزنامه‌های سه کشور مختلف، تغییرات اقلیمی را به شیوه‌های مشابه پوشش می‌دهند یا با تأکیدهای متمایز. شما طرحی برای کدگذاری تدوین می‌کنید که ویژگی‌های قابل مشاهده محتوا - کدام منابع نقل شده‌اند، کدام چارچوب‌ها ظاهر می‌شوند، چه مقدار فضا به آن اختصاص داده شده است - را به اعداد تبدیل می‌کند. سپس همین طرح را بر روی نمونه‌هایی از هر کشور اعمال کرده و جداول فراوانی حاصل را از نظر آماری مقایسه می‌کنید. این منطق اصلی است: تبدیل محتوا به شمارش‌ها، سپس مقایسه شمارش‌ها در میان زمینه‌ها. لایه مقایسه‌ای چیزی است که تحلیل محتوا در یک زمینه واحد را به یافته‌ای قابل تعمیم و متضاد ارتقا می‌دهد.

تاریخ

تحلیل محتوای کمی در متن بنیادی برنارد برلسون در سال ۱۹۵۲ نظام‌مند شد، که ویژگی‌های تعیین‌کننده این روش را ایجاد کرد: عینیت، نظام‌مندی و کمی‌سازی. هارولد لاسول و همکارانش در دهه ۱۹۴۰ آن را برای تحلیل تبلیغات جنگی به کار بردند و به این روش مشروعیت سازمانی اولیه بخشیدند. بعد مقایسه‌ای با شروع مطالعات بین‌المللی توسط پژوهشگران ارتباطات در دهه‌های ۱۹۸۰ و ۱۹۹۰، به ویژه در تحقیقات مقایسه‌ای روزنامه‌نگاری و سیستم‌های رسانه‌ای (مانند Hallin and Mancini, 2004)، توسعه یافت. کتاب راهنمای کیمبرلی نورندورف در سال ۲۰۰۲ به مرجع اصلی روش‌شناسی برای تحلیل محتوای کاربردی از جمله طرح‌های مقایسه‌ای تبدیل شد.

چه زمانی استفاده شود

هنگامی از تحلیل محتوای کمی مقایسه‌ای استفاده کنید که سؤال تحقیق شما به صراحت شامل مقایسه نحوه تفاوت محتوا در میان گروه‌ها، رسانه‌ها، کشورها، یا نقاط زمانی باشد، و زمانی که آن محتوا را بتوان با ویژگی‌های قابل مشاهده و کدگذاری شده نمایش داد. این روش برای مجموعه‌های داده بزرگ تا متوسط که کدگذاری دستی امکان‌پذیر است، یا جایی که کدگذاری خودکار (مانند مبتنی بر واژه‌نامه یا یادگیری ماشین نظارت شده) می‌تواند در برابر قضاوت‌های انسانی اعتبارسنجی شود، مناسب است. زمانی که سؤال تحقیق درباره معنای پنهان، ظرافت بلاغی، یا عمق تفسیری است، از آن استفاده نکنید - تحلیل کیفی یا گفتمان انتقادی برای این اهداف مناسب‌تر است. از آن زمانی که زمینه‌های مقایسه از نظر ساختاری چنان متفاوت هستند که معادل مفهومی کدها قابل دستیابی نیست، اجتناب کنید؛ تحمیل یک کدبوک واحد بر زمینه‌های غیرقابل مقایسه، مقایسه‌های گمراه‌کننده‌ای تولید می‌کند.

محدودیت‌ها و ملاحظات

  • محدود به ویژگی‌های محتوای آشکار و قابل مشاهده؛ معنای پنهان، ابهام لحن، و کنایه حساس به زمینه به سختی توسط طرح‌های کدگذاری ثبت می‌شوند.
  • معادل مفهومی در میان زبان‌ها و فرهنگ‌ها دشوار است و به ندرت به طور کامل قابل تأیید است.
  • تدوین کدبوک زمان‌بر است و عملیاتی‌سازی ضعیف کل مطالعه را تضعیف می‌کند، حتی زمانی که کدگذاری قابل اعتماد باشد.
  • یافته‌ها آنچه را در پیکره محتوا ظاهر می‌شود توصیف می‌کنند، نه اینکه چرا تولیدکنندگان آن انتخاب‌ها را انجام داده‌اند یا مخاطبان چگونه محتوا را تفسیر می‌کنند.
  • پیکره‌های مقایسه‌ای بزرگ نیازمند آموزش و نظارت قابل توجه کدگذاران هستند که تقاضای منابع را افزایش می‌دهد.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • یافته‌های شفاف و تکرارپذیر تولید می‌کند زیرا کدبوک، نمونه و قوانین کدگذاری به طور کامل مستند شده‌اند.
  • از محتوای نمونه‌گیری شده به یک پیکره تعریف شده، زمانی که نمونه‌گیری دقیق باشد، تعمیم آماری را پشتیبانی می‌کند.
  • امکان آزمون مستقیم و آماری تفاوت‌ها در میان زمینه‌های مقایسه را به جای ادعاهای تأثیرگذار فراهم می‌کند.
  • به خوبی مقیاس‌پذیر است: پس از تدوین کدبوک، می‌توان آن را بر روی پیکره‌های بسیار بزرگ، از جمله با کمک کدگذاری خودکار، اعمال کرد.
  • به ویژه برای طرح‌های طولی-مقایسه‌ای که تغییرات را در طول زمان در چندین زمینه به طور همزمان ردیابی می‌کنند، قدرتمند است.
  • بررسی قابلیت اطمینان بین کدگذاران، یک مکانیزم کنترل کیفیت داخلی را فراهم می‌کند که معمولاً رویکردهای کیفی فاقد آن هستند.

کاربردها

  • مقایسه چارچوب‌بندی مهاجرت، تغییرات اقلیمی، یا تروریسم در میان رسانه‌های خبری ملی.
  • ردیابی نحوه تفاوت تبلیغات سیاسی در میان سیستم‌های انتخاباتی یا دوره‌های انتخاباتی.
  • تحلیل نمایش جنسیتی یا اقلیت‌ها در رسانه‌های سرگرمی در میان کشورها یا دهه‌ها.
  • مقایسه گفتمان رسانه‌های اجتماعی درباره بحران‌های بهداشت عمومی در میان پلتفرم‌ها یا جوامع زبانی.
  • بررسی نحوه تفاوت چارچوب‌بندی اسناد سیاستی در مورد اصلاحات آموزشی در میان سیستم‌های مدرسه‌ای.
  • ارزیابی ارتباطات سازمانی - مقایسه گزارش‌دهی مسئولیت اجتماعی شرکتی در میان صنایع یا مناطق.

چگونه کار می‌کند

چگونه کار می‌کند

1

واحد تحلیل - عنصر محتوای گسسته‌ای که کدگذاری می‌شود (مانند یک مقاله روزنامه، یک پست رسانه اجتماعی، یک جمله، یا یک پاراگراف) - را شناسایی کنید و بعد مقایسه را مشخص نمایید: کدام کشورها، رسانه‌ها، نقاط زمانی، یا گروه‌ها در مقابل هم قرار خواهند گرفت. این چارچوب‌بندی تعیین می‌کند که کدام مقایسه‌ها معنادار هستند و کدام عوامل مخدوش‌کننده باید کنترل شوند.

2

کدبوکی را تدوین کنید که هر متغیر مورد علاقه را به دسته‌هایی که از نظر مفهومی انحصاری و جامع هستند، عملیاتی کند. هر دسته باید به اندازه‌ای دقیق تعریف شود که دو کدگذار مستقل که یک واحد را می‌خوانند، کد یکسانی را اختصاص دهند. برای مطالعه مقایسه‌ای، کدبوک باید در تمام زمینه‌ها از نظر مفهومی معادل باشد - این ممکن است هنگام کار در میان زبان‌ها نیازمند ترجمه و ترجمه معکوس باشد.

3

یک چارچوب نمونه‌گیری برای هر زمینه مقایسه ترسیم کرده و یک استراتژی نمونه‌گیری سازگار (مانند هفته‌های ساخته شده، نمونه‌گیری تصادفی، سرشماری کامل برای یک دوره تعریف شده) اعمال کنید تا محتوا از هر زمینه از نظر کمیت و نمایندگی قابل مقایسه باشد. تصمیمات نمونه‌گیری را مستند کنید تا مطالعه قابل تکرار باشد.

4

کدبوک را بر روی محتوای نمونه‌گیری شده اعمال کنید، معمولاً با استفاده از حداقل دو کدگذار مستقل برای هر زمینه. هر کدگذار بر روی واحدها کار کرده و مقادیر را برای هر متغیر اختصاص می‌دهد. کدگذاران باید بر روی کدبوک آموزش دیده و در صورت امکان از فرضیه‌های مطالعه بی‌اطلاع باشند.

5

قابلیت اطمینان بین کدگذاران را برای هر متغیر با استفاده از آمارهای مناسب محاسبه کنید - کاپای کوهن (κ) یا آلفای کرپندورف (α) برای متغیرهای طبقه‌ای، ضریب همبستگی درون‌گروهی (ICC) برای متغیرهای در سطح فاصله‌ای. آستانه‌های قابل قبول بسته به نوع متغیر متفاوت است اما κ یا α ≥ 0.70 به طور گسترده‌ای به عنوان حداقل ذکر می‌شود. متغیرهایی که آزمون‌های قابلیت اطمینان را رد می‌کنند باید قبل از تجزیه و تحلیل اصلاح یا حذف شوند.

6

داده‌های کدگذاری شده را بر اساس زمینه مقایسه تجمیع کرده و آمارهای استنباطی را برای آزمون تفاوت‌ها اجرا کنید: آزمون‌های خی-دو یا مدل‌های لگ-لینی برای متغیرهای طبقه‌ای، آزمون‌های t یا ANOVA برای معیارهای پیوسته، و آمارهای اندازه اثر برای انتقال اهمیت عملی. یافته‌ها را به صورت جداگانه برای هر زمینه گزارش دهید قبل از انجام مقایسه‌های بین زمینه‌ای برای حفظ شفافیت.

دام‌های رایج

  • رفتار با قابلیت اطمینان بین کدگذاران به عنوان یک مرحله نهایی به جای یک فرآیند تکراری - قابلیت اطمینان باید در طول آموزش کدگذار و بازنگری کدبوک بررسی شود، نه فقط پس از اتمام تمام کدگذاری‌ها.
  • استفاده از زمینه‌های مقایسه که از نظر ساختاری غیرقابل مقایسه هستند - اگر سیستم‌های رسانه‌ای، محیط‌های قانونی، یا قراردادهای ژانر چنان متفاوت باشند که یک کد یکسان معانی متفاوتی داشته باشد، مقایسه‌های عددی گمراه‌کننده هستند.
  • بارگذاری بیش از حد کدبوک - افزودن متغیرهایی فراتر از آنچه سؤالات تحقیق نیاز دارند، بار کدگذار را افزایش می‌دهد، قابلیت اطمینان را کاهش می‌دهد و به ندرت ارزش تفسیری اضافه می‌کند.
  • ترکیب یک کد قابل اعتماد با یک معیار معتبر - دو کدگذار که به طور مداوم یک کد یکسان را اختصاص می‌دهند تضمین نمی‌کند که کد آنچه را که محقق قصد دارد، ثبت می‌کند؛ اعتبار باید به صورت نظری استدلال شود.
  • نادیده گرفتن اندازه‌های اثر - تفاوت‌های آماری معنی‌دار در میان پیکره‌های بزرگ ممکن است از نظر موضوعی ناچیز باشند؛ همیشه آمارهای اندازه اثر را در کنار مقادیر p گزارش دهید.

پرسش‌های متداول

تحلیل محتوای کمی مقایسه‌ای چگونه با تحلیل محتوای کمی استاندارد متفاوت است؟

تحلیل محتوای کمی استاندارد، محتوا را در یک پیکره واحد و تعریف شده توصیف می‌کند. نوع مقایسه‌ای به طور صریح برای مقایسه دو یا چند زمینه - کشورها، دوره‌های زمانی، رسانه‌ها، یا گروه‌ها - با استفاده از کدبوکی که عمداً برای معادل مفهومی در میان آن زمینه‌ها ساخته شده است، طراحی شده است. افزودن بعد مقایسه نیازمند مراحل طراحی اضافی در اطراف معادل بودن، برابری نمونه، و آمارهای استنباطی مناسب برای مقایسه‌های بین‌گروهی است.

چه آستانه قابلیت اطمینان بین کدگذاران را باید گزارش دهم؟

حداقل مقدار به طور گسترده‌ای ذکر شده برای آلفای کرپندورف (α) یا کاپای کوهن (κ) 0.70 برای متغیرهای طبقه‌ای است، با ترجیح 0.80 یا بالاتر برای متغیرهای مرکزی. برای متغیرهای در سطح فاصله‌ای، ضرایب همبستگی درون‌گروهی (ICC) مناسب‌تر هستند. قابلیت اطمینان باید برای هر متغیر محاسبه شود، نه به عنوان یک امتیاز کلی واحد؛ متغیرهای ضعیف باید قبل از ادامه تجزیه و تحلیل اصلاح یا حذف شوند.

آیا می‌توانم از کدگذاری خودکار برای تحلیل محتوای مقایسه‌ای استفاده کنم؟

بله، اما با احتیاط. روش‌های مبتنی بر واژه‌نامه (مانند LIWC, VADER) یا طبقه‌بندی‌کننده‌های یادگیری ماشین نظارت شده می‌توانند پیکره‌های بزرگ را مدیریت کنند، اما باید با کدگذاری انسانی برای هر زبان و زمینه در مقایسه اعتبارسنجی شوند. نمی‌توان فرض کرد که یک طبقه‌بندی‌کننده آموزش دیده بر روی داده‌های انگلیسی به طور قابل اعتماد به محتوای فرانسوی یا عربی منتقل می‌شود. به طور جداگانه برای هر زمینه اعتبارسنجی کرده و آمارهای اعتبارسنجی را در کنار یافته‌های خود گزارش دهید.

نمونه من چقدر باید بزرگ باشد؟

حداقل جهانی وجود ندارد، اما هر سلول مقایسه باید شامل تعداد کافی واحد برای تشخیص اندازه‌های اثر مورد انتظار با توان کافی باشد. یک نقطه شروع عملی برای آزمون‌های خی-دو بین‌گروهی، حداقل 30-50 واحد کدگذاری شده در هر سلول است، با نیاز به تعداد بیشتر اگر فراوانی‌های مورد انتظار برای برخی دسته‌ها کم باشد. نرم‌افزار تحلیل توان (مانند G*Power) می‌تواند راهنمای برنامه‌ریزی اندازه نمونه پس از تخمین اندازه‌های اثر از ادبیات قبلی باشد.

اگر زمینه‌های مقایسه من از زبان‌های متفاوتی استفاده کنند چه؟

دستورالعمل‌های کدبوک باید برای هر زبان ترجمه و ترجمه معکوس شوند و کدگذاران بومی برای هر زمینه استفاده شوند. معادل بودن مفهومی را با آزمون کدبوک با زیرمجموعه کوچکی از محتوا از هر زمینه قبل از شروع کدگذاری کامل، آزمایش کنید. در مواردی که یک متغیر نمی‌تواند در میان زبان‌ها معادل شود - به عنوان مثال، یک نشانگر چارچوب‌بندی گرامری که در یک زبان وجود دارد اما در زبان دیگر نه - حذف آن از مقایسه بین زمینه‌ای یا محدود کردن مقایسه‌ها به زمینه‌هایی که معادل بودن برقرار است را در نظر بگیرید.

روش‌های مرتبط

منابع

  1. Berelson, B. (1952). Content Analysis in Communication Research. Free Press.

    باز کردن مرجع انتشار
    کپی شد.
  2. Neuendorf, K. A. (2002). The Content Analysis Guidebook. Sage.

    شابک: 978-0761919773
    کپی شد.