Skip to content
بازگشت به نتایج جست‌وجو

تحلیل محتوای کیفی

معرفی‌شده توسط
Klaus Krippendorff; refined by Margrit Schreier
سال
1980
نوع
Method
خانواده
systematic-categorization

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

اندازه قلم

چه کاری انجام می‌دهد؟

تحلیل محتوای کیفی (QCA) روشی نظام‌مند و استقرایی برای تحلیل داده‌های متنی یا بصری است که از طریق شناسایی و دسته‌بندی واحدهای معنایی به مقوله‌های محتوایی انجام می‌شود.

QCA که توسط کلاوس کرایپندورف (1980) توسعه و رسمی شد، می‌تواند کاملاً کیفی (استقرایی، اکتشافی) باشد یا با شمارش کمی ترکیب شود؛ این روش محتوای آشکار (معانی صریح و سطحی) و محتوای پنهان (معانی ضمنی و تفسیری) را تحلیل می‌کند.

شهود پشت روش

تحلیل محتوا بر این ایده استوار است که معنا را می‌توان به طور نظام‌مند در مقوله‌ها سازماندهی کرد. برخلاف نظریه داده‌بنیاد که به تولید نظریه می‌پردازد، یا تحلیل تماتیک که الگوهای کلی را شناسایی می‌کند، تحلیل محتوا ساختاریافته‌تر است: یک طرح کدگذاری صریح ایجاد می‌کند که مقوله‌ها و زیرمقوله‌ها را تعریف می‌کند، کدها را به طور مداوم به کار می‌برد و فراوانی‌ها را برای آشکار کردن آنچه در حال انتقال یا تأکید است، می‌شمارد. تحلیل محتوای آشکار بر آنچه مستقیماً بیان می‌شود تمرکز دارد (مثلاً شمارش فراوانی کلمات یا عبارات صریح). تحلیل محتوای پنهان عمیق‌تر می‌رود و معانی ضمنی را تفسیر می‌کند (مثلاً تحلیل اینکه چه مضامینی به طور ضمنی در مورد ارزش‌های اجتماعی بیان می‌کنند). QCA دقیق، شفاف و مناسب برای حجم زیادی از متن، اسناد، رسانه‌ها یا هر ماده ارتباطی است.

تاریخ

کلاوس کرایپندورف در سال 1980 تحلیل محتوا را به عنوان یک روش‌شناسی نظام‌مند رسمی کرد و آن را از کدگذاری یا دسته‌بندی غیررسمی متمایز ساخت. کار او بر قابلیت اطمینان، اعتبار و رویه‌های شفاف تأکید داشت. مگریت شرایر (2012) رویه‌های QCA را اصلاح و گسترش داد و تمایز بین رویکردهای قیاسی و استقرایی را روشن کرد. در حالی که تحلیل محتوا به کارهای اواسط قرن بیستم در مورد تبلیغات و رسانه‌ها بازمی‌گردد، QCA مدرن بر دقت کیفی در کنار رویه‌های نظام‌مند تأکید دارد. کاربردهای معاصر در پرستاری، روانشناسی، تحقیقات سازمانی، مطالعات رسانه و تحلیل سیاست گسترش یافته است.

چه زمانی استفاده شود

هنگامی که حجم زیادی از داده‌های متنی یا بصری دارید و به دسته‌بندی نظام‌مند و شفاف نیاز دارید، از QCA استفاده کنید. ایده‌آل برای تحلیل اسناد (سیاست‌ها، دستورالعمل‌های بالینی، رسانه‌ها)، رونوشت مصاحبه‌ها، محتوای رسانه‌های اجتماعی یا هر مصنوع ارتباطی. QCA برای سؤالات تحقیقی که می‌پرسند 'چه مضامین یا موضوعاتی در این اسناد برجسته هستند؟' یا 'یک مفهوم خاص چگونه در رسانه‌ها یا گفتمان نمایش داده می‌شود؟' خوب عمل می‌کند. QCA برای تحقیقاتی که به دنبال تولید نظریه جدید هستند (از نظریه داده‌بنیاد استفاده کنید) یا تجربه زیسته را کاوش می‌کنند (از پدیدارشناسی استفاده کنید) کمتر مناسب است. QCA در تحقیقات کاربردی، تحلیل سیاست، تحلیل رسانه و تحقیقات سازمانی که در آن مستندسازی نظام‌مند الگوهای محتوا به تصمیم‌گیری‌ها اطلاع می‌دهد، برتری دارد.

محدودیت‌ها و ملاحظات

  • خطر تفسیر بیش از حد در تحلیل محتوای پنهان؛ نسبت دادن معنا به پیام‌های ضمنی ذاتاً ذهنی است و ممکن است منعکس‌کننده سوگیری کدگذار باشد.
  • ایجاد و اصلاح طرح‌های کدگذاری زمان‌بر است؛ تغییر مقوله‌ها در اواسط تحلیل، سازگاری را تضعیف می‌کند.
  • نظریه یا درک عمیق زمینه‌ای را تولید نمی‌کند؛ تحلیل محتوا آنچه را که وجود دارد توصیف می‌کند، نه اینکه چرا یا چگونه به آن شکل درآمده است.
  • قابلیت اطمینان بین کدگذاران، اگرچه ارزشمند است، اما اگر کدگذاران صرفاً از قوانین سفت و سخت پیروی کنند بدون درک معنا، می‌تواند به طور مصنوعی افزایش یابد؛ توافق ≠ اعتبار.

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

نقاط قوت

  • نظام‌مند و شفاف: طرح کدگذاری و قوانین صریح امکان تکرارپذیری و ارزیابی قابلیت اطمینان بین کدگذاران را فراهم می‌کند؛ ایده‌آل برای تحلیل دقیق مجموعه داده‌های بزرگ.
  • دقت را با انعطاف‌پذیری ترکیب می‌کند: می‌تواند هم محتوای آشکار (عینی) و هم پنهان (تفسیری) را در بر گیرد و رویکردهای کمی و کیفی را پیوند دهد.
  • مناسب برای انواع داده‌های متنوع: متن، تصاویر، ویدئو، رسانه‌های اجتماعی، اسناد - قابل اجرا در بسیاری از زمینه‌های تحقیق.
  • کمی‌سازی فراوانی کد، خلاصه‌ای از تأکید و توزیع را ارائه می‌دهد و تفسیر کیفی را با شمارش‌ها و نسبت‌ها تکمیل می‌کند.

کاربردها

  • تحلیل داده‌های مصاحبه در ارزیابی برنامه برای ارزیابی کیفیت مداخله، وفاداری و نتایج؛ دسته‌بندی بازخورد شرکت‌کنندگان به نقاط قوت و زمینه‌های بهبود.
  • تحلیل اسناد سیاستی یا دستورالعمل‌های بالینی برای شناسایی اولویت‌ها، شکاف‌ها و همسویی بین سازمان‌ها.
  • بررسی بازنمایی‌های رسانه‌ای بیماری، بیماری روانی یا گروه‌های به حاشیه رانده شده برای درک پیام‌رسانی عمومی و انگ.
  • تحلیل شکایات یا بازخورد بیماران در محیط‌های مراقبت‌های بهداشتی برای شناسایی مشکلات سیستمی (مثلاً شکست‌های ارتباطی، موانع دسترسی).
  • مطالعه اسناد سازمانی (ایمیل‌ها، صورتجلسات، گزارش‌ها) برای درک فرهنگ سازمانی، اولویت‌ها و الگوهای ارتباطی.

چگونه کار می‌کند

چگونه کار می‌کند

1

جمع‌آوری داده‌های کیفی: مصاحبه‌ها، پاسخ‌های پیمایش باز، اسناد، رسانه‌ها (ویدئوها، عکس‌ها، پست‌های رسانه‌های اجتماعی) یا هر متن یا تصویری که مایل به تحلیل آن هستید. واحد کدگذاری خود را تعیین کنید (بخشی که باید کدگذاری شود): یک کلمه، جمله، پاراگراف، سند یا بخش تصویر. داده‌ها را به صورت استراتژیک نمونه‌گیری کنید: ممکن است تمام داده‌ها را تحلیل کنید یا از نمونه‌گیری هدفمند استفاده کنید (مثلاً انتخاب مصاحبه‌هایی که مستقیماً به سؤال تحقیق شما می‌پردازند). داده‌ها را برای تحلیل آماده کنید: صوت را رونویسی کنید، تصاویر را به فرمت قابل تحلیل تبدیل کنید، اطمینان حاصل کنید که متن در فرمت استاندارد است. قبل از شروع تحلیل، یک استراتژی نمونه‌گیری و چارچوب کدگذاری واضح ایجاد کنید.

2

توسعه طرح کدگذاری: مقوله‌ها و زیرمقوله‌هایی را تعریف کنید که محتوای مربوط به سؤال تحقیق شما را نشان می‌دهند. مقوله‌ها می‌توانند قیاسی (از پیش تعیین شده از نظریه) یا استقرایی (برآمده از داده‌ها) باشند. با خواندن/مشاهده زیرمجموعه‌ای از داده‌ها و شناسایی کدهای اولیه شروع کنید؛ کدهای مرتبط را در مقوله‌های گسترده‌تر گروه‌بندی کنید. هر مقوله را به طور صریح با یک برچسب و تعریف واضح تعریف کنید (مثلاً 'موانع درمان - هر چیزی که دسترسی یا پایبندی را مختل کند'). قوانین تصمیم‌گیری برای موارد مبهم ایجاد کنید (مثلاً 'اگر عبارتی هم به زمان و هم به هزینه اشاره کند، آن را به عنوان مانع اصلی به هزینه اختصاص دهید'). کل مجموعه داده را به طور نظام‌مند کدگذاری کنید و هر کد را به طور مداوم به کار ببرید. از رویکرد مقایسه مداوم استفاده کنید: به طور منظم کدهای قبلی را بازبینی کنید تا از سازگاری در حین پیشرفت کدگذاری اطمینان حاصل کنید. فراوانی کدها را برای درک تأکید و توزیع بشمارید. برای قابلیت اطمینان بین کدگذاران، یک کدگذار دوم زیرمجموعه‌ای (10-20٪ داده‌ها) را به طور مستقل کدگذاری کند؛ توافق را محاسبه کنید (توافق درصدی یا کاپای کوهن >0.70 قابل قبول است). اختلافات را از طریق بحث و اصلاح طرح کدگذاری حل کنید.

3

یافته‌ها را با تحلیل فراوانی کدها و الگوهای مقوله‌ها در رابطه با سؤال تحقیق خود سنتز کنید. فراوانی و توزیع مقوله‌ها را توصیف کنید: کدام‌ها رایج‌ترند، کدام‌ها نادر؟ این الگوها را تفسیر کنید: فراوانی بالای یک مقوله ممکن است نشان‌دهنده اهمیت باشد؛ عدم وجود یک مقوله نیز می‌تواند به همان اندازه معنادار باشد. یافته‌ها را با نقل قول‌های حمایتی یا مثال‌هایی از متن کدگذاری شده ارائه دهید. تجسم‌ها (جداول، نمودارهای میله‌ای) را که فراوانی مقوله‌ها یا روابط سلسله مراتبی را نشان می‌دهند، ایجاد کنید. یافته‌ها را به نظریه و تحقیقات قبلی مرتبط کنید. شکاف‌ها یا فقدان‌های غیرمنتظره در محتوا را شناسایی کنید. هدف صرفاً دسته‌بندی نیست، بلکه تفسیر آنچه الگوها در مورد معنا و پیام محتوا نشان می‌دهند.

دام‌های رایج

  • تحمیل یک طرح کدگذاری سفت و سخت و انعطاف‌ناپذیر خیلی زود؛ مقوله‌ها باید تا حدی از داده‌ها بیرون بیایند و به طور تکراری اصلاح شوند.
  • شمارش نادرست یا اعمال ناهماهنگ کدها؛ بررسی نظام‌مند و جلسات منظم کدگذاران ضروری است.
  • اشتباه گرفتن تحلیل محتوا با تحلیل گفتمان؛ تحلیل گفتمان بر چگونگی شکل‌دهی زبان به معنا و قدرت تأکید دارد (مثلاً ویژگی‌های زبانی، بلاغت)، در حالی که تحلیل محتوا بر محتوای دسته‌بندی شده تمرکز دارد.
  • تکیه صرف بر فراوانی کد بدون تفسیر کیفی؛ شمارش خام بدون زمینه و تحلیل آنچه الگوها نشان می‌دهند، بی‌معنی است.

پرسش‌های متداول

تفاوت تحلیل محتوای آشکار و پنهان چیست؟

تحلیل محتوای آشکار بر معانی صریح و سطحی تمرکز دارد: آنچه مستقیماً بیان یا نشان داده می‌شود. به عنوان مثال، شمارش فراوانی کلمات یا عبارات خاص (مثلاً 'کلمه درد 47 بار ظاهر می‌شود'). تحلیل محتوای پنهان معانی ضمنی یا پنهان را تفسیر می‌کند - آنچه محتوا در مورد ارزش‌ها، نگرش‌ها یا جهان‌بینی‌ها نشان می‌دهد، تلویحاً بیان می‌کند یا آشکار می‌سازد. به عنوان مثال، تحلیل اینکه چگونه بازنمایی‌های رسانه‌ای چاقی به طور ضمنی قضاوت اخلاقی یا شرم را منتقل می‌کنند. تحلیل آشکار عینی‌تر است؛ تحلیل پنهان به قضاوت تفسیری نیاز دارد. بیشتر QCA هر دو را ترکیب می‌کند: مقوله‌های آشکار (آنچه گفته می‌شود) با تفسیر پنهان (معنای آن).

تحلیل محتوای کیفی چگونه با تحلیل تماتیک متفاوت است؟

هر دو الگوهایی را در داده‌های کیفی شناسایی می‌کنند، اما در ساختار و هدف متفاوتند. تحلیل تماتیک الگوها یا مضامین کلی را بدون لزوماً ایجاد یک طرح کدگذاری سفت و سخت شناسایی می‌کند؛ این روش استقرایی‌تر و اکتشافی‌تر است. تحلیل محتوا یک طرح کدگذاری صریح و نظام‌مند را با مقوله‌ها و قوانین تصمیم‌گیری تعریف شده ایجاد می‌کند؛ این روش ساختاریافته‌تر است و امکان شمارش فراوانی را فراهم می‌کند. تحلیل محتوا برای مجموعه داده‌های بزرگ که نیاز به سازگاری دارند بهتر است؛ تحلیل تماتیک اغلب برای تحقیقات اکتشافی سریع‌تر است. برخی تحلیل تماتیک را نوعی تحلیل محتوا می‌دانند؛ برخی دیگر آنها را متمایز می‌دانند. از تحلیل تماتیک برای یافتن الگوی اکتشافی استفاده کنید؛ از QCA برای دسته‌بندی نظام‌مند و شفاف با داده‌های فراوانی استفاده کنید.

چگونه اطمینان حاصل کنم که طرح کدگذاری من قابل اعتماد و معتبر است؟

برای هر مقوله، تعریف واضحی با معیارهای ورود و خروج ایجاد کنید. حداقل یک کدگذار دوم زیرمجموعه‌ای از داده‌ها را به طور مستقل کدگذاری کند (حداقل 10-20٪). قابلیت اطمینان بین کدگذاران را محاسبه کنید: توافق درصدی برای طرح‌های ساده، کاپای کوهن یا آلفای کرایپندورف برای طرح‌های پیچیده‌تر (هدف >0.70). اختلافات را از طریق بحث حل کنید و در صورت نیاز تعاریف مقوله را اصلاح کنید. جلسات منظم کدگذاران در طول تحلیل، سازگاری را حفظ می‌کند. تصمیمات کدگذاری و استدلال خود را مستند کنید (مسیر حسابرسی). اعتبار: اطمینان حاصل کنید که مقوله‌های شما به طور منطقی با سؤال تحقیق شما مرتبط هستند و تفسیر معناداری از الگوها ارائه می‌دهند. قبل از تحلیل کامل، طرح خود را روی یک نمونه کوچک آزمایش کنید.

آیا می‌توانم از QCA هم با کدگذاری قیاسی و هم استقرایی استفاده کنم؟

بله. QCA کاملاً استقرایی مقوله‌ها را از داده‌ها توسعه می‌دهد. QCA کاملاً قیاسی مقوله‌های از پیش تعیین شده از نظریه یا تحقیقات قبلی را به کار می‌برد. بسیاری از مطالعات از رویکردهای ترکیبی استفاده می‌کنند: با مقوله‌های قیاسی مبتنی بر نظریه شروع کنید، سپس کدهای استقرایی را که از داده‌ها بیرون می‌آیند اضافه کنید. این می‌تواند با ترکیب دقت نظری با پاسخگویی به داده‌ها، تحلیل را تقویت کند. در مورد اینکه از کدام رویکرد (یا ترکیبی) استفاده کرده‌اید، صریح باشید و انتخاب خود را توجیه کنید.

تعداد کدها معمولاً چقدر است و چه زمانی باید مقوله‌ها را ادغام یا تقسیم کنم؟

کدگذاری استقرایی اولیه اغلب 30 تا 100+ کد از 15 تا 20 مصاحبه یا سند تولید می‌کند که سپس در 10 تا 25 مقوله گروه‌بندی می‌شوند. هدف، به حداقل رساندن کدها نیست، بلکه ایجاد یک سلسله مراتب منسجم است: کدهای خاص در مقوله‌های گسترده‌تر قرار می‌گیرند. کدها را زمانی ادغام کنید که نشان‌دهنده مفهوم یکسان باشند یا افزونگی ایجاد کنند (هیچ دلیلی برای جدا نگه داشتن آنها وجود ندارد). مقوله‌ها را اگر خیلی گسترده هستند و حاوی معانی ناهمگن هستند، تقسیم کنید (مثلاً 'موانع' ممکن است به 'موانع ساختاری' و 'موانع فردی' تقسیم شود). طرح خود را حسابرسی کنید: اگر یک کد فقط در یک سند ظاهر می‌شود، سؤال کنید که آیا شایسته کدگذاری است یا یک مورد پرت است.

روش‌های مرتبط

منابع

  1. Krippendorff, K. (1980). Content analysis: An introduction to its methodology. Sage Publications.

    باز کردن مرجع انتشار
    کپی شد.
  2. Schreier, M. (2012). Qualitative content analysis in practice. Sage Publications.

    باز کردن مرجع انتشار
    کپی شد.
  3. Hsieh, H. F., & Shannon, S. E. (2005). Three approaches to qualitative content analysis. Journal of Nursing Research, 13(4), 203–215.

    باز کردن مرجع انتشار
    کپی شد.