تحلیل محتوای کمی مقطعی
- معرفیشده توسط
- Berelson, B.; Krippendorff, K.; Neuendorf, K. A.
- سال
- Mid-20th century (formalized 1952–2000s)
- 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
چه کاری انجام میدهد؟
تحلیل محتوای کمی مقطعی، طرح پژوهشی مشاهدهای است که در آن نمونهای نظاممند از محتوای ارتباطی - مقالات خبری، پستهای رسانههای اجتماعی، تبلیغات، یا سایر مواد نمادین - در یک نقطه زمانی واحد جمعآوری شده و با استفاده از دستهبندیهای عددی از پیش تعیینشده کدگذاری میشود تا الگوها، فراوانیها یا ارتباطات درون آن محتوا توصیف یا فرضیههایی درباره آنها آزموده شود.
شهود پشت روش
تصور کنید میخواهید بدانید زنان در تبلیغات تلویزیونی زمان اوج پخش در طول یک فصل پخش واحد چگونه به تصویر کشیده میشوند. شما نمونهای نماینده از تبلیغات آن فصل را ضبط میکنید، طرحی برای کدگذاری با دستهبندیهای عددی (مانند نوع نقش، حوزه محصول، زمان صحبت کردن) ایجاد میکنید، کدگذاران آموزشدیده را وادار میکنید آن دستهبندیها را به طور نظاممند اعمال کنند، و سپس آمار توصیفی یا آزمونهای همبستگی را بر روی دادههای کدگذاریشده اجرا میکنید. از آنجایی که تمام محتوا از یک پنجره زمانی واحد میآید، این یک نمای مقطعی است - نه مقایسهای قبل و بعد یا مطالعه روند. نقطه قوت آن کارایی و تکرارپذیری است؛ محدودیت آن این است که علیت و تغییر در طول زمان قابل اثبات نیست.
تاریخ
تحلیل محتوای کمی در علوم اجتماعی توسط برنارد برلسون نظاممند شد، که رساله ۱۹۵۲ او «تحلیل محتوا در تحقیقات ارتباطات» اولین چارچوب روششناختی جامع را ارائه داد. کتاب ۱۹۸۰ کلاوس کرایپندورف (بازبینی شده در ۲۰۰۴) آمارهای قابلیت اطمینان را که هنوز امروزه استفاده میشوند، به ویژه آلفای کرایپندورف، پایهگذاری کرد. راهنمای کیمبرلی نویندورف در سال ۲۰۰۲ به یک متن آموزشی استاندارد تبدیل شد که نظریه نمونهگیری، ساختار دفترچه کدگذاری و تجزیه و تحلیل آماری را ادغام کرد. نوع مقطعی - نمونهگیری محتوا از یک پنجره زمانی محدود به جای ردیابی تغییر در طول زمان - برای دههها طرح غالب در مطالعات رسانهای، ارتباطات سیاسی و تحقیقات ارتباطات بهداشتی بوده است.
چه زمانی استفاده شود
هنگامی که به توصیف نظاممند و تکرارپذیر عددی از آنچه که بدنه مشخصی از محتوا در یک نقطه زمانی خاص شامل میشود، نیاز دارید - به عنوان مثال، برای ترسیم چارچوب خبری در طول یک رویداد خاص، برای حسابرسی نمایندگی در یک پیکره رسانهای فعلی، یا برای آزمون اینکه آیا دو نوع محتوا در استفاده از ویژگیهای خاص با هم تفاوت دارند - از تحلیل محتوای کمی مقطعی استفاده کنید. این روش زمانی مناسب است که سؤال پژوهش توصیفی یا رابطهای باشد (چه چیزی وجود دارد؟ با چه فراوانی؟ آیا X با Y مرتبط است؟) و زمانی که پیکره محتوا محدود و قابل دسترسی باشد. زمانی که هدف پژوهش ردیابی چگونگی تغییر محتوا در طول زمان است (به جای آن از تحلیل محتوای طولی استفاده کنید)، برای درک اینکه چرا ارتباطگران محتوای خاصی تولید میکنند (این نیاز به مصاحبه یا آزمایش دارد)، یا زمانی که حجم محتوا آنقدر وسیع و بدون ساختار است که نمونهگیری و کدگذاری نظاممند بدون روشهای محاسباتی اضافی امکانپذیر نیست، از آن استفاده نکنید.
محدودیتها و ملاحظات
- نمیتواند علیت یا جهت تأثیر بین ویژگیهای محتوا و اثرات مخاطب را اثبات کند.
- نمای مقطعی نمیتواند تشخیص دهد که آیا الگوها در طول زمان تغییر کردهاند؛ نتیجهگیریهای تاریخی نیازمند طرحهای طولی هستند.
- یافتهها به شدت به کیفیت دفترچه کدگذاری بستگی دارند: دستهبندیهای ضعیف تعریفشده صرف نظر از تلاش کدگذار، کدهای غیرقابل اعتماد یا نامعتبر تولید میکنند.
- محتوای آشکار (ویژگیهای قابل مشاهده) راحتتر از محتوای نهان (معنای زیربنایی) کدگذاری میشود، که تنشی بین قابلیت اطمینان و عمق تفسیری ایجاد میکند.
- نمونهگیری غیر احتمالی از پیکرههای در دسترس (مانند یک رسانه خبری) تعمیمپذیری خارجی را محدود میکند.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- نظاممند و تکرارپذیر: دفترچه کدگذاری و چارچوب نمونهگیری امکان تکرار و تأیید مستقل را فراهم میکنند.
- کارآمد برای پیکرههای بزرگ: کدگذاران آموزشدیده میتوانند صدها تا هزاران واحد محتوا را در طول یک مطالعه واحد پردازش کنند.
- غیر واکنشی: محتوا از قبل وجود دارد، بنابراین فرآیند اندازهگیری بر آنچه در ابتدا تولید شده تأثیر نمیگذارد.
- شواهد کمی از الگوها و ارتباطات تولید میکند که میتوانند از نظر آماری آزموده شده و بین مطالعات مقایسه شوند.
- انعطافپذیر در انواع رسانهها: قابل اجرا برای متن، تصاویر، ویدئو، صدا و محتوای چندرسانهای.
کاربردها
- حسابرسی نمایندگی جنسیتی و نژادی در تبلیغات تلویزیونی زمان اوج پخش در طول یک فصل پخش خاص.
- ترسیم اینکه چگونه روزنامهها با گرایشهای سیاسی مختلف یک رویداد عمده سیاستی را در هفته وقوع آن چارچوببندی کردند.
- تجزیه و تحلیل شیوع ادعاهای اطلاعات نادرست بهداشتی در پستهای رسانههای اجتماعی جمعآوریشده در طول یک بحران بهداشت عمومی.
- اندازهگیری فراوانی و نوع زبان ریسک در پیکرهای از تبلیغات دارویی منتشر شده در یک سال واحد.
- مقایسه تنوع منابع در وبسایتهای خبری ملی و محلی نمونهبرداری شده در طول همان دوره دو هفتهای.
- کدگذاری حضور کلیشههای بصری در نمونهای از کاتالوگهای عکاسی استوک که در یک نقطه زمانی واحد به آنها دسترسی پیدا شده است.
چگونه کار میکند
چگونه کار میکند
پژوهشگر جمعیت محتوای مورد مطالعه را به دقت مشخص میکند - رسانه، موضوع، پنجره زمانی، و هرگونه معیار ورود یا خروج. تعریف روشن جامعه برای تکرارپذیری و توجیه نمایندگی نمونه نهایی ضروری است.
نمونهای احتمالی یا هدفمند از واحدهای محتوا با استفاده از یک استراتژی نمونهگیری قابل دفاع (تصادفی، سیستماتیک، طبقهبندیشده، یا هفته ساختهشده) از جامعه استخراج میشود. از آنجایی که تمام محتوا از یک چارچوب زمانی تعیینشده واحد میآید، طرح مقطعی است: هیچ اندازهگیری در نقطه زمانی دوم یا بعدی برای مقایسه وجود ندارد.
یک دفترچه کدگذاری رسمی ساخته میشود که هر متغیر مورد کدگذاری، تعریف عملیاتی آن، دستهبندیهای پاسخ جامع و انحصاری متقابل آن، و قوانین تصمیمگیری برای موارد مبهم را مشخص میکند. آزمایش اولیه دفترچه کدگذاری بر روی زیرمجموعهای کوچک از محتوا قبل از کدگذاری اصلی، رویه استاندارد است.
دو یا چند کدگذار بر اساس دفترچه کدگذاری آموزش میبینند و یک نمونه قابلیت اطمینان یکسان (معمولاً ۱۰ تا ۲۰ درصد از پیکره) را کدگذاری میکنند. قابلیت اطمینان بین کدگذاران با استفاده از آلفای کرایپندورف یا کاپای کوهن محاسبه میشود؛ آستانههای قابل قبول معمولاً آلفا >= ۰.۸۰ یا کاپا >= ۰.۷۰ قبل از ادامه است.
کدگذاران به طور مستقل دفترچه کدگذاری نهایی را بر روی نمونه کامل اعمال میکنند. هر واحد محتوا برای هر متغیر یک مقدار عددی دریافت میکند. هرگونه مغایرت باقیمانده با یک قانون تصمیمگیری (مانند رأی اکثریت یا قضاوت توسط کدگذار سوم) حل و فصل و مستند میشود.
دادههای کدگذاریشده در یک محیط نرمافزاری آماری وارد میشوند. تجزیه و تحلیلها معمولاً شامل توزیع فراوانی و درصد برای متغیرهای توصیفی، آزمونهای مربع کای یا V کرامر برای ارتباط بین متغیرهای طبقهبندیشده، و همبستگی یا رگرسیون در صورت در دسترس بودن کدهای سطح ترتیبی یا فاصلهای است. نتایج همراه با آمارهای قابلیت اطمینان در کنار یافتههای موضوعی گزارش میشوند.
دامهای رایج
- قابلیت اطمینان ناکافی بین کدگذاران: شروع کدگذاری کامل قبل از دستیابی به قابلیت اطمینان قابل قبول منجر به دادههای نامعتبر میشود؛ همیشه یک بررسی رسمی قابلیت اطمینان را انجام دهید و آن را گزارش کنید.
- ترکیب پنجره زمانی: برچسب زدن یک مطالعه به عنوان «مقطعی» در حالی که محتوای دورههای زمانی متمایز متعددی را مخلوط میکند، یک چارچوب زمانی نامشخص ایجاد میکند - پنجره زمانی واحد را به دقت مشخص کنید.
- تعاریف عملیاتی ضعیف: دستهبندیهای مبهم دفترچه کدگذاری باعث انحراف کدگذار میشوند؛ هر دستهبندی باید شامل مثالها، غیر مثالها و قوانین تصمیمگیری برای موارد مرزی باشد.
- ادعاهای علّی زیادهخواهانه: یک مطالعه محتوای مقطعی میتواند ارتباطات را توصیف کند (مانند لحن سیاسی با انواع خاصی از منابع همزمان است) اما نمیتواند ادعا کند که یک ویژگی باعث ویژگی دیگر میشود.
- نادیده گرفتن طرح نمونهگیری در تجزیه و تحلیل: اگر از نمونه طبقهبندیشده یا هفته ساختهشده استفاده شده است، وزنهای نمونهگیری یا ساختار باید در تجزیه و تحلیل آماری در نظر گرفته شوند.
پرسشهای متداول
چه چیزی این طرح را «مقطعی» میکند به جای اینکه صرفاً «تحلیل محتوا» باشد؟
برچسب مقطعی نشان میدهد که تمام واحدهای محتوا از یک پنجره زمانی واحد و محدود میآیند و هیچ اندازهگیری تکراری انجام نمیشود. این آن را از تحلیل محتوای طولی، که در آن محتوای یکسان یا قابل مقایسه در نقاط زمانی متعدد برای مطالعه تغییر نمونهبرداری میشود، متمایز میکند. چارچوب مقطعی برای تعیین دامنه سؤال پژوهش و تفسیر آنچه نتایج میتوانند و نمیتوانند در مورد روندهای زمانی ادعا کنند، مهم است.
چگونه تصمیم میگیرم چه مقدار محتوا را نمونهبرداری کنم؟
اندازه نمونه در تحلیل محتوا به تعداد دستهبندیهای محتوای مورد تجزیه و تحلیل، فراوانیهای مورد انتظار سلول در جدولهای متقاطع، و دقت مورد نیاز برای آزمونهای آماری بستگی دارد. یک قاعده سرانگشتی رایج حداقل ۲۰۰ تا ۳۰۰ واحد محتوا برای تجزیه و تحلیلهای توصیفی و مربع کای پایه است؛ تجزیه و تحلیل توان میتواند طرحهای پیچیدهتر را هدایت کند. تکنیک هفته ساختهشده (انتخاب تصادفی روزها از هر روز هفته در طول دوره مطالعه) یک استراتژی پرکاربرد برای متعادل کردن نمایندگی و امکانپذیری است.
کدام ضریب قابلیت اطمینان را باید گزارش کنم؟
آلفای کرایپندورف ضریب ارجح برای اکثر کارهای تحلیل محتوا است زیرا با توافق تصادفی تعدیل میشود و برای هر سطح اندازهگیری (اسمی، ترتیبی، فاصلهای، نسبتی) اعمال میشود. کاپای کوهن برای دادههای اسمی دو کدگذار قابل قبول است. توافق درصدی به تنهایی کافی نیست زیرا با تصادف تصحیح نمیشود. آمار قابلیت اطمینان، اندازه نمونه قابلیت اطمینان، و تعداد کدگذاران را برای هر متغیر کدگذاری شده گزارش کنید.
آیا میتوانم تحلیل محتوای کمی مقطعی را با روشهای دیگر ترکیب کنم؟
بله. تحلیل محتوای کمی مقطعی اغلب با پیمایشها (برای مقایسه الگوهای محتوا با ادراکات مخاطب) یا آزمایشها (برای آزمون اینکه چگونه ویژگیهای محتوای خاص بر پاسخها تأثیر میگذارند) ترکیب میشود. در یک پروژه روشهای ترکیبی، تحلیل محتوا نقشه توصیفی از پیامهای موجود را ارائه میدهد، در حالی که روش مکمل به پذیرش یا اثرات میپردازد.
چه آزمونهای آماری برای دادههای تحلیل محتوا مناسب هستند؟
برای کدهای طبقهبندیشده، آزمونهای مربع کای استقلال و V کرامر ارتباطات را اندازهگیری میکنند. برای مقایسه نسبتها در گروهها، آزمونهای z یا رگرسیون لجستیک مناسب هستند. کدهای ترتیبی از همبستگیهای اسپیرمن یا رگرسیون ترتیبی پشتیبانی میکنند. اگر کدها به عنوان سطح فاصلهای در نظر گرفته شوند، همبستگی پیرسون و رگرسیون OLS میتوانند استفاده شوند، اگرچه این نیاز به توجیه دقیق دارد. همیشه قبل از اجرای آزمونها، مفروضات را بررسی کنید (اندازههای مورد انتظار سلول برای مربع کای، توزیع برای رگرسیون).
روشهای مرتبط
منابع
Neuendorf, K. A. (2002). The Content Analysis Guidebook. Sage Publications.
شابک: 978-0761919773کپی شد.Krippendorff, K. (2004). Content Analysis: An Introduction to Its Methodology (2nd ed.). Sage Publications.
شابک: 978-0761915454کپی شد.