Przejdź do treści
Wróć do wyników wyszukiwania

Analiza treści podłużna — śledzenie znaczeń w czasie

Autor metody
Developed within the content analysis tradition; longitudinal extensions widely applied since the mid-20th century in communication and political science research
Rok
Mid-20th century onward; systematized alongside content analysis (Berelson, 1952; Krippendorff, 1980)
Typ
Qualitative and mixed-methods research design
Rodzina
Qualitative design and analysis

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Analiza treści podłużna (LCA) stosuje systematyczną analizę treści do dokumentów, mediów lub tekstów pobranych w co najmniej dwóch punktach czasowych w celu wykrycia, jak zmieniają się lub utrzymują w czasie motywy, ramy, język lub wzorce dyskursu.

Opierając się na ustalonej logice analizy treści, dodaje ona wymiar czasowy, który pozwala badaczom śledzić trendy, ewolucję reprezentacji i testować hipotezy dotyczące zmian historycznych lub społecznych. Jest szeroko stosowana w badaniach komunikacji, naukach politycznych, studiach medialnych i naukach o zdrowiu.

Intuicja stojąca za metodą

Wyobraźmy sobie chęć poznania, czy relacje prasowe na temat zmian klimatu stały się bardziej alarmujące lub bardziej zorientowane na rozwiązania między rokiem 2000 a 2020. Jedna analiza treści daje nam migawkę; analiza treści podłużna daje nam taśmę filmową. Stosujesz ten sam schemat kodowania do próbek pobranych w regularnych odstępach czasu — powiedzmy, co dwa lub pięć lat — a następnie porównujesz uzyskane częstotliwości lub motywy w czasie. Metoda jest rygorystyczna, ponieważ zasady kodowania pozostają niezmienne, więc różnice między okresami odzwierciedlają rzeczywiste zmiany w dokumentach, a nie zmiany w sposobie ich interpretacji przez koderów.

Historia

Analiza treści jako formalna metoda została skodyfikowana przez Bernarda Berelsona w jego podręczniku z 1952 roku i rozwinięta przez Harolda Lasswella i jego współpracowników w badaniach komunikacji politycznej. Zastosowanie podłużne — powtarzane analizy treści tego samego kanału komunikacji w czasie — rozwijało się naturalnie, gdy badacze starali się śledzić, jak ewoluowały relacje medialne na temat kwestii politycznych, grup społecznych i wydarzeń na przestrzeni dziesięcioleci. Fundamentalny tekst Klausa Krippendorffa, opublikowany po raz pierwszy w 1980 roku, a obecnie w czwartym wydaniu, stanowi metodologiczne podstawy zarówno dla projektów przekrojowych, jak i podłużnych. W latach 90. i 2000. analiza treści podłużna stała się standardową praktyką w badaniach nad ustalaniem agendy i badaniach nad ramowaniem medialnym.

Kiedy stosować

Używaj analizy treści podłużnej, gdy podstawowe pytanie badawcze dotyczy zmian lub ciągłości w sposobie reprezentowania tematu, kwestii lub grupy w dokumentach lub mediach w czasie. Jest ona odpowiednia do badania trendów w ramowaniu medialnym, ewolucji dyskursu politycznego, zmian kulturowych w tekstach lub zmian historycznych w komunikacji publicznej. Metoda wymaga korpusu porównywalnych dokumentów dostępnych w co najmniej dwóch różnych punktach czasowych oraz stabilnego schematu kodowania, który można zastosować we wszystkich okresach. Nie należy jej stosować, gdy dokumenty z różnych okresów nie są rzeczywiście porównywalne (np. różne gatunki lub formaty), gdy dostępny jest tylko jeden punkt czasowy lub gdy zjawisko będące przedmiotem zainteresowania leży w doświadczeniach uczestników, a nie w dokumentach — w takich przypadkach bardziej odpowiednia jest standardowa analiza treści lub podłużny projekt wywiadu jakościowego.

Ograniczenia i uwagi

  • Wymaga dostępu do porównywalnych korpusów dokumentów we wszystkich docelowych okresach czasowych; brakujące lub niekompletne archiwa mogą osłabić pokrycie czasowe.
  • Schemat kodowania musi zostać zdefiniowany przed rozpoczęciem gromadzenia danych; jeśli zjawisko ewoluuje w nieprzewidzianych kierunkach, predefiniowane kategorie mogą nie uchwycić wyłaniających się motywów.
  • Niezawodność międzykoderowa musi być utrzymana w każdym punkcie czasowym, zwiększając obciążenie szkoleniowe i koordynacyjne, gdy badania obejmują wiele okresów.
  • Wyniki opisują dokumenty, a nie odbiorców lub intencje; wnioski dotyczące tego, jak treść została odebrana lub wyprodukowana, wymagają dodatkowych dowodów.
  • Długie horyzonty czasowe zwiększają ryzyko dryfu kodera — stopniowych, niezauważonych zmian w sposobie stosowania kategorii przez koderów — które mogą naśladować rzeczywiste zmiany.

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Bezpośrednio odpowiada na pytania czasowe dotyczące zmian, trendów i trwałości, na które analiza przekrojowa nie może odpowiedzieć.
  • Systematyczne zasady kodowania utrzymywane na stałym poziomie w punktach czasowych zapewniają porównywalność i przejrzystość.
  • Skalowalność: można ją stosować do dużych archiwów dokumentów z przeszkolonymi koderami lub, coraz częściej, z obliczeniową analizą tekstu.
  • Kompatybilność zarówno z interpretacją jakościową, jak i ilościowym testowaniem trendów w ramach jednego badania.
  • Dobrze nadaje się do danych archiwalnych i wtórnych, zmniejszając obciążenie etyczne i logistyczne związane z gromadzeniem danych pierwotnych.

Zastosowania

  • Śledzenie zmian w ramowaniu medialnym wiadomości na temat imigracji, zmian klimatu lub kryzysów zdrowia publicznego na przestrzeni lat lub dziesięcioleci.
  • Analizowanie, jak manifesty partii politycznych lub dokumenty polityczne zmieniają język i priorytety w cyklach wyborczych.
  • Monitorowanie zmian w przedstawianiu płci, rasy lub niepełnosprawności w reklamach, filmach lub podręcznikach w czasie.
  • Badanie ewolucji strategii komunikacji naukowej lub zdrowia publicznego w odpowiedzi na pojawiające się dowody.
  • Dokumentowanie długoterminowych zmian w raportowaniu zrównoważonego rozwoju przez firmy lub dyskursie w raportach rocznych.
  • Badanie, jak dyskurs w mediach społecznościowych wokół ruchu społecznego rozwija się od jego powstania do instytucjonalizacji.

Jak to działa

Jak to działa

1

Badacz określa pytanie badawcze dotyczące zmian lub stabilności w czasie, wybiera schemat kodowania (kategorie, motywy lub ramy do zmierzenia) i ustala okresy czasu do porównania. Schemat kodowania musi zostać zdefiniowany przed rozpoczęciem gromadzenia danych i utrzymany na stałym poziomie we wszystkich punktach czasowych, aby zapewnić porównywalność.

2

Korpus dokumentów jest gromadzony dla każdego punktu czasowego przy użyciu spójnej strategii próbkowania — takiej jak losowe próbkowanie stron tytułowych gazet, postów w mediach społecznościowych lub dokumentów politycznych — tak aby różnice między okresami nie były artefaktami nierównego próbkowania. Jednostka analizy (artykuł, akapit, obraz itp.) jest ustalona dla wszystkich okresów.

3

Przeszkoleni koderzy niezależnie stosują schemat kodowania do korpusu z każdego okresu, rejestrując obecność, częstotliwość lub intensywność każdej kategorii. Niezawodność międzykoderowa jest obliczana w każdym punkcie czasowym przy użyciu kappa Cohena lub alfa Krippendorffa, aby potwierdzić, że kodowanie jest spójne i powtarzalne w całym badaniu.

4

Zakodowane dane z każdego okresu są agregowane i porównywane — zazwyczaj poprzez zliczanie częstotliwości, proporcje lub współwystępowanie kategorii — w celu zidentyfikowania wzrostów, spadków lub stabilnych wzorców w całej osi czasu. Tam, gdzie projekt jest wystarczająco duży, statystyczne testy trendów (np. chi-kwadrat dla trendu, regresja względem czasu) mogą uzupełniać porównania opisowe.

5

Analityk interpretuje zaobserwowane zmiany lub stabilność w świetle kontekstu historycznego, ram teoretycznych i wcześniejszej literatury. Rozważane są konkurencyjne wyjaśnienia — takie jak zmiany w objętości publikacji, dryf kodera lub zmiany w dostępności dokumentów — i, tam gdzie to możliwe, są one wykluczane przed wyciągnięciem wniosków o rzeczywistym trendzie.

Częste pułapki

  • Zmiana schematu kodowania w trakcie badania — poprawianie definicji kategorii między punktami czasowymi niszczy porównywalność i unieważnia porównania trendów; sfinalizuj i przetestuj schemat przed jakimkolwiek gromadzeniem danych.
  • Ignorowanie dryfu kodera — bez okresowych sesji kalibracyjnych i kontroli niezawodności w każdym punkcie czasowym, koderzy mogą stopniowo stosować kategorie inaczej, generując pozorne trendy.
  • Nierówne lub nieporównywalne próbkowanie w okresach — jeśli objętość, gatunek lub źródło dokumentów systematycznie zmienia się w okresach, zaobserwowane trendy mogą odzwierciedlać artefakty próbkowania, a nie rzeczywiste zmiany treści.
  • Traktowanie trendów dokumentów jako trendów odbiorców lub społeczeństwa bez uzasadnionego wnioskowania — metoda mówi nam, co zmieniło się w tekstach, a niekoniecznie, co zmieniło się w umysłach lub społeczeństwie.

Najczęściej zadawane pytania

Ile punktów czasowych potrzebuję do analizy treści podłużnej?

Minimum dwa punkty czasowe są wymagane do jakiegokolwiek porównania podłużnego, ale dwa punkty mogą jedynie wykazać zmianę w stosunku do stabilności i nie mogą ujawnić trendów ani trajektorii. Trzy lub więcej punktów czasowych pozwala na analizę trendów i jest generalnie zalecane. Dla bogatego modelowania trendów pożądane jest pięć lub więcej okresów próbkowania. Odpowiednia liczba zależy od pytania badawczego: badanie polityki przed i po może wymagać tylko dwóch punktów, podczas gdy badanie ramowania obejmujące dziesięciolecia korzysta z interwałów rocznych lub pięcioletnich.

Czy mogę użyć tego samego schematu kodowania dla dokumentów z bardzo różnych epok?

Jest to kluczowe wyzwanie dla ważności analizy treści podłużnej. Kategorie muszą być zdefiniowane wystarczająco precyzyjnie, aby można je było konsekwentnie stosować w okresach, ale nie tak wąsko, aby nie uchwycić specyficznych dla epoki wyrażeń tego samego podstawowego pojęcia. Niezbędne jest kodowanie pilotażowe na dokumentach z każdej epoki przed sfinalizowaniem schematu — i udokumentowanie wszelkich decyzji dotyczących granic. Jeśli zjawisko zmieniło się tak fundamentalnie, że te same nazwy kategorii oznaczają różne rzeczy w różnych okresach, projekt może wymagać przemyślenia lub uzupełnienia interpretacją jakościową kontekstu każdego okresu.

Czym to się różni od wykonania wielu oddzielnych analiz treści?

Kluczowa różnica polega na integracji i projekcie. Analiza treści podłużna planuje porównanie czasowe od samego początku: wykorzystuje wspólny protokół próbkowania, stały schemat kodowania i kontrole niezawodności w każdym punkcie czasowym specjalnie po to, aby porównania między okresami były ważne. Wiele oddzielnych analiz treści wykonanych niezależnie — z różnymi koderami, różnymi definicjami kategorii lub różnymi zasadami próbkowania — nie może wspierać ważnych wniosków o trendach, nawet jeśli przypadkowo obejmują ten sam temat.

Czy metody obliczeniowe, takie jak NLP lub modelowanie tematów, mogą zastąpić kodowanie ludzkie w LCA?

Obliczeniowa analiza tekstu może uzupełniać lub, w przypadku bardzo dużych korpusów, zastępować ręczne kodowanie na etapach wykrywania częstotliwości i wzorców. Narzędzia takie jak strukturalne modele tematów mogą śledzić zmiany w częstości występowania tematów w czasie. Jednak podejścia obliczeniowe wymagają własnych kontroli ważności — model musi być walidowany w porównaniu z ludzkim osądem, a etykiety tematów muszą być interpretowane przez badacza. W przypadku badań, w których precyzyjne definicje kategorii i niuanse standardów niezawodności mają znaczenie, kodowanie ludzkie z pomocą obliczeniową jest często najsilniejszym podejściem.

Jak radzić sobie ze zmianami w samym krajobrazie medialnym — np. pojawieniem się nowych mediów między punktami czasowymi?

Zmiany w środowisku medialnym stanowią poważne zagrożenie dla porównywalności i powinny być adresowane w projekcie badania. Opcje obejmują ograniczenie korpusu do mediów, które istniały przez cały okres badania (z kompromisem potencjalnie niereprezentatywnego pokrycia w późniejszych okresach), stratyfikację próby według typu medium i raportowanie proporcjonalnych, a nie absolutnych częstotliwości, lub traktowanie zmian strukturalnych jako zmiennych moderujących. Wszelkie podjęte decyzje powinny być przejrzysto raportowane, aby czytelnicy mogli ocenić, czy zaobserwowane trendy odzwierciedlają zmiany treści, czy zmiany kanału.

Pokrewne metody

Źródła

  1. Krippendorff, K. (2018). Content Analysis: An Introduction to Its Methodology (4th ed.). Sage.

    ISBN: 978-1506395661
    Skopiowano.
  2. Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). Sage.

    ISBN: 978-1412979474
    Skopiowano.