Długookresowa ilościowa analiza treści
- Autor metody
- Developed within communication and media studies; codified by Berelson (1952) and extended by Riffe, Lacy, Fico
- Rok
- 1950s onward; longitudinal application widely adopted in media research by the 1970s–1980s
- Typ
- Quantitative observational research design
- Rodzina
- Survey / observational design
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Długookresowa ilościowa analiza treści systematycznie koduje i liczy cechy tekstów, obrazów lub komunikatów medialnych zebranych w dwóch lub więcej punktach czasowych, umożliwiając badaczom śledzenie zmian w treści, wzrostu lub spadku popularności tematów oraz reakcji mediów lub komunikatów instytucjonalnych na wydarzenia zewnętrzne.
Projekt łączy logikę ustrukturyzowanego pomiaru ilościowej analizy treści z mocą śledzenia czasu obserwacji długookresowej.
Intuicja stojąca za metodą
Pomyśl o archiwum wiadomości obejmującym 20 lat relacji o klimacie. Jednorazowa analiza treści mówi nam, jak wyglądały relacje o klimacie w jednym momencie. Długookresowy projekt pozwala liczyć objętość relacji, wybory ramowe i typy źródeł rok po roku — ujawniając, czy ramowanie alarmistyczne wzrosło po ważnych wydarzeniach klimatycznych, czy też różnorodność źródeł zawęziła się w czasie. Kluczowe spostrzeżenie polega na tym, że treść nie istnieje w jednym momencie; komunikaty gromadzą się i przesuwają, a jedynie powtarzalny pomiar może udokumentować ten dryf. Długookresowa ilościowa analiza treści jest narzędziem, które czyni zmiany czasowe w treści symbolicznej widocznymi i mierzalnymi.
Historia
Ilościowa analiza treści została ustanowiona jako formalna metoda nauk społecznych przez Bernarda Berelsona w jego monografii z 1952 roku „Content Analysis in Communication Research”. Jej zastosowanie w czasie — śledzenie zmian w komunikatach medialnych — zostało szybko przyjęte w badaniach komunikacji w latach 70. i 80. XX wieku do badania agendy medialnej, ramowania i propagandy. Riffe, Lacy i Fico w Analyzing Media Messages (pierwsze wydanie 1998, czwarte wydanie 2019) oraz Neuendorf w Content Analysis Guidebook (2002, drugie wydanie 2017) sformalizowały standardy próbkowania i zgodności, które stanowią podstawę dzisiejszych projektów długookresowych.
Kiedy stosować
Używaj długookresowej ilościowej analizy treści, gdy pytanie badawcze dotyczy tego, jak treść lub ramowanie komunikatów zmienia się w czasie — na przykład, jak relacje prasowe na temat kwestii społecznej ewoluowały przed i po ustawie, jak reklama zmieniła się po kampanii zdrowia publicznego, lub jak komunikacja organizacyjna zmieniła się w cyklach gospodarczych. Jest to odpowiednie, gdy dostępny jest zbiór archiwalnych danych z wielu punktów czasowych, gdy zmienne można operacjonalizować jako kody liczbowe, a celem jest generalizowalny opis trendów, a nie głęboka analiza interpretacyjna poszczególnych tekstów. Nie należy jej używać, gdy dostępny jest tylko jeden punkt czasowy treści (zamiast tego użyj standardowej ilościowej analizy treści), gdy pytanie badawcze wymaga zrozumienia interpretacji odbiorców, a nie cech komunikatu (użyj analizy odbioru lub metod ankietowych), lub gdy liczba kodowalnych jednostek na falę jest tak mała, że statystyczna analiza trendów jest bezcelowa.
Ograniczenia i uwagi
- Wymaga dostępu do archiwalnych lub historycznie zachowanych treści we wszystkich istotnych punktach czasowych — luki w archiwach podważają porównywalność.
- Kodowanie jest ograniczone do manifestacyjnych (obserwowalnych) cech treści; znaczenie ukryte i interpretacja odbiorców wykraczają poza zakres metody.
- Dryf kodera w długim okresie badania może wprowadzić błąd pomiaru, który naśladuje rzeczywistą zmianę treści.
- Bardzo zasobochłonne, gdy okresy czasu są długie, a korpusy są duże, wymagając obszernego szkolenia koderów i monitorowania zgodności między falami.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Bezpośrednio mierzy zmiany w treści symbolicznej w czasie, czego nie mogą ustalić projekty przekrojowe.
- Produkuje mierzalne, powtarzalne dane, które można porównywać między badaniami przy użyciu tego samego kodeksu.
- Nadaje się do dużych korpusów — całych lat produkcji wiadomości, dekad dokumentów politycznych lub milionów postów w mediach społecznościowych — przy użyciu systematycznego próbkowania.
- Nieinwazyjne: treść została już wyprodukowana, więc proces pomiaru nie może zmienić zachowania uczestników.
- Umożliwia wykrywanie cykli agendy, przesunięć ramowania i wpływu wydarzeń zewnętrznych na komunikaty instytucjonalne.
Zastosowania
- Śledzenie ramowania zmian klimatycznych w relacjach prasowych na przestrzeni wielu dekad w celu wykrycia przesunięć agendy związanych z cyklami politycznymi.
- Analiza zmian w twierdzeniach reklamowych firm farmaceutycznych w czasopismach medycznych po interwencjach regulacyjnych.
- Pomiar reprezentacji mniejszości płciowych lub rasowych w telewizji w godzinach szczytu w kolejnych sezonach nadawczych.
- Dokumentowanie zmian w retoryce i komunikatach partii politycznych w cyklach wyborczych przy użyciu manifestów partyjnych.
- Monitorowanie zmian w komunikacji dotyczącej ryzyka zdrowotnego na platformach mediów społecznościowych przed, w trakcie i po nagłym wypadku zdrowia publicznego.
- Ocena ewolucji raportowania zrównoważonego rozwoju przez firmy w raportach rocznych w okresie rosnącej presji ze strony inwestorów ESG.
Jak to działa
Jak to działa
Badacz określa interesujące go zjawisko (np. ramowanie medialne, twierdzenia reklamowe, retoryka polityczna), uniwersum treści (np. artykuły na pierwszej stronie gazety, audycje w prime-time, posty w mediach społecznościowych) oraz okres czasu, który ma zostać objęty. Jasne granice populacji komunikatów i okna czasowego zapobiegają rozszerzaniu zakresu i kierują decyzje dotyczące próbkowania.
Ponieważ wyczerpujące kodowanie wszystkich treści we wszystkich punktach czasowych jest zazwyczaj niepraktyczne, strategia próbkowania wybiera reprezentatywne okna czasowe — często konstruowane tygodnie, próbki kwartalne lub spis powszechny w kluczowych datach wydarzeń. Każda próbka punktu czasowego musi być pobrana w ten sam sposób, aby zapewnić porównywalność między falami.
Tworzony jest kodeks, który definiuje każdą mierzoną zmienną, w tym jednostkę analizy (artykuł, post, reklama), kody kategoryczne i zasady decyzyjne. Kodeks musi pozostać identyczny we wszystkich punktach czasowych, tak aby zmiany w liczbach odzwierciedlały zmiany w treści, a nie zmiany w pomiarze.
Przeszkoleni koderzy stosują kodeks do próbkowanych treści w każdym punkcie czasowym. Koderzy są ślepi na tożsamość fali, gdzie jest to wykonalne, aby zapobiec błędom oczekiwań czasowych. Każda jednostka analizy jest kodowana niezależnie, tworząc zbiór danych zawierający liczby wystąpień i rozkłady kategoryczne dla każdej fali czasowej.
Współczynnik zgodności między koderami jest obliczany — zazwyczaj przy użyciu kappa Cohena lub alfa Krippendorffa — w każdej fali i raportowany oddzielnie. Sprawdzenie zgodności przeprowadzone tylko podczas szkolenia, ale nie we wszystkich falach, grozi przeoczeniem dryfu kodera w okresie badania. Akceptowany próg to zazwyczaj kappa lub alfa powyżej 0,80.
Zagregowane dane o częstotliwości występowania między falami są analizowane za pomocą statystyk opisowych, testów chi-kwadrat dla niezależności w czasie, analizy trendów lub regresji szeregów czasowych w celu identyfikacji znaczących zmian, cykli lub trajektorii w treści. Wyniki są interpretowane w świetle wydarzeń kontekstowych zachodzących między falami.
Częste pułapki
- Zmiana kodeksu między falami — nawet drobne poprawki definicji kategorii unieważniają porównania między falami, ponieważ mylą zmianę pomiaru z rzeczywistą zmianą treści.
- Niespójne próbkowanie punktów czasowych — na przykład kodowanie okresów szczytowego zainteresowania wiadomościami w jednej fali i okresów rutynowych w innej systematycznie zniekształca szacunki trendów.
- Ignorowanie zgodności między falami — sprawdzanie zgodności między koderami tylko na początku pozwala na niewykrycie stopniowego dryfu kodera, zawyżając widoczne trendy.
- Nadmierna interpretacja trendów statystycznych bez uzasadnienia kontekstowego — znaczący wzrost tematu staje się znaczący dopiero po powiązaniu go ze znanymi wydarzeniami, zmianami polityki lub czynnikami zewnętrznymi zachodzącymi między falami.
Najczęściej zadawane pytania
Ile punktów czasowych potrzebuję do długookresowej analizy treści?
Minimum dwa punkty czasowe są wymagane do ustalenia jakiejkolwiek zmiany, ale dwa punkty pokazują jedynie różnicę przed-po i nie mogą ustalić trendu. Trzy lub więcej fal pozwala na analizę trendów; badania analizujące długoterminowe wzorce często wykorzystują próbki roczne na przestrzeni dekady lub dłużej. Liczba fal powinna odpowiadać pytaniu badawczemu — jeśli chcesz wykryć wpływ konkretnego wydarzenia, dwa starannie wybrane punkty (przed i po) mogą wystarczyć.
Jaka jest najlepsza statystyka zgodności dla tego projektu?
Preferowane jest alfa Krippendorffa, ponieważ uwzględnia różne poziomy pomiaru (nominalny, porządkowy, interwałowy) i nadaje się dla więcej niż dwóch koderów. Kappa Cohena jest szeroko raportowana dla kodowania nominalnego przez dwóch koderów. Oba powinny przekraczać 0,80 jako konwencjonalny próg. Krytycznie ważne jest, aby zgodność była obliczana i raportowana dla każdej fali kodowania, a nie tylko na początkowym etapie szkolenia.
Czy mogę dodać nowe kategorie kodowania w późniejszej fali, jeśli zauważę pojawienie się nowych zjawisk?
Tylko jeśli nowe kategorie zostaną dodane jako dodatkowe zmienne, które nie zmieniają pierwotnego schematu kodowania. Zmiana lub redefinicja istniejących kategorii wstecznie wymaga ponownego kodowania wszystkich wcześniejszych fal z poprawionym schematem przed dokonaniem porównań. Niewykonanie tego prowadzi do tzw. braku równoważności pomiarowej między falami.
Czym to się różni od analizy szeregów czasowych?
Długookresowa ilościowa analiza treści generuje dane — liczby i częstotliwości zakodowanych cech treści w każdym punkcie czasowym. Analiza szeregów czasowych to technika statystyczna stosowana do tych danych w celu modelowania trendów, cykli i wstrząsów zewnętrznych. Te dwa elementy są komplementarne: analiza treści generuje obserwacje; statystyka szeregów czasowych modeluje wzorce w tych obserwacjach.
Czy długookresowa analiza treści jest uważana za eksperymentalną czy obserwacyjną?
Jest to ściśle obserwacyjne. Badacz nie manipuluje treścią ani nie przypisuje warunków — treść została wyprodukowana niezależnie od badania. W związku z tym wyniki mogą wykazać, że treść zmieniła się w czasie (trend opisowy), ale same w sobie nie mogą udowodnić, że konkretny czynnik zewnętrzny spowodował zmianę. Twierdzenia o przyczynowości wymagają dodatkowych dowodów z projektów eksperymentalnych lub quasi-eksperymentalnych.
Pokrewne metody
Źródła
Riffe, D., Lacy, S., Watson, B., & Fico, F. (2019). Analyzing Media Messages: Using Quantitative Content Analysis in Research (4th ed.). Routledge.
ISBN: 9781138490536Skopiowano.Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). Sage.
ISBN: 9781412979474Skopiowano.