Skip to content
กลับไปยังผลการค้นหา

การวิเคราะห์เนื้อหาเชิงปริมาณแบบเปรียบเทียบ

ผู้เสนอ
Bernard Berelson (quantitative content analysis); Kimberly Neuendorf (codebook systematization); Hallin & Mancini (comparative media application)
ปี
1952 (Berelson); comparative extensions prominent from 1980s onward
ประเภท
Quantitative observational research design
กลุ่มวิธี
Survey / observational design

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การวิเคราะห์เนื้อหาเชิงปริมาณแบบเปรียบเทียบเป็นวิธีการที่เป็นระบบและสามารถทำซ้ำได้สำหรับการนับและจำแนกประเภทของคุณลักษณะของเนื้อหาการสื่อสาร — เช่น การรายงานข่าว โพสต์บนโซเชียลมีเดีย หรือเอกสารนโยบาย — ในกลุ่มสองกลุ่มขึ้นไป ช่วงเวลาต่างๆ แหล่งข่าว หรือประเทศต่างๆ โดยการใช้สมุดรหัสมาตรฐานกับบริบทการเปรียบเทียบแต่ละบริบท วิธีนี้จะเผยให้เห็นรูปแบบความเหมือนและความแตกต่างในการนำเสนอหัวข้อ กรอบความคิด ผู้กระทำการ หรือทัศนคติ และช่วยให้สามารถทดสอบความแตกต่างเหล่านั้นทางสถิติได้

แนวคิดเบื้องหลังวิธีการ

ลองนึกภาพว่าคุณต้องการทราบว่าหนังสือพิมพ์ในสามประเทศที่แตกต่างกันนำเสนอข่าวการเปลี่ยนแปลงสภาพภูมิอากาศในลักษณะที่คล้ายคลึงกันหรือไม่ หรือมีจุดเน้นที่แตกต่างกันหรือไม่ คุณจะต้องพัฒนากลไกการเข้ารหัสที่แปลงคุณลักษณะเนื้อหาที่สังเกตได้ — แหล่งข่าวที่ถูกอ้างอิง กรอบความคิดที่ปรากฏ พื้นที่ที่จัดสรรให้ — ให้เป็นตัวเลข จากนั้นคุณจะใช้กลไกเดียวกันกับกลุ่มตัวอย่างจากแต่ละประเทศและเปรียบเทียบตารางความถี่ที่ได้ทางสถิติ นี่คือตรรกะหลัก: แปลงเนื้อหาให้เป็นจำนวนนับ จากนั้นเปรียบเทียบจำนวนนับข้ามบริบท ชั้นของการเปรียบเทียบคือสิ่งที่ยกระดับการวิเคราะห์เนื้อหาในบริบทเดียวไปสู่ข้อค้นพบที่สามารถสรุปผลและเปรียบเทียบได้

ประวัติศาสตร์

การวิเคราะห์เนื้อหาเชิงปริมาณได้รับการทำให้เป็นระบบโดย Bernard Berelson ในตำราพื้นฐานปี 1952 ซึ่งกำหนดลักษณะเฉพาะของวิธีการ: ความเที่ยงตรง ระบบ และการวัดปริมาณ Harold Lasswell และคณะได้นำไปใช้กับการวิเคราะห์โฆษณาชวนเชื่อในช่วงสงครามในทศวรรษที่ 1940 ซึ่งทำให้วิธีการนี้มีความชอบธรรมในระดับสถาบันในระยะแรก มิติเปรียบเทียบได้รับการพัฒนาขึ้นเมื่อนักวิจัยด้านการสื่อสารเริ่มทำการศึกษาข้ามชาติในทศวรรษที่ 1980 และ 1990 โดยเฉพาะอย่างยิ่งในการวิจัยระบบสื่อสารและวารสารศาสตร์เปรียบเทียบ (เช่น Hallin and Mancini, 2004) คู่มือของ Kimberly Neuendorf ปี 2002 กลายเป็นแหล่งอ้างอิงระเบียบวิธีมาตรฐานสำหรับการวิเคราะห์เนื้อหาประยุกต์ รวมถึงการออกแบบเชิงเปรียบเทียบ

ควรใช้เมื่อใด

ใช้การวิเคราะห์เนื้อหาเชิงปริมาณแบบเปรียบเทียบเมื่อคำถามการวิจัยของคุณเกี่ยวข้องกับการเปรียบเทียบอย่างชัดเจนว่าเนื้อหาแตกต่างกันอย่างไรในกลุ่ม แหล่งข่าว ประเทศ หรือช่วงเวลาต่างๆ และเมื่อเนื้อหานั้นสามารถแสดงด้วยคุณลักษณะที่สังเกตได้และเข้ารหัสได้ เหมาะสำหรับคลังข้อมูลขนาดใหญ่ถึงขนาดกลางที่การเข้ารหัสด้วยตนเองสามารถทำได้ หรือเมื่อการเข้ารหัสอัตโนมัติ (เช่น การใช้พจนานุกรมหรือการเรียนรู้ของเครื่องแบบมีผู้สอน) สามารถตรวจสอบกับดุลยพินิจของมนุษย์ได้ อย่าใช้เมื่อคำถามการวิจัยเกี่ยวกับความหมายแฝง ความแตกต่างทางวาทศิลป์ หรือความลึกของการตีความ — การวิเคราะห์เชิงคุณภาพหรือการวิเคราะห์วาทกรรมเชิงวิพากษ์จะเหมาะสมกว่าสำหรับวัตถุประสงค์เหล่านั้น หลีกเลี่ยงเมื่อบริบทการเปรียบเทียบแตกต่างกันอย่างมากในโครงสร้างจนไม่สามารถบรรลุความสมมูลทางแนวคิดของรหัสได้ การบังคับใช้กลุ่มรหัสเดียวกับบริบทที่ไม่สามารถเปรียบเทียบกันได้จะทำให้เกิดการเปรียบเทียบที่ทำให้เข้าใจผิด

ข้อจำกัดและข้อควรพิจารณา

  • จำกัดเฉพาะคุณลักษณะเนื้อหาที่ปรากฏและสังเกตได้ ความหมายแฝง ความกำกวมของน้ำเสียง และการประชดประชันที่ขึ้นอยู่กับบริบทจะถูกจับโดยกลไกการเข้ารหัสได้ไม่ดี
  • ความสมมูลทางแนวคิดข้ามภาษาและวัฒนธรรมเป็นเรื่องยากที่จะบรรลุและแทบไม่สามารถตรวจสอบได้อย่างสมบูรณ์
  • การพัฒนากลุ่มรหัสใช้เวลานาน และการดำเนินการที่ไม่ดีจะบ่อนทำลายการศึกษาทั้งหมด แม้ว่าการเข้ารหัสจะน่าเชื่อถือก็ตาม
  • ผลลัพธ์อธิบายสิ่งที่ปรากฏในคลังเนื้อหา ไม่ใช่เหตุผลที่ผู้ผลิตเลือกตัวเลือกเหล่านั้น หรือผู้ชมตีความเนื้อหาอย่างไร
  • คลังข้อมูลเปรียบเทียบขนาดใหญ่ต้องการการฝึกอบรมและการกำกับดูแลผู้เข้ารหัสจำนวนมาก ซึ่งเพิ่มความต้องการทรัพยากร

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ให้ผลลัพธ์ที่โปร่งใสและสามารถทำซ้ำได้ เนื่องจากกลุ่มรหัส ตัวอย่าง และกฎการเข้ารหัสได้รับการบันทึกไว้อย่างสมบูรณ์
  • สนับสนุนการสรุปผลทางสถิติจากเนื้อหาตัวอย่างไปยังคลังข้อมูลที่กำหนดเมื่อการสุ่มตัวอย่างมีความเข้มงวด
  • ช่วยให้สามารถทดสอบความแตกต่างข้ามบริบทการเปรียบเทียบได้อย่างตรงไปตรงมาและเป็นสถิติ แทนที่จะเป็นการกล่าวอ้างตามความรู้สึก
  • ปรับขนาดได้ดี: เมื่อพัฒนากลุ่มรหัสแล้ว สามารถนำไปใช้กับคลังข้อมูลขนาดใหญ่มากได้ รวมถึงด้วยความช่วยเหลือในการเข้ารหัสอัตโนมัติ
  • มีประสิทธิภาพอย่างยิ่งสำหรับการออกแบบเชิงเปรียบเทียบตามระยะเวลาที่ติดตามการเปลี่ยนแปลงเมื่อเวลาผ่านไปในหลายบริบทพร้อมกัน
  • การตรวจสอบความน่าเชื่อถือระหว่างผู้เข้ารหัสให้กลไกการควบคุมคุณภาพในตัวที่วิธีการเชิงคุณภาพมักจะขาดไป

การประยุกต์ใช้

  • การเปรียบเทียบกรอบความคิดเกี่ยวกับการเข้าเมือง การเปลี่ยนแปลงสภาพภูมิอากาศ หรือการก่อการร้ายข้ามแหล่งข่าวระดับชาติ
  • การติดตามความแตกต่างของโฆษณาทางการเมืองในระบบการเลือกตั้งหรือช่วงเวลาการรณรงค์ที่แตกต่างกัน
  • การวิเคราะห์การเป็นตัวแทนของเพศหรือชนกลุ่มน้อยในสื่อบันเทิงข้ามประเทศหรือทศวรรษ
  • การเปรียบเทียบวาทกรรมบนโซเชียลมีเดียเกี่ยวกับวิกฤตสาธารณสุขข้ามแพลตฟอร์มหรือชุมชนภาษา
  • การตรวจสอบว่าเอกสารนโยบายกำหนดกรอบการปฏิรูปการศึกษาแตกต่างกันอย่างไรในระบบโรงเรียนต่างๆ
  • การประเมินผลการสื่อสารขององค์กร — การเปรียบเทียบรายงานความรับผิดชอบต่อสังคมขององค์กรข้ามอุตสาหกรรมหรือภูมิภาค

วิธีการทำงาน

วิธีการทำงาน

1

ระบุหน่วยของการวิเคราะห์ — องค์ประกอบเนื้อหาที่แยกจากกันซึ่งจะถูกเข้ารหัส (เช่น บทความหนังสือพิมพ์ โพสต์บนโซเชียลมีเดีย ประโยค หรือย่อหน้า) — และระบุเกณฑ์การเปรียบเทียบ: ประเทศ แหล่งข่าว ช่วงเวลา หรือกลุ่มใดที่จะนำมาเปรียบเทียบ การกำหนดกรอบนี้จะกำหนดว่าการเปรียบเทียบใดมีความหมายและสิ่งรบกวนใดที่ต้องควบคุม

2

พัฒนากลุ่มรหัสที่ดำเนินการตัวแปรที่น่าสนใจแต่ละตัวให้เป็นหมวดหมู่ที่ไม่ทับซ้อนกันและครอบคลุมทั้งหมด แต่ละหมวดหมู่จะต้องถูกกำหนดอย่างแม่นยำเพียงพอที่ผู้เข้ารหัสอิสระสองคนอ่านหน่วยเดียวกันจะกำหนดรหัสเดียวกัน สำหรับการศึกษาเปรียบเทียบ กลุ่มรหัสจะต้องมีความสมมูลทางแนวคิดในทุกบริบท — ซึ่งอาจต้องมีการแปลและแปลกลับเมื่อทำงานข้ามภาษา

3

สร้างกรอบการสุ่มตัวอย่างสำหรับแต่ละบริบทการเปรียบเทียบและใช้กลยุทธ์การสุ่มตัวอย่างที่สอดคล้องกัน (เช่น สัปดาห์ที่สร้างขึ้น การสุ่มตัวอย่างแบบสุ่ม การสำรวจสำมะโนประชากรทั้งหมดสำหรับช่วงเวลาที่กำหนด) เพื่อให้เนื้อหาจากแต่ละบริบทสามารถเปรียบเทียบกันได้ในด้านปริมาณและความเป็นตัวแทน บันทึกการตัดสินใจเกี่ยวกับการสุ่มตัวอย่างเพื่อให้สามารถทำซ้ำการศึกษาได้

4

ใช้กลุ่มรหัสกับเนื้อหาที่สุ่มตัวอย่าง โดยทั่วไปจะใช้ผู้เข้ารหัสอิสระอย่างน้อยสองคนต่อบริบท ผู้เข้ารหัสแต่ละคนจะทำงานกับหน่วยต่างๆ และกำหนดค่าสำหรับตัวแปรทั้งหมด ผู้เข้ารหัสควรได้รับการฝึกอบรมเกี่ยวกับกลุ่มรหัสและไม่ทราบสมมติฐานการศึกษาเท่าที่เป็นไปได้

5

คำนวณความน่าเชื่อถือระหว่างผู้เข้ารหัสสำหรับตัวแปรแต่ละตัวโดยใช้สถิติที่เหมาะสม — Cohen's kappa (κ) หรือ Krippendorff's alpha (α) สำหรับตัวแปรเชิงหมวดหมู่, ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม (ICC) สำหรับตัวแปรระดับช่วง ค่าที่ยอมรับได้จะแตกต่างกันไปตามประเภทของตัวแปร แต่ κ หรือ α ≥ 0.70 ถือเป็นค่าต่ำสุดที่อ้างอิงกันอย่างแพร่หลาย ตัวแปรที่ไม่ผ่านการตรวจสอบความน่าเชื่อถือจะต้องได้รับการแก้ไขหรือลบออกก่อนการวิเคราะห์

6

รวบรวมข้อมูลที่เข้ารหัสตามบริบทการเปรียบเทียบและดำเนินการสถิติเชิงอนุมานเพื่อทดสอบความแตกต่าง: การทดสอบไคสแควร์หรือแบบจำลองลอการิทึมเชิงเส้นสำหรับตัวแปรเชิงหมวดหมู่, การทดสอบ t หรือ ANOVA สำหรับการวัดค่าต่อเนื่อง และสถิติขนาดอิทธิพลเพื่อสื่อถึงนัยสำคัญเชิงปฏิบัติ รายงานผลการวิจัยแยกตามบริบทก่อนทำการเปรียบเทียบข้ามบริบทเพื่อรักษาความโปร่งใส

ข้อผิดพลาดที่พบบ่อย

  • การปฏิบัติต่อความน่าเชื่อถือระหว่างผู้เข้ารหัสเป็นขั้นตอนสุดท้าย แทนที่จะเป็นกระบวนการที่ทำซ้ำได้ — ควรตรวจสอบความน่าเชื่อถือระหว่างการฝึกอบรมผู้เข้ารหัสและการแก้ไขกลุ่มรหัส ไม่ใช่หลังจากที่การเข้ารหัสทั้งหมดเสร็จสมบูรณ์แล้วเท่านั้น
  • การใช้บริบทการเปรียบเทียบที่ไม่สามารถเปรียบเทียบกันได้ในเชิงโครงสร้าง — หากระบบสื่อ สภาพแวดล้อมทางกฎหมาย หรือขนบธรรมเนียมประเภทแตกต่างกันมากจนรหัสเดียวกันมีความหมายแตกต่างกัน การเปรียบเทียบเชิงตัวเลขจะทำให้เข้าใจผิด
  • การใส่ตัวแปรมากเกินไปในกลุ่มรหัส — การเพิ่มตัวแปรที่เกินกว่าที่คำถามการวิจัยต้องการจะเพิ่มภาระของผู้เข้ารหัส ลดความน่าเชื่อถือ และแทบไม่เพิ่มคุณค่าในการตีความ
  • การผสมรหัสที่น่าเชื่อถือกับการวัดที่ถูกต้อง — ผู้เข้ารหัสสองคนกำหนดรหัสเดียวกันอย่างสม่ำเสมอ ไม่ได้รับประกันว่ารหัสจะจับสิ่งที่นักวิจัยตั้งใจไว้ ความถูกต้องจะต้องได้รับการอ้างสิทธิ์ตามทฤษฎี
  • การละเลยขนาดอิทธิพล — ความแตกต่างที่มีนัยสำคัญทางสถิติในคลังข้อมูลขนาดใหญ่อาจมีขนาดเล็กน้อยในเชิงเนื้อหาเสมอ ควรรายงานสถิติขนาดอิทธิพลควบคู่ไปกับค่า p

คำถามที่พบบ่อย

การวิเคราะห์เนื้อหาเชิงปริมาณแบบเปรียบต่างจากการวิเคราะห์เนื้อหาเชิงปริมาณมาตรฐานอย่างไร

การวิเคราะห์เนื้อหาเชิงปริมาณมาตรฐานอธิบายเนื้อหาภายในคลังข้อมูลที่กำหนดเพียงแห่งเดียว รูปแบบเปรียบเทียบได้รับการออกแบบมาโดยเฉพาะเพื่อเปรียบเทียบสองบริบทขึ้นไป — ประเทศ ช่วงเวลา แหล่งข่าว หรือกลุ่ม — โดยใช้กลุ่มรหัสที่สร้างขึ้นโดยเจตนาเพื่อให้มีความสมมูลทางแนวคิดในบริบทเหล่านั้น การเพิ่มมิติการเปรียบเทียบต้องใช้ขั้นตอนการออกแบบเพิ่มเติมเกี่ยวกับความสมมูล ความเท่าเทียมกันของตัวอย่าง และสถิติเชิงอนุมานที่เหมาะสมสำหรับการเปรียบเทียบระหว่างกลุ่ม

ฉันควรรายงานเกณฑ์ความน่าเชื่อถือระหว่างผู้เข้ารหัสระดับใด

ค่าต่ำสุดที่อ้างอิงกันอย่างแพร่หลายที่สุดสำหรับ Krippendorff's alpha (α) หรือ Cohen's kappa (κ) คือ 0.70 สำหรับตัวแปรเชิงหมวดหมู่ โดย 0.80 หรือสูงกว่าเป็นที่ต้องการสำหรับตัวแปรหลัก สำหรับตัวแปรระดับช่วง ค่าสัมประสิทธิ์สหสัมพันธ์ภายในกลุ่ม (ICC) จะเหมาะสมกว่า ควรคำนวณความน่าเชื่อถือต่อตัวแปร ไม่ใช่คะแนนรวมเพียงคะแนนเดียว ตัวแปรที่อ่อนแอจะต้องได้รับการแก้ไขหรือลบออกก่อนดำเนินการวิเคราะห์

ฉันสามารถใช้การเข้ารหัสอัตโนมัติสำหรับการวิเคราะห์เนื้อหาเชิงเปรียบเทียบได้หรือไม่

ได้ แต่ต้องระมัดระวัง วิธีการใช้พจนานุกรม (เช่น LIWC, VADER) หรือตัวจำแนกประเภทการเรียนรู้ของเครื่องแบบมีผู้สอนสามารถจัดการกับคลังข้อมูลขนาดใหญ่ได้ แต่ต้องได้รับการตรวจสอบกับข้อมูลที่เข้ารหัสโดยมนุษย์สำหรับแต่ละภาษาและบริบทในการเปรียบเทียบ ตัวจำแนกประเภทที่ฝึกด้วยข้อมูลภาษาอังกฤษไม่สามารถสันนิษฐานได้ว่าจะถ่ายโอนไปยังเนื้อหาภาษาฝรั่งเศสหรือภาษาอาหรับได้อย่างน่าเชื่อถือ ตรวจสอบแยกตามบริบทและรายงานสถิติการตรวจสอบควบคู่ไปกับผลการวิจัยของคุณ

ตัวอย่างของฉันต้องมีขนาดเท่าใด

ไม่มีค่าต่ำสุดสากล แต่แต่ละเซลล์การเปรียบเทียบควรมีหน่วยเพียงพอที่จะตรวจจับขนาดอิทธิพลที่คาดหวังได้ด้วยกำลังที่เพียงพอ จุดเริ่มต้นที่ใช้งานได้สำหรับการทดสอบไคสแควร์ระหว่างกลุ่มคือจำนวนหน่วยที่เข้ารหัสอย่างน้อย 30–50 หน่วยต่อเซลล์ โดยต้องการมากขึ้นหากความถี่ที่คาดหวังสำหรับบางหมวดหมู่มีน้อย ซอฟต์แวร์วิเคราะห์กำลัง (เช่น G*Power) สามารถแนะนำการวางแผนขนาดตัวอย่างได้เมื่อคุณได้ประมาณขนาดอิทธิพลจากวรรณกรรมก่อนหน้า

จะเกิดอะไรขึ้นหากบริบทการเปรียบเทียบของฉันใช้ภาษาที่แตกต่างกัน

คำแนะนำกลุ่มรหัสควรได้รับการแปลและแปลกลับสำหรับแต่ละภาษา และควรใช้ผู้เข้ารหัสเจ้าของภาษาต่อบริบท ทดสอบความสมมูลทางแนวคิดโดยการทดลองใช้กลุ่มรหัสกับส่วนย่อยของเนื้อหาจากแต่ละบริบทก่อนเริ่มการเข้ารหัสทั้งหมด ในกรณีที่ตัวแปรไม่สามารถทำให้สมมูลกันได้ในทุกภาษา — ตัวอย่างเช่น เครื่องหมายกรอบไวยากรณ์ที่มีอยู่ในภาษาหนึ่งแต่ไม่มีในอีกภาษาหนึ่ง — ให้พิจารณาลบออกจาก การเปรียบเทียบข้ามบริบท หรือจำกัดการเปรียบเทียบเฉพาะบริบทที่ความสมมูลยังคงอยู่

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

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

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว
  2. Neuendorf, K. A. (2002). The Content Analysis Guidebook. Sage.

    ISBN: 978-0761919773
    คัดลอกแล้ว