Skip to content
กลับไปยังผลการค้นหา

การวิเคราะห์เนื้อหาเชิงปริมาณแบบภาคตัดขวาง

ผู้เสนอ
Berelson, B.; Krippendorff, K.; Neuendorf, K. A.
ปี
Mid-20th century (formalized 1952–2000s)
ประเภท
Quantitative observational research design
กลุ่มวิธี
Survey / observational design

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การวิเคราะห์เนื้อหาเชิงปริมาณแบบภาคตัดขวางเป็นการออกแบบการวิจัยเชิงสังเกตการณ์ ซึ่งมีการสุ่มตัวอย่างเนื้อหาการสื่อสารที่ถูกรวบรวมอย่างเป็นระบบ — บทความข่าว โพสต์บนโซเชียลมีเดีย โฆษณา หรือสื่อสัญลักษณ์อื่นๆ — ณ จุดเวลาเดียว และถูกเข้ารหัสโดยใช้หมวดหมู่เชิงตัวเลขที่กำหนดไว้ล่วงหน้า เพื่ออธิบายหรือทดสอบสมมติฐานเกี่ยวกับรูปแบบ ความถี่ หรือความสัมพันธ์ภายในเนื้อหานั้น

แนวคิดเบื้องหลังวิธีการ

ลองนึกภาพว่าคุณต้องการทราบว่าผู้หญิงถูกนำเสนออย่างไรในโฆษณาทีวีช่วงไพรม์ไทม์ในช่วงฤดูกาลออกอากาศเดียว คุณจะบันทึกตัวอย่างโฆษณาที่เป็นตัวแทนจากฤดูกาลนั้น สร้างแผนผังการเข้ารหัสพร้อมหมวดหมู่เชิงตัวเลข (เช่น ประเภทบทบาท โดเมนผลิตภัณฑ์ เวลาพูด) ให้ผู้เข้ารหัสที่ผ่านการฝึกอบรมใช้หมวดหมู่เหล่านั้นอย่างเป็นระบบ จากนั้นจึงทำการวิเคราะห์สถิติเชิงพรรณนาหรือการทดสอบสหสัมพันธ์กับข้อมูลที่เข้ารหัส เนื่องจากเนื้อหาทั้งหมดมาจากกรอบเวลาเดียว นี่จึงเป็นการสำรวจ ณ จุดเวลาเดียว (snapshot) — ไม่ใช่การเปรียบเทียบก่อน-หลัง หรือการศึกษาแนวโน้ม จุดแข็งคือประสิทธิภาพและความสามารถในการทำซ้ำได้ ข้อจำกัดคือไม่สามารถสร้างข้อสรุปเชิงสาเหตุและการเปลี่ยนแปลงตามกาลเวลาได้

ประวัติศาสตร์

การวิเคราะห์เนื้อหาเชิงปริมาณได้รับการทำให้เป็นระบบในสังคมศาสตร์โดย Bernard Berelson ซึ่งตำราปี 1952 เรื่อง Content Analysis in Communication Research ได้จัดทำกรอบวิธีการที่ครอบคลุมเป็นครั้งแรก หนังสือปี 1980 ของ Klaus Krippendorff (ปรับปรุงปี 2004) ได้สร้างสถิติความน่าเชื่อถือที่ยังคงใช้กันอยู่ในปัจจุบัน โดยเฉพาะอย่างยิ่ง Krippendorff's alpha คู่มือปี 2002 ของ Kimberly Neuendorf ได้กลายเป็นตำราฝึกอบรมมาตรฐานที่บูรณาการทฤษฎีการสุ่มตัวอย่าง การสร้างคู่มือการเข้ารหัส และการวิเคราะห์ทางสถิติ รูปแบบภาคตัดขวาง — การสุ่มตัวอย่างเนื้อหาจากกรอบเวลาที่จำกัด แทนที่จะติดตามการเปลี่ยนแปลงตามกาลเวลา — ได้กลายเป็นรูปแบบหลักในการศึกษาการสื่อสาร การสื่อสารทางการเมือง และการวิจัยการสื่อสารสุขภาพมานานหลายทศวรรษ

ควรใช้เมื่อใด

ใช้การวิเคราะห์เนื้อหาเชิงปริมาณแบบภาคตัดขวางเมื่อคุณต้องการคำอธิบายเชิงปริมาณที่เป็นระบบ สามารถทำซ้ำได้ และเป็นตัวเลขเกี่ยวกับสิ่งที่ชุดเนื้อหาที่กำหนดมีอยู่ในช่วงเวลาหนึ่ง — ตัวอย่างเช่น เพื่อสำรวจการวางกรอบข่าวในช่วงเหตุการณ์สำคัญ เพื่อตรวจสอบการนำเสนอในคลังสื่อปัจจุบัน หรือเพื่อทดสอบว่าเนื้อหาสองประเภทแตกต่างกันในการใช้คุณสมบัติบางอย่างหรือไม่ เหมาะสมเมื่อคำถามการวิจัยเป็นเชิงพรรณนาหรือเชิงความสัมพันธ์ (มีอะไรอยู่? บ่อยแค่ไหน? X เกี่ยวข้องกับ Y หรือไม่?) และเมื่อคลังเนื้อหามีขอบเขตและสามารถเข้าถึงได้ อย่าใช้เมื่อเป้าหมายการวิจัยคือการติดตามว่าเนื้อหาเปลี่ยนแปลงไปตามกาลเวลาอย่างไร (ใช้การวิเคราะห์เนื้อหาตามยาวแทน) เพื่อทำความเข้าใจว่าเหตุใดผู้สื่อสารจึงผลิตเนื้อหาบางอย่าง (สิ่งนี้ต้องการการสัมภาษณ์หรือการทดลอง) หรือเมื่อปริมาณเนื้อหามหาศาลและไม่มีโครงสร้างจนการสุ่มตัวอย่างและการเข้ารหัสอย่างเป็นระบบไม่สามารถทำได้หากไม่มีวิธีการคำนวณเพิ่มเติม

ข้อจำกัดและข้อควรพิจารณา

  • ไม่สามารถสร้างข้อสรุปเชิงสาเหตุหรือทิศทางของอิทธิพลระหว่างคุณสมบัติของเนื้อหาและผลกระทบต่อผู้ชมได้
  • การสำรวจ ณ จุดเวลาเดียวไม่สามารถตรวจจับได้ว่ารูปแบบมีการเปลี่ยนแปลงตามกาลเวลาหรือไม่ ข้อสรุปทางประวัติศาสตร์ต้องการการออกแบบตามยาว
  • ผลลัพธ์ขึ้นอยู่กับคุณภาพของคู่มือการเข้ารหัสอย่างมาก: หมวดหมู่ที่กำหนดไว้อย่างไม่ชัดเจนทำให้เกิดรหัสที่ไม่น่าเชื่อถือหรือไม่ถูกต้องโดยไม่คำนึงถึงความพยายามของผู้เข้ารหัส
  • เนื้อหาที่ปรากฏ (คุณสมบัติที่มองเห็นได้) เข้ารหัสได้ง่ายกว่าเนื้อหาที่แฝงอยู่ (ความหมายที่ซ่อนอยู่) ทำให้เกิดความตึงเครียดระหว่างความน่าเชื่อถือและความลึกของการตีความ
  • การสุ่มตัวอย่างแบบไม่ใช้ความน่าจะเป็นของคลังข้อมูลที่สะดวก (เช่น สื่อข่าวแห่งเดียว) จำกัดความสามารถในการสรุปผลภายนอก

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • สามารถทำซ้ำได้อย่างเป็นระบบ: คู่มือการเข้ารหัสและกรอบการสุ่มตัวอย่างช่วยให้สามารถทำซ้ำและตรวจสอบได้อย่างอิสระ
  • มีประสิทธิภาพสำหรับคลังข้อมูลขนาดใหญ่: ผู้เข้ารหัสที่ผ่านการฝึกอบรมสามารถประมวลผลหน่วยเนื้อหาหลายร้อยถึงหลายพันหน่วยภายในหนึ่งการศึกษา
  • ไม่ก่อปฏิกิริยา: เนื้อหามีอยู่แล้ว ดังนั้นกระบวนการวัดผลจึงไม่ส่งผลกระทบต่อสิ่งที่ผลิตขึ้นในตอนแรก
  • ให้หลักฐานเชิงปริมาณของรูปแบบและความสัมพันธ์ที่สามารถทดสอบทางสถิติและเปรียบเทียบข้ามการศึกษาได้
  • มีความยืดหยุ่นในประเภทสื่อต่างๆ: สามารถใช้ได้กับข้อความ รูปภาพ วิดีโอ เสียง และเนื้อหาสื่อผสม

การประยุกต์ใช้

  • การตรวจสอบการนำเสนอของเพศและเชื้อชาติในโฆษณาทีวีช่วงไพรม์ไทม์ในช่วงฤดูกาลออกอากาศที่กำหนด
  • การสำรวจว่าหนังสือพิมพ์จากแนวคิดทางการเมืองที่แตกต่างกันวางกรอบเหตุการณ์นโยบายสำคัญอย่างไรในสัปดาห์ที่เกิดขึ้น
  • การวิเคราะห์ความชุกของข้อความข้อมูลสุขภาพที่ผิดในโพสต์บนโซเชียลมีเดียที่รวบรวมในช่วงวิกฤตสาธารณสุข
  • การวัดความถี่และประเภทของภาษาความเสี่ยงในคลังโฆษณายาที่ตีพิมพ์ในปีเดียว
  • การเปรียบเทียบความหลากหลายของแหล่งข่าวในเว็บไซต์ข่าวระดับชาติและระดับท้องถิ่นที่สุ่มตัวอย่างในช่วงเวลาสองสัปดาห์เดียวกัน
  • การเข้ารหัสการปรากฏของภาพเหมารวมในตัวอย่างแคตตาล็อกภาพสต็อกที่เข้าถึง ณ จุดเวลาเดียว

วิธีการทำงาน

วิธีการทำงาน

1

ผู้วิจัยกำหนดประชากรของเนื้อหาที่จะศึกษาอย่างแม่นยำ — สื่อ หัวข้อ กรอบเวลา และเกณฑ์การรวมหรือยกเว้นใดๆ การกำหนดขอบเขตที่ชัดเจนเป็นสิ่งจำเป็นสำหรับการทำซ้ำได้ และสำหรับการให้เหตุผลถึงความเป็นตัวแทนของกลุ่มตัวอย่างที่จะได้มา

2

มีการสุ่มตัวอย่างหน่วยเนื้อหาแบบใช้ความน่าจะเป็นหรือแบบเจาะจงจากขอบเขตโดยใช้กลยุทธ์การสุ่มตัวอย่างที่สามารถให้เหตุผลได้ (แบบสุ่ม แบบเป็นระบบ แบบแบ่งชั้น หรือแบบสัปดาห์ที่สร้างขึ้น) เนื่องจากเนื้อหาทั้งหมดมาจากกรอบเวลาเดียวกัน การออกแบบจึงเป็นแบบภาคตัดขวาง: ไม่มีการวัดผล ณ จุดเวลาที่สองหรือหลังจากนั้นเพื่อเปรียบเทียบ

3

มีการสร้างคู่มือการเข้ารหัสอย่างเป็นทางการซึ่งระบุตัวแปรทุกตัวที่จะเข้ารหัส คำจำกัดความเชิงปฏิบัติ หมวดหมู่การตอบสนองที่ครอบคลุมและไม่ซ้ำซ้อนกัน และกฎการตัดสินใจสำหรับกรณีที่กำกวม การทดสอบคู่มือการเข้ารหัสเบื้องต้นกับส่วนย่อยของเนื้อหาเล็กน้อยก่อนการเข้ารหัสหลักเป็นแนวปฏิบัติมาตรฐาน

4

ผู้เข้ารหัสสองคนขึ้นไปได้รับการฝึกอบรมตามคู่มือการเข้ารหัส และเข้ารหัสตัวอย่างความน่าเชื่อถือที่เหมือนกัน (โดยทั่วไปคือ 10–20% ของคลังข้อมูล) ความน่าเชื่อถือระหว่างผู้เข้ารหัสจะถูกคำนวณโดยใช้ Krippendorff's alpha หรือ Cohen's kappa ค่าเกณฑ์ที่ยอมรับได้โดยทั่วไปคือ alpha >= 0.80 หรือ kappa >= 0.70 ก่อนดำเนินการต่อ

5

ผู้เข้ารหัสใช้คู่มือการเข้ารหัสที่เสร็จสมบูรณ์กับกลุ่มตัวอย่างทั้งหมดโดยอิสระ หน่วยเนื้อหาแต่ละหน่วยจะได้รับค่าตัวเลขสำหรับทุกตัวแปร ความแตกต่างที่เหลืออยู่จะได้รับการแก้ไขตามกฎการตัดสินใจ (เช่น การลงคะแนนเสียงข้างมาก หรือการตัดสินโดยผู้เข้ารหัสคนที่สาม) และบันทึกไว้

6

ข้อมูลที่เข้ารหัสจะถูกป้อนเข้าสู่สภาพแวดล้อมซอฟต์แวร์ทางสถิติ การวิเคราะห์โดยทั่วไปรวมถึงการแจกแจงความถี่และร้อยละสำหรับตัวแปรเชิงพรรณนา การทดสอบไคสแควร์ หรือ Cramer's V สำหรับความสัมพันธ์ระหว่างตัวแปรเชิงหมวดหมู่ และการสหสัมพันธ์หรือการถดถอยหากมีรหัสระดับอันดับหรือระดับช่วง ผลลัพธ์จะถูกรายงานพร้อมสถิติความน่าเชื่อถือควบคู่ไปกับผลการวิจัยที่สำคัญ

ข้อผิดพลาดที่พบบ่อย

  • ความน่าเชื่อถือระหว่างผู้เข้ารหัสน้อยเกินไป: เริ่มการเข้ารหัสเต็มรูปแบบก่อนที่จะบรรลุความน่าเชื่อถือที่ยอมรับได้ นำไปสู่ข้อมูลที่ไม่ถูกต้องเสมอไป ทำการตรวจสอบความน่าเชื่อถืออย่างเป็นทางการและรายงานผล
  • การผสมกรอบเวลา: การติดป้ายกำกับการศึกษาว่า 'ภาคตัดขวาง' ในขณะที่ผสมเนื้อหาจากหลายช่วงเวลาที่แตกต่างกัน ทำให้เกิดกรอบเวลาที่ไม่ชัดเจน — ระบุช่วงเวลาเดียวให้แม่นยำ
  • คำจำกัดความเชิงปฏิบัติที่บางเบา: หมวดหมู่คู่มือการเข้ารหัสที่คลุมเครือทำให้เกิดการเปลี่ยนแปลงของผู้เข้ารหัส หมวดหมู่แต่ละหมวดหมู่ควรรวมตัวอย่าง ตัวอย่างที่ไม่ใช่ และกฎการตัดสินใจสำหรับกรณีชายแดน
  • การอ้างสิทธิ์เชิงสาเหตุที่เกินจริง: การศึกษาเนื้อหาแบบภาคตัดขวางสามารถอธิบายความสัมพันธ์ได้ (เช่น น้ำเสียงทางการเมืองเกิดขึ้นพร้อมกับประเภทแหล่งข่าวบางประเภท) แต่ไม่สามารถอ้างได้ว่าคุณสมบัติหนึ่งเป็นสาเหตุของอีกคุณสมบัติหนึ่ง
  • การละเลยการออกแบบการสุ่มตัวอย่างในการวิเคราะห์: หากใช้การสุ่มตัวอย่างแบบแบ่งชั้นหรือแบบสัปดาห์ที่สร้างขึ้น ควรพิจารณาน้ำหนักการสุ่มตัวอย่างหรือโครงสร้างในการวิเคราะห์ทางสถิติ

คำถามที่พบบ่อย

อะไรทำให้การออกแบบนี้เป็น 'ภาคตัดขวาง' แทนที่จะเป็นเพียง 'การวิเคราะห์เนื้อหา'?

ป้ายกำกับ 'ภาคตัดขวาง' บ่งชี้ว่าหน่วยเนื้อหาทั้งหมดมาจากกรอบเวลาเดียวที่จำกัด และไม่มีการวัดซ้ำ สิ่งนี้ทำให้แตกต่างจากการวิเคราะห์เนื้อหาตามยาว ซึ่งมีการสุ่มตัวอย่างเนื้อหาเดียวกันหรือเทียบเคียงได้ ณ จุดเวลาหลายจุดเพื่อศึกษาการเปลี่ยนแปลง กรอบภาคตัดขวางมีความสำคัญต่อการกำหนดขอบเขตคำถามการวิจัยและการตีความว่าผลลัพธ์สามารถอ้างสิทธิ์เกี่ยวกับแนวโน้มตามกาลเวลาได้มากน้อยเพียงใด

ฉันจะตัดสินใจว่าจะสุ่มตัวอย่างเนื้อหามากน้อยเพียงใด?

ขนาดตัวอย่างในการวิเคราะห์เนื้อหาขึ้นอยู่กับจำนวนหมวดหมู่เนื้อหาที่กำลังวิเคราะห์ ความถี่ของเซลล์ที่คาดหวังในการตัดขวาง และความแม่นยำที่ต้องการสำหรับการทดสอบทางสถิติ กฎทั่วไปที่ใช้กันทั่วไปคืออย่างน้อย 200–300 หน่วยเนื้อหาสำหรับการวิเคราะห์เชิงพรรณนาและไคสแควร์พื้นฐาน การวิเคราะห์กำลัง (power analysis) สามารถนำทางการออกแบบที่ซับซ้อนยิ่งขึ้น เทคนิคสัปดาห์ที่สร้างขึ้น (การสุ่มเลือกวันจากแต่ละวันของสัปดาห์ตลอดช่วงเวลาศึกษา) เป็นกลยุทธ์ที่ได้รับการยอมรับอย่างกว้างขวางในการสร้างสมดุลระหว่างความเป็นตัวแทนและความเป็นไปได้

ฉันควรรายงานค่าสัมประสิทธิ์ความน่าเชื่อถือใด?

Krippendorff's alpha เป็นค่าสัมประสิทธิ์ที่นิยมใช้มากที่สุดสำหรับการวิเคราะห์เนื้อหาส่วนใหญ่ เนื่องจากปรับค่าความสอดคล้องโดยบังเอิญ และใช้ได้กับทุกระดับการวัด (นามบัญญัติ อันดับ ช่วง ระยะ) Cohen's kappa เหมาะสำหรับข้อมูลนามบัญญัติของผู้เข้ารหัสสองคน ค่าความสอดคล้องเป็นร้อยละเพียงอย่างเดียวไม่เพียงพอ เนื่องจากไม่ได้ปรับค่าความสอดคล้องโดยบังเอิญ รายงานสถิติความน่าเชื่อถือ ขนาดตัวอย่างความน่าเชื่อถือ และจำนวนผู้เข้ารหัสสำหรับทุกตัวแปรที่เข้ารหัส

ฉันสามารถรวมการวิเคราะห์เนื้อหาเชิงปริมาณแบบภาคตัดขวางกับวิธีการอื่นได้หรือไม่?

ได้ การวิเคราะห์เนื้อหาเชิงปริมาณแบบภาคตัดขวางมักจะรวมกับการสำรวจ (เพื่อเปรียบเทียบรูปแบบเนื้อหากับการรับรู้ของผู้ชม) หรือการทดลอง (เพื่อทดสอบว่าคุณสมบัติเนื้อหาเฉพาะส่งผลต่อการตอบสนองอย่างไร) ภายในโครงการแบบผสมผสาน การวิเคราะห์เนื้อหาจะให้แผนที่เชิงพรรณนาว่ามีข้อความอะไรอยู่ ในขณะที่วิธีการเสริมจะกล่าวถึงการรับรู้หรือผลกระทบ

การทดสอบทางสถิติใดที่เหมาะสมสำหรับข้อมูลการวิเคราะห์เนื้อหา?

สำหรับรหัสเชิงหมวดหมู่ การทดสอบไคสแควร์ของความเป็นอิสระและ Cramer's V วัดความสัมพันธ์ สำหรับการเปรียบเทียบสัดส่วนระหว่างกลุ่ม การทดสอบ z หรือการถดถอยโลจิสติกส์มีความเหมาะสม รหัสอันดับสนับสนุนการสหสัมพันธ์ของสเปียร์แมนหรือการถดถอยอันดับ หากรหัสถูกปฏิบัติเป็นระดับช่วง การสหสัมพันธ์ของเพียร์สันและการถดถอย OLS สามารถใช้ได้ แม้ว่าสิ่งนี้จะต้องมีการให้เหตุผลอย่างรอบคอบ ควรตรวจสอบข้อสมมติฐานเสมอ (ขนาดเซลล์ที่คาดหวังสำหรับไคสแควร์ การแจกแจงสำหรับการถดถอย) ก่อนทำการทดสอบ

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Neuendorf, K. A. (2002). The Content Analysis Guidebook. Sage Publications.

    ISBN: 978-0761919773
    คัดลอกแล้ว
  2. Krippendorff, K. (2004). Content Analysis: An Introduction to Its Methodology (2nd ed.). Sage Publications.

    ISBN: 978-0761915454
    คัดลอกแล้ว