Skip to content
กลับไปยังผลการค้นหา

การวิเคราะห์เนื้อหาเชิงปริมาณตามช่วงเวลา

ผู้เสนอ
Developed within communication and media studies; codified by Berelson (1952) and extended by Riffe, Lacy, Fico
ปี
1950s onward; longitudinal application widely adopted in media research by the 1970s–1980s
ประเภท
Quantitative observational research design
กลุ่มวิธี
Survey / observational design

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การวิเคราะห์เนื้อหาเชิงปริมาณตามช่วงเวลา (Longitudinal quantitative content analysis) เป็นการเข้ารหัสและนับลักษณะของข้อความ รูปภาพ หรือสารในสื่อที่รวบรวม ณ จุดเวลาสองจุดขึ้นไปอย่างเป็นระบบ ซึ่งช่วยให้นักวิจัยสามารถติดตามการเปลี่ยนแปลงของเนื้อหา รูปแบบของหัวข้อที่เพิ่มขึ้นหรือลดลง และการตอบสนองของสื่อหรือสารของสถาบันต่อเหตุการณ์ภายนอก การออกแบบนี้ผสมผสานตรรกะการวัดผลเชิงโครงสร้างของการวิเคราะห์เนื้อหาเชิงปริมาณเข้ากับพลังการติดตามตามช่วงเวลาของการสังเกตการณ์ตามช่วงเวลา

แนวคิดเบื้องหลังวิธีการ

ลองนึกถึงคลังข่าวที่ครอบคลุมการรายงานสภาพภูมิอากาศตลอด 20 ปี การวิเคราะห์เนื้อหาเพียงครั้งเดียวจะบอกคุณว่าการรายงานสภาพภูมิอากาศเป็นอย่างไร ณ จุดเวลาหนึ่ง การออกแบบตามช่วงเวลาช่วยให้คุณสามารถนับปริมาณการรายงาน การเลือกกรอบการนำเสนอ และประเภทของแหล่งข่าวได้ในแต่ละปี ซึ่งจะเผยให้เห็นว่ากรอบการนำเสนอที่น่าตื่นตระหนกเพิ่มขึ้นหลังเหตุการณ์สภาพภูมิอากาศที่สำคัญหรือไม่ หรือความหลากหลายของแหล่งข่าวลดลงเมื่อเวลาผ่านไปหรือไม่ ข้อคิดสำคัญคือเนื้อหาไม่ได้ดำรงอยู่เพียงชั่วขณะเดียว สารต่างๆ สะสมและเปลี่ยนแปลง และการวัดผลซ้ำเท่านั้นที่สามารถบันทึกการเปลี่ยนแปลงนั้นได้ การวิเคราะห์เนื้อหาเชิงปริมาณตามช่วงเวลาเป็นเครื่องมือที่ทำให้การเปลี่ยนแปลงตามช่วงเวลาในเนื้อหาเชิงสัญลักษณ์มองเห็นได้และสามารถวัดปริมาณได้

ประวัติศาสตร์

การวิเคราะห์เนื้อหาเชิงปริมาณได้รับการก่อตั้งขึ้นในฐานะวิธีการทางสังคมศาสตร์ที่เป็นทางการโดย Bernard Berelson ในงานเขียน Monograph เรื่อง Content Analysis in Communication Research ของเขาในปี 1952 การประยุกต์ใช้ตามช่วงเวลา — การติดตามการเปลี่ยนแปลงของสารในสื่อ — ได้รับการยอมรับอย่างรวดเร็วในการวิจัยการสื่อสารในช่วงทศวรรษ 1970 และ 1980 เพื่อศึกษาการกำหนดวาระของสื่อ การกรอบการนำเสนอ และการโฆษณาชวนเชื่อ งานเขียน Analyzing Media Messages ของ Riffe, Lacy, และ Fico (ฉบับพิมพ์ครั้งแรกปี 1998 ฉบับพิมพ์ครั้งที่สี่ปี 2019) และ Content Analysis Guidebook ของ Neuendorf (ปี 2002 ฉบับพิมพ์ครั้งที่สองปี 2017) ได้ทำให้มาตรฐานการสุ่มตัวอย่างและความน่าเชื่อถือเป็นทางการ ซึ่งเป็นพื้นฐานของการออกแบบตามช่วงเวลาในปัจจุบัน

ควรใช้เมื่อใด

ใช้การวิเคราะห์เนื้อหาเชิงปริมาณตามช่วงเวลาเมื่อคำถามวิจัยถามว่าเนื้อหาหรือกรอบการนำเสนอของสารเปลี่ยนแปลงไปตามกาลเวลาอย่างไร เช่น การรายงานข่าวเกี่ยวกับประเด็นทางสังคมมีวิวัฒนาการอย่างไรก่อนและหลังมีกฎหมาย การโฆษณาเปลี่ยนแปลงไปอย่างไรหลังแคมเปญสาธารณสุข หรือการสื่อสารขององค์กรเปลี่ยนแปลงไปอย่างไรตามวัฏจักรเศรษฐกิจ เหมาะสมเมื่อมีคลังเนื้อหาที่มีวันที่กำกับไว้สำหรับหลายช่วงเวลา เมื่อตัวแปรสามารถดำเนินการเป็นรหัสที่นับได้ และเมื่อเป้าหมายคือการอธิบายแนวโน้มที่สามารถสรุปผลได้ แทนที่จะเป็นการวิเคราะห์เชิงตีความเชิงลึกของข้อความแต่ละฉบับ อย่าใช้เมื่อมีเนื้อหาเพียงช่วงเวลาเดียวเท่านั้น (ใช้การวิเคราะห์เนื้อหาเชิงปริมาณมาตรฐานแทน) เมื่อคำถามวิจัยต้องการความเข้าใจในการตีความของผู้รับสารมากกว่าลักษณะของสาร (ใช้การวิเคราะห์การรับรู้หรือวิธีการสำรวจ) หรือเมื่อจำนวนหน่วยที่สามารถเข้ารหัสได้ต่อระลอกเวลามีน้อยมากจนการวิเคราะห์แนวโน้มทางสถิติไม่มีความหมาย

ข้อจำกัดและข้อควรพิจารณา

  • ต้องเข้าถึงเนื้อหาที่ถูกเก็บไว้ในคลังหรือเก็บรักษาไว้ในอดีต ณ จุดเวลาที่เกี่ยวข้องทั้งหมด — ช่องว่างในคลังข้อมูลบั่นทอนความสามารถในการเปรียบเทียบ
  • การเข้ารหัสจำกัดอยู่เพียงลักษณะเนื้อหาที่ปรากฏชัด (manifest) เท่านั้น ความหมายแฝง (latent) และการตีความของผู้รับสารอยู่นอกขอบเขตของวิธีการนี้
  • การเปลี่ยนแปลงของผู้เข้ารหัสในช่วงเวลาการศึกษาที่ยาวนานอาจทำให้เกิดข้อผิดพลาดในการวัดผลที่เลียนแบบการเปลี่ยนแปลงเนื้อหาที่แท้จริง
  • ต้องใช้ทรัพยากรมากเมื่อช่วงเวลาการศึกษายาวนานและคลังข้อมูลมีขนาดใหญ่ ซึ่งต้องใช้การฝึกอบรมผู้เข้ารหัสอย่างกว้างขวางและการตรวจสอบความน่าเชื่อถือตลอดทุกระลอกเวลา

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • วัดการเปลี่ยนแปลงในเนื้อหาเชิงสัญลักษณ์ตามช่วงเวลาโดยตรง ซึ่งการออกแบบภาคตัดขวางไม่สามารถสร้างได้
  • สร้างข้อมูลที่สามารถวัดปริมาณได้และทำซ้ำได้ ซึ่งสามารถเปรียบเทียบข้ามการศึกษาโดยใช้สมุดรหัสเดียวกัน
  • เหมาะสำหรับคลังข้อมูลขนาดใหญ่ — ผลผลิตข่าวทั้งปี เอกสารนโยบายหลายทศวรรษ หรือโพสต์โซเชียลมีเดียหลายล้านรายการ — โดยใช้การสุ่มตัวอย่างอย่างเป็นระบบ
  • ไม่ก่อกวน (Non-reactive): เนื้อหาได้ถูกผลิตขึ้นแล้ว ดังนั้นกระบวนการวัดผลจึงไม่สามารถเปลี่ยนแปลงพฤติกรรมของผู้เข้าร่วมได้
  • ช่วยให้สามารถตรวจจับวงจรวาระการประชุม การเปลี่ยนแปลงกรอบการนำเสนอ และผลกระทบของเหตุการณ์ภายนอกต่อสารของสถาบัน

การประยุกต์ใช้

  • การติดตามกรอบการนำเสนอของการเปลี่ยนแปลงสภาพภูมิอากาศในการรายงานข่าวของหนังสือพิมพ์ตลอดหลายทศวรรษเพื่อตรวจจับการเปลี่ยนแปลงวาระที่เชื่อมโยงกับวัฏจักรทางการเมือง
  • การวิเคราะห์ว่าการอ้างสิทธิ์ในการโฆษณายาในวารสารทางการแพทย์เปลี่ยนแปลงไปอย่างไรหลังจากการแทรกแซงด้านกฎระเบียบ
  • การวัดการนำเสนอของกลุ่มเพศหรือชนกลุ่มน้อยในรายการโทรทัศน์ช่วงไพรม์ไทม์ตลอดฤดูกาลออกอากาศที่ต่อเนื่องกัน
  • การบันทึกการเปลี่ยนแปลงวาทกรรมและสารของพรรคการเมืองตลอดวัฏจักรการเลือกตั้งโดยใช้แถลงการณ์ของพรรค
  • การติดตามการเปลี่ยนแปลงในการสื่อสารความเสี่ยงด้านสุขภาพบนแพลตฟอร์มโซเชียลมีเดียก่อน ระหว่าง และหลังเหตุฉุกเฉินด้านสาธารณสุข
  • การประเมินว่าการรายงานความยั่งยืนขององค์กรมีวิวัฒนาการอย่างไรในรายงานประจำปีในช่วงเวลาที่มีแรงกดดันจากนักลงทุน ESG เพิ่มขึ้น

วิธีการทำงาน

วิธีการทำงาน

1

นักวิจัยระบุปรากฏการณ์ที่สนใจ (เช่น กรอบการนำเสนอของสื่อ การอ้างสิทธิ์ในการโฆษณา วาทกรรมเชิงนโยบาย) ขอบเขตของเนื้อหา (เช่น บทความหน้าหนึ่งของหนังสือพิมพ์ รายการโทรทัศน์ช่วงไพรม์ไทม์ โพสต์บนโซเชียลมีเดีย) และช่วงเวลาที่จะครอบคลุม ขอบเขตที่ชัดเจนของประชากรสารและกรอบเวลาจะป้องกันการขยายขอบเขตงานและชี้นำการตัดสินใจในการสุ่มตัวอย่าง

2

เนื่องจากการเข้ารหัสเนื้อหาทั้งหมดตลอดทุกช่วงเวลาโดยละเอียดมักเป็นไปไม่ได้ในทางปฏิบัติ กลยุทธ์การสุ่มตัวอย่างจะเลือกหน้าต่างเวลาที่แทนได้ ซึ่งโดยทั่วไปจะสร้างขึ้นเป็นรายสัปดาห์ ตัวอย่างรายไตรมาส หรือการสำรวจสำมะโนประชากร ณ วันที่เกิดเหตุการณ์สำคัญ ตัวอย่างแต่ละช่วงเวลาจะต้องถูกสุ่มด้วยวิธีเดียวกันเพื่อให้แน่ใจว่าสามารถเปรียบเทียบกันได้ในแต่ละระลอก

3

มีการสร้างสมุดรหัส (codebook) ที่กำหนดตัวแปรทุกตัวที่จะวัดผล รวมถึงหน่วยของการวิเคราะห์ (บทความ โพสต์ โฆษณา) รหัสหมวดหมู่ และกฎการตัดสินใจ สมุดรหัสจะต้องเหมือนเดิมตลอดทุกช่วงเวลา เพื่อให้การเปลี่ยนแปลงของจำนวนนับสะท้อนถึงการเปลี่ยนแปลงในเนื้อหา แทนที่จะเป็นการเปลี่ยนแปลงในการวัดผล

4

ผู้เข้ารหัสที่ผ่านการฝึกอบรมจะใช้สมุดรหัสกับเนื้อหาที่สุ่ม ณ แต่ละช่วงเวลา ผู้เข้ารหัสจะปิดบังข้อมูลเกี่ยวกับระลอกเวลาเท่าที่ทำได้ เพื่อป้องกันอคติจากความคาดหวังตามช่วงเวลา หน่วยวิเคราะห์แต่ละหน่วยจะถูกเข้ารหัสอย่างอิสระ ทำให้เกิดชุดข้อมูลของความถี่และสัดส่วนของหมวดหมู่สำหรับแต่ละระลอกเวลา

5

ความน่าเชื่อถือระหว่างผู้เข้ารหัส (Intercoder reliability) จะถูกคำนวณ โดยทั่วไปใช้ Cohen's kappa หรือ Krippendorff's alpha ณ แต่ละระลอกเวลา และรายงานแยกต่างหาก การตรวจสอบความน่าเชื่อถือที่ดำเนินการเฉพาะช่วงการฝึกอบรม แต่ไม่ตลอดทุกระลอกเวลา มีความเสี่ยงที่จะพลาดการเปลี่ยนแปลงของผู้เข้ารหัสในช่วงระยะเวลาการศึกษา เกณฑ์ที่ยอมรับได้โดยทั่วไปคือ kappa หรือ alpha ที่สูงกว่า 0.80

6

ข้อมูลความถี่ที่รวบรวมตลอดระลอกเวลาจะถูกวิเคราะห์โดยใช้สถิติเชิงพรรณนา การทดสอบไคสแควร์สำหรับความเป็นอิสระตามช่วงเวลา การวิเคราะห์แนวโน้ม หรือการถดถอยอนุกรมเวลา เพื่อระบุการเปลี่ยนแปลง วงจร หรือวิถีที่มีนัยสำคัญในเนื้อหา ผลการวิจัยจะถูกตีความโดยพิจารณาจากเหตุการณ์บริบทที่เกิดขึ้นระหว่างระลอกเวลา

ข้อผิดพลาดที่พบบ่อย

  • การเปลี่ยนแปลงสมุดรหัสระหว่างระลอกเวลา — แม้แต่การแก้ไขเล็กน้อยในการนิยามหมวดหมู่ ก็ทำให้การเปรียบเทียบข้ามระลอกเวลาไม่ถูกต้อง โดยทำให้การเปลี่ยนแปลงการวัดผลปะปนกับการเปลี่ยนแปลงเนื้อหาที่แท้จริง
  • การสุ่มตัวอย่างช่วงเวลาอย่างไม่สม่ำเสมอ — ตัวอย่างเช่น การเข้ารหัสช่วงเวลาข่าวที่สำคัญในระลอกหนึ่ง และช่วงเวลาปกติในอีกระลอกหนึ่ง จะทำให้การประมาณแนวโน้มเอนเอียงอย่างเป็นระบบ
  • การละเลยความน่าเชื่อถือระหว่างระลอกเวลา — การตรวจสอบความน่าเชื่อถือระหว่างผู้เข้ารหัสเพียงครั้งเดียวในช่วงเริ่มต้นจะทำให้การเปลี่ยนแปลงของผู้เข้ารหัสค่อยเป็นค่อยไปไม่ถูกตรวจพบ ซึ่งจะทำให้แนวโน้มที่ปรากฏเพิ่มขึ้น
  • การตีความแนวโน้มทางสถิติมากเกินไปโดยปราศจากพื้นฐานบริบท — การเพิ่มขึ้นอย่างมีนัยสำคัญของหัวข้อหนึ่งจะมีความหมายก็ต่อเมื่อเชื่อมโยงกับเหตุการณ์ที่ทราบ การเปลี่ยนแปลงนโยบาย หรือปัจจัยภายนอกที่เกิดขึ้นระหว่างระลอกเวลา

คำถามที่พบบ่อย

ฉันต้องใช้จุดเวลาเท่าใดสำหรับการวิเคราะห์เนื้อหาตามช่วงเวลา

ต้องมีจุดเวลาอย่างน้อยสองจุดเพื่อสร้างการเปลี่ยนแปลงใดๆ แต่สองจุดแสดงเพียงความแตกต่างก่อน-หลัง และไม่สามารถสร้างแนวโน้มได้ สามระลอกขึ้นไปช่วยให้สามารถวิเคราะห์แนวโน้มได้ การศึกษาที่ตรวจสอบรูปแบบระยะยาวมักใช้ตัวอย่างรายปีตลอดทศวรรษหรือมากกว่านั้น จำนวนระลอกควรตรงกับคำถามวิจัย — หากคุณต้องการตรวจจับผลกระทบของเหตุการณ์เฉพาะ จุดสองจุดที่เลือกอย่างระมัดระวัง (ก่อนและหลัง) อาจเพียงพอ

สถิติความน่าเชื่อถือใดที่เหมาะสมที่สุดสำหรับการออกแบบนี้

Krippendorff's alpha เป็นที่นิยมมากกว่าเนื่องจากสามารถรองรับระดับการวัดผลที่แตกต่างกัน (นามบัญญัติ ลำดับ ช่วง) และเหมาะสำหรับผู้เข้ารหัสมากกว่าสองคน Cohen's kappa ได้รับการรายงานอย่างกว้างขวางสำหรับการเข้ารหัสแบบนามบัญญัติของผู้เข้ารหัสสองคน ทั้งสองควรมีค่าเกิน 0.80 เป็นเกณฑ์มาตรฐาน ที่สำคัญคือความน่าเชื่อถือควรได้รับการคำนวณและรายงานสำหรับแต่ละระลอกการเข้ารหัส ไม่ใช่แค่ในช่วงการฝึกอบรมเบื้องต้นเท่านั้น

ฉันสามารถเพิ่มหมวดหมู่การเข้ารหัสใหม่ในระลอกหลังได้หรือไม่ หากฉันสังเกตเห็นปรากฏการณ์ใหม่เกิดขึ้น

ได้ เฉพาะในกรณีที่หมวดหมู่ใหม่ถูกเพิ่มเป็นตัวแปรเพิ่มเติมที่ไม่เปลี่ยนแปลงแผนการเข้ารหัสเดิม การเปลี่ยนแปลงหรือนิยามหมวดหมู่ที่มีอยู่ย้อนหลังต้องมีการเข้ารหัสใหม่ทั้งหมดในระลอกก่อนหน้าด้วยแผนการที่แก้ไขก่อนที่การเปรียบเทียบจะถูกต้อง การไม่ดำเนินการดังกล่าวจะทำให้เกิดสิ่งที่เรียกว่าความไม่เท่าเทียมกันของการวัดผลระหว่างระลอกเวลา

สิ่งนี้แตกต่างจากการวิเคราะห์อนุกรมเวลาอย่างไร

การวิเคราะห์เนื้อหาเชิงปริมาณตามช่วงเวลาจะสร้างข้อมูล — จำนวนและการกระจายของลักษณะเนื้อหาที่เข้ารหัส ณ แต่ละช่วงเวลา การวิเคราะห์อนุกรมเวลาเป็นเทคนิคทางสถิติที่ใช้กับข้อมูลนั้นเพื่อสร้างแบบจำลองแนวโน้ม วงจร และผลกระทบภายนอก ทั้งสองมีความสัมพันธ์กัน: การวิเคราะห์เนื้อหาจะสร้างการสังเกตการณ์ สถิติอนุกรมเวลาจะสร้างแบบจำลองรูปแบบในการสังเกตการณ์เหล่านั้น

การวิเคราะห์เนื้อหาตามช่วงเวลาถือเป็นการทดลองหรือการสังเกตการณ์

เป็นการสังเกตการณ์อย่างเคร่งครัด นักวิจัยไม่ได้จัดการเนื้อหาหรือกำหนดเงื่อนไข — เนื้อหาถูกผลิตขึ้นโดยอิสระจากการวิจัย ดังนั้น ผลการวิจัยสามารถสร้างข้อเท็จจริงว่าเนื้อหาเปลี่ยนแปลงไปตามกาลเวลา (แนวโน้มเชิงพรรณนา) แต่ไม่สามารถพิสูจน์ได้ด้วยตัวมันเองว่าปัจจัยภายนอกเฉพาะเจาะจงเป็นสาเหตุของการเปลี่ยนแปลง การอ้างสิทธิ์เชิงสาเหตุต้องอาศัยหลักฐานเพิ่มเติมจากการออกแบบเชิงทดลองหรือกึ่งทดลอง

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Riffe, D., Lacy, S., Watson, B., & Fico, F. (2019). Analyzing Media Messages: Using Quantitative Content Analysis in Research (4th ed.). Routledge.

    ISBN: 9781138490536
    คัดลอกแล้ว
  2. Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). Sage.

    ISBN: 9781412979474
    คัดลอกแล้ว