İçeriğe atla
Arama sonuçlarına dön

Nicel Content Analizi

Ortaya koyan
Bernard Berelson; later systematised by Klaus Krippendorff
Yıl
1950s (Berelson 1952; Krippendorff 1980/2004)
Tür
Quantitative observational research method
Aile
Survey / observational design

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Nicel içerik analizi, metin, görüntü veya diğer kayıtlı iletişimin açık içeriğini sayısal verilere dönüştürmek için sistematik, tekrarlanabilir bir yöntemdir.

Önceden belirlenmiş bir kod kitabını tanımlanmış bir veri kümesine uygulayarak ve sonuçta ortaya çıkan kategorileri sayarak veya ölçeklendirerek, araştırmacılar standart istatistiksel testlere tabi tutulabilen frekans dağılımları, oranlar ve ilişkiler elde ederler. Medya, belgeler, sosyal medya gönderileri, politika metinleri ve benzeri materyallerin büyük ölçekli, nesnel analizi için baskın yöntemdir.

Yöntemin mantığı

Haber kuruluşlarının beş yıllık yayınlarında iklim değişikliğini ekonomik bir tehdit olarak mı yoksa sağlık riski olarak mı çerçevelediğini bilmek istediğinizi hayal edin. Binlerce makaleyi öznel olarak okumak yavaş ve tutarsız olurdu. Nicel içerik analizi, eğitilmiş kodlayıcılara hangi kelimelerin, cümlelerin veya paragrafların her bir çerçeve olarak sayılacağını tam olarak söyleyen hassas bir kural kitabı - kod kitabı - oluşturarak bunu çözer. Bağımsız olarak çalışan iki kodlayıcı, makalelerin çoğunda aynı sınıflandırmaya ulaşmalıdır. Sayımlar daha sonra herhangi bir sayısal veri gibi analiz edilir: frekanslar, eğilimler, grup karşılaştırmaları veya regresyonlar. Yaklaşım, yorumlayıcı derinliği ölçek ve tekrarlanabilirlik için feda eder.

Tarih

Gazetelerin ve propagandanın sistematik içerik analizi, Bernard Berelson'un 1952 tarihli Content Analysis in Communication Research monografisinin ilk kapsamlı metodolojik beyanı sağlamasıyla II. Dünya Savaşı sırasında Amerika Birleşik Devletleri'nde ortaya çıktı. Harold Lasswell ve meslektaşları aynı dönemde siyasi iletişime frekans sayımı uyguladılar. Klaus Krippendorff'un 1980 tarihli ders kitabı - 2004'te revize edildi - yöntemin epistemolojik temellerini oluşturdu, Krippendorff'un alfa'sını standart güvenilirlik ölçüsü olarak tanıttı ve çerçeveyi medya araştırmalarının ötesine herhangi bir kayıtlı iletişime genişletti. 2010'lardan bu yana hesaplamalı metin analizinin yükselişi, yöntemin temel mantığına olan ilgiyi yeniden canlandırdı.

Ne zaman kullanılır?

Nicel içerik analizi, kayıtlı iletişimin büyük bir bölümündeki örüntüleri nesnel, tekrarlanabilir bir şekilde tanımlamak, karşılaştırmak veya açıklamak araştırma hedefi olduğunda doğru seçimdir. Frekans (X ne sıklıkla görünür?), eğilimler (X zamanla arttı mı?) ve ilişkiler (X, Y ile birlikte mi görülür?) hakkındaki sorulara uygundur. Uygun veri kümeleri arasında haber arşivleri, sosyal medya veri kümeleri, politika belgeleri, mülakat transkriptleri (yüzey özellikleri için), reklamlar ve akademik yayınlar bulunur. Gizli anlamı, yazar niyetini veya okuyucuların yorumlarını anlamayı gerektiren araştırma soruları için kullanmayın - nitel içerik analizi veya söylem analizi daha uygundur. Ayrıca, tüm veri kümesinin veya temsili bir örneğin erişilebilir olmasını ve güvenilir kodlama kategorilerinin önceden belirtilebilmesini gerektirir.

Sınırlar ve dikkat edilmesi gerekenler

  • İçeriğin yalnızca açık, gözlemlenebilir özellikleriyle sınırlıdır; gizli veya bağlamsal anlam, ek nitel analiz gerektirir.
  • Kod kitabı geliştirme zaman alıcıdır ve güvenilir kategoriler kesinleştirilmeden önce tekrarlanan pilot çalışmalar gerektirir.
  • Çıkarım birimi içeriğin kendisidir; yöntem tek başına içerik örüntülerinin neden var olduğunu veya kitlenin bunlara nasıl tepki verdiğini belirleyemez.
  • Otomatik kodlama (makine öğrenimi, sözlük yöntemleri) ölçeği genişletir ancak insan kodlarıyla doğrulanmadığı takdirde kendi geçerlilik risklerini beraberinde getirir.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Yüksek derecede tekrarlanabilir: kod kitabı ve güvenilirlik istatistikleri, diğer araştırmacıların çalışmayı değerlendirmesine ve yeniden üretmesine olanak tanır.
  • İnsan kodlayıcılar veya otomatik metin analizi kullanarak çok büyük veri kümelerine (binlerce veya on binlerce belge) ölçeklenebilir.
  • Tepkisiz: içerik zaten mevcuttur, bu nedenle yöntem incelenen olguyu değiştirmez.
  • Sonuçlar sayısal olup, tanımlayıcı ve çıkarımsal istatistiksel tekniklerin tam bir yelpazesine uygundur.
  • Şeffaf: tüm kodlama kuralları ve güvenilirlik tahminleri raporlanır, bu da metodolojik kararları denetlenebilir hale getirir.

Uygulama alanları

  • Bir siyasi konunun veya adayın haber kapsamının seçim döngüleri boyunca nasıl değiştiğini izlemek.
  • Bir halk sağlığı kampanyası hakkındaki sosyal medya gönderilerinin hacmini ve duyarlılığını analiz etmek.
  • Televizyon reklamlarındaki cinsiyet veya etnik temsilin zaman içinde ölçülmesi.
  • Bilimsel basın bültenlerinde risk çerçevelemesi ile fayda çerçevelemesinin frekansını karşılaştırmak.
  • Yargı bölgeleri genelinde yasa yapıcı belgelerde belirli politika dilinin kullanımını denetlemek.
  • Çocuk medyası içeriğindeki şiddet veya stereotiplemenin yaygınlığını incelemek.

Nasıl çalışır?

Nasıl çalışır?

1

Araştırmacı, analiz birimini - veri kümesinin hangi öğesinin kodlanacağı - bireysel bir haber makalesi, bir paragraf, bir cümle veya tek bir görüntü gibi belirtir. Veri kümesi sınırları (zaman periyodu, kaynak listesi, dil) da bu aşamada belirlenir, bu da kodlama başlamadan önce içeriğin popülasyonunun net bir şekilde tanımlanmasını sağlar.

2

Her kodlanacak değişkeni tanımlayan, tüm karşılıklı dışlayıcı ve kapsamlı yanıt kategorilerini listeleyen ve her kategori için karar kuralları ve örnekler sağlayan bir kod kitabı oluşturulur. Açık, belirsiz operasyonel tanımlar esastır; belirsiz tanımlar, içerik analizinde güvenilmezliğin birincil kaynağıdır.

3

Veri kümesi tamamen kodlanamayacak kadar büyükse, olasılıklı bir örneklem çekilir - yaygın olarak kaynak, zaman periyodu veya içerik türüne göre katmanlandırılmış rastgele veya sistematik bir örneklem. Örneklem büyüklüğü, amaçlanan istatistiksel analizleri destekleyecek ve önemli kategorilerin frekanslarını tespit edecek kadar büyük olmalıdır.

4

Eğitimli kodlayıcılar, kod kitabını her analiz birimine bağımsız olarak uygular. Kodlayıcılar, ana örneklemde yer almayan pratik materyaller kullanarak standartlaştırılmış eğitim alırlar ve kod kitabındaki kalan belirsizlikler tam kodlama başlamadan önce çözülür. Tüm kodlama kararları yapılandırılmış bir veri dosyasına kaydedilir.

5

Kodlayıcılar arası güvenilirlik hesaplanır - tipik olarak Cohen'in Kappa'sı (nominal veriler) veya Krippendorff'un alfa'sı (sıralı veya aralıklı veriler) kullanılarak - en az iki bağımsız kodlayıcı tarafından kodlanan veri kümesinin rastgele bir alt kümesi üzerinde. Alfa'nın 0.80 veya üzeri olması kabul edilebilir güvenilirlik için geleneksel eşiktir; bu eşiğin altındaki kategoriler nihai analizden önce revize edilir veya birleştirilir.

6

Kodlanmış sayısal veriler, uygun tanımlayıcı ve çıkarımsal istatistiklerle analiz edilir: frekans tabloları, çapraz tablolar, ki-kare testleri, zaman içindeki eğilim analizi veya regresyon modelleri. Bulgular, araştırma soruları bağlamında yorumlanır; çıkarım birimi, içeriğin kendisidir, içeriğin yazarları veya kitlesi değil.

Sık yapılan hatalar

  • Belirsiz kodlama kategorileri: kod kitabı kodlayıcılara belirsiz karar kuralları vermezse, kodlayıcılar arası güvenilirlik düşük olacaktır ve örneklem büyüklüğünden bağımsız olarak veriler anlamsız olacaktır.
  • Güvenilirliği göz ardı etmek: yalnızca bir kodlayıcının kodlamasını raporlamak veya yalnızca anlaşılması kolay kategorilerde güvenilirliği hesaplamak, çalışmanın görünürdeki titizliğini şişirir.
  • İçeriği neden veya etki ile karıştırmak: medyada bir çerçevenin yüksek frekansta olması, çerçevenin kitleleri etkilediğini göstermez - bu ayrı bir çalışma tasarımı gerektirir.
  • Temsili olmayan örnekleme: kolayca erişilebilen içeriğin (örneğin, en iyi on Google sonucu) rastgele örneklemleri, frekans tahminlerine sistematik yanlılık katar.
  • Birim karışıklığı: analiz düzeylerini karıştırmak (bazı değişkenler için makale düzeyinde, diğerleri için cümle düzeyinde kodlama yapmak), veri yapısını geçersiz kılar ve analizleri yorumlanamaz hale getirir.

Sık sorulan sorular

Hangi kodlayıcılar arası güvenilirlik istatistiğini rapor etmeliyim?

Krippendorff'un alfa'sı en genel seçenektir: nominal, sıralı, aralıklı ve oran ölçeklerini işler ve şans anlaşmasını ayarlar. Cohen'in Kappa'sı, nominal bir değişken üzerinde iki kodlayıcı için uygundur. Yüzde anlaşma tek başına yetersizdir çünkü şansı düzeltmez. İstatistik, kodlayıcı sayısı, çift kodlanmış veri kümesinin oranı ve kullandığınız eşiği rapor edin - yayınlanmış çalışma için geleneksel olarak alfa ≥ 0.80.

Örneklemim ne kadar büyük olmalı?

Evrensel bir kural yoktur, ancak örneklem en nadir önemli kategorinizin frekansını kabul edilebilir bir hassasiyetle tahmin etmek için yeterince büyük olmalıdır. Güç analizi veya simülasyon - beklenen frekansı ve istenen güven aralığı genişliğini belirterek - prensipli yaklaşımdır. Çapraz tablo analizleri için yaygın bir kılavuz, hücre başına en az beş gözlemlenen vakadır. Önce küçük bir rastgele örneklemin pilot kodlaması, hesaplamayı bilgilendirmek için ampirik frekans tahminleri sağlayacaktır.

İnsan kodlayıcılar yerine otomatik veya yapay zeka tabanlı kodlama kullanabilir miyim?

Evet, ancak otomatik kodlama kullanımdan önce insan tarafından kodlanmış bir altın standartla doğrulanmalıdır. Sözlük tabanlı yöntemler (önceden belirlenmiş kelimeleri sayma) şeffaftır ancak bağlamı kaçırır; denetimli makine öğrenimi sınıflandırıcıları daha yüksek geçerlilik elde edebilir ancak etiketlenmiş bir eğitim seti gerektirir. Tüm durumlarda, doğrulama metriklerini temel bulgularınızla birlikte rapor edin.

Nicel içerik analizi, nitel içerik analizinden nasıl farklıdır?

Nicel içerik analizi, istatistiksel analiz için sayısal veri üretmek üzere açık özelliklerin sistematik, tekrarlanabilir kodlanmasını önceliklendirir. Nitel içerik analizi - ve söylem analizi - gizli anlama, bağlama ve anlamın inşasına frekans sayımları yerine dikkat ederek yorumlayıcı derinliği önceliklendirir. İki yaklaşım, sıralı karma yöntemler tasarımında birleştirilebilir.

Veri kümem tamamen kodlanamayacak kadar küçükse rastgele bir örneğe ihtiyacım var mı?

Hayır. İçeriğin ilgili tüm popülasyonunu kodlayabiliyorsanız - örneğin, belirli bir yıldaki tek bir gazetenin tüm ön sayfa makaleleri - bir sayımınız olur, örneklem değil ve örneklem hatasıyla ilgili çıkarımsal istatistikler gerekli değildir. Yine de veri kümesini kesin olarak tanımlamanız ve toplam N'yi rapor etmeniz gerekir.

İlgili yöntemler

Kaynaklar

  1. Krippendorff, K. (2004). Content Analysis: An Introduction to Its Methodology (2nd ed.). Sage.

    ISBN: 978-0761915454
    Kopyalandı.
  2. Berelson, B. (1952). Content Analysis in Communication Research. Free Press.

    Yayın kaynağını aç
    Kopyalandı.