比较内容分析
- 提出者
- Bernard Berelson (foundational content analysis); Klaus Krippendorff (systematic methodology)
- 年份
- 1952 (Berelson); comparative application developed through 1970s–2000s
- 类型
- Qualitative and/or quantitative comparative research design
- 类别
- Qualitative design / analysis
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
比较内容分析将共享的编码框架应用于来自两个或更多群体、语境、时间点或国家的文本、文档或媒体制品,以识别这些比较单元之间的异同和模式。通过保持分析视角不变,同时改变比较单元,它揭示了意义、框架或话语在不同研究案例中如何差异。
方法背后的直觉
假设您想了解英国和德国的大报对气候变化的新闻报道是否存在差异。您可以分别阅读这两个语料库并描述它们,但这只会给您两幅画像。比较内容分析更进一步:您构建相同的代码本——定义诸如“科学框架”、“经济框架”和“危机修辞”等类别——并将其相同地应用于两个语料库,然后直接对比其分布。共同的视角使得比较有意义,而不仅仅是描述性的。这种逻辑也适用于比较不同十年、不同政党、不同社交媒体平台或任何两个或更多具有理论相关性的群体之间的报道。
历史学
作为一种系统方法,内容分析由 Bernard Berelson 在其 1952 年的专著《传播研究中的内容分析》中进行了规范,该专著建立在早期的战时宣传研究基础之上。Klaus Krippendorff 的《内容分析:方法论导论》的后续版本(1980 年、2004 年、2018 年)确立了该领域的方法论标准,包括评分者间信度指标。比较应用在 20 世纪 70 年代和 80 年代的跨国传播研究中显著兴起,特别是在国际新闻流和政治传播研究中,并成为 Hallin 和 Mancini 2004 年类型学之后比较媒体系统研究的基石。
何时使用
当您的研究问题明确询问传播、框架或话语在两个或更多群体、国家、时间段或媒体环境之间如何不同,并且文档或媒体文本是主要证据时,请使用比较内容分析。它适用于媒体研究、政治传播、健康传播、教育研究和组织传播。该方法适用于假设检验(定量编码)和更具探索性的描述性比较(定性编码)。当您只有一个语料库没有真正的比较单元,或者当不同单元的文本在体裁或语言上差异太大以至于无法在不扭曲意义的情况下应用共同代码本时,请勿使用它——在这些情况下,最好进行单独的定性分析并进行反思性的跨案例讨论。
局限与注意事项
- 开发一个能够在不同语言、文化或体裁之间传播而不失真的代码本,在技术和概念上都具有挑战性。
- 评分者间信度必须为每个比较单元单独计算和报告;将信度数据合并到不同组中可能会掩盖特定单元的编码问题。
- 该方法捕捉编码的显性和潜在内容——它无法获取受众的接受度或制作者的意图。
- 在实践中,跨比较单元的等效抽样很难实现;不平衡的语料库可能会将真实差异与样本假象混淆。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 能够使用共享的分析框架,对不同语境下的传播现象进行严谨、系统的并列比较。
- 可以处理通过访谈方法难以管理的大型语料库,从而增加了证据的广度。
- 透明的代码本和信度检查使分析具有可复制性并接受审查。
- 与定量频率分析和定性主题编码兼容,提供了方法上的灵活性。
- 在跨国媒体研究、政治传播和健康传播领域已得到广泛认可。
应用
- 对报纸移民、气候变化或公共卫生危机框架的跨国比较。
- 对不同选举周期的政党宣言进行纵向比较,以追踪意识形态转变。
- 比较 Twitter、Reddit 和 Facebook 上同一事件的社交媒体话语,以考察特定平台的传播规范。
- 对比政府机构、非政府组织和商业机构就同一主题提供的健康信息。
- 比较不同学校系统或国家的课程文件或教育政策文本。
- 分析不同区域市场或时间段广告中的性别或种族代表性。
使用方式
使用方式
提出一个精确的比较研究问题,明确比较的内容和原因。确定比较单位(国家、组织、时间段、平台、人口群体)和分析单位(文章、演讲、帖子、段落)。明确驱动比较和指导类别构建的理论框架。
使用等效的抽样策略从每个比较单元中选择语料库——相同的时间范围、相同的搜索词、相同的纳入和排除标准——以便所得数据中的差异反映现象的真实差异,而不是不平等抽样造成的假象。记录并报告所有抽样决策,以便进行复制。
开发一个共享的代码本,其中包含清晰的操作定义、示例和每个类别的决策规则。对所有语料库的编码员进行统一培训,计算从每个比较组中抽取的可靠性样本的评分者间信度(例如,Krippendorff's alpha 或 Cohen's kappa),并且只有在信度可接受时才进行全面编码。在所有比较单元中应用相同的代码本,不进行修改。
按比较单元汇总编码数据,并计算每个组中每个类别的频率、比例或描述性统计数据。应用适当的推断性检验——分类数据使用卡方检验,区间水平编码使用 t 检验或方差分析——或者,在定性变体中,开发分析矩阵,并排显示每个比较单元的主题计数或显著性评级。
根据理论框架以及每个比较单元更广泛的社会、政治或文化背景,解释观察到的异同。承认边界条件:语言、文体惯例或历史背景的差异可能会产生代码本无法完全消除的编码挑战,这些必须作为比较的局限性进行讨论。
常见陷阱
- 对不同的比较单元使用不同的代码本或编码规则——这会使比较无效,必须报告为缺陷。
- 忽略比较单元之间的体裁或格式差异——例如,小报和严肃报纸在结构上具有不同的文章长度和惯例,这会独立于内容而夸大或缩小类别频率。
- 仅报告汇总样本的信度统计数据,而不是为每个比较组单独报告,这可能会掩盖某个单元的低信度。
- 将统计上显著的频率差异视为实质性意义,而没有从理论上解释这些差异存在的原因。
- 将比较内容分析与话语分析混淆——内容分析计数和分类;话语分析审视语言中嵌入的社会功能和权力关系。
常见问题
比较内容分析与常规内容分析有何不同?
标准内容分析描述单个语料库的内容。比较内容分析将相同的代码本应用于两个或更多不同的语料库——由国家、时间段、组织、平台或群体定义——其核心发现是这些单元之间的异同模式。比较是分析目标,而不是副产品。
该方法可以是定性的也可以是定量的吗?
是的。定量比较内容分析计算预定义类别的频率或显著性,并进行统计检验。定性比较内容分析通过归纳或演绎开发分析主题,并呈现结构化的解释性比较。混合设计——对某些类别进行频率编码,并为其他类别提供说明性引用和解释性评论——在实践中很常见。
在跨国研究中如何处理不同语言?
要么由精通每种语言的编码员对原始语言文本进行编码,要么在编码前将所有文本翻译成单一语言。这两种方法都有权衡:翻译可能会改变细微之处,而多语言编码团队会引入编码员-语言混淆。报告所使用的策略并讨论其影响。信度应按语言组计算。
我应该报告哪个信度系数?
Krippendorff's alpha 是首选系数,因为它能处理缺失数据,适用于不同测量水平(名义、序数、区间),并考虑了偶然一致性。对于大多数研究目的,0.80 以上的值被认为是可接受的;对于探索性工作,0.67 到 0.80 之间的值可能可接受。分别报告每个比较单元和每个编码类别的 alpha 值。
样本量需要多大?
样本量取决于类别数量、稀有类别的预期频率以及计划的统计检验。对于使用卡方检验的定量比较,每个单元格中最小预期单元格频率为 5 是标准假设;当类别众多或稀有框架在理论上很重要时,这可能需要更大的语料库。对于定性比较,饱和逻辑适用:从每个单元收集足够的文本,以至于没有新的实质性主题出现。
相关方法
参考文献
Krippendorff, K. (2018). Content Analysis: An Introduction to Its Methodology (4th ed.). Sage.
ISBN:978-1506395661已复制。Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). Sage.
ISBN:978-1412979474已复制。