Skip to content
返回搜索结果

定性内容分析

提出者
Klaus Krippendorff; refined by Margrit Schreier
年份
1980
类型
Method
类别
systematic-categorization

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

定性内容分析(Qualitative Content Analysis, QCA)是一种系统性的、归纳性的方法,通过识别和分类意义单元到内容类别来分析文本或视觉数据。QCA由Klaus Krippendorff(1980)开发和正式化,可以是纯粹定性的(归纳的、探索性的),也可以与定量计数相结合;它分析显性内容(明确的、表面的意义)和隐性内容(潜在的、解释性的意义)。

方法背后的直觉

内容分析基于意义可以系统地组织成类别的思想。与生成理论的扎根理论(Grounded Theory)或识别广泛模式的主题分析(thematic analysis)不同,内容分析更为结构化:它创建一个明确的编码方案,定义类别和子类别,一致地应用编码,并计数出现次数以揭示正在沟通或强调的内容。显性内容分析侧重于直接陈述的内容(例如,计算词语或明确陈述的频率)。隐性内容分析更深入,解释潜在的意义(例如,分析主题隐含地传达了什么关于社会价值观的信息)。QCA严谨、透明,适用于大量文本、文档、媒体或任何交流材料。

历史学

Klaus Krippendorff于1980年将内容分析正式化为一种系统方法,将其与非正式编码或分类区分开来。他的工作强调了信度、效度和透明的程序。Margrit Schreier(2012)完善和扩展了QCA程序,澄清了演绎和归纳方法之间的区别。虽然内容分析可以追溯到20世纪中叶关于宣传和媒体的研究,但现代QCA强调定性严谨性与系统程序相结合。当代的应用涵盖了护理学、心理学、组织研究、媒体研究和政策分析。

何时使用

当您拥有大量文本或视觉数据,并且需要系统、透明的分类时,请使用QCA。非常适合分析文档(政策、临床指南、媒体)、访谈记录、社交媒体内容或任何交流制品。QCA适用于询问“这些文档中哪些主题或话题最突出?”或“某个特定概念在媒体或话语中是如何呈现的?”的研究问题。QCA不太适合旨在生成新理论(使用扎根理论)或探索生活经验(使用现象学)的研究。QCA在应用研究、政策分析、媒体分析和组织研究中表现出色,这些领域中的内容模式的系统记录为决策提供了信息。

局限与注意事项

  • 隐性内容分析中过度解释的风险;将意义归因于潜在信息本质上是主观的,可能反映了编码者的偏见。
  • 创建和完善编码方案耗时;在分析过程中更改类别会破坏一致性。
  • 不生成理论或深入的语境理解;内容分析描述了存在的内容,而不是它为何或如何变成那样。
  • 评分者间信度虽然有价值,但如果评分者仅仅遵循僵化的规则而不理解意义,可能会人为地夸大;一致性不等于有效性。

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

  • 系统且透明:明确的编码方案和规则能够实现可重复性和评分者间信度评估;非常适合对大型数据集进行严谨分析。
  • 结合了严谨性和灵活性:可以纳入显性(客观)和隐性(解释性)内容,弥合了定量和定性方法。
  • 适用于多种数据类型:文本、图像、视频、社交媒体、文档——可应用于多种研究情境。
  • 代码频率量化提供了强调和分布的总结,通过计数和比例补充了定性解释。

应用

  • 在项目评估中分析访谈数据,以评估干预措施的质量、保真度和结果;将参与者的反馈分类为优势和待改进领域。
  • 分析政策文件或临床指南,以识别优先事项、差距以及各机构之间的协调。
  • 审查媒体对疾病、精神疾病或边缘化群体的表述,以了解公众信息和污名化。
  • 分析医疗保健环境中的患者投诉或反馈,以识别系统性问题(例如,沟通失败、获取障碍)。
  • 研究组织文件(电子邮件、会议记录、报告),以了解组织文化、优先事项和沟通模式。

使用方式

使用方式

1

收集定性数据:访谈、开放式调查问卷回答、文档、媒体(视频、照片、社交媒体帖子)或任何您希望分析的文本或图像。确定您的编码单元(要编码的片段):一个词、一个句子、一个段落、一个文档或一个图像部分。有策略地抽样数据:您可以分析所有数据,或使用目的性抽样(例如,选择最直接解决您研究问题的访谈)。准备数据以供分析:转录音频,将图像转换为可分析格式,确保文本为标准格式。在分析开始前制定清晰的抽样策略和编码框架。

2

开发编码方案:定义代表与您的研究问题相关的内容的类别和子类别。类别可以是演绎的(预先从理论中确定的)或归纳的(从数据中出现的)。首先阅读/观看一部分数据并识别初始代码;将相关的代码分组到更广泛的类别中。为每个类别明确定义,并附有清晰的标签和定义(例如,“治疗障碍——任何阻碍获得或依从性的因素”)。为模糊情况制定决策规则(例如,“如果一个陈述同时提及时间和成本,则将其主要障碍归为成本”)。系统地对整个数据集进行编码,一致地应用每个代码。使用持续比较方法:随着编码的进行,定期回顾先前的代码以确保一致性。计算代码频率以了解强调和分布。为了保证评分者间信度,让第二位评分者独立对一部分数据(10–20%的数据)进行编码;计算一致性(百分比一致性或Cohen's kappa >0.70 可接受)。通过讨论和编码方案的完善来解决分歧。

3

通过分析代码频率和类别模式与您的研究问题的关系来综合研究结果。描述类别的频率和分布:哪些最普遍,哪些罕见?解释这些模式:一个类别的高频率可能表明其重要性;一个类别的缺失可能同样有意义。用支持性的引语或编码文本中的示例来呈现研究结果。创建可视化图表(表格、条形图),显示类别频率或层级关系。将研究结果与理论和先前的研究联系起来。识别内容中的差距或意外缺失。目标不仅仅是分类,而是解释模式揭示了关于内容意义和信息的什么。

常见陷阱

  • 过早地强加僵化、缺乏灵活性的编码方案;类别应部分从数据中涌现,并进行迭代完善。
  • 错误计数或不一致地应用代码;系统检查和定期的编码者会议至关重要。
  • 混淆内容分析与话语分析;话语分析强调语言如何塑造意义和权力(例如,语言特征、修辞),而内容分析侧重于分类内容。
  • 仅依赖代码频率而忽略定性解释;原始计数在没有背景和对模式意义的分析的情况下是无意义的。

常见问题

显性内容分析和隐性内容分析的区别是什么?

显性内容分析侧重于明确的、表面的意义:直接陈述或显示的内容。例如,计算特定词语或明确陈述的频率(例如,“词语‘疼痛’出现47次”)。隐性内容分析解释潜在的或隐含的意义——内容暗示、暗示或揭示了关于价值观、态度或世界观的内容。例如,分析媒体对肥胖的描绘如何隐含地传达道德判断或羞耻感。显性分析更客观;隐性分析需要解释性判断。大多数QCA结合了两者:显性类别(说了什么)与隐性解释(意味着什么)。

定性内容分析与主题分析有何不同?

两者都识别定性数据中的模式,但在结构和目的上有所不同。主题分析识别广泛的主题或模式,而不必创建僵化的编码方案;它更具归纳性和探索性。内容分析创建明确的、系统应用的编码方案,具有定义的类别和决策规则;它更具结构性,并允许频率计数。内容分析更适合需要一致性的大型数据集;主题分析通常在探索性研究中更快。有些人认为主题分析是一种内容分析;其他人则认为它们是不同的。使用主题分析进行探索性模式查找;使用QCA进行系统、透明的分类和频率数据分析。

我如何确保我的编码方案可靠且有效?

为每个类别制定清晰的定义,并包含纳入/排除标准。至少让一位第二位编码者独立编码一部分数据(最低10–20%)。计算评分者间信度:简单方案的百分比一致性,更复杂方案的Cohen's kappa或Krippendorff's alpha(目标>0.70)。通过讨论解决分歧,如有必要则完善类别定义。在整个分析过程中定期的编码者会议保持一致性。记录您的编码决策和推理(审计追踪)。有效性:确保您的类别与您的研究问题逻辑相关,并提供对模式的有意义的解释。在全面分析之前,对小样本进行编码方案的试点测试。

我是否可以使用QCA进行演绎和归纳编码?

是的。纯粹归纳的QCA从数据中开发类别。纯粹演绎的QCA应用来自理论或先前研究的预定类别。许多研究使用混合方法:从基于理论的演绎类别开始,然后添加从数据中出现的归纳代码。这可以通过结合理论严谨性和数据响应性来加强分析。明确说明您使用了哪种方法(或组合),并证明您的选择是合理的。

典型的代码数量是多少,何时应该合并或拆分类别?

初始归纳编码通常会从15–20次访谈或文档中产生30–100多个代码,然后将它们分组为10–25个类别。目标不是最小化代码数量,而是创建连贯的层级结构:特定代码嵌套在更广泛的类别中。当代码代表相同概念或产生冗余时(保留它们分开没有意义),则合并代码。如果类别过于宽泛且包含异质意义,则拆分类别(例如,“障碍”可能拆分为“结构性障碍”和“个人障碍”)。审计您的方案:如果一个代码只出现在一个文档中,则质疑它是否值得拥有一个代码,还是它是一个异常值。

相关方法

参考文献

  1. Krippendorff, K. (1980). Content analysis: An introduction to its methodology. Sage Publications.

    打开出版物文献
    已复制。
  2. Schreier, M. (2012). Qualitative content analysis in practice. Sage Publications.

    打开出版物文献
    已复制。
  3. Hsieh, H. F., & Shannon, S. E. (2005). Three approaches to qualitative content analysis. Journal of Nursing Research, 13(4), 203–215.

    打开出版物文献
    已复制。