横断面定量内容分析
- 提出者
- Berelson, B.; Krippendorff, K.; Neuendorf, K. A.
- 年份
- Mid-20th century (formalized 1952–2000s)
- 类型
- Quantitative observational research design
- 类别
- Survey / observational design
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?
横断面定量内容分析是一种观察性研究设计,其中在单一时间点收集系统抽取的传播内容样本——新闻文章、社交媒体帖子、广告或其他符号材料——并使用预定义的数值类别进行编码,以描述或检验关于该内容中模式、频率或关联性的假设。
方法背后的直觉
假设您想了解女性在一个广播季的黄金时段电视广告中的形象。您将记录该季广告的代表性样本,创建一个包含数值类别的编码方案(例如,角色类型、产品领域、说话时间),让训练有素的编码员系统地应用这些类别,然后对编码数据运行描述性统计或相关性检验。由于所有内容都来自一个时间窗口,这是一个横断面快照——而不是前后比较或趋势研究。其优点是效率和可重复性;局限性在于无法确定因果关系和随时间的变化。
历史学
定量内容分析由 Bernard Berelson 在社会科学领域系统化,他 1952 年的专著《传播研究中的内容分析》提供了第一个全面的方法论框架。Klaus Krippendorff 1980 年的书(2004 年修订)确立了至今仍在使用的可靠性统计方法,尤其是 Krippendorff's alpha。Kimberly Neuendorf 2002 年的指南成为标准培训教材,整合了抽样理论、代码手册构建和统计分析。横断面变体——从有限的时间窗口抽样内容而不是追踪随时间的变化——在媒体研究、政治传播和健康传播研究中占据主导地位已有数十年。
何时使用
当您需要对特定时间点的定义内容体进行系统、可重复的数值描述时,请使用横断面定量内容分析——例如,在特定事件期间绘制新闻框架,审计当前媒体语料库中的代表性,或检验两种内容类型在使用某些特征时是否存在差异。当研究问题是描述性或关系性的(存在什么?频率如何?X 是否与 Y 相关?)并且内容语料库是有限且可访问的时,它就适用。当研究目标是追踪内容随时间的变化(请改用纵向内容分析),理解传播者为何产生某些内容(这需要访谈或实验),或者内容量如此庞大且非结构化以至于无法在没有额外计算方法的情况下进行系统抽样和编码时,则不应使用它。
局限与注意事项
- 无法确定内容特征与受众效应之间的因果关系或影响方向。
- 横断面快照无法检测模式是否随时间变化;历史结论需要纵向设计。
- 结果在很大程度上取决于代码手册的质量:定义不明确的类别会产生不可靠或无效的代码,无论编码员如何努力。
- 显性内容(可见特征)比隐性内容(潜在含义)更容易可靠地编码,这会在可靠性和解释深度之间产生张力。
- 便利性语料库(例如,一个新闻媒体)的非概率抽样限制了外部普遍性。
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
- 系统可重复:代码手册和抽样框架允许独立复制和验证。
- 对大型语料库效率高:训练有素的编码员可以在一项研究中处理数百至数千个内容单元。
- 非反应性:内容已存在,因此测量过程不会影响最初的产出。
- 产生可统计检验和跨研究比较的模式和关联的定量证据。
- 跨媒介类型灵活:适用于文本、图像、视频、音频和混合媒体内容。
应用
- 审计特定广播季黄金时段电视广告中的性别和种族代表性。
- 绘制不同政治倾向的报纸在重大政策事件发生当周的报道方式。
- 分析在公共卫生危机期间收集的社交媒体帖子中健康错误信息声明的流行程度。
- 衡量一年内发表的药品广告语料库中风险语言的频率和类型。
- 比较同一两周期间抽样的全国性和地方性新闻网站的来源多样性。
- 在单点访问的图库摄影目录样本中编码视觉刻板印象的存在。
使用方式
使用方式
研究者精确指定要研究的内容总体——媒介、主题、时间窗口以及任何包含或排除标准。清晰的总体定义对于可重复性和证明最终样本的代表性至关重要。
从总体中抽取内容单元的概率样本或目的样本,使用可辩护的抽样策略(随机、系统、分层或构造周)。由于所有内容都来自同一指定的时间框架,因此该设计是横断面的:没有在第二个或更晚的时间点进行测量以进行比较。
构建一个正式的代码手册,规定要编码的每个变量、其操作性定义、其穷尽且互斥的响应类别以及模糊情况的决策规则。在主要编码之前,对一小部分内容进行代码手册的试点测试是标准做法。
两名或多名编码员根据代码手册进行培训,并对相同的可靠性样本(通常占语料库的 10-20%)进行编码。使用 Krippendorff's alpha 或 Cohen's kappa 计算编码员间可靠性;在继续之前,可接受的阈值通常是 alpha >= 0.80 或 kappa >= 0.70。
编码员独立地将最终代码手册应用于整个样本。每个内容单元的每个变量都会获得一个数值。任何剩余的差异都通过决策规则(例如,多数票或第三位编码员的裁决)解决并记录下来。
将编码数据输入统计软件环境。分析通常包括描述性变量的频率分布和百分比,分类变量之间关联性的卡方检验或 Cramer's V,以及如果存在序数或区间水平的代码,则进行相关性或回归分析。结果将与可靠性统计数据一起报告。
常见陷阱
- 编码员间可靠性不足:在达到可接受的可靠性之前开始全面编码会导致数据无效;务必完成正式的可靠性检查并报告。
- 混淆时间窗口:将研究标记为“横断面”,同时混合来自多个不同时期的内容会产生一个不明确的时间框架——精确指定单一时间窗口。
- 薄弱的操作性定义:模糊的代码手册类别会导致编码漂移;每个类别都必须包含示例、非示例和边界情况的决策规则。
- 夸大因果关系:横断面内容研究可以描述关联性(例如,政治基调与某些来源类型同时出现),但不能声称一个特征导致另一个特征。
- 分析中忽略抽样设计:如果使用了分层或构造周抽样,则应在统计分析中考虑抽样权重或结构。
常见问题
是什么使这种设计成为“横断面”而不是简单的“内容分析”?
横断面标签表明所有内容单元都来自单一、有限的时间窗口,并且没有进行重复测量。这将其与纵向内容分析区分开来,后者在多个时间点抽样相同或可比的内容来研究变化。横断面框架对于界定研究问题范围和解释结果在时间趋势方面能做什么和不能做什么很重要。
我如何决定抽样多少内容?
内容分析中的样本量取决于分析的内容类别数量、交叉制表中预期的单元格频率以及统计检验所需的精度。一个经验法则是,基本描述性和卡方分析至少需要 200-300 个内容单元;功效分析可以指导更复杂的设计。构造周技术(在研究期间随机选择一周中的每一天)是平衡代表性和可行性的广泛接受的策略。
我应该报告哪个可靠性系数?
Krippendorff's alpha 是大多数内容分析工作的首选系数,因为它能校正机会一致性,并且适用于任何测量水平(名义、序数、区间、比率)。Cohen's kappa 可用于两个编码员的名义数据。单独的百分比一致性是不够的,因为它没有校正机会。报告每个编码变量的可靠性统计数据、可靠性样本量和编码员数量。
我能否将横断面定量内容分析与其他方法结合使用?
是的。横断面定量内容分析经常与调查(比较内容模式与受众感知)或实验(测试特定内容特征如何影响反应)结合使用。在一个混合方法项目中,内容分析提供了关于存在哪些信息的描述性图谱,而补充方法则解决了接收或效应问题。
哪些统计检验适用于内容分析数据?
对于分类代码,卡方独立性检验和 Cramer's V 测量关联性。对于比较组间的比例,z 检验或逻辑回归是合适的。序数代码支持 Spearman 相关性或序数回归。如果代码被视为区间水平,则可以使用 Pearson 相关性和 OLS 回归,但这需要仔细论证。在运行检验之前,请务必检查假设(卡方的预期单元格大小,回归的分布)。
相关方法
参考文献
Neuendorf, K. A. (2002). The Content Analysis Guidebook. Sage Publications.
ISBN:978-0761919773已复制。Krippendorff, K. (2004). Content Analysis: An Introduction to Its Methodology (2nd ed.). Sage Publications.
ISBN:978-0761915454已复制。