诠释性视觉分析——透过诠释主义视角解读图像
- 提出者
- Gillian Rose (systematic framework); Roland Barthes (semiotic foundations)
- 年份
- Late 20th century; Rose's visual methodologies framework developed 2001 onward
- 类型
- Qualitative interpretive research approach
- 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?
诠释性视觉分析是一种定性方法,它将诠释主义认识论立场应用于对视觉材料(照片、电影、艺术品、图表和其他图像)的系统检查。它不将图像编码为表面特征,而是将图像视为社会情境化的文本,其含义是通过文化背景、观看者立场以及生产和传播条件来构建的。该方法借鉴了阐释学、符号学和批判社会理论,以揭示视觉数据所承载的多层含义。
方法背后的直觉
考虑一张抗议活动的新闻照片:内容分析师可能会计算出现多少抗议者,但诠释性视觉分析师会问,构图、光线和裁剪如何表明谁被置于中心,谁被边缘化。图像被视为嵌入在社会、历史和文化意义网络中的文本。正如文学阐释学家阅读小说以揭示其时代和背景一样,诠释性视觉分析师阅读图像以揭示其编码和再现的价值观、权力关系和意义构建实践。分析师自身的文化立场被承认会影响可以看见的内容。
历史学
诠释性视觉分析的智力基础在于两个汇合的传统。罗兰·巴特(Roland Barthes)关于图像和文本的结构主义和后结构主义著作——尤其是他1957年的《神话学》(Mythologies)和1977年的《图像、音乐、文本》(Image Music Text)——确立了视觉文化中内涵和神话的分析。另外,从施莱尔马赫(Schleiermacher)经由狄尔泰(Dilthey)到伽达默尔(Gadamer)发展的阐释学传统,为理解需要情境化诠释的文化对象作为文本提供了框架。吉莉安·罗斯(Gillian Rose)在《视觉方法论》(Visual Methodologies, 2001)中综合了这些思想,并增加了批判性社会科学的导向,该书成为从事视觉数据研究的社会研究者的主要方法论参考。后续版本(更新至2016年)纳入了数字和新媒体的背景。
何时使用
当你的研究问题涉及视觉材料的含义以及这些含义是如何被社会构建的时——而不是仅仅涉及视觉特征出现的频率时——使用诠释性视觉分析。它适用于媒体与传播、教育、健康促进、社会政策、艺术研究以及任何图像是主要或重要数据的领域的研究。当研究具有探索性或批判性取向,并且分析师愿意反思性地处理自己的诠释立场时,它是合适的。当你需要对大型语料库中的视觉特征进行可靠的频率计数时(请使用定量内容分析),当图像仅为说明性而非分析对象时,或者当研究需要评分者间信度统计作为主要有效性标准时,则不应使用它。
局限与注意事项
- 诠释受到分析师文化立场的塑造,不能声称中立或确定性含义。
- 不旨在产生统计上可推广的发现;结论描述意义构建实践而非频率。
- 耗时:即使是小型图像语料库的仔细阅读也需要持续的分析注意力。
- 如果没有明确的反思性记录,诠释性选择将变得不透明且难以评估。
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
- 揭示视觉数据中表面编码无法揭示的多层、社会情境化含义。
- 适用于各种视觉材料:照片、电影、社交媒体图像、广告、政策文件、艺术品。
- 突出研究者反思性,使诠释过程透明且可问责。
- 对权力、意识形态和文化背景敏感——对批判性和解放性研究有价值。
- 灵活的框架,根据研究问题整合符号学、阐释学和话语分析。
应用
- 分析健康宣传活动如何通过宣传照片来表现风险、疾病或患者身份。
- 检查新闻媒体如何通过编辑图像的选择和裁剪来构建种族、性别或阶层身份。
- 研究学校教科书插图如何构建理想化或排他性的学习者和知识形象。
- 调查社交媒体自我呈现实践如何在特定平台视觉环境中构建身份。
- 研究政策文件如何使用信息图和图表来使特定的社会问题框架常态化。
使用方式
使用方式
研究者确定视觉材料的地点或语料库——哪些图像,来自哪些来源,在什么条件下生产。这包括关于生产背景(谁制作了图像,为谁制作,意图是什么)、传播背景(图像在哪里以及如何传播和被看到)以及受众背景(观众如何遇到和回应它)的决策。目的性抽样选择与研究问题相关的、信息丰富的图像。
在仔细阅读之前,分析师记录图像生产和传播的社会和历史背景。这一背景层将那些否则会显得自然或普遍的含义置于情境中。研究者也反思性地定位自身:承认自己自身的文化背景、理论承诺和凝视,以便诠释过程保持透明。
分析师对每幅图像进行初步的构图阅读:关注内容(描绘了什么)、形式(构图、色彩、光线、角度、构图)和空间组织。这一阶段是描述性的而非诠释性的,在更深层次的诠释开始之前创建一个共享的描述性叙述——类似于现象学中的“悬置”。
借鉴阐释学或符号学框架,分析师在视觉细节与其更广泛的社会意义之间进行迭代循环。分配代码以识别指示性内容(字面上显示的内容)和内涵性意义(暗示了哪些文化联想和意识形态价值观)。探索多种解读,并注意视觉文本中的张力或矛盾,而不是过早地解决它们。
在整个语料库中,分析师将编码的含义整合到一个连贯的诠释性叙述中——对视觉材料的含义、这些含义是如何构建的以及图像所做的社会或文化工作进行丰富的文本描述。这种综合通常包括说明性的引文等价物(复制的图像或带有页码或时间戳引用的详细描述),并且是反思性地书写的,承认诠释的局限性。
常见陷阱
- 将图像视为现实的透明窗口——忽略了每幅图像都是通过特定的选择来构图和编码的,这些选择塑造了沟通的内容和方式。
- 跳过情境框架——在不将其置于生产和传播背景下解读图像,会导致脱离情境且可能具有误导性的解读。
- 未披露的立场性——未能承认分析师自身的背景和假设如何塑造解读,会损害诠释的可信度。
- 声称含义详尽——视觉文本是多义的;分析师应将其解读呈现为一个有充分依据的诠释,而不是唯一的正确含义。
常见问题
诠释性视觉分析与视觉内容分析有何不同?
视觉内容分析(定量)系统地计算大型语料库中预定义视觉特征的频率,以识别模式。诠释性视觉分析询问图像的含义以及这些含义是如何被社会构建的,通过仔细的、迭代的阅读来处理较小的语料库。两者可以互补:内容分析确定什么是普遍的;诠释性分析解释其含义。
我的语料库需要多少图像?
没有固定的最小值,因为其逻辑是理论饱和而非代表性。研究可以从单一的关键图像(仔细阅读)或数百张图像开始;语料库的大小取决于研究问题。在单一研究中,一个有目的选择的20到60张图像的语料库很常见。标准是语料库是否足以以足够的诠释深度来解决研究问题。
我需要专门的符号学理论来使用这种方法吗?
熟悉核心概念——指示、内涵、能指和所指、神话——是有帮助的,并且可以通过入门读物(如巴特或罗斯的作品)来理解。你不必精通高级符号学;关键要求是系统地反思性地关注图像中意义的构建方式,并以明确且有记录的分析框架为指导。
我可以使用这种方法处理数字或社交媒体图像吗?
是的,罗斯的后续版本特别讨论了数字图像的传播。社交媒体图像引入了额外的分析考虑:平台的功能决定了图像的生产、过滤、加注标题和接收方式;元数据(喜欢、分享、评论)可以构成视觉文本的一部分;当创作者和观众占据同一平台时,生产和受众的背景区别就会模糊。这些背景应包含在情境框架步骤中。
我如何证明诠释性视觉分析的严谨性?
严谨性通过透明度而非可复制性来证明。记录并论证语料库选择标准,阐明指导诠释的理论框架,提供说明性图像(或在图像复制受限时提供详细描述),通过清晰的示例展示诠释性编码过程,并反思性地书写你的立场性可能如何影响解读。成员核查或同行评审可以进一步增强可信度。
相关方法
参考文献
Rose, G. (2016). Visual Methodologies: An Introduction to Researching with Visual Materials (4th ed.). Sage.
ISBN:978-1473925038已复制。Barthes, R. (1977). Image Music Text (S. Heath, Trans.). Fontana Press.
ISBN:978-0006861355已复制。