纵向内容分析 — 追踪随时间变化的意义
- 提出者
- Developed within the content analysis tradition; longitudinal extensions widely applied since the mid-20th century in communication and political science research
- 年份
- Mid-20th century onward; systematized alongside content analysis (Berelson, 1952; Krippendorff, 1980)
- 类型
- Qualitative and mixed-methods research design
- 类别
- Qualitative design and 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?
纵向内容分析(Longitudinal Content Analysis, LCA)将系统性的内容分析应用于在两个或多个时间点抽取的文档、媒体或文本,以检测主题、框架、语言或话语模式如何随时间变化或保持不变。它借鉴了内容分析的既定逻辑,增加了一个时间维度,使研究者能够绘制趋势图、追踪表征的演变并检验关于历史或社会变化的假设。该方法广泛应用于传播研究、政治学、媒体研究和健康科学领域。
方法背后的直觉
想象一下,你想了解报纸对气候变化的报道在 2000 年至 2020 年间是变得更加危言耸听还是更加关注解决方案。一次性的内容分析只能给你一个快照;纵向内容分析则能给你连续的电影胶片。你将相同的编码方案应用于在规则的时间间隔(例如,每两年或五年)抽取的样本,然后比较不同时间点产生的频率或主题。该方法之所以严谨,是因为编码规则保持不变,因此不同时期之间的差异反映了文档的真实变化,而不是编码者解释方式的变化。
历史学
内容分析作为一种正式方法,由 Bernard Berelson 在其 1952 年的手册中编纂,并由 Harold Lasswell 及其同事在政治传播研究中扩展。纵向应用——在一段时间内对同一传播渠道进行重复的内容分析——自然而然地发展起来,因为研究者试图追踪政治议题、社会群体和事件的媒体报道在几十年间的演变。Klaus Krippendorff 的开创性著作(首次出版于 1980 年,现已出到第四版)为横截面和纵向设计提供了方法学基础。到 20 世纪 90 年代和 21 世纪初,纵向内容分析已成为议程设置研究和媒体框架研究的标准实践。
何时使用
当核心研究问题是关于某个主题、议题或群体在文档或媒体中的表征随时间的变化或持续性时,应使用纵向内容分析。它适用于研究媒体框架趋势、政策话语演变、文本中的文化变迁或公共传播的历史性变化。该方法需要至少两个不同时间点的可比文档语料库,以及一个适用于所有时期的稳定编码方案。当不同时期的文档不可比(例如,不同体裁或格式)、只有一个时间点可用,或者感兴趣的现象存在于参与者体验而非文档中时,不应使用此方法——在这些情况下,标准的(横截面)内容分析或纵向定性访谈设计更为合适。
局限与注意事项
- 需要能够跨所有目标时间点获取可比的文档语料库;缺失或不完整的档案会削弱时间覆盖的有效性。
- 编码方案必须在数据收集之前确定;如果现象朝着不可预见的方面发展,预设的类别可能会遗漏新出现的主题。
- 必须在每个时间点保持编码员间信度,这增加了研究跨越多个时期时的培训和协调负担。
- 研究结果描述的是文档本身,而不是受众或意图;关于内容如何被接收或产生的推断需要额外的证据。
- 长时程增加了编码漂移的风险——编码员在应用类别时逐渐发生不易察觉的转变,这可能模仿真实的变化。
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
- 直接解决了横截面分析无法回答的关于变化、趋势和持续性的时间性问题。
- 跨时间点保持一致的系统编码规则确保了可比性和透明度。
- 可扩展性:可以通过训练有素的编码员或日益普及的计算文本分析方法应用于大型文档档案。
- 与定性解释和定量趋势检验在同一研究中的兼容性。
- 非常适合档案和二手数据,减少了主要数据收集的伦理和后勤负担。
应用
- 追踪新闻媒体对移民、气候变化或公共卫生危机在数年或数十年间的框架设定变化。
- 分析政党宣言或政策文件在选举周期中如何改变其语言和优先事项。
- 监测广告、电影或教科书中性别、种族或残疾的表述随时间的变化。
- 研究科学或公共卫生传播策略如何根据新出现的证据进行演变。
- 记录企业可持续性报告或年度报告话语的长期变化。
- 研究围绕某个社会运动的社交媒体话语如何从出现到制度化发展。
使用方式
使用方式
研究者首先明确关于随时间变化或稳定性(change or stability over time)的研究问题,然后选择一个编码方案(要测量的类别、主题或框架),并确定要比较的时间段。编码方案必须在数据收集开始之前定义好,并在所有时间点保持一致,以确保可比性。
使用一致的抽样策略(例如,报纸头版、社交媒体帖子或政策文件的随机抽样)为每个时间点组装文档语料库,以确保不同时间点之间的差异不是由不平等的抽样造成的。分析单位(文章、段落、图像等)在不同时间点保持固定。
经过培训的编码员独立地将编码方案应用于每个时间段的语料库,记录每个类别的出现、频率或强度。在每个时间点使用 Cohen's kappa 或 Krippendorff's alpha 计算编码员间信度(inter-coder reliability),以确认编码在研究中是一致且可重复的。
来自每个时间段的编码数据被汇总和比较——通常通过频率计数、比例或类别共现——以识别时间线上的增加、减少或稳定模式。在设计足够大的情况下,统计趋势检验(例如,趋势的卡方检验、时间回归)可以补充描述性比较。
分析者结合历史背景、理论框架和先前的文献来解释观察到的变化或稳定性。在得出关于真实趋势的结论之前,会考虑并尽可能排除竞争性解释(例如,出版量变化、编码漂移或文档可用性变化)。
常见陷阱
- 在研究过程中更改编码方案——在时间点之间修改类别定义会破坏可比性并使趋势比较无效;在任何数据收集开始之前,应最终确定并试点该方案。
- 忽视编码漂移——如果没有在每个时间点进行定期的重新校准和信度检查,编码员可能会逐渐以不同的方式应用类别,从而产生虚假的趋势。
- 跨时间点抽样不均或不可比——如果文档的数量、体裁或来源在不同时间点系统性地变化,观察到的趋势可能反映了抽样偏差而非真实的内容变化。
- 将文档趋势视为受众或社会趋势,而没有充分的推断——该方法告诉你文本中发生了什么变化,但不一定告诉你思想或社会中发生了什么变化。
常见问题
我需要多少个时间点来进行纵向内容分析?
最少需要两个时间点才能进行任何纵向比较,但两个时间点只能显示变化与稳定性,无法揭示趋势或轨迹。三个或更多时间点可以进行趋势分析,通常是推荐的。对于丰富的趋势建模,五个或更多抽样周期是理想的。适当的数量取决于研究问题:一项“前后”政策研究可能只需要两个时间点,而一项长达数十年的框架研究则受益于年度或五年间隔。
我可以使用相同的编码方案来处理来自非常不同时代的文档吗?
这是纵向内容分析的核心有效性挑战。类别必须定义得足够精确,以便在不同时期都能一致地应用,但又不能过于狭窄以至于遗漏了同一潜在概念在特定时期内的表达。在最终确定方案之前,对每个时代的文档进行试点编码(并记录任何边界决策)是必不可少的。如果现象已经发生了根本性变化,以至于相同的类别名称在不同时期具有不同的含义,那么可能需要重新考虑设计或辅以对每个时期背景的定性解释。
这与仅仅进行多次独立的内容分析有何不同?
关键区别在于整合和设计。纵向内容分析从一开始就计划了时间比较:它使用通用的抽样协议、固定的编码方案以及在每个时间点的可靠性检查,以确保跨时期比较的有效性。多次独立进行的内容分析——使用不同的编码员、不同的类别定义或不同的抽样规则——即使它们恰好涵盖了相同的主题,也无法支持有效的趋势推断。
自然语言处理(NLP)或主题建模等计算方法能否取代 LCA 中的人工编码?
计算文本分析可以在频率和模式检测阶段补充甚至(对于非常大的语料库)取代手动编码。结构化主题模型等工具可以追踪主题流行度的随时间变化。然而,计算方法需要自身的有效性检查——模型必须经过人工判断的验证,并且主题标签必须由研究者解释。对于精确的类别定义和细致的可靠性标准至关重要的研究,通常最强的方法是结合计算辅助的人工编码。
我该如何处理媒体格局本身的变化——例如,在不同时间点之间出现了新的媒体?
媒体环境的变化是可比性的主要威胁,应在研究设计中明确解决。选项包括将语料库限制在整个研究期间都存在的媒体(但可能牺牲了后期报道的代表性)、按媒体类型分层抽样并报告比例频率而非绝对频率,或将结构性变化视为调节变量。任何决策都应透明地报告,以便读者能够评估观察到的趋势是反映了内容变化还是渠道变化。
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。