Месяц: Май 2013

Итоги семестра обучения контент-анализу в университете

Здравствуйте, уважаемые читатели блога о контент-анализе.

Сегодняшний пост — просто подведение итогов этого весеннего семестра 2013 года моего обучения контент-анализу в университете. Сразу подчеркну: как обычно я не доволен тем, что получилось 🙂 Хотел успеть очень много, существенно расширил курс, но получилось успеть не намного больше, чем обычно и чем предполагает курс.Многие методики и софт остались не освоенными. Мне кажется, я слишком многого хочу от студентов, от себя и от доступных нам часов. Но, буду пробовать и дальше расширять курс и максимально эффективно использовать время.

Самым важным достижением, как мне кажется, явился созданный мной e-learning — площадка электронного обучения контент-анализу, представляющая собой некоторый план занятий, и материалы к ним — ссылки на актуальные статьи, софт, задания, формы для загрузки домашних заданий — аналитических записок и т.д., форумы, блоги, чаты и много всего ещё. Большая часть этого не пригодилась, но самое главное, по итогам проведения курса в течении 3-х семестров, адекватная площадка всё же создана.

Читать далее Итоги семестра обучения контент-анализу в университете

Бесплатная программа для контент-анализа QDA MINER LITE

Здравствуйте, уважаемые читатели блога о контент-анализе!

Сегодня хочу просто поделиться радостной новостью — рылся на сайте Provalis, производителе программ для проведения контент-анализа WordStat, SimStat, Qda Miner и других. Искал информацию об ограничениях триальных версий их софта и наткнулся на бесплатную программу для качественного контент-анализа QDA MINER LITE. Это обрубок от QDA MINER, который ещё опишу позже. Функцоонал довольно скудный — создание категорий и кодов, кодирование, комментирование, экспорт и простая квантификация. Однако, уже что-то!

В принципе, для несложной обработки текста годится. Пока на программу только наткнулся, с работой в ней ознакомился очень поверхностно, однако, впечатление осталось очень приятное. Кириллицу поддерживает, что немаловажно. Сама программа на английском, но это проблем у пользователя вызвать не должно — иностранных слов чуть-чуть совсем — функционал-то бедный 🙂 Хотя… По мне, так он не сильно отличается от ATLAS.ti (по первому впечатлению) — самое важное-то есть…

Оболочка та же, что и у QDA MINER, а неработающие функции просто неактивны, но присутствуют в интерфейсе.

Как бы-то ни было, эту программу для проведения качественного контент-анализа текста (и, кажется, ещё и графических файлов, а может и нет) опишу скоро на блоге!  А вообще отлично — судя по всему, многие ищут бесплатный софт для проведения контент-анализа, а его, увы, нет нигде. Но вот нашёлся-таки 🙂

P.S. Как опишу QDA MINER LITE приступлю к QDA MINER, WORD STAT и SIMSTAT. Это уже серьёзный полноценный и дико дорогущий софт.

Google документы — групповое кодирование текста в контент-анализе

Здравствуйте, уважаемые читатели блога о контент-анализе!

Сегодня небольшой пост про совместное кодирование текста в контент-анализе. Нередко, необходимо провести контент-анализ большого массива текста вручную, то есть идентифицировать микросюжеты, пополняя постепенно их список в процессе работы, либо работать с фиксированным категориальным аппаратом и набором параметров. Такую работу удобнее делать в группе кодировщиков, что ускоряет процесс работы. Один в поле не воин, если речь идёт о развёрнутом категориальном аппарате из 20-50-ти параметров и нескольких сотнях или тысячах фрагментов текста. Закодировать массив одному будет очень трудно. Рано или поздно такая работа просто выбесит и её захочется бросить.

Вывод: собираем группу кодировщиков и проводим кодирование коллективно.

Допустим у нас на руках есть заданный набор параметров для кодирования. Самое элементарный пример — будем классифицировать единицы анализа (пусть это будут целые предложения) по оценочному признаку — позитивные/негативные. Открываем EXCEL или аналог, например, Libre Office (бесплатный аналог MS Office) и вводим в каждую строку по предложению, создаём столбец с кодом документа, кодом кодировщики, 2 столбца для наших параметров + столбец для нейтральных предложений. Кодируем:

Читать далее Google документы — групповое кодирование текста в контент-анализе