Пример классического контент-анализа. Часть первая

Здравствуйте, уважаемые читатели блога о контент-анализе! В этой статье мне бы хотелось привести пример использования метода контент-анализа. Для читателей не знакомых с базовыми принципами метода этот материал будет весьма полезен. Я решил описать алгоритм работы в рамках проведения простейшего классического качественного контент-анализа.

Безусловно, сегодня замер можно реализовать с использованием компьютера и специализированного или массового софта. Раньше же, несколько десятилетий назад, качественный контент-анализ проводился с использованием листов бумаги с отпечатанным текстом, ножниц и клея. Изначально надо было разбить (разрезать) тексты на приблизительно равные фрагменты, содержащие законченные мысли. После этого выстроить тематическую структуру, охватывающую разброс тем в рамках выбранного массива текстов. Далее требовалось закодировать (дать короткие имена) эти тексты, после чего собрать закодированные едиными терминами фрагменты текстов вместе. Разбиение на фрагменты может происходить и одновременно с кодированием.

Далее следовала качественная интерпретация материалов каждой из тематических групп — исследователь должен был выяснить причины, по которым тот или иной образ, предмет, явление, процесс и т.д. преподносятся именно в таком, а не ином свете, для чего они именно так преподносятся. По сути, качественный анализ также часто сводился и сводится просто к перечислению всех возможных эпитетов, метафор и более развёрнутых характеристик изучаемых предметов. Получение относительно полного перечня таких характеристик ставит точку над исследовательской работой. Я полагаю, что этот подход несколько неполон, и помимо перечисления характеристик, важно акцентировать внимание на поиске причин такого преподнесения информации, пытаться понять мотивы автора текста. Также часто исследователь акцентирует внимание на поиске уникальной составляющей, выделяющейся из общей совокупности деталей. Думаю, этот подход также должен быть ЧАСТЬЮ набора методик анализа, а не единственным его средством.

Очень важно понять, что в случае с количественным анализом исследователь главным образом отвечает на вопрос СКОЛЬКО? В случае же с качественным анализом он старается ответить на вопросы КАК? ЗАЧЕМ? ПОЧЕМУ? В СВЯЗИ С ЧЕМ? и аналогичные. При этом подчеркну — качественной стадии может предшествовать и количественная, так как исследователь может заинтересоваться и тем КАК? ЗАЧЕМ? ПОЧЕМУ? В СВЯЗИ С ЧЕМ? автор (авторы) высказываний НАИБОЛЕЕ ЧАСТО излагают свои мысли. В нашем примере, который последует ниже, как раз и используется синтез обоих подходов. Мне кажется, такая триангуляция (в данном случае совмещение количественного и качественного контент-анализа) оптимальна. Даже проводя качественный анализ (здесь приведён только лишь один подход к реализации качественного контент-анализа — в действительности их больше, и они могут иметь совсем разную форму реализации), не стоит забывать и об актуальности выборочных деталей в их генеральной совокупности.

Сразу предупреждаю: классический контент-анализ — довольно трудоёмкое занятие, требующее массу времени. И вместе с тем, даже будучи уже мало используемым, он остаётся актуальным как средство овладения более сложными методиками анализа текста. В этой связи, если Вы планируете освоить метод контент-анализа достаточно профессионально, рекомендую не игнорировать классические каноны контент-анализа, представленные в этой статье.

Итак, с чем же мы будем работать? В рамках данного показательного микрозамера вполне возможно обойтись совсем небольшой выборкой и опять же небольшим набором параметров. Причина такой минималистичности довольно проста — не хочется делать полноценное исследование только ради написания этого поста 🙂 Очень надеюсь на Ваше понимание. Метод очень простой, поэтому трудностей никаких опять же с Вашим пониманием (на сей раз самого метода) возникнуть не должно.

Сразу подчеркну — чтобы лучше понять суть метода (или даже чтобы просто его понять), пожалуйста, прочитайте какие-либо статьи или хотя бы статью о качественных методах исследований — мне довольно непросто передать их суть в рамках небольшого поста здесь на блоге, а дублировать ранее многократно описанное желания не возникает 🙂

Поехали.

Во-первых, нам необходимо решить задачу сбора самого текстового массива, который мы будем анализировать. В данном примере мы будем работать с результатами глубинных интервью на тему наркомании и наркоугрозы в России (при этом никакой конкретики не будет — тема и непосредственно содержание интервью здесь для нас не играют роли, и также это довольно проблематично наглядно преподнести в формате скриншотов). Также стоит отметить, что  это могли быть и иные тексты — например, результаты фокус групп, публикации в СМИ и т.д.

Предположим, Вы составили гайд (или его ещё называют топик-гайд), содержащий набор тем и подтем, на которые будет опираться Ваше общение с респондентами. Далее Вы благополучно взяли интервью и набрали высказывания респондентов в текстовом формате. Поместили каждое из интервью в отдельном текстовом документе. Настоятельно рекомендую кодировать названия документов следующим образом (или аналогичным) — например, 1petrov25m. Расшифровывается так: цифра 1 в начале кода говорит о том, что это первое интервью, взятое интервьюером Петровым (petrov). Респонденту 25 лет и он мужчина (буква m в конце кода). Соответственно кодом 3sidorov45w будет назван документ, в котором содержится третье интервью (то есть Сидоров взял их несколько, и это ЕГО третье интервью), взятое Сидоровым у женщины 45 лет. Так нужно закодировать каждое интервью и разместить в отдельном документе.

Теперь Вам надо открыть Excel либо аналог и приступить к достаточно кропотливой и долгой работе разбиения текста на отдельные фрагменты, коды и непосредственно текст которых  помещается в таблицу. Ниже показан образец таблицы для размещения всех фрагментов каждого из интервью.

Работать с такой системой кодов текстовых фрагментов удобно, и это станет понятно уже в процессе анализа материала. Как Вы видит, созданная таблица содержит ряд столбцов «параметр 1», «параметр 2» и т.д.. Дело в том, что для реализации нашего замера нам потребуется ввести ещё одну систему кодов. Под словом параметр в данном случае подразумевается та или иная микротема, микросюжет, фигурирующий в рамках информационного пространства анализируемого материала. Этот набор параметров должен охватывать наиболее важные составляющие тематического поля материала, то есть их совокупность должна полно передавать набор тем и микротем, затрагиваемых респондентами в рамках интервью.  Для того, чтобы ввести такие параметры, прежде всего достаточно будет просто попытаться представить себе их, в частности, опираясь на гайд,  и записать в соответствующие ячейки таблицы. Далее имеет смысл открыть тексты интервью и, бегло прочитывая их, дополнить набор параметров. Это можно сделать также опираясь на нюансы конкретного ТЗ. Таким образом, это должны быть наиболее весомые параметры. Ориентировочно у Вас должно получиться 20-35 параметров. Их число зависит от объёма текстового массива, от самого потенциала вариативности темы, глубины гайда и качества интервьюирования. Всё — закончили наполнять таблицу и получили следующее:

Наверное, нетрудно догадаться, что теперь самое время приступить непосредственно к кодированию материала. Строится оно следующим образом: в том случае если в текстовом фрагменте присутствует упоминание параметра Вы ставите 1, если отсутствует — ставите 0. Шкала может быть и порядковой, например, 1 — нейтрально выраженный параметр, 2 — несколько эмоционально выраженный параметр, 3 — ярко эмоционально выраженный параметр. В данном примере рассмотрим простейшую количественную шкалу, просто чтобы не усложнять себе задачу. На основе такой шкалы нам необходимо обработать весь текстовый массив — применить каждый из параметров к каждому из текстовых фрагментов. Задача, мягко говоря, непростая и кропотливая. Вот что мы должны получить на выходе:

Полученная таблица также носит название матрицы контент анализа. Она поможет Вам произвести анализ текстового массива и также даст возможность совершить простейшую квантификацию представленности микротем в изучаемом информационном пространстве, то есть узнать насколько активно заявляется та или иная микротема, насколько она популярна. Однако об этом мы с Вами поговорим во второй — аналитической части этой статьи. Это будет уже следующий пост на блоге. ВТОРАЯ ЧАСТЬ ТУТ.

Спасибо за Ваше внимание!