трек «Интернет-исследования»
клуб любителей участвует в запуске направления «интернет-исследования» в магистратуре ИТМО по цифровым гуманитарным наукам. подробности — на сайте центра. набор идёт!
тьюториал Александры Гончаровой и Александры Кейдия
что такое контент-анализ?
Если вкратце, контент-анализ (далее К-А) — это анализ формы и содержания текстов и информационных источников: их обработка, оценка и интерпретация. Он позволяет исследовать объекты, явления, процессы и свойства социальной реальности, которые представлены в этих текстах.

Анализировать можно любые источники информации, например, новости в СМИ на определённую тему, учебники, архивные документы, исследовательские интервью, программы политических партий, посты в социальных сетях и т. д.

Ваша задача — читая тексты, найти в них интересные и релевантные теме вашего исследования детали. Иногда контент-анализ позволяет понимать и контекст, иногда — учитывает только количественные показатели.

Чем больше изучаемая база материалов, тем меньше чувствительность к контексту. Это иногда пытаются наверстать за счёт лингвистических методов, когда соотносят между собой слова, имея в виду их морфологию, части речи, связь друг с другом на уровне языка. Например, можно выявлять сходные конструкции в статьях Википедии и делать на основе этого открытия об их содержании, даже не зная языка. Это сделали в своём исследовании Борис Орехов и Кирилл Решетников и обнаружили гонку в национальных Википедиях: горные и луговые марийцы состязались в том, у кого больше вики-раздел на национальном языке. Но мы будем говорить о более традиционном для социальных наук контент-анализе на примерах анализа СМИ.

Контент-анализ позволяет учитывать, в частности:

  • упоминание определённых элементов текста и частоту их упоминания;
  • обобщённые эмоциональные оценки (позитивный/негативный);
  • структуру текста (деление на предложения/абзацы, смысловое содержание — что именно упоминается, а что, возможно, нет);
  • динамику развития ситуаций (например, как изменяется освещение разными СМИ одного и того же события с течением времени).

Примеры исследовательских вопросов для К-А:

  • Как соотносятся, чем отличаются друг от друга материалы офлайн-газет и онлайн-СМИ или блогов при освещении темы мигрантов в Москве?

  • Как партия «Feminist Initiative» в Швеции включает различные социальные группы в проект феминистской политики? Что или кто конструируется как антагонист этой политики? (по материалам исследования)

  • Есть ли связь между половой принадлежностью пользователя MySpace и типами его самопрезентации (например, количеством текста в разделе «About me», в различных категориях «Interest», в невербальном поведении на фото в профиле)? (по материалам исследования)
как проводить контент-анализ?
схема
Рассмотрим процесс контент-анализа на примере гипотетического исследования о том, как материалы СМИ представляют взаимодействие государства с другими акторами по вопросам технического обеспечения инфраструктуры интернета. Изначально мы не знаем, с кем государство взаимодействует, а также берём тяжеловесное и общее описание «технического обеспечения инфраструктуры интернета», чтобы на выходе получить понятный результат. Вопрос исследования будет: с кем и как государство взаимодействует, чтобы контролировать и создавать технологии, составляющие интернет?
1
система анализа

С чего начинается анализ? В первую очередь, с подготовки базы данных и принятия решения о том, как мы будем её анализировать. Мы составляем план и собираем в единую систему то, что будем искать в источниках.

Как подготовить базу данных?

  • Сохранить все материалы в едином формате — особенно если это важно при работе с онлайн-контентом. Лучше всего скачать материалы так, чтобы не возвращаться к оригинальному сайту — чтобы нужная вам информация не потерялась из-за обновлений сайта. Единообразие должно заключаться в том, какие элементы текстов будут у вас в базах. Например, это могут быть полные тексты статей, с заголовками и лидами. Наконец, если вы, скажем, взялись за инстаграм, стоит определить: будете ли вы анализировать только картинки, или также подписи и хэштеги. Принимать такие решения всегда непросто, но нужно ориентироваться на задачу: сможете вы с помощью того или иного инструмента её решить или нет.

  • Понять, насколько большим будет ваш материал. Это поможет вам определиться с инструментом, увидеть, сможете вы его обработать вашу базу вручную или понадобятся компьютерные методы.

  • В любом случае, вам скорее всего пригодится таблица (для перечисления и структуризации элементов анализа) и текстовые документы. Нужно принять решение, будете вы работать в Office/Open Office или онлайновых редакторах вроде Google Docs. Последние удобны тем, что в них удобно работать коллективно. Но в них меньше возможности форматирования, чем в офлайновых офисных пакетах.

Затем нужно выделить категории анализа.
    Категории анализа — это исследовательские проблемы, идеи или темы. Такими категориями могут стать, например: упоминание в тексте, черты исследуемых явлений и характеристики самого текста (его объём, структура, эмоциональная окраска и т. п.).

    Например, основываясь на нашем исследовательском вопросе, можно выделить следующие категории:

    • упоминание государств как действующих лиц (акторов);
    • упоминание других акторов;
    • упоминание терминов, связанных с инфраструктурой интернета;
    • характеристика возможных действий акторов с интернетом.

    Далее выделим единицы анализа.
      Единица анализа — это та часть текста/источника, которая принадлежит к какой-либо выделенной вами категории.

      В зависимости от категории, единицы анализа могут быть разными, например:

      • термины, понятия, обозначения;

      • темы и инфоповоды, например: события в период блокировки Telegram;

      • имена значимых персон (или групп);

      • названия государств, компаний, организаций, территорий, социальных и культурных объектов;

      • общественные события, факты, социальные ситуации;

      • подтекст и оценка (Что пытаются донести авторы новостей и материалов до читателей? Имеется ли ещё что-либо кроме информирования, например, позитивная или негативная оценка явлений или действий значимых персон?).

      Можно не задавать единицы анализа заранее, а определить их в процессе работы с текстом. В таком случае вы можете отмечать те части в тексте, которые кажутся вам подходящими и релевантными интересующей вас теме. Это может быть, например:

      • то, что неоднократно повторяется в тексте;

      • то, что обращает на себя внимание, наводит на мысль, кажется удивительным;

      • то, что информант (или автор текста) отмечает как важное;

      • то, с чем вы уже сталкивались в ходе изучения вашей темы (в том числе связанное с теорией, определениями).

      Единицы анализа надо выбирать так, чтобы их было легко обнаружить. В категории должно быть больше одной единицы анализа, иначе в табличке все ячейки будут заполнены одинаково. Например, категория — упоминание государств, единица анализа — названия этих государств (Россия, США, Великобритания и т. п.)

      Единицы анализа иногда нужно не только найти, но и сосчитать. Для этого вводим единицу счёта. анализа должны быть легко обнаружимы. А одна категория не может характеризоваться одной единицей анализа: их должно быть столько, чтобы из них можно было выбирать.

      Единицы анализа важно не только найти, но и сосчитать. Для этого вводим единицу счёта.
      Единица счёта — это мера количества повторений, проявлений, упоминаний и т. п. интересующей нас части текста/источника. Такой единицей может быть слово, словосочетание, предложение, абзац, строка или статья.
      Например, для категории «упоминание государств» единицами анализа являются названия государств, единицами счёта — слова.

      В каких случаях единицей счёта может стать большой объём текста (например, абзац или статья)? Чаще всего, в ситуациях, когда вам нужно дать какую-то характеристику этому тексту (определить тип материала, эмоциональную окраску, отметить наличие или отсутствие каких-либо элементов и т. п.).

      Для удобства в дальнейшей работе единицам анализа можно присвоить свои коды — числовые или буквенные. Это может выглядеть так:
      2
      анализ данных: кодировка

      Подготовка

      Прежде чем приступать к кодировке всего массива данных, нужно сделать пилотаж — пробную кодировку небольшого количества текстов. Так вы сможете проверить, не упустили ли вы чего-либо при составлении системы анализа — возможно, ваши категории или единицы анализа стоит дополнить. Еще делают так: два кодировщика кодируют один и тот же массив и потом оценивается процент совпадений. Обычно в публикациях в части методологии даже указывают этот процент, например 80%.

      Если вы кодируете вручную, проще всего составить таблицу, где в «шапке» столбцов будут перечислены все ваши единицы анализа, а строки будут соответствовать источникам (статьям, главам, параграфам и т. п.).

      Но можно делать это и не вручную.

      Какие программы могут пригодиться вам для контент-анализа?

      • Excel (а также родственные ей Numbers и Spreadsheets) — отличная базовая программа. С её помощью можно и кодировать, и анализировать полученные данные.

      • Обрабатывать данные можно в статистических программах, например, в SPSS.

      • Также можно пользоваться различными программами, созданными специально. Например: QDA Miner, CATPAC, Yoshikoder, TextAnalyst. Здесь можно почитать про них подробнее: http://content-analysis.ru/
      Пример кодировки нескольких статей одного СМИ (по схеме выше):
      Вот пример анализа одной из статей на тему взаимодействия государства и других акторов (стейкхолдеров) по вопросам техобеспечения интернета.

      Для наглядности разными цветами подчёркнуты единицы анализа разных категорий: упоминание государств, упоминание других акторов, интернет-термины, действия акторов по отношению к интернету.
      Кодировка интересующих нас категорий анализа в этой статье дала следующие результаты (единица счёта — слово):
      Можно заметить, что в нашем примере в некоторых случаях также хорошо подошло бы использование словосочетаний в качестве единиц счёта (чтобы лучше учитывать и понимать используемые термины и описываемые действия).
      Виды кодирования

      Возможны два способа создания системы анализа (кодов и категорий):

      • в случае bottom-up кодирования вы находите коды и категории, релевантные вашим исследовательским задачам, формируете их список в ходе анализа текстов. Система анализа не задана заранее, а создаётся и дополняется, когда вы изучаете текст;

      • в случае top-down кодирования вы заранее формируете список кодов и категорий и сразу применяете его к текстам. Систему анализа также можно дополнять в ходе исследования, но она существует заранее.

      В ходе исследования вы занимаетесь поиском и изучением определённых концептов.
      Коды и концепты
      Концепт «первого порядка» — это код: понятийное обозначение смысловых единиц, «ярлык», который объединяет одинаковые по сути слова и фрагменты. При этом коду необязательно быть коротким или числовым, как в количественном анализе. Им могут быть обобщающее слово, фраза или термин.

      Концепт «второго порядка» — это категория: обобщающее понятие, включающее в себя несколько кодов по одной тематике.

      Как соотносятся коды и категории? Коды отражают возможные варианты проявления какой-либо категории в анализируемом тексте. Категории, таким образом, состоят из кодов. В похожем отношении находятся категории и единицы анализа в количественном анализе.

      Например: категория — политические взгляды, коды — «либеральные», «консервативные» и т. п.
      3
      что делать дальше?
      анализ полученных данных

      Можно сравнить данные количественно:

      • сколько раз упоминается объект?

      • какова динамика? например, увеличивается ли частота упоминаний со временем?

      Дальше можно перейти к выявлению связей между объектами:

      • связаны ли упоминания объектов? (например, встречаются ли вместе слова интернет и зависимость?)

      • есть ли решительные несовпадения между упоминаниями разных объектов? например, когда в один период времени объекты встречаются всегда вместе, а в другой — нет?
      зачем проводить контент-анализ?
      С помощью базовых приёмов контент-анализа из большого количества источников и крупных массивов текста можно извлечь связанные и структурированные понятия. Уже по этим первым извлечённым данным можно сделать некоторые выводы. Например, по количеству упоминаний можно судить о распространённости информации о событии. Если сравнить упоминания двух событий, мы поймём, какое из них популярней.

      Если идти глубже, можно понять общие закономерности высказываний: какие элементы текста используются вместе, а какие — никогда, какие имена и оценочные высказывания связаны друг с другом в материалах, которые вы изучаете.
      5 отличных исследований
      построенных на контент-анализе
      1. Media profiles of living and dead public intellectuals on the Internet and in traditional media (Danowski & Park, 2009)
      2. Campaign information as unmediated messages on candidate web sites(Druckman et al., 2010; Druckman, Kifer, & Parkin, 2010)
      3. New forum comments on TV and newspaper web sites (Hoffman, 2015)
      4. Nonverbal displays of self-presentation on MySpace (Kane et al., 2009)
      5. Facebook pages dedicated to moms (Kaufmann & Buckner, 2014)
      ещё тексты, откуда можно взять примеры исследовательских вопросов
      1. Filimonov, K., & Svensson, J. (2016). (re) Articulating Feminism. Nordicom Review, 37(2), 51-66. URL: http://www.nordicom.gu.se/sites/default/files/kapitel-pdf/10.1515_nor-2016-0017.pdf
      2. Filimonov, K., Russmann, U., & Svensson, J. (2016). Picturing the party: Instagram and party campaigning in the 2014 Swedish elections. Social Media+ Society, 2(3). URL: http://journals.sagepub.com/doi/pdf/10.1177/2056305116662179
      3. Paulussen, S., & D'heer, E. (2013). Using citizens for community journalism: Findings from a hyperlocal media project. Journalism Practice, 7(5), 588-603.
      что еще можно почитать о методологии контент-анализа?
      1. Neuendorf, Kimberly A. The content analysis guidebook / Kimberly A. Neuendorf, Cleveland State University, USA. Description: Los Angeles : SAGE, [2017]
      2. J. Hunsinger, M. Allen, & L. Klastrup (Eds.), The International Handbook of InternetResearch. Springer Verlag. / Web Content Analysis: Expanding the Paradigm Content Analysis of Online Discussion in an Applied Educational Psychology / Noriko Hara, Curtis J. Bonk, & Charoula Angeli, November 20, 1998
      3. Семёнова А.В., Корсунская М.В. Контент-анализ СМИ: проблемы и опыт применения / Под ред. В.А. Мансурова. – М.: Институт социологии РАН, 2010..
      март-май 2018

      клуб любителей интернета и общества


      онлайн-школа интернет-исследований
      текст тьюториала: Александра Гончарова и Александра Кейдия
      редактура и вёрстка: Маша Мурадова
      иллюстрации: Алиса Рангаева
      щёлк-щёлк: Лёня Юлдашев