傳播學內容分析研究與應用（簡體書）

社會科學領域的研究者大多有這樣一個共識：測量行為會干擾正在被評估的現象，致使觀察受到影響；觀察者調查越深入，受影響越嚴重。對于社會科學，維卜、坎貝爾、舒爾茨和塞萊斯特等人曾列舉了研究對象對參與科學調查的幾種反應方式，以及這些反應如何會將錯誤引入所分析的數據資料中，這些反應包括：研究對象對被觀察或被測試的知覺意識；任務的人為狀態或研究對象對任務缺乏經驗；研究對象對作為被試者或回應者的角色期待；測量過程對研究對象的影響；研究對象所持的刻板印象和描述某些回應的偏好；以及實驗者/訪員對研究主體的影響等。在社會科學研究方法中，控制實驗、訪談、焦點小組、問卷調查和投射測試等都特別容易因這些影響而產生錯誤。與此形成對比的是，內容分析則是非反應性的或非介入性的。克里本多夫認為這是該方法的四大優勢之一。他指出，社會研究者也許出于兩大主要理由而希望避免反應性情境，其一是對情境的過度影響有可能扭曲數據資料，進而危及研究的效度，其二是研究者需要隱藏他們對數據資料的興趣所在，擔心被數據來源操縱。而內容分析則因其對數據資料本身的非介入性，不需麻煩任何回應者，而相對減少了這類失誤的可能性。內容分析所面對的數據資料是既存的，如已經見諸媒體的新聞報道，或者，雖非研究時已有的但其內容本身的生成不受研究者掌控，如在研究設計后抓取既定時間段內的網站內容。這種非介入性使得內容分析者既能研究當前的事件，也能研究過去的歷史，也即分析者的在場與否被排除在研究前提條件之外。可以說，內容分析法在所有社會科學研究方法中是唯一一種不受時空限制的方法，分析者可以在其方便的時間和地點展開其研究。內容分析法的第二大優勢是對非結構性資料的可接受性，也即它可以將非結構性問題作為數據來處理。與問卷調查和結構性訪談所不同的是，內容分析研究者通常是在數據資料已生成之后才對它們產生興趣，可以處理因不同目的而生成的各種形式的文本，分析者無法完全預料到文本創作來源所使用的術語和類目。這種非結構性數據的主要優勢在于它保留了數據來源的概念構想，而這卻是結構性方法在很大程度上所忽略的。另外，內容分析對語境具有敏感性，因而允許研究者處理那些對其他人而言重要的、意味深長的、富有信息的、甚至代表性的數據文本。對語境不敏感的方法，如控制實驗、問卷調查和結構性訪談等所生成的數據無法指涉原有的語境，因而與觀察脫節。在這類方法中，什么產生數據、數據中不同成分如何相互關聯、其他人如何理解數據、或者數據對于其來源意味著什么，這樣的問題都無關緊要。而對語境敏感的方法則承認數據的文本性（textuality），也即這類方法認識到數據由他人閱讀，為他人所理解，并在指涉其自身的語境中展開。通過采用這類方法而得出的推論更有可能與所分析文本的使用者相關。同樣是對語境敏感的方法，內容分析法又不同于民族志方法、歷史編撰學方法和詮釋研究等，這些方法往往依賴于小樣本量的文本，很難處理大批量數據，而內容分析法則因其程序的明確性和統一操作性而可以處理大批量的文本，也就是說，如果程序規則清楚并嚴格執行，類目的界定準確清晰，信度可以得到保證，從而可以被許多編碼員或計算機軟件重復應用，這樣就可以處理大大超過單個人所能勝任的文本。在內容分析研究中，樣本量超過數百的案例不勝枚舉，成千或上萬篇文本的也是屢有所見，例如，一項研究的樣本多達9285篇報紙報道和2225個電視新聞，這在運用其他研究方法分析文本的研究中是難以想象、甚至是無法實現的。量化內容分析所產生的數字型數據在很多時候是具有很強的說服力的，比如類似于“45%”或者“30次中有27次”這樣的描述所傳遞的信息要比“不到一半”或“幾乎總是”更具體，更準確。并且，基于量化的數據可以通過統計分析手段進行基于樣本的總體推斷。然而，事物總是有其兩面性，是利也即是弊，各種研究方法均是如此。而成熟的研究者應該了解各種研究方法各自的利弊，并懂得如何揚長避短，充分利用其各自的優勢。就內容分析法而言，其程序化和量化有賴于所下定義的質量和研究者的誠實，這使得研究結論受制于所使用的定義和分類架構，同時也給后期的成果評估帶來一定的不確定性。內容分析的材料雖然較為容易獲取，并可以處理大樣本數據，但也正是因為所涉及的材料一般都很多，所以內容分析的時間消耗量和人工強度都很大。有時，研究成本還很高，如果需要雇用編碼員的話。另外，內容分析的一大弱點在于其在解釋傳者動機和測試對受眾的影響等方面的推斷性分析能力，不如其他一些研究方法如實驗法和問卷調查法直接，僅內容分析本身較難構成強有力的論斷，要實現這一點，需要相當精巧的研究設計并結合其他研究方法（詳見第2章）。

……