1.2 Метод контент-анализа

Этот метод получил своё распространение среди исследователей американской школы дискурс-анализа. Он заключается в расчленении текста для выявления особенностей речевого высказывания, эмоциональных состояний и психологических черт, присущих адресанту. Он подразумевает подсчёт частоты использования тех, или иных смысловых единиц в тексте. В отличие от европейской, американская школа склонна к использованию количественных методов и математической обработке данных, и концентрируется на объективном восприятии информации. Принципы контент-анализа:

1) статистическая обработка данных;

2) выделение категорий анализа;

3) определение индикаторов систем опорных понятий (единиц анализа).

В силу того, что при проведении контент-анализа проводятся обширные математические и статистические подсчеты, его нужно проводить на содержательно богатом тексте. Одним из ограничений этого типа анализа так же является авторский замысел, который находит своё отражение в анализируемом тексте, в силу чего исследователь может принять вымысел за документальную информацию. Соответственно, данному методу не хватает расширенной базы исследуемого материла с применением экстралингвистических данных по заданной проблеме, за что он был раскритикован представителями французской школы дискурс-анализа.

1.3.Этапы контент-анализа

1)Подготовительный.

Постановка цели исследования, составление опорной схемы для анализа, проверка адекватности данного метода относительно предстоящей работы. Важное место занимает определение категорий анализа, т.е. ключевых элементов исследования, специфику выраженности которых исследователю необходимо зафиксировать в соответствии с поставленными целями исследования (для анализа характера политического деятеля по результатам интервью можно выделить следующие категории: отношение его к самому себе, другим людям, предметам, культуре, природе, литературе и т.д.). Можно выделить ряд качеств личностных качеств исследуемого человека, путём выявления совокупности наиболее беспокоящих его тем. Индикаторы анализа (термины, слова, символы, суждения, интонация, стилистические фигуры и т.д.) являются частями текста, принадлежащими к определённой категории, которая, в свою очередь, может быть выражена различными способами. Они дают возможность определить роль каждой категории в тексте. Кроме того, категории могут быть представлены различными единицами анализа – отрицательной, положительной и нейтральной форме.

При исследовании чаще всего используются два варианта единиц счёта: частота проявлений категории в тексте, пропорция представленности категории. Затем составляется инструкция кодировщику и подготавливается кодировочная матрица (таблица регистрации первичных результатов исследования: категории анализа, источники информации, частота присутствия заданной категории в присутствующем материале).

2)Исполнительный этап.

Осуществление процедур по выделению индикаторов категорий в тексте. На данном этапе для исследователя важно верно соотнести единицы анализа с категориями, не пропустить те или иные единицы анализа и не зафиксировать то, чего на самом деле нет.

1.Обработка данных. Осуществление статистических подсчётов, составление таблиц, матриц, частотные и процентные распределения и т.д. Наиболее распространённый метод подсчёта были предложены Чарльзом Осгудом. Он заключается в вычислении величины ожидаемой вероятности совместного использования двух единиц анализа, и в последующем её сравнении с выявленной при контент-анализе фактической частотой употребления данных единиц, например:

X – 1 единица (в 30 % анализируемых текстов): Px = 0,3

Y – 2 единица ( в 40 % анализируемых текстов): Py= 0,4

Можно предположить, что данные единицы будут совместно встречаться в тексте с вероятностью: Pxy=PxPy= 0,12%. Однако на практике может оказаться, что совместно они были употреблены только в 1% случаев (Фxy= 0,01).

Ещё один метод – расчёт коэффициента Яниса, который помогает соотнести положительные и отрицательные оценки относительно категорий:

расчёт коэффициента Яниса если f>n

Формула коэффициента Янисаесли f<n

ѓ – число положительных оценок;

n – число отрицательных оценок;

r – объём единиц информации, отражающих изучаемую категорию;

t – объём единиц анализируемого текста.

Относительно недавно стал популярен метод математический статистики, благодаря которому можно определить факторы, скрытые от непосредственного восприятия. Он используется при вычислении совокупности вероятных причинно-следственных связей между единицами и для установки объясняющих наличие этих связей феноменов. Заметим, что факторный анализ имеет ряд изъянов, в частности здесь отсутствует однозначное решение факторных нагрузок, в силу психологичности интерпретации результат будет сохранять субъективность, присутствует вероятность вариативности истолкования полученных данных.

Таким образом, сделаем вывод, что дискурс не является неким органическим единством на одном уровне, и что это единство нельзя установить исходя непосредственно из самого дискурса. При осуществлении полноценного дискурс-анализа необходимо учитывать как экстралингвистические факторы, так и речевую ситуацию и положение главных действующих лиц акта коммуникации в заданной социальной структуре.