2.5.9. Разработка инструментария

Необходимым условием контент-аналитического исследования является разработка соответствующего инструментария (таблицы, бланки кодировки). Таблицы контент-анализа - это основной рабочий документ, с помощью которого оно проводится. Тип таблицы зависит от этапа исследования. При разработке категориального аппарата исследователь составляет таблицу, представляющую собой систему скоординированных и субординированных категорий анализа. Таблица такого типа внешне напоминает анкету: каждая категория (вопрос) предполагает ряд признаков (ответов), благодаря чему становится возможным количественное выражение качественных признаков, содержащихся в тексте.

Для регистрации единиц анализа исследователь составляет уже другого типа таблицу - кодировальную матрицу (см. табл. 3) (37, с. 77).

Для регистрации единиц счета, в зависимости от характера исследования, четкости его задач и гипотез, разрабатывается определенный рабочий документ, с помощью которого проводится контент-анализ. Это могут быть специально разработанные макеты таблиц (в клетках которых отмечается встречаемость определенных единиц), перфокарты, карточки или специальные кодировальные матрицы.

Тип рабочего документа определяется этапом исследования. Если исследование носит поисковый характер и приходится собирать избыточную первичную информацию, то чаще всего используются кодировальные матрицы (определенный тип таблицы, составленный для регистрации единиц анализа). Столбцы такой матрицы означают отдельные документы (сообщения), а строки - классификационные единицы соответствующих единиц анализа (перечень тем, персонажей и т.п.). В результате этого в каждом столбце оказывается закодированным по интересующим нас признакам отдельное сообщение (табл. 4).

Таблица 4

Признак	Текст
	1	2	3	...	n	Zn
A			+
В	+	+
С	+		+
...
n
Zn

Подобного рода таблица-анкета может быть достаточно объемной. Например, в проводимом в Белорусской ССР исследовании эффективности функционирования республиканских средств массовой информации каждый текст анализировался по 248 признакам (37, с.77).

Если выборка невелика (до 100 классификационных единиц), то кодировальная матрица может быть отдельным листом и можно проводить двумерный или даже многомерный анализ, а если объем выборки достаточно велик (свыше 100 сообщений и единиц), то кодировщик, как правило, работает с целой тетрадью таких матричных листов.

Таблица может быть использована и на этапе количественной обработки данных. Наиболее важными в контент-анализе являются способы расчета совместной встречаемости, т.е. связанности, зависимости различных элементов содержания в сообщениях. Начало разработки этих способов было положено американским психологом А. Болдуином в 1942 г., и продолжено его последователем, известным психологом и психолингвистом Чарльзом Осгудом в конце 50-х гг. По мнению Ч. Осгуда, неслучайные зависимости элементов содержания в сообщениях указывают на определенные ассоциации в мышлении коммуникатора, а наличие случайных зависимостей указывает на процессы диссоциации. Процедура методики Ч. Осгуда состоит в том, что в сообщениях (частях текста) регистрируется наличие или отсутствие интересующих исследователя единиц содержания, после чего осуществляется подсчет совместной встречаемости этих единиц и определяется случайность или неслучайность их совместного появления. Для этого анализируемые единицы фиксируются в специально созданной матрице, с помощью которой выявляются меры случайности совпадения каждой классификационной единицы со всеми остальными (см. табл. 5) (25, с. 56-57; 37, с. 78).

Таблица 5

Реальное совпадение	Ожидаемое совпадение
	А	В	С	...	n	Zn
А	-	0,10
В	0,06	-	0,02
С		0,08	-
...				-
n					-
Zn

Например, единица А встречается в 20% анализируемых текстов (P_a=0,2), а единица В в 50% текстов (P_в=0,5), тогда, по теореме умножения вероятностей, ожидаемая частота совместного появления этих единиц будет равна 0,10 (Р_ав = Р_а х Р_в = 0,2 х 0,5 = 0,10). Полученное число записывается в соответствующую верхнюю от матричной диагонали клетку. После этого подсчитывается, сколько раз на самом деле единицы А и В совместно встречались в текстах. В действительности оказалось, что они совместно встречались только в 6% сообщений (f_ав=0,06). Это число записывается в соответствующую нижнюю от диагонали клетку.

Подобным образом продолжаем рассчитывать дальше вероятность и частоту совместного появления всех остальных единиц анализа. В конечном итоге, сравнивая полученные фактические и вероятностные величины, можно определить, какие фактические зависимости оказались неслучайными (например, из приведенной выше таблицы видно, что совместное появление единиц А и В - случайно, так как фактическая величина ниже вероятностной, т.е. реальное совпадение ниже ожидаемого; а единиц А и С - неслучайно, так как фактическая величина больше вероятностной). Можно также рассчитать уровень значимости неслучайных зависимостей, выделить группы взаимосвязанных единиц и т.д.

При количественном контент-анализе проведение подсчета в общем виде аналогично стандартным приемам классификации по выделенным группировкам ранжирования и измерения ассоциаций. Применительно к контент-анализу существуют даже специальные процедуры подсчета, например формула коэффициента Яниса (с), для вычисления соотношения положительных и отрицательных (относительно избранной позиции) суждений, оценок, аргументов. Если число положительных суждений превышает число отрицательных, то коэффициент Яниса находится по формуле

,

где f - число положительных оценок; n - число отрицательных оценок; r - объем содержания текста, имеющего прямое отношение к изучаемой проблеме; t - общий объем анализируемого теста.

А если число положительных суждений меньше отрицательных, то коэффициент Яниса подсчитывается по формуле

.

Существуют и более простые способы измерения. Например, удельный вес той или иной категории можно определить с помощью следующей формулы (37, с.79)

.

На первом этапе необходимо также провести пробный (пилотажный) анализ документов, который обычно позволяет выявить имеющиеся недостатки методики. После необходимых доработок исследователю остается только проверить надежность разработанной методики, т.е. испытать ее на обоснованность (соответствие задачам и теоретическим понятиям исследования) и устойчивость (воспроизводимость результатов).

Обоснованность (validity - валидность) обычно проверяют при помощи экспертов (специалистов по проблематике проводимого исследования) или посредством получения аналогичных данных другими методами.

Устойчивость (consistency) ( иногда ее отождествляют с надежностью (relibility) и объективностью (objectivity) анализа документов) можно определить при помощи повторного кодирования одних и тех же документов по единой инструкции одним и тем же кодировщиком ("устойчивость во времени") или кодированием одних и тех же документов по единой инструкции разными кодировщиками ("устойчивость среди аналитиков"). Для этого можно взять наугад только часть документов из выборки (например, 30 или 50 единиц). Если данные разных кодировщиков будут в достаточной степени соответствовать друг другу (например, расхождение не выше 5% или коэффициент корреляции на уровне значимости 0,05), то можно вполне уверенно считать, что разработанная методика позволяет получать устойчивые результаты.

Если исследователю необходимо проанализировать очень много материалов и процесс кодирования растягивается на недели, следует проводить выборочную проверку устойчивости получаемых данных, для этого процесс кодирования целесообразно проводить параллельно несколькими кодировщиками.