Контент-аналіз у психології: кількісний і якісний аналіз текстів та повідомлень
Оновлено: 8 жовт.
Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 · Редакційна політика
Контент-аналіз — це систематичний спосіб перетворювати тексти та інші повідомлення на аналітичні дані через явно описані правила відбору матеріалу, поділу на одиниці, кодування, категоризації та інтерпретації. У психології так аналізують відкриті відповіді в анкетах, транскрипти інтерв’ю, щоденники, документи, публікації в медіа й соціальних мережах, зображення, аудіо та відео, якщо дослідницьке питання стосується змісту повідомлень.
У методологічній літературі контент-аналіз охоплює кількісні й якісні підходи. Клаус Кріппендорф описує його як аналіз комунікацій у контекстах їхнього використання, а Кімберлі Нойєндорф розглядає повний дослідницький цикл: визначення сукупності повідомлень, вибірку, одиниці аналізу, кодування, оцінювання надійності та подальший аналіз. Тому контент-аналіз не зводиться до підрахунку слів і не є синонімом будь-якого читання тексту.
У графі методології ХАБу контент-аналіз є окремим аналітичним методом усередині методів дослідження в психології. Він перетинається з якісним дослідженням і кількісним дослідженням, але не замінює жодне з них.
Коротко: що робить контент-аналіз
Контент-аналіз відповідає на питання про те, що міститься в корпусі повідомлень, як цей зміст організований, які категорії або смислові структури повторюються, як вони розподілені між джерелами чи групами та що ці закономірності означають у межах поставленого дослідницького питання.
Кількісний контент-аналіз зазвичай формалізує ознаки повідомлень у змінні, застосовує кодову книгу, підраховує частоти або співвідношення, порівнює групи й за потреби використовує статистичні моделі. Якісний контент-аналіз систематично розвиває та інтерпретує коди, категорії й смислові зв’язки; він може бути індуктивним, дедуктивним або поєднувати обидві логіки.
Межа між цими підходами проходить не за принципом «є числа чи немає чисел». Якісно розроблені категорії можна згодом підраховувати, а кількісне кодування все одно спирається на концептуальні рішення про те, що саме означає кожна категорія. Важливо, яка дослідницька логіка визначає відбір матеріалу, побудову категорій, правила кодування та силу висновків.
Які дані можна аналізувати
Об’єктом контент-аналізу є не лише письмовий текст. Дослідник може працювати з відповідями на відкриті запитання, стенограмами інтерв’ю і фокус-груп, щоденниками, листами, клінічними або організаційними документами, рекламними повідомленнями, новинами, дописами та коментарями в соціальних мережах, фотографіями, відео, аудіозаписами й іншими формами комунікації. Методологічно вирішальним є те, чи можна визначити корпус, одиниці й правила аналізу так, щоб вони відповідали дослідницькому питанню.
Наприклад, психолог може досліджувати, як підлітки описують бар’єри звернення по психологічну допомогу у відкритих відповідях; як медіа репрезентують психічні розлади; як у щоденниках змінюються теми саморегуляції; або як у відео кодуються видимі форми взаємодії. У кожному випадку «контент» задається процедурою, а не самим форматом файлу.
Кількісний контент-аналіз
Кількісний контент-аналіз перетворює характеристики повідомлень на структуровані змінні. Дослідник заздалегідь або після пілотного етапу визначає, що буде одиницею кодування, які категорії використовуватимуться, які правила віднесення фрагментів до категорій діятимуть і як отримані значення аналізуватимуться.
Типова логіка включає визначення генеральної сукупності повідомлень, формування вибірки, створення кодової книги, навчання кодувальників, незалежне кодування принаймні частини матеріалу, оцінювання узгодженості кодування та статистичний аналіз. Такий цикл докладно розглядає The Content Analysis Guidebook.
Числовий результат може бути частотою категорії, часткою повідомлень із певною ознакою, індексом, часовим трендом, співвідношенням категорій або змінною для подальшої регресії чи іншої моделі. Сам факт підрахунку не робить висновок причинним. Якщо корпус спостережний, порівняння частот або статистична асоціація не доводять, що одна характеристика повідомлень спричиняє іншу психологічну характеристику.
Що потрібно визначити до підрахунку
Перед числовим аналізом треба визначити, що саме вважається випадком, що саме кодується та в якому контексті інтерпретується код. Інакше точні числа лише маскують нечітку процедуру. Особливо важливо розрізняти вибірку повідомлень і вибірку людей: тисяча дописів від ста акаунтів не є автоматично тисячею незалежних психологічних спостережень.
Якісний контент-аналіз
Якісний контент-аналіз спрямований на систематичне описання та інтерпретацію змісту. Він може працювати з явним змістом — тим, що безпосередньо сказано або показано, — і з латентним змістом, тобто смисловими структурами, які дослідник обґрунтовує через контекст і сукупність даних.
Гранехайм і Лундман розрізняють явний і латентний зміст та описують зв’язки між одиницею аналізу, смисловою одиницею, конденсацією, абстрагуванням, кодом, категорією і темою. Пізніша робота Ліндґрен, Лундман і Гранехайм докладніше показує, як під час якісного контент-аналізу змінюються рівні абстрагування та інтерпретації.
Якісний контент-аналіз може залишатися переважно описовим або переходити до глибшої інтерпретації, якщо це дозволяють дані, дослідницьке питання та обрана методологічна традиція. Сильна інтерпретація має простежуватися до матеріалу: читач повинен бачити, як висновок виростає з фрагментів, кодів і категорій.
Індуктивний, дедуктивний і спрямований аналіз
Ело і Кюнгяс описують індуктивний і дедуктивний шляхи контент-аналізу. Індуктивний підхід розвиває категорії переважно з матеріалу, коли готова схема недостатня або явище досліджене слабко. Дедуктивний підхід починає з теоретичної рамки, попередніх досліджень чи заздалегідь визначеної матриці категорій і перевіряє, як матеріал у неї вкладається.
Гсіє та Шеннон запропонували відоме розрізнення трьох підходів до якісного контент-аналізу: конвенційного (conventional), спрямованого (directed) і сумативного (summative). У конвенційному підході (conventional) коди виводять безпосередньо з даних; спрямований підхід (directed) використовує теорію або попередні результати як початкову рамку; сумативний підхід (summative) починається з підрахунків слів чи елементів змісту, але продовжується інтерпретацією контексту.
Це розрізнення корисне як карта, а не як універсальна класифікація всіх традицій. Конкретна стаття має називати власну аналітичну логіку й показувати, як вона реалізована, замість того щоб прикріплювати до аналізу загальний ярлик.
Одиниці аналізу: що саме кодується
Одна з головних причин методологічної плутанини — слово «одиниця». У різних традиціях терміни відрізняються, тому дослідник має дати операційне визначення саме для своєї процедури.
Одиниця відбору визначає, які об’єкти потрапляють у корпус: наприклад, пост, інтерв’ю, відео, документ або випуск новин. Одиниця кодування визначає мінімальний фрагмент, якому присвоюють код: слово, речення, репліку, абзац, смисловий фрагмент, сцену чи ціле повідомлення. Контекстна одиниця визначає, який ширший фрагмент дозволено враховувати, щоб зрозуміти значення коду. Одиниця аналізу в окремих традиціях може означати цілий випадок або корпус, тому її значення треба пояснювати, а не вважати очевидним.
Наприклад, у дослідженні коментарів одиницею відбору може бути окремий допис із усіма відповідями, одиницею кодування — коментар, а контекстною одиницею — гілка дискусії. Якщо кодувати коментарі без гілки, сарказм, заперечення або цитування можуть бути помилково прочитані як буквальні твердження.
Код, категорія і тема
Код — це коротка аналітична позначка, яку дослідник присвоює фрагменту даних за визначеним правилом. Категорія об’єднує коди або фрагменти, які мають спільну аналітичну властивість. Тема, коли цей термін використовується в конкретній традиції контент-аналізу, описує ширший смисловий патерн і зазвичай передбачає вищий рівень інтерпретації.
Ці терміни не є взаємозамінними. Один і той самий фрагмент може мати кілька кодів, код може входити до категорії, а тема може поєднувати кілька категорій. Водночас різні школи використовують ці слова по-різному, тому якісна публікація повинна визначити власну термінологію та показати аналітичний шлях від сирих даних до висновку.
Як проводять контент-аналіз: повний робочий цикл
1. Сформулювати дослідницьке питання
Питання визначає все інше: корпус, рівень аналізу, спосіб кодування та тип висновку. «Які теми згадують учасники?» і «Чи відрізняється частота категорії між групами?» — різні питання, навіть якщо вони використовують один набір текстів.
2. Визначити корпус і правила включення
Треба описати джерела, часовий період, критерії включення та виключення, мову, версії документів, спосіб отримання матеріалу й усі фільтри платформи. Для цифрових даних важливо фіксувати дату збору, бо стрічки, коментарі, видалення та алгоритмічна доступність можуть змінювати корпус.
3. Побудувати стратегію вибірки
Якщо неможливо аналізувати весь корпус, вибірка має відповідати популяції повідомлень, про яку робиться висновок. Випадковий, стратифікований, часовий, цільовий чи теоретично мотивований відбір мають різні наслідки. Вибірка текстів також може бути вкладеною: повідомлення всередині авторів, сесій, груп або платформ.
4. Визначити одиниці та сегментацію
Правила сегментації треба встановити до основного кодування або явно описати, як вони формувалися під час якісного аналізу. Надто дрібна одиниця втрачає контекст, надто велика змішує різні смисли.
5. Створити кодову книгу або систему категорій
Для структурованого кодування кодова книга повинна містити назву змінної або коду, визначення, правила включення й виключення, допустимі значення, приклади та правила для неоднозначних випадків. В індуктивному якісному аналізі система категорій розвивається ітеративно: коди порівнюють, уточнюють, об’єднують або розділяють, повертаючись до матеріалу.
6. Провести пілотне кодування
Пілот потрібний, щоб побачити, де категорії перекриваються, правила допускають кілька тлумачень, кодувальники бачать різні одиниці або важливий зміст випадає з рамки. Після пілоту кодову книгу можна уточнити, але зміни слід задокументувати.
7. Закодувати матеріал
У кількісному або підході, орієнтованому на надійність кодування кодувальники мають працювати незалежно на тій частині матеріалу, яка використовується для оцінювання узгодженості. У якісному аналізі робота команди може мати іншу мету: не досягнення механічної однаковості, а перевірку логіки категорій, пошук альтернативних прочитань і підвищення прозорості інтерпретації. Вибір процедури залежить від методології.
8. Оцінити якість даних і аналізу
Для формалізованого кодування ключовим питанням є надійність кодування. Для якісного контент-аналізу оцінюють також обґрунтованість інтерпретації, відповідність даних питанню, прозорість аналітичних рішень, рефлексивність, простежуваність переходу від даних до категорій і достатність прикладів.
9. Провести аналіз і інтерпретацію
Підрахунок частот, порівняння груп, моделювання співвідношень, побудова категорій і тем відповідають різним дослідницьким цілям. Інтерпретація повинна залишатися в межах дизайну: зміст повідомлень дає дані про повідомлення й комунікативні практики, а висновки про внутрішні психологічні стани потребують окремого обґрунтування.
10. Прозоро описати процедуру
Для психологічних досліджень орієнтиром є APA Journal Article Reporting Standards. JARS розрізняє стандарти для кількісних, якісних і змішаних досліджень та вимагає достатньо інформації, щоб читач міг оцінити методологічну логіку, процедури й обґрунтованість висновків.
Надійність кодування: коли вона потрібна і що означає
Якщо категорії мають застосовуватися до матеріалу за стабільними правилами, питання узгодженості кодування є центральним. Надійність тут означає, що результат не залежить довільно від того, хто саме кодував матеріал або коли це відбулося.
Простий відсоток збігів легко зрозуміти, але він не коригує узгодженість, яка могла виникнути випадково. Огляд Lombard, Snyder-Duch і Bracken показав, що покладання лише на відсоток збігів може бути надто ліберальним. Krippendorff окремо розглядав властивості різних коефіцієнтів і типові помилки їхнього застосування.
Коефіцієнт каппа Коена часто використовують для двох кодувальників із категоріальними даними за відповідних припущень. Альфа Кріппендорфа має ширше застосування до різної кількості кодувальників, пропущених значень і різних рівнів вимірювання за правильно обраною функцією відстані. Hayes і Krippendorff обґрунтовують її як загальну міру для даних кодування.
Жоден коефіцієнт не виправляє погану кодову книгу. Низька узгодженість може вказувати на нечіткі визначення, нестабільні одиниці, недостатнє навчання, надто складні категорії або реальну неоднозначність змісту. Рішенням є перегляд процедури й повторне тестування, а не пошук коефіцієнта, який дасть приємніше число.
У якісному контент-аналізі два незалежні кодувальники та коефіцієнт узгодженості не є універсальною вимогою для будь-якої методологічної позиції. Якість слід оцінювати за критеріями, узгодженими з обраною традицією. Для психології JARS-Qual наголошує на методологічній цілісності, достатності даних, управлінні дослідницькими перспективами й тому, щоб висновки були заземлені в даних.
Надійність кодування в контент-аналізі стосується стабільності присвоєння кодів конкретному корпусу та конкретній кодовій схемі. Вона не тотожна психометричній надійності психологічного тесту. Окремий A02-вузол ХАБу — міжоцінювальна надійність — розглядає узгодженість між експертами, спостерігачами або клініцистами як окрему проблему вимірювання.
Явний і латентний зміст
Явний, або маніфестний, зміст стосується того, що безпосередньо присутнє в повідомленні: згадка теми, конкретне слово, дія, персонаж, аргумент або візуальний елемент. Латентний зміст стосується смислу, який дослідник інтерпретує на ширшому рівні.
Різниця важлива для відтворюваності та сили тверджень. Чим далі код від безпосередньо спостережуваного елемента, тим більше треба пояснювати контекст, аналітичні кроки та підстави інтерпретації. Латентний аналіз не є «гіршим» або менш науковим; він просто потребує іншої форми обґрунтування.
Контент-аналіз і тематичний аналіз — не одне й те саме
Обидва методи можуть працювати з текстом, кодами й патернами, але мають різні методологічні традиції та цілі. Braun і Clarke показують, що рефлексивний тематичний аналіз треба розуміти у власній логіці, а не оцінювати автоматично за стандартами підході, орієнтованому на надійність кодуванняв.
У контент-аналізі категорії часто пов’язані з систематичним упорядкуванням змісту й можуть бути придатні до підрахунку. У рефлексивному тематичному аналізі тема є результатом активної інтерпретації смислових патернів і не зводиться до частоти категорії. Саме тому формула «двоє кодувальників + каппа = якісний аналіз» методологічно хибна.
Окрема канонічна сторінка ХАБу про тематичний аналіз буде пов’язана з цією статтею після її публікації; до появи live URL публічне посилання не ставиться.
Контент-аналіз, дискурс-аналіз і розмовний аналіз
Дискурс-аналіз досліджує, як мова конструює значення, позиції, категорії та соціальну реальність у конкретних дискурсивних практиках. Розмовний аналіз зосереджується на послідовній організації взаємодії: чергуванні реплік, ремонтах, переходах, парах дій і тому, як учасники спільно виробляють порядок розмови.
Контент-аналіз може кодувати теми, ознаки або категорії в тих самих транскриптах, але інше питання породжує інший метод. Той самий корпус інтерв’ю може бути придатний для кількох видів аналізу, якщо кожен має окремо обґрунтовану процедуру.
Контент-аналіз і спостереження
Коли дослідник кодує поведінку на відео або в польових записах, контент-аналіз може перетинатися зі спостереженням як методом психологічного дослідження. Межа визначається тим, що є первинним об’єктом і як формується дані: безпосереднє спостереження поведінки чи аналіз зафіксованого повідомлення. В обох випадках правила кодування, одиниці й систематичні помилки треба описувати явно.
Чи можна поєднувати кількісний і якісний аналіз
Так. Контент-аналіз часто має послідовну логіку: спочатку дослідник індуктивно розробляє категорії, потім оцінює їхню застосовність на ширшому корпусі й підраховує розподіл; або навпаки — статистичний патерн стає підставою для глибшої якісної інтерпретації фрагментів. Якщо обидві частини інтегруються в одному дизайні, це може бути частиною змішаних методів у психології.
Важливо не маскувати перехід між логіками. Читач повинен розуміти, які кроки були індуктивними, які категорії задані наперед, коли почався підрахунок, як перевірялося кодування та як кількісні й якісні результати пов’язані між собою.
Комп’ютерний і автоматизований контент-аналіз
Програмне забезпечення може зберігати корпус, допомагати сегментувати матеріал, присвоювати коди, будувати матриці, шукати слова, аналізувати співвживання або автоматично класифікувати тексти. Але програма не визначає методологію. Той самий інструмент може використовуватися в сильному або слабкому дизайні.
Neuendorf окремо розглядає комп’ютерний аналіз тексту, інтелектуальний аналіз текстів (text mining), обробку природної мови та автоматизовані технології поряд із людським кодуванням. Методологічно важливо розрізняти інструмент і вимірювальну процедуру.
Якщо категорії присвоює алгоритм або велика мовна модель, дослідник має заздалегідь визначити, що вважається правильною класифікацією, перевірити якість на незалежно оціненому матеріалі, описати модель і версію, інструкції, параметри та обробку помилок. Для нестабільних систем доцільно також фіксувати дату запуску й умови повторення. Це методологічна рекомендація прозорості, а не припущення про те, що автоматичне кодування саме по собі є надійним.
Приклад: як виглядає контент-аналіз у психологічному дослідженні
Уявімо дослідження відкритих відповідей студентів на запитання: «Що заважає вам звернутися по психологічну допомогу, коли вона потрібна?» Дослідник отримав 1 200 відповідей.
Для якісного етапу він читає підвибірку, виділяє смислові одиниці й індуктивно формує категорії, наприклад: очікування осуду, недовіра до конфіденційності, вартість, брак доступу, переконання «маю впоратися сам», сумніви щодо ефективності допомоги. Категорії уточнюються на контрастних прикладах і перевіряються поверненням до вихідних відповідей.
Для кількісного етапу створюється кодова книга з операційними правилами. Двоє кодувальників незалежно кодують частину відповідей, після чого оцінюється узгодженість. Якщо правила працюють достатньо стабільно, весь корпус кодується й дослідник може оцінити, як часто трапляються категорії та чи відрізняється їхній розподіл між заздалегідь визначеними групами.
Навіть якщо категорія «очікування осуду» частіше трапляється в одній групі, це ще не доводить, що належність до групи спричинила очікування осуду. Це опис або асоціація в межах конкретної вибірки та способу постановки запитання. Причинний висновок потребував би іншого дизайну й додаткових припущень.
Що означає частота — і чого вона не означає
Часта згадка показує, що певний елемент часто з’являється в зафіксованих повідомленнях за конкретними правилами відбору й кодування. Вона не є автоматично мірою психологічної важливості, інтенсивності переживання або поширеності явища в популяції.
Рідкісна тема може бути психологічно значущою; часта фраза може відображати формат запитання, культурну норму, шаблон платформи або повторення однією активною людиною. Відсутність згадки також не доводить відсутність досвіду: люди можуть не називати його через сором, неусвідомлення, обмеження формату або тому, що запитання не активувало цю тему.
Основні джерела помилки й упередження
Упередження корпусу
Корпус може систематично виключати тих, хто не пише, видаляє повідомлення, не користується конкретною платформою або не має доступу до каналу. Онлайн-корпус особливо легко сплутати з популяцією людей, хоча він часто є лише вибіркою доступних повідомлень.
Помилки одиниці
Якщо одиниця надто дрібна, кодер втрачає контекст. Якщо надто велика, різні явища потрапляють в одну категорію. Додаткова проблема виникає, коли самі кодувальники по-різному визначають межі одиниць.
Нечіткі категорії
Категорії, що перекриваються або описані загальними словами, створюють штучну нестабільність. Код «негативна емоція» без правил для тривоги, сорому, гніву, іронії та змішаних висловлювань залишає надто багато рішень на розсуд кодувальника.
Змішування повідомлення і психічного стану
Текст «я спокійний» є висловлюванням про спокій, а не прямим вимірюванням фізіологічного стану чи клінічного симптома. Контент-аналіз може досліджувати самопрезентацію, наратив, категорії та мовні маркери, але перехід до тверджень про внутрішні стани потребує окремої валідизації.
Селективна інтерпретація
Якщо дослідник після перегляду матеріалу залишає лише категорії, що підтримують очікувану історію, результат може бути упередженим. Прозорий журнал аналітичних рішень, негативні або контрастні випадки, чітке розрізнення попередньо заданих і нових категорій та збереження версій кодової книги допомагають зробити процес перевірюваним.
Етика аналізу цифрових повідомлень
Технічна доступність поста або коментаря не розв’язує етичне питання автоматично. У дослідженні соціальних мереж треба враховувати очікування приватності, чутливість теми, вразливість учасників, можливість повторної ідентифікації, умови платформи й ризик того, що дослівна цитата знайдеться через пошук.
Association of Internet Researchers у рекомендаціях Internet Research Ethics 3.0 пропонує розглядати етичні рішення впродовж усього життєвого циклу інтернет-дослідження. Для психологічних даних це особливо важливо, коли повідомлення стосуються психічного здоров’я, травми, насильства або інших чутливих тем.
Як оцінити якість контент-аналізу
Сильне дослідження дозволяє відновити логіку від питання до висновку. Читачеві має бути зрозуміло, звідки взявся корпус, які повідомлення не потрапили до нього, як визначалися одиниці, як виникали категорії, хто кодував матеріал, які рішення змінювалися під час аналізу й на яких даних тримається кожен ключовий висновок.
Для якісних досліджень психології JARS-Qual вимагає описувати методологічну цілісність, відповідність даних дослідницьким цілям, роль перспектив дослідника та зв’язок висновків із матеріалом. Загальний стандарт SRQR містить 21 пункт для прозорого звітування якісного дослідження. Це стандарти звітування: вони допомагають побачити, як проведено роботу, але самі по собі не гарантують високої якості дизайну.
Для кількісного контент-аналізу треба додатково бачити визначення популяції повідомлень, процедуру вибірки, кодову книгу, навчання кодувальників, частку матеріалу для перевірки узгодженості, обраний коефіцієнт та його обґрунтування, обробку пропусків, статистичний план і невизначеність оцінок.
Практичний чеклист перед початком
1. Сформулюйте питання так, щоб було зрозуміло, чому відповідь треба шукати саме в повідомленнях.
2. Визначте популяцію повідомлень і правила формування корпусу до того, як побачите бажаний результат.
3. Запишіть, що є одиницею відбору, одиницею кодування й контекстом інтерпретації.
4. Вирішіть, чи категорії задаються дедуктивно, розвиваються індуктивно або формуються комбіновано.
5. Для структурованого кодування створіть кодову книгу з правилами й прикладами, а потім проведіть пілот.
6. Оберіть критерії якості, які відповідають саме вашій методології: узгодженість кодувальників, методологічна цілісність, прозорість інтерпретації або їхнє обґрунтоване поєднання.
7. Розмежуйте опис повідомлень, статистичну асоціацію та причинний висновок.
8. Заздалегідь продумайте етичний захист, особливо для публічних цифрових даних, які можна повторно ідентифікувати.
9. Зберігайте версії кодової книги, правила сегментації, журнали рішень і, де це етично можливо, матеріали для відтворення аналізу.
10. У звіті покажіть достатньо прикладів і методичних деталей, щоб читач міг оцінити, чи відповідають висновки даним.
Поширені помилки
Перша помилка — назвати контент-аналізом звичайний переказ прочитаних текстів. Метод починається там, де з’являються явні правила корпусу, одиниць, кодування, категоризації та інтерпретації.
Друга помилка — вважати, що наперед задані категорії є обов’язковими. Вони характерні для багатьох дедуктивних і кількісних дизайнів, але індуктивний якісний контент-аналіз може розвивати категорії з даних.
Третя помилка — ототожнювати якість будь-якого якісного аналізу з міжкодувальною узгодженістю. Цей критерій доречний для одних підходів і суперечить логіці інших; критерії мають відповідати конкретній методології.
Четверта помилка — читати частоту як важливість. Те, що слово або категорія трапляється часто, не визначає автоматично її психологічного значення.
П’ята помилка — робити причинний висновок із текстового корпусу лише тому, що статистична модель показала асоціацію. Контент-аналіз визначає спосіб роботи з повідомленнями, а причинність залежить від дизайну, часової послідовності, контролю альтернативних пояснень і припущень моделі.
Запитання і відповіді
Контент-аналіз — це кількісний чи якісний метод?
Існують кількісні й якісні традиції контент-аналізу, а також дизайни, що поєднують їх. Назва методу сама по собі не визначає, чи треба рахувати частоти, будувати статистичні моделі або зосередитися на інтерпретації смислу.
Чи завжди потрібні два кодувальники?
Для дослідження, де дані мають створюватися за стабільною кодовою книгою і порівнюватися чисельно, незалежне кодування частини матеріалу двома або більше кодувальниками є сильним способом оцінити надійність. Для якісних інтерпретативних підходів універсальної вимоги «два кодувальники для всього» немає; процедуру якості обирають відповідно до методології.
Чи можна аналізувати дописи в соціальних мережах?
Так, якщо дослідник чітко визначає платформу, період, правила доступу й відбору, одиниці, спосіб кодування та етичні ризики. Корпус соцмереж не можна автоматично вважати репрезентативною вибіркою населення.
Чи є підрахунок слів контент-аналізом?
Сам по собі підрахунок слів є лише технічною операцією. Він стає частиною контент-аналізу, коли пов’язаний із дослідницьким питанням, визначеним корпусом, правилами обробки, валідною інтерпретацією й контекстом. У summative qualitative content analysis підрахунок може бути стартом, після якого аналізують контекст і значення.
Чи може штучний інтелект кодувати тексти?
Може виконувати частину класифікації або допомагати з підготовкою корпусу, але якість такого кодування треба перевіряти на релевантних даних, а модель, версію та процедуру описувати. Результат мовної моделі не є автоматично незалежним або валідним вимірюванням психологічного змісту.
Чим контент-аналіз відрізняється від тематичного аналізу?
Контент-аналіз має власні традиції систематичної категоризації змісту й часто допускає кількісне узагальнення категорій. Тематичний аналіз є окремою сім’єю підходів до виявлення та інтерпретації смислових патернів. Конкретна різниця залежить від версії кожного методу, тому їх не слід зводити до однієї процедури під різними назвами.
Пов’язані статті
• Міжоцінювальна надійність: як оцінюють узгодженість між експертами, спостерігачами або клініцистами
Джерела
American Psychological Association. APA Style Journal Article Reporting Standards (JARS). APA
Association of Internet Researchers. (2020). Internet Research: Ethical Guidelines 3.0. AoIR
Braun, V., & Clarke, V. (2021). Can I use TA? Should I use TA? Should I not use TA? Comparing reflexive thematic analysis and other pattern-based qualitative analytic approaches. Counselling and Psychotherapy Research, 21(1), 37–47. https://doi.org/10.1002/capr.12360
Elo, S., & Kyngäs, H. (2008). The qualitative content analysis process. Journal of Advanced Nursing, 62(1), 107–115. https://doi.org/10.1111/j.1365-2648.2007.04569.x
Graneheim, U. H., & Lundman, B. (2004). Qualitative content analysis in nursing research: concepts, procedures and measures to achieve trustworthiness. Nurse Education Today, 24(2), 105–112. https://doi.org/10.1016/j.nedt.2003.10.001
Hayes, A. F., & Krippendorff, K. (2007). Answering the Call for a Standard Reliability Measure for Coding Data. Communication Methods and Measures, 1(1), 77–89. https://doi.org/10.1080/19312450709336664
Hsieh, H.-F., & Shannon, S. E. (2005). Three approaches to qualitative content analysis. Qualitative Health Research, 15(9), 1277–1288. https://doi.org/10.1177/1049732305276687
Krippendorff, K. (2004). Reliability in Content Analysis: Some Common Misconceptions and Recommendations. Human Communication Research, 30(3), 411–433. https://doi.org/10.1111/j.1468-2958.2004.tb00738.x
Krippendorff, K. (2018). Content Analysis: An Introduction to Its Methodology (4th ed.). SAGE. SAGE
Levitt, H. M., Bamberg, M., Creswell, J. W., Frost, D. M., Josselson, R., & Suárez-Orozco, C. (2018). Journal article reporting standards for qualitative primary, qualitative meta-analytic, and mixed methods research in psychology. American Psychologist, 73(1), 26–46. https://doi.org/10.1037/amp0000151
Lindgren, B.-M., Lundman, B., & Graneheim, U. H. (2020). Abstraction and interpretation during the qualitative content analysis process. International Journal of Nursing Studies, 108, 103632. https://doi.org/10.1016/j.ijnurstu.2020.103632
Lombard, M., Snyder-Duch, J., & Bracken, C. C. (2002). Content Analysis in Mass Communication: Assessment and Reporting of Intercoder Reliability. Human Communication Research, 28(4), 587–604. https://doi.org/10.1111/j.1468-2958.2002.tb00826.x
Neuendorf, K. A. (2017). The Content Analysis Guidebook (2nd ed.). SAGE. SAGE
O’Brien, B. C., Harris, I. B., Beckman, T. J., Reed, D. A., & Cook, D. A. (2014). Standards for Reporting Qualitative Research: A Synthesis of Recommendations. Academic Medicine, 89(9), 1245–1251. SRQR / EQUATOR Network