有効な結論に達するためにデータを収集し分析するには、利害関係者に提示する前に多くの段階を経なければなりません。 あなたが深く掘り始めるとき、あなたはあなたのデータに含まれる情報の多くがあることに驚くでしょう。 彼/彼女はステップバイステップのコンテンツ分析に従っていない場合は、研究者が様々な方向に転用を取得することは容易です。
コンテンツ分析プロセスは5つのステップに分けることができます。 コンテンツ分析のステップのビデオ要約は次のとおりです。
ステップ1:データの識別と収集
定性コンテンツ分析のためのデータを収集する方法は多 口頭と非口頭の両方の方法を使用して、研究の参加者からデータを収集することができます。 調査、インタビュー、podcasts、社会的な媒体のコメント、オンラインフィードバック、網の会話、等。 データを収集する方法がいくつかあります。
コンテンツ分析を実行するために考慮される七つの主要な要素は次のとおりです: 単語、文字、テーマ、段落、概念、アイテムやセマンティクス。 コンテンツ分析に必要な関連情報を取得して、目的のコンテンツ分析に十分なデータが得られるようにすることは非常に重要です。 他の研究と同様に、コンテンツ分析にはサンプリングも含まれますが、それは人や製品ではなく、ここのサンプルはコンテンツそのものです。 サンプルは、母集団全体を表すのに十分な大きさでなければなりません。 サンプルを抽出するための適切な期間を考慮することを確認してください。
:
都市や国の目的地の画像に関するソーシャルメディア情報を使用したコンテンツ分析。 コンテンツ分析の目的は、場所の目的地の画像を見つけることである。 分析は、観光客が訪問し、ソーシャルメディア上で自分の意見を表明している”場所”を中心に展開します。 コンテンツ分析の目的は、ソーシャルメディアデータを使用して「場所」の全体的なビューを収集することです。 意見は、”場所”を訪問し、ソーシャルメディア上で彼らの経験を表明している観光客によって表現されています。
データ収集のために、データソースは、ソーシャルメディアのページ、ウェブサイト、ブログ、オンラインフォーラム、旅行ウェブサイトなどの範囲になります。 そのため、データ収集は、「place+」「tourist」+「Facebook」検索を使用して、データを取得できるwebページを特定することで行うことができます。
ステップ2:コーディングカテゴリの決定
コンテンツ分析におけるコンテンツの測定は、特定の書かれたルールに基づく体系的な観察である構造化観察 これらのルールは、コンテンツをどのように分類すべきかを詳述しています。 分析のために定義されたカテゴリは、相互に排他的である必要があります。 これらの記述されたルールは、複製を容易にし、信頼性を向上させるのに役立ちます。
コンテンツを分析できるようにするには、収集したコンテンツ全体をカテゴリに分けて、より良い管理ができるようにすることが重要です。 これは、研究者の質問に答える特定の単語やパターンのカテゴリに焦点を当てることができるように、テキストがカテゴリに縮小される選択的削減の
カテゴリまたはコードは、単語、フレーズ、文、記事、ブランド名、数字、競合他社の名前、国、感情などである可能性があります。 例えば、”公共の生活の中で人々”は、有名人、政治家、スポーツマン、有名人などとしてコード化されています。
ステップ3:コンテンツのコード
コードは、分析する必要があるテキストに割り当てるラベルで、テキストは単語またはフレーズにすることができます。 たとえば、コード’politician’は、テキスト内に政治的人物の言及がある場合に割り当てられます。
符号化処理中に、各カテゴリに番号を割り当てる必要があります。 コードは相互に排他的である必要があります。
コーディングは、与えられたテキストの内容を観察する方法を説明する一連のルールです。 符号化は、周波数、方向、強度、および空間の4つの重要な特性を識別します。
- Frequencyは、特定のコードが発生する回数を表します。
- 方向は、コンテンツが表示される方法、正、負、反対、サポートなどです。
- 強度は、特定の方向への強度の量を示します。
- スペースは、テキストに割り当てられたスペースの量またはメッセージのサイズを指します。
単語、フレーズ、画像、動画などのリスト。 ソーシャルメディアやその他のデータソースにロードされ、ソース内でそれらを検索します。 コーディングは、単語または語句が存在するか存在しないかのいずれかであるため、信頼性の高いデータをフェッチします。
例:
上記の例を取ると、最終選考されたすべてのwebページがマスターファイルに結合されます。 コーディングソフトウェアは、webページからの単語/フレーズ/画像を識別するために使用されます。 テキストデータベース全体の単語/フレーズ/画像のcooccurrencesに基づいて様々なテーマを識別することができますLeximancerなどの字句マッピングソフトウェアがあります。 単語/フレーズ/画像の頻度が得られ、頻度テーブルが生成される。
ステップ4:妥当性と信頼性のチェック
次の段階では、設計されたコードのテストが行われます。 コードは、その信頼性のために検証する必要があります。 コードは、実際に測定する目的が何であるかを測定するかどうかを確認し、結果が一貫しているかどうかを確認するためにテストする必要があります。
サンプリング妥当性とは、分析のために選択されたサンプルの検査と検証を指します。 セマンティック妥当性は、カテゴリの一部である異なるフレーズまたは単語が同様の意味を持っているかどうかを確認し、それらがすべて同じカテゴ 相関は、ある尺度を別の尺度に置き換えることができるかどうかを確認するためにもチェックする必要があります。
データの信頼性チェックは、データが信頼できるかどうかを知ることが重要であり、測定プロセス全体にわたって一定でなければならないことを意味します。 再現性チェックは、多数のコーダにサンプルデータをコード化させ、結果を比較することによって行われます。 また、データの安定性をチェックすることもでき、一定期間にわたるコンテンツの一貫性の程度を評価するためにチェックが実行されます。 精度チェックは、プロセスが期待どおりに標準に準拠しているかどうか、それが設計されているものに従って結果が得られるかどうかを測定するた
信頼性の確立は、適切な検証と信頼性のない結果は役に立たないと考えられるため、コンテンツ分析において非常に重要です。
ステップ5:結果の分析と提示
分析が完了すると、いくつかの情報セットが整理され、ファイルとして利用可能になります。 これは、受信者が容易に理解できるレポート形式で提示する必要があります。
これには、最終的な結果のレビュー、パターンの特定、すべての情報の順序の整理、最終的にレポートの形で提示が含まれます。
報告書の入門セクションでは、以下のような報告書に関するすべての基本的な情報に対処する必要があります:
- 研究の期間
- 研究のために選択された場所
- 研究の目的と目的
- 研究中に使用されたさまざまなツールと技術を説明
- データソースとその構成
結果セクションには、研究中に観察されたさまざまな要因に関する詳細な情報が含まれている必要があります。 結果はデータによってサポートされ、グラフと行列の形で提示されるべきです。 情報の明確な提示は読者がレポートを理解し、解釈することができるように容易にする。 結果のセクションでは、研究中に収集された観測の詳細な分析と要約を提供できるはずです。 これは、研究中の観察の簡単な解説でなければなりません。 重要な調査結果を含み、実際の調査結果を埋めることができるたくさんの情報を加えることを避けなさい。
結果は、判断や解決策をあまり追加せずに調査結果を語るように試みるべきである。 このセクションでは、状況のさらなる議論と評価のための重要な利害関係者に方向性を与え、報告書に基づいて決定を下すよう促すべきである。