Content analysis Cross Media Projektklynge,

Præsentationer af emnet: "Content analysis Cross Media Projektklynge,"— Præsentationens transcript:

1 Content analysis Cross Media Projektklynge,
Design, kommunikation & medier, ITU Dan Pedersen, 2012

2 Content Ananlysis En måde (metode til) at analysere “tekster” på - både kvantitativt og kvalitativt. Analytiske “traditioner” på humaniora og i samfundsvdeinskab: analyse vs. fortolkning. Visuelt indhold: Systematisk observerbar metode til at opstille hypoteser om måden medier repræsenterer folk på. Content analysis på nettet: Rejser nye spørgsmål om hvad indhold er, grundet netmediernes beskaffenhed: Hvor stopper teksten (hyperlinks, interaktioner etc.). Egl. Hvilke nivauer, der er I medieindholdet.

3 Procedure i Content Analysis
Formuler forskningsspørgsmål og hypotese Opstil et undersøgelsesdesign. ekspliciter nogle af de valg der ofte foretages implicit i den kvalitative indholdsanalyse. Afgræns dit datamateriale (sampling) Definer kategorier (variable og værdier) med kodning af datamaterialet for øje. Træn koderne – dem der skal kode materialet. De data der udvælges i kodeprocessen analyseres og fortolkes

4 Indholdsanalyse - hvornår
Kommunikation er sammensat af seks elementer, der har hver sin analysetilgang (Lasswells formel): Who? - Afsenderanalyse Says what? – Tekstanalyse In which channel? – Kanal (medie) analyse To whom? - Modtageranalyse (Why? – formål/intention analyse) With what effect? – Effektanalyse Indholdsanalysen anvendes altid på what – teksten, forstået som budskabet eller indholdet. Den kan bruges til at drage slutninger om de andre elementer i kommunikationsprocessen. Lasswell m. fl., 1946, Propaganda, Communication, and Public Opinion

5 Holsti, 1969, Content Analysis for the Social Sciences and Humanities

6 Procedurer i indholdsanalysen
Unitizing: Systematisk skelnen mellem ‘teksternes’ segmenter (hvad er det der undersøges – hele film, dokumenter, sætninger, ord, underlægningsmusikken etc). Sampling: systematisk plan for hvilke cases/tekster, der indgår i undersøgelsen Recording/coding: Forskerens redegørelse for hvordan tekster data er indsamlet og registreret / Redegørelse for hvordan segmenter i teksten forbindes til undersøgelsens begreber (teoretiske koncepter). Reducing data: fremstille sine data på en overskuelig måde (tabeller, diagrammer mm.) Abductively inferring contextual phenomena: Dialektisk forholde data til kontekstuelle fænomener (I modsætning til f.eks. deduktion)! Narrating the answer: Gøre fundene forståelige og anvendelige for andre.

7 Særlige OBS-punkter I content analysis
Analyseenhed: Ord, sætning, tema, handlinger etc. Optælling (enumeration): Hvad tæller man: “om noget er tilstede” , frekvensen eller graden af hvormed et indhold er til stede? Kategorier: Kategori, tema, enhed – hvor klippefast er kategorisystemet. Vigtighed: Størrelse, placering, synlighed etc.

8 Undersøgelsesdesign En plan for at indsamle og analysere data for at få svar på de stillede spørgsmål. Gode undersøgelsesdesigns ekspliciterer og integrerer deres procedurer for dataindsamling og for hvilke kategorier og enheder, der placeres i de forskellige kategorier i analysen. Dårlige analyser ”fisker” planløst efter interessant fund..

9 Holsti, 1969, Content Analysis for the
Social Sciences and Humanities

10 Research designs om kommunikationens karakteristika
Udvikling over tid Kontekstens betydning

11 Research designs om kommunikationens karakteristika
Modtagerens indflydelse på kommunikationen Relation mellem forskellige indholdsvariable

12 Research designs om kommunikationens karakteristika
Forskelle mellem afsendere Evaluering af afsender ift. standart

13 Research designs: Drage slutninger om kommunikationsintention
Afsenders forestilling om relation mellem kommunikation og adfærd En anden afsenders forestilling om den samme rrelation.

14 Research designs: Drage slutninger om kommunikationseffekt
Afsenders effekt på modtagers kommunikation (interpersonel kommunikation) Afsenders effekt på modagers adfærd

15 Reliabilitet Inter- vs intrakoder reliabilitet Kvalitetskrav:
Interkoder reliabilitet: Sammenligniger af forskellige koderes resultater Intrakoder reliabilitet: Sammenligninger af den samme koders resultater på forskellige datamaterialer Kvalitetskrav: Definer variable og værdier klart Træn koderne Mål interkoder konsistensen mellem to eller flere kodere.

16 Reliability Interkoder reliabilitet =
Gennemsnittet af ens kodninger i pct. (for alle koderne) Antallet af kodninger (summen for alle koderne) Høje værdier i andet-kategorier medførere påvirker interkoder reliabiliteten (helst ikke mere edn 10 pct.) Jo færre variable, jo større sandsynlighed for overensstemmelser i kodningerne.

17 Reliabilitetsmål 2: Pi =
%-del observerede overensstemmelser) - (%-del forventede overensstemmelser)/ 1 Pct. Forventede overensstemmelser) Den forventede overensstemmelse er summen af alle kvadrerede procentdele, for alle kategorier. Afhængig af hvor mange værdier der er for hver variabel (kategori)

18 Herring: En udvidet model over tilgangene til web content analysis

19 Herring: Forslag til et udvider content analysis paradigm

20 Kritikken af indholdsanalysen
Hvad er det manifeste indhold Repræsentationsproblematikken Hvad betyder at en ‘gruppe’ eller en tematik er over- eller underrepræsenteret i materialet? Leverer overfladiske resultater særlig den variant, der underbygger deres argumentation gennem rene optællinger. Giver dog et godt overblik, og kan medvirke til at afgøre om der er ‘kød’ på problemstillingen.

21 Ex. 1: Politiske ordføreres brug af facebook (opgave)
Hypotese: Der er forskelle på ‘partiernes’ måde at bruge Facebook på. Metode: indsamler partiordføreres FB opdateringer og analyserer dem. Sampling: Statusopdateringer i en afgrænset periode Kategorier/kodning: Tæller antal opdateringer. Kategorier: inddeler i egen politik, kritik af andres politik, socialt (privat); Humor. Fund: Stor forskel antal opdateringer og ‘stil’. Oppositionen poster mere end regeringen (den gamle) Oppositionen bruger flere indlæg end regeringe på at kritisere modparten Jo færre mandater, jo flere Facebook opdateringer. De yngre poster flere social meddeleser end de ældre.

22 O'Connor, 2010, Manageing a Hotels Image on Tripadvisor
Hypotese: Brugergenereret indhold på Tripadvisor, er information, der påvirker køb af hotelværelse. Metode: Indholdsanalyse af Tripadvisor brugerindhold bruges til at identificere almindelige tilfredsheds eller utilfredsheds begrundelser blandt brugerne. Fokus på Hotellernes brug afmuligheden for at gå i dialog med kritikken. Sampling: 100 tilfældigt udvalgte hoteller i Londonområdet (ud af 1042 på TA’s site) Kategorier/kodning: Hotelkategorier (stjerner); TA vurdering; Ordanalyse af bruger genereret indhold. Fund:

23 Fund Jo højere vurdering (stjerner) jo højere vurdering på TA – indtil 5 stjerner, der dykker den lidt igen Det TA brugerne lægger mest vægt på er: lokation, værelsesstørrelse og betjening. Og forrventningerne stiger med antallet af stjerner. Få hoteller styrer aktivt deres image på Tripadvisor (Suspect reviews). Flest i top og bund af stjernesystemet.

24 Ogas & Gaddam A Billion Wicked Thoughts
Hypotese: Internet registreringer er en kilde til viden om menneskelig adfærd. Internet searches reveal the popularity of various sexual interests, including the age, weight, race, and preferred anatomy of sexual targets. Individual search histories reveal the frequency, variability, and intensity of sexual activity. They also reveal the correlation between different sexual interests, such as a correlation between interests in women’s feet and submission-themed erotica.  Metode: Datamining af faktiske seksuelle søgninger i dogpile.com i 2009/ AOL 2006 (søgemaskine) Eksplorativt Sampling: analyzed a billion web searches, a million Web sites, a million erotic videos, a million erotic stories, millions of personal ads, and tens of thousands of digitized romance novels.  Kategorier/kode: Kategoriserede alle seksuelle søgninger efter interesser Fund: 20 ‘interesser’ dækker 80 % af alle søgninger.

25 Et eksempel på søgningern I AOL materialet
sometimes the gender of an AOL sex searcher is suggested from their search history:

26 Rasmussen: Konvergens-krydsfeltet
Deskriptiv analysemodel for tværmediel journalistik. Opremser ‘vigtige dele’ af konvergensfeltet i et afsender (mediehus) perspektiv. En slags avanceret ‘huskeliste’ for redaktionelle processer i arbejdet med tværmedialitet

27 Konvergens krydsfeltet og content analysis
Konvergens krydsfeltsanalysen kan ikke bruges direkte i forbindelse med indholdsanalyse af tværmedielle produkter, da tværmedialiteten må ses som et koncept eller produkt mere end en tekst. Den kan derimod indirekte bruges til at bestemme graden af tværmediel ‘parathed’ i teksterne (social netværks analyse), hvis denne kan defineres som havende central betydning for afsenderen eller modtageren. Som sådan kan den bruges omvendt – som en huskeliste over hvad man kan/skal kigge efter hvis man arbejder med tværmedielle problemstillinger i analysen af indhold.

28 Konvergens-krydsfelts modellen
Intern konvergens Ekstern Proces Mediehus Produkt Version Kvalitet Synergi Brugsværdi Under de enkelte områder opstilles de mere specifikke spørgsmål , som redaktionen bør arbejde med i tværmedielle processer. Det centrale er , hvordan organisationen arbejder med spørgsmålene over tid, da det er erfaringerne lokalt, der bliver vigtige. Redaktionen skal redegøre for hvordan deres koncept udnytter mediekonvergensen og tværmedialiteten på de seks områder. SWAT overfor SWOT analyse.

29 Mediehus Produkt Kvalitet Brugsværdi Synergi Version Proces Eksternt
Internt