get_product_contenthtml
社会科学领域的研究者大多有这样一个共识：测量行为会干扰正在被评估的现象，致使观察受到影响；观察者调查越深入，受影响越严重。对于社会科学，维卜、坎贝尔、舒尔茨和塞莱斯特等人曾列举了研究对象对参与科学调查的几种反应方式，以及这些反应如何会将错误引入所分析的数据资料中，这些反应包括：研究对象对被观察或被测试的知觉意识；任务的人为状态或研究对象对任务缺乏经验；研究对象对作为被试者或回应者的角色期待；测量过程对研究对象的影响；研究对象所持的刻板印象和描述某些回应的偏好；以及实验者/访员对研究主体的影响等。在社会科学研究方法中，控制实验、访谈、焦点小组、问卷调查和投射测试等都特别容易因这些影响而产生错误。与此形成对比的是，内容分析则是非反应性的或非介入性的。克里本多夫认为这是该方法的四大优势之一。他指出，社会研究者也许出于两大主要理由而希望避免反应性情境，其一是对情境的过度影响有可能扭曲数据资料，进而危及研究的效度，其二是研究者需要隐藏他们对数据资料的兴趣所在，担心被数据来源操纵。而内容分析则因其对数据资料本身的非介入性，不需麻烦任何回应者，而相对减少了这类失误的可能性。内容分析所面对的数据资料是既存的，如已经见诸媒体的新闻报道，或者，虽非研究时已有的但其内容本身的生成不受研究者掌控，如在研究设计后抓取既定时间段内的网站内容。这种非介入性使得内容分析者既能研究当前的事件，也能研究过去的历史，也即分析者的在场与否被排除在研究前提条件之外。可以说，内容分析法在所有社会科学研究方法中是唯一一种不受时空限制的方法，分析者可以在其方便的时间和地点展开其研究。内容分析法的第二大优势是对非结构性资料的可接受性，也即它可以将非结构性问题作为数据来处理。与问卷调查和结构性访谈所不同的是，内容分析研究者通常是在数据资料已生成之后才对它们产生兴趣，可以处理因不同目的而生成的各种形式的文本，分析者无法完全预料到文本创作来源所使用的术语和类目。这种非结构性数据的主要优势在于它保留了数据来源的概念构想，而这却是结构性方法在很大程度上所忽略的。另外，内容分析对语境具有敏感性，因而允许研究者处理那些对其他人而言重要的、意味深长的、富有信息的、甚至代表性的数据文本。对语境不敏感的方法，如控制实验、问卷调查和结构性访谈等所生成的数据无法指涉原有的语境，因而与观察脱节。在这类方法中，什么产生数据、数据中不同成分如何相互关联、其他人如何理解数据、或者数据对于其来源意味着什么，这样的问题都无关紧要。而对语境敏感的方法则承认数据的文本性（textuality），也即这类方法认识到数据由他人阅读，为他人所理解，并在指涉其自身的语境中展开。通过采用这类方法而得出的推论更有可能与所分析文本的使用者相关。同样是对语境敏感的方法，内容分析法又不同于民族志方法、历史编撰学方法和诠释研究等，这些方法往往依赖于小样本量的文本，很难处理大批量数据，而内容分析法则因其程序的明确性和统一操作性而可以处理大批量的文本，也就是说，如果程序规则清楚并严格执行，类目的界定准确清晰，信度可以得到保证，从而可以被许多编码员或计算机软件重复应用，这样就可以处理大大超过单个人所能胜任的文本。在内容分析研究中，样本量超过数百的案例不胜枚举，成千或上万篇文本的也是屡有所见，例如，一项研究的样本多达9285篇报纸报道和2225个电视新闻，这在运用其他研究方法分析文本的研究中是难以想象、甚至是无法实现的。量化内容分析所产生的数字型数据在很多时候是具有很强的说服力的，比如类似于“45%”或者“30次中有27次”这样的描述所传递的信息要比“不到一半”或“几乎总是”更具体，更准确。并且，基于量化的数据可以通过统计分析手段进行基于样本的总体推断。然而，事物总是有其两面性，是利也即是弊，各种研究方法均是如此。而成熟的研究者应该了解各种研究方法各自的利弊，并懂得如何扬长避短，充分利用其各自的优势。就内容分析法而言，其程序化和量化有赖于所下定义的质量和研究者的诚实，这使得研究结论受制于所使用的定义和分类架构，同时也给后期的成果评估带来一定的不确定性。内容分析的材料虽然较为容易获取，并可以处理大样本数据，但也正是因为所涉及的材料一般都很多，所以内容分析的时间消耗量和人工强度都很大。有时，研究成本还很高，如果需要雇用编码员的话。另外，内容分析的一大弱点在于其在解释传者动机和测试对受众的影响等方面的推断性分析能力，不如其他一些研究方法如实验法和问卷调查法直接，仅内容分析本身较难构成强有力的论断，要实现这一点，需要相当精巧的研究设计并结合其他研究方法（详见第2章）。 ……
