OZ-practicum 3: Inhoudsanalyse
Week 1 – Hoofdstuk 1
Hoofdvraag: hoe analyseer je communicatie-uitingen?
● Uitspraken
● Gesprekken
● Tweets
● Teksten
● Beelden
Probleem:
● Uitingen zijn ongestructureerd
● Mensen zeggen niet expliciet waar ze mee bezig zijn als ze communiceren
● Wij moeten de boodschap interpreteren: wat is het doel, sentimenten,
gespreksstrategie of retorische techniek
Inhoudsanalyse
● Data verzamelen
● Codeboek/annotatieschema maken
● Data coderen/annoteren
● Betrouwbaarheid meten
● Rapporteren
➢ Twee manieren: handmatig en computer
Definitie inhoudsanalyse
Een onderzoeksmethode om patronen te vinden in bestaande, ongestructureerde data door
middel van een systematische analyse waarbij verschillende eenheden gecodeerd worden
aan de hand van een categorisatieschema (codeboek).
Onderzoeksvraag
● Wat voor voedsel wordt er gepromoot in influencer marketing, gericht op kinderen?
Waarom is inhoudsanalyse relevant?
● Om te beschrijven wat er gebeurt in de maatschappij
● Om misstanden aan te tonen, en om problemen meetbaar te maken
● Om achteraf te kijken of beleidsmaatregelen werken
Welke uitdagingen voor inhoudsanalyse zie je hier terug?
1
, ● Duidelijkheid: eenduidige regels opstellen
● Training: zorgen dat beoordelaars de regels volgen, goed getraind zijn
● Ambiguïteit: soms zijn beide oordelen mogelijk
● Perspectief: hoe kijk je naar een bepaalde situatie?
Kwantitatieve versus kwalitatieve inhoudsanalyse
● Kwantitatieve inhoudsanalyse (centraal in OZP3):
○ Gebruikt een vooraf opgesteld codeerschema
○ Labels worden geteld en statistisch geanalyseerd
○ Meestal deductief: gebaseerd op theorie en hypothesen
● Kwalitatieve inhoudsanalyse:
○ Data-analyse zonder vooraf gedefinieerde categorieën
○ Inductieve benadering: patronen en thema’s ontstaan tijdens analyse
Stappenplan (Neuendorf, 2017)
1. Onderwerp en motivatie:
● Wat wil je bestuderen en waarom?
● Theoretische of maatschappelijke relevantie
2. Conceptualisatie
● Definieer variabelen o.b.v. literatuur en voorbeelden
3. Operationalisatie
● Bepaal hoe variabelen meetbaar worden gemaakt: categorieën moeten elkaar
uitsluiten (mutually exclusive) en volledig zijn (exhaustive)
4. Codeerschema opstellen
● Handmatig (met codeerboek) of automatisch (computer telt woorden)
● Duidelijk is cruciaal
5. Sampling
● Idealiter een census, maar meestal wordt een steekproef genomen
● Representativiteit is belangrijk
6. Training en betrouwbaarheid
● Codeurs trainen en betrouwbaarheid meten
● Bij lage betrouwbaarheid: herzien
7. Coderen
● Met tenminste twee onafhankelijke codeurs, bij voorkeur dubbel gecodeerde
data
8. Betrouwbaarheid berekenen
● Gebruik o.a. Cohen’s Kappa, Krippendorff’s Alpha
9. Rapportage
● Resultaten overzichtelijk presenteren
Inhoudsanalyse versus experimentele studies:
2
, ● Experimenteel onderzoek: hoge controle, causale uitspraken, maar lage ecologische
validiteit
● Inhoudsanalyse: echte data, hoge ecologische validiteit, maar geen causaliteit
Rol van inhoudsanalyse:
● Noodzakelijk voor hypothesevorming
● Biedt inzicht in prevalentie (hoe vaak iets voorkomt)
● Belangrijk voor het inschatten van relevantie en generaliseerbaarheid
3
Week 1 – Hoofdstuk 1
Hoofdvraag: hoe analyseer je communicatie-uitingen?
● Uitspraken
● Gesprekken
● Tweets
● Teksten
● Beelden
Probleem:
● Uitingen zijn ongestructureerd
● Mensen zeggen niet expliciet waar ze mee bezig zijn als ze communiceren
● Wij moeten de boodschap interpreteren: wat is het doel, sentimenten,
gespreksstrategie of retorische techniek
Inhoudsanalyse
● Data verzamelen
● Codeboek/annotatieschema maken
● Data coderen/annoteren
● Betrouwbaarheid meten
● Rapporteren
➢ Twee manieren: handmatig en computer
Definitie inhoudsanalyse
Een onderzoeksmethode om patronen te vinden in bestaande, ongestructureerde data door
middel van een systematische analyse waarbij verschillende eenheden gecodeerd worden
aan de hand van een categorisatieschema (codeboek).
Onderzoeksvraag
● Wat voor voedsel wordt er gepromoot in influencer marketing, gericht op kinderen?
Waarom is inhoudsanalyse relevant?
● Om te beschrijven wat er gebeurt in de maatschappij
● Om misstanden aan te tonen, en om problemen meetbaar te maken
● Om achteraf te kijken of beleidsmaatregelen werken
Welke uitdagingen voor inhoudsanalyse zie je hier terug?
1
, ● Duidelijkheid: eenduidige regels opstellen
● Training: zorgen dat beoordelaars de regels volgen, goed getraind zijn
● Ambiguïteit: soms zijn beide oordelen mogelijk
● Perspectief: hoe kijk je naar een bepaalde situatie?
Kwantitatieve versus kwalitatieve inhoudsanalyse
● Kwantitatieve inhoudsanalyse (centraal in OZP3):
○ Gebruikt een vooraf opgesteld codeerschema
○ Labels worden geteld en statistisch geanalyseerd
○ Meestal deductief: gebaseerd op theorie en hypothesen
● Kwalitatieve inhoudsanalyse:
○ Data-analyse zonder vooraf gedefinieerde categorieën
○ Inductieve benadering: patronen en thema’s ontstaan tijdens analyse
Stappenplan (Neuendorf, 2017)
1. Onderwerp en motivatie:
● Wat wil je bestuderen en waarom?
● Theoretische of maatschappelijke relevantie
2. Conceptualisatie
● Definieer variabelen o.b.v. literatuur en voorbeelden
3. Operationalisatie
● Bepaal hoe variabelen meetbaar worden gemaakt: categorieën moeten elkaar
uitsluiten (mutually exclusive) en volledig zijn (exhaustive)
4. Codeerschema opstellen
● Handmatig (met codeerboek) of automatisch (computer telt woorden)
● Duidelijk is cruciaal
5. Sampling
● Idealiter een census, maar meestal wordt een steekproef genomen
● Representativiteit is belangrijk
6. Training en betrouwbaarheid
● Codeurs trainen en betrouwbaarheid meten
● Bij lage betrouwbaarheid: herzien
7. Coderen
● Met tenminste twee onafhankelijke codeurs, bij voorkeur dubbel gecodeerde
data
8. Betrouwbaarheid berekenen
● Gebruik o.a. Cohen’s Kappa, Krippendorff’s Alpha
9. Rapportage
● Resultaten overzichtelijk presenteren
Inhoudsanalyse versus experimentele studies:
2
, ● Experimenteel onderzoek: hoge controle, causale uitspraken, maar lage ecologische
validiteit
● Inhoudsanalyse: echte data, hoge ecologische validiteit, maar geen causaliteit
Rol van inhoudsanalyse:
● Noodzakelijk voor hypothesevorming
● Biedt inzicht in prevalentie (hoe vaak iets voorkomt)
● Belangrijk voor het inschatten van relevantie en generaliseerbaarheid
3
