類目設定有講究，做好關鍵詞等於論文完成了一半

在內容分析法研究實踐中，編碼是核心步驟，因為在進行編碼的過程中，我們需要將概念與框架、概念內容與待分析文字三者連線起來。換言之，在概念到文字資料之間，存在對應理解落差，因為概念本身難以直接測量，因此文字分析的研究中，通常會有一個將概念具體化的步驟，即是將概念落實到維度與測量指標的操作化過程。

為什麼要給類目選項設定關鍵詞？

類目表又叫編碼簿，相當於問卷調查的問卷，差別在於，問卷的詢問物件是受訪者（人），類目表的物件是文字（例如新聞報道、社交媒體內容等）。在大資料技術輔助線上內容分析法的流程中，給類目的選項設定合理的關鍵詞，可以給機器提供自動判斷的依據，方便執行自動化演算法編碼，快速得到資料結果。因此，關鍵詞設定得好不好，會直接影響資料結果的質量。想了解更多關於類目的介紹，點選回顧《建好類目編碼，資料結果就完成一大半啦！》

從研究方法角度出發，類目設定不僅僅是個操作性問題，也是個理論概念化的過程，接下來，小編以研究問題“

媒體如何報道某座城市

”為例，嘗試對概念進行插接，識別出文本與研究概念相關的字詞，並形成服務於研究框架的編碼類目，以此實現對文字資料的測量和量化分析。

首先，我們需要確定研究概念是什麼。

在本例中，對城市的新聞報道這一研究概念可能涉及的面向有：經濟發展、政策法治、社會文化、自然環境、城市建設……接著我們可以進行概念拆解，“經濟發展”概念可以拆分成多個類目：經濟總量、經濟制度、增長速度、產業結構、勞動就業……如果我們願意繼續拆解，如“產業結構”的概念，又可以拆分為第一產業、第二產業、第三產業等等，也就是說，我們可以透過一次次的推敲、羅列與拆解，以豐富和完善概念下的測量指標。

在DiVoMiner®平臺，可在【類目管理】介面設定對應題乾和選項。

此處在“經濟發展”類目進行選項設定，將題型設定為“多選題”，並且不勾選“必填”，因為在實際文字中，既可能不出現任何經濟發展相關內容，也可能同時出現“經濟總量”與“經濟制度”等選項，多者並存且不互斥。

現實的文字分析涉及到的另一難點是客觀和主觀類目的設定。

如果現實文字接觸到接觸到的是“GDP”、“通貨膨脹”、“民營企業”、“第三產業”等專用名詞，這類表達

客觀性

較強，機器編碼通常不會出錯，因為不太會出現偏差和歧義。但是，若涉及到一些

主觀性

的內容，類目的設定和關鍵詞的選取難度陡增。比如“城市印象”、“情感態度”（如正面、負面與中立的劃分）等。

我們可以嘗試根據自己的感知與理解來設定類目與關鍵詞（此處採用個人經驗法，實際研究場景下，也常借鑑文獻總結出合適的類目，本文不展開闡述）。

城市印象

可以是多維的，比如“進取”、“富裕”、“先進”、“整潔”、“文明”等等。還根據自己的理解、和媒體實際的報道範式，再設定一些更具體的關鍵詞：“進取”、“奮鬥”、“昂揚”、“拼搏”、“苦幹”、“開拓”、“熱火朝天”等等。

這些詞語儘管並不完全準確，但看到這些詞語時，我們還是能想象到一些畫面：為了追求更美好的生活、為了建設更富強文明的城市、為了實現更高的理想，人們不斷地在付出努力。於是，我們可以嘗試在“進取”的類目裡，設定這些關鍵詞，並用“OR”的語法將其串聯起來。當然，雖然我們不能想象到所有描述“進取”的字詞，但依然可以透過推敲不斷細化、增加關鍵詞。

在實際編碼中，需要注意文學手法導致的關鍵詞設定難題。

舉個例子，電影藝術裡有“蒙太奇”一說：以一連串分割鏡頭的重組方式，讓毫無聯絡的影象連線起來，從而創造新的意義。這很好理解，比如一篇報道寫了這段話：

“他們加班加點通宵達旦，高樓大廈在午夜依然燈火通明，年輕白領們為了自己能在大城市紮根而拼搏奮鬥，也創造了其他人錦衣玉食、香車美人的生活。”

顯然，此處年輕人艱苦奮鬥和奢華生活畫面組合成為一組蒙太奇，描繪了分配不平等的社會問題。於是，我們需要進一步思考，用於描繪社會不平等或其他負面現象的“進取”相關內容，是否真的構建了城市“進取”的形象？如果我們認為這並不能構建“進取”的形象，那麼我們就可以透過“NOT”的語法，排除掉一些與“進取”交織穿插的負面議題，提高類目的準確性。

如下圖一中的，效果會達到，那麼只要文章裡出現“不平等”、“基尼係數”等詞，就不會被編碼到“進取”的類目當中。

反覆推敲關鍵詞和驗證效果，讓設定條件更接近理想效果。

也許我們也會有新的疑問，如果文章裡說的是B城市的社會不平等、轉而讚揚A城市的拼搏進取、勤勞致富，或者用的是“基尼係數很低”、“儘可能消除社會不平等”這些語句，那麼我們的類目設定豈不是南轅北轍了嗎？

此時，我們也可以使用“~”的語法再進行最佳化。如圖所示，當“A城市”和“不平等”在30個字元內同時出現時，就會被認為是在指涉A城市的不平等，從而被排除，避免了將B城市的不平等套到了A城市這一張冠李戴的錯誤。

在對類目設定進行種種最佳化之後，回過頭來看，為了更精確地對“進取”進行編碼，我們居然在對社會平等問題的語言表述進行了如此深入的推敲。要知道，我們研究的概念是“媒體如何報道某座城市”啊，我們居然完成了“媒體如何報道某座城市——城市印象——進取——社會平等問題”的遞進，我們是否在鑽牛角尖呢？是否因小失大？

小編可以作出回答：

不是，但也可以說是。

為什麼說不是？

因為類目設定過於簡單、乃至粗糙的話，運用這個類目進行編碼會出現很大的偏差。我們正需要這種精益求精的態度，去不斷最佳化類目設定，以此將研究概念可操作化，從而深入挖掘出文字顯性的、隱性的、客觀的、主觀的、帶有不同情感色彩的內容。

那麼又為什麼說是呢？

因為我們要考慮到文字資料量和時間成本、投入精力等問題，如果我們要處理的文字資料量不大、文字本身也不復雜，結果準確度可以接受的情況下，那麼就沒有必要這麼精細。

當然，也正如小編和DiVoMiner®平臺開發團隊一直強調的一樣，無論我們怎麼細化並改進類目設定，使其儘可能符合實際語境，都不可以完全精確地將其投入機器編碼流程然後萬事大吉。原始文字的“蒙太奇”、“欲揚先抑”、“春秋筆法”、“陰陽怪氣”、“避重就輕”這些文學手法總有辦法繞過我們設定的類目。

因此，類目設定和自然語言就像阿基里斯與龜一樣，每當我們對類目設定和編碼技術進行了新的最佳化，解決了新的問題，就又會有新的問題出現，我們不能完全解決這些問題，只能無限接近之。因此，小編一直強調人工編碼與大資料技術的結合，有的問題需要、也只能交由人工編碼來進行解決，兩者相輔相成、不可分割。人工編碼和大資料技術結合，才能更好地將內容分析的研究概念可操作化，得到更精確的結果。

DiVoMiner®

是按學術標準的量化內容分析法一站式平臺，馬上註冊，登入me。divominer。cn，分享給你的朋友，免費學好研究方法，做論文，出報告，研出必行！

如果不想錯過

“文字資料探勘與分析”

的文章，掃描下方關注

“文字資料探勘與分析”

公眾號，即可第一時間在訂閱列表中看到最新推送的文章！做原創，尤其是研究，著實不易，歡迎大家

點贊、分享、留言

！

歡迎

DiVoMiner®

使用者向本公眾號投稿，分享您的研究成論文或思考，讓更多人看到您的成果！