Математические методы исследования текстов.

Тексты имеют статистическую структуру и определенные характеристики, содержащиеся в нем могут описываться с помощью вероятностных законов. При необходимости единичный текстовый документ можно превратить в массовый источник с помощью контент-анализа.

Особенность контент-анализа состоит в том, что он изучает документы в их социальном контексте. Он отличается от всех остальных способов изучения документов тем, что позволяет вписать содержание в социальный контекст и осмыслить его одновременно и как проявление, и как оценку социальной жизни. Вписывание документа в изучаемую проблему предполагает выявление того, что существовало до текста и того, что каким-то образом получило в нем отражение.

Контент-анализ определяет то, что существует только в тексте как в таковом.

Выявляет то, что будет существовать после текста, то есть после его восприятия другими адресатом. Не все документы могут стать объектами контент-анализа. Необходимо, чтобы изучаемое содержание позволило задать однозначное правило фиксирования нужных характеристик, чтобы соблюдался принцип формализации. И нужно, чтобы интересующие исследователя элементы содержания встречались с достаточной частотой - принцип статистической значимости.

Контент-анализ складывается из двух основных этапов:

1. классификационный - исходя из цели исследования и информационного потенциала источников, выделяется совокупность признаков многократно встречающихся в документах. Происходит формализация документа и создается подобие анкет. Сложность на этом этапе состоит не столько в выделении признаков, сколько в определении их градации. Смысловыми единицами контент-анализа могут быть: понятия, выраженные в отдельных терминах; темы, выраженные в частях текстах; имена и фамилии людей; события, факторы, соц ситуации; смысл апелляции к потенциальному адресату; слово или предложение. В результате выделения этих единиц мы получаем набор признаков, встречающихся в документах большое число раз и принимающих переменные значения. Категории контент-анализа должны быть

• ^{исчерпывающими}, то есть охватывать все части содержания и достаточно полно отражать смысл основных понятий исследования.

• ^{Они должны быть взаимоисключающими}, то есть части текста не должны принадлежать разным смысловым единицам

• ^{Надежными}

• ^{Уместными}, то есть соответствовать целям и задачам исследования

Следующий шаг первого этапа - подсчет частоты проявления в тексте каждого символа, каждой единицы и подсчет частоты их смысловых связей. Затем устанавливаются единицы счета, которые могут совпадать и нет с единицами анализа. То есть мы выявляем количественную меру взаимосвязей текстовых и вне текстовых явлений. В первом случае процедура сводится к подсчету частоты упоминаний, во втором случае исследователь на основе изучаемого материала сам выдвигает единицы счета. Например, физическая протяженность текста, площадь текста, число строк, длительность трансляций, метраж пленки и тд.

2) решается вопрос как считать. Выявляется процедура расчета показателей по разработанным статистическим методам. Создается таблица контент-анализа. Это основной рабочий документ, с помощью которого проводится исследование. Тип таблицы определяется этапом исследования. Например, разрабатывая категориальных аппарат, создается таблица, представляющая собой систему скоординированных и субординированных категорий анализа. Для регистрации единиц анализа составляется другая таблица, которая называется кодировальная матрица.

Иногда таблица бывает необходима и на этапе количественной обработке данных. Например, при использовании анализа случайности, строится матрица случайностей. Фотка.

С помощью нее выявляются меры случайности совпадения каждой классификационной единицы со всеми остальными. Например, единица А встречается в 30% анализируемых текстов, а единица Б в 50%, тогда ожидаемая частота совместного проявления этих единиц будет 0,15. Но в действительности они встретились только в 5%. Сравнивая ожидаемые и реальные совпадения признаков можно определить какие фактические зависимости оказались неслучайными.

Процедура подсчета при количественном анализе в общем виде аналогична стандартным приемам классификации по выделенным группировкам ранжирования и измерения ассоциации. Существуют и специальные процедуры подсчета: формула коэффициента Яниса, предназначенная для вычисления соотношения положительных и отрицательных (относительно выбранной позиции) оценок, суждений, аргументов. Фотка.

Ф - число положительных оценок, н - число отрицательных, Р - объем содержания текста, имеющего отношение к изучаемой проблеме, т - общий объем всего анализируемого текста.

Наиболее частые ошибки в контент-анализе:

• ^{анализ документов проводится прежде разработки исследовательской программы}

• ^{Анализируются документы}, не связанные с гипотезами исследования

• ^{Не проверена подлинность документ}ов

• ^{Не уточнено авторство}

• ^{Категории анализа не определены до такой степени}, которая позволяет четко различать смысловые единицы

• ^{Категории анализа не} субординарны и не приведены в соответствие с терминами, зафиксированными в программе исследования

• ^{Категор}ии анализа не сопоставимы со смыслом и языком текста изучаемого документа

• ^{Классификатор составлен с нарушениями правил логики}

• ^{Инструкция по регистрации и кодировке недостаточно полная и составлена исследователем}, который сам предварительно не апробировал инструментарий

• ^{Кодировка не соответствует программе статистической обработке текста}

• ^{Результаты контент}-анализа не перепроверены информацией, собранной другими методами