Análisis de Contenido Cuantitativo

El Análisis de Contenido Cuantitativo (ACC) es un método de investigación en el que las características del material textual, visual o auditivo se clasifican y registran sistemáticamente para poder analizarlas. Muy utilizado en el ámbito de la comunicación, también tiene utilidad en otros campos. En el análisis de contenido es fundamental el proceso de codificación, que consiste en seguir una serie de instrucciones sobre los rasgos que hay que buscar en un texto y, a continuación, hacer la anotación designada cuando aparece ese rasgo.

Para llevar a cabo un análisis de contenido con éxito, es necesario prestar mucha atención a la unitización (segmentación de los textos para el análisis), al muestreo (selección de una colección adecuada de unidades para el análisis), a la fiabilidad (que diferentes investigadores realicen los códigos de forma coherente) y a la validez (utilizar un esquema de codificación que represente adecuadamente los fenómenos especificados).

Antecedentes

El análisis de contenido surge del trabajo realizado por el teórico Alfred Lindesmith, que ideó un medio para refutar una hipótesis conocido como «Método comparativo constante de análisis cualitativo», en 1931. El análisis cuantitativo se basó en estas herramientas de investigación cualitativa y aplicó técnicas estadísticas y científicas más rigurosas. El Dr. Klaus Krippendorff creó una serie de seis preguntas, basadas en el trabajo de Lindesmith, que deben tenerse en cuenta en cualquier análisis de contenido:

¿Qué datos se analizan?

¿Cómo se definen?

¿Cuál es la población de la que se extraen?

¿Cuál es el contexto en el que se analizan los datos?

¿Cuáles son los límites del análisis?

¿Cuál es el objetivo de las inferencias?

Al analizar estos datos, se parte de la base de que las palabras y frases que se mencionan con más frecuencia son las que reflejan preocupaciones importantes en toda comunicación. Por lo tanto, el análisis de contenido cuantitativo comienza con frecuencias de palabras, medidas de espacio (centímetros de columna en el caso de los periódicos), recuentos de tiempo (para el tiempo de radio y televisión) y frecuencias de palabras clave. Sin embargo, el análisis de contenido va mucho más allá del simple recuento de palabras. Por ejemplo, con las rutinas «Keyword In Context» se pueden analizar las palabras en su contexto específico para desambiguarlas.

Estas formas de análisis cuantitativo se han utilizado para estudiar las redes sociales, las comunicaciones corporativas, las visitas a sitios web, las elecciones, etc. Con el aumento exponencial tanto de la cantidad de datos disponibles como de las capacidades de los ordenadores, la investigación cuantitativa se utiliza en un número creciente de campos.

Metodología

El análisis cuantitativo requiere propiedades formales como frecuencias de palabras, medidas de espacio, recuentos de tiempo, hashtags, número de personas etiquetadas en una imagen, número de amigos o páginas con «me gusta». Los objetos de análisis pueden variar desde el contenido textual tradicional (mensajes, bibliometría, análisis/indexación de citas, páginas web, trending topics en twitter), hasta cualquier objeto mediático con propiedades formales especificadas o metadatos (vídeo, fotografías, conversaciones telefónicas). Como resultado, surgen al menos tres distinciones importantes con respecto al análisis de contenido cualitativo.

En primer lugar, a diferencia del análisis cualitativo, el análisis cuantitativo (o basado en la computadora y automatizado) es más adecuado para las investigaciones cerradas y suele dar como resultado categorías emergentes en lugar de categorías asignadas manualmente, lo que también hace que este tipo de análisis sea útil para derivar predicciones probables sobre el futuro.

En segundo lugar, al centrarse sólo en las propiedades formales, el análisis de contenido cuantitativo suele aplicarse a los contenidos manifiestos (contenido literal) y no a su significado latente (contenido implícito).

Por último, se distingue entre el análisis prescriptivo (que tiene un conjunto de parámetros específicos estrechamente definidos) y el análisis abierto (que puede aplicarse a muchos momentos de los textos y contenidos y en el que se identifican los mensajes dominantes en el análisis). Además, dado que el investigador suele necesitar instrumentos para medir y contar (por ejemplo, una computadora), la fiabilidad (todas las investigaciones obtendrán los mismos resultados) y la validez (mide lo que se supone que debe medir) de los aparatos y las técnicas (por ejemplo, su software) siempre deben ser objeto de reflexión como parte de la investigación.

Componentes del Análisis de Contenido Cuantitativo

En su obra seminal Content Analysis: An Introduction to Its Methodology, Krippendorff (2004) presenta un esquema de los componentes del análisis de contenido e identifica sus principios fundamentales. La realización del análisis de contenido cuantitativo implica el diseño del análisis de contenido, la definición de las unidades, el muestreo, el registro y la codificación y el lenguaje de los datos.

Diseño

Como punto de partida, el investigador debe diseñar el análisis basándose en los marcos teóricos existentes y en las experiencias pertinentes a la pregunta de investigación. Esta fase esencial tiene como objetivo planificar cada paso del proceso para producir una respuesta sólida a la pregunta de investigación inicial. Esta fase suele implicar el desarrollo de hipótesis con las que se pueden probar o relacionar los resultados del análisis. El diseño y la pregunta de investigación guiarán luego los otros seis componentes del análisis de contenido propiamente dicho.

Unificación

Una vez que el investigador ha trazado cada paso del proceso, se pueden crear los datos necesarios para el análisis (por ejemplo, reunirlos, capturarlos o producirlos). En general, las unidades son conjuntos que los analistas distinguen y tratan como elementos independientes. La unitización enmarca el objeto de análisis para poder procesar los elementos discretos.

Aunque el texto no es cuantitativo, su número de caracteres, líneas de texto, palabras o páginas puede contarse, medirse, compararse y visualizarse. Para ello, existe una gran variedad de formas de definir las unidades. Además, se utilizan diferentes tipos de unidades para el muestreo, el registro y la codificación y para proporcionar contexto hay formas de definir las unidades para aumentar la productividad, la eficacia y la fiabilidad del análisis de contenido.

Muestreo

El muestreo reduce el conjunto de objetos de análisis disponibles a un corpus manejable y representativo del conjunto. Como tal, se trata de construir el tamaño de la muestra tanto como de encontrar técnicas de muestreo adecuadas. Diferentes objetos de análisis pueden requerir diferentes técnicas de muestreo aplicables a ese objeto (por ejemplo, basados en texto, como páginas web o transcripciones, o visuales, como fotografías o películas). La teoría del muestreo estadístico ofrece las llamadas técnicas de muestreo probabilístico, que están diseñadas para garantizar que todas las unidades de muestreo tengan la misma oportunidad de ser incluidas en la muestra.

Las técnicas que identifica como aplicables a los textos son el muestreo aleatorio, el muestreo sistemático, el muestreo estratificado, el muestreo de probabilidad variable, el muestreo por grupos, el muestreo de bola de nieve, el muestreo de relevancia, el censo y el muestreo de conveniencia. El último de esta lista está en contradicción con algunas características clave de la teoría del muestreo estadístico, concretamente porque está motivado por el corpus disponible aunque se sepa que no está incompleto. Esta es una cuestión que se plantea a menudo en relación con los análisis contemporáneos de Big Data.

Codificación/grabación

El registro y la codificación son procedimientos que tienen por objeto captar el objeto de estudio de manera que sea posible volver a buscar patrones en él. La investigación debe registrarse de forma que sea duradera y capaz de soportar exámenes recurrentes. El registro o la codificación codifican así la investigación de una manera determinada, de modo que otros investigadores puedan ejecutar el mismo proceso de forma fiable y llegar a los mismos resultados.

Se recomiendan cuatro tipos de instrucciones de registro necesarias: las cualificaciones que deben tener los codificadores, la formación que deben recibir los codificadores para prepararse para la tarea de registro, la sintaxis y la semántica del lenguaje de los datos, incluyendo preferentemente los procedimientos cognitivos que deben aplicar los codificadores para registrar los textos y las imágenes de forma eficaz y fiable y, por último, la naturaleza y la administración de los registros que deben producirse.

Además, es importante facilitar la interpretación de los resultados de la investigación asegurando el acceso a sus significados. Los lenguajes de los datos también desempeñan un papel importante en este componente del análisis. Los lenguajes de datos son dispositivos descriptivos y para los analistas de contenido, que parten de material textual, imágenes, intercambios verbales, transmisiones y registros de fenómenos observados, un lenguaje de datos describe cómo todas las categorías, variables, anotaciones, transcripciones formales y relatos legibles por ordenador se unen para formar un sistema.

Como dispositivos descriptivos, tratan de forma diferente los distintos tipos de variables, como las variables binarias, las variables categóricas, las métricas ordinales, las métricas de intervalo, las métricas de proporción.

Reducción

Para acceder cognitivamente al significado de los grandes análisis de contenido cuantitativos, a menudo se necesitan técnicas de reducción. Suelen ser técnicas computacionales o automáticas para resumir el cuerpo del texto registrado y las justificaciones de estas técnicas en relación con lo que se sabe del contexto de los textos. Por ejemplo, se suele recurrir a las visualizaciones estadísticas como función simplificadora para crear dicho resumen (por ejemplo, para mostrar la correlación entre dos variables). Normalmente, las estadísticas se representan como tablas relacionales. Estas tablas pueden visualizarse de muchas maneras diferentes, lo que permite obtener distintas perspectivas del mismo conjunto de datos (en este sentido, es reductor).

Inferir

Basarse en construcciones o modelos analíticos del contexto elegido para inferir abductivamente los fenómenos contextuales. Es decir, sacar conclusiones sobre fenómenos concretos con una certeza sólo estadística o probable. Por ejemplo, extrapolando la trayectoria de una variable específica a lo largo de un tiempo determinado, se puede concluir con certeza estadística, la evolución futura de esa variable. Otras inferencias pueden requerir relacionar los resultados del análisis con otros conjuntos de datos. Por ejemplo, se podría hacer un análisis comparativo entre diferentes conjuntos de contenidos. En tal caso, el análisis de contenido se convierte en parte de un esfuerzo de investigación más amplio.

Narración

Como componente final del proceso de análisis de contenido cuantitativo, la narración implica responder a la pregunta de investigación inicial que guió la investigación. La narración se basa en las tradiciones narrativas o las convenciones discursivas establecidas dentro de la disciplina del analista de contenidos y lo hace para que los resultados sean comprensibles y accesibles para otros. Esto puede suponer argumentar sobre la importancia práctica, reflexionar sobre la idoneidad de los métodos utilizados, argumentar sobre la importancia de los resultados o hacer recomendaciones para futuras investigaciones. Los análisis de contenido cuantitativos contemporáneos a veces omiten este último componente, si se publican directamente en un formato visual como un gráfico informativo.

Propósito

Se sugieren cinco propósitos principales para el análisis cuantitativo de contenido: describir las características de fondo del contenido del mensaje, describir las características de forma del contenido del mensaje, hacer inferencias a los productores del contenido, hacer inferencias a las audiencias del contenido y finalmente, predecir los efectos del contenido en las audiencias.

Al respecto, se han agrupado quince usos diferentes en tres categorías: primero, hacer inferencias sobre los antecedentes de las comunicaciones, segundo, describir y hacer inferencias sobre las características de las comunicaciones y tercero, hacer inferencias sobre las consecuencias de las comunicaciones.

Ejemplo de Análisis de Contenido Cuantitativo

En nuestra sociedad, términos como morir, agonizar y muerte siguen siendo tabú. La sociedad se refiere a fallecer, ir a un lugar mejor, etc. Reconocer el problema de la falta de uso de términos explícitos podría dificultar la eficacia de la comunicación entre médicos y pacientes.

El investigador Z quiere saber con qué frecuencia los profesionales sanitarios, los pacientes o los familiares utilizan términos explícitos frente a eufemismos. De igual manera pretende determinar:

¿En qué circunstancias se utilizan estos términos explícitos?

¿Cómo se utilizan los términos morir, moribundo y muerte cuando se habla de los cuidados paliativos y qué términos alternativos se utilizan?

El investigador Z desarrolla un plan de muestreo para maximizar la diversidad de la muestra en torno a las características demográficas.

Se tomaron muestras de dos tipos de eventos de comunicación con pacientes que habían recibido un diagnóstico terminal:

(A) Uno era la enseñanza del alta para pacientes hospitalizados que iban a ser trasladados a un centro de cuidados paliativos a domicilio.

(B) El otro evento de comunicación fueron las conferencias médico-paciente-familia en entornos ambulatorios o de hospitalización.

Los datos se extrajeron de las grabaciones:

El análisis de los datos comenzó con la búsqueda asistida por ordenador de los términos «morir», «muerte» y «morirse» en las transcripciones. Se calculó la frecuencia de palabras de cada uno de los tres términos relacionados con la muerte en una transcripción y se comparó con la duración total del evento comunicativo.

Posteriormente, se Identifican los términos o expresiones alternativas en lugar de muerte, morir o morirse.

Por último, se compararon las frecuencias de los eufemismos frente a los términos directos para el tipo de hablante, las características demográficas del clínico y las características demográficas del paciente dentro de cada acto de comunicación y en toda la muestra.

Herramientas Utilizadas en el Análisis de Contenido Cuantitativo

En la investigación cuantitativa, es habitual utilizar gráficos, tablas, cuadros y otros elementos no textuales para ayudar al lector a entender los datos. Hay muchas herramientas y paquetes de software diferentes que se utilizan para organizar los datos brutos y que ayudan a mostrar las correlaciones entre las variables de los datos. Las estadísticas suelen representarse en forma de tablas relacionales. Estas tablas pueden visualizarse de muchas formas diferentes (gráficos y diagramas), lo que permite obtener diferentes perspectivas del mismo conjunto de datos.

Los siguientes programas informáticos permiten utilizar métodos estadísticos para organizar y examinar los datos cuantitativos. Los programas informáticos que se comentan a continuación se utilizan habitualmente para gestionar datos cuantitativos en bruto, para analizar los resultados de las encuestas, los datos históricos y el análisis de contenido. También pueden utilizarse para hacer previsiones o determinar la probabilidad de un acontecimiento concreto.

STATA

Stata es un paquete de software estadístico muy utilizado para gestionar, analizar y representar gráficamente los datos. Se ejecuta en una variedad de plataformas, incluyendo Windows, Mac y Unix. Sata puede utilizarse tanto con una interfaz gráfica de usuario (mediante el uso de menús y diálogos asociados) como a través de la sintaxis de la línea de comandos para operaciones más potentes y complejas. Con Sata se pueden generar gráficos que pueden ser exportados a EPS o TIF para su publicación, a PNG para la web, o a PDF para su visualización. Con el uso de un script también es posible producir automáticamente gráficos de manera reproducible.

IBM SPSS

SPSS es uno de los programas de análisis cuantitativo más populares, especialmente entre los investigadores de ciencias sociales. Con SPSS se pueden realizar muchas tareas de gestión de datos y análisis estadístico. SPSS puede tomar datos de casi cualquier tipo de archivo y utilizarlos para generar informes tabulados, gráficos, diagramas de distribuciones y estadísticas descriptivas. O para realizar complejos análisis estadísticos. El SPSS es relativamente fácil de usar y permite la incorporación de módulos adicionales. Por ello, su uso está muy extendido entre los investigadores de mercado, los investigadores sanitarios, las empresas de encuestas y los investigadores académicos.

SPSS ofrece una interfaz de usuario que hace que el análisis estadístico sea más intuitivo para todos los niveles de usuarios. Los menús sencillos y las selecciones del cuadro de diálogo permiten realizar análisis complejos sin necesidad de utilizar una sintaxis de comandos. Esta última puede utilizarse para procedimientos estadísticos más especializados. IBM SPSS está disponible para las plataformas: Windows, Macintosh y los sistemas UNIX.

SAS

SAS Analytics proporciona un entorno integrado para el análisis cuantitativo, lo que significa que el software se basa en diferentes módulos que pueden añadirse según sus propias preferencias. El software permite el análisis predictivo, la minería de datos, la minería de texto, la previsión y muchas visualizaciones gráficas diferentes. Sas le ayuda a organizar los datos cuantitativos en bruto y ofrece una amplia gama de técnicas y procesos para la recopilación, la clasificación y el análisis de datos. El software utiliza principalmente una sintaxis de comandos con programas incorporados para las tareas más habituales. Se puede instalar un módulo adicional (SAS/ASSIST) para obtener una interfaz visual orientada a las tareas. Dado que SAS trabaja con una sintaxis de comandos intuitiva, los usuarios de nivel intermedio pueden realizar análisis de datos complejos y manipulaciones de datos/archivos con relativa facilidad.

SAS está disponible para Windows y Linux, pero sólo ofrecen licencias a los estudiantes a través de las universidades que ya compraron SAS.

Tableau Desktop

Tableau Desktop es visualmente la herramienta de análisis estadístico más atractiva.  Permite interactuar con los datos a través de un sistema de arrastrar y soltar fácil de usar. Puedes conectarte a los datos en unos pocos clics y luego visualizarlos seleccionando y ajustando uno de los cuadros de mando interactivos preestablecidos. La versión completa de Tableau Desktop le permite trabajar directamente desde una base de datos. Puede gestionar sus propias conexiones de datos y metadatos, sin alterar la base de datos original. Esto hace que el software sea fácil de usar. Sin embargo, es difícil o incluso imposible personalizar los análisis exactamente como usted quiere que sean.

La herramienta sólo está disponible para Windows. Ofrece un entorno en línea con todos los elementos básicos que funciona con todos los navegadores de Internet modernos (por tanto, también en Windows, Mac y sistemas Unix).

Análisis R

El análisis R es un proyecto GNU de código abierto para la computación estadística y los gráficos. Facilita la manipulación de datos, el cálculo y la visualización gráfica con el uso de una sintaxis de comandos fácil de aprender. El hecho de que R utilice su propia sintaxis de comandos de código abierto lo hace adaptable a todo tipo de análisis cuantitativo. Sin embargo, la falta de una interfaz gráfica de usuario hace que R sea difícil de utilizar para el usuario novato.

Desventajas del Análisis de Contenido Cuantitativo

Validez y Confiabilidad

La mayoría de las críticas al Análisis Cuantitativo de Contenido se centran en los problemas de validez y fiabilidad del método. Sin embargo, el análisis de contenidos mediante el recuento de palabras clave específicas conduce a un resultado muy fiable y consistente. Cuando las palabras clave se han utilizado una determinada cantidad de veces, cualquier afirmación puramente cuantitativa que pueda extraerse de esos cálculos es fácilmente rastreable.

El problema surge cuando se infiere el significado de los resultados cuantitativos. Los temas pueden estar infrarrepresentados en una selección de palabras clave específica y los sentimientos ligados a las palabras clave pueden pasarse por alto. Esto compromete la validez del método.

Contenido de las Imágenes

Cuando se investiga el contenido de las imágenes mediante el análisis de contenido cuantitativo surge un problema diferente. Para poder cuantificar las imágenes hay que fijarse en los metadatos en lugar de en las propias imágenes para crear significado. ¿Dónde se tomó una imagen, por quién fue tomada, qué etiquetas tiene y a quién le gustó la imagen? Incluso al mirar la imagen, habrá que reducirla a un conjunto de variables calculables, como el tono, la saturación, el grano, etc. Es útil pensar en cuál es el objeto de estudio real y si es posible acercarse lo suficiente a él mediante el análisis de contenido cualitativo.

Programas Informáticos

En el ACC cuando se utilizan grandes cantidades de datos, el investigador confía cada vez más en los programas que manejan los datos. Un problema que se presenta aquí es la falta de comprensión de dichos programas.  Por lo general, hay que invertir un poco para entender cómo hacer que el programa procese los datos que se le dan de la manera deseada.

Por último, cuando se realiza una investigación con datos recogidos de los usuarios de las redes sociales, se plantea el problema de la privacidad. Muchos usuarios no son plenamente conscientes de lo que han firmado al crear una cuenta en Facebook, Twitter o Instagram. Puede que no sean conscientes de que el contenido que producen está en cierta medida al alcance de los investigadores.

Todas estas son cuestiones que un investigador debe tener en cuenta a la hora de elegir los métodos y evaluar o interpretar los resultados. Es útil combinar un ACC con otras técnicas para cubrir las críticas que surgirían al utilizar únicamente este método.

Nuestros especialistas esperan por ti para que los contactes a través del formulario de cotización o del chat directo. También contamos con canales de comunicación confidenciales como WhatsApp y Messenger. Y si quieres estar al tanto de nuestros novedosos servicios y las diferentes ventajas de contratarnos, síguenos en Facebook, Instagram o Twitter.

Si este artículo fue de tu agrado, no olvides compartirlo por tus redes sociales

Referencias Bibliográficas

Barringer, Bruce R, Foard F Jones, and Donald O Neubaum. “A Quantitative Content Analysis of the Characteristics of Rapid-Growth Firms and Their Founders.” Journal of Business Venturing 20.5 (2005): 663–687. Print.

Jick, Todd D. “Mixing Qualitative and Quantitative Methods. Triangulation in Action.” Administrative Science Quarterly 24.4 (2013): 602–611. Print.

Rourke, Liam, and Terry Anderson. “Validity in Quantitative Content Analysis.” Educational Technology Research and Development (ETR&D) 52.1 (2004): 5–18. Print.

También te puede interesar: El Censo y su Utilidad en la Investigación Social