內容分析在組織管理研究中的應用與實例

摘要：內容分析在組織領域的應用已有30多年的時間，通過對文本材料的編碼，研究者可以獲取豐富的研究數(shù)據(jù)。相比較于二手數(shù)據(jù)與問卷調查，內容分析更適合對處于早期階段的理論提供實證證據(jù)。通過對研究假設、選取材料、詞典開發(fā)、編碼與數(shù)據(jù)分析等關鍵過程進行討論，并以基于經驗學習理論開展的內容分析研究為例，闡釋如何應用該研究方法促進新理論的開發(fā)。

關鍵詞：內容分析;經驗學習;個體反思

內容分析是為對信息特征進行系統(tǒng)地、客觀地、定量地分析，核心價值基于對語言在人類認知中的重要性的承認（Neuendorf，2016）。內容分析的關鍵假設是通過對各種介質的文本材料（比如文本、音頻、圖像等）進行分析，研究者可以理解其他人的認知模式。詞頻被認為是反映認知中心的指標，分析的目標就是“對關鍵詞計數(shù)”。內容分析的另外一個假設是詞群可以反映研究主題，關鍵詞的共現(xiàn)可以被解釋為主題之間的聯(lián)系（Huff，1990）。

內容分析在組織管理學領域的應用已經有30多年歷史，在1980年～2005年間被用于組織認知（比如團隊心智模型、認知變革）、戰(zhàn)略管理（比如戰(zhàn)略群組、CEO繼任）、國際組織等話題的研究，內容分析對許多難以開展實證檢驗的組織管理學研究提供了研究方法（Duriau et al.，2007）。在組織管理學的研究中，許多重要的新理論仍處在發(fā)展階段，比如組織自戀、體驗式學習、社會價值、組織風險等。新理論的主要變量之間的關系以及背后邏輯可能已比較成熟，但是缺少一致的經驗證據(jù)支撐或者假設邊界不清，需要進一步完善。促進理論開發(fā)的方法之一就是內容分析，通過定制化的詞典開發(fā)將理論變量與實證檢驗聯(lián)系起來，構建可重現(xiàn)的數(shù)據(jù)庫，可以持續(xù)可靠地對變量進行評價（Krippendorff，2012）。內容分析可以充實變量的概念及變量間的關系，識別理論適用邊界與時間性的條件。

計算機使得對大規(guī)模文本材料進行內容分析成為可能。利用計算機，可以將某些任務自動化，比如數(shù)據(jù)存儲、詞頻計算等，也可以實現(xiàn)某些環(huán)節(jié)的半自動化，比如詞典開發(fā)、編碼等，提高研究項目的擴展性。利用內容分析來質詢與求證組織管理學當下問題的條件已經成熟，但是國內管理學文獻中對內容分析的應用多停留基于現(xiàn)成詞典的詞頻分析，一方面，研究的話題受詞典的局限;另一方面，對文本材料的利用程度較低。因此，本研究以基于經驗學習理論的個體反思內容分析研究為例，討論文本分析的各個環(huán)節(jié)及關鍵點，重點分析詞典演繹式與歸納式的開發(fā)方法以及編碼過程，并簡要介紹我們如何通過內容分析獲取研究變量的量化數(shù)據(jù)，構建結構方程完成假設檢驗。

一、 內容分析是否可以捕捉隱性內容

相對于二手數(shù)據(jù)或者問卷調查，已有研究認為內容分析至少在以下幾個方面具有優(yōu)勢。首先，內容分析可以深入接觸個人或集體的結構，比如價值觀、目的、態(tài)度與認知。其次，內容分析有較強的分析彈性，研究者可以基于文本的表面信息統(tǒng)計詞頻，也可以通過文本解釋與統(tǒng)計推斷探索深層含義。最后，內容分析是非介入式的研究方法，研究者可以單方面完成問題的詢問與回答不影響研究對象。

內容分析的基礎是對文本材料的顯性內容進行定量分析。顯性內容是呈現(xiàn)于內容載體表面可計量的成分，可以直接進行觀察識別，比如特定詞語的出現(xiàn)、人物的動作等。顯性內容所見即所得，對信息的利用基于大多數(shù)人共享的特定符號的“外延意義”。顯性內容的直接性與表面性，致使早期內容分析研究流于膚淺。

Hair等（1988）認為內容分析法可以對信息特征進行研究，而信息特征不直接外顯于文本，“無法直接測量但能夠被一個或多個指標描繪或測量”，需要分析者通過上下文語境對文本的“內涵意義”進行解讀。對隱性內容的挖掘與分析是通過將相關變量進行操作化定義，轉化為顯性變量實現(xiàn)的。對隱性內容的測量可以被應用于特定理論的實證檢驗，好的內容分析設計往往以理論為基礎，其核心變量通過理論發(fā)展明確（周翔，2014）。大部分研究將理論作為對假設中變量關系進行內容分析的邏輯基礎，根據(jù)文獻中變量的定義衍生出內容分析的編碼類目與類目關系組合。對理論的把握可以提高研究者的理論觸覺，能夠快速從原始研究資料中抓取關鍵性問題。我們的在開發(fā)反思詞典進行文本分析時以經驗學習為理論基礎，該理論認為挑戰(zhàn)性經驗促進個體學習，Kolb（1984）提出了經驗學習的四階段模型，即觀察、反思性評價、概念提煉，實驗。從經驗向學習的轉化機制的研究仍停留在理論層面，缺少實證證據(jù)支持。Mann等（2009）在回顧這方面研究時指出：“關于反思的一個關鍵假設就是它可以提升能力……，但至今我們并沒有證據(jù)支持或拒絕該假設”。我們提出了研究假設，挑戰(zhàn)性經驗與學習行為顯著正相關，自我反思起中介作用。

二、 數(shù)據(jù)來源

文本材料是關鍵變量信息的載體，因此需要對文本材料對研究問題的適用性進行充分說明。以經驗學習的研究為例，數(shù)據(jù)獲取是量化個體反思面臨的一個主要困難，因為個體反思往往發(fā)生在工作情境中消極事件的應對過程中，問卷調查很難事后反映出當時的事件場景和情緒體驗。為此，我們采取情景導向內容分析方法，從文本材料中識別出挑戰(zhàn)性經驗、個體反思與學習行為這三個關鍵變量。我們的研究情景是王品集團的幼獅計劃。幼獅是企業(yè)從大學招聘的應屆生，通過6個月的在職培訓將成為企業(yè)旗下餐飲門店（副）店長。每位幼獅被要求在每周寫一篇學習心得，回顧培訓內容與收獲，我們以2011年～2015年五期共計3 322份學習心得作為分析材料。幼獅的工作挑戰(zhàn)主要來自兩方面：一方面他們需要在與餐飲顧客的接觸中成長起來（稱為“外部經驗”），另一方面他們學會如何更好地與店鋪其他角色的同仁有效共事（稱為“內部經驗”）。日記或周記是個體進行反思的一種方式，學習心得以周記的形式進行，可以幫助幼獅與已發(fā)生的事件或行動保持距離，避免個人概念保護帶來的偏差。學習行為體現(xiàn)在幼獅在自我評價的進步以及采取的諸如試錯、構建人際關系等主動行為。綜上，幼獅學習心得與經驗學習理論良好契合，通過挖掘文本材料的隱性內容可以反映個體反思等關鍵變量。

三、 定制詞典開發(fā)

內容分析將從特定目的的詞典開發(fā)中受益，詞典開發(fā)完成后，文本向定量數(shù)據(jù)的轉化將是直接的產出，但是詞典開發(fā)將是一個艱難的過程?，F(xiàn)成詞典并不是專為某種理論設計，類目的維度劃分不夠細致，比如經常被用于研究投資者情緒的情緒詞典，只有積極情緒與消極情緒的分類。對于新理論而言，現(xiàn)成詞典難以反映關鍵變量的含義。組織管理領域的詞典以英文為主，缺少可用的中文詞典。因此，我們將進行定制化詞典的開發(fā)。

詞典開發(fā)有歸納或演繹兩種方式。演繹式的詞典開發(fā)方法是通過對相關主題的高被引文章的詳盡搜索，從已有研究中識別變量的各個維度與相關的詞語。歸納式的詞典開發(fā)方法是從選定的文本中識別高頻詞語進行歸類，并給出該類詞組所反映變量的概念化定義。歸納式詞典的外部效度受限于特定場景，因為詞語的選擇來源于特定的文本材料。兩種詞典開發(fā)方式可以結合（Mckenny et al.，2012），通過演繹式詞典開發(fā)得到具有情景普適性的詞典，運用歸納式詞典開發(fā)對演繹式詞典進行補充，并開發(fā)適用于材料情景的針對性詞典。組織管理領域對個人反思的影響因素以及相應結果變量的研究較少且實證結果存在矛盾，演繹式的詞典開發(fā)無法獲取相對完備的詞典。本研究將介紹演繹式與歸納式結合的詞典開發(fā)方法。

1. 演繹式詞典開發(fā)。演繹式詞典開發(fā)始于對理論的文獻回顧以識別變量的各種維度、實證研究中的操作化定義以及變量相關的詞語。我們回顧了過去30年發(fā)表在頂級管理學期刊9篇經驗學習文獻，10篇自我反思的文獻，9篇團隊反思的文獻，識別出挑戰(zhàn)性經驗特征、情緒、反思標志等9個詞典。當變量從已有文獻中被識別出來之后，由3名研究者獨立使用Nvivio 11軟件Word格式的學習心得進行編碼，為詞典開發(fā)下級類目并識別詞語，類目對應文獻中變量的不同緯度。當從文獻中不能識別出新的詞語后，我們停止了獨立工作。

第二步，統(tǒng)一詞典結構與詞語列表。由1名研究者提出觀點，另外2名支持或者辯駁，不斷修正與補充，減少個體偏見、主觀性。最后我們得到101個詞語。第三步，尋求外部專家反饋。外部專家可以提高詞典的表面效度，并且保證我們對詞典的分類是得到理論支持的。專家的選擇以研究領域、活躍度為首要條件，專家數(shù)量根據(jù)實際情況確定。以本研究為例，我們邀請研究方向為領導行為并且近三年在主流管理學期刊有發(fā)表的專家為我們提供診斷。專家為我們補充了學習行為的維度，增加反思內容的詞語，并向我們介紹了積極主動行為的3篇文獻。根據(jù)專家建議，我們增加了“主動行為”詞典反映幼獅的學習過程，詞語相應增加15個。第四步，預編碼。隨機抽取100份文本進行預編碼，主要檢驗詞典是否能夠涵蓋主要的研究內容，是否存在未識別的類目。

2. 歸納式詞典開發(fā)。完成演繹式詞典開發(fā)后，我們進行了歸納式詞典開發(fā)。第一步，對文本材料進行分詞。因為5期的培訓方案基本相同，我們選擇文本材料最多的第三期（873份/3 322份）使用R的“Rwordse”庫進行分詞，直接進行分詞會得到信息含量較低但是高頻的停用詞，我們通過載入哈工大停用詞表刪除這類詞語，分詞后得到20 275個詞組。第二步，確定高頻詞語。已有文獻并沒有對“高頻”定義，考慮到詞語數(shù)量與重要性，我們選取詞頻數(shù)前20%（大于等于11）的詞語作為高頻詞語，共計3 864個。第三步，詞典迭代開發(fā)?；谟转{培訓的特定情境，3位研究員按照演繹式詞典開發(fā)第2步的過程，開發(fā)了場景特征、場景人物、場景時間等3部針對性詞典。3位研究者各自獨立地將高頻率詞語歸入演繹式開發(fā)的10部普適性詞典與3部針對性詞典，分類完成后3位研究者交流各自分類依據(jù)，移除詞義模糊不清或者明顯與變量不相關的詞語，將分類結果送交外部專家診斷。以上過程需要經過反復迭代，是詞典開發(fā)最耗時的步驟，持續(xù)5個月時間。

3. 詞典調整。編碼結果是詞典內容的被動反應，在編碼之前需要對詞語進行必要的調整。首先，確保詞典中的詞語的唯一性。當一個詞語被歸類到兩個以上類目時，一個可行的方案是在使用該詞的文本材料中隨機抽取若干份，分析關鍵詞出現(xiàn)的語境，只有當某種用法占比80%以上時才予以保留（Bengstono & Xu，1995），否則刪除該詞語。比如我們研究中遇到的“PASS”一詞，其含義是通過還是淘汰需要在文本中尋找，最終得出結論PASS在幼獅訓練中指的是淘汰。如果詞典詞語數(shù)量較多，另一種可行的方案通過編碼人員的討論取得一致結果，將仍存在歧義的詞語刪除。

其次，判斷詞語的含義是否被文本中負面意義的詞語所改變。我們專門構建了否定詞詞典，將具有否定意義的詞語單獨列出，比如將識別的“不耐煩”“不滿”等詞中的“不”作為否定詞，而在其他字典的詞語中不再包含具有與定義相反意義的詞語，以使各變量的中的詞語更加符合定義。

最后，我們將擁有相同主干、詞義相同的表現(xiàn)形式不同的詞語，比如，“成就”“成就感”，保留詞語的主干，合并為同一個詞“成就”;但是有共同主干的詞語可能被劃分為不同類目，比如“意識”與“意識到”，分別被劃入了反思過程與反思標志，為了在計算機編碼時能夠區(qū)分這組詞，我們較長的詞語進行英文替換，即將“意識到”替換為“Realize”。經過以上調整，我們最終得到分類一致的詞語927個。

4. 信度與效度檢驗。為了計算上述詞語分類的信度，本研究邀請另外3位沒有參與前階段詞典開發(fā)工作的研究助理判斷各變量及類目下的詞語是否符合定義。本研究反映編碼者兩兩之間分類一致性的Kappa系數(shù)均值0.889，詞典具有良好的信度;內容分析更多依賴表面效度，因為該研究方法關注文本的閱讀，文本中的象征意味著什么等問題的解答很大程度基于常識或此類話題的共識。本研究通過邀請外部專家、3位研究者獨立確定變量及詞語歸類，并進行詞典反復迭代以提高詞典的表面效度。完成編碼進行實證研究時我們進行數(shù)據(jù)分析時，我們對關鍵變量進行驗證性因素分析，通過對比4因子模型及其他模型，檢驗挑戰(zhàn)性經驗、個體反思、行為反應、價值觀反應之間的區(qū)分效度。

四、 編碼過程與數(shù)據(jù)分析

應用詞典將文本材料編碼，是完成定性描述向定量數(shù)據(jù)轉化的最后一步。在正式開始編碼前，需要對文本內容進行清理。我們首先將文章的標題、日期、幼獅姓名等干擾內容刪除，利用VBA在學習心得的各段段首按順序添加編號，將“日期+姓名+段落”作為段落識別標志。其次，以句為單位進行統(tǒng)計與判斷。本研究借助計算機自動編碼，使用Stata 14統(tǒng)計文本材料中各關鍵詞的詞頻，變量默認值設置為0。我們在這一步考慮了否定詞對語義的影響，判斷出現(xiàn)挑戰(zhàn)性經歷、情緒、自我評價等變量的句子中是否存在否定詞，若存在，則進行詞義調整，比如否定詞加激活的消極情緒調整為激活的積極情緒;判斷出現(xiàn)反思類詞語的句子的主語以確定反思主語;“反思過程”詞典中的詞語出現(xiàn)在段落中時可能與反思無關，我們在編寫程序中考慮了先對“反思標志”進行識別，然后在同一句內判斷是否出現(xiàn)“反思過程”?！胺此紖⒄拯c”的判斷與“反思過程”相同，將范圍擴大至出現(xiàn)反思的句子以及前后一句。

詞頻計算完畢后，我們對類目進行量化。以段為單位，類目的關鍵詞出現(xiàn)大于等于1次，則該類目取值1，否則取值0。編碼完畢后由3位研究者隨機選擇30份報告檢驗編碼準確性;在數(shù)據(jù)清理階段，內容少于30個中文字的段落被刪除，初始數(shù)據(jù)庫包括22 016個觀測值;本研究將段落層面的編碼數(shù)據(jù)聚合到周報層面，并根據(jù)周報的段落數(shù)進行標準化，最終得到以篇為最小單位的類目的量化數(shù)據(jù)。對文本分析定量數(shù)據(jù)的應用主要有兩種。第一種是單變量分析，考察變量隨著時間的變動趨勢、變量的組間差異、變量之間共現(xiàn)關系;第二種是用于實證檢驗，通過構建回歸模型、結構方程等考察變量的預測效力。我們考察挑戰(zhàn)性經歷與行為反應、價值觀反應的關系，以及自我反思的中介作用與培訓時間的調節(jié)作用。我們從編碼過程獲取的類目數(shù)據(jù)反映的是研究變量的各個維度，即我們的研究變量是潛變量，類目相當于潛變量的各個因子。因此，我們構建了結構方程，采用Mplus 7對理論模型進行檢驗。

五、 結論

本研究討論了內容分析考察文本的層次不局限于顯性信息，對隱形信息的捕捉是當下研究的主流。我們回答了是否需要依據(jù)理論提出研究問題、演繹式與歸納式的詞典開發(fā)方法、編碼與數(shù)據(jù)分析的過程等問題。在文章中我們介紹了基于王品集團幼獅計劃的文本分析過程，強調了對文本材料合理性的說明，并對外部專家、高頻詞語的選擇進行了解答。基于幼獅在培訓期間記錄的學習心得，我們獲取了測量挑戰(zhàn)性經驗、個體反思、行為反應等關鍵變量的定量數(shù)據(jù)，并進一步構建結構方程，為經驗學習理論對變量關系的預測提供了實證證據(jù)。文本分析提供了推動處于新理論發(fā)展的工具，通過開發(fā)定制化詞典，可以完善理論關鍵變量的外延與界限以及為實證檢驗提供豐富數(shù)據(jù)。

參考文獻：

[1] Bengston D N， Xu Z.Changing national forest values： a content analysis[J].Research Paper Nc，1995，1（1）：1-29.

[2] Durlau V J，Reger R K，Pfarrer M D. A content analysis of the content analysis literature in organization studies： Research themes， data sources， and methodological refinements[J].Organizational research methods，2007，10 （1）：5-34.

[3] Hair J F， Black W C， Babin B J， et al. Multivariate data analysis[M].NJ：Prentice hall Upper Saddle River，1998：581.

[4] Huff A S.Mapping strategic thought[M].NY： John Wiley & Sons，1990：21.

[5] Kolb D A.Experiential learning： Experience as the source of learning and development[M]. New Jersey：Prentice Hall，1984：20-38.

[6] Neuendorf K A.The content analysis guidebook[M].London： Sage，2016：28.

[7] 周翔. 傳播學內容分析研究與應用[M]. 重慶： 重慶大學出版社，2014： 13.

基金項目：國家自然科學基金（項目號：71432005）。

作者簡介：孔祥年（1994-），男，漢族，山東省菏澤市人，上海交通大學安泰經濟與管理學院管理學碩士生，研究方向為領導行為。

收稿日期：2019-02-08。