THE USE OF CONTENT ANALYSIS AND TEXT MINING IN COMMUNICATION STUDIES

Yıl 2022, , 177 - 191, 09.08.2022

Oğuz Kuş

https://doi.org/10.30794/pausbed.1099169

Cited By: 1

Öz

Methodological approaches that consider the concept of big data are emerging in communication studies. In this regard, combined usage of content analysis and text mining were observed. This approach presents potential to obtain real-time findings, evaluate large data sets, and obtain effective results. This study aims to present how text mining can be systematically integrated into the deductive content analysis process. In the study, a deductive content analysis process based on text mining is proposed. This process can provide researchers with a methodological roadmap that can be applied to digital text data in different contexts, with different softwares, without high technical skill requirements. In this context, the stages of content analysis have been reviewed, the deductive content analysis approach was discussed, a process was developed in the light of the researcher's past experiences and preliminary research on how traditional content analysis approaches can be realized with text mining processes.

Anahtar Kelimeler

content analysis, deductive content analysis, big data, text mining

İLETİŞİM ÇALIŞMALARINDA İÇERİK ANALİZİ VE METİN MADENCİLİĞİNİN KULLANIMI

Öz

İletişim çalışmaları çerçevesinde büyük veri kavramını göz önünde bulunduran yöntemsel yaklaşımlar gelişmektedir. Bu bağlamda içerik analizi ve metin madenciliğinin bir arada kullanıldığı gözlemlenmektedir. Bu yaklaşım gerçek zamanlı bulgular elde etmek, geniş veri setlerini değerlendirebilmek ve etkin sonuçlar elde etmek noktasında önemli bir potansiyel sunmaktadır. Bu çalışma tümdengelimci içerik analizi sürecine, metin madenciliğinin sistematik bir şekilde nasıl entegre edilebileceğini aşamalar halinde sunmayı amaçlamaktadır. Çalışmada metin madenciliği temelli tümdengelimci bir içerik analizi süreci önerilmektedir. Bu süreç farklı bağlamlarda, farklı programlarla, teknik olarak yüksek donanım gereksinimi gözetmeden dijital metin verisine uygulanabilecek yöntemsel bir yol haritası sunmaktadır. Bu bağlamda içerik analizinin aşamaları gözden geçirilmiş, tümdengelimci içerik analizi yaklaşımı tartışılmış, geleneksel içerik analizi yaklaşımlarının metin madenciliği süreçleriyle nasıl gerçekleştirilebileceğine yönelik araştırmacının geçmiş deneyimleri ve öncül araştırmalar ışığında bir süreç geliştirilmiştir.

Anahtar Kelimeler

içerik analizi, tümdengelimci içerik analizi, büyük veri, metin madenciliği

Kaynakça

• Ampofo, L., Collister, S., O’Loughlin, B., Chadwick, A., Halfpenny, P. J., & Procter, P. J. (2015). Text mining and social media: When quantitative meets qualitative and software meets people. (?.10.2013). https://bit.ly/3LGjHrM
• Armat, M., Assarroudi, A., Rad, M., Sharifi, H., & Heydari, A. (2018). “Inductive and Deductive: Ambiguous Labels in Qualitative Content Analysis”, The Qualitative Report, 23/1, 219-221.
• Atan, S. (2018). “Haberlerin Kurumsal İmaja Etkisi ve Türkiye'deki Hastaneler Hakkında Medyada Yer Alan Haberlerin Metin Madenciliği ile Analizi”, Journal of Communication Theory & Research/İletişim Kuram ve Araştırma Dergisi, 46, 222-240.
• Aytekin, Ç., & Sütcü, C. S. (2013). “Sosyal Medya’da Demokrasi Algısı:“Demokrasinin Renkleri” Üzerine Fikir Madenciliği Araştırması”, Akdeniz Üniversitesi İletişim Fakültesi Dergisi, 19, 28-44.
• Çilingir, A. (2017). “İletişim Alanında İçerik Analizi Yöntemi Kullanılarak Yapılan Yüksek Lisans ve Doktora Tezleri Üzerine Bir İnceleme”, Erciyes İletişim Dergisi, 5/1, 148-160.
• Drisko, J. & Maschi, T. (2016). Content Analysis, Oxford University Press, New York.
• Elo, S. & Kyngäs, H. (2008). “The qualitative content analysis process”, Journal of Advanced Nursing, 62/1, 107- 115.
• Elo, S., Kääriäinen, M., Kanste, O., Pölkki, T., Utriainen, K., & Kyngäs, H. (2014). “Qualitative content analysis: A focus on trustworthiness”, SAGE open, 4/1, 1-10.
• Fonteyn, M. E., Vettese, M., Lancaster, D. R., & Bauer-Wu, S. (2008). “Developing a codebook to guide content analysis of expressive writing transcripts”, Applied Nursing Research, 21/3, 165-168.
• Goodell, L. S., Stage, V. C., & Cooke, N. K. (2016). “Practical qualitative research strategies: Training interviewers and coders”, Journal of Nutrition Education and Behavior, 48/8, 578-585.
• Graneheim, U. H., Lindgren, B. M., & Lundman, B. (2017). “Methodological challenges in qualitative content analysis: A discussion paper”, Nurse education today, 56, 29-34.
• Graham, M., Milanowski, A., & Miller, J. (2012). Measuring and promoting inter-rater agreement of teacher and principal performance ratings, Center for Education Compensation Reform (CECR), US.
• Güçdemir, Y., Çakar-Mengü, S., & Günay, K. (2020). “Büyük Veri Metin Madenciliği Bağlamında İstanbul Büyükşehir Belediyesi Seçimlerinde Aday Liderlerin Tweet Kullanımları Üzerine Bir İnceleme”, Connectist: Istanbul University Journal of Communication Sciences, 59, 161-191.
• Helles, R., & Ørmen, J. (2020). “Big data and explanation: Reflections on the uses of big data in media and communication research”, European Journal of Communication, 35/3, 290-300.
• Sallan Gül, S., & Kahya Nizam, Ö. (2021). “Sosyal bilimlerde içerik ve söylem analizi”, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 42, Özel Sayı 1, 181-198.
• Jünger, J. & Keyling, T. (2019). Facepager. (05.04.2020) https://github.com/strohne/Facepager
• Kapucugil İkiz, A., & Özdağoğlu, G. (2015). “Text mining as a supporting process for VoC clarification”, Alphanumeric Journal, 3/1. 25-40.
• Kim, H., Jang, S. M., Kim, S. H., & Wan, A. (2018). “Evaluating sampling methods for content analysis of Twitter data”, Social Media+ Society, 4/2, 1-10.
• Klinkhammer, D. (2020). Analysing Social Media Network Data with R: Semi-Automated Screening of Users, Comments and Communication Patterns. (26.11.2020) https://arxiv.org/abs/2011.13327.
• Krippendorff, K. (2004). Content analysis: An introduction to its methodology, Sage publications, California.
• Kuş, O. (2016). “Dijital Nefret Söylemini Anlamak: Suriyeli Mülteci Krizi Örnek Olayı Bağlamında BBC World Service Facebook Sayfasına Gelen Yorumların Metin Madenciliği Tekniği İle Analizi”, İstanbul Üniversitesi İletişim Fakültesi Dergisi, 51 , 97-121.
• Kuş, O., & Öztürk, İ. D. (2021). “Çin’de Üretilen Aşılara Yönelik YouTube Tartışmaları Çerçevesinde Yanlış Bilgi ve Nefret Söylemi İlişkisi Üzerine Bir İnceleme”, Türkiye İletişim Araştırmaları Dergisi, 38, 96-117.
• Lacy, S., Watson, B. R., Riffe, D., & Lovejoy, J. (2015). “Issues and Best Practices in Content Analysis”, Journalism & Mass Communication Quarterly, 92/4, 791–811.
• Lomborg, S., & Bechmann, A. (2014). “Using APIs for data collection on social media”, The Information Society, 30/4, 256-265.
• Neuendorf, K. A. (2002). The Content Analysis Guidebook, Sage Publications, Thousand Oaks.
• Mayer-Schönberger, V. & Cukier, K. (2013). Büyük Veri: Yaşama, Çalışma ve Düşünme Şeklimizi Dönüştürecek Bir Devrim, Paloma, İstanbul.
• Mozdeh Big Data Text Analysis (2020). Mozdeh Big Data Text Analysis. (01.02.2021) mozdeh.wlv.ac.uk
• McKibben, W. B., Cade, R., Purgason, L. L., & Wahesh, E. (2020). “How to conduct a deductive content analysis in counseling research”, Counseling Outcome Research and Evaluation, 1-13.
• Osakwe, Z. T., Ikhapoh, I., Arora, B. K., & Bubu, O. M. (2020). “Identifying public concerns and reactions during the COVID‐19 pandemic on Twitter: A text‐mining analysis”, Public Health Nursing, 38/2, 145-151.
• Piñeiro-Naval, V. (2020). “The content analysis methodology. Uses and applications in communication research on Spanish-speaking countries”, Communication & Society, 33/3, 1-15.
• Redek, T., & Godnov, U. (2018). “Twitter as a political tool in EU countries during the economic crisis: A comparative text-mining analysis”, Društvena istraživanja: časopis za opća društvena pitanja, 27/4, 691-711.
• Riffe, D., Lacy, S., Watson, B. R., & Fico, F. (2019). Analyzing Media Messages: Using Quantitative Content Analysis in Research, Routledge, New York.
• Sjøvaag, H., & Stavelin, E. (2012). “Web media and the quantitative content analysis: Methodological challenges in measuring online news content”, Convergence, 18/2, 215-229.
• Taylan, H. H. (2011). “Sosyal Bilimlerde Kullanılan içerik analizi ve söylem analizinin karşılaştırılması”, Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (BUSBED), 1/2, 63-76.
• Varghese, D. (2018). Comparative Study on Classic Machine learning Algorithms. (06.12.2018) https://bit.ly/3DFO3YA
• Waegel, D. (2006). The Development of Text-Mining Tools and Algorithms, Ursinus College, Pennsylvania.
• Welbers, K., Van Atteveldt, W., & Benoit, K. (2017). “Text analysis in R”, Communication Methods and Measures, 11/4, 245-265.
• Yang, M. & Han, C. (2021), "Revealing industry challenge and business response to Covid-19: a text mining approach", International Journal of Contemporary Hospitality Management, 33/4, 1230-1248.
• Yan, J. L. S., McCracken, N., & Crowston, K. (2014). “Semi-automatic content analysis of qualitative data”, iConference 2014, 1128-1132.
• Yuxin, M. (2021). “Big Data Text Mining Techniques in Journalism and Communication”, 7th International Conference on Humanities and Social Science Research (ICHSSR 2021), Atlantis Press, 256-259.