Analiza sadržaja i

diskurzivna analiza
Kolegij: Medijska istraživanja
Akademska godina: 22/23
Nositelj kolegija: doc.dr.sc. Slobodan Hadžić

Prezentira: Petar Šarić

Ciljevi kolegija

1) razini upravljanja mrežama korisnika i platformama (a ne proizvodima) uslijed recentnih promjena

uzrokovanih digitalnom transformacijom te na razini upotrebe podataka iz velikih baza podataka u svrhu
postizanja konkurentske prednosti i savladavanja disruptivnih poslovnih modela
2) razini evaluacije uspješnosti svakog dijela procesa komunikacije
3) razini promjena u primjeni istraživačkih metoda, tehnika i alata u komunikacijskom menadžmentu u
uvjetima dostupnosti velikih baza podataka
4) razini evaluacije uspješnosti upravljanja problemima, kanalima/medijima i informacijama.
Cilj je kolegija situirati postojeću praksu u recentne teorijske komunikološke i publicističke znanstvene
spoznaje s posebnim naglaskom na digitalnu transformaciju, big data i data science.“
Što je analiza sadržaja
• Analiza sadržaja je metoda za analizu kvalitativnih podataka artefaktne prirode koji su
zabilježeni u iskoristivoj bazi podataka. Najčešći predmet analize sadržaja je pisani tekst,
no također je teoretski moguće analizirati i sadržaj evidentiran u bilo kojem obliku koji
nam je osjetilno dostupan, kao što su često auditorni zapisi, ili ostali vizualni zapisi koji
nisu tekst (npr. slika). Temeljna kategorizacija analize sadržaja je, s obzirom na
primijenjenu metodologiju, kvantitativna i kvalitativna, iako se često koristi i kombinacija.
• Sadržaj može biti generiran kroz desk metode npr. Tv prilog, članak na portalu, objava
na društvenim mrežama, ali analizirati se može i sadržaj iz field metoda, npr. transkript
polustrukturiranog intervjua)
Uspješna analiza sadržaja podrazumijeva:

1. Formuliranje predmeta, cilja i hipoteze istraživanja

2. Definiranje populacije i osnovnog skupa
3. Izbor uzorka
4. Izbor i definiranje jedinice analize
5. Definiranje kriterija za kvantifikaciju jedinice analize
6. Definiranje jedinice sadržaja
7. Postupak analize (prikupljanje i obrada podataka)
8. Obrada i interpretacija rezultata
(Lamza Posavec, 2006.)
Kvalitativna i kvantitativna analiza sadržaja (Bengtsson,
2016.)
• Podaci za analizu sadržaja uvijek kvalitativni, (npr. kad se radi o tekstu, on uvijek ima neko pozadinsko značenje koje nadilazi puko nabrojavanje,
i ne može ga se adekvatno kolapsirati u dimenziju kvantitete bez da se puno toga ne gubi, ponajviše zato jer svako slovo dobiva značenje u riječi,
svaka riječ u rečenici, a svaka rečenica u tekstu, a svaki tekst u kulturnom ethosu neke zalihe znanja).
• ALI primjenom metodoloških alata prikupljeni se podaci mogu oblikovati u iskoristivi kvalitativni i kvantitativni oblik ovisno o potrebama
istraživanja.
• Metodologija se bira ovisno o ciljevima istraživanjima.
• Dominantna podjela u lokalnoj literaturi je na kvalitativne i kvantitativne analize sadržaja
• U novijoj literaturi često se javlja i podjela na konceptualnu i relacijsku analizu. (Wilson, 2011.)
• Također se javlja i podjela na manifestna (površna, ne ulazi u duboke interpretacije) i latentna (ulazi u dublju interpretaciju teksta ali iziskuje
više pažnje i vremena). (Bengtsson, 2016.)
-Konceptualna podrazumijeva fokus na određenu riječ, koncept, tema, dok relacijska analiza više prati odnos riječi, tema i koncepata. (Wilson,
2011.)
Kvantitativna varijabla u analizi Kvalitativna varijabla u analizi kvalitativnog
kvalitativnog sadržaja sadržaja

Frekvencija pojedine riječi u tekstu Tema teksta

Broj znakova s razmacima Sentiment (pozitivan, neutralan, negativan)

Sekunde (građa temporalne dimenzije, npr. Zastupljenost subjekta

reklama na TV-u)
Kvalitativna analize sadržaja (Mayring, 2000.)

• Postavlja pitanje kako, kakva, zašto?

Kakav je sentiment nekog subjekta u tekstu?
-Subjektivno određenje kategorija.
-Dotiče se konteksta i značenja.

• Kvalitativna analiza sadržaja može biti induktivna i deduktivna.

Induktivni pristup (Mayring, 2000.)

• Induktivni pristup podrazumijeva zapažanje pa tek onda zaključke temeljene na opažanju.

• Pristupanje sadržaju bez predrasuda i otvoren fleksibilni prostor za naknadno definiranje kategorija.
• Definiranje tema „po putu” dok se pojavljuju u analiziranom tekstu.
• Npr. metodologija grounded theory.
• Najčišći oblik kvalitativne analize sadržaja
Prednost: fleksibilnost i dosljednost
Nedostatak: otežano zaključivanje iz heterogenog sadržaja
Deduktivni pristup (Mayring, 2000.)

• Apriori definirane kategorije na teorijskim temeljima, prema kojima se onda zapaženi obrasci u podacima
kategoriziraju.
• Prethodno definirane teme po kojima se opaženi tekst kategorizira.
• npr. metodologija analize sentimenta po kategorijama (Negativno, Neutralno, Pozitivno)
• Na putu prema kvantitativnoj analizi sadržaja (kvantitativni izražaj kvalitativnih mjerila, slična ontologija kao
Likertova skala.)
Prednost: sigurnost utvrđenih i definiranih kategorija čiji se rezultati naknadno mogu pobrojavati
Nedostatak: aksiomatizacija kategorija upitne kvalitete (neke teorije su zastarjele, neke su krivo postavljene za
ciljanu dinamiku društvenog svijeta koji želimo istražiti)
Kvantitativna analiza sadržaja

• Postavlja pitanje koliko?

Koliko riječi ima neki tekst?
-Kategorije manje ambiciozne od kvalitativnih i jednostavnije.
-Daje uvid u frekvencije i osnovne informacije
Naglasak na ispravnom ubiranju podataka za analiza (Definiranje istraživačkih pitanja,
hipoteza i uzorkovanje iz predviđene populacije(baze)).
Kombiniranje kvalitativne i kvantitativne analitike
• Gotovo svaka analiza u praksi je kombinacije kvalitativnog i kvantitativnog.
• npr. kvantitativna analiza teksta koja broji frekvenciju riječi u tekstu

-sama po sebi neće generirati iskoristive rezultate ako se ne isključe veznici i ne napravi tokenizacija što su opet kvalitativni
momenti
• npr. kvalitativna analiza sentimenta kojom se tekstovi kategoriziraju kao pozitivni, neutralni ili negativni
-sama po sebi ne znači puno ako ne kvantificiramo broj pozitivnih, neutralnih i negativnih članaka kako bismo vidjeli realnu
sliku
Što se tiče podataka za analizu sadržaja, podaci prikupljeni field metodama (intervjui, fokus grupe, slobodni (esejski)
odgovori na anketna pitanja, više se koristi kvalitativni element, kad su podaci prikupljeni desk metodama (npr. članci s
portala, tisak, Big data,...) više dolazi do izražaja kvantitativna interpretacija.
Kako tehničke inovacije utječju na promjene kod
provedbe analize sadržaja
• Big Data, AI.
• Automatizacija procesa analize
• Dostupnost kompletne populacije bez potrebe za uzorkovanjem
• Smanjeni troškovi
• (Mills, 2015.) – dovodi u pitanje relevantnost kvalitativnih istraživanja s obzirom na širenje big data pristupa
koji otvara širok bazen onoga što je kvantifikabilno
„...hibridne kombinacije računalnih i ručnih pristupa mogu zadržati snagu tradicionalne analize sadržaja, sa svom
njenom sistematičnošću i sviješću za važnost konteksta, dok iskorištavaju dalekosežne kapacitete koje nudi Big
Data i efikasnost računalnih metoda.„(Lewis et al., 2013:16)
Automatizacija pristupa – kolapsiranje kompleksne
društvene stvarnosti i jezika u binarno
• NLP sustav (Natural language processing) – sustav strojnog učenja koji se puni podacima o ispravnom
kvalitativnom kategoriziranju jedinica teksta pa sam razvija obrasce da samostalno prepozna kategorije, npr.
(automatsko određenje tema, entiteta, sentimenta...) na riječima i blokovima teksta. Nedostatci su u tome što
računalo ne shvaća kontekst, ne razumije nove žargone u jeziku koji se stalno mijenja i ne može razabrati duplu
negaciju. Trenutno postoje relativno uspješni NLP sustavi za kategoriziranje dijelova teksta, no puno toga ovisi
na zadatku, jeziku na kojem sustav prepoznaje obrasce i istreniranosti sustava umjetne inteligencije.
Diskurzivna analiza

• Metoda drugačija od analize sadržaja, analiza sadržaja je više pozitivističko-

kvantitativne prirode, a diskurzivna analiza je više kontinentalno-kvalitativne prirode.
• Tekst kao cilj analize a ne stvarnost koja se krije iza teksta, jer sam tekst konstruira
stvarnost.
• Predispozicija za analitičara diskursa: prepoznavanje proučavane kulture (Neumann,
2008.)
Diskurs ili tekst

• Što mislite da je razlika između diskursa i teksta?

• Diskurzivna analiza se bavi diskursom (riječju kao mostom do šireg kontekstualnog
značenje neke društvene zalihe znanja - konotativno) a ne tekstom (jednostavnom
jedinicom kod koje se češće promatra pozadinski mehanizam i osnova smislenosti –
denotativno). (Leburić, et al. 2011.)
4 ključne odrednice diskurzivne analize (Gill, 2000.)

1. Diskurzivna analiza se bavi samim diskursom (ne onim svijetom do kojeg taj diskurs vodi)
2. Konstruktivni karakter jezika
a) Diskurs se gradi od postojanih lingvističkih alata (slova, riječi,...)
b) Postoje razni oblici metaforičnog izražavanja
c) Jezik je posrednik do „stvarnog” svijeta, a kao taj posrednik vrši svoj učinak na pojedinca

3. Jezik je društvena akcija koja ima predviđenu funkciju koju joj namjenjuje akter, svaki diskurs je situacijski s obzirom na
društveni kontekst (uz to da se ne svodi samo na mehaničku perspektivu jer analitičar diskursa proučava i sadržaj i kontekst, uz
pažnju na sve prilike i okolnosti). Npr. Jednostavan iskaz „Pokvario mi se auto” može značiti svašta ovisno o tome kome je
upućen.
4. Retorički organiziran – uvijek nekoga nastoji u nešto uvjeriti (Radikalniji primjeri politički govor i reklama)
-Konfliktni dio diskurzivne analize.
Postupak diskurzivne analize(Gill, 2000.)

1. Formuliranje istraživačkih pitanja

2. Izbor sadržaja za analizu
3. Transkripcija (ako je potrebna)
4. Skeptičko čitanje teksta
5. Kodiranje
6. Analiziranje – razmatranje pojavnosti kodova i formiranje promjenjivih hipoteza
7. Provjera validnosti (npr. dubinska provjera devijantnih jedinica u analizi)
8. Iskaz rezultata
Tipovi diskurzivne analize

• Neki osnovni tipovi diskurzivne analize:

1. Temelja na Foucaultu (Aillon, Walkerdine, 2008.)
2. Kritička diskurzivna analiza (Fairclouth, 1995.)(Liu, Guo, 2016.)
3. Diskurzivna analiza temeljena na sociologiji znanja (Keller, 2011.)
4. Diskurzivna analiza i konverzacijska analiza (Wooffitt, 2005.)
Temelja na Foucaultu (Aillon, Walkerdine, 2008.)

• Michel Foucault
• Postoje različiti pristupi primjeni njegovih ideja
• BAZA: znanje, moć, etika
• Genealogija – proučavanje podrijetla razvoja i grananja neke ideje ili vrijednosti u temporalnom
kontekstu
• Diskurs je podložan normativnim pravilima i procedurama
• Kako različit govor o ludilu (Foucault je napisao knjigu Povijest Ludosti) opravdava intervencije po
pitanju toga
Kritička diskurzivna analiza (Fairclouth, 1995.)(Liu, Guo, 2016.)

• Velik naglasak na elementu moći

• Vezuje jezične strukture uz geopolitički kontekst
• Moć, povijest, ideologija (Leburić, et al. 2011.)
• Traži tragove manipulacije u govorima
• Zanima ih društvena nejednakost

Koja je razlika kritičke diskurzivne analize i diskurzivna analiza koja se temelji na radu Foucaulta?
Obje pridaju veliki značaj strukturama moći
Kritička diskurzivna analiza se više bavi opresijom, a Foucaultijanska diskurzivna analiza više regulacijskim elementima društvenosti
Prvotna se više odnosi na širu priču i društveno politički kontekst dok se druga više bavi konkretnim slučajevima i kategorijama.
(Wooffitt, 2005:155)
Diskurzivna analiza temeljena na sociologiji znanja
(Keller, 2011.)
• Začetnik sociologije znanja – Karl Mannheim
• Sociologija znanja – socijalna konstrukcija zbilje P. Berger, T. Luckmann
• Socijalna konstrukcija znanstvenog znanja – ukazuje na moć jezika
• Jezik kao posrednik, ali i kreator stvarnosti
• Pristup uvažava i snagu strukture i sposobnost aktera da ažurira tu strukturu (nije
isključivo kulturno deterministički kao prethodna dva)
Diskurzivna analiza i konverzacijska analiza

• Neki čak utvrđuju da je konverzacijska analiza tip sociološke analize diskursa (Leburić,
et al. 2011.)
• H. Sacks, H. Garfinkel – etnometodološki utemeljitelji konverzacijske analize
• Zajedničke karakteristike - bave se jezikom koji je tema za sebe
• Razlika – često rade na različito zabilježenim podacima
• Mogu li biti komplementarne? (Hammersley, 2003.)
Primjer analitičke matrice

Naslov članka:

Autor:

Naslov portala:

Glavni predmet priloga: ○ Ne može se odrediti

○ Događaj
○ Osoba
○ Pojava, proces
Ostalo:

Broj znakova s razmacima:

Glavna tema priloga: ○ Ne može se odrediti

○ Politika Gospodarstvo
○ Kultura/Umjetnost
○ Sport
○ Crna kronika, kriminalitet
○ Komunalne teme, gradska kronika
○ Znanost, Tehnika
○ Ekologija
○ Masovni mediji
○ Zabava, estrada, show-busines
○ Životna svakodnevica, život „običnih” ljudi
Ostalo:
Članci za vježbu

• https://www.index.hr/sport/clanak/dalic-nemojmo-zivjeti-u-oblacima-napadaci-su-nam-ig
raci-dinama-i-hajduka/2418314.aspx?index_ref=naslovnica_sport_prva_d
• https://www.vecernji.hr/biznis/8-hr-eko-forum-moramo-mijenjati-nacin-na-koji-proizvodi
mo-nasu-hranu-1634147
• https://www.vecernji.hr/vijesti/potres-jacine-68-pogodio-meksiko-1618585
Naslov članka:
8. HR eko forum: Moramo mijenjati način na
koji proizvodimo našu hranu
Autor: PR članak

Naziv portala: vecernji.hr

Glavni predmet priloga: ○ Ne može se odrediti

○ Događaj
○ Osoba
○ Pojava, proces
Ostalo:

Broj znakova s razmacima: 8.562

Glavna tema priloga: ○ Ne može se odrediti

○ Politika Gospodarstvo
○ Kultura/Umjetnost
○ Sport
○ Crna kronika, kriminalitet
○ Komunalne teme, gradska kronika
○ Znanost, Tehnika
○ Ekologija
○ Masovni mediji
○ Zabava, estrada, show-busines
○ Životna svakodnevica, život „običnih” ljudi
Ostalo:
ZADATAK

• Pokušajmo svrstati neki drugi primjerni članak u postavljenu matricu.

• Pokušajmo osmisliti još neka pitanja kojom bi se matrica mogla proširiti.
Korisni alat za samostalni rad i jednostavno prikupljanje
podataka za analizu sadržaja
• https://tools.digitalmethods.net/netvizz/youtube/

Alat nudi mogućnost preuzimanja veće količine podataka s platforme Youtube – naslovi videozapisa s pojedinog
kanala, komentari s određenog videozapisa i još mnogo toga.
NPR. Komentari videozapisa

https://www.youtube.com/watch?v=sxQaBpKfDRk
Ciljevi kolegija

1) razini upravljanja mrežama korisnika i platformama (a ne proizvodima) uslijed recentnih promjena

uzrokovanih digitalnom transformacijom te na razini upotrebe podataka iz velikih baza podataka u svrhu
postizanja konkurentske prednosti i savladavanja disruptivnih poslovnih modela
2) razini evaluacije uspješnosti svakog dijela procesa komunikacije
3) razini promjena u primjeni istraživačkih metoda, tehnika i alata u komunikacijskom menadžmentu u
uvjetima dostupnosti velikih baza podataka
4) razini evaluacije uspješnosti upravljanja problemima, kanalima/medijima i informacijama.
Cilj je kolegija situirati postojeću praksu u recentne teorijske komunikološke i publicističke znanstvene
spoznaje s posebnim naglaskom na digitalnu transformaciju, big data i data science.“
HVALA NA PAŽNJI
Literatura
• Lamza-Posavec, V. (2006). Metode istraživanja u novinarstvu Zagreb, Fakultet političkih znanosti

• Leburić, A.; Afrić, V.; Dadić, M. (2011). Diskurzivna analiza: kvalitativni pristup u istraživanju medija. Metodološka biblioteka. Edicija
Metodološke teme. Knjiga br.1. Split: Redak.

• Mayring, P. (2000). Qualitative Content Analysis. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research [On-line Journal],
http://qualitative-research.net/fqs/fqs-e/2-00inhalt-e.htm. 1.

• Wilson, V. (2011). Research Methods: Content Analysis. Evidence Based Library and Information Practice. 6. 10.18438/B8CG9D.

• Bengtsson, M. (2016). How to Plan and Perform a Qualitative Study Using Content Analysis. Nursing Plus Open, 2, 8-14.
https://doi.org/10.1016/j.npls.2016.01.001

• Gill, R. (2000). “Discourse analysis,” in Qualitative Researching with Text, Imageand Sound: A Practical Handbook, eds M. W. Bauer and G. Gaskell,
172–190., https://dx.doi.org/10.4135/9781849209731

• Neumann, I.B. (2008). Discourse Analysis. In: Klotz, A., Prakash, D. (eds) Qualitative Methods in International Relations. Research Methods Series.
Palgrave Macmillan, London. https://doi.org/10.1057/9780230584129_5
Literatura 2
• Keller, R. (2011). The Sociology of Knowledge Approach to Discourse (SKAD). Human Studies, 34(1), 43–65. http://www.jstor.org/stable/41478455
• Hammersley, M. (2003). Conversation analysis and discourse analysis: methods or paradigms? Discourse & Society, 14(6), 751–781.
http://www.jstor.org/stable/42888930
• Fairclough, N. (1995). Critical discourse analysis : the critical study of language. (First). New York: Longman Group
• Liu, K., & Guo, F. (2016). A Review on Critical Discourse Analysis. Theory and Practice in Language Studies;, 6(5), 1076 – 1084.
• Arribas-Ayllon, M., Walkerdine, V. (2008). Foucauldian Discourse Analysis. In C. Willig, & R. W. Stainton, The Sage Handbook of Qualitative
Research in Psychology, 91-108.
• Wooffitt, R. (2005). Conversation analysis and discourse analysis: A comparative and critical introduction. Sage
• Lewis, S. C., Zamith, R., & Hermida, A. (2013). Content Analysis in an Era of Big Data: A Hybrid Approach to Computational and Manual Methods.
Journal of Broadcasting & Electronic Media, 57(1), 34–52. doi:10.1080/08838151.2012.761702
• Mills, K. A. (2018). What are the threats and potentials of big data for qualitative research? Qualitative Research, 18(6), 591–603. 
https://doi.org/10.1177/1468794117743465

Dodatna literatura:
Silge J. & Robinson D. (2017). Text mining with r : a tidy approach (First). O'Reilly Media. Retrieved December 2 2022 from https://search.ebscohost.com/login.aspx?
direct=true&scope=site&db=nlebk&db=nlabk&AN=1533983.