내용분석 (Content Analysis)
쉽게 풀면
신문 기사, SNS 게시글, 인터뷰 녹취록처럼 방대한 글 자료를 그냥 읽고 느낌만으로 판단하지 않고, 미리 정한 기준(범주)에 따라 하나하나 분류하고 세는 방법입니다. 예를 들어 "이 기사가 정부 정책을 긍정/중립/부정 중 어느 쪽으로 다뤘는가"를 기사 100개에 각각 표시하고 그 비율을 계산하는 식입니다. 이렇게 하면 "느낌상 부정적인 기사가 많았다"가 아니라 "부정적 기사가 62%였다"처럼 구체적인 근거를 댈 수 있습니다.
왜 중요한가
언론, SNS, 정책 문서, 광고처럼 사람이 만든 방대한 텍스트·이미지 자료를 다루는 분야에서는 "무엇이 얼마나 자주, 어떤 방식으로 다뤄졌는가"를 객관적으로 보여줄 수 있어야 주장에 설득력이 생깁니다.
내용분석은 이런 자료를 체계적인 절차로 계량화함으로써 연구자의 주관적 인상을 넘어선 근거를 제공하기 때문에, 언론학·정치커뮤니케이션·마케팅·보건홍보 등 다양한 분야에서 여론 형성, 프레임 변화, 캠페인 효과를 다루는 연구의 기초 방법으로 자주 채택됩니다.
최근에는 텍스트 마이닝이나 자동화된 분류 기법과 결합되면서 대규모 데이터에도 적용 범위가 넓어지고 있습니다.
어떤 절차인가
- 연구 문제와 분석 단위를 정합니다. 무엇을 셀 것인가(기사 한 편, 문단, 문장, 단어)를 먼저 정하고, 전체 자료에서 표본을 뽑는 방법(전수, 기간별 추출 등)을 밝힙니다.
- 범주표(코딩 체계)와 코드북을 만듭니다. 범주는 서로 겹치지 않고(상호배타) 모든 단위가 어딘가에 들어가야(포괄) 합니다. 각 범주의 정의와 판단 예시를 코드북에 적어 둡니다.
- 시험 코딩 후 코더 간 일치도를 확인합니다. 서로 독립적으로 일부 자료를 코딩해 일치도(Cohen의 카파, Krippendorff의 알파 등)를 계산하고, 낮으면 범주 정의를 고칩니다.
- 본 코딩과 집계·분석을 합니다. 빈도·비율을 구하고, 필요하면 교차표나 카이제곱 검정으로 집단 간 차이를 봅니다.
언제 쓰고 무엇을 얻나
내용분석은 크게 두 갈래로 나뉩니다. 미리 정한 범주로 세는 양적(정량적) 내용분석과, 의미를 해석해 범주를 만들어 가는 질적 내용분석입니다. Hsieh와 Shannon(2005)은 질적 내용분석을 관습적·지시적·요약적 세 접근으로 나누었습니다.
자료를 코딩해 범주를 세는 방법은 주제분석과 비슷해 보이지만, 내용분석은 범주의 빈도와 신뢰도를 중시한다는 점이 다릅니다.
논문에는 이렇게 적는다
가상의 예: 정책 기사 100편을 두 명의 코더가 ‘긍정/중립/부정’으로 따로 분류했습니다.
| 코더 A \ 코더 B | 긍정 | 중립 | 부정 |
|---|---|---|---|
| 긍정 | 40 | 3 | 2 |
| 중립 | 4 | 25 | 3 |
| 부정 | 1 | 2 | 20 |
관찰 일치도는 (40+25+20)/100 = 0.85입니다. 그러나 우연히 일치할 몫을 빼야 하므로 우연 일치 기대값 0.356를 구해 카파 = (0.85 − 0.356) / (1 − 0.356) = 0.77가 됩니다. 단순 일치율(85%)보다 낮게 나오는 것이 정상입니다.
카파의 해석 구간으로는 Landis와 Koch(1977)의 구분(0.61~0.80 상당한 일치, 0.81 이상 거의 완벽)이 흔히 인용되지만 이는 관례입니다. Krippendorff는 알파가 0.800 이상이면 신뢰할 만하고 0.667~0.800은 잠정적 결론에만 쓰라고 권했습니다.
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“이를 위해 ‘어린이미디어연구’에 투고된 546편의 논문과, 논문에 포함된 1814개의 주제어를 분석 대상으로 선정하였으며, 빈도분석을 통한 내용분석 방법과 유아교육 정책 시기별로 나누어 키워드 네트워크 분석 방법을 사용하였다.”
내용분석 및 키워드 네트워크 분석 방법을 활용한 ‘어린이미디어연구’의 연구동향 분석, 어린이미디어연구, 2021 · KCI 한국학술지인용색인 · 원문 보기 ↗
“수집된 자료는 SPSS/WIN 22.0을 사용하여 paired t-test, Pearson’s correlation coefficients로 분석하였으며, 팀 프로젝트 학습 참여경험은 내용분석을 하였다.”
간호학 임상실습에서 디자인씽킹 기반 팀 프로젝트 학습 설계 및 적용효과, 한국콘텐츠학회 논문지, 2019 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
기사 500개를 미리 정한 분류 기준에 따라 하나씩 나누고 세어서, 언론이 기후위기를 어떤 관점으로 주로 다루는지 통계적으로 정리했다는 뜻입니다.
SNS에 달린 댓글들을 정해진 분류 기준에 따라 나눠 세어서, 소비자 반응이 어떤 감정 쪽으로 치우쳐 있고 어떤 단어가 자주 등장하는지 정리했다는 뜻입니다.
공공기관이 낸 보도자료들을 일정 기간에 걸쳐 분류·집계함으로써, 어떤 정책 의제가 언제 더 강조되었는지를 데이터로 보여주었다는 뜻입니다.
조금 더 깊게 보면
내용분석 논문을 읽을 때는 '코딩체계(coding scheme)'가 어떻게 구성되었는지를 눈여겨봐야 합니다. 이는 자료를 어떤 범주로 나눌지 미리 정의한 기준표로, 연구의 타당성을 좌우합니다.
또한 여러 명이 같은 자료를 독립적으로 분류했을 때 결과가 얼마나 일치하는지를 나타내는 코더 간 신뢰도 지표(예: 카파 계수 등)가 함께 보고되는지도 중요한 확인 포인트입니다.
최근 연구에서는 사람이 직접 분류하는 전통적 방식 외에, 텍스트 마이닝이나 자동화된 분류 알고리즘을 활용해 대량의 자료를 처리하는 방식도 함께 쓰이며, 이 경우 자동 분류 결과와 사람 분류 결과 간의 일치도를 검증하는 절차가 추가되기도 합니다.
주의할 점
분류 기준이 모호하면 분석자마다 다르게 분류할 위험이 있습니다. 그래서 여러 명이 독립적으로 분류한 뒤 얼마나 일치하는지(코더 간 신뢰도)를 함께 보고하는 것이 좋은 관행으로 여겨집니다.
헷갈리기 쉬운 용어
자료를 분류해 읽는 방법들은 이름이 비슷해 구별이 필요합니다.
| 용어 | 한 줄 설명 | 내용분석과의 차이 |
|---|---|---|
| 주제분석 | 자료에서 반복되는 주제를 찾아 정리하는 질적 방법 | 빈도 집계·코더 신뢰도보다 주제의 해석을 중시함 |
| 근거이론 | 자료에서 이론을 귀납적으로 만들어 가는 방법 | 범주를 미리 정하지 않고 비교하며 이론을 세움 |
| 개방 코딩 | 자료를 줄 단위로 읽으며 개념 이름을 붙이는 첫 코딩 단계 | 내용분석의 사전 범주표 방식과 달리 범주가 자료에서 나옴 |
참고 문헌
- Berelson, B. (1952). Content Analysis in Communication Research. Free Press.
- Krippendorff, K. (2018). Content Analysis: An Introduction to Its Methodology (4th ed.). Sage.
- Hsieh, H.-F., & Shannon, S. E. (2005). Three approaches to qualitative content analysis. Qualitative Health Research, 15(9), 1277–1288.
- Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46.
- Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.