Bayesian Quantitative Content Analysis

気候変動に関する新聞報道を500件の記事で分析し、そのうち経済的脅威として問題をフレーミングしている割合を推定することを想像してみよう。古典的なアプローチでは、各記事をコーディングし、信頼区間とともに割合を報告する。ベイジアンアプローチも同様のコーディングを行うが、その後、これらのカウントを、フレーミング頻度に関する以前の研究が発見したこと、例えば、経済的フレームが気候報道の約20〜35％に現れることを反映した事前分布と組み合わせる。結果として得られるのは、新しいデータと事前の知識の両方を反映した事後分布であり、より豊かで確率的に解釈可能な推定値が得られる。サンプルサイズが小さい場合、事前情報は極端な推定値を調整し、サンプルサイズが大きい場合、データが優位になる。ベイジアンフレームワークでは、「このメディアにおける経済的フレーミングが25％を超える確率は87％である」といった直接的な確率ステートメントを行うことも可能であり、これは頻度論的検定では許可されない。