最新涵化研究的两个十年一个总体评估和元分析.docx
《最新涵化研究的两个十年一个总体评估和元分析.docx》由会员分享，可在线阅读，更多相关《最新涵化研究的两个十年一个总体评估和元分析.docx（21页珍藏版）》请在冰豆网上搜索。
最新涵化研究的两个十年一个总体评估和元分析
涵化研究的两个十年：
—一个总体评估和元分析
续上期元分析-基本原理及设计虽然理论上的回顾和相关证据的详细评估已经出现&,1982;,1987;,1993，但迄今为止，尚未有人就涵化数据从整体上进行一个元分析。
赫雷特-斯克杰鲁-和艾伦1996最近完成了一项关于电视与性别角色感知的元分析，其中包括了一些和我们这里相同的有关元分析的研究。
尽管他们不从涵化的视角解释他们的数据，但他们的结论——显示出一个小的确定效果——是与涵化相关联的。
或许元分析的最大理由就在于它剔除了我们在回顾中的主观色彩。
那些回顾者基于学院派或政治因素的制约，将涵化研究描绘成另外一种方式。
由于这些分歧，人们就会怀疑是否批评家们正在读着同样的研究。
虽然我们不作如下假设，即一个诸多结果的纯粹整合会在某种意义上自动地提供关于效果的真实根据，但与先前的回顾性研究相比，我们的数据资料的确让我们用一个更加系统的方式来看待涵化。
元分析纠正了传统的叙述文献回顾中的许多误区。
例如，当批评家将公布的有意义的结果的数字简单相加时，形成类型Ⅱ的差错的风险是相当大的&,1990。
元分析能够使我们更加清楚这一研究，对那些不一致的结果，它可能会以另外的方式去解释。
在元分析中，每一个观察结果都被假定为来自意味着有代表性的真实效果的分布状态中的随机抽样。
如此一来，样本量的调节就使得这种对真实效果的分析比任何单个的研究有了一个更好的估计。
但是元分析所做远不止这些。
累计的数据被检验，以便发现这一组关联是否是类似的、同质的借用的术语，1989,或用以观察跨越不同研究所得结论中有多少可见的变量反映了样本的误差借用和的说法,1990。
如果结果是庞杂不一的，或者假如在样本误差因素被排除掉或其他判断都尽可能考虑到之后依然遗留许多无法解释的变量，那么元分析家就可以推断出一个理论驾驭的相关变量的研究，而这些变量可能一直主导着那些看得见的效果。
在下文中，我们严格地在统计学意义上使用效果一词，而且，我们强调，涵化和那种所谓刺激--反应式因果关系的效果观念是两码事。
研究摘选我们将自1976年以来公开出版的广泛综合的涵化研究书目文献进行检索归纳以开始我们的研究。
无论从文化指标计划或者诸如商务和多种与世界范围内关联的网页之类的在线数据库里，这些都是很方便得到的。
进一步的计算机和参考书目搜索未发现新的、另外的引文。
从超过300部的书目中，我们建构了一个这些研究的基本数据库测试电视收视量不论测量方式与被认为提供了电视答案的因变量之间的关联；分类引证或批评作为结论解释的涵化理论。
出于其他某些原因，一些适合这些标准的研究也不能包括进来。
一些高度支持涵化理论的研究被排除了，原因是这些研究没有将受访者作为分析单元。
例如，摩根1983发现，因看电视而加深恐惧感的人群显示出较强的涵化迹象，而在另一项研究中，可以观察到一个跨越全美各地区的变化受冲蚀的主流化倾向1986；罗思柴尔德1984用同质性很高的贵族人群作为分析对象。
其他研究涉及相关议题但没有提出能够编码的相关数据,和，1989，考察观众对经选择提供的人物的评估在多大程度上是依据性别、某些特别播出的节目等等诸如此类。
研究设计是另外一个因素。
几乎所有的涵化研究都是以观察测量为基础的。
存在着涵化关联的实验性测试或者可认识变量的实验性操纵，但这些都依赖短期现象，因而不能真实地测到涵化过程。
于是，我们仅将到目前为止最为共同的，纵览、概观类型的涵化研究纳入视野，而忽略了小规模的相关调查一些例子,见等,1981;,1991;,1979;,,&,1983;&,1985。
在一些案例中，理论上无法确定电视答案应该是什么。
我们将所有研究尽可能地编码，以便产生一些与涵化理论有理由的关联，而没有滥用、轻信那些远离临界点的东西。
自然，在一些案例中，这种判断可能有些侥幸；在总体上，我们尽最大可能地包容极端。
然而，对于一些研究而言，明显不合理的涵化关联期望是能够推断出来的。
例如，冈特和沃伯1983测试个人对于火灾、洪水、心脏病、突如其来的打击、车祸、食
物中毒，等等诸如此类的风险感知，而波特1986考虑由事故、癌症、肺炎以及心脏病引发的死亡的百分比的测量。
没有任何证据表明电视以任何方式代表着这些风险，依照它们是否符合涵化预期来将测试结果编码，这显然是不可能的。
涵化研究的两个十年—一个总体评估和元分析
只有正式出版的研究结果被包括进来，来自非公开出版的参考资料、论文和报告等类似数据被排除了。
或许有人争论，说这样做偏袒了有较大结论的研究，而那些不重要的结果往往在一些领域不给出版；然而，在涵化的案例中，这看上去是极端不可能的，因为这些刊物没有流露任何意愿去发表主张驳斥涵化理论的论文。
这也保证了我们的分析更加光明正大。
我们获取了格伯纳及其同僚提交的许多非正式出版的报告暴力素描流程报告，认证报告及其他。
这些报告包含着大量支持性数据，但我们无法将这些数据与任何可比较的未公开出版的来自其他渠道的数据在量上进行平衡，后者可能或不可能是相反的。
于是，在常规意义上没有出版的数据未被包括进来。
这也使数据的可重复性得以保证。
没有某项研究仅仅因为逻辑方法上的欠缺，或者因为电视收视这一自变量的测量方式而被取消。
这个变量携带了许多变化的形式，包括收视时间的自我陈述每天、每周、昨天，抑或一天中的不同时间，收视特定节目的频度和类型在顺序级别上，看节目的数量，以及日记测量参见,1994,关于多种手段被使用的讨论。
基于他们有关自变量的测量来排除某项研究是不恰当的，因为那种分歧本身就代表着涵化学说的一个重要部分。
这样，我们将所有相关的可操作的收视情形都纳入视野，目的是在元分析中确定用不同方式测量电视收视是否有着不同的结果。
论文涵化研究的两个十年下—一个总体评估和元分析来自资料数据累积在元分析中，单个的研究通常被看作一个分析单元，每一个独立的研究或者独立的数据设置得出一个单个的结果——也就是说，一个关于效果大小的单个评估——以此用于之后的元分析的一组积累起来的数据。
当然，有许多研究提出了多种结果——例如，他们对一个建构可能用好几种测量方法——那就不总是独立的。
在这些案例中，元分析倾向于选择一项结果去代表一个特别的研究或者去平均呈现出来的关联，以便元分析中的每一个材料都构成一个独立的测量。
对独立性假设的违背不影响效果大小的测量，但它确实影响效果的可观测的变化和由于样本误差造成的可预测的变化的测量；和,1990,第480页涵化研究提出了对一个极端事物出现多种结果的问题。
这些涵化著作几乎从未报告过一个单个的效果例如，一个测验或者一个关联；通常是在一个单个的论文中去发现许多关联，或者非线性系数，或者含义测验，或者类似的人或物。
在我们的选择标准之下出现了82个已发表的研究，其中包括了总数达5,633的不同结果。
如此高数目的多样化并且是非独立的结果是由3种因素导致的，而3个不同的解释被要求完成一个跨越各研究的意味深长的独立汇合。
首先，一些研究包含着因变量的多种测量。
有些研究将一组变量组成表征某种情形的指数例如，3项关于丑恶世界的指数。
但有时候单个的项目被分解开来进行分析。
当不同的因变量被用来测量一个单独的基本的尺度或因素时，结果被简单地平均了。
虽然由于可靠性的减少，这个源于平均值变量的效果测量比从那些放在组合指标中的同样的变量所得效果要小和，1990,第456页，但这已经是疑问最少的一种情形了。
第二，许多研究提出了大量的偏向性关联，这些关联经常是第一位的；我们编码的5,633个结果中的几乎40是有所偏向的。
例如，在一些研究中，在收视量和一些因变量或指数之间的关联被提出是受如下因素控制的，即性别、教育、收入、年龄、其他媒介的使用以及更多因素——先是个别地然后是同时地起作用。
这些显然不是独立的测试，但是平均这些因素并非解决问题的恰当方式。
典型地元分析需要在无顺序影响的测量状态下去做；采用偏向性关联或次级系数是不可取的，因为那样一来效果大小的不同测量就没有可比性了和,1990,第502页。
因此，我们不采集任何带有偏向的数据或次级资料，而只是分析最简单的关联。
然而这样做又在涵化研究上提出了一个问题，即何处存在的有意义
的关联是虚假的。
通过为大量的非独立结果申明第3种缘由，这个问题部分地得以缓解。
第3种缘由就是，涵化研究是如此经常地在变化的人群中被分开来进行分析。
也就是说，可能性跨越样本标签的关联在男性和女性、年轻人和老年人等类似的情形中被非常典型地提了出来。
这成为一个十分重要的手段，例如，在主流化的分析中即如此。
但是由于这些受测试的群体是重叠的例如，同样公众的计算人数要多于一个群体的计算人数，因此这些测验也是非独立的。
它不能形成任何观念来平均所有这些分离的群体，因为如果那样的话，其结果将相当于把作为样本的整个数据当作一个整体。
因此，我们决定在实施涵化分析时，不仅从整个样本，而且从人口统计学上分成不同群体。
在文献中受测试的大量人群中，我们化繁为简，只聚焦于3个关键性的人口统计学标记性别、受教育程度和年龄虽然我们的较大的数据库包含了其他一些人群的数据。
那就是说，在我们为整个作为一个整体的独立样本积累和分析数据之后，我们也根据男性和女性、受教育程度的高低以及那些不同年龄的受测群体等情况来进行分离开来的元分析。
这些不是跨越人群的独立测试例如，女性在整个受测人群中受教育程度较高，它们更显示人口学分类上的独立性例如，男性对女性。
这虽然不是标准的元分析程序，但这种做法似乎更为恰当合理，它被赋予涵化数据资料应有的本性和检验人群变量所需的方式，这是不同于检验调节变量的一些方式。
当然，它不涉及多种还原控制的选项，后者是我们分离地进行的。
涵化研究的两个十年—一个总体评估和元分析
进一步的精炼与限制很显然，涵化研究提出了一个令人迷惑的广泛产生歧义的议题的有关数据的多样性，涵化研究运用大相径庭的研究方法，从许多独立的样本中得出大量矛盾、分歧的数据资料，使之服从于多种多样的统计资料程序，被报告的信息的类别上也缺乏一致性如信度测量、标准偏差等。
一些研究报告结果来自好几个不同的数据库；一些报告引发了一个以上的种类不同的研究；并且一些数据库利用了在大量出版物中报告过的研究。
所有这些意味着在能够进行元分析之前必须对研究结果进一步精炼、删繁就简。
对于某一项而言，涵化文献中没有单个的因变量；但一个广泛的局部领域的变化却被揭示出来了。
因此，为将事物保持在其复杂的所以如此的层面，我们仅将涵化结果集中于3个领域暴力包括恐惧和丑恶世界量表；性别角色；政治信仰和倾向。
关于年龄、少数民族、宗教、职业、科学、健康、家庭以及其他主题象征的涵化研究有待他们自己的元分析。
对于那些已经报告的没有一个特定系数的结果我们不予编码。
例如，作者在谈及效果时往往表述道数据显示，当变量被作为进一步的控制被提供时，表没有相对地改变。
在类似的案例中，没有明确给出数据，也就没有作任何编码。
我们也没有对那些被高度提炼但没有被明确提出的数据进行编码。
例如，格伯纳及其同僚1981、摩根1984、摩根和尚翰1992都提交了总结几乎1500个相关性的表格，但由于他们没有给出确切的系数，所以没有一项用于编码。
除了关联外，一些涵化研究运用来检验跨越不同见解、不同媒介和各类重度收视者的因变量上的平均差别。
将这些数据种类转换到一个相对应的系数的公式确实存在，但遗憾的是这些已出版的研究很少包含从事上述工作所必须的信息例如变化情况。
因此，基于跨越收视人群的平均差异的结果未被纳入。
涵化研究经常用——在总数为5,633的整个结果中大约30是。
这些与皮尔森关联在概念上是大致可以比较的,尽管它们基于普通数据；这样做也是由于一个关于在某些计算方面的长处的讨论，参见尼尔森1986。
广泛的研究和查阅没有提供有关如何将一个转换成一个的任何指南，于是我们通过一个修改了的模型来开发我们自己的公式。
我们将电视收视的和二者与随机选择的100个变量一起计算，这些变量选自1994年总体社会调查。
和呈高度相关＝946。
我们计算了一个关于线性、非线性以及多元回归方程式的变异，在每一个案例中都呈现这个,并且单独地解释中的90以上的变化；对被解释的变化而言,没有其他的增加超过0014的转换或变量。
于是,我们运用这个已得的回归方程式＝6024*—0032去获取一个从到的近似却也令人满意的转换。
研究手段在大多数元分析中，数据的收集手段不是最重要的，原因是从每项研究中收集的无关联的信息
的比特只有极少数。
然而，在我们的研究中，我们有一个企图，即希望收集到分类的信息。
我们的手段因此变得相当广泛。
和5,633个研究结果中的的每一个相关的大多数信息我们都作了编码虽然在这里我们主要聚焦于独立的、累积的数据。
对于每一个研究，我们记录相关的识别性信息作者、出版年代以及发表刊物，并且记下采集数据的日期一些研究报告数据的收集历经多年。
然后，我们对每项研究中测量电视收视的情形予以编码。
我们对资料收集方式也进行编码通常是电话访问、调查表，或者个体访谈。
编码也可以是结论所要求的因变量、自变量以及受访人群如果有的话。
我们记录每一个研究结果的随机度和或样本量。
数据报告中的自相矛盾迫使我们去评估这些情况。
只要能作出合理的评估从该研究的其他信息中，我们都尽可能去做了。
在一些案例中，没有足够的信息去做这些评估。
我们也记录了每一项研究结果的意义虽然和不认为意义是十分重要的,1990，对意义的评估级别通常只是用结论表格中的星标来注明。
同样地，我们将样本来源的国家及样本的一般特性进行编码。
例如，这使我们能够区别容易采集的大学生的样本和成人的国家概率样本，并且标明从资料中显现出的样本的理解程度和年龄段。
在积累数据期间，当我们从每一个纳入的研究中选取结果并且进一步浓缩数据库时，我们不断地互文以使数据登录的质量更为可信。
因为解释涵化结果要求较高的类型化特性，所以对自主性过强的编码员不予采用。
虽然在这一层面出现编码偏见的可能性很小，我们依然认为这样做有助于使人相信更为精确的数据设置。
说明这一点是重要的，这与其说是数据编码操作，还不如说是一个改写、改编的过程。
不仅如此，就像亨特和施密特1990提醒我们的那样，众所周知，元分析不制造误差第262页。
涵化研究的两个十年—一个总体评估和元分析
结果涵化结果的元分析就像我们曾经提到的，涵化研究在数据的独立性表述方面存在困难。
虽然我们的整个数据设置包括了5,633篇有关涵化的信息，我们的元分析仍然较多地运用简化和平均的数据设置，目的是符合标准的元分析程序通常依照和,1990；以及,1989。
①我们第一步分析选择的所有结果是总体结果涉及一个整体的数据设置；与暴力、性别角色、政治倾向相关的3个从属领域之一；类似或者像转换到的测量。
由此产生出52个独立样本来自稍小一点的实际研究的数字，其中有些运用了多重样本，可以用来作我们的总的元分析。
来自每一个样本的所有的系数，在转换到公制之后，被衡量并且平均以便生出一个单个的适合那个样本的。
于是这些平均系数被权衡、平均到每一个样本有些来自单个的一组样本的研究发现有着不同的样本量，并且再一次被平均以便产生出对于平均效果的评估。
我们的分析显示，各项涵化研究的平均总体效果大小是＝091,＝52。
这证实了大多数研究者的假设涵化效果倾向于微乎其微。
表12显示了这一点及我们所有的元分析结果。
亨特和施密特1990认为，如果75以上的平均效果的可见变化跨越了可被归咎于样本误差的研究，或者说如果平均效果大小至少是在零以上的两个标准偏差，那么无论何种类型的单个研究能够建议什么，真实效果就可以被假设总是肯定的。
就我们的数据来看，依照他们的公式，可望只从样本误差000926得出的变动是实际观察到的变动002321的将近40。
这样一来，一桩讨论涵化中的变化和可重复性的好事便化为幻影——被报告的跨越了不同研究者、不同地区、不同方法的涵化差异中，大约有40可以被去除掉，因为他们仅仅反映了样本的误差。
这是一个露骨的元分析结果。
假如效果测量可以被因为测量的不可信以及范围受限而修正的话例如，一些比其他样本的视野分布较为狭隘的样本，那么这个数字还会高于40。
遗憾的是，在公开出版的文章中，几乎从来没有提供过作出这些判断所要求的信息。
因此，我们可以说40是一个保守的估计涵化数据中被报告的变异里，至少40是由于样本误差引起的。
由此我们仍然不能推断涵化结果是永远确定的。
总体的平均效果值091非常接近但不完全是标准偏差的两倍＝048；加倍后等于096
我们也不具备一个同质的研究结果的数据设置，就像穆伦建议的-方法所显示的那样1989；鳘2＝1275,＝51，＜001＝。
调节变量似乎在整个涵化中起作用，才引出了如此庞杂异类的结果。
我们其余的分析都致力于从理论上探索意味深长的调节架构。
我们对具有理论意义的、在跨越各研究的涵化结果中获得的可能产生任何差异的变量的分散数据子集进行元分析，并在此基础上实施了调节因素分析。
假如有一个变量调节着我们的整个结果，我们就会在受测试人群中发现效果大小的不同，并且每一个数据实体内部效果值的变化减去样本误差的变化应该是比较小的。
我们可以再次运用亨特和施密特的公式来测算效果值的变化。
如果变化大多是由每项研究中的人群样本误差引起的，那么我们可能会发现一个重要的调节变量。
在这样的案例中，可观察到的效果也将是不同的。
因此，假如每个数据小组在比较中显示了效果值的低度的遗留变化75以上可以通过样本误差来解释，那么我们就可以推断，这个变量很像是一个真实的调节因素。
在表12中，我们给每一个被分析的变量提出这些评估。
我们也给每项分析提出一个双精度型的标准偏差，用以显示是否一个效果可以被认为总是确定的。
我们检验了变量的多样性，但没有一个被证明是调节因素。
首先，我们检验因变量是否解释结果中可见的同质性。
为做这一分析，我们根据其是否涉及暴力、性别角色或者政治应当注明我们关于性别角色的研究样本不同于-和1996年的样本,因为它们的元分析不是针对涵化研究的评估,来分别对这些研究的群体进行元分析。
涉及一个以上从属领域的已出版论文被看作独立的数据设置来处理，目的是跨越变量来比较效果。
由于一些研究确实涉及了多项从属领域，因此在这一比较中的数据值超过了52个。
再次参见表12中关于结果的概括。
我们发现在作为因变量的政治信仰上平均效果值为077有27项研究涉及该议题，＝27。
在这里，大约45的关联上的量值变化可以用样本误差解释鳘2＝5860,＝26，＜001＝。
此外，虽然注明一个偏低的平均系数很有意思，但这个研究的主体中确实存在重要的变化。
涵化研究的两个十年—一个总体评估和元分析
对14个性别角色研究进行元分析，我们发现平均效果值为102基本上与-和的101的结果相同。
在这个群体中，48的效果上的已知变化可归结为样本误差鳘2＝2819,＝13,＝008。
赫雷特-斯克杰鲁和艾伦在他们的性别角色研究样本中也发现了重要的异质，但没有一个清楚的主导调节因素。
最后，在关于暴力的议题中，我们发现平均效果值为103＝32。
由于40的变化通过样本误差来解释，我们又可推断出这些研究展示了异质鳘2＝771，＝31,＜001＝。
如此看来，虽然在效果值上有一些区别政治因素的关联似乎比暴力和性别角色的关联要稍弱一些，但因变量的焦点显然不是涵化的一个调节因素。
我们也认为统计学意义上的群体对涵化分析如此重要，可能会作为调节变量起作用。
首先，我们在一个有关男性和女性的研究结果中实施分析。
该分析＝26显示出很小的差异。
男性和女性二者均显示出一个平均的效果值11。
男性中可见的效果产生的异质，有大约54的变化由样本误差来解释鳘2＝4632,＝25,＜01＝。
然而，关于女性的结果则相当多地一致跨越了各项研究，已知变化中的91由样本误差引起鳘2＝2773,＝25,＜33＝。
女性的涵化迹象是如此较男性更为一致地跨越了各研究，虽然在平均值上二者是大体相同的。
这样，性别本身不是一个调节因素因为这种变化在男性中产生了异质，虽然我们可以说，未来没有必要在女性群体中寻找涵化的调节因素。
我们也考察教育水平或者家长所受教育，以及孩子和成年人的受教育水平，看其是否作为调节因素发挥作用。
受教育程度低的群体显示了稍低的平均效果值＝081,＝22，伴随着一个效果异质的好的分布40，鳘2＝5428,＝21,＜001。
＝受教育程度高的群体显示了一个或多或少的较高效果＝089，但由于效果中的大部分变化源于样本误差96，鳘2＝［1］2222,＝21,＝38，因此，虽然教育因素不调节整体的关联，但受教育程度高的群体的涵化效果更加一致地跨越了各研究。
我们接着将年龄群体作为潜在调节因素予以检验。
涵化研究一直被放在跨越不同年龄的群体中实施，从而
促成一套相当广泛的比较体系。
幼儿显示了一个相对较小的效果值＝064,＝8,并且从效果情况看，这些研究是同质的在效果值的变化中有78归于样本误差。
成年人也显示了一个较小的效果值＝080,＝9,在样本误差被除去之后就没有跨越各研究而遗留的异质了。
青少年显示了一个较高的效果值＝121,＝13,但在这一群体中存在效果上的异质效果值中37的变化源于样本误差。
中年人群显示了一个大于平均效果的量值＝107,＝13，，效果变化上没有什么异质比样本误差所预计的变化要小。
在老年群体中效果值下降＝083,＝13，伴随着效果变化上较少的异质效果量值中58的变化源自样本误差；表12显示所有年龄群体的统计资料。
如此看来，尽管未来研究可以探索一些有意思的模式，我们还是可以推断出，年龄不调节涵化关联。
因为人口统计学群体不解释所有的涵化变化，我们也将各项研究的特性作为潜在的调节变量加以检验。
在这一逻辑下，不同研究的方法上的变化程度可能会导致不同的结果。
进一步的分析涵化研究中的一个著名议题，就是包括和涉及格伯纳、格鲁斯、摩根以及森各瑞利的一个小组连续开展的许多研究他们在1970年代至1980年代期间实施了大量最初的涵化研究。
这个小组包括就读宾夕法尼亚大学的研究生，以及后来和最初的团队成员保持联系的那些人，这些团队设在诸如马萨诸赛州大学和德拉威州大学这样的地方。
然而，涵化研究也一直被这个核心小组之外的人所从事，包括批评、友好地修正，等等诸如此类。
我们感兴趣的是，结果的不同是否跨越这些研究小组，是否所用方法的不同成为批评性讨论的焦点。
核心即小组发布的研究有一个
升级会员 