吕孝礼 朱 宪 付帅泽 徐 浩
伴随着录像机、短视频等多媒体技术的发展，视频逐渐成为记录社会实践的重要数据形式。日益丰富的视频数据资源为探索公共管理现象提供了新的可能。
近年来，相关社会科学领域开始关注视频研究方法，特别是与公共管理相近的组织研究已开启相关探索(Christianson， 2018)。在经历了回归语言的风潮之后(Alvesson & Kärreman， 2000)，部分组织研究学者开始倡导视觉转向，特别关注文本之外的视觉话语在组织中的作用(Bell et al.， 2014; Meyer et al.， 2013)。2018年《组织研究方法》期刊出版了视频研究方法特刊；
同年，第34届欧洲组织研究年会设立了“组织研究中的视频研究方法”专题。目前学者已关注了一系列相关议题，包括一线工作人员践行组织目标的过程(Balogun et al.， 2015)、组织高层战略制定(Liu & Maitlis， 2014)、组织成员交接班过程(LeBaron et al.， 2016)等。
与此同时，社会学、人类学、语言学、传播学、犯罪学等学科也对视频分析开展了一系列探讨，在家庭互动、课堂教学、医患沟通、司法语言、政治传播等应用场景开展了较多拓展性研究。这些探索对公共管理学者运用视频研究方法均有启示，有助于更进一步挖掘公共管理相关经典议题，尤其是公共服务互动过程、政府决策及战略过程、多模态沟通等。视频数据也可用于进一步深化对情境因素、情绪、具身性、社会物质性、过程动态等相关概念的刻画和理解。因此，有必要系统分析研究方法在相关学科的进展，开辟公共管理研究的新思路。
本文探讨的视频研究方法是指通过综合分析视频中包含的语言、语音、语调、韵律、手势、姿势、表情、身体距离、眼神、物质环境等若干模态信息来探索组织实践活动意涵或规律的方法(1)部分心理学、营销学、传播学研究关注人对视频中多模态信息(如音乐、色彩等)的反应，且多采用行为实验的方法开展研究。受篇幅所限，这些研究未纳入本文讨论。。视频研究方法有助于弥补传统研究方法的一些局限(LeBaron et al.， 2018)。
第一，视频数据蕴含的信息极为丰富。视频数据有助于记录特定行为所嵌入的情境，以及行动者的言语表达、情绪表现、肢体动作等其他类型数据难以记录的内容。哈佛大学Gary King教授(2018)在其加入某客服情报分析平台时坦言：“传统的问卷并不总是理解人类行为的理想数据收集方法，一些做法理论上来说在我们尝试理解人类思考的过程中摧毁了信息的丰富性。”而视频数据可捕捉到文本或者访谈所难以收集到的缄默表达等信息(Toraldo et al.， 2018)。
第二，视频数据可重复观看。参与式观察、深度访谈、焦点小组、问卷等方法因复现性问题在社会科学领域一直饱受挑战，面临着可复制危机及透明性难题。而研究者可通过回放、慢放视频，实现对互动过程的深入剖析及“再访田野”，增加重复检验的可能性(Christianson， 2018; Heath & Luff， 2018; LeBaron et al.， 2018)。
第三，视频数据可以记录自然状态下的实时进展。访谈、问卷等方法大多依赖被调查者的回忆，容易产生后见之明的偏误。
第四，视频数据有助于分析组织活动的动态演化。问卷、实验等方法往往采集(多)截面数据，而视频数据更易于捕捉一定连续时间段内事件的演化动态，从而推动公共管理研究超越对截面的关注并走向对过程的关注。
尽管国内外社会科学界已开始探索视频研究方法，但国内外公共管理文献中相关成果尚不多见。当然，进入公共组织获取数据的难度、技术壁垒等因素也增加了开展视频研究的难度。实际上，我国具备开展视频研究的优势：视频采集在公共管理场景的广泛应用为开展视频分析提供了良好的数据基础，视频平台上也上传了海量公共管理场景的视频。
为了推动视频研究方法在公共管理研究中的应用，本文回顾了组织研究、社会学等领域采用视频方法的研究，梳理了相关方法流派及其前提假设和内在逻辑。同时，本文梳理了视频研究方法的主要分析维度及分析技术，并指出了值得公共管理研究关注的议题和方向。
视频研究方法可追溯到19世纪80年代，Eadweard Muybridge使用连续照片分析动物和人类运动特征。随着19世纪末期摄像机和放映机的发明，20世纪初期英国人类学家开始用无声影片来记录篮子的生产过程(Erickson， 2011)。20世纪30—40年代，欧洲大陆兴起了研究视觉艺术符号的布拉格学派，关注剧院中的场景、服装、道具等非语言符号(Garvin， 1964)。伴随着符号学理论的进步，60年代巴黎学派采用结构语言学视角对流行文化、大众媒体中的非语言符号进行分析(Barthes， 1977)。90年代后受到系统功能语言学的影响，社会符号学分析正式用“多模态”的术语开展一系列研究，并从视觉语法系统的角度整体分析视觉符号的功能(Meyer et al.， 2013)。
除了上述探索外，社会学研究者也在北美等地开展了视频相关研究。20世纪50年代有声影片开始在家庭心理治疗访谈过程以及足球和篮球训练等领域使用。1955—1956年，斯坦福大学行为科学高级研究中心(Center for Advanced Study in the Behavioral Sciences)使用有声影片同步分析语言和非语言模态，团队成员包括Margaret Mead等具有不同学科背景的学者，关注了家庭心理治疗访谈等场景，该团队形成了(但未发表)《访谈的自然史》(TheNaturalHistoryofanInterview)研究报告，并在60—70年代发展成为“情景分析”法(2)情景分析法认为社会互动是一个连续、实时的符号生态系统，涉及互动双方的语言和非语言意义(Scheflen, 1965)。(Erickson， 2011)。情景分析(Scheflen， 1965)以及基于情景分析发展出的身势分析(Kinesics Analysis)尝试对互动中的姿势和动作意义进行理解，已用于小组讨论、工作面试、课堂活动、家庭互动等场景的研究中(Birdwhistell， 1970)。从20世纪80年代开始，视频被广泛用于分析工作场所，包括指挥中心、医疗咨询等场景(Luff et al.,2000)。
经过数十年的发展，社会科学领域涌现出视频研究方法的不同流派(如表1所示)。既有关注行为规律的实证范式，也有强调对人的行为意涵深入理解与阐释的诠释范式。实证范式研究多以实在论为认识论基础，通过对行为过程的分析，总结出行为要素间的联系和一般规律。诠释范式多以诠释行为意义为目标，认为在特定情景下互动过程中的模态(语言、表情、动作、情绪等)有其特定的意涵，不同模态要素会对行动者的意义建构产生影响，互动过程与结果存在情景依赖性。
表1 视频研究方法两种主要范式对比(3)需要说明的是，各流派与范式之间并非简单的对应关系。例如，会话分析学者较少提及自身属于哪一范式，其对特定情景和互动演进过程的强调使其具有建构论的取向，但其对会话结构和会话实践的追寻也使其带上实证的色彩；
视频民族志研究者同样可以根据其研究兴趣(行为规律或意义阐释)来选择不同的取向(可参见Liu et al.， 2021)。本文做出的分类仅基于该流派主要的认识论传承，不代表范式之间不能整合。对于研究者来说，无论其选择何种方法论立场，都需要与其采取的数据分析方法相一致。
两种范式在理论基础、研究问题与路径等方面各有侧重。在理论基础方面，实证范式建立在认知转向、行为学等基础上，而诠释范式受到现象学、实践论、符号学、结构二重性等社会理论的影响。在研究问题导向方面，实证范式旨在发现互动行为规律，而诠释范式更强调对行为意涵的解析。在研究路径上，实证范式强调发现因果关系，诠释范式强调对行为过程及机制的追寻。在操作方法上，实证范式采用内容编码、统计分析等技术，而诠释范式则采用文本诠释、社会符号学分析等手段。二者虽然学术主张各异，但均对理解相关现象具有启示。
下文将梳理两种范式下的代表性方法，并系统比较方法流派的假设和适用边界。本文做出的区分仅是为了更好地比较不同流派的特征，不代表各传承之间没有互相借鉴和吸纳，所列举的流派也未穷尽。
(一)视频数据分析
以Randall Collins为代表的微观社会学(4)“微观社会学”概念较为宽泛，本部分仅涵盖了近年来采用视频研究方法的微观社会学研究。对微观社会学研究成果的总结可参见Collins(2016)。学者运用视频编码研究微观互动，所采用的视频数据分析(Video Data Analysis，VDA)(Nassauer & Legewie， 2021)主要沿袭了实证路径。为了探索微观层面的因果及相关关系，VDA主要对互动中的情绪、物理环境等要素进行内容编码及统计分析，探索上述因素对微观互动的塑造作用。VDA目前已广泛应用于抗争政治等研究中。例如，通常认为暴力发生时参与者的情绪是愤怒的，而Collins(2008)分析了暴力发生时的视频与图片资料，发现双方表现出的表情是恐惧，这种恐惧缘于双方对抗造成的紧张关系。Collins也通过视频及图片资料识别了暴力发生时的其他情境因素，如多人成群结队地攻击一个孤立的弱者更易于诱发暴力。
在数据类型上，VDA主要运用视频记录的自然互动行为来探讨相关主题，部分研究借助Youtube视频、监控数据(Liebst et al.， 2021)、工作摄像记录仪中的视频(Friis et al.， 2020)等开展分析。在数据分析上，VDA强调用“最大化捕捉”的方式提升研究的效度，即认为视频应当最大限度地“客观”呈现社会现实，对于无法获取的社会事实也应当作出说明，供读者判断。
与VDA主张类似，犯罪学和警察研究领域使用的系统社会观察(Systematic Social Observation， SSO)方法是对自然状态下社会行为进行编码的研究方法(Mastrofski et al.， 2010)。该方法尤其强调制定清晰明确的编码规则来测量相关变量，并要求不同观察者应保持编码一致，以实现研究的可复制性并得出科学的推论(Reiss， 1971)。SSO方法越来越多地使用由执法记录仪等可穿戴设备采集的视频数据，例如，Terrill和Zimmerman(2021)采集了车载摄像头、执法记录仪数据，对警察与犯罪嫌疑人互动的438个视频进行编码，提取出用于刻画互动的变量，包括嫌犯抵抗、暴力使用等。Sytsma等(2021)对执法记录仪的视频分析发现警察的大声命令可能引发警民冲突的升级。
(二)互动过程分析
互动过程分析与微观社会学传统同源，但分析路径有所不同。20世纪50年代，哈佛大学原社会关系系的Robert F. Bales等学者致力于对小组互动过程进行编码和分析。Bales及其追随者开发了互动过程分析(Interaction Process Analysis，IPA)、小组多层观察系统(System for the Multiple Level Observation of Groups，SYMLOG)等框架。IPA框架将小组互动划分为任务与社会情感两个基本维度(Bales， 1950; Bales & Cohen， 1979)，并细分成12种互动行为。任务维度包括问题定向、评估、控制，且可根据行为发出者(提问方、回答方)再进行细分。社会情感维度可以划分为积极或消极情绪的互动。在此基础上，后来的学者根据特定场景开发出新的框架，如针对会议决策过程的会议编码系统(Beck & Fisch， 2000)、婚姻互动编码系统(Hops et al.， 1971)、语言回应模式编码表(Stiles， 1992)、教育领域的弗兰德斯互动分析系统(Flanders， 1970)。目前，部分管理学学者依然沿袭IPA框架对小组决策视频开展实证分析(Gerpott et al.， 2019)。
(三)多模态话语分析
近年来，话语研究者也开始关注文本语言外的图片、视频、音频等视觉模态在传播中的建构作用，发展出多模态话语分析流派。多模态话语分析可追溯至布拉格学派和巴黎学派，后期主要承袭了系统功能语言学的核心观点(Halliday， 2004)。该视角认为多模态文本与语言相似，本质上都是社会符号且具有意义潜势，并且强调多模态表达同样具有系统性和多功能性，不可脱离语境进行单独解读(朱永生， 2007)。与视频数据分析和互动过程分析不同的是，多模态话语分析突出视频作为话语的意义构建功能。
多模态话语分析中较有代表性的方法为社会符号学分析(Social Semiotics Analysis)方法。该方法旨在从视觉材料中归纳视觉表达的模式并分析其意义。受到Halliday(2004)语言三大元功能(概念、人际、语篇)的启示，Kress和Van Leeuwen(2006)认为可以从再现、互动、构图三个方面去理解图像：(1)再现意义指的是视觉图像对各种现实经验的表达，包括叙事再现及概念再现。叙事再现表达的是行动本身以及对行动的反应，即图像中的人在做什么动作、说什么话或想什么。除了叙事本身，叙事所在的情景也需要考察，比如将参与者与背景联系起来的“区域情景”(某一动作发生的背景)、表现动作使用工具的“手段情景”(如主角采用的某些工具)，或者利用某些独立参与者但与图片主人公没有动作联系的“陪伴情景”等。与叙事再现相对应的是概念再现，指对图像主要构成要素的特征和内在属性进行分析。(2)互动意义包括人物之间是否接触、人物间距离、视点(仰视/俯视/平视)、色彩饱和度等。(3)构图意义包括各种组成元素在画面构图中的位置、各元素的显著性、取景手段(是否有分割图片的线条)等。社会符号学分析提供了一套较为系统的多模态信息分析框架，研究者可以通过上述要素分析图片如何构建特定意义。
近年来，组织研究文献开始使用多模态话语分析研究组织沟通过程。多数组织学学者利用这一方法分析了组织如何运用图片开展多模态沟通(例如Höllerer et al.， 2018)，但仅有少数研究分析了组织对外沟通的视频。例如，Shao和Janssens(2022)采集了多家跨国公司的企业社会责任沟通视频，采用批判多模态符号分析方法分析了视频中的多模态要素如何构建出“负责任的企业”，识别出“英雄”“传教士”“设计师”三类模式并分析不同模式如何掩盖权力关系。国内语言学者对多模态沟通开展了较多的探索。根据统计，仅2003—2017年在语言学期刊发表的多模态分析相关论文超过800篇(潘艳艳、李战子， 2017)，其中不乏采用多模态话语分析对我国纪录片、广告等视频的研究，另有一系列相关学术专著出版(张佐成等， 2014)。
(四)常人方法学与会话分析、工作场所研究
常人方法学(5)对常人方法学思想及演变的论述可参见李猛(2005)。衍生的会话分析、工作场所研究等理论流派也越来越多地采用视频数据开展研究。会话分析继承了常人方法学(Garfinkel， 1967)及互动秩序(Goffman， 1983)理论，不仅发展出对会话的理论认识，也开发出系统的方法。会话分析重点关注自然发生互动过程中的序列性、轮次组织、会话修复，通过对话的转写、分析话轮及对话的邻接对等方式识别对话中的实践活动与模式(Sidnell & Stivers， 2013)。1970年之后，会话分析研究更加关注具有制度属性的会话，包括法庭审判、报警电话、医患互动等(Heritage & Clayman， 2010)，近年来也被应用于街头官僚、政府决策等公共管理议题。例如，董伟玮(2021)通过会话分析识别了政务大厅窗口人员与公众互动时采取的身份构建策略；
Gibson(2011)用该方法分析了古巴导弹危机期间肯尼迪及幕僚部分决策会议的录音数据，揭示了决策微观互动过程对关键危机决策的影响。面对面沟通是对话的重要形式，会话分析也将视频中对话者的姿势、动作、眼神交流等与语言沟通一同转写下来，从而更全面理解互动过程(多模态转写方式及探讨可参见Mondada， 2018)。多模态的会话分析已广泛运用于医患互动研究中，近年来也被用于检验中国情景下医患互动如何导致抗生素滥用等微观互动问题，例如，Wang(2020)分析了187段儿科门诊医患沟通视频，她发现开具抗生素处方不仅受医生单方面的影响，也与家长的要求有关，开具抗生素处方是医患双方互动的结果。
工作场所研究(6)工作场所研究承袭了Garfinkel对“道德秩序”(Moral Order)的关注，即社会生活参与者所建立并维持的行为规范，包含着支配日常活动的准则。工作场所研究试图解释组织相对稳定的工作常态如何得以达成(Luff et al., 2000)。主要关注一线工作人员参与组织实践的过程，探索了机场控制室、呼叫中心、指挥中心等公共组织场景(Luff et al.， 2000)。研究试图通过视频记录组织成员的工作过程，尤其是与周围物理环境(例如工作设备)、服务对象或同事的互动过程，分析组织成员如何依靠隐性知识、共识、惯例、身体等实现协作并完成工作(Heath et al.， 2010)。组织学学者运用该方法揭示了一线人员如何落实目标等议题，例如，Balogun等(2015)对博物馆导览员与游客互动的视频进行了微观分析，展示了导览员综合利用器物、空间、对话等资源与游客开展沟通并实现博物馆对外宣传与教育大众的目标。在该研究中，视频数据是对工作场所实践活动开展细颗粒度分析的重要素材。
会话分析及工作场所研究在对情境因素的认识上与视频数据分析存在差异。视频数据分析更关注主体对情境的感知及行为，目的是建立动态情境与互动结果之间的关系(Nassauer & Legewie， 2021)。会话分析、工作场所研究等较少关注主体如何感知与解释情境，更关注主体的表达实践及他人如何回应，以此来理解互动本身的系统性结构。
(五)视频民族志
视频反思民族志则加入了与实务工作者合作及反思的要素(Slutskaya et al.， 2018)，并在健康风险管理等领域得到应用。在视频反思民族志研究中，研究者与被研究者之间的主客体关系发生转化，被研究者更为直接地参与到知识生产过程中，行动者(如医生与护士)通过回看视频的方式对自己的行为进行反思(Iedema et al.， 2013)。例如，Iedema等(2015)用视频记录了两所医院医生和病人的互动行为，并与被研究者就视频内容展开讨论。经过对视频的检视和反思，临床医生从视频中发现了此前从未关注的感染风险。
表2比较了各方法流派在范式、理论基础、与被研究者关系、数据源、分析手段、应用领域、主要分析内容等方面的异同，并列举了各流派的代表性方法论及实证研究作品。
表2 视频研究方法流派间比较
本部分梳理了视频数据更擅长捕捉的研究维度。相对于问卷、访谈等方法，视频更善于捕捉行动发生的情境因素(包括物理情境、社会情境等)、行动者的行为构成要素(如情绪、动作、器物使用等)，更有助于记录连续、细颗粒度的过程动态(LeBaron et al.， 2018；
Nassauer & Legewie， 2021)。
(一)情境因素(7)本文参考李康、李猛在翻译《社会的构成：结构化理论大纲》(安东尼·吉登斯, 2016)一书时对Context和Situation的译法，将情景对应英文Context，将情境对应英文Situation，两者作为术语在已有文献中使用不同，在现实中很难截然分开。
视频数据承载着丰富的情境因素信息，其中微观社会学传统认为微观情境可以操作化为互动发生的物理空间因素和社会因素。物理空间因素包括环境的物理特性，比如空间大小及是否封闭、光线明暗、天气等(Nassauer & Legewie，2021)。微观社会学者在此方面做出了较多探索，典型的研究如Bramsen(2018)对多国冲突视频的编码分析，着重关注了物理空间因素(如犯罪者发起攻击的位置、双方人数等)对暴力冲突发生的影响。部分组织学者通过视频分析了海上救援团队成员主动调整空间布局以适应工作需要的过程，强调空间作为情境因素不能被简化为静态的外在限制，而是与行动处于相互形塑的过程之中(Steigenberger & Lübcke， 2022)。社会因素包括行动者是否在场，行动者之间的社会关系，行动者的角色定位、人口统计学变量等(Nassauer & Legewie，2021)。学者对游行示威、警察执法视频的分析深化了对暴力冲突中社会因素的理解。例如，Nassauer(2018)分析了游行示威视频中双方的情绪，发现当冲突一方侵犯了对方的空间时，双方会产生紧张与恐惧的情绪，若双方无法避免或跨越这种紧张情绪氛围则可能诱发暴力冲突。Makin等(2018)分析了警察执法记录仪的视频数据，发现互动中的围观群众、执法对象的敌对语气、对话中打断对方均会影响警察及嫌疑人的情绪状态。视频数据也有助于分析情境因素的动态性特征及影响。例如，Nassauer(2016)探讨了情境特征的转变(例如对峙双方的空间侵犯、财产破坏等)以及情绪状态的动态特征(紧张与恐惧情绪的升级)如何促使和平的示威演变成暴力冲突。
(二)情绪
视频技术的快速发展丰富了学者捕捉和分析情绪的方法，有学者宣称视频技术的发展将情绪社会学带入了黄金时代(Katz， 1999)。视频方法在情绪研究方面具有独特的优势：相比自填量表，视频方法可更好地捕捉个体实时的情绪表达，有助于分析个体在互动中的情绪表达类型和转变，减少后见之明等测量偏误；
随着技术进步，新的算法也可通过面部表情更准确地实现对情绪的测量。例如，Ekman(2003)建立了面部表情编码系统来识别跨文化的基础情绪类型，并得到广泛的运用(例如Nassauer， 2018)。
在个体层面，学者通过情感编码探讨个体的情绪状态、个体间情绪传染(Barsade， 2002)及对工作结果的影响等议题。例如，Wang等(2016)在模拟演练中采集了空乘人员之间互动的视频，通过视频编码分析检验了不同欢笑模式对双方互动结果的影响。研究发现，仅有一方频繁欢笑有助于促进双方进行开放的沟通并高效完成任务。
在团队层面，由于视频能够记录情绪在团体互动中的实时演变状态，视频数据也被用于研究团队情绪基调与氛围及对互动结果的影响等议题。例如，Bartel和Saavedra (2000)基于团队视频中面部表情、声音与身体姿势等指标对团队层面的情绪基调进行了编码分析。Liu和Maitlis(2014)分析了7次董事会战略决策会议视频数据，构建了参会者情绪表达的编码体系，分析了情绪氛围对战略的形塑作用。她们发现氛围活跃的团队更利于开放地讨论并解决问题，而持续性冲突、无共情的互动及情感消耗会阻碍团队协作。
(三)具身性与手势
在语言之外，身体作为传递意义的载体逐渐被研究者所关注，视频恰恰可以捕捉身体姿态、手势、动作变化等微观细节。例如，Clarke等(2019)采用混合研究方法分析创业者如何通过语言与非语言表达的配合来争取投资人的支持。研究首先基于视频数据识别了创业者与投资人沟通中的典型动作，之后通过实验进一步验证，发现能够灵活使用肢体动作进行表达的创业人更容易获得投资，证实了 “行胜于言”的结论。Wenzel和Koch(2018)分析了2001—2011年间苹果公司主题演讲视频，识别了四种通过肢体动作实现的话语实践，分别是提及、关联、区分和神秘化。研究者通过将语言和身体姿势相联系，展示了动作对于勾连既有战略概念或推出新概念的辅助作用。
除了肢体动作，视频有助于深化理解身体如何作为认知的拓展参与到意义建构过程中。例如，Hindmarsh和Pilnick(2007)对麻醉科医生协作开展手术的过程进行视频分析，发现身体所承载的缄默性知识与技能是彼此协作的关键，在该研究中视频数据记录并帮助研究者挖掘了这些难以言说的隐性知识。又如de Rond曾亲身参与亚马逊河漂流，并在漂流过程中用视频记录自身及其他参与者的身体状态，结合亲身经历建构了“具身性的意义建构”(Embodied Sensemaking)视角。该视角强调身体是意义建构不可分割的一部分，例如在漂流过程中身体会根据感知到的水流速度和方向来判断行进方向，长期的疲劳和严重的受伤会让行动者感觉悲观和绝望。这一过程展示了认知并非仅在语言层面上实现，研究者需要用一种整体性的观点来看待身体在意义建构中扮演的角色(de Rond et al.， 2019)。
(四)社会物质性
社会物质性理论关注器物、技术、工具等与人们工作实践的关系，该视角反对将社会性与物质性视为简单的相互影响关系，认为双方处于高度交融的状态(Orlikowski & Scott， 2008)。目前观察与访谈仍是社会物质性研究的主要手段，往往难以反映器物与社会实践高度交织的状态(Cecez-Kecmanovic et al.， 2014)。而视频数据能够记录行动者所浸入的物理工作环境，为深入分析社会物质性研究提供了帮助(Hindmarsh & Llewellyn， 2018)。例如，Paroutis等(2015)收集了高管团队战略规划过程的视频，通过对视频数据中战略规划图与高管成员互动的过程进行编码，并识别出战略规划图支持团队互动的三种模式：团队成员可以对不同的战略选择进行辩论，并利用战略规划图中的部分内容支持自己的观点；
或者仅局限于战略规划图中的某一项战略议题开展分析；
团队成员还可以融合不同专业背景知识并同时调整战略规划图，在完善战略规划图的过程中实现知识的整合。也有研究者利用视频数据关注了幻灯片等物品在辅助组织沟通中的角色(Zhao et al.， 2014)。
(五)过程动态
组织研究中的过程转向主要关注了事件发生的先后顺序、转折点、动力机制、演化轨迹等过程动态(Langley & Tsoukas， 2017)。视频恰恰提供了连续的实时进程数据，与过程研究相契合。例如，Christianson(2019)对急救团队处理意外事件的过程轨迹开展视频编码，研究发现高效的急救团队依赖于持续的更新行为，包括敏锐地监测异常信号、迅速采取对策并通过反馈来判断措施是否有效；
而低效的团队往往无法随事态的演进而调整认知框架。麻省理工学院媒体实验室Deb Roy团队在自家安装摄像机采集婴儿成长过程的视频数据，并对3年长达9万小时的数据开展建模分析，发现婴儿学会具体词汇的过程受到父母提及该词汇的频率及父母声学特征等因素的影响(Vosoughi et al.， 2010)。
常人方法学、会话分析更将互动的序列性作为核心关注之一，但却不同于过程动态研究所关注的行为先后顺序。会话分析的序列性强调相邻话轮之间的关联性，这种关联性蕴含在互动双方对彼此回应的预期之中，互动是在预期-回应交替下有序向前推进的(Hutchby & Wooffitt， 1998; Schegloff， 2007)。因而，互动行动高度依赖会话前后的邻接对话。而视频更易于捕捉互动的序列情景，也因而得到常人方法学、会话分析等学者的青睐。例如LeBaron等(2016)通过视频记录了ICU医生交班过程，发现医生在原有交班惯例上会调整会话先后次序，这一行为打破了对方的会话预期，而恰恰是打破原有预期的会话内容得到了对方更多的注意。该研究展示了互动双方如何利用序列性作为互动资源，实现灵活调整惯例及协调一致。
表3总结了视频数据更善于刻画的分析维度，并列举了各维度下的代表性方法论论文及实证研究。
表3 视频数据的分析维度汇总
本部分将探讨视频研究使用的关键操作方法，在数据采集方面包括数据源的选取、摄像机摆放位置，数据分析方面包括分析单元的切割、针对不同模态要素的专门分析技术。需要说明的是，部分研究仅将视频作为质性资料的一部分，供佐证其他资料使用，未对视频数据本身做解构(例如，Lifshitz-Assaf et al.， 2021)，而本部分着重探讨如何对视频内容进行拆解与分析。
(一)数据源：一手与二手数据
视频一手数据主要为人工采集的自然状态下组织活动的视频。部分研究因数据获取困难而选择在情景模拟状态下采集数据，例如，一些应急决策研究选择模拟飞行控制室及指挥中心(Waller & Kaplan， 2018)，反恐团队“红蓝对抗”的演练(Woolley， 2011)，警察团队的演练(Alison et al.， 2014)等。此外，研究者还可以通过邀请被研究者拍摄他们认为重要的事件来生成视频数据，或邀请其参与到视频的分析中并生成相关数据(Zundel et al.， 2018)。Jarrett和Liu(2018)在对组织高层视频数据分析时曾邀请与会人员共同观看视频片段，受访者可随时停止播放，进行提问或发表评论，研究者与被研究者借此能够共同对视频数据进行分析。
视频平台为研究者提供了丰富的二手视频数据。例如，学者基于Youtube上动物保护的宣传视频，分析微观层面的意义传递模式是否有助于促进动物保护领域的制度变革(Hu & Rerup， 2019)。Li等(2019)分析了用户发布的众筹视频，发现用户的肢体动作、面部表情等因素与最终筹款数量相关。此外，政府、法院开放的议案讨论、法院审判等视频数据也为研究者提供了丰富的素材。Dietrich等(2019)政治学者对美国议员讲话语调与语言内容如何配合能够打动听众进行了分析。
视频还可以与其他形式的定性和定量数据进行结合。据统计，1990—2015年组织研究顶级期刊发表的视频研究论文中，只有6篇仅依赖视频，多数文章结合了访谈、问卷、档案和观察等数据(Christianson， 2018)。
(二)摄像机摆放位置
摄像机的摆放位置体现了研究者与被研究者的关系。具体而言，摄像机的摆放可选择 “局外人”或“局内人”两种立场。持局外人立场时，摄像机对准行动者，“见行动者之所未见”。局外人立场下的摄像机摆放方式包括：(1)全景视角，将摄像机固定摆放在特定位置如天花板上，从而收集场景内所有信息。(2)美式客体视角(American-Objective View)，将摄像机固定摆放在行动者面前，近距离记录行动者个体行为。(3)流动视角，即研究者手持摄像机追踪某一个行动者的活动，而当行动者将手头工作交给其他人时，研究者可以将焦点放在下一人身上，该视角可关注某项任务的完成过程(Mengis et al.， 2018)。而持“局内人”立场则要求摄像机“见行动者之所见”(LeBaron et al.， 2018)，在此视角下摄像机的摆放位置为主观视角，也被称为“参与式视频研究”，即由被研究者本人自行用视频记录日常故事与情绪变化(Mengis et al.， 2018)。例如， Jones和Raymond(2012)呼吁采用公民提供的警民互动视频来开展警民互动研究。研究者也可要求被研究者录制视频日记，或将摄像机置于正在讨论的团队中扮演“参与者”的角色(Mengis et al.， 2018; Zundel et al.， 2018)。需要注意的是，对主观视角采集数据的分析，需要研究者着重反思行动者为什么呈现出特定画面(Whiting et al.， 2018)。
拍摄方式的选择依赖于研究者的研究问题、方法论立场、关注焦点等。研究者可以选择一种或多种拍摄方式，但同样需要考虑并报告设备本身对被研究者造成的影响。具体问题包括：行动者是否能够感受到摄像机的存在，摄像机的存在是否会导致行动者调整其行为，行为调整是否会造成研究结论的偏误(Nassauer & Legewie， 2021)。
(三)分析单元切分
目前使用视频方法的研究主要有两种构建分析单元的方式：第一种是以独立的、自然形成的视频片段为分析单元，例如以Youtube上的一段完整视频为分析单元；
第二种则尝试解构视频内容，关注视频所记录的组织过程及演化。对第二种方式来讲，对视频进行切割是开展分析的基础。
针对视频中的语言、动作等信息，目前主要存在形式单元和意义单元两种切割方法。形式单元指完整的、自然形成的语句或互动构成要素，或是固定时间长短的单元。这种方式有助于保证分析单元切割方式的统一性。而意义单元以语言或行为的意义为基础，一个完整的意义单元可能包含一个或多个语句和动作，研究者需要对每一个意义单元单独识别。
以语言模态切割为例，形式单元可以是自然形成的一段发言。例如，Christianson(2019)在对急救团队紧急沟通的视频分析中以完整的发言为分析单元，即由一名团队成员会话持续到其他人会话开始作为编码的单位。而意义单元则需要能够完整表达某一行为或实践，例如John等(2019)对演练情景下海员团队协作的对话数据进行分析，选择了言语行为(如一个命令、要求等)作为切割单元，并以此为基础分析某言语行为中是否存在表述不清、可能导致沟通不畅的内容。又如Clark等(2019)在对客服中心会话的研究中提取了会话语步(Discursive Move)作为切割单元，指“一段完整的对话或替代物，对于行动者所处的对话场景具有独特的、基本单元意义上的影响”(Goffman， 1981， p.24)，即能够独立表达一种社会行为的最小意义单元(如安抚客户)。
非语言模态(例如情绪、动作)不具备轮次转换特征，因而其切割方式与语言模态存在区别。以动作为例，在形式单元方面，一些研究选择一定时间段为切片切割视频。例如Marinova等(2018)在对员工与顾客互动非语言线索的编码中以切片(5—10秒)为基本单元，并统计了切片内非语言信息的频数。在意义单元方面，可以从某一动作“准备发出、达到‘顶点’、开始回收”的完整序列来识别出一个相对独立的动作单元(具体切割过程示例参见Gylfe et al.， 2016)。部分研究尝试提炼较为一般性的框架，例如Clarke等(2021)区别了代表性的(用于描述某物)、语义性的(表达正在进行的动作)、指示性的(用于引起注意)手势，以此作为对视频中手势操作化的基础。
(四)常用分析技术
针对语言、情绪、动作等模态，研究者开发了相关分析技术，充实了研究者的工具箱。
语言学领域开发了较多的英语语言分析工具，代表性的有基于心理语言学开发的语言探索和词频统计(Linguistic Inquiry and Word Count，LIWC)系统(Boyd et al., 2022)。针对汉语，中国科学院心理研究所开发出LIWC汉化版的文心词频统计系统，可对文本信息进行自动编码和词频统计。
在情绪测量方面，Ekman(2003)将面部表情与情绪表现联系起来，并在此基础上开发了面部动作编码系统(Facial Action Coding System，FACS)。该系统建立在对脸部肌肉动作分解的基础上，通过识别一系列动作单元或动作单元组合来识别面部表情，从而实现对面部表情所展现的情绪进行编码(Ekman et al.， 2002)。以FACS为基础，越来越多的表情识别软件实现了对情绪变化的自动记录，以FaceReader、Affectiva AFFDEX为代表的表情自动识别软件已用于营销、广告等领域。在语言文本之外，Knox和Lucas(2021)等政治学者开发了针对美国国会讨论的语音语调分析工具。
在动作分析方面，Clarke等(2021)提出了分析视频中姿势所表达意义的操作步骤。在切割动作完成之后，研究者可以进一步(1)将凝视的方向、手势的方向(M形、环形、拍手等)在图片上进行直接标记。(2)将手势和话语进行匹配，分析手势与语言的关系(反映语言、修饰语言等)。(3)分析手势与物质之间的关系，例如手与幻灯片放映笔等的关系。(4)分析语言的互动及语义功能。(5)进一步分析动作的隐喻及深层意义，例如动作对于表达抽象理念的促进作用。
此外，软件和算法的进步也给研究者提供了便利。质性研究分析软件如Atlas.ti，NVivo能够辅助编码视觉材料。ELAN等多模态分析软件能够辅助多模态编码及整合分析。随着疫情后线上会议的普及，有学者开发了针对Zoom视频分析的R语言包(Knight， 2021)。
前文着重梳理了组织研究、社会学等领域采用视频方法的研究。在已有视频研究综述基础上(甘雨梅， 2020; Christianson， 2018; LeBaron et al.， 2018; Nassauer & Legewie， 2021)，本文全面地整合了多学科视角，系统比较了不同方法流派的前提假设和分析逻辑，希望为公共管理研究提供新思路。
视频研究方法目前处于起步阶段，对操作流程、分析范式尚没有统一的模板，在合法性、如何辅助与既有理论对话等方面仍然面临较多挑战，但这恰恰为学者提供了更大的自主探索空间。视频研究方法已开始应用于组织协作、意义建构、组织沟通、小组决策、一线互动等经典组织研究议题，对于开拓公共管理研究路径同样有借鉴意义。本文认为，超越传统的截面式数据，走向动态演化过程分析将会是视频研究方法带给公共管理研究的重要机遇。未来可以从以下几个议题入手开展探索。
(一)公共服务供给和监管的互动过程
视频方法有助于加深对公共服务供给和监管互动过程影响因素的理解。具体可关注下列研究议题：可采用VDA等方法分析公共服务供给或监管中的冲突演化过程，以及肢体动作、情绪、情境因素对冲突演变和结果的影响；
结合会话分析对轮次组织和序列性的关注，探讨一线服务及执法人员如何运用不同的互动策略完成服务供给或监管工作；
公民抵制或表达诉求的方式、是否佩戴执法记录仪等因素对一线服务及执法人员行为模式的影响；
通过视频日记、视频民族志等方法分析公共服务供给中的繁文缛节惯例与实践，也可探讨服务人员如何灵活调整惯例来改变服务流程。
(二)研判、决策、战略制定
以往对研判、决策、战略制定等议题的研究多使用问卷、社会网络分析等方法关注相对静态的决策结果，而视频分析能够更细颗粒度地揭示微观互动过程。相对来说，获取政府内部协同决策会议的视频记录存在数据壁垒，研究者可以对公开或模拟的政府决策会议视频数据展开分析，典型场景包括多部门联席会议、专家参与决策会议、对地方政府或涉事企业的约谈等。以专家参与决策会议为例，未来的研究可以不局限于检验专家特征、官员特征等变量对专家参与的影响，也可关注专家间、专家与官员间的互动过程，以及情绪、技术设备等因素对决策过程及结果的影响。具体可探讨的问题包括：参会者如何通过语言、语调、眼神沟通、肢体动作来微妙地表达“言外之意”，参会者如何通过特定的互动策略影响并说服他人，专家之间如何跨越任务或情感冲突并达成共识，会议情绪基调如何影响决策结果，技术设备与物理情境等如何促进或制约群体协同研判。一系列中国情景下的特殊因素也值得关注，例如情绪氛围是否受“人情”或“面子”等因素的影响。在借鉴已有组织研究的同时，也需要考虑公共组织场景的独特性，例如决策目标的公共性，官员/专家等行动者的问责考量等。
(三)多模态传播与公众沟通
伴随着各类视频平台的崛起，公众拍摄的各类短视频、政府部门新闻发布会视频、政务短视频等为研究者提供了大量的数据材料。以政务短视频研究为例，目前研究主要关注内容包括视频扩散的影响因素(例如平台本身特征)、热门短视频主题特征等。未来研究可采用多模态话语分析、批判话语分析等方式对视频内容进行研究，分析政务视频如何通过多模态符号构建公共组织身份、体现权力关系、传递公共价值，检验视频采取的情感沟通策略及效果。研究者也可超越对单一模态的关注，分析两个或多个模态要素间的一致或冲突关系，通过模态间的交叉印证更加全面地理解视频内容，并积累多模态要素整合的理论知识(不同沟通模态整合的方法框架可参考Norris， 2004)。
同样，开展视频研究也需要权衡如下问题。
(一)浸润田野与隐性知识
高质量的视频数据能够捕捉事件发生时的情境及参与者采取的行动，更易于展示实时演化过程及细节，但蕴含其中的历史因素却难以从视频中挖掘出来，对于解释行为动机也存在局限(Nassauer & Legewie， 2021)。互动行为的意涵高度依赖其所处的文化与机构背景，研究者如果缺乏相应知识会难以准确理解视频数据(Waller & Kaplan， 2018)。
对于这一问题，Nassauer和Legewie(2021)指出，访谈、参与式观察等方法对解析行为动机更具有优势。研究者在解读视频数据时可进一步结合访谈等方法，以增进对行为意涵与“隐性知识”的理解。例如，Keesman(2021)在运用视频数据探讨警民冲突的研究中，邀请警察回看视频并分享他们如何理解与解释自身所处的情境与行为，进而获得对行为动机与意义建构过程的见解。
(二)相关性难题
传统研究方法虽然捕捉信息有限，但也保证了数据形式的聚焦性及结构性。视频数据的优势是信息量庞大，却同样因解读成本增加而带来“相关性难题”——研究者需要决定从丰富的视频数据中提取哪些信息进行分析(Hindmarsh & Llewellyn， 2018)。同时，多模态信息编码也增加了研究者的时间和人力成本。例如在Terrill和Zimmerman(2021)的研究中，3名编码员花费了8个月的时间对438个视频进行编码，在一致性检查阶段，3名编码员投入时间多达2000小时。在探讨较长时段的管理现象时，视频分析成本增加的问题会更为突出。对于相关性难题，研究者应当以理论问题为核心，确保理论-方法匹配，才能避免信息冗余或信息过载。研究者也可以结合民族志与观察等方法，对长时段现象中的关键事件片段进行视频记录并展开分析，以确保关键视频片段紧扣理论问题。
(三)汉语基础研究的支撑有待提升
理解中国情景下的互动行为是开展视频数据分析的基础性工作。然而国际期刊发表的研究多以英文世界为对象，基于汉语并根植中国情景而开发的多模态分析工具仍然较少。以语言模态为例，对中文情景下语言分析工具的探索及语料库的积累仍处于起步阶段；
多模态互动学者对汉语中的话轮转换、音高轨迹等互动行为特征进行了有益的探索(例如Li， 2014)，但未来仍然需要学术共同体在汉语情景下的基础研究有更多突破。尤其对中国情景下公共组织的探索也有助于超越对日常互动的关注，为公共管理研究和实践提供支持。
本文梳理了组织研究、社会学等领域采用视频分析方法的研究，更为全面地梳理了现存范式，并系统比较了各流派的假设和适用边界，希望为公共管理研究采用视频方法提供新思路。本文认为，视频数据能够在情境因素、情绪、具身性、社会物质性、过程动态等维度的分析来更好地服务于公共管理研究。本文同时梳理了既有研究对视频数据的处理技术，包括数据来源、摄像机摆放、分析单元切分、分析技术等。此外，本文提出视频研究方法给公共管理研究带来的机遇，包括充分利用本土公共管理相关视频资源，拓展对公共服务供给和监管过程，政府研判、决策、战略制定过程，政府多模态传播等议题的研究，并指出在浸润田野、相关性难题、语言模态基础研究等方面的挑战。由于视频研究方法及多模态分析方法的主张目前仍是百家争鸣，各学说内部依然存在争论，本文仅对各流派主流观点进行了综述，难免挂一漏万。本文所凝练的范式也并非不能交融，研究者可以创造性地整合不同范式的方法，从丰富的视频数据中拓展理论研究的边界并提出有益的洞见。
猜你喜欢 研究者模态分析 基于BERT-VGG16的多模态情感分析模型成都信息工程大学学报(2022年4期)2022-11-18多模态超声监测DBD移植肾的临床应用昆明医科大学学报(2022年3期)2022-04-19跨模态通信理论及关键技术初探中国传媒大学学报(自然科学版)(2021年1期)2021-06-09隐蔽失效适航要求符合性验证分析民用飞机设计与研究(2020年4期)2021-01-21用水痘病毒开发新型HIV疫苗爱你(2019年21期)2019-06-21研究者称，经CRISPR技术编辑过的双胞胎已出生。科学将如何回应?英语文摘(2019年2期)2019-03-30电力系统不平衡分析电子制作(2018年18期)2018-11-14研究者调查数据统计中华手工(2018年6期)2018-07-17电力系统及其自动化发展趋势分析山东工业技术(2016年15期)2016-12-01年轻瘦人糖尿病增多中国新闻周刊(2016年32期)2016-10-27