小编在中国知网上以主题为“政策 内容分析法”进行精确搜索，近五年时间范围，共检索到187篇论文，从发表年度趋势来看，论文量逐年增加，该类型研究趋于热门。从政策文本从属领域来看，集中在教育、医疗健康、科技、信息化等行业。
适用于分析同类型政策文本、在不同问题或不同情境中显示出的具体政策，使用内容分析，在量化结果中找出具有共性的特征。
比如，以有关智慧城市的政策文本为例，可以针对不同层级单位发布的同主题政策进行特征分析，以了解不同层级政策主体的共同要求。
适用于分析同一政策下、不同时期内的政策文本版本，使用内容分析，深度评估及预测政策发展趋势，对量化结果加以比较，找出其中发生变化的因素，较为客观，有据可循。
比如，以有关智慧城市的政策文本为例，可以针对不同时期发布同类型的政策进行发展趋势分析，从而理解智慧城市政策的全局思路和变迁脉络，预测和判断未来的关注主题、应用走向等。
适用于分析同一研究问题、不同类型政策文本，进行内容分析，对比不同样本的量化结果，找出异同点。
比如，以有关智慧城市的政策作为分析对象，利用研究理论框架，比较不同类型政策工具在研究理论框架下异同点。
想进一步看看各范式论文的具体情况，小编建立了一个政策文本研究论文数据库，进行分析。具体做法是：
建立数据库首先要做文本数据结构化。什么叫数据结构化，简单来说，把相同属性的内容归于同一个变量（字段）之下。在本例中，从知网上下载论文基本信息列表，已经是高度结构化的数据文档，见下图。在这份文档的基础上，补充摘要信息，可直接上传至DiVoMiner®平台，供后续分析。共计187篇论文信息。上传变量后可利用已有字段进行统计分析。比如年份统计、标题词云图等。
创建编码类目“分析思路范式”以及“是否使用了政策工具研究”：
完成编码后，在【编码结果】中快速查看编码结果，点击图表上的数据点，右侧可以查看对应的数据内容。
- 特征分析是比较常见的分析思路（89篇，占总体近三分之二）。大部分论文倾向于去描述政策文本客观内容的统计结果，也有一些论文会采用关键词统计分析的方法，寻找政策文本的特点。
- 比较分析较常与特征分析结合使用，特别是在政策工具的研究中。在人工编码过程中，小编也发现政策工具的研究是学者比较重视的关注点。检视摘要中包含“政策工具”内容的文献（【质量监控】-【筛选】查看），共计63篇，当中Rothwell & Zegweld (1981) 的政策工具分类框架接近一半（26篇），该框架分为供给政策工具、需求政策工具、环境政策工具三大类。(小编语：进入案例话题可以查看这部分文献，方法是【编码结果】-第二个类目结果“使用政策工具研究”)
- 发展趋势分析大多采用探索政策的演进趋势的思路，还有一些学者会在此基础上，对未来趋势进行预测和启示的解读。
内容分析法在政策文本研究中具有广阔的应用前景，对此有研究兴趣的朋友们也可以尝试在DiVoMiner®上，以严谨的内容分析法流程（【让研究更容易】我们为什么用在线内容分析法能更快出论文？?点击查看），进行相应的研究工作。
Q：DiVoMiner®上可以进行政策文本分析吗？
A：结合传统的社会科学研究方法——内容分析法（content analysis）和大数据技术的DiVoMiner（me.divominer.cn），集信息的整合、机器学习、内容分析、统计分析于一体，一站式进行研究设计，类目建构、内容编码、质量监控、数据分析和可视化结果输出，助力政策文本的内容研究。
Q：DiVoMiner®在这类型研究的优势是什么？
A：这个问题早有答案，详情可参看—【让研究更容易】无需编程，文科生也能快速做大数据研究！