تحليل البيانات الوصفية

تحليل البيانات الوصفية يحدد حقول البيانات الوصفية التي تقسّم بياناتك النوعية تقسيمًا ذا معنى. على سبيل المثال، يمكنه أن يكشف ما إذا كان المشاركون من مجموعات عمرية أو مناطق أو أدوار مختلفة يركزون على مواضيع مختلفة في ردودهم.

تشغيل تحليل البيانات الوصفية

لتشغيل تحليل البيانات الوصفية:

1. انتقل إلى عرض الفئات في مشروعك.
2. انقر على تحليل البيانات الوصفية.
3. يفحص Skimle جميع حقول البيانات الوصفية ويحدد أيها يُحدث اختلافات ذات معنى عبر فئات الاستنتاجات.

يعمل التحليل في الخلفية، ويستغرق عادةً بضع دقائق. تظهر النتائج في عرض الفئات عند اكتماله.

كيف يعمل هذا

يجمع Skimle بين منهجين متكاملين للعثور على أنماط ذات دلالة:

• التحليل الدلالي - يقارن معنى الاستنتاجات بين مجموعات البيانات الوصفية باستخدام تمثيلات نصية. إذا كان المشاركون ذوو قيم بيانات وصفية مختلفة يتحدثون عن أمور مختلفة بالفعل، يتم رصد هذه الإشارة.
• تحليل التوزيع - يستخدم اختبارات إحصائية للتحقق من أن قيم بيانات وصفية معينة تتجمّع في فئات فرعية محددة أكثر مما هو متوقع بالصدفة.

يُعتبر حقل البيانات الوصفية ذا دلالة فقط عندما تتفق الإشارتان، مما يقلل من خطر النتائج الزائفة.

قراءة النتائج

لكل فئة استنتاج، يعرض عرض الفئات:

• أي حقول البيانات الوصفية تحقق تقسيمًا ذا معنى، مرتبة حسب الدلالة.
• أوصاف المجموعات - لكل حقل ذا دلالة، يصف Skimle ما يميز ردود كل مجموعة بيانات وصفية. على سبيل المثال، تحت حقل «المجموعة العمرية»، قد ترى أن المشاركين الأصغر سنًا ركزوا على سهولة الاستخدام بينما أعطى المشاركون الأكبر سنًا الأولوية للموثوقية.
• المقارنة الزمنية - إذا كانت مستنداتك تحتوي على تواريخ إنشاء، يقارن Skimle تلقائيًا الفترات الزمنية الأخيرة والسابقة لإبراز كيف تغيّرت المواضيع بمرور الوقت.

عناصر الخط الزمني في التصورات - اتجاه الخط الزمني ومقارنة الفترات - تتيح لك استكشاف نفس السؤال بشكل تفاعلي.

المتطلبات

لكي يحقق تحليل البيانات الوصفية نتائج مفيدة، يحتاج مشروعك إلى:

• 15 استنتاجًا على الأقل في الفئات التي يتم تحليلها.
• قيمتين مختلفتين على الأقل لحقل البيانات الوصفية الذي يتم اختباره.
• استنتاجين على الأقل لكل قيمة من البيانات الوصفية.

يتم تجاوز الحقول التي لا تستوفي هذه الحدود تلقائيًا.

تتعلق هذه الحدود في النهاية بحجم العيّنة: لا يصبح التقسيم النوعي موثوقًا إلا عندما تحتوي كل مجموعة على عدد كافٍ من الاستنتاجات للمقارنة. مع عيّنة صغيرة جدًا، سيتم تجاوز معظم الحقول تلقائيًا، لذا يستحق الأمر تحليل عدد كافٍ من المستندات قبل استخلاص نتائج من تفصيل البيانات الوصفية.

نصائح لتحليل بيانات وصفية فعال

• استخدم قيم بيانات وصفية غنية بالتفاصيل. «مطوّر كبير» أكثر فائدة من «الدور أ» لأنها تساعد الذكاء الاصطناعي على كتابة أوصاف المجموعات بشكل أكثر دلالة.
• حافظ على عدد القيم الفريدة ضمن حدود يمكن التحكم بها. الحقول التي تحتوي على عشرات القيم الفريدة أصعب في التفسير. ضع في اعتبارك تجميع القيم (مثل النطاقات العمرية بدلاً من الأعمار الدقيقة).
• إضافة بيانات وصفية قبل تشغيل التحليل. يستخدم تحليل البيانات الوصفية أي حقول موجودة في وقت تشغيله. إذا أضفت حقولاً جديدة لاحقًا، فشغّل التحليل مرة أخرى لتضمينها.