تحلیل عامل‌محور
اینکه چگونه تحلیل عامل‌محور Skimle یک سؤال پژوهش را از ابتدا تا انتها - از گفت‌وگوی روشن‌سازی تا بینش‌های دسته‌بندی‌شده و موضوع‌های تحلیلی - پیش می‌برد.
تحلیل عامل‌محور کامل‌ترین نوع تحلیل در Skimle است. شما کار را با بیان یک سؤال پژوهش شروع می‌کنید؛ سپس Skimle یک فرایند چندمرحله‌ای را اجرا می‌کند که یک چارچوب دسته‌بندی می‌سازد، هر بخش مرتبط از هر سند را دسته‌بندی می‌کند، و موضوع‌های تحلیلی را که به سؤالی که پرسیده‌اید پاسخ می‌دهند تلفیق می‌کند.
این حالت برای پروژه‌هایی طراحی شده است که سؤال پژوهش به همان اندازه دسته‌ها اهمیت دارد - برای مثال، «چرا تصمیم‌های استخدامی بین دوره‌های ریاست‌جمهوری متفاوت است؟» یا «چه چیزی پاسخ‌دهندگانی که ترک می‌کنند را از آن‌هایی که تمدید می‌کنند متمایز می‌کند؟» - و جایی که می‌خواهید علاوه بر دسته‌بندی، عمق تحلیلی هم داشته باشید.
مرحله ۱: گفت‌وگوی راه‌اندازی
شما کار را با تایپ کردن یک سؤال پژوهش در کادر گفت‌وگوی تحلیل عامل‌محور شروع می‌کنید. عامل راه‌اندازی Skimle با شما گفت‌وگو می‌کند تا:
- روشن کند که سؤال واقعاً به چه معناست (در صورت وجود هرگونه ابهام، یک تا سه سؤال کوتاه می‌پرسد)؛
- نوع تحلیل را دسته‌بندی کند - رده‌بندی‌شده (ترسیم یک فضا)، تبیینی (چرایی رخ دادن چیزی)، علّی (رابطه علت و معلول)، یا مقایسه‌ای (بین گروه‌ها)؛
- یک چارچوب دسته‌بندی پیشنهاد دهد: مجموعه کوچکی از دسته‌های سطح اول (معمولاً چهار تا هفت)، زیرموضوع‌های نامزد برای هر یک، و دو تا چهار «پویایی‌های گسترده‌تر» - سؤال‌های تحلیلی سطح بالاتری که مرحله تلفیق بررسی خواهد کرد.
Skimle این چارچوب را از کتابخانه‌ای از قالب‌های تحلیل استخراج می‌کند و در صورت وجود یک تحلیل عامل‌محور قبلی در پروژه، به سوی آن گرایش پیدا می‌کند. می‌توانید پیش از تأیید، هر بخش از چارچوب را ویرایش کنید.
مرحله ۲: تأیید چارچوب
ویرایشگر چارچوب به شما امکان می‌دهد دسته‌ها و پویایی‌های گسترده‌تر را تغییر نام دهید، اضافه کنید یا حذف کنید. پس از پذیرفتن، Skimle:
- یک دسته بینش سطح بالا با نامی برگرفته از سؤال پژوهش شما ایجاد می‌کند؛
- یک یادداشت سیاهه تحلیل ایجاد می‌کند که هر مرحله‌ای را که فرایند پردازشگر اجرا می‌کند، در خود ثبت می‌کند؛
- تحلیل را در صف قرار می‌دهد. داشبورد آن را به صورت در انتظار نشان می‌دهد.
مرحله ۳: استخراج تجربی
برای هر دسته سطح اول، Skimle از پیش‌انتخاب مبتنی بر embedding برای یافتن بخش‌هایی از سند استفاده می‌کند که احتمال بیشتری دارد محتوای مرتبط داشته باشند، سپس دسته‌بندی دقیق را روی آن بخش‌ها اجرا می‌کند. دسته‌بندی دقیق به این معناست که هر بینش نامزد در برابر سؤال دسته بازبینی می‌شود و نقل‌قول پشتیبان آن در برابر سند اصلی تأیید می‌شود.
Skimle واترمارکی از بخش‌هایی که پردازش شده‌اند و پایین‌ترین آستانه شباهتی که منجر به محتوای قابل‌قبول شده است را نگه می‌دارد. اسناد جدیدی که بعداً اضافه می‌شوند - از جمله در طول یک اجرای دوباره - فقط در برابر بخش‌هایی که هنوز دیده نشده‌اند دسته‌بندی می‌شوند، بنابراین اجراهای دوباره کم‌هزینه باقی می‌مانند.
نتیجه این مرحله یک درخت دسته پر شده زیر سؤال پژوهش شما است، همراه با نقل‌قول‌های تأییدشده که به همه بینش‌ها پیوست شده‌اند.
مرحله ۴: غنی‌سازی فراداده
Skimle بررسی می‌کند که آیا تحلیل به یک فیلد فراداده جدید نیاز دارد تا از مقایسه‌ای که سؤال پژوهش شما مطرح می‌کند، پشتیبانی کند (برای مثال، یک فیلد دوره برای سؤالی درباره تغییر زمانی، یا یک فیلد نقش سازمانی برای سؤالی درباره استخدام). زمانی که یک فیلد جدید مفید باشد، Skimle آن را پیشنهاد می‌دهد، دسته‌های مقدار را به‌طور معنادار نام‌گذاری می‌کند، و همه اسناد را دسته‌بندی می‌کند. زمانی که فراداده موجود، تمایز را از قبل پوشش می‌دهد - یا زمانی که اصلاً هیچ فیلد فراداده‌ای لازم نیست - Skimle استدلال خود را ثبت می‌کند و ادامه می‌دهد.
مرحله ۵: تلفیق تحلیلی
برای هر پویایی گسترده‌تر در چارچوب، Skimle یک بررسی را اجرا می‌کند - یک عامل متمرکز که بینش‌های تجربی، فراداده، و الگوهای زمانی را جست‌وجو می‌کند تا شواهد مرتبط با آن پویایی را بیابد. این بررسی طی چندین مرحله جست‌وجو اجرا می‌شود و با یک تلفیق به پایان می‌رسد که دو تا پنج موضوع تحلیلی برای هر پویایی تولید می‌کند.
هر موضوع تحلیلی به صورت یک پاراگراف نوشته می‌شود همراه با ارجاع‌های داخل کروشه به بینش‌های زیربنایی (برای مثال، [I205]، [D3k]، یا [I26-Q2] برای یک نقل‌قول خاص). این موضوع‌ها به صورت بینش‌های یادداشتی در یک یادداشت تحلیلی مخصوص هر پویایی ذخیره می‌شوند تا بتوانید آن‌ها را بر اساس پویایی مرور کنید.
مرحله ۶: شواهد مخالف
برای هر موضوع تحلیلی، Skimle جست‌وجوی هدفمندی برای یافتن شواهدی که با آن موضوع در تناقض است، اجرا می‌کند. زمانی که شواهد مخالف وجود دارد، Skimle آن را روی موضوع ثبت می‌کند تا تلفیق درباره محدودیت‌های خود صادق باشد. موضوع‌هایی با شواهد مخالف قوی، پرچم‌گذاری می‌شوند.
مرحله ۷: خلاصه یافته‌ها
در نهایت، Skimle یک خلاصه فراگیر می‌نویسد که همه موضوع‌های تحلیلی را در یک پاسخ واحد به سؤال پژوهش شما گرد هم می‌آورد. این خلاصه به سیاهه تحلیل افزوده می‌شود.
خروجی
وقتی فرایند پردازشگر به پایان می‌رسد، پروژه شامل موارد زیر است:
- درخت دسته زیر سؤال پژوهش شما، همراه با بینش‌های دسته‌بندی‌شده و نقل‌قول‌های تأییدشده - قابل مشاهده در نمای جدول، دسته‌ها، و اسناد، مانند هر تحلیل دیگری؛
- خلاصه‌های دسته برای هر دسته‌ی پر شده؛
- یادداشت سیاهه تحلیل - روایتی مرحله‌به‌مرحله از آنچه Skimle انجام داد، چرا انجام داد، و چه چیزی یافت؛
- یادداشت‌های موضوع تحلیلی - یک یادداشت برای هر پویایی گسترده‌تر، که هر یک موضوع‌های تلفیق‌شده را همراه با ارجاع‌ها و شواهد مخالف در خود دارد؛
- به صورت اختیاری، فیلدهای فراداده جدید با مقادیر دسته‌بندی‌شده برای همه اسناد.
هر ارجاع در هر یادداشت، یک مرجع کروشه‌دار و قابل‌کلیک است که بینش، سند، یا نقل‌قول زیربنایی را باز می‌کند.
اجرای دوباره یک تحلیل عامل‌محور
می‌توانید در هر زمان یک تحلیل عامل‌محور را دوباره اجرا کنید. Skimle:
- استخراج تجربی‌ای که از قبل دسته‌بندی دقیق را پشت سر گذاشته است را حفظ می‌کند - استخراج دوباره فقط بخش‌هایی را در نظر می‌گیرد که اجرای قبلی به آن‌ها نرسیده است؛
- موضوع‌های جانشینی را که اجراهای قبلی نتوانستند تلفیق کنند حذف می‌کند تا فرصت دیگری برای آن‌ها فراهم شود؛
- تلفیق تحلیلی، شواهد مخالف، و خلاصه یافته‌ها را از ابتدا تکرار می‌کند تا آخرین وضعیت تجربی در موضوع‌های تحلیلی بازتاب یابد.
سیاهه تحلیل به‌جای جایگزین شدن، افزوده می‌شود، بنابراین می‌توانید ببینید که تحلیل در طول اجراها چگونه تحول یافته است.
چه زمانی از تحلیل عامل‌محور استفاده کنیم
زمانی به سمت تحلیل عامل‌محور بروید که یک سؤال پژوهش مشخص دارید که می‌خواهید با عمق تحلیلی به آن پاسخ داده شود - نه فقط مجموعه‌ای از دسته‌های دسته‌بندی‌شده. اگر فقط می‌خواهید آنچه در اسناد وجود دارد را ترسیم کنید، تحلیل موضوعی خودکار یا دسته‌های از پیش تعیین‌شده سریع‌تر و کم‌هزینه‌تر هستند. تحلیل عامل‌محور زمانی انتخاب درست است که هر دو مورد را می‌خواهید: داده‌های به‌خوبی دسته‌بندی‌شده و پاسخی نوشته‌شده به سؤال شما که مبتنی بر داده باشد.