تحلیل موضوعی خودکار

تحلیل موضوعی خودکار از رویکرد «بدون پرامپت» ما استفاده می‌کند: شما نیازی به نوشتن پرامپت ندارید، زیرا Skimle از ساختار ذاتی اسناد برای ساختن دسته‌ها استفاده می‌کند.

این تحلیل یک دسته سطح بالا به نام «موضوع‌های شناسایی‌شده» ایجاد می‌کند، با دسته‌های فرزند بر اساس عنوان‌ها و سوالات موجود در اسناد شما.

نمونه خروجی این تحلیل، که یک دسته سطح بالا به نام «موضوع‌های شناسایی‌شده» را نشان می‌دهد، همراه با دسته‌های دیگر بر اساس سوالات مصاحبه.

نکته: این تحلیل زمانی ایده‌آل است که اسناد پروژه شما به شکلی مشابه ساختاربندی شده باشند!

مرحله ۱: شناسایی موضوع‌ها از اسناد شما

Skimle هر یک از اسنادی را که بارگذاری‌شده‌اند بررسی می‌کند و از LLM برای شناسایی عنوان‌های سند و سوالات مصاحبه استفاده می‌کند.

مرحله ۲: ساختن دسته‌های اولیه بر اساس موضوع‌های فراگیر

Skimle سپس نتایج مرحله قبل را می‌گیرد و مجموعه‌ای از حدود دوازده دسته موضوعی مقتصدانه یا کمتر، بر اساس عنوان‌ها و سوالات شناسایی‌شده در مرحله قبل، می‌سازد.

مرحله ۳: استخراج بینش‌ها از اسناد شما

در این مرحله، Skimle هر یک از اسناد شما را بررسی می‌کند و بر اساس موضوع‌های سطح بالای شناسایی‌شده در مرحله قبل، بینش‌ها را استخراج می‌کند.

مرحله ۴: ساختن زیردسته‌ها بر اساس بینش‌های استخراج‌شده

در آخرین مرحله، Skimle بینش‌های اختصاص‌داده‌شده به هر دسته را بررسی می‌کند و بر اساس بینش‌های استخراج‌شده، زیردسته‌ها را می‌سازد.

یک نمونه

تحلیل موضوعی خودکار برای هر پروژه‌ای که موضوع‌ها باید از مطالبی با ساختار یکسان پدیدار شوند، مناسب است. برای مثال، پژوهشگری که یک تحلیل موضوعی بازتابی به سبک Braun و Clarke را بر روی ۴۰ مصاحبه انجام می‌دهد، می‌تواند بگذارد Skimle مرحله اول دسته‌بندی و موضوع‌بندی را انجام دهد - و وقت خود را به تفسیر نتایج اختصاص دهد، نه به برچسب‌گذاری دستی نقل‌قول‌ها.