Analyser les métadonnées

L'analyse des métadonnées identifie les Champs de métadonnées qui segmentent de façon significative les données qualitatives. Elle peut par exemple révéler si les participants appartenant à différents groupes d'âge, régions ou fonctions mettent l'accent sur des thèmes différents dans leurs réponses.

Exécuter une analyse des métadonnées

Pour exécuter une analyse des métadonnées :

1. Accédez à la vue des catégories de votre projet.
2. Cliquez sur Analyser les métadonnées.
3. Skimle examine tous vos Champs de métadonnées et détermine lesquels produisent des différences significatives entre vos catégories d'enseignement.

L'analyse s'exécute en arrière-plan et prend généralement quelques minutes. Les résultats s'affichent dans la vue des catégories une fois l'analyse terminée.

Comment ça marche

Skimle combine deux approches complémentaires pour détecter des schémas significatifs :

• Analyse sémantique - compare le sens des enseignements entre les groupes de métadonnées à l'aide d'embeddings textuels. Si des participants ayant des Valeurs de métadonnées différentes abordent des sujets réellement différents, ce signal est détecté.
• Analyse de répartition - utilise des tests statistiques pour vérifier si certaines Valeurs de métadonnées se regroupent dans des sous-catégories spécifiques plus que ne le voudrait le hasard.

Un Champ de métadonnées n'est considéré comme significatif que lorsque les deux signaux concordent, ce qui réduit le risque de résultats erronés.

Lire les résultats

Pour chaque catégorie d'enseignement, la vue des catégories affiche :

• Quels Champs de métadonnées produisent une segmentation significative, classés par ordre de signification.
• Descriptions des groupes - pour chaque champ significatif, Skimle décrit ce qui caractérise les réponses de chaque groupe de métadonnées. Par exemple, pour un champ « Groupe d'âge », vous pourriez constater que les participants plus jeunes se concentraient sur la facilité d'utilisation, tandis que les participants plus âgés accordaient la priorité à la fiabilité.
• Comparaison temporelle - si vos documents comportent des dates de création, Skimle compare automatiquement les périodes récentes et antérieures pour mettre en évidence l'évolution des thèmes au fil du temps.

Les widgets de Chronologie dans Visualisations - Tendance chronologique et Comparer les périodes - vous permettent d'explorer la même question de façon interactive.

Exigences

Pour que l'analyse des métadonnées produise des résultats utiles, votre projet doit comporter :

• Au moins 15 enseignements dans les catégories analysées.
• Au moins deux valeurs distinctes pour le Champ de métadonnées testé.
• Au moins deux enseignements par Valeur de métadonnée.

Les champs qui n'atteignent pas ces seuils sont automatiquement ignorés.

Ces seuils tiennent en définitive à la taille de l'échantillon : la segmentation qualitative ne devient fiable que lorsque chaque groupe comporte suffisamment d'enseignements à comparer. Avec un échantillon très réduit, la plupart des champs seront automatiquement ignorés ; il est donc préférable d'analyser suffisamment de documents avant de tirer des conclusions de la répartition par métadonnées.

Conseils pour une analyse des métadonnées efficace

• Utilisez des Valeurs de métadonnées descriptives. « Développeur senior » est plus utile que « Rôle A », car cela aide l'IA à rédiger des Descriptions des groupes plus pertinentes.
• Limitez le nombre de valeurs uniques. Les champs comportant des dizaines de valeurs uniques sont plus difficiles à interpréter. Envisagez de regrouper les valeurs (par exemple, des tranches d'âge plutôt que des âges exacts).
• Ajouter des métadonnées avant d'exécuter l'analyse. L'analyse des métadonnées utilise les champs existants au moment de son exécution. Si vous ajoutez de nouveaux champs ultérieurement, exécutez à nouveau l'analyse pour les inclure.