एजेंटिक विश्लेषण

एजेंटिक विश्लेषण Skimle का सबसे व्यापक विश्लेषण मोड है। आप एक शोध प्रश्न बताकर शुरू करते हैं; इसके बाद Skimle एक बहु-चरणीय पाइपलाइन चलाता है जो एक वर्गीकरण फ़्रेमवर्क बनाता है, सभी दस्तावेज़ों के हर संबंधित हिस्से को वर्गीकृत करता है, और ऐसे विश्लेषणात्मक विषय संश्लेषित करता है जो आपके पूछे गए प्रश्न का उत्तर देते हैं।

यह उन परियोजनाओं के लिए बनाया गया है जहाँ शोध प्रश्न श्रेणियों जितना ही महत्वपूर्ण होता है - उदाहरण के लिए, "राष्ट्रपति के कार्यकालों में स्टाफ़िंग निर्णय अलग-अलग क्यों होते हैं?" या "सेवा छोड़ने वाले उत्तरदाता सेवा जारी रखने वालों से किस प्रकार भिन्न हैं?" - और जहाँ आपको श्रेणी वर्गीकरण के ऊपर विश्लेषणात्मक गहराई चाहिए।

चरण 1: सेटअप चैट

आप एजेंटिक विश्लेषण डायलॉग में एक शोध प्रश्न टाइप करके शुरू करते हैं। Skimle का सेटअप एजेंट आपसे बात करता है ताकि:

• यह स्पष्ट किया जा सके कि प्रश्न का वास्तव में क्या अर्थ है (यदि कुछ भी अस्पष्ट हो तो यह एक से तीन छोटे प्रश्न पूछता है);
• विश्लेषण प्रकार को वर्गीकृत किया जा सके - टैक्सोनॉमिक (एक क्षेत्र का मानचित्रण), व्याख्यात्मक (कोई चीज़ क्यों होती है), कारणात्मक (कारण-और-प्रभाव), या तुलनात्मक (समूहों के बीच);
• एक वर्गीकरण फ़्रेमवर्क प्रस्तावित किया जा सके: प्रथम-स्तर की श्रेणियों का एक छोटा समूह (सामान्यतः चार से सात), हर एक के लिए संभावित उप-विषय, और दो से चार "व्यापक गतिशीलता" - उच्च-स्तरीय विश्लेषणात्मक प्रश्न जिनकी जाँच संश्लेषण चरण में की जाएगी।

Skimle फ़्रेमवर्क को विश्लेषण टेम्पलेट्स की एक लाइब्रेरी से लेता है, और यदि परियोजना पर कोई पिछला एजेंटिक विश्लेषण उपलब्ध हो तो उसकी ओर झुकाव रखता है। पुष्टि करने से पहले आप फ़्रेमवर्क के हर हिस्से को संपादित कर सकते हैं।

चरण 2: फ़्रेमवर्क की पुष्टि

फ़्रेमवर्क एडिटर आपको श्रेणियों और व्यापक गतिशीलता का नाम बदलने, जोड़ने या हटाने देता है। स्वीकार करने पर, Skimle:

• आपके शोध प्रश्न के नाम पर एक शीर्ष-स्तर की अंतर्दृष्टि श्रेणी बनाता है;
• एक विश्लेषण लॉग मेमो बनाता है जो वर्कर द्वारा चलाए गए हर चरण को दर्ज करेगा;
• विश्लेषण को कतार में डालता है। डैशबोर्ड इसे लंबित के रूप में दिखाता है।

चरण 3: अनुभवजन्य निष्कर्षण

हर प्रथम-स्तर की श्रेणी के लिए, Skimle एंबेडिंग-आधारित पूर्व-चयन का उपयोग करके उन दस्तावेज़ हिस्सों को खोजता है जिनमें संबंधित सामग्री होने की सबसे अधिक संभावना है, फिर उन हिस्सों पर सख्त वर्गीकरण चलाता है। सख्त वर्गीकरण का अर्थ है कि हर संभावित अंतर्दृष्टि को श्रेणी के प्रश्न के विरुद्ध उत्तर-जाँचा जाता है और सहायक उद्धरण को मूल दस्तावेज़ के विरुद्ध सत्यापित किया जाता है।

Skimle यह वॉटरमार्क रखता है कि कौन-से हिस्से संसाधित हो चुके हैं और वह सबसे कम समानता सीमा जिसने उपयुक्त सामग्री दी है। बाद में जोड़े गए नए दस्तावेज़ - जिनमें फिर से चलाए जाने के दौरान जोड़े गए दस्तावेज़ भी शामिल हैं - केवल उन हिस्सों के विरुद्ध वर्गीकृत किए जाते हैं जो अभी तक नहीं देखे गए हैं, जिससे फिर से चलाना सस्ता बना रहता है।

इस चरण का परिणाम आपके शोध प्रश्न के अंतर्गत एक भरी हुई श्रेणी वृक्ष संरचना है, जिसमें सभी अंतर्दृष्टियों के साथ सत्यापित उद्धरण जुड़े होते हैं।

चरण 4: मेटाडेटा संवर्धन

Skimle यह जाँचता है कि क्या विश्लेषण को उस तुलना का समर्थन करने के लिए एक नया मेटाडेटा फ़ील्ड चाहिए जो आपका शोध प्रश्न दर्शाता है (उदाहरण के लिए, समय के साथ होने वाले बदलाव से जुड़े प्रश्न के लिए एक अवधि फ़ील्ड, या स्टाफ़िंग से जुड़े प्रश्न के लिए एक संगठनात्मक भूमिका फ़ील्ड)। जब एक नया फ़ील्ड सहायक हो, तो Skimle इसे प्रस्तावित करता है, मूल्य श्रेणियों के नाम सार्थक रूप से रखता है, और सभी दस्तावेज़ों को वर्गीकृत करता है। जब मौजूदा मेटाडेटा उस अंतर को पहले से कवर करता है - या जब किसी मेटाडेटा फ़ील्ड की आवश्यकता ही नहीं होती - तो Skimle अपना तर्क दर्ज करता है और आगे बढ़ जाता है।

चरण 5: विश्लेषणात्मक संश्लेषण

फ़्रेमवर्क में हर व्यापक गतिशीलता के लिए, Skimle एक अन्वेषण चलाता है - एक केंद्रित एजेंट जो उस गतिशीलता से संबंधित प्रमाण खोजने के लिए अनुभवजन्य अंतर्दृष्टियों, मेटाडेटा और कालिक प्रतिरूपों की खोज करता है। यह अन्वेषण कई खोज चरणों में चलता है और एक संश्लेषण के साथ समाप्त होता है जो प्रति गतिशीलता दो से पाँच विश्लेषणात्मक विषय उत्पन्न करता है।

हर विश्लेषणात्मक विषय को अंतर्निहित अंतर्दृष्टियों के कोष्ठक-बद्ध संदर्भों के साथ एक गद्यांश के रूप में लिखा जाता है (उदाहरण के लिए, [I205], [D3k], या किसी विशेष उद्धरण के लिए [I26-Q2])। ये विषय हर गतिशीलता के लिए एक अलग विश्लेषणात्मक मेमो में मेमो अंतर्दृष्टियों के रूप में सहेजे जाते हैं, जिससे आप उन्हें गतिशीलता के अनुसार ब्राउज़ कर सकते हैं।

चरण 6: विपरीत प्रमाण

हर विश्लेषणात्मक विषय के लिए, Skimle ऐसे प्रमाण की जानबूझकर खोज करता है जो उस विषय का खंडन करते हैं। जब विपरीत प्रमाण मौजूद होता है, तो Skimle उसे विषय पर दर्ज करता है ताकि संश्लेषण अपनी सीमाओं के बारे में ईमानदार रहे। मज़बूत विपरीत प्रमाण वाले विषयों को चिह्नित किया जाता है।

चरण 7: निष्कर्ष सारांश

अंत में, Skimle एक व्यापक सारांश लिखता है जो हर विश्लेषणात्मक विषय को आपके शोध प्रश्न के एक ही उत्तर में समेट देता है। यह सारांश विश्लेषण लॉग में जोड़ दिया जाता है।

आउटपुट

जब वर्कर पूरा हो जाता है, तो परियोजना में शामिल होता है:

• आपके शोध प्रश्न के अंतर्गत श्रेणी वृक्ष, जिसमें वर्गीकृत अंतर्दृष्टियाँ और सत्यापित उद्धरण होते हैं - जो किसी भी अन्य विश्लेषण की तरह टेबल, श्रेणियाँ और दस्तावेज़ दृश्यों में दिखता है;
• हर भरी हुई श्रेणी के लिए श्रेणी सारांश;
• विश्लेषण लॉग मेमो - एक चरण-दर-चरण विवरण कि Skimle ने क्या किया, क्यों किया, और क्या पाया;
• विश्लेषणात्मक विषय मेमो - हर व्यापक गतिशीलता के लिए एक मेमो, जिसमें संश्लेषित विषय संदर्भों और विपरीत प्रमाण के साथ होते हैं;
• वैकल्पिक रूप से, सभी दस्तावेज़ों के लिए वर्गीकृत मूल्यों के साथ नए मेटाडेटा फ़ील्ड।

हर मेमो में हर संदर्भ एक क्लिक-योग्य कोष्ठक-बद्ध संदर्भ होता है जो अंतर्निहित अंतर्दृष्टि, दस्तावेज़, या उद्धरण को खोलता है।

एजेंटिक विश्लेषण को फिर से चलाना

आप किसी भी समय एजेंटिक विश्लेषण को फिर से चला सकते हैं। Skimle:

• उस अनुभवजन्य निष्कर्षण को बनाए रखता है जो पहले ही सख्त वर्गीकरण पास कर चुका है - पुनः-निष्कर्षण केवल उन हिस्सों पर विचार करता है जहाँ तक पिछला रन नहीं पहुँचा था;
• उन प्लेसहोल्डर विषयों को हटाता है जिन्हें पिछले रन संश्लेषित नहीं कर सके, ताकि उन्हें एक और प्रयास मिल सके;
• विश्लेषणात्मक संश्लेषण, विपरीत प्रमाण, और निष्कर्ष सारांश को शुरू से दोहराता है, ताकि नवीनतम अनुभवजन्य स्थिति विश्लेषणात्मक विषयों में प्रतिबिंबित हो सके।

विश्लेषण लॉग को बदलने के बजाय उसमें जोड़ा जाता है, जिससे आप देख सकते हैं कि विश्लेषण ने रनों में कैसे विकास किया।

एजेंटिक विश्लेषण का उपयोग कब करें

जब आपके पास कोई विशिष्ट शोध प्रश्न हो जिसका उत्तर आप विश्लेषणात्मक गहराई के साथ चाहते हैं - न कि केवल वर्गीकृत श्रेणियों का एक समूह - तो एजेंटिक विश्लेषण का उपयोग करें। यदि आप केवल यह देखना चाहते हैं कि दस्तावेज़ों में क्या है, तो स्वचालित विषयगत विश्लेषण या पूर्वनिर्धारित श्रेणियाँ जल्दी और सस्ते विकल्प हैं। एजेंटिक विश्लेषण सही विकल्प है जब आपको दोनों चाहिए: अच्छी तरह वर्गीकृत डेटा और आपके प्रश्न का एक लिखित उत्तर जो डेटा में आधारित हो।