Analiza metadanych

Analiza metadanych identyfikuje, które pola metadanych w znaczący sposób segmentują twoje dane jakościowe. Może na przykład ujawnić, czy uczestnicy z różnych grup wiekowych, regionów lub o różnych rolach kładą nacisk na różne motywy w swoich odpowiedziach.

Przeprowadzanie analizy metadanych

Aby przeprowadzić analizę metadanych:

1. Przejdź do widoku kategorii swojego projektu.
2. Kliknij Analizuj metadane.
3. Skimle analizuje wszystkie twoje pola metadanych i określa, które z nich generują znaczące różnice między twoimi kategoriami spostrzeżenia.

Analiza jest przeprowadzana w tle i trwa zwykle kilka minut. Wyniki pojawiają się w widoku kategorii po jej zakończeniu.

Jak to działa

Skimle łączy dwa uzupełniające się podejścia, aby znaleźć istotne wzorce:

• Analiza semantyczna - porównuje znaczenie spostrzeżeń między grupami metadanych za pomocą embeddingów tekstowych. Jeśli uczestnicy o różnych wartościach metadanych mówią o rzeczywiście różnych kwestiach, sygnał ten jest wykrywany.
• Analiza rozkładu - wykorzystuje testy statystyczne, aby sprawdzić, czy określone wartości metadanych skupiają się w konkretnych podkategoriach częściej, niż wynikałoby to z przypadku.

Pole metadanych jest uznawane za istotne tylko wtedy, gdy obydwa sygnały się zgadzają, co zmniejsza ryzyko przypadkowych wyników.

Odczytywanie wyników

Dla każdej kategorii spostrzeżenia widok kategorii pokazuje:

• Które pola metadanych powodują znaczącą segmentację, ułożone według istotności.
• Opisy grup - dla każdego istotnego pola Skimle opisuje, co charakteryzuje odpowiedzi każdej grupy metadanych. Na przykład w polu „Grupa wiekowa” możesz zobaczyć, że młodsi uczestnicy skupiali się na użyteczności, podczas gdy starsi uczestnicy priorytetowo traktowali wiarygodność.
• Porównanie czasowe - jeśli twoje dokumenty mają daty utworzenia, Skimle automatycznie porównuje najnowsze i wcześniejsze okresy, aby podkreślić, jak zmieniały się motywy w czasie.

Widżety Chronologii w Wizualizacjach - Trend Chronologii i Porównaj okresy - pozwalają ci eksplorować to samo zagadnienie interaktywnie.

Wymagania

Aby analiza metadanych przyniosła przydatne wyniki, twój projekt musi mieć:

• Co najmniej 15 spostrzeżeń w analizowanych kategoriach.
• Co najmniej dwie różne wartości badanego pola metadanych.
• Co najmniej dwa spostrzeżenia na wartość metadanych.

Pola, które nie spełniają tych progów, są automatycznie pomijane.

Te progi odnoszą się w gruncie rzeczy do wielkości próbki: segmentacja jakościowa staje się wiarygodna tylko wtedy, gdy każda grupa zawiera wystarczającą liczbę spostrzeżeń do porównania. Przy bardzo małej wielkości próbki większość pól zostanie automatycznie pominięta, więc warto przeanalizować wystarczającą liczbę dokumentów, zanim wyciągnie się wnioski z zestawienia metadanych.

Wskazówki dotyczące efektywnej analizy metadanych

• Używaj opisowych wartości metadanych. „Starszy programista” jest bardziej przydatne niż „Rola A”, ponieważ pomaga AI tworzyć bardziej znaczące opisy grup.
• Zachowaj rozsądną liczbę unikalnych wartości. Pola z dziesiątkami unikalnych wartości są trudniejsze do interpretacji. Rozważ grupowanie wartości (np. przedziały wiekowe zamiast dokładnego wieku).
• Dodaj metadane przed uruchomieniem analizy. Analiza metadanych korzysta z tych pól, które istnieją w momencie jej uruchomienia. Jeśli dodasz nowe pola później, uruchom analizę ponownie, aby je uwzględnić.