Phân tích chủ động

Phân tích chủ động là chế độ phân tích kỹ lưỡng nhất của Skimle. Bạn bắt đầu bằng cách nêu ra một Câu hỏi nghiên cứu; sau đó Skimle chạy một quy trình nhiều bước nhằm xây dựng một Khung phân loại, phân loại mọi đoạn liên quan trong toàn bộ tài liệu, và tổng hợp Các chủ đề phân tích để trả lời câu hỏi bạn đã đặt ra.

Phân tích này được thiết kế cho các dự án mà Câu hỏi nghiên cứu quan trọng không kém các danh mục - ví dụ, "tại sao các quyết định nhân sự lại khác nhau giữa các nhiệm kỳ tổng thống?" hoặc "điều gì phân biệt những người trả lời ngừng sử dụng dịch vụ với những người gia hạn?" - và khi bạn muốn có chiều sâu phân tích bên cạnh việc phân loại danh mục.

Bước 1: Trò chuyện thiết lập

Bạn bắt đầu bằng cách nhập một Câu hỏi nghiên cứu vào hộp thoại phân tích chủ động. Tác nhân thiết lập của Skimle sẽ trò chuyện với bạn để:

• làm rõ ý nghĩa thực sự của câu hỏi (nó sẽ hỏi từ một đến ba câu hỏi ngắn nếu có điều gì mơ hồ);
• phân loại Loại phân tích - phân loại học (lập bản đồ một không gian), giải thích (vì sao điều gì đó xảy ra), nhân quả (nguyên nhân và kết quả), hoặc So sánh (giữa các nhóm);
• đề xuất một Khung phân loại: một tập hợp nhỏ các danh mục cấp một (thường từ bốn đến bảy), các chủ đề con tiềm năng cho từng danh mục, và từ hai đến bốn "Những động lực rộng hơn" - các câu hỏi phân tích ở cấp cao hơn mà giai đoạn tổng hợp sẽ khảo sát.

Skimle lấy Khung này từ một thư viện các mẫu phân tích, có xu hướng ưu tiên một phân tích chủ động trước đó trên dự án nếu có. Bạn có thể chỉnh sửa mọi phần của Khung trước khi xác nhận.

Bước 2: Xác nhận Khung

Bộ chỉnh sửa Khung cho phép bạn đổi tên, thêm, hoặc xóa các danh mục và Những động lực rộng hơn. Sau khi bạn Chấp nhận, Skimle:

• tạo một danh mục phát hiện cấp cao nhất được đặt tên theo Câu hỏi nghiên cứu của bạn;
• tạo một bản ghi nhớ Nhật ký phân tích để lưu lại mọi bước mà worker thực hiện;
• đưa phân tích vào hàng đợi. Bảng điều khiển sẽ hiển thị nó ở trạng thái đang chờ.

Bước 3: Trích xuất thực nghiệm

Đối với mỗi danh mục cấp một, Skimle sử dụng phương pháp tiền chọn dựa trên embedding để tìm các đoạn tài liệu có khả năng cao nhất chứa nội dung liên quan, sau đó thực hiện phân loại nghiêm ngặt trên các đoạn đó. Phân loại nghiêm ngặt có nghĩa là mỗi phát hiện ứng viên sẽ được kiểm tra lại dựa trên câu hỏi của danh mục, và trích dẫn hỗ trợ sẽ được xác minh với tài liệu gốc.

Skimle duy trì một watermark ghi lại những đoạn nào đã ở trạng thái Đã xử lý và ngưỡng tương đồng thấp nhất đã cho ra nội dung đạt yêu cầu. Tài liệu mới được thêm vào sau đó - kể cả trong một lần chạy lại - chỉ được phân loại dựa trên những đoạn chưa được xem xét, vì vậy các lần chạy lại vẫn tiết kiệm chi phí.

Kết quả của bước này là một cây danh mục đã được điền đầy dưới Câu hỏi nghiên cứu của bạn, với các trích dẫn đã được xác minh gắn vào toàn bộ phát hiện.

Bước 4: Làm giàu siêu dữ liệu

Skimle kiểm tra xem phân tích có cần một Trường siêu dữ liệu mới để hỗ trợ việc So sánh mà Câu hỏi nghiên cứu của bạn ngụ ý hay không (ví dụ, một trường Giai đoạn cho câu hỏi về sự thay đổi theo thời gian, hoặc một trường vai trò tổ chức cho câu hỏi về nhân sự). Khi Một trường mới sẽ hữu ích, Skimle sẽ đề xuất nó, đặt tên có ý nghĩa cho các danh mục giá trị, và phân loại toàn bộ tài liệu. Khi siêu dữ liệu hiện có đã bao quát được sự khác biệt này - hoặc khi không cần bất kỳ Trường siêu dữ liệu nào - Skimle ghi lại lý luận của mình và tiếp tục.

Bước 5: Tổng hợp phân tích

Đối với mỗi động lực rộng hơn trong Khung, Skimle thực hiện một cuộc điều tra - một tác nhân tập trung sẽ tìm kiếm trong Phát hiện thực nghiệm, siêu dữ liệu, và các mô hình theo thời gian để tìm bằng chứng liên quan đến động lực đó. Cuộc điều tra chạy qua nhiều bước tìm kiếm và kết thúc bằng một bước tổng hợp tạo ra từ hai đến năm Các chủ đề phân tích cho mỗi động lực.

Mỗi chủ đề phân tích được viết dưới dạng một đoạn văn xuôi kèm các trích dẫn trong dấu ngoặc vuông tham chiếu đến các phát hiện gốc (ví dụ, [I205], [D3k], hoặc [I26-Q2] cho một trích dẫn cụ thể). Các chủ đề này được lưu dưới dạng các phát hiện ghi nhớ trong một bản ghi nhớ phân tích riêng cho từng động lực, để bạn có thể xem theo từng động lực.

Bước 6: Bằng chứng phản bác

Đối với mỗi chủ đề phân tích, Skimle thực hiện một cuộc tìm kiếm có chủ đích để tìm Bằng chứng mâu thuẫn với chủ đề đó. Khi có Bằng chứng phản bác, Skimle sẽ ghi lại nó trên chủ đề đó để việc tổng hợp phản ánh trung thực những hạn chế của nó. Các chủ đề có Bằng chứng phản bác mạnh sẽ được đánh dấu.

Bước 7: Tóm tắt Phát hiện

Cuối cùng, Skimle viết một Tóm tắt tổng hợp xuyên suốt, kết hợp toàn bộ chủ đề phân tích thành một câu trả lời duy nhất cho Câu hỏi nghiên cứu của bạn. Tóm tắt này được bổ sung vào Nhật ký phân tích.

Kết quả đầu ra

Khi worker hoàn tất, dự án sẽ chứa:

• the cây danh mục dưới Câu hỏi nghiên cứu của bạn, với các phát hiện đã phân loại và trích dẫn đã xác minh - hiển thị trong các chế độ xem bảng, danh mục, và tài liệu như bất kỳ phân tích nào khác;
• tóm tắt danh mục cho mọi danh mục đã được điền;
• bản ghi nhớ Nhật ký phân tích - một câu chuyện theo từng bước về những gì Skimle đã làm, vì sao, và những gì nó tìm thấy;
• các bản ghi nhớ chủ đề phân tích - một bản ghi nhớ cho mỗi động lực rộng hơn, mỗi bản chứa các chủ đề đã tổng hợp kèm trích dẫn và Bằng chứng phản bác;
• tùy chọn, các Trường siêu dữ liệu mới với các giá trị đã phân loại cho toàn bộ tài liệu.

Mỗi trích dẫn trong mỗi bản ghi nhớ là một tham chiếu trong dấu ngoặc vuông có thể nhấp để mở phát hiện, tài liệu, hoặc trích dẫn gốc liên quan.

Chạy lại một phân tích chủ động

Bạn có thể chạy lại một phân tích chủ động vào bất kỳ lúc nào. Skimle:

• giữ lại phần trích xuất thực nghiệm đã qua được bước phân loại nghiêm ngặt - việc trích xuất lại chỉ xem xét các đoạn mà lần chạy trước chưa tiếp cận;
• loại bỏ các chủ đề giữ chỗ mà các lần chạy trước không thể tổng hợp được, để chúng có thêm một lần thử khác;
• lặp lại việc tổng hợp phân tích, Bằng chứng phản bác, và Tóm tắt Phát hiện từ đầu, để trạng thái thực nghiệm mới nhất được phản ánh trong các chủ đề phân tích.

Nhật ký phân tích được bổ sung thêm thay vì Đã thay thế, nhờ đó bạn có thể thấy phân tích đã phát triển như thế nào qua các lần chạy.

Khi nào nên sử dụng phân tích chủ động

Hãy chọn phân tích chủ động khi bạn có một Câu hỏi nghiên cứu cụ thể mà bạn muốn trả lời với chiều sâu phân tích - không chỉ là một tập hợp các danh mục đã phân loại. Nếu bạn chỉ muốn lập bản đồ những gì có trong tài liệu, phân tích chủ đề tự động hoặc danh mục định sẵn sẽ nhanh hơn và rẻ hơn. Phân tích chủ động là lựa chọn đúng đắn khi bạn muốn cả hai: dữ liệu đã được phân loại tốt và một câu trả lời được viết ra cho câu hỏi của bạn mà có cơ sở từ dữ liệu.