您的第一個專案

一份友善的端對端操作指南:建立專案、新增您的資料、選擇合適的分析類型,並在 Skimle 中探索您的結果。

歡迎!本頁將引導您完成第一個 Skimle 專案,從空白畫面到已分類、可探索的分析。這大約需要您十五分鐘的時間,再加上 Skimle 讀取您文件時的短暫等待。

共有四個步驟:

步驟您要做什麼時間
1. 建立專案點擊新增專案並為其命名幾秒鐘
2. 新增您的資料上傳文件、錄音或試算表,然後確認它們幾分鐘
3. 選擇分析方式選擇 Skimle 應如何讀取您的資料設定約一分鐘,執行需幾分鐘
4. 探索您的結果瀏覽類別、引述、圖表與文件,並向聊天功能提問隨您喜好,不限時間

步驟一:建立專案

在首頁畫面中,點擊您的專案右上角的新增專案。

Skimle 首頁畫面,顯示新增專案按鈕位於專案清單上方

Skimle 會立即建立該專案,並將您帶到其資料來源頁面。專案一開始的名稱為「未命名專案」:點擊頂部列中的名稱,將其重新命名為您之後容易辨識的名稱,例如「混合辦公訪談」。

步驟二:新增您的資料

新專案會開啟於**我們來新增一些資料!**畫面。資料來源是您新增到專案中並一起分析的一批資料,而一個專案可以包含多個資料來源(例如訪談與問卷匯出檔案)。

「我們來新增一些資料!」畫面,顯示六種資料來源類型與專案語言選擇器

首先,請檢查右上角的專案語言。這會設定 Skimle 為您撰寫的所有內容的語言:類別名稱、摘要、報告。您的文件可以使用任何語言,且您可以在同一個專案中混用不同語言。一旦新增文件後,專案語言便無法更改,因此現在值得先確認一下。

接著,選擇您擁有的資料類型:

資料來源適用情境
文字文件訪談逐字稿、報告、筆記、文章。接受 PDF、Word、PowerPoint、Markdown、RTF、純文字與 Excel 檔案。
音訊或影片訪談與焦點團體錄音。Skimle 會將其轉錄並區分說話者,然後分析逐字稿。
表格資料CSV 或 Excel 匯出檔案,其中每一列為一筆回覆,例如問卷開放式問題、評論或客服工單。每一列會成為一份文件,您可以選擇哪些欄位是內容,哪些欄位成為中介資料。請參閱支援的格式與 CSV 匯入。
Skimle Ask 調查問卷您傳送給受訪者的AI 主導訪談。他們的回答會以文件的形式進入專案中。
連接到資料來源從其他服務或資料位置匯入資料。
試用示範資料集一個現成的範例專案,讓您在上傳自己的資料之前先四處看看。

對於第一個專案,文字文件是最簡單的起點。將檔案拖曳到上傳區域(或點擊以瀏覽檔案),並可一次新增任意多個檔案。

三份已上傳並等待確認的訪談逐字稿,以及匿名化與自動分析設定

您的檔案現在會列在待確認清單中,顯示其長度以及每份檔案所需的點數。在確認之前,有兩個設定值得了解:

  • 匿名化文件會在分析前移除姓名與其他可識別的細節。此功能預設為關閉;相關選項請參閱匿名化文件。
  • 自動分析會在新文件處理完成後,立即對其執行專案中的分析。此功能預設為開啟,並適用於專案中的每個資料來源。它只有在專案至少已有一項分析時才會生效,因此在全新的專案中尚不會執行任何分析:您將在下一步選擇您的第一項分析。如果您偏好自行手動選擇哪些文件納入分析,可以將此功能關閉。

確認無誤後,點擊確認檔案。這就是點數被消耗的時刻(請參閱定價)。對大多數專案而言,這些是您針對這些文件唯一需要花費的點數:一旦文件進入您的專案,您便可以用任意次數、任意方式分析它,不會產生額外費用。

**手邊沒有資料?**試用示範資料集,或瀏覽我們整理的質性研究免費資料集清單,從訪談檔案庫到國會演講稿都有。

步驟三:選擇分析方式

在左側選單中開啟分析。在新專案中,您會看到為您的專案新增第一項分析,並提供五個選項。

五種分析類型:已識別的主題、預定義類別、定向分析、代理式分析與跳過分析

每一種都回答關於您資料的不同問題。以下是簡短說明:

分析當您想要……時選擇您提供的內容您得到的內容
已識別的主題在完全不需要任何設定的情況下,了解資料中有什麼不需要根據您文件的問題與標題所產生的主題,並附有子主題與引述
預定義類別依您選擇的類別對資料進行分類類別名稱(您自訂的,或 Skimle 建議的)您的類別,填入洞察,以及從資料中浮現的子類別
定向分析將每個類別對準特定的問題、區段或欄位類別,以及每份文件中要讀取的部分與預定義類別相同,但只從您指定的位置讀取
代理式分析回答一個研究問題一個研究問題一套架構、已分類的證據、分析性主題,以及一份書面報告
跳過分析手動分類不需要一個空類別,供您開始手動編碼

不確定該選哪個?**從已識別的主題開始。**它不需要任何設定,就能為任何訪談類型的資料提供良好的全貌。您之後仍可在相同文件上新增其他任何分析類型,且不會產生額外費用。

已識別的主題:讓資料自己說話

這是 Skimle 的「零提示」選項。Skimle 會找出您文件共有的問題與標題,將它們轉化為一組精簡的主題,從每份文件中為每個主題擷取洞察,並將它們歸納為子主題。當您的文件遵循相似的結構時效果最佳,就像出自同一份訪談提綱的訪談一樣。

一個專案只能有一項已識別的主題分析,這也是為什麼在您新增它之後,該卡片就會消失。詳情請參閱自動主題分析,或參閱如何使用 AI 進行主題分析與如何在訪談間找出主題,了解它如何融入完整的方法論。

預定義類別:決定輸出內容

在這裡,您為想要的類別命名,Skimle 會依此對每份文件進行分類。點擊添加您自己的類別,或從 Skimle 根據您資料提出的建議中選擇。每個類別都可以附帶說明,指定應納入的內容,而子類別則會依 Skimle 的發現自動形成。

這讓它可以雙向運作:帶入現有的分類架構,分析即為演繹式;從一個寬泛的類別開始,讓子類別自然浮現,則為歸納式。我們的歸納式、演繹式與溯因式分類指南可協助您做出決定,而預定義類別則涵蓋每一項設定。

定向分析:將每個類別指向正確的位置

定向分析的運作方式與預定義類別相同,但多了一項功能:您可以選擇每個類別從何處讀取。當每份文件只有部分內容相關時,這一點就很重要。如果您的訪談中有一個關於改善建議的問題,名為「改善建議」的類別應該讀取該問題的回答,而不是逐字稿中每一句隨意出現的抱怨。

一項定向分析,包含一個名為「改善建議」的類別,以及其區段設定

Skimle 會為您算出文件的區段:訪談問題、文件標題,或試算表的欄位。在每個類別旁邊,讀取的區段設定會開啟一個選擇器,列出您文件共有的區段,以及每個區段出現在多少份文件中。

選擇類別要讀取的區段,並預覽它將涵蓋多少份文件及多少文字內容

勾選該類別應讀取的區段,或全部不勾選以讀取整份文件。畫面底部的預覽會準確告訴您該類別將涵蓋的範圍:在此範例中,是全部 24 份訪談,但只有其中約三分之一的文字內容。若某份文件沒有任何已勾選的區段,該文件便會在該類別的分析中被跳過。

定向分析還可以執行以下幾件事:

  • 限制它所讀取的文件,例如僅讀取訪談而不讀取問卷。可選設定下的編輯文件範圍可依資料來源、依中介資料篩選,或排除個別文件。每種分析類型都有此設定。
  • 一鍵建立文獻綜述。****建立預設文獻綜述按鈕會新增六個現成的類別(研究缺口與動機、概念定義、關鍵發現、原創貢獻、方法選擇與實證背景),各自指向學術論文中對應的部分,例如緒論、方法或討論。無論論文使用何種語言撰寫,它都能辨識這些部分。背後的方法請參閱我們的質性證據綜整指南。
  • 如果您自第一次上傳後新增了許多文件,可以重建章節結構,讓 Skimle 重新考量您所匯入的所有內容中的區段。

代理式分析:從研究問題開始

代理式分析是 Skimle 最徹底的模式。您輸入一個研究問題,例如「為什麼有些顧客在購買一次後就不再光顧?」,接著一段簡短的設定聊天會與您一起釐清問題,並提出一套類別與更廣泛問題所組成的架構,供您編輯。Skimle 接著會對您文件中的證據進行分類,尋找反證,並撰寫出回答您問題的分析性主題與報告。

當「為什麼」與「是什麼」同等重要時,請選擇它。詳情請參閱代理式分析,實際範例請參閱如何在 Skimle 中使用代理式分析。

跳過分析:手動分類

偏好自己閱讀並分類所有內容,或只是想先瀏覽文件?跳過分析會建立一個空類別,供您開始手動編碼。您之後仍可隨時新增 AI 分析。許多研究者會將兩者結合使用;請參閱結合 Skimle 的 AI 分析與手動編碼。

執行您的分析

一旦您選擇並設定好分析,點擊分析按鈕即可開始執行。如果您在確認文件時自動分析功能已開啟,那麼只要分析一建立,Skimle 便會自行開始分析這些文件。

分析會在背景執行,通常需要幾分鐘,視您的文字量而定。完成後,您會收到一封附有連結的電子郵件(若未收到,請檢查垂圾郵件資料夾),在此期間您可以自由關閉分頁。當同時有大量分析在執行時,您的分析可能需要在佇列中稍等一會兒,但一旦完成,瀏覽結果便是即時的。

步驟四:探索您的結果

分析完成後,左側選單中的探索與編輯區段便會啟用。類別檢視是最好的起點。

類別檢視畫面,左側顯示類別樹狀結構,右側顯示某個類別的摘要與圖表

左側是您的類別樹狀結構;點擊任何類別即可閱讀其 AI 撰寫的摘要,查看洞察的分佈情況,並開啟每一則洞察及其逐字引述。每則引述都會連結回原始文件中的確切位置,讓您隨時都能查看上下文。整個結構由您掌控:您可以隨意重新命名、合併、拆分及移動類別(詳見在類別檢視中編輯)。

視覺化讓您一目了然整個專案:哪些類別規模最大、它們在不同群組間有何差異,以及它們如何隨時間變化。

「視覺化」總覽畫面,包含關鍵統計資料與按類別劃分的洞察圖表

接下來,有幾個不錯的後續步驟:

接下來可以做什麼

有疑問或卡關了嗎?使用左側選單中的傳送意見回饋,將會有真人為您回覆。