Metadaten analysieren

Die Metadatenanalyse identifiziert, welche Metadatenfelder Ihre qualitativen Daten sinnvoll segmentieren. Sie kann beispielsweise aufzeigen, ob Teilnehmer aus unterschiedlichen Altersgruppen, Regionen oder Rollen in ihren Antworten unterschiedliche Themen betonen.

Metadatenanalyse ausführen

So führen Sie eine Metadatenanalyse aus:

1. Navigieren Sie zur Kategorienansicht Ihres Projekts.
2. Klicken Sie auf Metadaten analysieren.
3. Skimle untersucht alle Ihre Metadatenfelder und ermittelt, welche davon aussagekräftige Unterschiede zwischen Ihren Erkenntniskategorien erzeugen.

Die Analyse läuft im Hintergrund und dauert in der Regel einige Minuten. Die Ergebnisse werden nach Abschluss in der Kategorienansicht angezeigt.

So funktioniert es

Skimle kombiniert zwei sich ergänzende Ansätze, um signifikante Muster zu finden:

• Semantische Analyse - vergleicht die Bedeutung von Erkenntnissen über Metadatengruppen hinweg mithilfe von Text-Embeddings. Wenn Teilnehmer mit unterschiedlichen Metadatenwerten tatsächlich unterschiedliche Dinge besprechen, wird dieses Signal erkannt.
• Verteilungsanalyse - verwendet statistische Tests, um zu prüfen, ob sich bestimmte Metadatenwerte in bestimmten Unterkategorien stärker häufen, als durch Zufall zu erwarten wäre.

Ein Metadatenfeld wird nur dann als signifikant betrachtet, wenn beide Signale übereinstimmen, wodurch das Risiko von Scheinbefunden verringert wird.

Ergebnisse lesen

Für jede Erkenntniskategorie zeigt die Kategorienansicht:

• Welche Metadatenfelder eine aussagekräftige Segmentierung erzeugen, nach Signifikanz sortiert.
• Gruppenbeschreibungen - für jedes signifikante Feld beschreibt Skimle, was die Antworten jeder Metadatengruppe charakterisiert. Unter einem Feld wie „Altersgruppe" könnten Sie beispielsweise sehen, dass jüngere Teilnehmer sich auf die Benutzerfreundlichkeit konzentrierten, während ältere Teilnehmer die Zuverlässigkeit priorisierten.
• Zeitlicher Vergleich - wenn Ihre Dokumente Erstellungsdaten haben, vergleicht Skimle automatisch aktuelle und frühere Zeiträume, um aufzuzeigen, wie sich Themen im Laufe der Zeit verändert haben.

Die Zeitleisten-Widgets in Visualisierungen - Trend der Zeitleiste und Zeiträume vergleichen - ermöglichen es Ihnen, dieselbe Frage interaktiv zu untersuchen.

Anforderungen

Damit die Metadatenanalyse nützliche Ergebnisse liefert, benötigt Ihr Projekt:

• Mindestens 15 Erkenntnisse in den analysierten Kategorien.
• Mindestens zwei unterschiedliche Werte für das getestete Metadatenfeld.
• Mindestens zwei Erkenntnisse pro Metadatenwert.

Felder, die diese Schwellenwerte nicht erreichen, werden automatisch übersprungen.

Letztlich geht es bei diesen Schwellenwerten um die Stichprobengröße: Eine qualitative Segmentierung wird erst zuverlässig, wenn jede Gruppe genügend Erkenntnisse zum Vergleich enthält. Bei einer sehr kleinen Stichprobengröße werden die meisten Felder automatisch übersprungen. Es lohnt sich daher, ausreichend viele Dokumente zu analysieren, bevor Sie aus der Metadaten-Aufschlüsselung Schlussfolgerungen ziehen.

Tipps für eine effektive Metadatenanalyse

• Verwenden Sie aussagekräftige Metadatenwerte. „Senior Developer" ist nützlicher als „Rolle A", weil es der KI hilft, aussagekräftigere Gruppenbeschreibungen zu schreiben.
• Halten Sie die Anzahl eindeutiger Werte überschaubar. Felder mit Dutzenden eindeutiger Werte sind schwerer zu interpretieren. Erwägen Sie, Werte zu gruppieren (z. B. Altersbereiche statt genauer Altersangaben).
• Metadaten hinzufügen, bevor Sie die Analyse ausführen. Die Metadatenanalyse verwendet alle Felder, die zum Zeitpunkt der Ausführung vorhanden sind. Wenn Sie später neue Felder hinzufügen, führen Sie die Analyse erneut aus, um sie einzubeziehen.