Analizar metadatos

El análisis de metadatos identifica qué Campos de metadatos segmentan de forma significativa sus datos cualitativos. Por ejemplo, puede revelar si los participantes de diferentes grupos de edad, regiones o roles destacan diferentes temas en sus respuestas.

Ejecutar un análisis de metadatos

Para ejecutar un análisis de metadatos:

1. Vaya a la vista de categorías de su proyecto.
2. Haga clic en Analizar metadatos.
3. Skimle examina todos los Campos de metadatos y determina cuáles producen diferencias significativas entre sus categorías de hallazgo.

El análisis se ejecuta en segundo plano y normalmente tarda unos minutos. Los resultados aparecen en la vista de categorías una vez completado.

Cómo funciona

Skimle combina dos enfoques complementarios para encontrar patrones significativos:

• Análisis semántico - compara el significado de los hallazgos entre grupos de metadatos mediante embeddings de texto. Si los participantes con diferentes Valores de metadatos hablan de cosas realmente distintas, se detecta esta señal.
• Análisis de Distribución - utiliza pruebas estadísticas para comprobar si determinados Valores de metadatos se concentran en subcategorías específicas más de lo que cabría esperar por azar.

Un Campo de metadatos se considera significativo solo cuando ambas señales coinciden, lo que reduce el riesgo de obtener resultados espurios.

Interpretar los resultados

Para cada categoría de hallazgo, la vista de categorías muestra:

• Qué Campos de metadatos producen una segmentación significativa, clasificados por nivel de significancia.
• Descripciones de grupos - para cada campo significativo, Skimle describe qué caracteriza las respuestas de cada grupo de metadatos. Por ejemplo, en un campo «Grupo de edad», podría ver que los participantes más jóvenes se centraron en la usabilidad, mientras que los de más edad dieron prioridad a la fiabilidad.
• Comparación temporal - si sus documentos tienen fechas de creación, Skimle compara automáticamente los periodos recientes y anteriores para destacar cómo han cambiado los temas a lo largo del tiempo.

Los widgets de Cronología en Visualizaciones - Tendencia cronológica y Comparar periodos - le permiten explorar la misma pregunta de forma interactiva.

Requisitos

Para que el análisis de metadatos produzca resultados útiles, su proyecto necesita:

• Como mínimo 15 hallazgos en las categorías analizadas.
• Como mínimo dos valores distintos para el Campo de metadatos que se está evaluando.
• Como mínimo dos hallazgos por Valor de metadatos.

Los campos que no alcanzan estos umbrales se omiten automáticamente.

Estos umbrales dependen, en última instancia, del tamaño de la muestra: la segmentación cualitativa solo resulta fiable cuando cada grupo contiene suficientes hallazgos para compararlos. Con un tamaño de muestra muy pequeño, la mayoría de los campos se omitirán automáticamente, por lo que conviene analizar suficientes documentos antes de extraer conclusiones a partir del desglose por metadatos.

Consejos para un análisis de metadatos eficaz

• Utilice Valores de metadatos descriptivos. «Desarrollador senior» resulta más útil que «Rol A», ya que ayuda a la IA a redactar Descripciones de grupos más significativas.
• Mantenga manejable el número de valores únicos. Los campos con decenas de valores únicos son más difíciles de interpretar. Considere agrupar los valores (por ejemplo, franjas de edad en lugar de edades exactas).
• Añadir metadatos antes de ejecutar el análisis. El análisis de metadatos utiliza los campos que existan en el momento de ejecutarse. Si añade nuevos campos más adelante, vuelva a ejecutar el análisis para incluirlos.