Analysera metadata

Metadataanalys identifierar vilka metadatafält som på ett meningsfullt sätt segmenterar dina kvalitativa data. Den kan till exempel visa om deltagare från olika åldersgrupper, regioner eller roller betonar olika teman i sina svar.

Köra metadataanalys

Så kör du en metadataanalys:

1. Gå till kategorivyn för ditt projekt.
2. Klicka på Analysera metadata.
3. Skimle granskar alla dina metadatafält och avgör vilka som ger meningsfulla skillnader mellan dina insiktskategorier.

Analysen körs i bakgrunden och tar vanligtvis några minuter. Resultaten visas i kategorivyn när den är klar.

Så fungerar det

Skimle kombinerar två kompletterande metoder för att hitta betydelsefulla mönster:

• Semantisk analys - jämför innebörden av insikter mellan metadatagrupper med hjälp av textinbäddningar. Om deltagare med olika metadatavärden pratar om genuint olika saker upptäcks denna signal.
• Distributionsanalys - använder statistiska tester för att kontrollera om vissa metadatavärden klustrar i specifika underkategorier mer än vad som skulle förväntas av slumpen.

Ett metadatafält anses betydelsefullt endast när båda signalerna stämmer överens, vilket minskar risken för falska fynd.

Läsa resultaten

För varje insiktskategori visar kategorivyn:

• Vilka metadatafält som ger meningsfull segmentering, rangordnade efter betydelse.
• Gruppbeskrivningar - för varje betydelsefullt fält beskriver Skimle vad som kännetecknar svaren inom varje metadatagrupp. Under ett fält som "Åldersgrupp" kan du till exempel se att yngre deltagare fokuserade på användbarhet medan äldre deltagare prioriterade driftsäkerhet.
• Tidsmässig jämförelse - om dina dokument har skapandedatum jämför Skimle automatiskt tidsperioderna Senaste och Tidigare för att visa hur teman har förändrats över tid.

Tidslinjewidgetarna i Visualiseringar - Tidslinjetrend och Jämför perioder - låter dig utforska samma fråga interaktivt.

Krav

För att metadataanalysen ska ge användbara resultat behöver ditt projekt:

• Minst 15 insikter i de kategorier som analyseras.
• Minst två distinkta värden för det metadatafält som testas.
• Minst två insikter per metadatavärde.

Fält som inte uppfyller dessa tröskelvärden hoppas över automatiskt.

Dessa tröskelvärden handlar i grunden om urvalsstorlek: kvalitativ segmentering blir bara tillförlitlig när varje grupp innehåller tillräckligt många insikter att jämföra. Vid en mycket liten urvalsstorlek hoppas de flesta fält över automatiskt, så det är värt att analysera tillräckligt många dokument innan du drar slutsatser från metadatanedbrytningen.

Tips för effektiv metadataanalys

• Använd beskrivande metadatavärden. "Senior developer" är mer användbart än "Role A" eftersom det hjälper AI:n att skriva mer meningsfulla gruppbeskrivningar.
• Håll antalet unika värden hanterbart. Fält med dussintals unika värden är svårare att tolka. Överväg att gruppera värden (t.ex. åldersintervall istället för exakta åldrar).
• Lägg till metadata innan du kör analysen. Metadataanalysen använder de fält som finns vid den tidpunkt den körs. Om du lägger till nya fält senare kör du analysen igen för att inkludera dem.