预定义类别

预定义类别是您想要决定数据分析结果时使用的分析模式。您命名要提取的类别，Skimle 根据这些类别对每份文档进行分类，然后根据所发现的内容形成子类别。

这涵盖了归纳-演绎范围的两端。若您带入自己已有的分类框架，分析即为演绎式。从 Skimle 的建议的字段开始，或从一个宽泛的类别开始，让子类别从数据中产生，分析即为归纳式。相同的屏幕，相同的工作流程。

第 1 步：选择您的类别

有两种方法可以填充类别列表，您可以同时使用这两种方法：

• 自行添加。 点击添加您自己的类别并为其命名。这是您已经知道查找内容时应采用的方法。
• 从建议的字段中选择。 Skimle 会读取您的项目，并从资料本身提炼出建议类别。点击其中一个即可添加。这是您希望让数据主导时应采用的方法。

每个类别都可以附带可选的说明：

• 说明用于指导 AI 针对该类别提取的内容，让您可以扩大或缩小包含的内容范围。
• 分类说明用于指导洞察如何被归入其下的子类别。
• 示例可以生成，用于在您开始完整运行之前，预览 AI 将找到的洞察类型。

没有说明的类别同样可以正常运作。当类别名称本身含糊不清，或两个类别都可能涵盖同一段落时，说明就显得尤为重要。

第 2 步：数据提取

Skimle 会逐一检查您的每份文档，提取与您的类别及其说明相匹配的洞察。每条提取的引文都会与源文档进行核对，因此未在原文中逐字出现的引文永远不会进入您的分析结果。

第 3 步：子类别由洞察形成

Skimle 会检查分配给每个类别的洞察，并形成子类别，然后将每条洞察移动到最合适的子类别中。这正是归纳式分析获得结构的地方：您提供宽泛的焦点，而其下的层级则来自数据本身。

注意：只有当某个类别分配到的洞察数量达到一定规模时，才会形成子类别。 如果一个类别只捕获了少量洞察，它将保持扁平结构，这通常表明该类别定义过窄，或相关素材并不存在。

第 4 步：类别摘要

数据分类完成后，Skimle 会为每个类别撰写摘要。摘要可在类别视图中查看，您也可以在那里对分析结果进行重命名、合并、拆分和重新组织。

CSV 文件导入

当您导入 CSV 文件时，“content”列的名称会被保存，并用于为此分析类型创建默认类别。这也是在导入数据之前，为其设置清晰且信息丰富的标题行的另一个理由。有关 CSV 导入工作原理的更多信息，请参阅支持的文件格式与 CSV 导入。

何时使用它

只要您知道分析应在类别层面回答什么问题，无论这些类别来自您自己的框架还是来自 Skimle 的建议的字段，都可以使用预定义类别。如果您的文档具有共同的结构，并且您希望完全无需任何输入即可基于该结构构建类别，自动主题分析会更快。如果您想要针对研究问题获得书面分析性答案，而不是一个分类形成的类别树，请使用智能体分析。