概要

Pol.isは、機械学習を使用して大規模でリアルタイムの会話を促進するオープンソースプラットフォームです。他の多くのプラットフォームとは異なり、Pol.isはテキストを分析したり自然言語処理を使用したりしません。代わりに、構造化された回答(同意、反対、またはパス)の分析に焦点を当て、意見の数学的理解を作成します。

意見マトリックス

参加者	コメント1	コメント2	コメント3
ユーザーA	賛成	反対	パス
ユーザーB	賛成	賛成	反対

主要なアルゴリズム

1. 次元削減

主成分分析(PCA)

PCAは、参加者の回答における最も重要なパターンを特定することで、高次元データの複雑性を削減します。人々の投票方法における「主なテーマ」を見つけることと考えてください。

UMAP(均一多様体近似と投影)

UMAP helps visualise complex relationships between opinions while preserving important structures in the data. This creates the opinion group visualisations you see in Pol.is.

2. クラスタリングアルゴリズム

K-Meansクラスタリング

投票パターンが類似した参加者を個別のクラスタにグループ化し、主要な意見グループを特定するのに役立ちます。

Leidenアルゴリズム

投票パターンに基づいて参加者のネットワーク内でコミュニティを見つけるための高度な方法です。

このアプローチの利点

スケーラビリティ

数百または数千の参加者との会話を効果的に処理できます

言語に依存しない

テキストではなく投票を分析するため、あらゆる言語で機能します

リアルタイム分析

参加者が関与する際に即座にインサイトを提供します

可視化を理解する

意見グループマップを読む

表示内容

異なる意見グループを表す色分けされたクラスタ
個々の参加者を表すドット
グループ間の距離は、意見がどの程度異なるかを示しています
グループのサイズは、類似した見方を共有する参加者の数を示しています

意味すること

グループが近い = より似た意見
グループが大きい = より一般的な見方
散在するドット = ユニークまたは多様な視点
重なる領域 = 合意の可能性がある点

探すべき一般的なパターン

合意

グループが密接に集まっているか重なっている場合、共有された見方と合意の可能性が示唆されます

分極化

明確に分離された広く離れたグループは、重要な問題に関する見方が大きく異なることを示しています

橋渡し

グループ間の参加者は、しばしば相違を橋渡しするのに役立つ可能性のある見方を持っています

これらの洞察を活用する

ディスカッション所有者向けのヒント

意見グループがどのように形成され、時間とともに進化するかを監視する
グループ全体で広範な合意を受ける意見を探す
さらなる探索のための合意の可能性がある領域を特定する
洞察を使用して、追加のシード意見またはディスカッショントピックをガイドする
異なるグループを結ぶ橋渡し意見に注意を払う

良いディスカッションとは？

健全なパターン

複数の明確だが極度に分極化していないグループ
橋渡し意見の存在
コンセンサスと相反する見方の混在
グループ全体での活発な参加

警告サイン

橋渡し見解がない極度の分極化
最小限の他の参加しかない1つの支配的なグループ
明確な意見パターンが出現していない
異なる見方への関与の欠如

よくある質問

意味のある結果を得るために何人の参加者が必要ですか？

Pol.is はどの数の参加者でも機能できますが、通常、意味のある意見パターンが浮かび上がり始めるには、少なくとも15～20人のアクティブな参加者が必要です。参加者が多いほど、パターンはより信頼性が高くなります。

ディスカッションはどのくらいの期間実行すべきですか？

これはあなたの目標に依存しますが、ほとんどのディスカッションは、異なる視点が現れるために、そして参加者がさまざまなコメントと関わるための時間を確保するために、少なくとも1週間実行する利点があります。一部のディスカッションは、進化する意見をキャプチャするために数か月間実行されます。

明確なグループが形成されない場合はどうなりますか？

これは、シード意見が意見不一致の主要なポイントをキャプチャしていないか、トピックがより具体的な焦点を必要としていることを示しているかもしれません。意見不一致の可能性がある領域に対処する新しいシード意見を追加するか、ディスカッションプロンプトを改善することを検討してください。

Pol.isアルゴリズムを理解する

概要