概述
Pol.is 是一个开源平台，使用机器学习促进大规模、实时的对话。与许多其他平台不同，Pol.is 不分析文本或使用自然语言处理。相反，它专注于分析结构化回应（同意、不同意或跳过）来建立关于意见的数学模型。
意见矩阵
| 参与者 | 评论 1 | 评论 2 | 评论 3 |
|---|---|---|---|
| 用户 A | 同意 | 不同意 | 跳过 |
| 用户 B | 同意 | 同意 | 不同意 |
关键算法
1. 降维
主成分分析 (PCA)
PCA 通过识别参与者回应中最重要的模式来降低高维数据的复杂性。可以理解为找出人们投票方式中的"主要主题"。
UMAP（统一流形近似和投影）
UMAP 有助于将意见之间的复杂关系可视化，同时保留数据中的重要结构。这就生成了你在 Pol.is 中看到的意见群组可视化图。
2. 聚类算法
K-均值聚类
将投票模式相似的参与者分组到不同的集群中，帮助识别主要的意见群体。
Leiden 算法
一种基于投票模式在参与者网络中寻找社区的复杂方法。
这种方法的优势
可扩展性
可以有效处理数百或数千名参与者的对话
语言无关
由于分析投票而非文本，适用于任何语言
实时分析
在参与者参与时提供即时洞察
理解可视化
阅读意见组地图
您将看到的内容
- 代表不同意见群体的彩色集群
- 代表个人参与者的点
- 显示不同群体意见差异程度的距离
- 表示有多少参与者持有相似观点的群体规模
含义
- 距离较近的群体 = 意见更相似
- 规模较大的群体 = 更普遍的观点
- 分散的点 = 独特或多样化的观点
- 重叠区域 = 潜在的共识点
需要关注的常见模式
共识
当群体距离较近或相互重叠时，表明存在共同观点和达成一致的可能性
极化
清晰的、距离很远的群体表明在关键问题上观点差异很大
桥接
处于群体之间的参与者通常持有可以帮助弥合差异的观点
充分利用这些见解
讨论所有者的建议
- 监测意见群体如何随时间形成和演变
- 查找在各个群体中获得广泛认可的评论
- 确定可进一步探索的潜在共识领域
- 利用见解指导额外的种子评论或讨论话题
- 关注连接不同群体的桥接观点
什么是高质量讨论？
健康模式
- 多个不同但不是极端极化的群体
- 存在桥接观点
- 共识和分歧观点的混合
- 各群体的积极参与
警告信号
- 极端极化且没有桥接观点
- 一个主导群体，其他参与度最少
- 没有明确的意见模式出现
- 缺乏对不同观点的参与
常见问题
我需要多少参与者才能获得有意义的结果？
虽然 Pol.is 可以与任意数量的参与者一起使用，但通常需要至少 15-20 名活跃参与者才能开始看到有意义的意见模式出现。参与者越多，模式变得越可靠。
我应该运行多长时间的讨论？
这取决于您的目标，但大多数讨论至少运行一周会有益处，以便有时间让不同的观点出现并让参与者与各种评论互动。有些讨论会运行数月以捕捉不断发展的意见。
如果没有明确的群体形成怎么办？
这可能表明您的种子评论没有抓住分歧的关键点，或者该话题需要更具体的聚焦。考虑添加新的种子评论来解决潜在的分歧领域，或细化您的讨论提示。