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 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. 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。