コンセプト: キーワードトピック分析
従業員のコメントは豊富な洞察の源となり、定量的な回答に文脈を追加します。トピック分析では、機械学習の分野である自然言語処理 (NLP) を使用して、従業員のコメントを分析し、重要なテーマと感情を特定します。
テキスト分析
このアルゴリズムは、業界全体の従業員エクスペリエンスのトピックと、特定のチームおよび時間に依存するトピックの両方を明らかにすることができます。
事前に定義された用語を使用したり、独自のキーワードを手動で追加したりする必要はありません。Peakon は、複数のコメントから最も代表的な文章を組み合わせてトピックを要約し、意味のある概要を提供します。
Peakon は、翌日の午前 1 時 (UTC) にアンケートが終了すると、コメントのトピックを計算します。
新しいトピックは次の後に生成されます:
- 2 つのアクティブなコア ドライバーからの質問。例: エンゲージメント質問セットからのドライバーと会社質問セットからのドライバー。
- 過去 3 か月間に 1 つの言語について、あらゆる種類の質問セットで 200 件以上のコメントが寄せられました。
階層下位のリーダーは、より多くの調査結果とコメントにアクセスできる階層上位のリーダーよりもトピックが少なくなります。
古いコメント（3 か月以上前のもの）は、新しい関連トピックに貢献する可能性があります。ただし、新しいテーマを生成することはできません。
Peakon は上位 50 件のトピックを入力し、それらのトピックをそれぞれのドライバーの下に配置しようとします。コメントが 300 件以上あるにもかかわらず、トピックのないドライバーが存在する可能性があります。
感情分析
感情分析は、テキストコメントを処理し、肯定的または否定的な確率の数値を割り当てるアルゴリズムで構成されます。例: スコアは -1 から +1 までで、ゼロは中立です。
文章に含まれる肯定的な単語の数が多いほど（例：素晴らしい、フレンドリー、知識豊富）、肯定的な感情が増します。しかし、考えや意見は複雑です。Peakon は、従業員が付けたスコアを使用することで、感情分析における潜在的な不正確さを回避します。
このスコアは、コンテキストを設定する特定のドライバーの質問に関連して従業員から直接得られるため、より信頼性が高くなります。Peakon では質問ごとにフィードバックを求めるため、コメントは通常短く、シンプルかつ焦点が絞られており、矛盾した感情が表れることはほとんどありません。
関連テーマ
Peakon アルゴリズムは、同じ単語を含むが異なるコンテキストで使用されている短いテキスト回答からトピックを見つけます。
例1.成長に関する質問 (
専門的に成長していると感じます
) に対して、従業員は 次のようにコメントする可能性があります。「上司が作成した開発計画のおかげで、私は間違いなく、自分にとってより興味深い方向に成長しています
。」例2.自由形式の質問 (
魔法の杖があったら、Kinetar について何を変えますか?) に答えると、従業員は次
のようにコメントできます。「ライン マネージャー向けのトレーニングをもっと提供できればと思います。本当に助かります
。」例 1 では、
「マネージャー」という
単語は、従業員とマネージャーのやり取りに関連しています。例 2 では、マネージャーがさらなるトレーニングを求めています。例 1 と 2 を使用すると、
manager という
単語が 2 回表示されるため重要であることがわかります。しかし、行動するためのコンテキストがなければ、その単語がなぜ重要なのかという興味深い実用的な情報は得られません。Peakon アルゴリズムは、コンテキスト分析を使用して、次の方法でトピックをより実用的で興味深いものにします。
- トピックをドライバーに添付して、トピックにコンテキストを追加します。例 1 を使用すると、成長に関連して使用される単語の組み合わせである場合、アルゴリズムは開発計画をトピックとして検出する可能性があります。
- 複数語のトピックの検索: 例 1 では、答えに「 development plan 」という単語の組み合わせが含まれていました。この単語の組み合わせが多くの回答に表示される場合、Peakon はトピックをdevelopment ではなく developmentplanとして強調表示します。例 2 では、単語の出現頻度に応じてトピックは「line manager training」、「manager training」、または「training」になる可能性があります。
- 質問の表現から単語を削除します。人は答えの中で質問の言葉を繰り返す傾向があります。例 1 では、答えに「 growing 」という単語が含まれていますが、これは質問にもありました。成長について尋ねていることは既にわかっているので、この単語をトピックとして見つけるのは役に立ちません。したがって、Peakon は質問のフレーズから単語を自動的に削除します。
- よく出現する単語の優先度を下げる。アルゴリズムは、すべてのアンケート回答に表示される特定の意味を持たない単語の優先順位を下げます。マネージャーは、ドライバーのコンテキストで特定の意味を持つ場合にのみトピックとして表示され、ドライバーに固有のトピックを提供します。例: 環境ドライバー用のオフィスまたは部屋、またはドライバー報酬としての昇給。よく出現する単語の優先順位を下げなければ、すべてのドライバーで「マネージャー」がトピックとして見つかることになります。
- トピックの抜粋をお届けします。アルゴリズムは、トピックを構成するすべてのコメントを最もよく表す文から段落を生成します。この段落では、幅広い会話についての洞察が得られます。
- トピックが時間の経過とともに変化するようにします。Peakon はトピックに関連する古いコメントも使用します。ただし、トピックは過去 3 か月間のコメントによって異なります。