网络分析用于挖掘关键知识和行为
来自Big Physics
研究背景
在企业场景的问题和解决中,特别需要识别出来那些促进问题提出和解决的关键的知识(这个可能跟具体问题相关,也可能具有一些一般性)、思维模式(高层知识)和行为模式,以及关键的人。那怎么把这些关键点找出来呢?网络分析可以帮上忙。
其实,不仅仅企业,科学研究等任何有一定重复性的问题提出和解决都值得这样去挖掘一下。
数据
把问题提出和解决的过程,尤其是把小组讨论的过程记录下来,最好把每一个人自己解决问题的过程,做了什么样的尝试和思考也记录下来,形成数据。
研究方法
知识编码
对数据做编码,例如,每一句话或者每一个行为中包含了用到了什么和第几层知识,这是属于批评的还是建设性建议的讨论,是关于研究方法还是研究问题的讨论,是关于工程实现的讨论还是科学研究的讨论,都形成编码的体系,完成对原始数据的编码。
按照最后的问题解决(假设都解决了)来反溯这些行为和对话的作用,找到直接联系就行。
网络分析
构建网络:原则上按照是否有启发性来对前面编码的知识来构建连边,实际上可能就按照出现的时间窗口来构建连边。
分析网络:采用投入产出分析或者其他反溯分析方法,找到每一个知识对提出和解决问题的作用。顺便,其实,对人也可以做类似的分析。借鉴ena确实可以考虑做一下每个时间点窗口范围内的网络的SVD分解,看看是不是存在着前几个分量占比的很大变化。如果有这个变化,大概可以看成问题讨论聚焦了,内容有了很大变化。