Knowledge base – Redem® Knowledge base – Redem®
  • Gehe zu redem.io 
  • Dokumente 
  • Blog 
  • Kontakt 
Login
Knowledge base – Redem® Knowledge base – Redem®
Login
Knowledge base – Redem®
  • Gehe zu redem.io 
  • Dokumente 
  • Blog 
  • Kontakt 

Qualitätskriterien und Quality-Scores

  • folder icon closed folder iconRedem®-Score
  • folder icon closed folder iconPsychologische Qualitäts-Checks durch projektive Angaben
    • Antwort-Gewissheit bewerten
    • Oberflächlichkeit bewerten
    • Soziale Erwünschtheit bewerten (kein Bereinigungskriterium)
    • Informationsgehalt bewerten (kein Bereinigungskriterium)
  • folder icon closed folder iconInhaltliche Qualitäts-Checks
    • KI-Bewertung von Freitext / Offenen Fragen
  • folder icon closed folder iconFormale Qualitäts-Checks
    • Bewertung der Interview-Dauer
    • Antwortverhalten bei Item-Batterien
loading
  1. Home
  2. Docs
  3. Qualitätskriterien und Quality-Scores
  4. Inhaltliche Qualitäts-Checks
  5. KI-Bewertung von Freitext / Offenen Fragen
Updated on Oktober 14, 2022

Docy

Qualitätskriterien und Quality-Scores

  • folder icon closed folder open iconRedem®-Score
  • folder icon closed folder open iconPsychologische Qualitäts-Checks durch projektive Angaben
    • Antwort-Gewissheit bewerten
    • Oberflächlichkeit bewerten
    • Soziale Erwünschtheit bewerten (kein Bereinigungskriterium)
    • Informationsgehalt bewerten (kein Bereinigungskriterium)
  • folder icon closed folder open iconInhaltliche Qualitäts-Checks
    • KI-Bewertung von Freitext / Offenen Fragen
  • folder icon closed folder open iconFormale Qualitäts-Checks
    • Bewertung der Interview-Dauer
    • Antwortverhalten bei Item-Batterien

KI-Bewertung von Freitext / Offenen Fragen

Estimated reading: 3 minutes
Der Open-Ended-Score bewertet die Freitextantworten der Befragten anhand von umfassenden Kriterien. Dafür werden verschiedene statistische Merkmale und ein Machine Learning Modell verwendet.

Machine Learning Modell powerded by GPT-3

Mithilfe eines durch über 100.000 Datensätze trainierten (Fine tuning) ML-Modells auf Basis von GPT-3 von OpenAI wird eine intelligente Analyse der Frage-Antwort Kombination durchgeführt. Diese bewertet, wie gut die Antwort inhaltlich zur Frage passt (BETA).
Des Weiteren werden die Antworten in unterschiedliche Qualitätskategorien unterteilt und mit einem entsprechenden Score versehen.
Die Antworten werden in folgende Kategorien unterteilt:

  • Gute beschreibende Antwort
  • Kurze valide Antwort
  • Inhaltslose Antworten
  • Schimpfwörter
  • Unfug

Wörterbuch-Check & Rechtschreibkontrolle

Es wird ein Wörterbuch verwendet, um zu überprüfen ob die Antwort vollständige Wörter enthält. Rechtschreibfehler werden dabei berücksichtigt und vor der Überprüfung korrigiert.

Länge der Angaben

Es wird außerdem überprüft, wie lange bzw. wie viele Zeichen eine Antwort beinhaltet. Die Länge der Antwort wird sowohl auf individueller Ebene als auch im Vergleich zu anderen Antworten bewertet.

Vordefinierte Antwortenliste

Der OES verwendet zur Bewertung auch eine Blacklist, um Schimpfwörter und inhaltslose Antworten, wie »keine Angabe«, »Weiß nicht«, »?« oder Ähnliches zu erkennen.

Copy Paste Antworten

Sollten mehrere offene Fragen in den Daten vorhanden sein, prüft der OES, pro Befragten, ob sich die selbe Antwort in mehreren Fragen befindet und somit auf ein »Copy Paste Antwortverhalten« zu schließen ist.

Unterstützte Sprachen

Derzeit werden sowohl Deutsch, Englisch und Spanisch unterstützt. Weitere Sprachen folgen.

Beispiele

Previous
Next

Anwendungen und Einsatzgebiete

Der OES kann bei allen Befragungen mit Freitextantworten eingesetzt werden. Besonders gut eignet sich der OES für die Analyse von Panel Daten.
  • Tagged:
  • Open-Ended-Score
  • quality-scores

War dieser Artikel hilfreich? Yes No

Ähnliche Artikel

  • Detailansicht der Qualitätskriterien
  • Antwortverhalten bei Item-Batterien
  • Ansicht für Qualität der Rohdaten
  • Antwort-Gewissheit bewerten
  • Informationsgehalt bewerten (kein Bereinigungskriterium)
  • Ansicht für Qualität der bereinigten Daten
  • Bewertung der Interview-Dauer
  • Soziale Erwünschtheit bewerten (kein Bereinigungskriterium)
  • Oberflächlichkeit bewerten
  • Redem®-Score
CONTENTS

© 2023 Redem GmbH