In merito alla misurazione

Tutte le misurazioni hanno qualche forma di errore. In generale possiamo dire che tutte le misurazioni devono sempre dipendere da un equilibrio tra il costo/sforzo della misurazione stessa e il beneficio (inclusa l'accuratezza desiderata).Facciamo un esempio. Prova a pensare a ciò che vuoi "pesare". Già da questo potresti avere accesso a due diverse tipologie di scala:

• Una bilancia da cucina elettronica
• Una scala da laboratorio

Se il tuo obiettivo è quello di pesare un po' di burro per preparare una torta, allora probabilmente ti basterà il primo punto, una bilancia. Tuttavia, se stai valutando i composti di un medicinale, probabilmente una scala da laboratorio sarà la tipologia di misurazione più utile.La domanda rispetto a quale strumento di misurazione utilizzare dipende quindi da diversi fattori, tra cui il livello di precisione necessario e quello che hai a disposizione.

Sentiment Analysis

La Sentiment Analysis è un insieme di tecniche che vengono utilizzare per dedurre il sentimento di un individuo, nel caso specifico un dipendente, dal testo che ha scritto. È un modello di classificazione in cui, generalmente, si ottengono tre parametri: positivo, negativo e neutro.

Per capirci, vengono analizzate un dizionario di parole e classificate come positive, negative o neutre. I metodi più sofisticati utilizzano varie tecniche di apprendimento automatico per valutare o classificare il testo.Come con qualsiasi forma di inferenza, c'è un imprecisione. L'inesattezza dipenderà dalle tecniche e dai tipi di testo forniti. Il testo breve è già complesso da classificare rispetto al testo più lungo.Esiste qualche disputa su quanto siano esattamente accurate le migliori tecniche di analisi del sentiment.

Poiché tutti gli algoritmi di analisi saranno stati addestrati su alcuni set di dati etichettati, l'utilizzo dell'algoritmo su una diversa tipologia di set di dati probabilmente significherà una minore precisione. Sono presenti numerosi studi sull'accuratezza e possiamo definire un range su un livello che va dal 65% - 80%.

Se questo range di accuratezza è sufficiente per la tua analisi dipenderà tutto dal tuo caso d'uso. Se si vuole misurare una tendenza nel tempo, probabilmente quelli erroneamente classificati come positivi saranno bilanciati con quelli classificati erroneamente come negativi. Se si desidera filtrare accuratamente le frasi positive dalle frasi negative, potrebbe non essere sufficiente.

Sentiment analysis. Un approccio impreciso è il migliore che hai?

Se stai cercando di identificare il sentiment dei dati sui dipendenti che possiedi - ad esempio del testo pubblicato sui social media - allora la sentiment analysis potrebbe fare al caso tuo.Se, tuttavia, chiederai a qualcuno la loro opinione, potresti essere in grado di utilizzare un metodo più accurato. In molti sondaggi probabilmente questo metodo più accurato è in pratica una domanda su scala, 0-10. La sentiment analysis è molto utile quando non c'è altro modo di valutare i sentimenti dell'individuo.

‍Leggi anche: People Analytics: cos’è e perché è un vantaggio per l’azienda?

A che livello vuoi portare la tua Sentiment Analysis?

Ci sono almeno tre livelli ai quali puoi portare la tua sentiment analysis. Tutti hanno i lavoro vantaggi e svantaggi.Puoi fare sentiment analysis a livello documentale. Ad esempio con un sondaggio tra i dipendenti, potresti comprendere il sentiment di ogni risposta.In alternativa puoi suddividere le risposte in frasi e guardare il sentiment di ciascuna separatamente. Alla fine potresti ulteriormente spezzare le frasi, sulla base di alcune variabili che decidi e analizzare anche qui il sentiment.Quando si compiono delle analisi sempre più profonde, l'utilità aumenta, ma sfortunatamente anche l'inaccuratezza. Ciò probabilmente è dovuto al fatto che il contesto viene rimosso. Come sempre nell'analisi dei testi appartenenti ai dipendenti il contesto è molto prezioso.

Human-level accuracy

Il 65 - 80% potrebbe non sembrare molto accurato per un algoritmo, ma è importante capire rispetto a cosa lo si sta confrontando. La ricerca ha dimostrato che la valutazione del sentiment da un testo, in particolare qualcosa di breve come un tweet, è un compito che gli umani trovano difficile. Il vantaggio di utilizzare un sistema per classificare il sentiment è probabilmente la maggiore coerenza nelle valutazioni.

Diretto contro sentimento comparativo

Considera le seguenti due frasi:"La formazione per il time management è stata una perdita di tempo".Ovviamente questa frase sarebbe (si spera) essere contrassegnata come sentimento negativo."La formazione per il time management di oggi è stata migliore di quello della scorsa settimana".Qui sappiamo che la formazione della scorsa settimana è stata comparativamente peggiore. Tuttavia è più difficile determinare se "l'oggi" è stato positivo, neutro o addirittura negativo. Tutto ciò che sappiamo è che è comparativamente migliore del precedente.

Esplicito Vs implicito

Lo si vede molto spesso nei testi dei dipendenti. Il più facile da capire algoritmicamente è un'affermazione esplicita:"Mi piace davvero che i nostri valori siano utilizzati nel processo decisionale". Su questo la maggior parte degli algoritmi darebbe un giudizio positivo. Tuttavia, una dichiarazione implicita potrebbe essere molto più difficile da classificare per l'algoritmo:"Quando ho iniziato con NOME AZIENDA, siamo stati bravissimi nell'usare i nostri valori nel processo decisionale." Qui è ovvio che l'individuo non identifichi come i valori abbiano guidato le decisioni in epoche precedenti.

‍Leggi anche: HR Sentiment analysis, perché è utile?

Hai davvero bisogno di misurare il sentiment dei tuoi dipendenti?