定性研究的小技巧与注意事项!

最近几个月,做了好几个定性研究的项目;事后做录音整理时,越发觉得6月初在北京参加“定性座谈会主持”培训课程中学习到的内容,是多么有价值!真是对实践的理论化,理论知识的实践化。

在这与大家分享两点主持上的小技巧与注意事项,当然会有非常生动的小案例!

 

案例1:非服装类商品买家座谈会

问题背景:问到这些非服装类商品买家,在线下购买服装的一些习惯、频次等。

A小姐回答:“我很简单,我一般不太去买衣服;如果我去,一定是没衣服穿了。而且我也只去品牌店去买。因为逛小店很辛苦,而且我不会讨价还价。”

B小姐回答:“我不怎么逛街的。一般是跟着朋友去逛(陪着),看到合适的,觉得有必要的,才给自己买一下。我不喜欢很多衣服,只要有2、3套,简单大方的就行了。一般是这一套扔掉之后,才买下一套。”

主持人:“哦,您很像A小姐;不喜欢有很多衣服,如果特意去买衣服,那就应该是没衣服穿了!”

突然A小姐很急地跳了出来,大声说道;“不一样,不一样!我是每年一定会去换新衣服的。只要一到一个季节,我就会去换新衣服。换季觉得“没衣服”是指所有的衣服都穿烦了、看厌了,就想着去换衣服。”

 

案例分析:

  A小姐觉得自己是个不爱买衣服的女孩子,但当B小姐一个更不爱买衣服、甚至认为衣服多是件很麻烦的事的人出现;而且他人将她们俩归为一类人时,A小姐再也无法沉默了!她需要进一步向大家说明自己所认为的“没衣服穿”是到底是个什么程度,解释清楚自己最真实的行为是怎样的,她需要表明自己与B小姐是不同的。

  从这个案例中,我们可以看到“用户实际上并不明确知道自己的态度的”,在她一开始的意识中就认为自己真是一个不爱买衣服的人;但一旦有了对比,他才突然明白自己与他人的差异;再当其他人将她与更不爱买衣服的B小姐归为一类时,她更加意识到自己与B小姐的差距;真正说明白了自己的在衣服购买上的行为。

 

 

案例2即注意事项:请不要有意诱导被访者

  听了最近做的这几场座谈会与深访的录音,觉得自己在现场时为了能够拉近与被访者之间的距离,会多次称呼被访者的名字,或是重复一下他们刚刚说过的观点,再次向他们再次确认。可同时,事后听录音后;觉得自己有时过于地在强调重复被访者的观点,甚至为他们作为了总结!这一点是很不好的,已经有一些在诱导被访者。

 

M

各位觉得自己在穿衣的风格上有一些什么自己的喜好?自己偏爱的品牌等?

1

我对这个没什么特别的想法。就像现在穿的。

M

哦,就是运动、休闲的比较多。

  像在这里,我就应该追问被访者,自己总结一下自己的穿衣风格。

 

  每一次的研究,都能学习到、总结出很多东西。小小分享,希望对大家有些帮助。*^_^*

 
资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线提前配置好每个类目的概念及对应样本;在线先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICLaccuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理添加“家居”类别,影响不大;不使用ICLaccuracy为0.88,错误58项,可能未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值