Ir al contenido
Base de conocimiento

Codificación de respuestas abiertas

La codificación de respuestas abiertas convierte las respuestas de texto libre en variables categóricas etiquetadas que puede cruzar, ponderar y exportar como cualquier otra pregunta. Se ejecuta como primer paso de la derivación Bronce → Plata de un paquete, antes de la ponderación, de modo que una variable codificada está disponible como factor de ponderación en esa misma derivación.

Una pregunta abierta rara vez varía en un solo aspecto. Pregunte «¿Qué hace en su trabajo?» y las respuestas variarán en qué tipo de actividad es y en qué ámbito se desarrolla: dos preguntas distintas que se pueden plantear a una misma frase. Askalot llama a cada una de ellas dimensión.

Cada dimensión que conserve se convierte en exactamente una columna del conjunto de datos Plata, con una categoría por encuestado:

q_work (se conserva tal cual) q_work_activity_type q_work_domain
Encuestado 1 «Redacto y archivo la documentación del distrito» Documentación Administración pública
Encuestado 2 «Me ocupo de las máquinas de la línea» Mantenimiento Industria manufacturera
Encuestado 3 «sobre todo correos» Sin clasificar Sin clasificar
Encuestado 4 (en blanco) (ausente) (ausente)

Dos cosas que se desprenden de esta tabla:

  • Una columna por dimensión, no una por categoría. La celda contiene la categoría, descodificada a partir de un código guardado mediante las etiquetas de valor de la columna; es la misma forma que produce una pregunta de lista desplegable, así que todos los formatos de exportación y todos los gráficos ya saben qué hacer con ella.
  • «Sin clasificar» y «en blanco» son respuestas distintas. El encuestado 3 dijo algo que el libro de códigos no pudo ubicar; el encuestado 4 no dijo nada. Lo primero es una categoría real y ponderable; lo segundo son datos ausentes.

La columna de texto original se conserva siempre junto a las codificadas.

La codificación consta deliberadamente de dos rondas con su decisión entre ambas. En qué varían las respuestas es algo que puede proponer un modelo; cuáles de esos ejes merecen una columna en su conjunto de datos es una decisión que solo usted puede tomar.

You select the questions
│
▼
① Propose ────────────── reads each question plus a sample of its answers,
│ and names the dimensions they vary on, each with
│ starter categories. Writes a codebook — no dataset.
▼
② Review ────────────── you read each dimension's categories with their
│ counts and example answers, rename, re-cut, add an
│ axis nobody proposed, and TICK the ones to keep.
▼
③ Derive ────────────── every answer is matched to its nearest category in
each dimension you kept. One column per dimension,
then weighting runs on the coded data.

Solo el paso ③ produce un conjunto de datos. Proponer no le cuesta más que tiempo (escribe un libro de códigos que puede desechar), y solo guardar su selección desencadena una nueva derivación.

En la página Plata del paquete, en Codificación de respuestas abiertas, haga clic en Proponer dimensiones. Una ronda abarca todas las preguntas seleccionadas que aún no tienen libro de códigos; se ejecuta en segundo plano y muestra su progreso, y puede salir de la página y volver más tarde.

Para cada pregunta, la propuesta lee el texto de la pregunta y una muestra de sus respuestas. Leer la pregunta es lo esencial: los ejes salen de lo que se preguntó, no solo de lo que casualmente se respondió. No hay límite en el número de dimensiones que pueden proponerse: una pregunta que de verdad varía en cuatro aspectos recibe cuatro, y usted decide cuáles son reales.

Una pregunta que clasificó como nominal nunca se propone ni se revisa: sus categorías proceden de valores exactos, no de un modelo. Una pregunta que ya tiene libro de códigos se omite, no se vuelve a proponer. Redefinir un libro de códigos existente es tarea de la pantalla de revisión; volver a proponer sustituiría las columnas que ya ha seleccionado e invalidaría cualquier objetivo de ponderación que las nombre.

Una pregunta cuya ronda no encontró nada que nombrar no tiene libro de códigos: la pantalla de revisión indica No se encontró ningún eje, y la siguiente ronda vuelve a intentarlo con ella. Si registra que esa pregunta no codifica nada, las rondas posteriores la dejan en paz. Para que la ronda vuelva a ocuparse de ella, desmárquela y guarde, y después márquela de nuevo y guarde.

La revisión es una pantalla de dos paneles: sus preguntas codificadas a la izquierda y las dimensiones de la pregunta seleccionada a la derecha. Para cada dimensión obtiene:

  • sus categorías, cada una con el número de respuestas que recayeron en ella y hasta dos de esas respuestas citadas literalmente, para que pueda comprobar que la etiqueta significa lo que dice;
  • el recuento y la proporción de Sin clasificar: las respuestas que no coincidieron con nada;
  • una cifra de solapamiento, que se describe más abajo.

Lo que puede hacer:

Acción Efecto
Marcar una dimensión Se convierte en columna en la siguiente derivación
Desmarcarla No se convierte en columna; su propuesta sigue en pantalla para una pasada posterior
Renombrarla Cambia el encabezado; el nombre de la columna no (véase más abajo)
Añadir, quitar o renombrar una categoría Redefine el libro de códigos para la siguiente derivación
Añadir una dimensión Escriba un nombre y sus categorías; se codifica exactamente igual que una propuesta
Guardar sin nada marcado La pregunta queda sin codificar: ni columna ni vía alternativa

Renombrar una dimensión nunca renombra su columna. El nombre de la columna se fija la primera vez que se propone la dimensión. Es deliberado: mantiene válido cualquier objetivo de ponderación que nombre esa columna y hace que dos exportaciones del mismo paquete sigan siendo comparables. Por eso el encabezado que usted lee y el nombre de la columna en el archivo pueden diferir, y ese es el comportamiento previsto, no un error.

El solapamiento es una propiedad de las categorías de una dimensión, no de la pregunta. Cuenta con qué frecuencia una respuesta encaja en más de una categoría de esa misma dimensión. Una cifra alta significa que esas categorías se confunden entre sí y conviene redefinirlas; no significa que la pregunta necesite otra dimensión. Cuántos ejes tiene una pregunta es, sencillamente, cuántas dimensiones tiene.

Como muestra las propias palabras de los encuestados, la pantalla de revisión es exclusiva de los gestores y cada apertura queda anotada en el registro de auditoría, igual que abrir la vista previa de un conjunto de datos.

Guardar su selección invalida el conjunto de datos Plata actual (y el conjunto de datos Oro) y se aplica en la siguiente derivación, igual que ocurre al editar los objetivos de calibración. Una derivación que ya está en curso conserva la selección con la que empezó.

En el momento de la derivación, cada respuesta se compara con todas las categorías de todas las dimensiones que conservó (la etiqueta de la categoría junto con sus formulaciones de ejemplo) y se le asigna la más cercana. Una respuesta que no está lo bastante cerca de ninguna se registra como Sin clasificar, en lugar de forzarla en la categoría más próxima.

Abra la página Plata del paquete y use el selector Preguntas que codificar de la parte superior de la sección Codificación de respuestas abiertas. Enumera todas las preguntas abiertas que ofrece el conjunto de datos Bronce del paquete. Cada una empieza sin clasificar: usted indica qué tipo de respuesta contiene, pulsa Guardar tipos y, a continuación, marca las preguntas que se codificarán y pulsa Guardar selección. No se infiere nada ni se preselecciona ningún tipo.

Cada pregunta ofrece una elección entre tres opciones, que se muestra junto a cuántas respuestas tiene, cuántas de ellas son distintas y la longitud media de las respuestas en palabras:

Tipo Elíjalo cuando Qué hace la codificación
Descriptiva Las respuestas son texto en prosa: opiniones, motivos, relatos El ciclo de dos rondas descrito arriba: se proponen dimensiones, usted las revisa y las respuestas se asignan por su significado
Nominal Las respuestas proceden de un vocabulario cerrado: un idioma, una marca, una ciudad Las respuestas se normalizan y se agrupan por valor exacto. Cada valor que aparece al menos cinco veces se convierte en una categoría; todas las respuestas menos frecuentes caen en Otro. No se llama a ningún modelo, así que no hay nada que proponer ni revisar
Identificador Las respuestas nombran a una persona o un registro: un nombre, una dirección, un empleador La pregunta sigue en la lista para que pueda clasificarla, pero nunca puede seleccionarse, codificarse ni enviarse a un modelo

Los gestores pueden hacer clic en Mostrar las respuestas más frecuentes para ver hasta tres de las respuestas más comunes por pregunta, lo que ayuda a distinguir un vocabulario cerrado de un texto en prosa. Son las propias palabras de los encuestados, así que esa consulta queda anotada en el registro de auditoría, y una pregunta clasificada como identificador nunca muestra ninguna. Los analistas ven los recuentos, pero no pueden clasificar ni ven los valores.

Una pregunta que no ha clasificado no puede marcarse. Si una selección guardada ya la incluye, el selector lo indica y la siguiente derivación se detiene hasta que la clasifique.

  • Las categorías de una pregunta nominal se crean en su primera derivación y nunca se renumeran, de modo que un objetivo de calibración que nombra una categoría sigue refiriéndose a la misma.
  • La lista de categorías se descarta cuando desmarca la pregunta o le asigna un tipo distinto de nominal. Al volver a marcarla, la lista se reconstruye a partir de las respuestas actuales, así que hay que redirigir a la columna nueva cualquier objetivo de calibración que apuntara a la antigua.
  • Un registro respondido cuyo valor es menos frecuente que el mínimo pasa a Otro; un registro sin respuesta queda vacío, y el código 0 (Sin clasificar) nunca se usa en una pregunta nominal.
  • El mínimo es fijo, no un ajuste. La etiqueta de una categoría es la respuesta de un encuestado, así que nunca se guarda un valor que aparezca menos de cinco veces.
  • Solo aparecen las preguntas de texto libre, y aparecer no implica codificarse. Una pregunta se ofrece cuando se creó como Textarea, que es como un cuestionario pide texto abierto.
  • Una pregunta de Roster es una sola entrada, no una por iteración. Un Roster plantea la misma pregunta sobre varias entidades, así que sus iteraciones se agrupan en un único libro de códigos y las dimensiones se aplican a la columna de cada iteración. La lista las marca como roster agrupado, con el número de iteraciones.
  • Guardar otra selección u otro tipo invalida el conjunto de datos Plata actual y se aplica en la siguiente derivación, igual que al editar los objetivos de calibración. Los tipos no se pueden cambiar mientras hay una derivación en curso. Una derivación en marcha conserva la selección con la que empezó.
  • Cambiar un tipo puede costarle trabajo, y la página pregunta primero. Clasificar una pregunta seleccionada como identificador la quita de la selección y borra su revisión; cambiar una pregunta nominal a otro tipo descarta su lista de categorías.
  • No seleccionar nada es una decisión, no una laguna. La página lo indica de forma explícita: la derivación del conjunto de datos Plata pasa directamente a la ponderación.
  • Desmarcar una pregunta borra su selección de dimensiones, pero conserva sus propuestas y los nombres que les dio. Si vuelve a marcarla más adelante, la revisión se reanuda donde la dejó: se le pide que vuelva a decidir, no que empiece de cero.

Los tipos y la selección pertenecen al paquete, no al cuestionario, así que al clonar un paquete se copian con él y dos paquetes sobre el mismo cuestionario pueden codificar preguntas distintas.

Ponderación sobre una dimensión codificada

Sección titulada «Ponderación sobre una dimensión codificada»

Una dimensión codificada es un único factor de ponderación sobre todo su conjunto de categorías, no un margen por categoría: sus categorías dividen a los encuestados en partes, así que pertenecen a una sola distribución.

Añádala en el editor de objetivos de calibración del paquete como cualquier otra columna e introduzca una proporción objetivo por categoría. Cada categoría necesita una, incluida Unclassified. Se rechaza una distribución que omita alguna, con un mensaje que nombra lo que falta, porque de lo contrario el raking (calibración por rastrillado) apuntaría sin avisar a una distribución que usted nunca escribió.

Unclassified es un grupo real de encuestados (respondieron, y su respuesta no coincidió con ninguna de sus categorías), así que es ponderable como cualquier otra categoría. Conviene saber que ninguna referencia externa publicará nunca un objetivo para ella: usted está aportando una proporción para un residuo que es una propiedad de su libro de códigos y no de la población. Reducirlo (con mejores categorías y mejores ejemplos) suele ser la mejor opción.

Cada dimensión seleccionada añade una columna que contiene:

  • un código de categoría por encuestado, con Unclassified reservado como código propio y los ítems sin respuesta como valores ausentes;
  • etiquetas de valor que nombran cada categoría, para que las exportaciones conserven el significado: SPSS las adjunta como etiquetas de valor, R como niveles de factor y Excel en su hoja de esquema;
  • metadatos que nombran la pregunta de origen, la dimensión y si procede de la ronda degradada.

Los nombres de columna se derivan del primer nombre de la dimensión, de modo que dos dimensiones cuyos nombres se reducen al mismo nombre de columna (o una dimensión que coincide con una columna de opción de selección múltiple ya presente en el conjunto de datos) reciben un sufijo numérico. No se descarta ni se sobrescribe nada.

Un agente puede leer el estado de la codificación y escribir la selección de preguntas. No puede clasificar una pregunta, seleccionar dimensiones, renombrarlas ni editar sus categorías: son decisiones sobre sus datos y sobre el contenido generado, y le corresponden a usted, en la aplicación. No existe ninguna herramienta para ninguna de ellas.

get_bundle_coding informa, por pregunta, de su tipo, las dimensiones propuestas con sus categorías, cuáles están seleccionadas, si la ronda fue degradada, awaiting_review, que nombra las preguntas que aún esperan una decisión, y coding_outcome, que nombra cualquier pregunta que la última derivación intentó codificar y de la que no obtuvo ninguna columna. Las categorías de una pregunta nominal se devuelven como identificadores con recuentos y sin etiquetas, porque cada etiqueta sería la respuesta de un encuestado. Nunca devuelve las respuestas textuales de los encuestados.

state = get_bundle_coding(bundle_id="<bundle-id>")
# state["candidates"] — every open-text unit this Bundle's Bronze offers
# state["kinds"] — descriptive / nominal / identifier per unit; a missing unit is unclassified
# state["selected"] — null = nobody has chosen yet; [] = "code nothing"
# state["units"] — per unit: its dimensions, categories, selection state, degraded
# state["awaiting_review"] — selected units whose dimensions nobody has reviewed
# state["coding_outcome"] — what the last derive attempted and lost (null = no record)
# state["pending_review"] — true if either decision is still open
set_coding_selection(bundle_id="<bundle-id>", selected=["q_why_left"])

set_coding_selection recibe el conjunto completo de sustitución de valores unit_key de la lista de candidatas (un Roster es una sola clave que abarca todas las iteraciones), y una lista vacía significa «no codificar nada». Requiere permisos de gestor y un usuario identificado: se rechaza un token de servicio que no actúa en nombre de nadie, porque decidir qué respuestas merecen un libro de códigos es una decisión de investigación. Una unidad sin clasificar o clasificada como identificador se rechaza con el motivo; pida al analista que la clasifique en el selector de la página Plata. Presente las candidatas y escriba la respuesta que le den, en lugar de elegir usted.

A continuación, code_open_ends (alias: derive_silver) inicia la derivación Bronce→Plata en segundo plano sobre el conjunto de datos Bronce listo del paquete. Devuelve inmediatamente el conjunto de datos Plata en estado processing; consulte periódicamente get_dataset(dataset_id) hasta que llegue a ready o error:

result = code_open_ends(bundle_id="<bundle-id>")
silver_id = result["silver_dataset_id"]
while True:
dataset = get_dataset(dataset_id=silver_id)
if dataset["processing_status"] in ("ready", "error"):
break
time.sleep(5)

Haga visible una revisión pendiente en lugar de derivar pasando por encima de ella. Una pregunta que espera la revisión de dimensiones no produce ninguna columna codificada, y aun así la derivación se completa; por eso, un agente que ignora awaiting_review produce un archivo al que le faltan, sin avisar, precisamente las columnas cuya codificación se pidió:

state = get_bundle_coding(bundle_id="<bundle-id>")
if state["pending_review"]:
# ask the researcher to choose questions / review dimensions first
...
🥉 Bronze 🥈 Silver 🥇 Gold
(raw extraction) → (coded, then weighted) → (analysis-ready)
  • Entrada: el propio conjunto de datos Bronce del paquete; no se puede seleccionar ninguna otra fuente
  • Salida: el conjunto de datos Plata del paquete, con los datos originales, una columna por dimensión seleccionada y la columna _weight
  • Etapas posteriores: el ajuste del conjunto de datos Oro (renombrar, reordenar, campos calculados) y la exportación parten de este conjunto de datos Plata
  • Exportación: los conjuntos de datos Plata y Oro se exportan a CSV, Excel, SPSS, Parquet, R o JSON con todas las etiquetas de variable, una vez listos

Diseño de encuestas pensando en la codificación

Sección titulada «Diseño de encuestas pensando en la codificación»

Las preguntas abiertas usan el control Textarea en QML. Este control no marca la pregunta para codificarla: el cuestionario solo decide lo que puede ofrecerse, y el tipo de respuesta y la decisión de codificarla se toman por paquete en el momento del análisis:

- id: q_feedback
kind: Question
title: "What could we improve?"
input:
control: Textarea
placeholder: "Share your suggestions..."
maxLength: 1000
  • Haga preguntas concretas: «¿Qué es lo que más le gusta?» da dimensiones más limpias que «¿Algún comentario?»
  • Use varias preguntas abiertas: cada una apunta a un aspecto distinto (lo que gusta, lo que no gusta, los casos de uso)
  • Fije un maxLength razonable: de 500 a 1000 caracteres favorece respuestas con contenido
  • Combínelas con preguntas estructuradas: los datos demográficos y las escalas de valoración le permiten cruzar los datos con las dimensiones codificadas
  • Planifique el tamaño de la muestra: procure tener más de 30 respuestas por pregunta abierta

El conjunto de datos Plata se derivó bien, pero no tiene columnas codificadas O no hay nada seleccionado para codificar, o las preguntas seleccionadas aún esperan la revisión de dimensiones; la página Plata y su sección Exportar indican cuál de las dos. Revise las dimensiones, marque las que desea conservar y vuelva a derivar. Si el selector no ofrece nada en absoluto, el cuestionario no tiene ninguna pregunta abierta; use Textarea para las preguntas que quiera codificar.

La derivación falló con coding_selection_unresolvable Una pregunta seleccionada no tiene tipo, está clasificada como identificador o ya no está en el cuestionario. El mensaje nombra cada una. Clasifique la pregunta (o desmárquela) en el selector de la página Plata y vuelva a derivar; nunca se infiere un tipo por usted.

Al conjunto de datos Plata le faltan las columnas de una pregunta y las demás están Esa pregunta se intentó codificar y no produjo nada. La página Plata y su sección Exportar la nombran junto al motivo: su columna no estaba en la extracción, una de sus categorías no tenía nada con lo que comparar las respuestas o la ejecución se topó con algo inesperado. Vuelva a extraer o corrija el libro de códigos y vuelva a derivar; las columnas de las demás preguntas no se ven afectadas.

La exportación se rechazó porque una pregunta «sigue a la espera de la revisión de dimensiones» Ese conjunto de datos Plata no contiene ninguna columna codificada para las preguntas nombradas. La solución es revisar y volver a derivar. El rechazo existe para que no entregue un archivo que parece completo y al que, sin avisar, le falta la codificación que pidió.

Demasiadas respuestas quedaron como Sin clasificar Las categorías no llegan a esas respuestas. Lea los ejemplos de Sin clasificar en la pantalla de revisión: suelen revelar un eje que nadie propuso, o una categoría cuya etiqueta es más estrecha que las respuestas que debería captar. Renombrar una categoría, añadir una o crear una dimensión nueva ayuda; vuelva a derivar después.

Una dimensión indica un solapamiento elevado Sus propias categorías se confunden entre sí: varias encajan con las mismas respuestas. Fusione o redefina esas categorías. No es señal de que la pregunta necesite otra dimensión.

La propuesta devolvió una sola dimensión, marcada como «Degradado» No tenía configurada ninguna ranura de LLM directo, así que la ronda agrupó las respuestas en lugar de leer la pregunta. Configure una ranura en Configuración del perfil → Modelos de IA antes de proponer. Todas las rondas posteriores omiten una pregunta que ya tiene libro de códigos, una dimensión guardada no puede descartarse desde la pantalla de revisión y al clonar el paquete se copia su receta; por eso, hoy por hoy, la única manera de que una pregunta vuelva a proponerse es un paquete nuevo sobre el mismo cuestionario y las mismas campañas. Aun así, puede trabajar con el libro de códigos degradado: renombrar su dimensión, redefinir sus categorías y añadir sus propias dimensiones funciona exactamente igual que con una propuesta, y una dimensión creada por usted se codifica por la misma vía.

La derivación se rechaza porque un factor de ponderación está «backed by a dimension this Bundle no longer selects for coding» (respaldado por una dimensión que este paquete ya no selecciona para codificar) Un objetivo de calibración nombra una columna producida por una dimensión que usted desmarcó después. Vuelva a seleccionar esa dimensión en la revisión o quite el factor de los objetivos de calibración, y después vuelva a derivar; la comprobación se ejecuta antes de cualquier trabajo, así que nada queda derivado a medias. El mensaje análogo que nombra una unidad de texto abierto en lugar de una dimensión significa que se desmarcó la pregunta entera en el selector.

La ronda degradada indica que hay demasiado pocas respuestas Agrupar respuestas exige tener suficientes para encontrar alguna densidad; proponer a partir de la pregunta, no. Configure una ranura de LLM directo o codifique esa pregunta cuando haya más respuestas.

La etapa Plata falló indicando que la codificación «no generó ninguna columna» Ninguna de las preguntas que la derivación intentó codificar devolvió nada; normalmente porque las columnas de texto de esas preguntas no están en la extracción o porque sus categorías no tienen ninguna formulación con la que comparar las respuestas. El mensaje nombra cada pregunta y el motivo. Vuelva a extraer el conjunto de datos Bronce si faltan las columnas, o corrija el libro de códigos en la pantalla de revisión, y después vuelva a derivar. Es una detención, no un atasco: la derivación no se reintenta sola, porque un segundo intento se encontraría con las mismas preguntas y tampoco produciría nada.

La derivación del conjunto de datos Plata falló mientras los modelos locales no estaban disponibles La asignación de respuestas a categorías se ejecuta en el servicio de embeddings propio de la plataforma, y una derivación que no puede llegar a él se detiene en lugar de terminar vacía. Se reintenta automáticamente unas cuantas veces, con una pausa cada vez mayor, de modo que un servicio que simplemente está despertando o reiniciándose un momento se resuelve solo. Si la etapa termina igualmente como fallida, los modelos están realmente caídos (el indicador Modelos locales de la barra de navegación superior lo indica), y basta con volver a derivar cuando vuelvan a estar disponibles. Nada queda escrito a medias: el archivo Plata anterior no se toca hasta que una derivación tiene éxito.