LetsOpp Topic Model
Machine Learning toevoegen aan je app kan heel waardevol zijn. Zo ook voor LetsOpp. De missie van LetsOpp is om het maximale uit groepen te halen. Medewerkers en betrokkenen binnen bedrijven, organisaties of verenigingen hebben de kennis, creativiteit en innovativiteit om met de beste ideeën en oplossingen te komen! Deze verzamelen zij in de Opp app.
Door het bundelen van gezamenlijke kennis en ervaring van medewerkers, zorg je ervoor dat de collectieve ‘Brainpower’ bijdraagt aan het realiseren van de doelen van je organisatie. Want mensen willen graag betrokken zijn. En zij weten hoe. Met kennis en ervaringen krijg je meer inzicht in waarom teams en groepen zich gedragen zoals ze zich gedragen.
Deelnemers geven input op ideeën die er leven over relevante onderwerpen. Vervolgens worden deze ideeën op een veilige en gestructureerde manier in de Opp app verzameld.
Topic optimalisatie
DOEL
In de Opp App kunnen ideeën worden ingezonden door de deelnemers. Om een goed beeld te krijgen over wat er in een groep speelt is het belangrijk om deze ingezonden ideeën te kunnen bundelen in groepen/clusters met hetzelfde onderwerp (topic).
Handmatig deze topics bundelen is veel werk. Het belang van een topic model is groot. Doel is een topic model maken die snel tot kwalitatief goede onderwerpen komt zodat het geen tijd meer vergt van LetsOpp.
Door het categoriseren van alle individuele ideeën, worden deze vervolgens teruggegeven aan de groep als ‘groepsideeën’ zodat ieder individu inzicht heeft in wat het collectief denkt en voelt. Vervolgens wordt de individuele deelnemer gevraagd wat hun mening is over de groep. Deze cyclus herhaalt zich totdat de groep op de proppen komt met wat zij denken dat de beste oplossingen zijn. Hierdoor creëert de Opp app van LetsOpp een ideeënstroom onder een grote groep individuen die aansluit bij de dynamiek van de groep.
RESULTAAT
Een topic model is opgezet. Het topic model neemt de verschillende ideeën als input en als output een beschrijving voor de verschillende topics die zijn gevonden.
Daarnaast wordt er bij elk idee aangegeven tot welk topic deze behoort. De ideeën worden alleen ingedeeld bij een topic als het model binnen een bepaalde marge zeker denkt te zijn dat het idee tot een bepaald topic behoort. Is dit niet het geval, dan wordt het idee als outlier beschouwt.
AANPAK
Om tot de onderwerpen te komen is er gebruik gemaakt van een neuraal topic model, welke op meerdere talen is getraind. Zo zullen ideeën die in verschillende talen zijn geschreven bij hetzelfde onderwerp worden ingedeeld.
