Caricamento…
Come funziona
Dietro le evidenze di origine c'è una mappa condivisa dei significati. Le dichiarazioni delle interviste e le risposte dei sondaggi vengono lette insieme, così ciò che persone diverse intendevano con parole diverse può essere confrontato sullo stesso terreno.
Chiamiamo questa mappa condivisa Latent Cognitive Model.
Il Latent Cognitive Model (LCM) è un modello strutturato intermedio che ricostruisce il sistema di pensiero sottostante di un individuo a partire dalle evidenze raccolte, trattate come prove osservabili ma incomplete. Anziché descrivere solo cosa una persona crede, l'LCM deduce come essa valuta l'evidenza, organizza i propri valori e gestisce l'incertezza, permettendo di generare agenti virtuali in grado di rispondere in modo stabile e coerente anche a domande del tutto inedite.
Domande sul metodo
Risposte brevi alle domande che i visitatori pongono più spesso sul metodo. Ogni risposta spiega come funziona HDTwin e dove si applicano i suoi limiti.
La ricerca sintetica usa un panel virtuale di Human Digital Twins per esplorare come un pubblico target potrebbe rispondere a domande, messaggi e decisioni. Estende la ricerca reale rendendo le evidenze esistenti riutilizzabili per esplorazioni successive e non sostituisce mai il lavoro sul campo con persone reali.
Un panel sintetico è il gruppo di Human Digital Twins costruito per uno studio: ogni partecipante porta con sé caratteristiche, atteggiamenti e informazioni tratte dalla descrizione del target e dalle evidenze di ricerca fornite. Il panel resta disponibile e può essere interrogato di nuovo man mano che emergono nuove ipotesi.
ChatGPT produce una singola risposta plausibile da un solo modello. HDTwin guida un panel definito di Human Digital Twins attraverso sondaggi iterativi e discussioni di gruppo simulate, così posizioni, argomenti, gruppi di opinione, disaccordo e consenso restano ispezionabili invece di ridursi a una sola risposta.
Un panel parte da una descrizione scritta del pubblico target. Dove esistono interviste e sondaggi, le loro evidenze calibrano gli Human Digital Twins; il panel virtuale risultante resta disponibile per ulteriori domande senza nuovo reclutamento.
Ogni modello linguistico porta con sé le proprie tendenze. HDTwin adatta i modelli al carattere di ogni partecipante tramite il Digital Imprinting, che riduce l'influenza indesiderata del modello senza eliminarla. Le tendenze residue sono riportate come limiti.
Una persona sintetica è un singolo Human Digital Twin all'interno del panel: un partecipante configurato che rappresenta caratteristiche, atteggiamenti e informazioni rilevanti di un membro della popolazione target. Le persone sintetiche deliberano insieme, così l'esito riflette una popolazione invece di una singola voce.
Una demo personalizzata mostra come la tua descrizione del target diventa un panel esplorabile, usando una domanda del tuo lavoro.
