Per una ricerca sintetica trasparente ed epistemologicamente solida
Un panel sintetico è utile solo se la sua origine, il suo perimetro e le sue trasformazioni restano visibili. Questa guida descrive le motivazioni alla base del processo di costruzione dei panel e i controlli che aiutano un ricercatore a decidere cosa un output può supportare in modo responsabile.
Progettato per la ricerca sintetica, non per risposte sintetiche.
Un output sintetico è una risposta generata da un modello a partire da un panel definito. Questa pagina spiega cosa entra nel processo, cosa sono gli input, gli output e dove si applicano interpretazione e validazione.
Input
Le descrizioni del target definiscono la popolazione. Interviste e sondaggi forniscono materiale osservato. Briefing e ricerche esistenti possono inquadrare la domanda. I panel esplorativi possono partire prima della ricerca sul campo; i panel sono calibrati sulle evidenze raccolte.
Ricostruzione individuale e allineamento collettivo
Le affermazioni e le risposte delle fonti vengono trasformate in rappresentazioni cognitive individuali. Un Human Digital Twin è un partecipante che simula i processi mentali, in un determinato contesto di una persona osservata. La sua personalità viene costruita attraverso un complesso processo basato su tecnologie neuro-simboliche (patent pending) che producono, per ogni agente, un Latent Cognitive Model. Ogni singolo Human Digital Twin può utilizzare un LLM distinto, configurabile anche localmente e sterilizzato dai bias connaturati ai Large Language Models. L'insieme dei Human Digital Twins viene poi rcalibrato con tecniche mutuate dal Deep Learning (descendente gradiente) per ottenere una intelligenza collettiva allineata a quella del panel umano a cui si riferisce.
Panel e deliberazione
I synthetic respondents formano una popolazione definita. Rispondono a domande strutturate e deliberano attraverso proposizioni, ragioni, raggruppamenti, consenso e disaccordo. I nostri Human Digital Twins sono progettati per non mentire. In quanto attori completamente virtuali, non sono soggetti a GDPR e possono quindi rispondere anche su temi considerati sensibili dal GDPR quali orientamento sessuale, orientamenti religiosi, pulsioni criminali, salute, etc.etc.
Ciò che restituisce il panel
Gli output includono risposte individuali, motivazioni, gruppi di opinioni, accordo collettivo, dissenso e tracciabilità. Restano distinti dalle osservazioni raccolte su persone reali. I risultati sono disponibili sia come report stampabili che come dati machine readable.
Motore ermeneutico, preference falsification ed epistemic resistance
HDTwin.ai utilizza un motore ermeneutico per permettere ai suoi Human Digital Twin di esplorare e discutere una stessa posizione da prospettive differenti, mettendo alla prova assunzioni, interpretazioni e cornici di senso. In questo processo, i Digital Twin offrono un vantaggio specifico rispetto agli interlocutori umani: non sono soggetti alla preference falsification, perché non hanno bisogno di compiacere, conformarsi socialmente o dichiarare opinioni diverse da quelle rappresentate nel loro modello; allo stesso tempo, non sperimentano stanchezza, impazienza o saturazione cognitiva. Questo consente di lavorare in modo più sistematico sulla resistenza epistemica, cioè sulla tendenza a resistere a evidenze, interpretazioni o punti di vista che mettono in discussione convinzioni consolidate, mantenendo aperto il confronto anche quando diventa complesso, ripetitivo o cognitivamente scomodo.
Sai cosa è reale. Sai cosa è sintetico.
Mantieni disponibili per l'analisi il target, il materiale di partenza, la domanda, la configurazione del panel e il percorso di trasformazione. Ogni elemento caratteriale è motivato e tracciato nel Latent Cognitive Model.
Calibrazione
Confronta il comportamento del panel con le evidenze di riferimento e, dove disponibili, con un gruppo di controllo umano. Regola la configurazione quando il panel si discosta o la fonte cambia. La manutenzione periodica del panel sintetico, effettuata attraverso nuove rilevazioni, gruppi di controllo e sterilizzazione dei bias dei nuovi modelli, garantisce il miglior allineamento con il tuo target reale.
Incertezza
Il grado di confidenza diminuisce man mano che una domanda va oltre il materiale di partenza. Un panel sintetico calibrato, su domande relative al dominio specifico di calibrazione, può fornire risposte allineate anche al 98% rispetto a quelle fornite da un campione umano di controllo.
Privacy e governance europea
HDTwin è progettato e ospitato in Europa. Gli input del cliente vengono usati per costruire il suo panel, restano di sua esclusiva proprietà e non vengono conservati sull'infrastruttura HDTwin oltre il tempo strettamente necessario al trattamento. Gli Human Digital Twin perdono il collegamento con 'eventuale rispondente umano, che peraltro deve essere anonimo non possono essere usati come profilazione di un soggetto umano esistente. Rappresentano i processi cognitivi di "personas" astratte ma il cui comportamento collettivo replica quello di una comunità (il panel)
Validazione
La validazione consiste nel confrontare il comportamento con evidenze sulla popolazione reale. Non trasforma l'output sintetico in un'osservazione diretta né garantisce comportamenti futuri. L'allineamento con il panel umano si riduce con il tempo a causa di eventi che possono modificare la percezione della realtà o modificare le reazioni o gli atteggiamenti rispetto al mondo. Per tale ragione è consigliato un periodico riallineamento del panel rispetto ad un determinato perimetro dell'indagine. I panel non sono oracoli ma algoritmi predittivi.
Prove e testimonianze
Leggi la documentazione scientifica che valida il nostro metodo e i comunicati pubblicati dai nostri clienti.
Prospettive epistemiche
Preserva le ragioni delle minoranze e il disaccordo invece di ridurre ogni domanda a una media. Ispezionare origini e trasformazioni aiuta a far emergere squilibri nei modelli e nei dati.
Glossario concettuale
La metodologia di HDTwin fa riferimento alle seguenti definizioni.
| Termine | Uso |
|---|---|
| Platform | Il sistema HDTwin che costruisce e interroga i panel. La piattaforma è composta da metodi, modelli LLM e cognitivi, un'applicazione per interrogare i panel (council) e un framework per generare panel personalizzati (studio). |
| Human Digital Twin | Un partecipante sintetico che rappresenta caratteristiche, attitudini e informazioni rilevanti. Termine equivalente a synthetic persona, synthetic respondent, synthetic customer. Gli Human Digital Twins di HDTwin sono sviluppati con una tecnologia neuro-simbolica che mette insieme la capacità inferenziale delle reti logiche con quella neurale propria degli LLM (Large Language Model). |
| Synthetic panel | La popolazione definita formata dagli Human Digital Twins e progettata attorno a uno specifico perimetro di indagine. |
| Evidence | Materiale osservato, come interviste e sondaggi, usato per alimentare o calibrare il processo di costruzione di un panel sintetico. |
| Interrogation | Domande strutturate o stimoli rivolti a un panel. La piattaforma supporta domande chiuse, domande aperte o una combinazione delle due ed è in grado di eseguire contemporaneamente indagini quantitative e qualitative. |
| Deliberation | Scambio iterativo in cui i membri del panel propongono, commentano, valutano e raggruppano le posizioni. Nel processo di deliberation, gli Human Digital Twin mettono in votazione tutti gli statement prodotti, facendo emergere polarizzazioni, consensi, dissensi e gruppi di opinione. |
| Output | Risposte, ragioni, gruppi, consenso, disaccordo e tracciabilità generati dall'interrogazione. |
| Calibration | Regolazione di un panel rispetto a un materiale di riferimento osservato. |
| Provenance | La relazione visibile tra input, panel, domanda, trasformazione e output. |
| Fieldwork | Ricerca condotta con persone reali. |
| Motore ermeneutico | Sistema progettato per interpretare un tema da prospettive differenti, mettendo a confronto significati, assunzioni e cornici interpretative. |
| Epistemic resistance | Tendenza a resistere a evidenze, informazioni o interpretazioni che mettono in discussione convinzioni già consolidate. |
| Preference falsification | Comportamento per cui una persona esprime pubblicamente una preferenza o un'opinione diversa da quella che sostiene realmente. |
Un confronto online di 30 minuti tra il tuo metodologo e i nostri esperti; ti offriamo una presentazione guidata tecnica mirata.