ルーブリックの作成

Rubric の作成について

スコアリングのモデルを選択した後、ルーブリックを作成できます。ルーブリックは、ドキュメントの評価基準を定義します。評価基準ごとに、合格、相対的な重要度、および自動失敗に合格するために存在する必要がある内容または存在しない内容を設定することができます。

指標の登録

1. Studio にログインします。
2. プロファイルアイコンをクリックします。
3. プロジェクトを選択します。
4. プロジェクトを選択します。
   ヒント：アクセス権があるものによっては、コンテンツプロバイダーとアカウントを選択する必要がある場合もあります。
5. オブジェクトで、ルーブリックを選択します。
6. [New Rubric] をクリックします。
7. 指標に名前を付けます。
   ヒント：プロジェクトのすべての指標には一意の名前が必要です。
   ヒント：「スコア」という単語はインテリジェントスコアに自動的に追加されるため、ルーブリックの名前で使用する必要はありません。
8. Rubric モデルを選択します。
   ヒント：「スコアリングモデルの選択」を参照してください。
9. 指標に含めるトピックを選択します。
   ヒント：モデルごとに複数のルーブリックを作成できますが、任意のトピック（兄弟や子など）は1個のルーブリックでのみ使用できます。特定のトピックが利用できないことがわかった場合、それらのトピックがすでに別のルーブリックで使用されている可能性があります。
10. 次を選択します。
    ヒント：スコアリングモデルもドライバーによってランク付けされない限り、［順位を提案］をスキップします。このオプションとその使用方法の詳細については、成果指向スコアリングでのドライバの使用を参照してください。
11. ［望ましい結果］では、各トピックの重みを、ドキュメントの最終スコアに追加するか、またはドキュメントを自動的に失敗させるかを決定します。
    • 存在 (自動失敗なし): このトピックがドキュメントに存在する場合は、トピックに割り当てられた重要度でスコアを増やします。
      例：サポートインタラクションにおける丁寧な挨拶です。
    • 休務 (自動失敗なし): ドキュメントにこのトピックがない場合は、トピックに割り当てられた重要度でスコアを増やします。
      例：製品レビューまたは代表コールにおける不確実性の表現。
    • 存在 (自動失敗): トピックがドキュメントに含まれていない場合、ドキュメント全体のスコアは 0 になります。
      例: 担当者が毎回尋ねる必要がある必須のスクリプト、確認ステートメント、または同意の質問があります。
    • 休務 (自動失敗): トピックがドキュメントに存在する場合、ドキュメント全体のスコアは 0 になります。
      例：プロ意識のない行為。
12. トピックの希望する結果が満たされない場合、自動失敗によってドキュメントの最終スコアが 0 に設定されます。
    ヒント：ドキュメントが合格したか、失敗したかを追加トピックごとに確認できますが、獲得したポイント数を確認することはできません。
13. トピックの重みを数値で設定します。トピックの重要度が高いほど、ドキュメントのスコアに影響します。
    ヒント：［重み（N）］列には、合計が100%になるように正規化された各トピックの重みが表示されます。これらの値は自動的に計算されます。
14. この指標に合格するために目標スコアを定義します。ターゲットを定義する方法は 2 つあります。
    • ターゲット: 正確な合格スコアを設定します。ターゲット以上のスコアが付けられたドキュメントは、「合格」とみなされます。スコアがターゲットよりも低いドキュメントは、”失敗” とみなされます。
    • ターゲット (N): 合計の 100% に対する合格スコアのパーセンテージを設定します。
      ヒント：ターゲットには小数点以下3桁まで追加できます（N）。
15. 公式に使用する前に、スポットチェックボタンを使用して指標をテストします。
    ヒント：「スポットチェックの使用」を参照してください。
16. ［保存］をクリックします。

これで、指標を有効にする準備ができました。

スポットチェックの使用

スポットチェックボタンでは、公式に使用する前に、指標に対する文書の動作をテストできます。スポットチェックでは、ランダムに選択された最大 10,000 の伝票のスコアが一度に計算されます。

• 結果: テストされた文書のうち、目標スコアを下回った文書の数。
• 目標 (N): 現在の目標スコアの合計に対する割合 (%)。
• 最小/最大: テスト対象の文書内で見つかった最低スコアと最高スコア。
• 平均: テストされたドキュメントの平均スコア。
• 四分位数: 下位四分位数、中央値、および上位四分位点のスコア。これは、テストで引き出されたサンプルがどの程度正確であるかを判断するのに役立ちます。
• 潜在的カバー率: ルーブリックで選択されたモデルを使用して、プロジェクトのデータがどの程度スコア付けされる可能性が高いか。これを使用して、トピックの除外を調整することができます。
• キャッシュのクリア: このボタンをクリックして、異なるドキュメントセットを 10,000 個テストします。