Vad skiljer p90 från p10 på DNA Anatomi?

Jämförelse av DNA Anatomi mellan dokument i topp-tiondelen (p90) och botten-tiondelen (p10).

Är grupperna olika långa?

p90 har i snitt 4563 ord (median 3436). p10 har i snitt 923 ord (median 805).

p90-dokument är längre än p10-dokument. Vissa skillnader nedan kan bero på att längre dokument hinner ta upp fler saker, inte att de är bättre eller sämre.

Hur skiljer sig grupperna på andra mått?

Jämför p90 med p10 på andra dimensioner. Värdena är justerade för dokumentlängd, vilket betyder att vi jämför korta dokument mot korta, mellanlånga mot mellanlånga, långa mot långa, och slår sedan ihop resultaten. När den justerade skillnaden är mycket mindre än den ojusterade handlade hela skillnaden om att grupperna var olika långa, inte att innehållet skiljde sig.

Dimension Pelare Skillnad (justerad för längd) Robust vid bredare tröskel? Att veta
BLA (totalt) BLA mycket högre i p10 Ja, fyndet håller även vid q75/q25 Något av skillnaden var längd-effekt
DNA Driv DNA mycket högre i p90 Nej, bara synligt vid p90/p10 Ojusterad skillnad var större, mest längd-effekt
DNA Nomenklatur DNA mycket högre i p90 Nej, bara synligt vid p90/p10 Ojusterad skillnad var större, mest längd-effekt
E7 Friktion STA7 mycket högre i p10 Nej, bara synligt vid p90/p10 Riktningen vände när vi justerade för längd
E3 Avsikt STA7 mycket högre i p10 Nej, bara synligt vid p90/p10 Riktningen vände när vi justerade för längd
E5 Målbilder STA7 märkbart högre i p90 Nej, bara synligt vid p90/p10 Ojusterad och justerad är liknande
LUFT (totalt) LUFT märkbart högre i p10 Nej, bara synligt vid p90/p10 Ojusterad och justerad är liknande
Integration Övrigt märkbart högre i p10 Ja, fyndet håller även vid q75/q25 Ojusterad och justerad är liknande
STA7 (totalt) STA7 lite högre i p10 Nej, bara synligt vid p90/p10 Riktningen vände när vi justerade för längd
E6 Förmågor STA7 lite högre i p90 Ja, fyndet håller även vid q75/q25 Ojusterad och justerad är liknande
E2 Antaganden STA7 lite högre i p10 Nej, bara synligt vid p90/p10 Riktningen vände när vi justerade för längd
E1 Utmaning STA7 lite högre i p10 Ja, fyndet håller även vid q75/q25 Riktningen vände när vi justerade för längd
Substansindex Övrigt liknar varandra Nej, bara synligt vid p90/p10 Riktningen vände när vi justerade för längd
E4 Värde STA7 liknar varandra Ja, fyndet håller även vid q75/q25 Ojusterad och justerad är liknande

Vilka ord används mer av varje grupp?

Ord som förekommer i fler p90-dokument än p10-dokument (eller tvärtom). Räknat per dokument: ett ord räknas en gång oavsett hur ofta det förekommer i samma dokument.

Ord som p90 använder mer

Visar i hur många dokument av 39 ordet förekommer.

  1. basera p90: 32 / p10: 4
  2. tänka p90: 24 / p10: 1
  3. gammal p90: 28 / p10: 3
  4. typ p90: 24 / p10: 2
  5. svensk p90: 23 / p10: 2
  6. projekt p90: 26 / p10: 3
  7. förslag p90: 20 / p10: 1
  8. fungera p90: 39 / p10: 7
  9. påverka p90: 32 / p10: 5
  10. befinna p90: 19 / p10: 1
  11. jobba p90: 21 / p10: 2
  12. problem p90: 21 / p10: 2
  13. själv p90: 27 / p10: 4
  14. resa p90: 20 / p10: 2
  15. börja p90: 17 / p10: 1
  16. undvika p90: 17 / p10: 1
  17. form p90: 33 / p10: 6
  18. veta p90: 16 / p10: 1
  19. begränsad p90: 16 / p10: 1
  20. brist p90: 15 / p10: 1
  21. utforska p90: 15 / p10: 1
  22. hänga p90: 15 / p10: 1
  23. lyfta p90: 18 / p10: 2
  24. sprida p90: 18 / p10: 2
  25. koppling p90: 18 / p10: 2

Ord som p10 använder mer

Visar i hur många dokument av 39 ordet förekommer.

  1. kommunfullmäktige p90: 12 / p10: 22
  2. verksamhet p90: 39 / p10: 39
  3. policy p90: 6 / p10: 16
  4. behov p90: 39 / p10: 37
  5. digital p90: 63 / p10: 51
  6. kommunstyrelse p90: 8 / p10: 15
  7. utveckling p90: 41 / p10: 36
  8. syfte p90: 35 / p10: 32
  9. möjliggöra p90: 29 / p10: 28
  10. bidra p90: 33 / p10: 30
  11. mål p90: 38 / p10: 33
  12. öka p90: 75 / p10: 53
  13. förutsättning p90: 38 / p10: 32
  14. styrdokument p90: 10 / p10: 14
  15. policyn p90: 1 / p10: 9
  16. tjänst p90: 37 / p10: 31
  17. tillämpning p90: 4 / p10: 9
  18. skapa p90: 49 / p10: 37
  19. kommun p90: 30 / p10: 26
  20. process p90: 37 / p10: 30
  21. fastställd p90: 3 / p10: 8
  22. ambition p90: 10 / p10: 13
  23. ange p90: 10 / p10: 13
  24. tillgänglighet p90: 29 / p10: 25
  25. administration p90: 9 / p10: 12
Per organisations-typ (är ord-mönstren samma i kommun, region och stat?)

Samma log-odds-ratio-analys som ovan men beräknad separat för varje organisations-typ. Visar om de generella mönstren håller eller om de drivs av en specifik typ. Org-typer med färre än 10 dokument i p90 eller p10 visas inte (otillförlitliga estimat).

Kommun (p90 n=15, p10 n=25)

Mer i p90 (top 10)

  1. form 13/1
  2. fysisk 11/1
  3. aktiv 11/1
  4. fungera 16/4
  5. skr 14/3
  6. viss 12/2
  7. viktig 15/4
  8. projekt 11/2
  9. organisera 9/1
  10. befinna 9/1

Mer i p10 (top 10)

  1. ange 3/11
  2. kommunfullmäktige 12/22
  3. verksamhet 15/25
  4. policy 3/10
  5. behov 15/24
  6. ambition 4/11
  7. effektiv 13/21
  8. innehåll 3/9
  9. prägla 3/9
  10. förvalta 3/9

Region (p90 n=8, p10 n=4)

Otillräckligt sample för stratifierad analys.

Stat (p90 n=16, p10 n=10)

Mer i p90 (top 10)

  1. basera 18/1
  2. anpassa 17/1
  3. fortsätta 21/2
  4. fungera 15/1
  5. modern 14/1
  6. fokusera 13/1
  7. typ 13/1
  8. hitta 12/1
  9. problem 12/1
  10. egen 16/2

Mer i p10 (top 10)

  1. styrdokument 3/7
  2. digitaliseringsstrategi 8/8
  3. nyttja 6/6
  4. främja 7/6
  5. verksamhet 16/10
  6. lösning 14/9
  7. möjliggöra 10/7
  8. tillgänglighet 8/6
  9. digitaliseringsarbete 6/5
  10. behov 16/9

Exempel från p90-dokument

Bästa passage från de tre dokument som scoreade högst på DNA Anatomi. Visar konkret språkmönster som triggar hög score, för läsning som inspiration eller jämförelse.

"Stärkt förtroende för Malmö stads hantering av personlig information"

Malmö program för 2017-2022 · score 88.5 · trigger: Strukturmarkör (rubrik)

"Systemintegration - en förutsättning för effektiva och automatiserade digitala tjänster"

Finspång Digital strategi · score 87.2 · trigger: Strukturmarkör (rubrik)

Semantisk närhet mellan dokumenten

Använder spaCy-vektorer (300-dim) per dokument och beräknar genomsnittlig cosinus-likhet inom p90 (38 dok), inom p10 (39 dok) och mellan grupperna. Mäter om p90-dokumenten är semantiskt täta (samma temacluster) eller endast lexikalt täta (samma ord, olika tema). Värden 0–1: högre = mer lik.

Mått Cosinus-likhet
Inom p90 (genomsnitt par-vis) 0.953
Inom p10 (genomsnitt par-vis) 0.885
Mellan p90 och p10 0.913
Tightness-diff (p90 - mellan) +0.041

Tolkning: positiv tightness-diff betyder att p90-dokumenten är mer lika varandra än de är p10-dokumenten, vilket pekar mot egen semantisk klunga. Nära noll betyder att lexikal skillnad i tabellen ovan inte motsvaras av semantisk separation.

Hur skiljer sig strukturen?

Rubriker, listor, referenser i dokumentet. Justerad för längd som ovan.

Mått p90 medel p10 medel Skillnad (längd-justerad)
headings_total_per_1k 0.0 0.0 liknar varandra
tables_count_per_1k 0.01 0.0 liknar varandra
list_bullet_count_per_1k 1.42 5.91 märkbart högre i p10
list_numbered_count_per_1k 0.79 1.0 liknar varandra
list_ratio 0.03 0.1 märkbart högre i p10
total_references_per_1k 7.72 13.93 mycket högre i p10
ref_legislation_per_1k 0.16 0.11 liknar varandra
ref_organizations_per_1k 1.38 1.31 liknar varandra
Hur är detta beräknat?

Underlag: 39 dokument i p90, 39 dokument i p10 (av dessa har 39 respektive 39 annoterad text för ord-analysen).

"Skillnad" i tabellerna ovan är översatt från Cohen's d med tröskelvärdena 0.2 (liten), 0.5 (medel) och 0.8 (stor). Standardvärden för effektstorlek (Cohen 1988).

Längd-justering. Dokumenten delas i tre lika stora grupper efter ord-antal: kort (under 1207 ord), mid (upp till 2139 ord), och lång (resten). Cohen's d beräknas inom varje längd-grupp och poolas via inverse-variance weighting (analog med fixed-effect meta-analysis av Hedges g). Detta neutraliserar längd-confound som annars uppstår när rankningen på DNA Anatomi är systematiskt längd-stratifierad. Se docs/length-bias-audit-2026-06-05.md för bakgrund.

Ord-jämförelsen använder log-odds-ratio med Dirichlet-prior (Monroe, Colaresi och Quinn 2008). En statistisk metod som visar vilka ord som är överrepresenterade i en grupp jämfört med en annan. Visas endast ord som förekommer i minst 10 dokument totalt och som är innehållsord (substantiv, verb, adjektiv, egennamn). Ord-räkningen är per-dokument förekomst, inte total frekvens (annotated/-format ger unika lemman per dok). Lexikal differential är INTE längd-justerad i nuvarande version.

Kvarstående bias. Per length-bias-audit 2026-06-05 har STA7- och DNA-rå-scores i baseline_scores.csv stark längd-korrelation (canvas_compound ρ=+0.774, nom_total ρ=+0.850). Detta är drift mellan baseline-CSV och density-versionerna i deep_scoring.py och åtgärdas separat. Stratifieringen ovan hanterar konsekvensen i cross-dim-tabellen men löser inte grundorsaken.

Underlaget är genererat 2026-06-05 mot frusen baseline. Vid förändringar i scoring eller korpus måste underlaget regenereras.

Tillbaka till p90 / p10-listor

Analyserar dokumentet