Jämförelse av E3 Avsikt mellan dokument i topp-tiondelen (p90) och botten-tiondelen (p10).
p90 har i snitt 1248 ord (median 1047). p10 har i snitt 1245 ord (median 705).
Grupperna är ungefär lika långa. Skillnaderna nedan beror inte på dokumentlängd.
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 |
|---|---|---|---|---|
| STA7 (totalt) | STA7 | mycket högre i p90 | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| DNA Driv | DNA | märkbart högre i p90 | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| E1 Utmaning | STA7 | märkbart högre i p90 | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| DNA Nomenklatur | DNA | märkbart högre i p90 | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| E5 Målbilder | STA7 | märkbart högre i p90 | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| BLA (totalt) | BLA | lite högre i p90 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| Substansindex | Övrigt | lite högre i p90 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| DNA Anatomi | DNA | lite högre i p10 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E4 Värde | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| LUFT (totalt) | LUFT | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E2 Antaganden | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E7 Friktion | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E6 Förmågor | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| Integration | Övrigt | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
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.
Visar i hur många dokument av 38 ordet förekommer.
Visar i hur många dokument av 38 ordet förekommer.
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=29, p10 n=21)
Mer i p90 (top 10)
Mer i p10 (top 10)
Region (p90 n=4, p10 n=5)
Otillräckligt sample för stratifierad analys.
Stat (p90 n=5, p10 n=12)
Otillräckligt sample för stratifierad analys.
Bästa passage från de tre dokument som scoreade högst på E3 Avsikt. Visar konkret språkmönster som triggar hög score, för läsning som inspiration eller jämförelse.
"Till föreliggande policy tillhör även nedanstående dokument vilka varje anställd ska känna till och följa innehållet i: - Regler och riktlinjer för IT-användning - Förvaltningsdelarnas kompletterande regler, handlingsplaner och riktlinjer Figur och rangordning av dessa dokument framgår på nästa sida. <!-- image -->"
Kävlinge IT-policy · score 91.4 · trigger: Avsikt artikulerad
"Policyn gäller för samtliga i staden och omfattar styrelse, nämnder, helägda företag och utövare som nyttjar stadens organisatoriska stöd eller IT-system. ##"
Solna IT-policy · score 88.1 · trigger: Avsikt artikulerad
"Vi prioriterar och betraktar data och information som strategiska tillgångar eftersom de är basen för digitalisering och insiktsfullt beslutsfattande."
Region Västra Götaland Digitaliseringspolicy 2020-2025 · score 87.8 · trigger: Avsikt artikulerad
Använder spaCy-vektorer (300-dim) per dokument och beräknar genomsnittlig cosinus-likhet inom p90 (38 dok), inom p10 (38 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) | 0.923 |
| Inom p10 (genomsnitt par-vis) | 0.910 |
| Mellan p90 och p10 | 0.918 |
| Tightness-diff (p90 - mellan) | +0.005 |
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.
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 | 2.72 | 4.05 | liknar varandra |
| list_numbered_count_per_1k | 0.84 | 1.06 | liknar varandra |
| list_ratio | 0.05 | 0.07 | liknar varandra |
| total_references_per_1k | 9.49 | 12.17 | lite högre i p10 |
| ref_legislation_per_1k | 0.22 | 0.02 | lite högre i p90 |
| ref_organizations_per_1k | 0.47 | 0.9 | lite högre i p10 |
Underlag: 38 dokument i p90, 38 dokument i p10 (av dessa har 38 respektive 38 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 E3 Avsikt 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.