Les commentaires téléchargés ne sont conservés que pendant deux semaines dans le back-end de MLY avant d'être supprimés, à des fins d'assistance et d'assurance qualité uniquement. Ces commentaires sont stockés sur l'infrastructure Microsoft Azure aux États-Unis.

Vos données sont vos données. Les commentaires téléchargés sur MLY ne sont pas utilisés à d'autres fins que l'analyse demandée. En outre, les données des clients ne sont utilisées dans le cadre de la formation MLY que si le client a donné son accord par écrit.

MLY analyse les données qualitatives et les résume en informations quantitatives telles que les sentiments, les alertes, les recommandations et les sujets. Grâce au traitement du langage naturel (NLP), MLY peut reconnaître des modèles cachés et des corrélations dans les données, les regrouper et les classer, et, en traitant de plus en plus de données, apprendre et s'améliorer en permanence.

Explorance utilise une approche d'apprentissage automatique supervisée pour former MLY. Cela garantit que MLY n'est entraîné qu'avec des commentaires qui ont été formellement approuvés via un processus interne d'annotation à l'aveugle. Dans le cadre de ce processus, trois annotateurs travaillent indépendamment les uns des autres, et le commentaire résultant n'est approuvé que si les trois annotateurs sont unanimement d'accord sur l'interprétation.

Les principaux atouts de MLY sont sa catégorisation spécialisée et ses informations exploitables. Conçue pour comprendre l'expérience des étudiants et des employés, l'analyse permet d'obtenir des informations plus ciblées et plus pertinentes, avec des thèmes et une terminologie spécifiques au sujet. En outre, MLY permet d'exploiter les informations grâce à ses modèles de recommandations et d'alertes, qui fournissent un point de départ pour les thèmes les plus importants qui ressortent des données.

Les sources de feedback que vous pouvez faire analyser par MLY comprennent les sondages d'engagement, les évaluations de l'enseignement, les évaluations de performance, les sondages sur l'expérience, les évaluations par les pairs, les évaluations de programmes, les médias sociaux, les sites web d'évaluation, les forums de discussion, et bien d'autres choses encore.

Lors d'une analyse, chaque commentaire se voit attribuer une note d'alerte comprise entre 0 et 100. Ce score est comparé au seuil fixé pour les scores d'alerte, et tout score égal ou supérieur au seuil sera affiché comme une alerte dans les résultats. Le seuil par défaut est fixé à 50, mais il peut être ajusté à la hausse ou à la baisse en fonction des politiques, de la tolérance ou de la culture de votre organisation en ce qui concerne les commentaires à examiner en vue d'un suivi éventuel.

Plusieurs glossaires peuvent être créés pour tenir compte de l'utilisation d'acronymes ou d'abréviations spécialisés dans différents départements, facultés, lieux, etc. et être ensuite appliqués à ces commentaires.