Comment les mots sont comptés
Les réponses sont découpées en mots par le segmenteur intégré au navigateur (Intl.Segmenter), qui applique les règles de frontière de mots d'Unicode et des dictionnaires pour le chinois, le japonais et le thaï : un texte sans espaces est donc bien découpé en mots. Les mots sont mis en minuscules et normalisés ; la ponctuation est ignorée et les nombres peuvent l'être aussi. Les articles élidés (l', d', qu') sont retirés, si bien que « l'abonnement » compte comme « abonnement ».
Les mots vides (le, de, que, très…) sont retirés avec des listes standard compactes pour neuf langues. En mode automatique, chaque réponse reçoit sa liste : selon l'écriture pour le chinois, le japonais et le coréen, sinon selon la liste qui reconnaît le plus de mots parmi le français, l'anglais, l'espagnol, l'allemand, le portugais et l'italien. Les pluriels anglais peuvent être regroupés ; aucune autre lemmatisation n'est appliquée. Les expressions de deux ou trois mots sont formées à l'intérieur d'une même proposition.
Formule
% des réponses citant w = somme des poids des réponses contenant w ÷ somme des poids des réponses avec du texte (sans pondération, chaque réponse vaut 1). Les répétitions dans une même réponse comptent une fois ; « mentions » donne toutes les occurrences.
La comparaison entre segments utilise pour chaque mot le test z de deux proportions à variance commune : z = (p₁ − p₂) ÷ √(p̄(1 − p̄)(1/n₁ + 1/n₂)), où p₁ est la part dans le segment, p₂ la part dans tous les autres segments réunis et p̄ la part commune. Avec une pondération, n est la taille d'échantillon effective de Kish (Σw)² ÷ Σw² (approximation).
Exemple chiffré
« Utiliser les données d'exemple » charge une enquête synthétique sur un service de livraison de repas : 480 personnes répondent à « Quelle est la chose qui améliorerait le plus notre service de livraison de repas ? » et 464 écrivent quelque chose. Avec les réglages par défaut (mots vides français automatiques, au moins 2 réponses par mot), le mot le plus cité est « arrivent » : 106 réponses (22,8 %) l'emploient, 106 fois au total. Suivent « livraison » (21,1 %) et « service » (18,3 %).
Par type de client, les abonnés (n = 121) citent « abonnement » dans 28,1 % de leurs réponses contre 4,7 % chez les autres : z = 7,15, p < 0,001. Les nouveaux clients (n = 147) se distinguent sur « appli » (20,4 % contre 9,1 %).
Un clic sur le mot pour lire les réponses de ce segment transforme le comptage en constat : ce qui les gêne précisément, dans leurs propres mots.
Quand l'utiliser, quand l'éviter
La fréquence des mots dit quels mots ont été employés, pas ce qu'ils veulent dire.
- Une première lecture d'une grande question ouverte avant de construire une grille de codification.
- Repérer les mots qu'un segment, une vague ou un marché emploie bien plus que les autres.
- Des réponses courtes en plusieurs langues, chinois, japonais et coréen compris, sans les envoyer sur un serveur.
- Rendre compte du sens ou de la tonalité : le comptage ignore la négation et le contexte ; il faut alors coder.
- Très peu de réponses (moins d'une trentaine) : les écarts entre mots sont surtout du bruit.
- Les longs textes, pour lesquels les modèles de thèmes ou un codage soigné conviennent mieux.
Interpréter les résultats
Lisez la part des réponses, pas la taille du mot : un mot présent dans 20 % des réponses est un thème fréquent, à 2 % c'est un détail. Lisez les réponses derrière chaque mot que vous citez. Dans la comparaison par segment, ▲ signale qu'un segment cite le mot significativement plus souvent (p < 0,05) ; avec beaucoup de mots, certains écarts sont dus au hasard, privilégiez donc les écarts importants, cohérents et dont la valeur q de Benjamini–Hochberg reste faible dans le CSV. Étape suivante : transformer les thèmes récurrents en codes avec le codage des questions ouvertes.