Hiciste muchas subpreguntas a tu pregunta principal. Es un buen conjunto de preguntas y, como muchas de ellas, no estoy seguro de que quora sea el lugar adecuado para una pregunta tan variada. Pero he estado explorando estos medios como parte de mi estudio continuo de bases de conocimiento distribuidas, por lo que tomaré un corte en responder que no me lleva horas, pero que al menos abordaré las preguntas de manera superficial.
> ¿En qué te gustaría enfocarte específicamente?
En primer lugar, permítanme exponer algunas cosas fundamentales que deberá considerar en su análisis.
- ALCANCE de la población / vista que se está estudiando: solo puede estudiar un segmento estrecho de su población centrándose en el correo electrónico. En una empresa en la que estuve recientemente, utilizamos la mensajería instantánea de Skype para toda la información de transferencia operativa y utilizamos el correo electrónico como un “sistema de informes formal”. Si hubiera intentado comprender el comportamiento o la cultura operativa de nuestros grupos mediante el estudio de nuestros hábitos de correo electrónico, habría obtenido un conjunto de resultados MUY muy sesgado.
- Profundidad del contenido: si no mira el contenido, es como el supuesto límite de la NSA en su análisis de la llamada telefónica al solo mirar los números de teléfono involucrados y el tiempo y la duración de la llamada. Si bien puede desarrollar algunas pistas e hipótesis interesantes a partir de esos datos, en sí mismo no es suficiente para desarrollar demasiadas “verdades”. Por el contrario, podría indicarle las instrucciones correctas para investigar más a fondo y con más cuidado y tal vez hacer encuestas del contenido, etc.
- Dicho esto, yo haría:
a. mapear las relaciones entre las personas según lo medido en número de correos electrónicos por unidad de tiempo entre cada “nodo” o “persona” como se les llama a veces.
si. mira la longitud de esos correos electrónicos.
C. mire el número de correos electrónicos con y sin archivos adjuntos (ignorando las firmas y los archivos adjuntos “administrativos”).
re. la hora del día de los correos electrónicos y
mi. la correspondencia antes, durante y después de las reuniones
> ¿Qué métricas o datos considerarías especialmente relevantes? Especialmente cuando está relacionado con la productividad, la estructura del equipo, la eficiencia de la comunicación, etc.
- El crecimiento de mi carrera ha sido lento. ¿Puedo equilibrarlo tomando cursos / proyectos en línea y mejorando mi conjunto / perfil de habilidades en general?
- ¿Cuáles son las ventajas y desventajas de tomar la historia como opción principal en upsc cuando no perteneces al mundo de las humanidades?
- ¿Cómo es el MCA de IGNOU?
- En términos de preparación para la escuela de posgrado (para un doctorado) y las admisiones a la escuela de posgrado, ¿cuál es mejor: tomar más cursos de división superior y de posgrado, o pasar más tiempo investigando en laboratorios?
- Cómo ver el lado positivo después de los rechazos universitarios
Véase más arriba.
> ¿Qué esperarías aprender de los datos de correo electrónico (solo)?
No mucho. Lo que esperaría es que surjan patrones y luego respondan a ellos sumergiéndose más profundamente en los datos y buscando fuentes alternativas relacionadas para validar cualquier hipótesis o especulación que pueda haber derivado de esos patrones.
> ¿Qué limitaciones crees que hay?
Demasiadas variables impulsan el uso del correo electrónico. Analizar de verdad requiere conocer el contenido y eso se convierte en una tarea muy desafiante.
Además, existe el riesgo de ver un patrón y asignar una causa falsa sin profundizar en él. He visto surgir algunos patrones extraordinarios que parecían contar una historia clara en los datos y esa historia resultó ser completamente INCORRECTA.
> ¿Cuánto puede aprender de los metadatos y cuánto valor agregado agrega el contenido (especialmente en términos relativos, ya que el análisis del lenguaje natural probablemente consume más recursos / tiempo que el análisis de metadatos)?
Si es inteligente con sus metadatos, creo que puede hacer mucho, pero debe ser muy claro de que no agrega demasiado significado a los metadatos y siempre prueba las falacias operativas.