每一份回答，
都值得被理解。
AI辅助开放题编码。你的分类框架，你的研究判断。少一些重复劳动。
从一份开放题问卷表格开始，保留清楚的规则、题目之间的关联，以及研究者的专业判断。
LabelOwl学习体验研究
哪些因素帮助了你的学习？
3 条回答来自 course-feedback.xlsx · 共用受访者 ID
选择一条回答，体验复核工作台。
你的框架，你的判断，清楚交付每一步。
给研究，多一点空间。
注册并验证邮箱，首次进入工作台即自动开启七天 Pro 体验，并获得一次性 200 次 AI 编码。
7 天 Pro 体验，200 次 AI 编码。
一次性欢迎额度，并非每月补发。一条回答成功编码一次，计一次用量。无需银行卡，不会自动续费。
Pro 体验持续七天，200 次欢迎额度从开通起三十天有效。个人中心会显示准确日期；同一验证邮箱仅领取一次，不会按月补发。| 功能 | Free | Pro 体验 · 7 天 |
|---|---|---|
| 工作区 | 2 个可编辑单问题 work | 项目、多问卷与多问题 |
| 分类框架 | 自定义类别，支持父子层级 | 跨项目复用分类框架 |
| 复核与导出 | 手工编码、复核及 Excel／CSV 导出 | 在项目范围内使用复核与导出工具 |
| 体验结束后 | 继续使用 Free 手工编码 | 项目保留为只读，可查看和导出 |
需要更多用量时，再升级。
Beta 暂定方案：价格与月额度尚未最终确定，暂未开放购买。月额度不累计。
NanoBeta*
288 次／月
偶尔使用
规划价格 · 税前ProBeta*
1,188 次／月
轻度研究
规划价格 · 税前MaxBeta*
3,666 次／月
较大规模研究
规划价格 · 税前UltraBeta*
7,888 次／月
高频大量处理
规划价格 · 税前从分散的回答，
到有序的研究。
按问卷原样导入，让分类框架适合你的研究，让关键决定清楚可见。
- 01
一份文件，多道题。
导入Excel或CSV，预览工作表，勾选开放题列。受访者ID连接不同题目的回答。
- 02
规则，服务于研究。
导入或手填分类框架，按需补充背景、边界与层级。修改保存为可追溯版本。
- 03
始终保留你的判断。
测试 AI 建议、保存复核判断，再比较结果并导出所需数据。
哪些因素影响了你的体验？
“The examples were useful,
but I needed more time.”
标注明确提及的体验，不推断整体满意度。
更清楚的问题，
更有依据的标签。
我们测试真正影响判断的细节：原题、研究范围与类别边界。这是一轮小型诊断带来的发现。
加入原题与研究背景的人工构造边界案例。
这是诊断实验结果，不代表普遍准确率保证。你的分类框架与数据仍需验证。
| 输入条件 | 完全一致 |
|---|---|
| 仅分类框架 | 25 / 30 |
| ＋原题与研究范围 | 29 / 30 |
| ＋明确边界与示例 | 29 / 30 |
实验方法与真实问卷对照
30条构造案例，每条回答8个类别判断；jev-1.13.0，阈值0.5。期望标签在推理前固定，案例并非真实独立受访者。最低信息组有意不提供原题与研究范围。
另一个公开问卷实验包含30条回答、35个类别：增加背景后，与发表的参考编码完全一致为21/30（精确率83.9%、召回率92.2%）。参考编码未经独立人工金标准裁定，两轮实验不可混为同一准确率指标。
查看实验说明 ↗少一些繁琐，多一些理解。
从你的问卷或一道具体问题、你认可的框架开始。