この記事では、リッカート尺度の基本的な考え方から、回答分布の集計、平均値、Top 2 Box、クロス集計、統計検定、相関分析、因子分析まで、実際のアンケートデータを例に解説します。

この記事では、手法のしくみを1ステップずつ図で追い、うまくいく条件と、Exploratory での使い方を説明します。

この記事では、Exploratory v16.4で追加された代表的な新機能と改善点をご紹介します。

この記事では、階層クラスタリングのしくみ、デンドログラムの読み方、Exploratory での使い方を説明します。

この記事では、K-Medoidsクラスタリングのしくみ、アンケートデータに向いている理由、Exploratory での使い方を、図と動かせるグラフで説明します。

この記事では、アンケートデータ分析ソフトを選ぶときに確認したいポイントを整理したうえで、Excel、BIツール、SPSS、R / Python、Exploratoryがそれぞれどのような用途に向いているのかを見ていきます。

新しくIR担当になった教職員の方、IRの立ち上げや立て直しを考えている大学執行部の方に向けて、大学IRとは何か、どんな業務があり、どう進めるとうまくいくのかを、できるだけ具体的にお話しします。

Exploratoryって何ができるの、誰が何をするためのソフトなの？といった質問に答えます。

AIを使えば素早く簡単にデータを分析できますが、その結果がほんとうに正しいとは限りません。そこで、信頼できるデータ分析には可読性、再現性、そして信頼性が必要となります。

決定木の代表的なアルゴリズムであるCART（Classification and Regression Tree）を使った決定木について解説します。

AI時代には、統計学のリテラシー、科学的思考、分析手法の理解と結果の解釈、データ加工のスキルの4つの力がデータ分析においてより重要となります。

なぜ XGBoost や LightGBM といったモデルが、依然として構造化データの分野を支配しているのか。