Berbagai buku dan penelitian telah membahas aplikasi dari konsep analisis tugas (task analysis) dalam berbagai bidang. Secara garis besar, analisis tugas adalah teknik yang digunakan untuk menentukan masukan, alat, dan keterampilan atau pengetahuan yang diperlukan untuk menyelesaikan suatu tugas atau pekerjaan dengan baik. Pertanyaan tentang tugas apa yang akan pengguna selesaikan dengan menggunakan sistem sering muncul dalam pikiran seorang analis tugas. Sayangnya, analisis dari aktifitas pengguna saat ini tidak cukup untuk menebak tugas apa yang akan pengguna lakukan setelah melakukan tugas sebelumnya. Tujuan dari penelitian ini adalah untuk menguji dan menganalisis lebih lanjut hasil dari model analisis tugas dengan metode Bayesian yang dikembangkan oleh Lin dan Lehto (2009) dengan membandingkan akurasi prediksi antara semua kombinasi kata yang dihasilkan dari model Fuzzy Bayes. Alat analisis tugas semi-otomatis dengan metode Bayesian ini dikembangkan guna membantu analis tugas memprediksi kategori tugas/sub-tugas yang dilakukan oleh agen pengetahuan (informan) dari percakapan telepon di mana informan berusaha untuk membantu pelanggan memecahkan masalah mereka. Penelitian ini fokus pada dua faktor, yakni kategori sub tugas dan prediktor kata, berdasarkan tiga parameter: hit rate, false alarm rate, dan nilai sensitivitas. Hasil uji ANOVA menunjukkan bahwa kedua faktor berpengaruh signifikan terhadap ketiga parameter tersebut. Hasil penelitian ini menunjukkan bahwa prediktor yang mengandung kata tunggal selalu memiliki hit rate yang lebih tinggi. Selain itu, prediktor yang memiliki hit rate yang tinggi cenderung memiliki tingkat false alarm yang tinggi juga. Oleh karena itu, prediktor dengan hit rate yang tinggi tidak selalu memiliki nilai sensitivitas yang tinggi. Meskipun hasil tes ANOVA tidak dapat menentukan prediktor mana yang paling akurat, tetapi dapat memberikan informasi tentang kelompok prediktor dengan kinerja terbaik dan terburuk. Temuan ini mendukung hipotesis kami bahwa kombinasi kata mempengaruhi akurasi kategori sub tugas yang diprediksi.