การวิเคราะห์แบบบูลีนได้รับการแนะนำโดย Flament (1976) ^{[ 1 ]}เป้าหมายของการวิเคราะห์แบบบูลีนคือการตรวจจับ ความสัมพันธ์ เชิงกำหนดระหว่างรายการของแบบสอบถามหรือโครงสร้างข้อมูลที่คล้ายกันในรูปแบบการตอบสนองที่สังเกตได้ ความสัมพันธ์เชิงกำหนดเหล่านี้มีรูปแบบเป็นสูตรตรรกะที่เชื่อมโยงรายการต่างๆ สมมติว่าแบบสอบถามมีรายการi , jและk ตัวอย่างของความ สัมพันธ์เชิงกำหนดดังกล่าวคือi → j , i ∧ j → kและi ∨ j → k             

นับตั้งแต่ผลงานพื้นฐานของ Flament (1976) ได้มีการพัฒนาวิธีการวิเคราะห์แบบบูลีนขึ้นมาหลายวิธี ตัวอย่างเช่น Buggenhaut และ Degreef (1987), Duquenne (1987), การวิเคราะห์แผนผังรายการของ Leeuwe (1974), Schrepp (1999) หรือ Theuns (1998) วิธีการเหล่านี้มีเป้าหมายร่วมกันคือการหาความสัมพันธ์เชิงกำหนดระหว่างรายการต่างๆ ในแบบสอบถามจากข้อมูล แต่แตกต่างกันในอัลกอริทึมที่ใช้เพื่อให้บรรลุเป้าหมายนี้

การวิเคราะห์แบบบูลีนเป็นวิธีการสำรวจเพื่อตรวจหาความสัมพันธ์เชิงกำหนดระหว่างรายการต่างๆ ความสัมพันธ์ที่ตรวจพบจะต้องได้รับการยืนยันในการวิจัยต่อไป วิธีการวิเคราะห์แบบบูลีนไม่ได้ตั้งสมมติฐานว่าความสัมพันธ์ที่ตรวจพบนั้นอธิบายข้อมูลได้อย่างสมบูรณ์ อาจมีความสัมพันธ์เชิงความน่าจะเป็นอื่นๆ ด้วย ดังนั้น การวิเคราะห์แบบบูลีนจึงพยายามตรวจหาโครงสร้างเชิงกำหนดที่น่าสนใจในข้อมูล แต่ไม่ได้มีเป้าหมายที่จะเปิดเผยทุกแง่มุมเชิงโครงสร้างในชุดข้อมูลดังนั้นจึงควรใช้วิธีการอื่นๆ เช่น การวิเคราะห์ กลุ่มแฝงร่วมกับการวิเคราะห์แบบบูลีนด้วย

การศึกษาความสัมพันธ์เชิงกำหนดมีมาอย่างยาวนานในสาขาจิตวิทยาการศึกษา โดยทั่วไปแล้ว ตัวแปรที่ใช้ในด้านนี้มักแสดงถึงทักษะหรือความสามารถทางปัญญาของผู้เรียน Bart และ Airasian (1974) ใช้การวิเคราะห์แบบบูลีนเพื่อสร้างความสัมพันธ์เชิงตรรกะในชุดของ งานตามแนวคิดของ Piagetตัวอย่างอื่นๆ ในแนวทางนี้ ได้แก่ ลำดับขั้นการเรียนรู้ของ Gagné (1968) หรือทฤษฎีการเรียนรู้เชิงโครงสร้างของ Scandura (1971)

มีการพยายามใช้การวิเคราะห์เชิงตรรกะแบบบูลีนหลายครั้ง โดยเฉพาะการวิเคราะห์แผนผังรายการเพื่อสร้างพื้นที่ความรู้จากข้อมูล ตัวอย่างสามารถพบได้ใน Held และ Korossy (1998) หรือ Schrepp (2002)

วิธีการวิเคราะห์แบบบูลีนถูกนำมาใช้ในงานวิจัย ทางสังคมศาสตร์หลายแขนงเพื่อทำความเข้าใจโครงสร้างของ ข้อมูล แบบสองตัวเลือกตัวอย่างเช่น Bart และ Krus (1973) ใช้การวิเคราะห์แบบบูลีนเพื่อสร้างลำดับชั้นของรายการที่อธิบายพฤติกรรมที่ไม่เป็นที่ยอมรับทางสังคม Janssens (1999) ใช้วิธีการวิเคราะห์แบบบูลีนเพื่อตรวจสอบกระบวนการบูรณาการของชนกลุ่มน้อยเข้าสู่ระบบค่านิยมของวัฒนธรรมหลักRomme (1995a) ได้นำการวิเคราะห์เชิงเปรียบเทียบแบบบูลีนมาใช้ในวิทยาศาสตร์การจัดการ และนำไปประยุกต์ใช้ในการศึกษาเกี่ยวกับกระบวนการจัดระเบียบตนเองในทีมบริหาร (Romme 1995b)

การวิเคราะห์เชิงบูลีนมีความสัมพันธ์กับสาขาการวิจัยอื่นๆ โดยเฉพาะอย่างยิ่งมีความเชื่อมโยงอย่างใกล้ชิดระหว่างการวิเคราะห์เชิงบูลีนกับพื้นที่ความรู้ทฤษฎีพื้นที่ความรู้เป็นกรอบทฤษฎีสำหรับการอธิบายความรู้ของมนุษย์อย่างเป็นทางการ ในแนวทางนี้ โดเมนความรู้จะถูกแทนด้วยเซตQของปัญหา ความรู้ของบุคคลในโดเมนนั้นจะถูกอธิบายด้วยเซตย่อยของปัญหาจากQที่บุคคลนั้นสามารถแก้ไขได้ เซตนี้เรียกว่าสถานะความรู้ของบุคคลนั้น เนื่องจากความสัมพันธ์ระหว่างรายการต่างๆ (เช่น ถ้าการแก้ปัญหาข้อjหมายถึงการแก้ปัญหาข้อi ) โดยทั่วไปแล้วองค์ประกอบทั้งหมดในเซตกำลังของQจะไม่เป็นสถานะความรู้ที่เป็นไปได้ เซตของสถานะความรู้ที่เป็นไปได้ทั้งหมดเรียกว่าโครงสร้างความรู้วิธีการวิเคราะห์เชิงบูลีนสามารถนำมาใช้สร้างโครงสร้างความรู้จากข้อมูลได้ (เช่น Theuns, 1998 หรือ Schrepp, 1999) ความแตกต่างหลักระหว่างทั้งสองสาขาการวิจัยนี้คือ การวิเคราะห์แบบบูลีนมุ่งเน้นไปที่การสกัดโครงสร้างจากข้อมูล ในขณะที่ทฤษฎีพื้นที่ความรู้มุ่งเน้นไปที่คุณสมบัติเชิงโครงสร้างของความสัมพันธ์ระหว่างโครงสร้างความรู้และสูตรตรรกะที่อธิบายโครงสร้างนั้น

ทฤษฎีพื้นที่ความรู้มีความเกี่ยวข้องอย่างใกล้ชิดกับการวิเคราะห์แนวคิดเชิงรูปธรรม (Ganter and Wille, 1996) คล้ายกับทฤษฎีพื้นที่ความรู้ แนวทางนี้มุ่งเน้นไปที่การอธิบายและการแสดงภาพความสัมพันธ์ที่มีอยู่แบบเป็นทางการ การวิเคราะห์แนวคิดเชิงรูปธรรมนำเสนอวิธีการที่มีประสิทธิภาพมากในการสร้างความสัมพันธ์ดังกล่าวจากข้อมูล โดยเน้นที่นิพจน์ if-then (" ^การบ่งชี้ ") มีแม้กระทั่งวิธีการที่เรียกว่าการสำรวจคุณลักษณะ [ ^{2 ]}สำหรับการดึงการบ่งชี้ทั้งหมดจากข้อมูลที่เข้าถึงได้ยาก

อีกสาขาที่เกี่ยวข้องคือการขุดค้นข้อมูล (Data Mining ) การขุดค้นข้อมูลเกี่ยวข้องกับการสกัดความรู้จากฐานข้อมูลขนาดใหญ่ อัลกอริทึมการขุดค้นข้อมูลหลายตัวสามารถสกัดความสัมพันธ์ในรูปแบบ j → i (เรียกว่ากฎความสัมพันธ์ ) จากฐานข้อมูลได้

ความแตกต่างหลักระหว่างการวิเคราะห์แบบบูลีนและการสกัดกฎความสัมพันธ์ในงานขุดข้อมูลคือการตีความผลลัพธ์ที่ได้มา เป้าหมายของการวิเคราะห์แบบบูลีนคือการสกัดผลลัพธ์จากข้อมูลซึ่ง (ยกเว้นข้อผิดพลาดแบบสุ่มในพฤติกรรมการตอบสนอง) เป็นจริงสำหรับทุกแถวในชุดข้อมูล สำหรับแอปพลิเคชันการขุดข้อมูลนั้น เพียงพอแล้วที่จะตรวจจับผลลัพธ์ที่ตรงตามระดับความแม่นยำที่กำหนดไว้ล่วงหน้า

ตัวอย่างเช่น ในสถานการณ์ทางการตลาด การค้นหาข้อสรุปที่เป็นจริงมากกว่า x% ของแถวในชุดข้อมูลนั้นเป็นสิ่งที่น่าสนใจ ร้านหนังสือออนไลน์อาจสนใจค้นหาข้อสรุปในรูปแบบที่ว่าหากลูกค้าสั่งซื้อหนังสือ A เขาจะสั่งซื้อหนังสือ B ด้วยหากข้อมูลลูกค้ามากกว่า 10% ของข้อมูลลูกค้าทั้งหมดดำเนินการตาม ข้อสรุปเหล่านั้น