رضا المرضى وتحليل ردود الفعل: المسح والتنقيب عن النص

المكاسب:

• القدرة على تقسيم استطلاعات رضا المرضى والتعليقات النصية المجانية إلى موضوعات وإجراء تحليل المشاعر بدعم من الذكاء الاصطناعي
• القدرة على إنتاج رؤى قابلة للتنفيذ ومسودات تحسين من نصوص الشكاوى والاقتراحات
• القدرة على اكتشاف المخاطر مثل تحيز أخذ العينات، والخطأ التلقائي في علامة المشاعر، وحماية الخصوصية قبل التفسير

لا يأتي المرضى للتحسن فحسب؛ كما أنهم يختبرون ويتذكرون كيف تم علاجهم، ومدة انتظارهم، ولمن يمكنهم إخبار مشاكلهم. يعد رضا المرضى مسؤولية أخلاقية وبُعدًا للأداء يؤثر على سمعة المؤسسة، وفي بعض الحالات، على سداد تكاليفها. لكن بيانات الرضا غالباً ما تأتي في شكلين: الاستطلاعات التي يتم قياسها بالنجوم/التقييمات والمراجعات الحرة. يستغرق الأمر وقتًا لقراءة مئات التعليقات المجانية واحدًا تلو الآخر. وهنا تكمن قوة الذكاء الاصطناعي: فهو يفصل مئات النصوص إلى موضوعات، ويستخرج النغمة العاطفية، ويلخص الشكاوى والثناءات البارزة. في هذه الوحدة سنرى كيفية القيام بذلك، ولكن الأهم من ذلك، كيفية تجنب القراءة الخاطئة. الحدود: يقوم الذكاء الاصطناعي بتلخيص النص واستخراج الموضوعات؛ لكن تسمية المشاعر التلقائية يمكن أن تكون غير معصومة من الخطأ، وقد تكون العينة متحيزة، فالتعميم والقرار يعود إلى المدير.

المفاهيم الأساسية لاستخراج النص

بعض المصطلحات: التنقيب عن النص هو عملية استخراج الأنماط والمعنى تلقائيًا من النصوص المكتوبة. تحليل المشاعر هو التصنيف التلقائي للنغمة الإيجابية/السلبية/المحايدة للنص. استخراج الموضوع/الموضوع هو تجميع تعليقات متعددة في مواضيع مشتركة (النظافة، الانتظار، التواصل، السعر). NPS (صافي نقاط الترويج) هو مؤشر ولاء يعتمد على السؤال "هل توصي بنا؟" من المفيد التفكير في بيانات الرضا في بعدين منفصلين: البعد الكمي (التقييمات، NPS) يمنحك الإجابة على سؤال "كم"؛ أما البعد النوعي (التعليقات المجانية) فيحمل إجابة سؤال "لماذا". سيكون كلاهما غير مكتمل بشكل منفصل؛ وعندما نقرأ معًا، نرى حجم المشكلة ومصدرها.

هذه المركبات لها جانب قوي ولكنه خطير. يتعثر تحليل المشاعر في دقة اللغة. الجملة "عظيم، انتظرت 3 ساعات مرة أخرى" قد تبدو إيجابية عند النظر إليها كلمة كلمة لأنها تحتوي على كلمة "رائع"؛ ومع ذلك، فإنه من السخرية. "لم يكن الأمر سيئًا" يحتوي على النفي. اللواحق والتعابير باللغة التركية تجعل هذا الأمر أكثر صعوبة. الخطر الثاني هو التحيز في أخذ العينات: يتم ملء الاستطلاع عمومًا بأشخاص إما راضون جدًا أو غاضبون جدًا؛ الأغلبية الصامتة في الوسط غير مرئية. ولذلك فإن الصورة التي يرسمها الذكاء الاصطناعي هي رأي "المؤلفين"، وليس "جميع المرضى".

إن القيمة الحقيقية لهذه الأدوات ليست في العدد، بل في الاتجاه. يخبرك التقييم بالنجوم "الرضا 3.8" لكنه لا يخبرك بما يجب إصلاحه؛ النص المجاني يخبرك بالضبط بما يزعجك. تتمثل مهمة الذكاء الاصطناعي في تحويل هذه الرواية الأولية إلى عناوين يمكن التحكم فيها: لا يمكنك قراءة 600 تعليق، ولكن يمكنك تحويل الجملة "30 بالمائة من التعليقات تشير إلى توجيه الارتباك" إلى فعل. ومع ذلك فإن هذا التخفيض ينطوي أيضاً على خسارة: فقد يضيع تحذير السلامة المذهل والفريد والمهم من مريض واحد في "الموضوع الصغير المتمثل في 2 في المائة". لذلك، بالإضافة إلى الملخص الكمي، من الضروري فحص التعليقات الفردية التي تشير إلى شكاوى أمنية أو جدية؛ يعرض الرقم الصورة الكبيرة، ويوضح التعليق الفردي الاستثناء الحرج.

خطوة بخطوة: تحليل ردود الفعل باستخدام الذكاء الاصطناعي

1. إخفاء الهوية. قم بإزالة المعرفات مثل الاسم واسم الطبيب ورقم الغرفة من التعليقات.
2. تقسيمها حسب الموضوع. اطلب من الذكاء الاصطناعي تجميع التعليقات في مواضيع مشتركة؛ عليك أن تحدد عدد العناوين.
3. أخرج النغمة العاطفية ولكن تحقق منها. احصل على المعدل الإيجابي/السلبي لكل موضوع؛ ثم اقرأ نماذج التعليقات بنفسك.
4. نظرة ثاقبة في العمل. اختر الموضوع الأكثر شيوعاً وحرقاً؛ تمت صياغة مقترح تحسين ملموس.
5. مراقبة العينة. كم شخص كتبه ومن كتبه وهل هو ممثل؟ جعل التعميم وفقا لهذا الحد.
6. القرار الاداري . قرار التحسين وتحديد الأولويات يعود للمدير؛ الذكاء الاصطناعي يقوم فقط بإعداد البصيرة.

تحذير: قد يكون الرقم الذي قدمه الذكاء الاصطناعي مثل "78 بالمائة إيجابي" قد أخطأ في قراءة السخرية والنفي. تأكد من قراءة بعض المراجعات الأولية لكل موضوع بنفسك وتحقق مما إذا كانت العلامة مطابقة للواقع.

ثلاث حالات صغيرة

الحالة 1 - الموضوع المخفي. قام أحد المستشفيات بتجميع 640 تعليقًا مجانيًا شهريًا؛ لا أحد يستطيع قراءة كل شيء. أعطت وحدة حقوق المريض التعليقات المجهولة إلى YZ وخصصتها للموضوع. لم يكن الموضوع السلبي الأكبر هو "وقت الانتظار" كما هو متوقع، بل "ارتباك التوجيه" (لم يتمكن المرضى من معرفة الطابق الذي سيذهبون إليه). ومع ترتيب بسيط لللافتات والتوجيه للموظفين، انخفض هذا الموضوع بشكل ملحوظ خلال شهرين. جعل الذكاء الاصطناعي المظهر المخفي مرئيًا؛ الحل ينتمي إلى الفريق.

الحالة الثانية – فخ السخرية. وكانت إحدى الوحدات سعيدة بملخص الذكاء الاصطناعي "الإيجابي بنسبة 82 بالمائة" وأخبرت الإدارة أن "الرضا مرتفع". قرأ موظف الجودة عينة من التعليقات: الجمل الساخرة مثل "رائع، لقد وصلت بعد ساعتين من الموعد المحدد" اعتبرت إيجابية. وكان المعدل الإيجابي الفعلي أقل. قام المعالج بمعايرة علامة الذكاء الاصطناعي من خلال قراءة عشرات التعليقات يدويًا وتصحيح العرض التقديمي.

الحالة 3 - تحيز أخذ العينات. وفي إحدى العيادات الخارجية، استجاب 45 شخصًا فقط للاستطلاع عبر الإنترنت، وكان معظمهم سلبيين للغاية. وقد أصيب أحد المديرين بالذعر لأن "العيادة قد أفلست". وذكر المحلل أن هؤلاء الأشخاص الخمسة والأربعين كانوا شريحة صغيرة ومتحيزة من بين 3200 مريض في ذلك الشهر، وأن الأشخاص الغاضبين استجابوا بشكل أكبر للاستطلاع. وبدلاً من الذعر، تم إطلاق استطلاع تمثيلي لآراء الناخبين؛ وكانت الصورة الحقيقية أكثر توازنا.

أربعة قوالب قابلة للنسخ

1) استخراج الموضوع:

دورك: مساعد محلل تجربة المريض. فيما يلي تعليقات المرضى المستقلين المجهولين (بدون اسم/اسم الطبيب). المهمة: قسم التعليقات إلى 6-8 مواضيع مشتركة (مثل الانتظار والتواصل والتنظيف والإحالة والرسوم). قم بإدراج عدد التعليقات التي لديك لكل موضوع وقدم نموذجين من الاقتباسات. لا تشكل التعليقات. فقط استخدم ما أعطيك.

2) تنبيه المشاعر + التحقق من الصحة:

اطرح النسبة الإيجابية/السالبة/المحايدة لكل موضوع. لكن وضح أن السخرية والنفي والتعبيرات الساخرة قد تضلل علامة المشاعر، وقم بإدراج التعليقات الخمسة التي لست متأكدًا منها بشكل منفصل على أنها "تم التحقق منها يدويًا". تقديم كنسبة مئوية دقيقة؛ إعطاء تقريبا.

3) البصيرة الموجهة نحو العمل:

اختر الموضوع الأكثر شيوعًا والأكثر سلبية. بالنسبة لهذا الموضوع: الخطوط العريضة للسبب الجذري المحتمل، و3 تحسينات يمكن تنفيذها على المدى القصير، والأثر/التكلفة المقدرة لكل منها. اذكر أن هذا اقتراح والقرار متروك للمدير.

4) ملاحظة مراقبة العينة:

في هذا التحليل، العدد الإجمالي للاستجابات [N] هو عدد المرضى في تلك الفترة [M]. اكتب لي ملاحظة تحذيرية حول تمثيل العينة: إذا كان معدل الاستجابة منخفضًا أو كان تمثيل المرضى الغاضبين مرتفعًا، فاشرح مخاطر تعميم النتائج في 4 نقاط.

موجه ضعيف / موجه قوي

حث ضعيف:

أخبرني إذا كانت هذه التعليقات جيدة أو سيئة، ما هي نسبة الرضا.

لا توجد مواضيع، ولا تحقق، ولا نماذج تحذيرات؛ تقوم بإرجاع نسبة مضللة واحدة.

مطالبة قوية:

فيما يلي [N] تعليقات المرضى المجهولين، عدد المرضى في ذلك الوقت [M]. افصل التعليقات حسب الموضوع، وأعط نغمة عاطفية تقريبية لكل موضوع ولكن ضع علامة إذا كانت غير متأكدة بسبب السخرية/النفي. قم بصياغة اقتراح لتحسين الموضوع الأكثر أهمية وأضف ملاحظة تحذيرية حول مدى تمثيل العينة.

خطوة

مساهمة الذكاء الاصطناعي

السيطرة البشرية

فصل الموضوع

مجموعات مئات التعليقات

هل العناوين ذات معنى؟

علامة العاطفة

ينتج نغمة سريعة

السيطرة على السخرية / النفي

البصيرة

مشروع التحسين

قابلية التطبيق، التكلفة

التعميم

يقدم ملخصا

هل العينة ممثلة؟

الأخطاء الشائعة

• قبول تسمية العاطفة كما هي. السخرية والنفي مضللة. اقرأ الأمثلة.
• التعميم من عينة صغيرة/متحيزة. 45 تعليقاً غاضباً لا يمثل جميع المرضى.
• تجاوز إخفاء الهوية. قد تتضمن التعليقات اسم الطبيب/المريض؛ إزالته.
• التركيز فقط على السلبي. تشير المواضيع الإيجابية أيضًا إلى ما ستحميه.
• الخطأ في البصيرة للقرار. القرار وأولوية التحسين يعود للمدير.

نصيحة: في نهاية كل تحليل، اقرأ 15-20 تعليقًا أوليًا عشوائيًا بنفسك وقارنها بعلامة الذكاء الاصطناعي. عادة "المعايرة" هذه التي تستغرق 10 دقائق تلتقط فخاخ السخرية والإنكار وتعلمك مدى الثقة في موجز الذكاء الاصطناعي.

في ملخص

تأتي بيانات رضا المرضى في كل من النتائج والنصوص المجانية، والذكاء الاصطناعي قوي جدًا في تقسيم مئات التعليقات إلى موضوعات وتلخيصها. لكن تسمية المشاعر التلقائية تخطئ في جانب السخرية والنفي؛ غالبًا ما تكون عينات المسح متحيزة. لذلك، لا يمكن تعميم مخرجات الذكاء الاصطناعي دون التحقق من التفسيرات الأولية وحجم العينة. يتم الحفاظ على عدم الكشف عن هويته، وإعداد البصيرة؛ لكن القرار والأولوية في التحسين تعود دائمًا إلى المدير.

مهمة التطبيق

احصل على مجموعة تعليقات مجهولة المصدر (20-30 تعليقًا، حقيقيًا أو افتراضيًا). اسأل الذكاء الاصطناعي عن السمة والنغمة باستخدام قوالب "استدلال السمة" و"تنبيه التحقق من الصحة + العاطفة". ثم اقرأ ما لا يقل عن 10 تعليقات أولية بنفسك وقارنها بعلامة الذكاء الاصطناعي؛ اكتب عدد العناصر التي تجد خطأً فيها بسبب السخرية/النفي وتمثيل العينة في 5 عناصر.

قائمة مرجعية

• [ ] هل قمت بإخفاء هوية التعليقات (بدون اسم المريض/الطبيب)؟
• [ ] هل قمت بمعايرة علامة المشاعر مع التعليقات الأولية؟
• [ ] هل أخذت في الاعتبار حجم العينة والتحيز؟
• [ ] هل بحثت عن المواضيع الإيجابية والسلبية على السواء؟
• [ ] هل تركت قرار التحسين والأولوية للمدير؟