Κέρδη:
- Δυνατότητα ανάλυσης απαντήσεων ανοιχτής έρευνας σύμφωνα με θέματα, συχνότητα και διάθεση
- Δυνατότητα ερμηνείας μετρήσεων όπως eNPS και αφοσίωση και μετατροπή τους σε συστάσεις δράσης
- Δυνατότητα δημιουργίας ενός πλαισίου ανάλυσης έρευνας χωρίς μεροληψία που διατηρεί την ανωνυμία και την εμπιστευτικότητα
Πραγματοποιήσατε μια έρευνα αφοσίωσης των εργαζομένων και λάβατε εκατοντάδες σχόλια δωρεάν κειμένου από 400 άτομα. Θα χρειαζόταν μέρες για να τα διαβάσω ένα προς ένα και να εξαγάγω τα κύρια θέματα, και θα ήταν υποκειμενικό: από τα μάτια ενός κουρασμένου αναγνώστη, κάποια θέματα θα ξεχώριζαν και κάποια θα εξαφανίζονταν. Η τεχνητή νοημοσύνη (AI) ομαδοποιεί εκατοντάδες ανοιχτές απαντήσεις σε θέματα, συχνότητα και διάθεση μέσα σε λίγα λεπτά. Δημιουργεί μια εικόνα που θα παρακινήσει τη διοίκηση να αναλάβει δράση. Αλλά εδώ μπαίνει στο παιχνίδι μια από τις πιο ευαίσθητες ευθύνες του HR: αυτά τα σχόλια ανήκουν σε άτομα, υπόσχεται η ανωνυμία και αυτή η υπόσχεση δεν πρέπει ποτέ να παραβιαστεί. Σε αυτή την ενότητα, θα μάθουμε πώς να διεξάγουμε ανάλυση έρευνας από άκρο σε άκρο και να διατηρούμε την ανωνυμία και τη δικαιοσύνη.
Μερικοί όροι: το eNPS (Εργαζόμενος Καθαρή Βαθμολογία Υποστηρικτών) είναι μια μέτρηση που μετρά την τάση των εργαζομένων να προτείνουν την εταιρεία. Βρίσκεται αφαιρώντας το ποσοστό «όσων συστήνουν» από το ποσοστό «όσων δεν προτείνουν». Η συμμετοχή/δέσμευση αναφέρεται στον συναισθηματικό δεσμό του εργαζομένου με τη δουλειά του και την εταιρεία. Η ανάλυση συναισθήματος ταξινομεί τον θετικό/αρνητικό/ουδέτερο τόνο ενός κειμένου. Η θεματική κωδικοποίηση είναι η διαδικασία διαίρεσης των ελεύθερων κειμένων σε κοινά θέματα (όπως φόρτος εργασίας, διαχείριση, καριέρα).
Ανοιχτές απαντήσεις θεμάτων
Το AI μετατρέπει το ελεύθερο κείμενο σε δομική διορατικότητα. Το κρίσιμο σημείο: διατήρηση της ανάλυσης ανώνυμη και συγκεντρωτική. Βήμα προς βήμα διαδικασία:
- Ανωνυμοποίηση δεδομένων. Αφαιρέστε ή γενικεύστε όνομα, μονάδα, περιγραφικές λεπτομέρειες.
- Εξαγωγή των θεμάτων. Ρωτήστε σε πόσα σχόλια εμφανίζεται κάθε θέμα.
- Προσθέστε τη συναισθηματική κατάσταση. Κάθε θέμα είναι θετικό ή αρνητικό;
- Ζητήστε δείγματα προσφορών — αλλά ασφαλή. Αντιπροσωπευτικά αποσπάσματα που δεν θα χαρίσουν το άτομο.
- Μετατρέψτε το σε δράση. 1-2 συγκεκριμένες προτάσεις για κάθε σημαντικό θέμα.
- Ερμηνεύστε με τους ανθρώπους. Οι αριθμοί διαβάζονται με τα συμφραζόμενα. Το τελευταίο σχόλιο είναι δικό σας.
Ο ρόλος σας: αναλυτής εμπειρίας εργαζομένων. Εργασία: Αναλύστε τα ακόλουθα σχόλια ανώνυμης έρευνας.1) Ομαδοποιήστε τα σχόλια σε κύρια θέματα (π.χ. διαχείριση, φόρτος εργασίας, καριέρα, αμοιβή, πολιτισμός, εργαλεία). Δηλώστε πόσα σχόλια έχετε για κάθε θέμα. 2) Συνοψίστε τη γενική διάθεση (θετική/αρνητική/ουδέτερη) κάθε θέματος. 3) Προσδιορίστε τις 3 πιο συχνά αναφερόμενες θετικές πτυχές και 3 τομείς ανάπτυξης. Κανόνας: Μην προσπαθείτε να ταιριάξετε τα σχόλια με ΑΝΘΡΩΠΟΥΣ. Εάν υπάρχουν λεπτομέρειες (όνομα, ενότητα, συγκεκριμένο γεγονός) που περιγράφουν το άτομο, ΓΕΝΙΚΑ τα κατά την περίληψη. Μην αναφέρετε μόνο ένα σπάνιο/συγκεκριμένο σχόλιο που θα μπορούσε να αποκαλύψει ένα άτομο.
Αυτή η προτροπή? Παράγει αποτελέσματα για τη διαχείριση, όπως «Το θέμα του φόρτου εργασίας εμφανίστηκε σε 78 σχόλια, κυρίως αρνητικά· η βραδινή βάρδια είναι ο κύριος λόγος» — χωρίς να αποκαλύπτεται κανένας.
Συμβουλή: Ο μεγαλύτερος ηθικός κίνδυνος στην ανάλυση της έρευνας είναι η διακοπή της ανωνυμίας. Ένα σχόλιο όπως «Το μόνο άτομο στο λογιστήριο του οποίου γεννήθηκε το παιδί» μπορεί να χαρίσει ένα άτομο από μόνο του. Πείτε ρητά στην τεχνητή νοημοσύνη να γενικεύει λεπτομέρειες που προσδιορίζουν το άτομο και να μην επισημαίνει σπάνια/συγκεκριμένα σχόλια.
Ερμηνεία μετρήσεων και μετατροπή τους σε δράση
Ο ακατέργαστος αριθμός από μόνος του δεν έχει νόημα. Είναι το "eNPS 12" καλό ή κακό; Η τεχνητή νοημοσύνη βοηθά στη διαμόρφωση των μετρήσεων και στη μετατροπή τους σε προτάσεις δράσης:
Ερμηνεύστε τις μετρήσεις της έρευνας παρακάτω και παρέχετε μια περίληψη 1 σελίδας στον διευθυντή. Δεδομένα:- eNPS: 12 (25 πέρυσι) - Συνολική δέσμευση: 3,6 στα 5- Περιοχή χαμηλότερης βαθμολογίας: "ανάπτυξη σταδιοδρομίας" (3.1) - Περιοχή υψηλότερης βαθμολογίας: "σχέσεις ομάδας" (4.4)Αναφέρεται τι είναι καλό και τι είναι απλό στη γλώσσα:1) Πιθανές υποθέσεις για πτώση του eNPS (ακριβής κατασκευή, υπόθεση) 3) Συγκεκριμένη πρόταση δράσης για τους 3 πιο κρίσιμους τομείς
Διαχωρίστε τα αρνητικά σχόλια για το θέμα «Ανάπτυξη σταδιοδρομίας» σε επιμέρους θέματα (π.χ. αβεβαιότητα προώθησης, έλλειψη εκπαίδευσης, έλλειψη ανατροφοδότησης). Για κάθε υποθέμα, σημειώστε τον αριθμό των σχολίων και μια ιδέα δράσης. Μην εκθέτετε το άτομο. Κρατήστε τα αποσπάσματα ανώνυμα και αντιπροσωπευτικά.
Τρεις Μίνι Θήκες
Περίπτωση 1 — Από ημέρες σε λεπτά. Σε μια εταιρεία 600 ατόμων, δύο ειδικοί HR κωδικοποίησαν 1.400 δωρεάν σχόλια σε μια ετήσια έρευνα σε μια εβδομάδα. Με την τεχνητή νοημοσύνη, το θέμα έχει μειωθεί σε λίγες ώρες. Η ομάδα αφιέρωσε χρόνο σε ανάλυση, ερμηνεία και σχεδιασμό δράσης. Η συνοχή κωδικοποίησης αυξήθηκε επίσης επειδή εφαρμόστηκαν τα ίδια κριτήρια σε όλα τα σχόλια.
Περίπτωση 2 — Αναχαίτιση μυστικού σήματος. Σε μια κατασκευαστική εταιρεία, οι συνολικές βαθμολογίες ήταν καλές, αλλά η τεχνητή νοημοσύνη τόνισε το θέμα «πρόγραμμα βάρδιων» με 46 αρνητικά σχόλια. αυτό ήταν ένα μοτίβο που αγνοήθηκε στο διάβασμα με το χέρι. Η διοίκηση επανεξέτασε το σύστημα βάρδιας. Το επόμενο τρίμηνο, οι σχετικές καταγγελίες μειώθηκαν στο μισό.
Περίπτωση 3 — Πρόληψη κρίσης ανωνυμίας. Στην πρώτη προσπάθεια, ένας εμπειρογνώμονας παρείχε επίσης πληροφορίες μονάδας στο AI. Η εκτύπωση περιείχε το αποκαλυπτικό απόσπασμα "Σχετικά με τον μοναδικό διευθυντή στη μονάδα Χ." Ο εμπειρογνώμονας το παρατήρησε πριν από τη δημοσίευση, διόρθωσε τη διαδικασία: αφαιρέθηκαν οι πληροφορίες της μονάδας, εισήχθη ένας κανόνας για "αναφορά ξεχωριστά κάθε υποομάδας με λιγότερα από 5 σχόλια". Η εμπιστοσύνη διατηρήθηκε.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο μήνυμα: Συνοψίστε αυτά τα σχόλια της έρευνας.
Το αποτέλεσμα: επιφανειακό, πολυάριθμο, χωρίς εγγύηση ανωνυμίας. μια περίληψη που θα μπορούσε ακόμη και να δώσει μακριά ένα άτομο.
Ισχυρή προτροπή:[ανώνυμα δεδομένα + θέμα και πλήθος + διάθεση + ασφαλής/αντιπροσωπευτική προσφορά + "γενίκευση του ατόμου, μην αποκαλύπτετε σπάνιο σχόλιο" + πρόταση δράσης]
Το αποτέλεσμα: μια ανάλυση που είναι αριθμητική, θεματική, προσανατολισμένη στη δράση και διατηρεί την ανωνυμία.
Κανόνες ανωνυμίας και δικαιοσύνης
Κίνδυνος
προφύλαξη
Αποκάλυψη μικρής ομάδας
Ξεχωριστή αναφορά υποομάδων με λιγότερους από 5 ερωτηθέντες
περιγραφική λεπτομέρεια
Γενικεύστε πληροφορίες ονόματος/μονάδας/συμβάντος
Παραθέτοντας σπάνιο σχόλιο
Χρησιμοποιήστε μόνο αντιπροσωπευτικά εισαγωγικά της πλειοψηφίας
μεροληπτικό σχόλιο
Ερώτηση για τη συστηματική άρνηση μιας ομάδας από την τεχνητή νοημοσύνη (ηλικία, φύλο, κ.λπ.)
Εξαγωγή ακατέργαστων δεδομένων σε μη ασφαλές εργαλείο
Χρησιμοποιήστε πιστοποιημένα/θεσμικά εργαλεία και ανώνυμα δεδομένα
Προσοχή: Τα δεδομένα της έρευνας είναι προσωπικά δεδομένα. Η επικόλληση ακατέργαστων σχολίων σε ένα γενικό εργαλείο χωρίς εταιρική διασφάλιση δεδομένων ενέχει κίνδυνο KVKK (θα το εξετάσουμε στην επόμενη ενότητα). Το συμπέρασμα θέματος του AI είναι επίσης εσφαλμένο. Ένας άνθρωπος πρέπει να αναθεωρήσει τους αριθμούς και τα παραδείγματα και να κάνει την τελική ερμηνεία. Το AI βρίσκει μοτίβα. Ο άνθρωπος καθορίζει το νόημα και τη δράση.
Συνήθη λάθη
- Σπάζοντας την ανωνυμία. Η τοποθέτηση της μονάδας/όνομα/συγκεκριμένης λεπτομέρειας σε ανάλυση μπορεί να κάνει ένα άτομο μακριά.
- Αναφορά σε μικρές ομάδες. Το αποτέλεσμα μιας μονάδας 3 ατόμων είναι σχεδόν προσωπικά δεδομένα.
- Εμπιστευόμενος τυφλά τον ακατέργαστο αριθμό. Η θεματοποίηση του AI είναι εσφαλμένη. Ελέγξτε με δειγματοληψία.
- Τονίζοντας το σπάνιο εντυπωσιακό σχόλιο. Μπορεί να είναι αποκαλυπτικό και όχι αντιπροσωπευτικό.
- Μη σύνδεση του σχολίου με τη δράση. Εάν η ανάλυση δεν παράγει συγκεκριμένα βήματα, παραμένει στο ράφι.
- Παραβλέποντας την προκατάληψη. Ερώτηση εάν το AI αναιρεί συστηματικά μια συγκεκριμένη ομάδα.
Συνοπτικά
- Η τεχνητή νοημοσύνη ομαδοποιεί εκατοντάδες απαντήσεις ανοιχτού τύπου ανά θέματα, συχνότητα και διάθεση για να εξαγάγει πρακτικές πληροφορίες για τη διαχείριση.
- Διατηρήστε την ανωνυμία: γενικεύστε λεπτομέρειες που προσδιορίζουν το άτομο, μην αποκαλύπτετε μικρές ομάδες και σπάνια σχόλια.
- Βάλτε μετρήσεις όπως το eNPS και η αφοσίωση στο πλαίσιο. Μην δημιουργείτε έναν οριστικό λόγο, ζητήστε μια υπόθεση.
- Συνδέστε κάθε σημαντικό θέμα με μια συγκεκριμένη δράση. Η ανάλυση δεν δημιουργεί αξία εάν δεν παράγει βήματα.
- Επεξεργασία ακατέργαστων δεδομένων με ασφαλές εργαλείο. Η τεχνητή νοημοσύνη βρίσκει μοτίβα, οι άνθρωποι κάνουν την τελική ερμηνεία και τον έλεγχο της προκατάληψης.
Εργασία εφαρμογής
Προετοιμάστε 30-40 σχόλια έρευνας, αληθινά ή φανταστικά (συμπεριλάβετε σκόπιμα μια ή δύο λεπτομέρειες που λένε). Ανωνυμοποιήστε πρώτα τα δεδομένα. Ζητήστε από την τεχνητή νοημοσύνη να δημιουργήσει θεματολογία, ανάλυση συναισθημάτων και μετρήσεις σχολίων για κάθε θέμα. Ζητήστε ασφαλείς/αντιπροσωπευτικές προσφορές. Έπειτα ελέγξτε την έξοδο: χαρίζουν κάποιο άτομο κάποια εισαγωγικά; Αναφέρεται ξεχωριστά μια υποομάδα με λιγότερα από 5 σχόλια; Τέλος, γράψτε μια συγκεκριμένη δράση για τα 3 πιο κρίσιμα θέματα.
λίστα ελέγχου
- [ ] Έχουν γίνει ανώνυμα τα δεδομένα πριν από την ανάλυση (όνομα/μονάδα/λεπτομέρεια);
- [ ] Αναφέρονται τα θέματα αριθμητικά (πόσα σχόλια);
- [ ] Έχει καθοριστεί η διάθεση για κάθε θέμα;
- [ ] Δεν αναφέρονται χωριστά οι υποομάδες με λιγότερες από 5 απαντήσεις;
- [ ] Είναι οι τιμές αντιπροσωπευτικές και δεν αποκαλύπτονται;
- [ ] Έχει αμφισβητηθεί το αποτέλεσμα του AI για μεροληψία;
- [ ] Κάθε κρίσιμο θέμα συνδέεται με μια συγκεκριμένη δράση;