कर्मचारी सर्वेक्षण और निःशुल्क पाठ विश्लेषण

लाभ:

• विषयों, आवृत्ति और मनोदशा के अनुसार ओपन-एंडेड सर्वेक्षण प्रतिक्रियाओं का विश्लेषण करने की क्षमता
• ईएनपीएस और सहभागिता जैसे मेट्रिक्स की व्याख्या करने और उन्हें कार्रवाई अनुशंसाओं में बदलने की क्षमता
• एक पूर्वाग्रह-मुक्त सर्वेक्षण विश्लेषण ढांचा स्थापित करने की क्षमता जो गुमनामी और गोपनीयता को बरकरार रखती है

आपने एक कर्मचारी सहभागिता सर्वेक्षण आयोजित किया और 400 लोगों से सैकड़ों निःशुल्क टेक्स्ट टिप्पणियाँ प्राप्त कीं। उन्हें एक-एक करके पढ़ने और मुख्य विषयों को निकालने में कई दिन लगेंगे, और यह व्यक्तिपरक होगा: एक थके हुए पाठक की नज़र से, कुछ विषय सामने आएंगे और कुछ गायब हो जाएंगे। आर्टिफिशियल इंटेलिजेंस (एआई) सैकड़ों ओपन-एंडेड प्रतिक्रियाओं को मिनटों में थीम, आवृत्ति और मूड में समूहित करता है; यह एक ऐसी तस्वीर बनाता है जो प्रबंधन को कार्रवाई करने के लिए प्रेरित करेगा। लेकिन यहीं पर एचआर की सबसे संवेदनशील जिम्मेदारियों में से एक खेल में आती है: ये टिप्पणियाँ व्यक्तियों की होती हैं, गुमनामी का वादा किया जाता है, और इस वादे को कभी नहीं तोड़ा जाना चाहिए। इस इकाई में, हम सीखेंगे कि शुरू से अंत तक सर्वेक्षण विश्लेषण कैसे करें और गुमनामी और निष्पक्षता को कैसे बनाए रखें।

कुछ शर्तें: ईएनपीएस (कर्मचारी नेट प्रमोटर स्कोर) एक मीट्रिक है जो कंपनी की सिफारिश करने के लिए कर्मचारियों की प्रवृत्ति को मापता है; इसे "सिफारिश करने वालों" के प्रतिशत को "सिफारिश न करने वालों" के प्रतिशत से घटाकर पाया जाता है। भागीदारी/प्रतिबद्धता कर्मचारी के अपनी नौकरी और कंपनी के प्रति भावनात्मक बंधन को संदर्भित करती है। भावना विश्लेषण किसी पाठ के सकारात्मक/नकारात्मक/तटस्थ स्वर को वर्गीकृत कर रहा है। विषयगत कोडिंग मुक्त पाठों को सामान्य विषयों (जैसे कार्यभार, प्रबंधन, करियर) में विभाजित करने की प्रक्रिया है।

थीमिंग ओपन-एंडेड प्रतिक्रियाएँ

एआई मुफ़्त टेक्स्ट को संरचनात्मक अंतर्दृष्टि में बदल देता है। महत्वपूर्ण बिंदु: विश्लेषण को गुमनाम और एकत्रित रखना। चरण दर चरण प्रक्रिया:

1. डेटा को अज्ञात करें. नाम, इकाई, वर्णनात्मक विवरण हटाएं या सामान्यीकृत करें।
2. थीम निकालें. पूछें कि प्रत्येक विषय कितनी टिप्पणियों में दिखाई देता है।
3. भावनात्मक स्थिति जोड़ें. क्या प्रत्येक विषय सकारात्मक या नकारात्मक है?
4. नमूना उद्धरण मांगें - लेकिन सुरक्षित। प्रतिनिधि उद्धरण जो व्यक्ति को दूर नहीं करेंगे।
5. इसे क्रियान्वित करें. प्रत्येक महत्वपूर्ण विषय के लिए 1-2 ठोस सुझाव।
6. मनुष्यों के साथ व्याख्या करें. संख्याओं को संदर्भ के साथ पढ़ा जाता है; अंतिम टिप्पणी आपकी है.

आपकी भूमिका: एक कर्मचारी अनुभव विश्लेषक। कार्य: निम्नलिखित अनाम सर्वेक्षण टिप्पणियों का विश्लेषण करें। 1) टिप्पणियों को प्रमुख विषयों (जैसे प्रबंधन, कार्यभार, करियर, वेतन, संस्कृति, उपकरण) में समूहित करें। बताएं कि आपके पास प्रत्येक विषय के लिए कितनी टिप्पणियाँ हैं। 2) प्रत्येक विषय की सामान्य मनोदशा (सकारात्मक/नकारात्मक/तटस्थ) को सारांशित करें। 3) सबसे अधिक बार उल्लेखित 3 सकारात्मक पहलुओं और विकास के 3 क्षेत्रों की पहचान करें। नियम: टिप्पणियों को लोगों से मिलाने का प्रयास न करें। यदि ऐसे विवरण (नाम, इकाई, विशिष्ट घटना) हैं जो व्यक्ति का वर्णन करते हैं, तो सारांशित करते समय उन्हें सामान्य करें। किसी दुर्लभ/विशिष्ट टिप्पणी को अकेले उद्धृत न करें जो किसी व्यक्ति को उजागर कर सकती हो।

यह संकेत; यह प्रबंधन के लिए कार्रवाई योग्य आउटपुट उत्पन्न करता है, जैसे "कार्यभार विषय 78 टिप्पणियों में दिखाई दिया, मुख्यतः नकारात्मक; शाम की पाली मुख्य कारण है" - बिना किसी को बताए।

टिप: सर्वेक्षण विश्लेषण में सबसे बड़ा नैतिक जोखिम गुमनामी को तोड़ना है। "लेखा विभाग में एकमात्र व्यक्ति जिसके बच्चे का जन्म हुआ" जैसी टिप्पणी किसी व्यक्ति को अकेले ही दूर कर सकती है। एआई को स्पष्ट रूप से उन विवरणों को सामान्य बनाने के लिए कहें जो व्यक्ति की पहचान करते हैं और दुर्लभ/विशिष्ट टिप्पणियों को उजागर नहीं करते हैं।

मेट्रिक्स की व्याख्या करना और उन्हें क्रियान्वित करना

केवल कच्ची संख्या ही सार्थक नहीं है; क्या "ईएनपीएस 12" अच्छा है या बुरा? AI मेट्रिक्स को प्रासंगिक बनाने और उन्हें कार्य अनुशंसाओं में अनुवाद करने में मदद करता है:

नीचे दिए गए सर्वेक्षण मेट्रिक्स की व्याख्या करें और प्रबंधक को 1-पृष्ठ सारांश प्रदान करें। डेटा: - ईएनपीएस: 12 (पिछले वर्ष 25) - समग्र जुड़ाव: 5 में से 3.6 - सबसे कम स्कोरिंग क्षेत्र: "कैरियर विकास" (3.1) - उच्चतम स्कोरिंग क्षेत्र: "टीम संबंध" (4.4) आवश्यक: 1) स्पष्ट भाषा में बताएं कि क्या अच्छा है और क्या चिंताजनक है2) ईएनपीएस गिरावट के लिए संभावित परिकल्पनाएं (सटीक कारण निर्माण, परिकल्पना)3) 3 सबसे महत्वपूर्ण क्षेत्रों के लिए ठोस कार्रवाई प्रस्ताव

"कैरियर विकास" विषय पर नकारात्मक टिप्पणियों को उप-विषयों में विभाजित करें (जैसे पदोन्नति अनिश्चितता, प्रशिक्षण की कमी, प्रतिक्रिया की कमी)। प्रत्येक उप-विषय के लिए, टिप्पणियों की संख्या और एक कार्रवाई विचार लिखें। व्यक्ति को उजागर न करें; उद्धरणों को गुमनाम और प्रतिनिधि रखें।

तीन मिनी मामले

केस 1 - दिनों से मिनटों तक। 600 लोगों की एक कंपनी में, दो मानव संसाधन विशेषज्ञ एक सप्ताह में वार्षिक सर्वेक्षण पर 1,400 निःशुल्क टिप्पणियों को हाथ से कोड कर रहे थे। एआई के साथ, थीमिंग को कुछ घंटों तक कम कर दिया गया है; टीम ने विश्लेषण, व्याख्या और कार्य योजना के लिए समय समर्पित किया। कोडिंग स्थिरता में भी वृद्धि हुई क्योंकि सभी टिप्पणियों पर समान मानदंड लागू किए गए थे।

केस 2 - गुप्त सिग्नल का अवरोधन। एक निर्माण कंपनी में, कुल मिलाकर स्कोर अच्छे थे, लेकिन एआई ने 46 नकारात्मक टिप्पणियों के साथ "शिफ्ट शेड्यूल" विषय पर प्रकाश डाला; यह हाथ से पढ़ने में अनदेखा किया जाने वाला एक पैटर्न था। प्रबंधन ने शिफ्ट सिस्टम की समीक्षा की; अगली तिमाही में संबंधित शिकायतें आधी हो गईं।

केस 3 - गुमनामी संकट को रोकना। पहले प्रयास में, एक विशेषज्ञ ने एआई को इकाई जानकारी भी प्रदान की; प्रिंटआउट में खुलासा उद्धरण था "यूनिट एक्स में एकमात्र प्रबंधक के बारे में।" विशेषज्ञ ने प्रकाशन से पहले इस पर ध्यान दिया, प्रक्रिया को सही किया: इकाई जानकारी हटा दी गई, "5 से कम टिप्पणियों वाले किसी भी उप-समूह को अलग से रिपोर्ट करने" का नियम पेश किया गया। भरोसा कायम रखा.

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत: इन सर्वेक्षण टिप्पणियों को संक्षेप में प्रस्तुत करें।

परिणाम: सतही, असंख्य, गुमनामी की कोई गारंटी नहीं; एक सारांश जो किसी व्यक्ति को भी धोखा दे सकता है।

शक्तिशाली संकेत:[गुमनाम डेटा + विषय और गिनती + मनोदशा + सुरक्षित/प्रतिनिधि उद्धरण + "व्यक्ति को सामान्यीकृत करें, दुर्लभ टिप्पणी का खुलासा न करें" + कार्रवाई सुझाव]

परिणाम: एक विश्लेषण जो संख्यात्मक, थीम आधारित, क्रिया-उन्मुख है और गुमनामी बनाए रखता है।

गुमनामी और निष्पक्षता नियम

जोखिम

एहतियात

छोटे समूह का खुलासा

5 से कम उत्तरदाताओं वाले उप-समूहों की अलग-अलग रिपोर्टिंग

वर्णनात्मक विवरण

नाम/इकाई/घटना की जानकारी सामान्यीकृत करें

दुर्लभ टिप्पणी उद्धृत करते हुए

केवल प्रतिनिधि, बहुमत उद्धरणों का प्रयोग करें

पक्षपातपूर्ण टिप्पणी

प्रश्न एआई द्वारा किसी समूह (आयु, लिंग, आदि) का व्यवस्थित निषेध

असुरक्षित टूल में कच्चा डेटा निर्यात करना

प्रमाणित/संस्थागत उपकरण और अनाम डेटा का उपयोग करें

ध्यान दें: सर्वेक्षण डेटा व्यक्तिगत डेटा है; कॉर्पोरेट डेटा आश्वासन के बिना एक सामान्य टूल में कच्ची टिप्पणियाँ चिपकाने से KVKK जोखिम होता है (हम अगली इकाई में इस पर चर्चा करेंगे)। एआई का विषय अनुमान भी गलत है; मनुष्य को संख्याओं और उदाहरणों की समीक्षा करनी चाहिए और अंतिम व्याख्या करनी चाहिए। एआई पैटर्न ढूंढता है; अर्थ और कार्य का निर्धारण मनुष्य ही करता है।

सामान्य गलतियां

• गुमनामी तोड़ना. इकाई/नाम/विशिष्ट विवरण को विश्लेषण में डालने से कोई व्यक्ति भ्रमित हो सकता है।
• छोटे समूहों में रिपोर्टिंग. 3-व्यक्ति इकाई का परिणाम लगभग व्यक्तिगत डेटा है।
• कच्चे नंबर पर आंख मूंदकर भरोसा करना. एआई का विषय-वस्तुकरण त्रुटिपूर्ण है; नमूना लेकर जांच करें.
• दुर्लभ प्रभावशाली टिप्पणी पर प्रकाश डाला गया। यह प्रतिनिधि के बजाय खुलासा करने वाला हो सकता है।
• टिप्पणी को कार्रवाई से नहीं जोड़ा जा रहा है. यदि विश्लेषण ठोस कदम नहीं उठाता है, तो यह ठंडे बस्ते में पड़ा रहता है।
• पूर्वाग्रह को नजरअंदाज करना. प्रश्न कि क्या एआई व्यवस्थित रूप से किसी विशेष समूह को नकारता है।

संक्षेप में

• एआई प्रबंधन के लिए कार्रवाई योग्य अंतर्दृष्टि निकालने के लिए थीम, आवृत्ति और मूड के आधार पर सैकड़ों ओपन-एंडेड प्रतिक्रियाओं को समूहित करता है।
• गुमनामी बनाए रखें: उन विवरणों को सामान्यीकृत करें जो व्यक्ति की पहचान करते हैं, छोटे समूहों और दुर्लभ टिप्पणियों का खुलासा न करें।
• ईएनपीएस और सहभागिता जैसे मेट्रिक्स को संदर्भ में रखें; कोई निश्चित कारण मत बनाओ, एक परिकल्पना के लिए पूछो।
• प्रत्येक महत्वपूर्ण विषय को एक ठोस कार्रवाई से बांधें; यदि विश्लेषण चरण उत्पन्न नहीं करता है तो विश्लेषण मूल्य नहीं बनाता है।
• सुरक्षित उपकरण के साथ कच्चे डेटा को संसाधित करें; एआई पैटर्न ढूंढता है, मनुष्य अंतिम व्याख्या और पूर्वाग्रह की जांच करते हैं।

आवेदन कार्य

30-40 सर्वेक्षण टिप्पणियाँ तैयार करें, वास्तविक या काल्पनिक (जानबूझकर एक या दो "बताने वाला" विवरण शामिल करें)। पहले डेटा को अज्ञात करें. एआई को प्रत्येक विषय के लिए विषय-वस्तु, भावना विश्लेषण और टिप्पणी गणना उत्पन्न करने दें; सुरक्षित/प्रतिनिधि उद्धरण का अनुरोध करें। फिर आउटपुट जांचें: क्या कोई उद्धरण किसी व्यक्ति को धोखा देता है? क्या 5 से कम टिप्पणियों वाले उप-समूह को अलग से रिपोर्ट किया जाता है? अंत में, 3 सबसे महत्वपूर्ण विषयों के लिए एक ठोस कार्रवाई लिखें।

चेकलिस्ट

• [ ] क्या विश्लेषण से पहले डेटा को अज्ञात कर दिया गया है (नाम/इकाई/विस्तार)?
• [ ] क्या विषयों को संख्यात्मक रूप से रिपोर्ट किया गया है (कितनी टिप्पणियाँ)?
• [ ] क्या प्रत्येक विषय के लिए मूड निर्दिष्ट किया गया है?
• [ ] क्या 5 से कम प्रतिक्रियाओं वाले उपसमूहों को अलग से रिपोर्ट नहीं किया जाता है?
• [ ] क्या उद्धरण प्रतिनिधि और गैर-प्रकटीकरण हैं?
• [ ] क्या एआई के आउटपुट पर पूर्वाग्रह के लिए सवाल उठाया गया है?
• [ ] क्या प्रत्येक महत्वपूर्ण विषय किसी ठोस कार्रवाई से जुड़ा है?