Uchambuzi wa Kuridhika kwa Mgonjwa na Maoni: Utafiti na Uchimbaji wa Maandishi

Faida:

• Uwezo wa kugawanya tafiti za kuridhika kwa mgonjwa na maoni ya maandishi ya bure katika mada na kufanya uchambuzi wa hisia kwa msaada wa akili ya bandia.
• Uwezo wa kutoa maarifa yanayoweza kutekelezeka na rasimu za uboreshaji kutoka kwa maandishi ya malalamiko na mapendekezo
• Uwezo wa kupata mitego kama vile upendeleo wa sampuli, hitilafu otomatiki ya lebo ya hisia, na ulinzi wa faragha kabla ya kufasiriwa.

Wagonjwa hawaji tu kupata nafuu; Pia wanapata uzoefu na kukumbuka jinsi walivyotendewa, muda waliongoja, na nani wangeweza kumwambia matatizo yao. Kutosheka kwa mgonjwa ni wajibu wa kimaadili na mwelekeo wa utendaji unaoathiri sifa ya taasisi na, katika baadhi ya matukio, urejeshaji wake. Lakini data ya kuridhika mara nyingi huja katika aina mbili: tafiti zinazopimwa kwa nyota/ukadiriaji na hakiki zisizolipishwa. Inachukua muda kusoma mamia ya maoni bila malipo moja baada ya nyingine. Hapa ndipo akili ya bandia ina nguvu: hutenganisha mamia ya maandishi katika mandhari, hutoa sauti ya hisia, na muhtasari wa malalamiko na sifa kuu. Katika kitengo hiki tutaona jinsi ya kufanya hivyo, lakini muhimu zaidi, jinsi ya kuepuka kusoma vibaya. Mpaka: AI inatoa muhtasari wa maandishi na kutoa mada; lakini lebo ya mhemko kiotomatiki inaweza kuwa na makosa, sampuli inaweza kuegemea upande mmoja - jumla na uamuzi ni wa meneja.

Dhana za msingi za madini ya maandishi

Maneno machache: Uchimbaji wa maandishi ni mchakato wa kutoa ruwaza na maana kiotomatiki kutoka kwa maandishi yaliyoandikwa. Uchanganuzi wa hisia ni uainishaji otomatiki wa sauti chanya/hasi/isiyofungamana na matini. Uchimbaji wa mada/mada ni mkusanyiko wa maoni mengi katika mada zinazofanana (usafi, subiri, mawasiliano, bei). NPS (Alama ya Mkuzaji wa Mtandao) ni kiashirio cha uaminifu kulingana na swali "Je, unaweza kutupendekeza?" Ni muhimu kufikiria data ya kuridhika katika vipimo viwili tofauti: kipimo cha kiasi (ukadiriaji, NPS) hukupa jibu la swali la "kiasi gani"; Kipimo cha ubora (maoni ya bure) hubeba jibu la swali "kwa nini". Zote mbili zingekuwa hazijakamilika tofauti; Unaposoma pamoja, unaona ukubwa wa tatizo na chanzo chake.

Magari haya yana upande wenye nguvu lakini hatari. Uchambuzi wa hisia hujikwaa kwenye hila za lugha. Sentensi "Mkuu, nilingoja masaa 3 tena" inaweza kuonekana kuwa nzuri inapoangaliwa neno kwa neno kwa sababu ina "kubwa"; Hata hivyo, ni kinaya. "Haikuwa mbaya" ina kanusho. Viambishi tamati na nahau katika Kituruki hufanya hili kuwa gumu zaidi. Hatari ya pili ni upendeleo wa sampuli: uchunguzi kwa ujumla hujazwa na watu ambao wameridhika sana au hasira sana; Wengi walio kimya katikati hawaonekani. Kwa hivyo, picha ambayo AI huchota ni maoni ya "waandishi", sio "wagonjwa wote".

Thamani halisi ya zana hizi sio kwa idadi, lakini kwa mwelekeo. Ukadiriaji wa nyota unakuambia "kuridhika 3.8" lakini haukuambii unachopaswa kurekebisha; maandishi ya bure yanakueleza hasa kinachokusumbua. Kazi ya AI ni kuweka simulizi hili mbichi kuwa vichwa vya habari vinavyoweza kudhibitiwa: Huwezi kusoma maoni 600, lakini unaweza kubadilisha sentensi "asilimia 30 ya maoni hutaja mkanganyiko wa njia" kuwa vitendo. Bado upunguzaji huu pia unahusisha hasara: onyo la kuvutia, la umoja lakini muhimu la usalama kutoka kwa mgonjwa mmoja linaweza kupotea katika "mandhari ndogo ya asilimia 2." Kwa hiyo, pamoja na muhtasari wa kiasi, ni muhimu kuongeza maoni ya mtu binafsi ambayo yanaashiria usalama au malalamiko makubwa; Nambari inaonyesha picha kubwa, na maoni ya mtu binafsi yanaonyesha ubaguzi muhimu.

Hatua kwa hatua: Uchambuzi wa maoni na AI

1. Usijulishe. Ondoa vitambulisho kama vile jina, jina la daktari, nambari ya chumba kutoka kwa maoni.
2. Igawe kwa mada. Uliza AI kupanga maoni katika mada ya kawaida; Unaamua idadi ya majina.
3. Ondoa sauti ya hisia lakini uithibitishe. Pata kiwango chanya/hasi kwa kila mada; Kisha soma maoni ya mfano mwenyewe.
4. Ufahamu wa vitendo. Chagua mandhari ya mara kwa mara na inayowaka; Pendekezo thabiti la uboreshaji linaandaliwa.
5. Udhibiti wa sampuli. Ni watu wangapi waliiandika, ni nani aliyeiandika, ni mwakilishi? Fanya ujanibishaji kulingana na kikomo hiki.
6. Uamuzi wa usimamizi. Uamuzi wa uboreshaji na kipaumbele ni cha meneja; AI huandaa ufahamu tu.

Tahadhari: Nambari kama "asilimia 78 chanya" iliyotolewa na AI inaweza kuwa imesoma vibaya kejeli na kukanusha. Hakikisha umesoma hakiki chache ghafi kwa kila mada mwenyewe na uangalie ikiwa lebo inalingana na ukweli.

kesi tatu ndogo

Kesi ya 1 - Mandhari iliyofichwa. Hospitali moja ilikusanya maoni 640 bila malipo kwa mwezi; hakuna aliyeweza kuisoma yote. Kitengo cha haki za wagonjwa kilitoa maoni ambayo hayakujulikana kwa YZ na kuyakabidhi kwa mada. Mada kubwa hasi haikuwa "wakati wa kungojea" kama inavyotarajiwa, lakini "kuchanganyikiwa kwa njia" (wagonjwa hawakuweza kujua ni sakafu gani ya kwenda). Kwa mpangilio rahisi wa alama na mwongozo wa wafanyikazi, mada hii ilipungua kwa kiasi kikubwa katika miezi miwili. AI ilifanya mandhari iliyofichwa ionekane; Suluhisho lilikuwa la timu.

Kesi ya 2 - Mtego wa kejeli. Kitengo kimoja kilifurahishwa na muhtasari wa "asilimia 82 chanya" wa AI na kuwaambia wasimamizi kuwa "kuridhika ni juu." Afisa wa ubora alisoma maoni ya sampuli: Sentensi za kejeli kama vile "Ajabu, nilipata saa 2 baada ya muda wa miadi" zilichukuliwa kuwa chanya. Kiwango chanya halisi kilikuwa cha chini. Kidhibiti kilirekebisha lebo ya AI kwa kusoma kwa mkono maoni kadhaa kadhaa na kusahihisha wasilisho.

Kesi 3 - Upendeleo wa sampuli. Katika kliniki moja ya wagonjwa wa nje, ni watu 45 pekee waliojibu uchunguzi wa mtandaoni, na wengi wao walikuwa hasi sana. Meneja mmoja aliogopa kwamba "polyclinic imefilisika." Mchambuzi alikumbusha kwamba watu hawa 45 walikuwa kipande kidogo na cha upendeleo cha wagonjwa 3,200 mwezi huo, na kwamba watu wenye hasira waliitikia zaidi uchunguzi. Badala ya hofu, kura ya maoni ya mwakilishi ilizinduliwa; Picha halisi ilikuwa ya usawa zaidi.

Violezo vinne vinavyoweza kunakiliwa

1) Uchimbaji wa mada:

Jukumu lako: msaidizi kwa mchambuzi wa uzoefu wa mgonjwa. Hapo chini kuna maoni ya mgonjwa wa kujitegemea (hakuna jina/jina la daktari). Kazi: gawanya maoni katika mada 6-8 za kawaida (k.m. kusubiri, mawasiliano, kusafisha, rufaa, ada). Toa maoni mangapi uliyokuwa nayo kwa kila mada na utoe sampuli 2 za dondoo. Usifanye maoni; Tumia tu kile ninachokupa.

2) Maoni + tahadhari ya uthibitishaji:

Ondoa uwiano chanya/hasi/upande wowote kwa kila mandhari. LAKINI eleza kuwa kejeli, misemo ya kukanusha na ya kejeli inaweza kupotosha lebo ya hisia, na uorodheshe maoni 5 ambayo huna uhakika nayo kando kama "yamekaguliwa mwenyewe". Kuwasilisha kama asilimia kamili; toa takriban.

3) Maarifa yenye mwelekeo wa vitendo:

Chagua mandhari ya mara kwa mara na hasi zaidi. Kwa mada hii: muhtasari wa sababu inayowezekana, maboresho 3 yanayoweza kutekelezwa kwa muda mfupi, na makadirio ya athari/gharama ya kila moja. Sema kuwa hili ni pendekezo na uamuzi ni wa msimamizi.

4) Kidokezo cha udhibiti wa mfano:

Katika uchanganuzi huu, jumla ya idadi ya majibu [N] ni idadi ya wagonjwa katika kipindi hicho [M]. Niandikie maelezo ya tahadhari kuhusu uwakilishi wa sampuli: ikiwa kiwango cha majibu ni cha chini au wagonjwa wenye hasira wamewakilishwa kupita kiasi, eleza hatari za kujumlisha matokeo katika pointi 4.

Mwongozo dhaifu / Mwongozo thabiti

Agizo dhaifu:

Niambie ikiwa maoni haya ni mazuri au mabaya, ni asilimia ngapi ya kuridhika.

Hakuna mandhari, hakuna uthibitishaji, hakuna maonyo ya sampuli; Inarudisha asilimia moja inayopotosha.

Agizo lenye nguvu:

Hapo chini kuna maoni [N] ya wagonjwa bila majina, idadi ya wagonjwa wakati huo [M]. Tenganisha maoni kulingana na mada, toa takriban sauti ya kihisia kwa kila mada lakini weka alama kama hayana uhakika kwa sababu ya kejeli/ukanuzi. Rasimu ya pendekezo la kuboresha mada inayowaka zaidi na uongeze dokezo la tahadhari kuhusu uwakilishi wa sampuli.

hatua

Mchango wa AI

udhibiti wa binadamu

Mgawanyiko wa mada

Inakusanya mamia ya maoni

Je, majina yana maana?

alama ya hisia

Hutoa sauti ya haraka

Udhibiti wa kejeli/ukanushaji

utambuzi

Rasimu ya uboreshaji

Kutumika, gharama

ujumla

Hutoa muhtasari

Je, ni mwakilishi wa sampuli?

Makosa ya kawaida

• Kukubali lebo ya hisia kama ilivyo. Kejeli na kukanusha ni kupotosha; Soma mifano.
• Ujumla kutoka kwa sampuli ndogo/upendeleo. Maoni 45 ya hasira hayawakilishi wagonjwa wote.
• Kukwepa kutokutambulisha. Maoni yanaweza kujumuisha jina la daktari/mgonjwa; ondoa.
• Kuzingatia tu hasi. Mandhari chanya pia yanaonyesha kile utakacholinda.
• Kukosea ufahamu kwa uamuzi. Uamuzi na kipaumbele cha uboreshaji ni cha meneja.

Kidokezo: Mwishoni mwa kila uchanganuzi, soma maoni ghafi 15-20 mwenyewe na uyalinganishe na lebo ya AI. Tabia hii ya "kurekebisha" ya dakika 10 huvutia kejeli na mitego ya kukanusha na kukufundisha ni kiasi gani cha kuamini muhtasari wa AI.

Kwa muhtasari

Data ya kuridhika kwa mgonjwa huja katika alama zote mbili na maandishi ya bure, na AI ina nguvu sana katika kugawanya mamia ya maoni katika mada na kuyafupisha. Lakini lebo ya hisia otomatiki hukosea upande wa kejeli na kukanusha; Sampuli za uchunguzi mara nyingi huwa na upendeleo. Kwa hivyo, pato la AI haliwezi kuwa la jumla bila uthibitishaji na tafsiri mbichi na saizi ya sampuli. Kutokujulikana kunadumishwa, ufahamu unatayarishwa; Lakini uamuzi na kipaumbele cha uboreshaji daima ni cha meneja.

Jukumu la maombi

Pata seti ya maoni isiyojulikana (maoni 20-30, halisi au ya dhahania). Uliza mandhari na sauti ya AI kwa violezo vya "Maelekezo ya Mandhari" na "Tahadhari + ya uthibitishaji". Kisha soma angalau maoni 10 ghafi mwenyewe na ulinganishe na lebo ya AI; Andika ni ngapi kati yao unaopata makosa kutokana na kejeli/kanushi na uwakilishi wa sampuli katika vipengee 5.

orodha ya ukaguzi

• [ ] Je, nimeficha maoni (hakuna mgonjwa/ jina la daktari)?
• [ ] Je, nimerekebisha lebo ya hisia kwa maoni ghafi?
• [ ] Je, nimezingatia ukubwa wa sampuli na upendeleo?
• [ ] Je, nimetafuta mandhari chanya na hasi?
• [ ] Je, nimeacha uamuzi wa uboreshaji na kipaumbele kwa meneja?