Mga nadagdag:
- Kakayahang suriin ang mga bukas na sagot sa survey ayon sa mga tema, dalas at mood
- Kakayahang bigyang-kahulugan ang mga sukatan gaya ng eNPS at pakikipag-ugnayan at gawing mga rekomendasyon sa pagkilos ang mga ito
- Kakayahang magtatag ng isang walang bias na balangkas ng pagsusuri sa survey na nagpapanatili ng anonymity at pagiging kumpidensyal
Nagsagawa ka ng isang survey sa pakikipag-ugnayan ng empleyado at nakatanggap ng daan-daang libreng text na komento mula sa 400 tao. Aabutin ng mga araw upang basahin ang mga ito nang isa-isa at kunin ang mga pangunahing tema, at ito ay magiging subjective: mula sa mga mata ng isang pagod na mambabasa, ang ilang mga tema ay lalabas at ang ilan ay mawawala. Pinagpangkat-pangkat ng Artificial Intelligence (AI) ang daan-daang open-ended na tugon sa mga tema, dalas, at mood sa ilang minuto; Lumilikha ito ng isang larawan na mag-uudyok sa pamamahala na kumilos. Ngunit dito pumapasok ang isa sa mga pinakasensitibong responsibilidad ng HR: ang mga komentong ito ay pagmamay-ari ng mga indibidwal, ipinangako ang hindi pagkakilala, at ang pangakong ito ay hindi dapat sirain. Sa unit na ito, matututunan natin kung paano magsagawa ng pagsusuri sa survey ng end-to-end at panatilihin ang anonymity at pagiging patas.
Ilang termino: ang eNPS (employee Net Promoter Score) ay isang sukatan na sumusukat sa hilig ng mga empleyado na magrekomenda sa kumpanya; Ito ay matatagpuan sa pamamagitan ng pagbabawas ng porsyento ng "mga nagrerekomenda" sa porsyento ng "mga hindi nagrerekomenda". Ang partisipasyon/pangako ay tumutukoy sa emosyonal na bono ng empleyado sa kanyang trabaho at sa kumpanya. Ang pagsusuri ng damdamin ay pag-uuri ng positibo/negatibo/neutral na tono ng isang teksto. Ang thematic coding ay ang proseso ng paghahati ng mga libreng teksto sa mga karaniwang paksa (tulad ng workload, pamamahala, karera).
Mga Open-Ended na Tugon sa Theming
Ginagawang structural insight ng AI ang libreng text. Ang kritikal na punto: panatilihing hindi nakikilala at pinagsama-sama ang pagsusuri. Hakbang-hakbang na proseso:
- I-anonymize ang data. Alisin o gawing pangkalahatan ang pangalan, unit, mga detalyeng naglalarawan.
- I-extract ang mga tema. Itanong kung ilang komento ang lalabas sa bawat tema.
- Idagdag ang emosyonal na estado. Positibo ba o negatibo ang bawat tema?
- Humingi ng mga sample na quote — ngunit mga ligtas. Mga quote ng kinatawan na hindi magbibigay sa indibidwal.
- Gawing aksyon ito. 1-2 kongkretong mungkahi para sa bawat mahalagang tema.
- Magbigay kahulugan sa mga tao. Binabasa ang mga numero nang may konteksto; Ang huling komento ay sa iyo.
Ang iyong tungkulin: isang analyst ng karanasan ng empleyado.Gawain: Suriin ang sumusunod na hindi kilalang mga komento sa survey.1) Igrupo ang mga komento sa mga pangunahing tema (hal. pamamahala, workload, karera, suweldo, kultura, mga tool). Sabihin kung gaano karaming komento ang mayroon ka para sa bawat tema.2) Ibigay ang buod ng pangkalahatang mood (positibo/negatibo/neutral) ng bawat tema.3) Tukuyin ang 3 pinakamadalas na binanggit na positibong aspeto at 3 bahagi ng pag-unlad. Panuntunan: Huwag subukang itugma ang mga komento sa TAO. Kung may mga detalye (pangalan, yunit, partikular na kaganapan) na naglalarawan sa indibidwal, PANGKALAHATANG ito kapag nagbubuod. Huwag mag-quote ng isang bihirang/tiyak na komento lamang na maaaring magbunyag ng isang tao.
Ang prompt na ito; Gumagawa ito ng naaaksyunan na output para sa pamamahala, tulad ng "Ang tema ng workload ay lumabas sa 78 komento, karamihan ay negatibo; panggabing shift ang pangunahing dahilan" — nang hindi inilalantad ang sinuman.
Tip: Ang pinakamalaking etikal na panganib sa pagsusuri ng survey ay ang pagsira sa anonymity. Ang isang komento tulad ng "Ang tanging tao sa departamento ng accounting na ang anak ay ipinanganak" ay maaaring magbigay sa isang tao nang mag-isa. Tahasang sabihin sa AI na i-generalize ang mga detalyeng tumutukoy sa indibidwal at hindi nagha-highlight ng mga bihirang/partikular na komento.
Pagbibigay-kahulugan sa Mga Sukatan at Pagsasalin sa mga ito sa Aksyon
Ang raw na numero lamang ay hindi makabuluhan; Ang "eNPS 12" ba ay mabuti o masama? Tinutulungan ng AI na i-contextualize ang mga sukatan at isalin ang mga ito sa mga rekomendasyon sa pagkilos:
Bigyang-kahulugan ang mga sukatan ng survey sa ibaba at magbigay ng 1-pahinang buod sa tagapamahala.Data:- eNPS: 12 (25 noong nakaraang taon) - Pangkalahatang pakikipag-ugnayan: 3.6 sa 5- Pinakamababang lugar ng pagmamarka: "pag-unlad ng karera" (3.1)- Pinakamataas na lugar ng pagmamarka: "mga relasyon sa koponan" (4.4)Ipaliwanag kung ano ang mabuti at kung ano ang malinaw sa:1) wika Mga posibleng hypotheses para sa pagbaba ng eNPS (paggawa ng eksaktong dahilan, hypothesis)3) Konkretong panukalang aksyon para sa 3 pinaka kritikal na lugar
Hatiin ang mga negatibong komento sa temang "Pagpapaunlad ng karera" sa mga sub-tema (hal. kawalan ng katiyakan sa promosyon, kawalan ng pagsasanay, kawalan ng feedback). Para sa bawat sub-tema, isulat ang bilang ng mga komento at ideya ng aksyon. Huwag ilantad ang tao; Panatilihing anonymous at kinatawan ang mga quote.
Tatlong Mini Case
Kaso 1 — Mula araw hanggang minuto. Sa isang kumpanya ng 600 katao, dalawang HR specialist ang nag-hand-coding ng 1,400 libreng komento sa isang taunang survey sa isang linggo. Sa AI, nabawasan ang theming sa ilang oras; Ang koponan ay naglaan ng oras sa pagsusuri, interpretasyon at pagpaplano ng aksyon. Tumaas din ang pagkakapare-pareho ng coding dahil inilapat ang parehong pamantayan sa lahat ng komento.
Kaso 2 — Pagharang ng lihim na signal. Sa isang kumpanya ng pagmamanupaktura, ang mga pangkalahatang marka ay maganda, ngunit ang AI ay na-highlight ang "iskedyul ng shift" na may 46 na negatibong komento; ito ay isang pattern na hindi pinapansin sa pagbabasa ng kamay. Sinuri ng pamamahala ang sistema ng shift; Sa sumunod na quarter, nahati ang mga kaugnay na reklamo.
Kaso 3 — Pag-iwas sa isang krisis sa anonymity. Sa unang pagtatangka, nagbigay din ang isang eksperto ng impormasyon ng yunit sa AI; Ang printout ay naglalaman ng nagsisiwalat na quote na "Tungkol sa nag-iisang tagapamahala sa unit X." Napansin ito ng eksperto bago ang paglalathala, itinama ang proseso: inalis ang impormasyon ng unit, ipinakilala ang isang panuntunan sa "mag-ulat nang hiwalay sa anumang sub-grupo na may mas mababa sa 5 komento." Napangalagaan ang tiwala.
Mahina Prompt / Malakas na Prompt
Mahinang prompt:Ibuod ang mga komento sa survey na ito.
Ang resulta: mababaw, marami, na walang garantiya ng pagkawala ng lagda; isang buod na maaaring magbigay pa ng isang indibidwal.
Napakahusay na prompt:[anonymized na data + tema at bilang + mood + ligtas/kinakatawan na quote + "i-generalize ang indibidwal, huwag ibunyag ang bihirang komento" + mungkahi ng pagkilos]
Ang resulta: isang pagsusuri na numerical, may temang, nakatuon sa pagkilos at nagpapanatili ng hindi pagkakilala.
Mga Panuntunan sa Anonymity at Fairness
Panganib
pag-iingat
Pagsisiwalat ng maliit na grupo
Paghiwalayin ang pag-uulat ng mga sub-grupo na may mas kaunti sa 5 respondent
naglalarawang detalye
I-generalize ang impormasyon ng pangalan/unit/kaganapan
Pag-quote ng bihirang komento
Gumamit lamang ng kinatawan, karamihan ng mga panipi
bias na komento
Tanong sa sistematikong pagtanggi ng AI sa isang grupo (edad, kasarian, atbp.)
Pag-export ng raw data sa hindi secure na tool
Gumamit ng mga sertipikado/institusyonal na tool at anonymous na data
Pansin: Ang data ng survey ay personal na data; Ang pag-paste ng mga hilaw na komento sa isang generic na tool na walang kasiguruhan sa data ng kumpanya ay nagdadala ng panganib sa KVKK (susuriin natin ito sa susunod na yunit). Ang inference ng tema ng AI ay mali rin; Dapat suriin ng isang tao ang mga numero at halimbawa at gawin ang pangwakas na interpretasyon. Naghahanap ng mga pattern ang AI; Tinutukoy ng tao ang kahulugan at pagkilos.
Mga karaniwang pagkakamali
- Pagsira ng anonymity. Ang paglalagay ng yunit/pangalan/espesipikong detalye sa pagsusuri ay maaaring magbigay sa isang tao.
- Pag-uulat sa maliliit na grupo. Ang resulta ng isang 3-taong unit ay halos personal na data.
- Blindly trusting the raw number. Ang thematization ng AI ay mali; Suriin sa pamamagitan ng sampling.
- Binibigyang-diin ang pambihirang kapansin-pansing komento. Maaari itong maging hayag sa halip na kinatawan.
- Hindi ikinonekta ang komento sa aksyon. Kung ang pagsusuri ay hindi gumagawa ng mga kongkretong hakbang, nananatili ito sa istante.
- Tinatanaw ang bias. Tanong kung sistematikong tinatanggihan ng AI ang isang partikular na grupo.
Sa buod
- Pinagpangkat ng AI ang daan-daang open-ended na mga tugon ayon sa mga tema, dalas, at mood upang kunin ang naaaksyunan na insight para sa pamamahala.
- Panatilihin ang anonymity: gawing pangkalahatan ang mga detalye na tumutukoy sa indibidwal, huwag ibunyag ang maliliit na grupo at bihirang komento.
- Ilagay ang mga sukatan tulad ng eNPS at pakikipag-ugnayan sa konteksto; Huwag gumawa ng tiyak na dahilan, humingi ng hypothesis.
- Itali ang bawat mahalagang tema sa isang kongkretong aksyon; Ang pagsusuri ay hindi lumilikha ng halaga kung hindi ito gumagawa ng mga hakbang.
- Iproseso ang raw data gamit ang secure na tool; Naghahanap ng mga pattern ang AI, ginagawa ng mga tao ang panghuling interpretasyon at pagsusuri ng bias.
Gawain ng aplikasyon
Maghanda ng 30-40 komento sa survey, totoo o kathang-isip (sinasadyang magsama ng isang "pagsasabi" na detalye o dalawa). Anonymize muna ang data. Hayaang bumuo ang AI ng mga tema, pagsusuri ng damdamin, at bilang ng komento para sa bawat tema; Humiling ng ligtas/kinakatawan na mga quote. Pagkatapos ay suriin ang output: mayroon bang anumang mga quote na nagbibigay sa isang tao? Ang isang sub-grupo ba na may mas mababa sa 5 komento ay iniulat nang hiwalay? Panghuli, magsulat ng isang kongkretong aksyon para sa 3 pinaka kritikal na tema.
checklist
- [ ] Na-anonymize ba ang data bago ang pagsusuri (pangalan/unit/detalye)?
- [ ] Ang mga tema ba ay iniulat ayon sa numero (ilang komento)?
- [ ] Natukoy ba ang mood para sa bawat tema?
- [ ] Hindi ba hiwalay ang mga subgroup na may mas mababa sa 5 na tugon?
- [ ] Ang mga quote ba ay kinatawan at hindi nagbubunyag?
- [ ] Kinuwestiyon ba ang output ng AI para sa bias?
- [ ] Nakatali ba ang bawat kritikal na tema sa isang kongkretong aksyon?