Este artículo le dará consejos sobre cómo analizar las respuestas de una Encuesta a pacientes sobre accesibilidad para personas con discapacidades utilizando herramientas de IA y enfoques probados para el análisis de respuestas de encuestas.
Eligiendo las herramientas adecuadas para analizar datos de encuestas
El mejor enfoque y herramientas para el análisis de respuestas de encuestas siempre comienza con el tipo y estructura de sus datos.
Datos cuantitativos: Si sus datos de encuesta son principalmente números (por ejemplo, cuántos pacientes eligieron cierta respuesta), las herramientas tradicionales como Excel o Google Sheets son perfectas. Contar y hacer agregaciones simples es algo sencillo aquí.
Datos cualitativos: Cuando se trata de respuestas abiertas o respuestas seguidas de preguntas adicionales, la situación se vuelve mucho más complicada. Es casi imposible leer y sintetizar todo manualmente, especialmente a medida que aumenta el número de respuestas. Esa es la razón principal por la que las herramientas impulsadas por IA son tan valiosas para el análisis de encuestas cualitativas.
Existen dos enfoques para las herramientas al tratar con respuestas cualitativas:
ChatGPT o herramientas similares de GPT para análisis de IA
Copiar datos en ChatGPT puede ser una forma rápida y sencilla de comenzar. Puede pegar respuestas de encuestas exportadas y solicitar a la IA que sintetice las ideas principales, busque el sentimiento o resuma patrones. Funciona, pero el proceso a menudo es complicado, especialmente si necesita copiar, pegar y reformular las indicaciones repetidamente para obtener conocimientos detallados.
Manejar datos con ChatGPT no es muy conveniente para conjuntos de datos grandes. Hay poca estructura, por lo que mantener el contexto, rastrear seguimientos y profundizar en subconjuntos de respuestas se vuelve abrumador rápidamente, especialmente para proyectos que abordan temas detallados como barreras de accesibilidad para personas con discapacidades o retroalimentación de pacientes a lo largo del tiempo.
Herramienta todo-en-uno como Specific
Specific está diseñado específicamente para el análisis de encuestas impulsado por IA (vea la función de análisis de respuestas de encuestas de IA). Funciona de la siguiente manera:
Recopilación de datos y seguimientos: El formato de encuesta conversacional de Specific le ayuda a capturar datos cualitativos de alta calidad y profundidad: cada respuesta puede generar preguntas de seguimiento (aprenda cómo funciona el seguimiento de IA), por lo que termina con un contexto más rico en comparación con los formularios de encuesta planos.
Análisis impulsado por IA: Cuando las respuestas de la encuesta están completas, Specific resume instantáneamente las respuestas abiertas y de seguimiento, destaca temas clave y convierte grandes conjuntos de respuestas en propuestas accionables. Nunca tiene que exportar o manipular hojas de cálculo.
IA conversacional para la exploración de datos: Puede conversar con la IA sobre sus resultados de la encuesta, profundizar en subconjuntos específicos y pedir aclaraciones, tal como lo haría con ChatGPT, pero diseñado para flujos de trabajo de encuestas y con herramientas adicionales para filtrado y gestión del contexto.
Los resultados son fáciles de compartir y mantener organizados para un análisis colaborativo, lo que lo hace perfecto para equipos que quieren involucrar a partes interesadas o trabajar de forma iterativa.
Puede ver cómo funciona esto o lanzarse con el generador de encuestas de IA para encuestas de accesibilidad para pacientes o comenzar desde cero con el creador de encuestas flexible.
Cualquiera que sea el enfoque que elija, contar con herramientas sólidas es esencial para mantener su análisis enfocado y descubrir lo que realmente importa, especialmente con temas de encuestas de alto riesgo como la accesibilidad en el ámbito de la salud. A nivel mundial, el 15% de las personas experimentan alguna forma de discapacidad, lo que hace que este tema sea tanto urgente como de amplio impacto [1].
Indicaciones útiles que puede usar para el análisis de respuestas de encuestas a pacientes
El gran análisis de encuestas de IA a menudo se reduce a usar las indicaciones o instrucciones correctas. Aquí hay varias indicaciones probadas que utilizo para analizar datos de encuestas a pacientes sobre accesibilidad para personas con discapacidades, estas funcionan tanto para herramientas GPT como ChatGPT y en herramientas como Specific.
Indicación para ideas principales: Esta indicación extractiva es fundamental para sacar a la luz los temas principales de un gran conjunto de datos. Es el predeterminado en Specific, pero puede usarla en cualquier lugar:
Su tarea es extraer ideas principales en negrita (4-5 palabras por idea principal) + una explicación de hasta 2 oraciones.
Requisitos de salida:
- Evite detalles innecesarios
- Especifique cuántas personas mencionaron la idea principal específica (use números, no palabras), las más mencionadas en la parte superior
- sin sugerencias
- sin indicaciones
Ejemplo de salida:
1. **Texto de idea principal:** texto explicativo
2. **Texto de idea principal:** texto explicativo
3. **Texto de idea principal:** texto explicativo
La IA siempre rinde mejor si le proporciona más contexto sobre su encuesta, audiencia y objetivos. Aquí le mostramos cómo podría incorporar contexto en su indicación:
Está analizando respuestas de una encuesta de pacientes sobre barreras de accesibilidad para personas con discapacidades en entornos de atención médica. Nuestro objetivo es identificar los principales obstáculos que enfrentan los pacientes y sugerir pasos prácticos para la administración del hospital.
Después de destacar ideas principales, profundice más:
Indicación para detalles sobre un tema: “Cuéntame más sobre XYZ (idea principal).” Esto le ayuda a profundizar en problemas específicos, como actitudes hacia el acceso físico o tecnología asistida.
Indicación para validación de un tema específico: “¿Alguien habló sobre la accesibilidad en silla de ruedas?” (También puede agregar “Incluya citas.”) Esto encuentra instantáneamente voces del mundo real que apoyan o cuestionan un tema.
Indicación para personas: “Basado en las respuestas de la encuesta, identifique y describa una lista de personas distintas, similar a cómo se usan ‘personas’ en la gestión de productos. Para cada persona, resuma sus características clave, motivaciones, objetivos y cualquier cita o patrón relevante observado en las conversaciones.” Útil para entender la diversidad de necesidades de accesibilidad de los pacientes.
Indicación para puntos de dolor y desafíos: “Analice las respuestas de la encuesta y enumere los puntos de dolor, frustraciones o desafíos más comunes mencionados. Resuma cada uno de ellos y note cualquier patrón o frecuencia de ocurrencia.” Esto es vital, considerando que el 72% de los canadienses con discapacidades informó haber experimentado una o más barreras de accesibilidad en el último año [3].
Indicación para motivaciones y conductores: “De las conversaciones de la encuesta, extraiga las principales motivaciones, deseos o razones que los participantes expresan para sus comportamientos o elecciones. Agrupe motivaciones similares y proporcione evidencia de apoyo desde los datos.”
Indicación para análisis de sentimiento: “Evalúe el sentimiento general expresado en las respuestas de la encuesta (por ejemplo, positivo, negativo, neutral). Destaque frases clave o comentarios que contribuyan a cada categoría de sentimiento.”
Indicación para sugerencias e ideas: “Identifique y enumere todas las sugerencias, ideas o solicitudes proporcionadas por los participantes de la encuesta. Organícelas por tema o frecuencia e incluya citas directas donde sea relevante.”
Indicación para necesidades no satisfechas y oportunidades: “Examine las respuestas de la encuesta para descubrir cualquier necesidad no satisfecha, brechas u oportunidades de mejora destacadas por los encuestados.” Dado que solo el 44% de los lugares de trabajo en el Reino Unido son completamente accesibles para empleados con discapacidades [4], puede esperar brechas similares en los entornos de atención médica; revelar estas necesidades no satisfechas es el comienzo de un mejor diseño.
Para más ideas de indicaciones y preguntas, recomiendo esta guía de preguntas de encuesta sobre accesibilidad o el editor de encuestas de IA para iterar en la estructura de su encuesta.
Cómo Specific analiza datos cualitativos por tipo de pregunta
Quiero tocar cómo funciona el análisis de encuestas de IA de manera diferente según el tipo de preguntas que hizo. Así es como Specific estructura su síntesis, dando sentido incluso a grandes conjuntos de retroalimentación cualitativa de pacientes sobre accesibilidad para personas con discapacidades:
Preguntas abiertas (con o sin seguimientos): Specific genera un resumen claro de todas las respuestas, además sintetiza información de las respuestas de seguimiento, brindándole una imagen completa de cada pregunta abierta.
Preguntas de opción con seguimientos: Cada opción de respuesta recibe su propio mini-informe. Para cada grupo, obtiene un resumen de lo que dijeron las personas que seleccionaron esa opción en preguntas de seguimiento, revelando razones subyacentes y matices.
Preguntas NPS: Cada categoría de NPS—detractor, pasivo, promotor—obtiene su propio resumen de comentarios de seguimiento, mostrando qué está impulsando comentarios positivos, neutrales o negativos sobre la accesibilidad en el ámbito de la salud.
Si no está utilizando Specific, aún puede hacer esto en ChatGPT, solo que requiere copiar y filtrar datos manualmente, lo cual rápidamente se vuelve laborioso para conjuntos de datos más grandes.
Para obtener más información sobre cómo crear encuestas que apoyen un análisis robusto, consulte esta guía sobre la creación de encuestas.
Cómo superar las limitaciones del tamaño de contexto de la IA en el análisis de encuestas
Si alguna vez ha pegado datos de encuestas en ChatGPT y recibió una advertencia sobre los límites de contexto, conoce el dolor. Las herramientas de IA tienen un límite establecido sobre cuánta texto (“contexto”) pueden procesar a la vez, fundamental si está manejando conjuntos de datos cualitativos extensos, como se obtiene en proyectos de retroalimentación integral de pacientes.
Specific ofrece un par de enfoques probados para mantener el análisis enfocado y dentro de la ventana de contexto de la IA:
Filtrado: Enfóquese en subconjuntos específicos de conversaciones, solo las conversaciones en las que los pacientes respondieron a ciertas preguntas o seleccionaron ciertas respuestas se envían a la IA para un análisis detallado. Esto facilita explorar, por ejemplo, por qué los pacientes que identificaron una barrera particular tuvieron experiencias diferentes.
Recorte: Seleccione qué preguntas de la encuesta deben incluirse en el análisis de IA. Si solo le interesan las respuestas a preguntas sobre acceso digital (o desea ignorar preguntas meta), puede recortar el resto fuera, perfecto para gestionar el alcance y evitar sobrecarga de contexto.
Ambos métodos hacen que las exploraciones de IA a gran escala sean factibles y lo mantienen enfocado en las partes más accionables de su análisis de respuestas de encuestas.
Funciones colaborativas para analizar respuestas de encuestas a pacientes
La colaboración es un gran desafío cuando los equipos exploran retroalimentación sobre accesibilidad juntos. Los métodos tradicionales, pasar hojas de cálculo y extensos PDFs, se vuelven desordenados rápidamente. Cuando el tema es tan complejo y sensible como la accesibilidad de pacientes con discapacidades, obtener múltiples perspectivas en el análisis es crítico para obtener información y responsabilidad.
Con Specific, analiza datos de encuestas en chats en tiempo real con IA. Puede tener múltiples “chats de IA” por encuesta, cada uno puede ser filtrado para una franja diferente de su audiencia de pacientes (por ejemplo: “pacientes que usan ayudas de movilidad” versus “pacientes con discapacidades cognitivas”). Esto significa que equipos en diferentes roles (administradores, defensores de pacientes, gerentes de accesibilidad) pueden hacer preguntas únicas y obtener datos resumidos y relevantes al instante.
Cada chat muestra quién preguntó qué. Al colaborar, es fácil ver quién creó un hilo de análisis determinado y quién contribuyó con comentarios. Los avatares aparecen en la vista del chat, facilitando la coordinación del trabajo entre equipos, seguir ideas y compartir hallazgos con colegas.
La colaboración impulsa mejores resultados y previene el pensamiento grupal, especialmente cuando las apuestas son altas para los pacientes con discapacidades que podrían estar enfrentando barreras únicas o interseccionales. Esta estructura supera el antiguo modelo de informe