通过基准测试确定相对优势和机会不同雇

Apuroos1452

解和分析大量非结构化文本数据根本不切实际。然而，人工智能的最新进展使得识别大量文本中的深层模式并大规模理解反馈成为可能。领导者现在可以挖掘自由文本，以深入了解导致护士不满和倦怠的问题，并利用这种洞察力改善护理人员的工作生活。（请参阅 文本分析入门 。） 文本分析入门 我们的研究分析了来自数百个组织和数十万名护士的数据，但您也可以更深入地研究自己员工的反馈。无论您是在内部、通过劳动力分析功能还是与外部合作伙伴一起开发人工智能文本分析功能，您都应该牢记这些原则，以最大。

限度地提高文化衡量的有效性。 精确度很重要，但记忆力也很重要。精确度（被正确分类为讨论某个主题的文本实例的百分比）是自由文本分析的关键要素。召回率也是如此 文本分析平台捕获的文 手机号码数据 本正文中主题提及总数的百分比。如果您仅通过精度来衡量成功，那么您最终会得到一个高度准确的分析平台，但会忽略员工实际所说的大部分内容。复杂的人工智能工具将识别俚语、习语、首字母缩略词、文化参考和组织特定的语言，以捕获很少提及但信息丰富的术语的长尾。 阅读更多主的护理满意度差异很大。



我们确定了美国 家最大的医疗保健雇主，包括医院和医疗保健系统、家庭医疗保健提供者、老年生活设施运营商以及人才中介机构。对于每位雇主，我们计算了从 大流行开始到 年 月，护士在 上对组织和高级领导层的评价。 在大型雇主中，护士的 评分范围从很差（ ）到近乎完美（ ）（满分 分）。护士们对大流行期间和之后高级领导表现的评估更加多样化，在相同的 分制中，从 到 不等。 评级的巨大差异与另一项调查一致，该调查显示美国 家医院中护士不满意的比例从 到 不等。 家大型医疗保健组织的员工可以使。