Áp dụng các nguyên tắc ResearchOps vào chăm sóc sức khỏe tại Berlin

Hiện tại, có một Cộng đồng ResearchOps nhỏ, nhưng thân thiện và đang phát triển ở Berlin và cùng nhau chúng tôi tìm ra cách áp dụng một số suy nghĩ trong công việc. Tuần trước, Anja và Anne tại Smart Helios, một công ty khởi nghiệp chăm sóc sức khỏe ở Berlin, đã tổ chức một sự kiện mở để chia sẻ một số bài học kinh nghiệm trong năm nay với cộng đồng. Tôi đã chia sẻ các ghi chú của mình về những phần mà tôi nghĩ có thể là thú vị nhất đối với phần còn lại của cộng đồng dưới đây - hãy tận hưởng!

Sau khi đến một số câu lạc bộ sách UX và các cuộc gặp gỡ của IxDA, và đặc biệt là sau khi điều hành hội thảo #WhatisResearchOps vào đầu năm nay tại Berlin, một điều chúng tôi nhận ra, đó là một nhu cầu chưa được đáp ứng về một cộng đồng nơi mọi người có thể nói chuyện về cách họ nghiên cứu và sử dụng nó trong các tổ chức tương ứng của họ.

Quá nhiều nghiên cứu để làm, rất ít thời gian

Một chủ đề phổ biến khác trong các hội thảo của chúng tôi hồi tháng 5 là trong khi hiện tại có nhiều mối quan tâm hơn trong việc nghiên cứu người dùng trong các tổ chức, tỷ lệ các nhà nghiên cứu toàn thời gian được thuê, so với các nhân viên khác vẫn còn tương đối thấp.

Kết quả là, vì một nhà nghiên cứu duy nhất chỉ có thể tự thực hiện một số lượng nghiên cứu hữu hạn, nên có rất nhiều mối quan tâm trong việc xây dựng khả năng trong một tổ chức để thực hiện nghiên cứu ở một mức độ nhất quán về chất lượng và mở rộng quy mô này ra ngoài một người.

Điều này thường dẫn đến các cuộc thảo luận về quy trình, công cụ và đào tạo. Tuần trước, những người tốt bụng tại Smart Helios đã tổ chức phiên mở đầu tiên để cho thấy họ đã sử dụng Airtable như thế nào để hỗ trợ các nỗ lực nghiên cứu của riêng họ, và giúp phát hiện và hiểu biết dễ dàng hơn trong toàn tổ chức.

Tôi đã chia sẻ một vài điểm nổi bật thu hút sự chú ý của tôi, với một số phân tích.

Bao xa bạn có thể nhận được miễn phí

Một điểm mấu chốt từ buổi tối là nếu một nhóm gồm 3 nhà nghiên cứu toàn thời gian trong một công ty gồm 30 người đã sử dụng phiên bản miễn phí của Airtable, để quản lý nghiên cứu của họ, thì công cụ không phải là rào cản để tạo ra chức năng nghiên cứu có thể lặp lại, khả thi . Trên thực tế, nếu có bất cứ điều gì, có vẻ như đó là cách bạn phân bổ thời gian cho mọi người để nghiên cứu và để hiểu ý nghĩa của các phát hiện trong toàn tổ chức.

Sau đó, sau cuộc nói chuyện, chúng tôi đã thực hiện một cuộc thăm dò nhanh để xem ai khác đang sử dụng mẫu Polaris Airtable, đã được WeWork phát hành trước đó. Khoảng một phần ba của nhóm đã sử dụng nó để phát hiện cấu trúc, sau đó điều chỉnh nó phù hợp với bối cảnh của họ.

Trong hầu hết mọi trường hợp, họ đã khá sớm trong quá trình thiết lập một loại kho lưu trữ nghiên cứu. Ngoài ra, các công ty mà họ làm việc đã có cách lưu trữ an toàn các bản ghi âm và nghiên cứu chính - làm cho các phát hiện có thể truy cập và tái sử dụng là thách thức chính.

Tách nội dung nguồn khỏi thông tin chi tiết

Một điều cần cân nhắc khi làm việc ở Châu Âu, đặc biệt là nếu bạn không làm việc ở đó, đó là có một sự nhấn mạnh pháp lý lớn hơn về quyền riêng tư so với các nơi khác trên thế giới.

Theo cùng một cách mà tự do ngôn luận có thể được coi là một quyền cơ bản ở Mỹ và được ghi trong Tuyên ngôn Nhân quyền Hoa Kỳ, theo sửa đổi đầu tiên, quyền riêng tư được đề cập rõ ràng là một quyền cơ bản ở đây, theo một tài liệu tương tự, Công ước Châu Âu về Nhân quyền, như Điều 8. Một khi bạn hiểu điều đó, và các sự kiện trong thế kỷ 20 dẫn đến việc tạo ra nó, sẽ dễ hiểu hơn tại sao GDPR lại là một vấn đề lớn như vậy ở đây.

Điều này gấp đôi vì vậy trong một lĩnh vực như chăm sóc sức khỏe, với các yêu cầu riêng về bảo mật bệnh nhân, vì vậy, nó thực sự hữu ích để xem cách một công ty làm việc với thông tin nhạy cảm trong lĩnh vực chăm sóc sức khỏe tiến hành nghiên cứu và chia sẻ phát hiện trong nội bộ.

Làm thế nào để biểu hiện này trong thế giới thực?

Nếu bạn đã đọc về nghiên cứu mở rộng quy mô trong một tổ chức, bạn có thể bắt gặp ảnh chụp màn hình này từ Polaris ở đây, nơi bạn thấy một đoạn phỏng vấn, trong danh sách phát các nghiên cứu, có thể tìm kiếm.

Trong trường hợp này ở đây, bạn có phần đầu của người tham gia nghiên cứu làm mờ và video được lưu trữ dưới dạng danh sách phát riêng tư trên Youtube, dựa trên hình mờ trong video. Dữ liệu nguồn (đoạn phỏng vấn) được trộn với phân tích (kết quả và quan sát):

Điều này mang đến một trong những căng thẳng trong ResearchOps và kho lưu trữ nghiên cứu nói chung - bạn muốn làm cho nó dễ dàng đối chiếu những hiểu biết sâu sắc từ nghiên cứu, để làm cơ sở cho những gì bạn có thể gọi là Evidence Dựa Design, (theo cách tương tự như cách các nhà hoạch định chính sách có thể có Chính sách dựa trên bằng chứng).

Đồng thời, bạn cũng cần bảo vệ quyền riêng tư mà bạn đang nghiên cứu và có một mức độ đồng ý có hiểu biết về cách mọi thứ bạn thu thập trong một cuộc phỏng vấn được sử dụng.

Một mô hình ngày càng phổ biến là lưu trữ những hiểu biết và nội dung nguồn riêng biệt. Thay vì lưu trữ thông tin có thể nhận dạng về một người trong Airtable, bạn sẽ lưu trữ thông tin chi tiết chính và trích dẫn chính từ họ, sau đó băm đề cập đến vị trí bị khóa nhiều hơn. Đây có thể là một tài liệu chứa thông tin chi tiết về người được phỏng vấn hoặc có thể là một con trỏ đến một thư mục trên một cái gì đó như Sharepoint, nơi có thể phỏng vấn nguồn.

Điều này cho phép bạn làm cho các phát hiện có thể tìm kiếm và có thể truy cập được và để chúng thông báo các quyết định thiết kế sản phẩm hoặc dịch vụ rộng rãi hơn mà không làm ảnh hưởng đến bất kỳ quyền cơ bản nào được bảo vệ về mặt pháp lý của con người.

Có một cách thực sự để làm tất cả những điều này, và có lẽ họ đã giành được. Tôi chia sẻ nó, vì nó là một câu hỏi hóc búa thông thường và đáng để thảo luận.

Quá trình nghiên cứu thay đổi như thế nào

Tôi nghĩ rằng nó có giá trị bao trùm quá trình mà Smart Helios chia sẻ - quá trình này được mô tả đại khái là:

  • Phỏng vấn (một người dẫn, một người ghi lại các quan sát)
  • Phỏng vấn mảnh vỡ (với bạn nghiên cứu)
  • Một người ghi lại các quan sát và hiểu biết sâu sắc về repo (tức là Airtable, v.v.)
  • Người thứ hai đánh giá họ về sự thiên vị và chính xác
  • Chia sẻ những hiểu biết với phần còn lại của nhóm, để phản hồi
  • Cập nhật thông tin chi tiết trong kho lưu trữ, để rõ ràng và thu hồi trong tương lai

Dù sao, đây không phải là một sự khởi đầu triệt để từ thực tiễn nghiên cứu tốt nói chung - sự khác biệt lớn nhất là dựa vào những người thực hiện nghiên cứu để trích xuất các cố gắng nghiên cứu nguyên tử quan trọng từ tài liệu nguồn và xây dựng các kiểm tra khác nhau trên đường đi, để giúp đỡ tài khoản cho sự thiên vị.

Nếu bạn đang ghi lại những tài liệu này đến từ đâu, và ít nhất là thừa nhận sự thiên vị có thể xảy ra vào thời điểm này, điều đó sẽ làm giảm sự cám dỗ dựa vào quyền truy cập đặc quyền vào thông tin cá nhân và tài liệu nguồn gốc để đưa ra quyết định sáng suốt. Nó cũng giúp ghi nhớ rằng chỉ vì một cái gì đó đã được đưa vào cơ sở dữ liệu, nó không tự động có nghĩa là nó là sự thật khách quan.

Phân tích nghiên cứu, sau đó đại diện cho hiểu biết để tìm mẫu

Bạn có thể nghĩ rằng một khi bạn có một loạt các quan sát và hiểu biết sâu sắc, bạn có thể cần một số phân tích phức tạp để xem các mẫu hữu ích.

Điều này có vẻ như là trường hợp - chỉ cần nhóm các nhà nghiên cứu hiểu biết là đủ để làm nổi bật những giả định chính đang dựa vào một người, và có thể cần nhiều nghiên cứu hơn để chắc chắn rằng thiên vị đã bị trượt, v.v.

Điều đáng chú ý là mặc dù không phải mọi thứ liên quan đến nghiên cứu luôn có giá trị theo cách này - mục tiêu là một cơ sở hiểu biết ngày càng tăng mà bạn có thể dựa vào, sẽ không bị lạc hậu, hoặc bị ràng buộc với một sản phẩm cụ thể, hoặc tệ hơn, bị ràng buộc với một bản phát hành cụ thể của một sản phẩm.

Nghiên cứu theo dõi kép và ResearchOps

Như đã đề cập trước đây, có một sự khác biệt trong cách bạn có thể lưu trữ và chia sẻ những phát hiện từ các hoạt động nghiên cứu chiến thuật như kiểm tra khả năng sử dụng và nghiên cứu cơ bản sâu hơn.

Loại nghiên cứu đầu tiên thực sự là về sản phẩm của bạn chứ không phải những người bạn giúp đỡ và thời hạn sử dụng gắn liền với tần suất bạn thay đổi sản phẩm. Có thể không đáng để dành quá nhiều thời gian để phân loại kết quả ở đây nếu bản phát hành tiếp theo loại bỏ hoàn toàn một tính năng.

Loại thứ hai, nghiên cứu cơ bản sâu sắc hơn thực sự là về những người mà bạn đang nghiên cứu, chứ không phải sản phẩm của bạn, và được kết hợp với những thay đổi bạn thực hiện với mỗi bản phát hành, vì vậy nó sẽ tồn tại lâu hơn. Sự đánh đổi là hầu hết thời gian, nó cũng không rõ ràng phải làm gì tiếp theo để nhận ra một số giá trị từ những phát hiện này.

Là nó thực sự rõ ràng cắt?

Không. Thậm chí không gần gũi.

Rất may, có nhiều mô hình khác nhau để giúp chúng tôi suy nghĩ về điều này, từ phễu nghiên cứu của Emma Boulton, đến bài đăng của Sam Ladner về nghiên cứu nhanh và chậm, và ba loại nghiên cứu của Will Myddleton.

Kể từ khi điều hành các hội thảo #WhatIsResearchOps, cũng có một khuôn khổ sơ bộ để giúp nói về vấn đề này trong bối cảnh ResearchOps.

Học khi chúng ta đi

Chưa bao giờ, các bình luận về bài đăng này rất được hoan nghênh và ngoài blog này, còn có nhóm ResearchOps Slack và thẻ #ResearchOps trên phương tiện truyền thông xã hội, cũng như tài khoản của chúng tôi trên twitter.

Chúng tôi cũng điều hành một tòa thị chính ảo hàng tháng, nơi chúng tôi nói tất cả những điều ResearchOps, trong một video conf từ xa được kiểm duyệt nhẹ. Trên hết, chúng tôi chạy các chương trình khác nhau và trình bày các bài thuyết trình như bạn thấy trong các bức ảnh trong bài đăng này ở cấp độ địa phương hơn.

Nói về mà…

Vẫn còn không gian cho phiên họp tòa thị chính từ xa tháng 1 năm 2019 cho một cuộc nói chuyện. Vì vậy, don rất ngại ngùng và liên lạc nếu bạn có điều gì muốn chia sẻ.

Xem ra trên Eventbrite và @teamreops trên Twitter cho tòa thị chính Cộng đồng ResearchOps tiếp theo

Thêm tên của bạn vào danh sách chờ để tham gia Slack CommunityO của ResearchOps

Nếu điều này làm bạn và bạn ở Berlin

Chúng tôi tổ chức một cuộc họp không chính thức của một số loại mỗi tháng hoặc lâu hơn, và bạn có thể tham gia. Chúng tôi là một nhóm nhỏ, nhưng thân thiện, và bạn không cần phải là một nhà nghiên cứu toàn thời gian để đi cùng. Chỉ cần tò mò, và sẵn sàng chia sẻ những gì bạn học quá.

Kat và tôi đều có thể truy cập trên Twitter và DM của chúng tôi đang mở - nói xin chào!