Sağlık İletişiminde Dijital Geri Bildirim: Hedef Kitle Yorumları Üzerinden Yapay Zeka Destekli Bir Değerlendirme

Abstract

Sağlık iletişiminde dijital geri bildirimi ortaya koymayı amaçlayan bu çalışma kapsamında, Konya Şehir Hastanesi’ne ait Google Haritalar üzerindeki kullanıcı yorumları Python programlama dili ve doğal dil işleme (NLP) teknikleri kullanılarak analiz edilmiştir. Çalışmada öncelikle 952 metinsel yorumdan oluşan veri seti oluşturulmuş, ardından yorumlar XLM-RoBERTa modeliyle duygu analizi yapılarak negatif, pozitif ve nötr olarak sınıflandırılmıştır. Elde edilen verilerle birlikte en sık kullanılan kelimeler belirlenmiş ve yorumlar 10 tematik kategoriye göre analiz edilmiştir. Duygu analizi sonuçlarına göre, kullanıcı yorumlarının %57,45’i negatif, %28,57’si pozitif ve %13,97’si nötr niteliktedir. En çok şikâyet edilen temalar hizmet kalitesi, bekleme süresi ve fiziksel koşullardır. Bunun yanı sıra, yorumlar üç farklı yapay zekâ aracı (ChatGPT, DeepSeek, Poe) aracılığıyla da analiz edilerek hasta deneyimlerinin çok boyutlu bir değerlendirmesi sağlanmıştır. Elde edilen bulgular, dijital hasta yorumlarının sağlık iletişiminde itibar yönetimi, hizmet kalitesi ve stratejik karar alma süreçlerinde etkin şekilde kullanılabileceğini göstermektedir. Bu bağlamda çalışma, sağlık kuruluşlarının çevrimiçi geri bildirimleri veri odaklı analiz yöntemleriyle değerlendirmesinin önemine dikkat çekmektedir.

Keywords

• Sağlık İletişimi
• Dijital Geri Bildirim
• Yapay Zeka
• Duygu Analizi

Digital Feedback in Health Communication: An Artificial Intelligence Supported Evaluation on Target Audience Comments

Abstract

Within the scope of this study, which aims to reveal digital feedback in health communication, user comments on Google Maps of Konya City Hospital were analyzed using Python programming language and natural language processing (NLP) techniques. In the study, a dataset consisting of 952 textual comments was created. Then the comments were classified as negative, positive, and neutral by using sentiment analysis with the XLM-RoBERTa model. With the data obtained, the most frequently used words were determined, and the comments were analyzed according to 10 thematic categories. According to the results of sentiment analysis, 57.45% of user comments were negative, 28.57% were positive and 13.97% were neutral. The most complaints about themes were service quality, waiting time, and physical conditions. In addition, comments were analyzed through three different artificial intelligence tools (ChatGPT, DeepSeek, Poe) to provide a multidimensional assessment of patient experiences. The findings show that digital patient comments can be used effectively in reputation management, service quality, and strategic decision-making processes in healthcare communication. In this context, the study draws attention to the importance of healthcare organizations evaluating online feedback with data-driven analysis methods.

Keywords

• Health Communication
• Digital Feedback
• Artificial Intelligence
• Sentiment Analysis

References

1. Adekuajo, I., Fakeyede, O., Udeh, C., & Daraojimba, C. (2023). The Digital evolution in hospitality: A glob-al review and its potential transformative impact on US tourism. International Journal of Applied Research in Social Sciences, 5, 440-462. https://doi.org/10.51594/ijarss.v5i10.633
2. Alemi, F., Torii, M., Clementz, L., & Aron, D. C. (2012). Feasibility of real-time satisfaction surveys through automated analysis of patients' unstructured comments and sentiments. Qual Manag Health Care, 21(1), 9-19. https://doi.org/10.1097/QMH.0b013e3182417fc4