Collecting health narratives at scale: A multi-study evaluation of speech-to-text in health surveys

غالباً ما يحمل البشر قصصاً عن صحتهم لا تستطيع الأرقام وقوائم التحقق مجرد استيعابها. وبينما يعتمد الأطباء والباحثون على أسئلة معيارية لتتبع الأعراض والحالات، يمكن لهذه التنسيقات الجامدة أن تغفل عن نسيج تجربة الشخص المعاشة. إن الفروق الدقيقة في كيفية وصف المريض لألمه، والتفاصيل غير المتوقعة التي يشاركها حول صراعاته اليومية، والطريقة الفريدة التي يربط بها أعراضه بحياته، كلها توجد في القصص المفتوحة. ومع ذلك، فإن جمع هذه الروايات من مجموعات كبيرة من الناس كان تاريخياً عملية بطيئة ومكلفة، تتطلب عادةً من الباحث الجلوس ومقابلة كل شخص على حدة. ويترك هذا القصور فجوة في فهمنا لصحة السكان، حيث تظل أكثر الحسابات تفصيلاً غير مجمعة لأن جمعها صعب للغاية على نطاق واسع.

لقد سعى فريق من الباحثين لمعرفة ما إذا كانت التكنولوجيا الحديثة يمكنها سد هذه الفجوة باستخدام أدوات تحويل الكلام إلى نص في الاستطلاعات عبر الإنترنت. أرادوا معرفة ما إذا كان الناس سيقبلون على نطق إجاباتهم في ميكروفون بدلاً من كتابتها، وما إذا كان القيام بذلك سيؤدي بالفعل إلى قصص أغنى وأكثر تفصيلاً. ولاختبار ذلك، دعوا مشاركين من أربع مجموعات مختلفة تماماً: أشخاص يعيشون مع حالة ما بعد كوفيد-19، وبالغون أصحاء، وأفراد يمارسون العمل الجنسي، وكبار السن. وفي كل استطلاع من هذه الاستطلاعات، منح الباحثون الناس خياراً؛ حيث كان بإمكانهم الإجابة على الأسئلة المفتوحة عن طريق الكتابة على لوحة المفاتيح، أو استخدام خاصية تحويل الكلام إلى نص لنطق إجاباتهم بصوت عالٍ، ليقوم الكمبيوتر بعد ذلك بتحويلها إلى كلمات مكتوبة.

أظهرت النتائج أن التحدث غيّر طبيعة الاستجابات بطرق قابلة للقياس. فعندما اختار الناس التحدث، كانت إجاباتهم أطول بشكل ملحوظ. وفي دراستين، احتوت الاستجابات المنطوقة على مئات الأحرف الإضافية مقارنة بالمكتوبة، حيث سجلت إحدى المجموعات زيادة تقارب تسعمائة حرف في كل إجابة. كما تضمنت الكلمات المنطوقة محتوى فريداً أكثر - وهي الأسماء والأفعال المحددة التي تحمل جوهر القصة - مما يشير إلى أن التحدث سمح للناس بمشاركة أفكار أكثر تميزاً. ومع ذلك، لم تكن الإجابات المنطوقة مصقولة تماماً؛ فقد احتوت على نسبة أعلى من الكلمات الحشوية وأظهرت تنوعاً أقل قليلاً في أنواع الكلمات المستخدمة مقارنة بالإجابات المكتوبة. وهذا يشير إلى أنه بينما أطلق التحدث العنان لمزيد من الحجم والتفاصيل المحددة، فإنه أدخل أيضاً التدفق الطبيعي غير المحرر للمحادثة.

ومع ذلك، لم يكن اعتماد التكنولوجيا موحداً عبر جميع المجموعات. فقد تباين معدل اختيار الناس للتحدث بدلاً من الكتابة بشكل كبير، حيث تراوح من أقل من واحد بالمائة في بعض المجموعات إلى ثمانين بالمائة في مجموعات أخرى. ويشير هذا الفارق الواسع إلى أن قرار التحدث هو قرار شخصي للغاية ويتأثر بشدة بالوضع المحدد. وقد أشاد المشاركون الذين استخدموا الأداة بشكل عام بكونها مريحة وما توفره من عفوية، مشيرين إلى أن التحدث بدا أسهل من الكتابة. ومع ذلك، تردد الكثيرون بسبب المخاوف المتعلقة بالخصوصية، أو الشعور بالحرج من التحدث في الأماكن العامة، أو ببساطة بسبب تفضيلهم للتحكم الذي يشعرون به عند الكتابة.

تخلص الدراسة إلى أن تقنية تحويل الكلام إلى نص هي أداة قابلة للتطبيق لجمع روايات صحية أغنى من مجموعات سكانية كبيرة، لكنها ليست حلاً واحداً يناسب الجميع. وتعمل هذه التكنولوجيا بشكل أفضل عندما يتم تنفيذها بما يتناسب بعناية مع المجموعة المحددة التي تتم دراستها والبيئة التي يجيبون فيها. فبالنسبة للبعض، يفتح التحدث باباً لمشاركة المزيد من قصتهم؛ أما بالنسبة لآخرين، فإن عوائق السياق والراحة تظل مرتفعة جداً. إن الطريق نحو المستقبل يكمن في فهم هذه الاختلافات وتصميم استطلاعات تحترم الاحتياجات والتفضيلات الفريدة للأشخاص الذين يشاركون تجاربهم الصحية.