В статье за авторством сотрудников Центра цифровой социологии и социогуманитарных технологий в здравоохранении представлен подход к определению психотипов с помощью искусственного интеллекта, который анализирует тексты разговоров и социальных медиа, избегая использования традиционных объемных психологических опросников. Это позволяет глубже понять потребности пациентов и оптимизировать коммуникацию.
Автор статьи использует четыре психотипа на основе трех ключевых дихотомий: эмоции vs рациональность, прогресс vs традиции, экстраверсия vs интроверсия. Например, «эмоциональный» тип склонен к ярким реакциям на внешние изменения, а «философский» фокусируется на абстрактных идеях. Для анализа использовались данные телефонного опроса москвичей (N=800) и 14 977 сообщений из соцсетей. Использовались данные по тематике восприятия поликлиник.
Социальные сети оказались более перспективной областью для психографического анализа, они позволили типировать людей намного точнее, чем записи телефонных интервью.
В соцсетях доминировал «эмоциональный» тип (58 % при изучении профилей). Это связано с тем, что соцмедиа привлекают людей, склонных к публичному выражению чувств. Именно ими (преобладающие сообщения) тематики здравоохранения чаще обсуждаются через призму эстетики («красивый ремонт», «новые технологии»), что важно для персонализации коммуникации в здравоохранении.
На основе исследования создан прототип «ИИ-психодиагноста», который автоматически определяет психотипы, снижая нагрузку на респондентов. Учет психологических профилей поможет улучшить информирование пациентов, адаптировать сервисы под их запросы и повысить доверие к системе. Работа открывает путь к интеграции поведенческих факторов в цифровые решения, что соответствует глобальным трендам ВОЗ в области управления здравоохранением.
Материалы использованы в статье:
Богдан И. В. Цифровые аспекты психотипирования в социологических исследованиях (на примере управленческих задач здравоохранения) / И. В. Богдан // Вестник Биомедицина и социология. – 2025. – Т. 10, № 1. – С. 2-10. – DOI 10.26787/nydha-2618-8783-2025-10-1-2-10. – EDN UGMFBJ.
