DOI: https://doi.org/10.1186/s12912-025-03808-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40898192
تاريخ النشر: 2025-09-02
المؤلف: Maisa Gerlach وآخرون
الموضوع الرئيسي: النوم والإرهاق المرتبط بالعمل
نظرة عامة
تبحث الورقة البحثية في تأثير أنظمة جدولة الورديات المعتمدة على الذكاء الاصطناعي على التوازن بين العمل والحياة (WLB) ورضا الموظفين والشعور بالعدالة بين الممرضين. غالبًا ما تؤدي طرق الجدولة التقليدية إلى عدم الرضا بسبب الساعات غير المرنة ونقص السيطرة من قبل الموظفين، مما يساهم في ارتفاع معدلات الدوران. من خلال مقابلات مجموعات التركيز النوعية مع 21 مشاركًا من مختلف بيئات الرعاية الصحية، حددت الدراسة خمسة مواضيع رئيسية: التجارب مع أنظمة الجدولة الحالية، والمتطلبات لجدولة العمل، والعدالة في الجدولة، ومتطلبات الذكاء الاصطناعي، والمزايا والعيوب المتصورة للأنظمة المعتمدة على الذكاء الاصطناعي.
تشير النتائج إلى أن الممارسات الحالية في الجدولة غالبًا ما تُعتبر غير عادلة وتفتقر إلى الشفافية، خاصة من قبل الممرضين الدائمين، الذين يسعون إلى مزيد من الاستقلالية. بينما يقدر الممرضون المؤقتون الجدولة المرنة، هناك توافق على أن الذكاء الاصطناعي يمكن أن يعزز عدالة الورديات من خلال إدارة التوزيعات بناءً على معايير موضوعية، مما يقلل من التحيز. ومع ذلك، تم التعبير عن مخاوف بشأن إمكانية إزالة الطابع الشخصي عن الجدولة، مما يبرز ضرورة وجود إشراف بشري لمعالجة العوامل العاطفية والسياقية. وتخلص الدراسة إلى أنه بينما يحمل الجدولة المعتمدة على الذكاء الاصطناعي وعدًا بتحسين العدالة وWLB، فإن التنفيذ الناجح يتطلب دمجًا دقيقًا للعناصر البشرية وتعاونًا مستمرًا مع محترفي التمريض لمواءمة التكنولوجيا مع احتياجات المنظمة.
مقدمة
تسلط المقدمة الضوء على أهمية التوازن بين العمل والحياة (WLB) في التمريض، مشددة على دوره الحاسم في الاحتفاظ بالممرضين ورضاهم الوظيفي. يُعرف WLB بأنه القدرة على إدارة متطلبات العمل والحياة الشخصية دون أن يطغى أحدهما على الآخر. تساهم عوامل مثل العمل بنظام الورديات، والساعات الطويلة، والجدولة الصارمة في ضعف WLB، مما يؤدي إلى زيادة التوتر وعدم الرضا الوظيفي بين الممرضين. غالبًا ما تفشل طرق الجدولة التقليدية – اليدوية، المدارة ذاتيًا، والأنظمة الرقمية القائمة على القواعد – في معالجة التفضيلات الفردية والعدالة بشكل كاف، مما يؤدي إلى تصورات عن الظلم وعدم الرضا بين موظفي التمريض.
لمعالجة هذه التحديات، تقترح الورقة استخدام خوارزميات الذكاء الاصطناعي التوليدية لجدولة الورديات. تعد هذه الأنظمة بتحسين العدالة والشفافية من خلال تحسين تخصيص الورديات بناءً على معايير محددة مسبقًا مع مراعاة التفضيلات الفردية ومتطلبات المنظمة. يمكن أن تساعد قدرة الذكاء الاصطناعي على معالجة البيانات المعقدة والتكيف مع التغييرات في الوقت الحقيقي في التخفيف من التحيزات الموجودة في طرق الجدولة التقليدية، مما قد يحسن من الرفاهية النفسية للممرضين ويقلل من الإرهاق. ومع ذلك، يثير تنفيذ الذكاء الاصطناعي في الرعاية الصحية مخاوف أخلاقية، خاصة فيما يتعلق بخصوصية البيانات والحاجة إلى تطوير تشاركي يشمل الممرضين. تهدف الدراسة إلى استكشاف وجهات نظر قادة التمريض والممرضين الدائمين والمؤقتين حول الجدولة العادلة والشفافة، فضلاً عن الفوائد والعيوب المتصورة للأنظمة المعتمدة على الذكاء الاصطناعي، مما يعالج فجوة ملحوظة في الأبحاث الحالية.
النتائج
في هذه الدراسة، شارك 22 ممرضًا في أربع مقابلات لمجموعات التركيز، وكان معظمهم من الإناث (95.5%، ن = 21) بمتوسط عمر 34 عامًا (SD = 11.6). عملت نسبة كبيرة من المشاركين بدوام كامل (68.2%، ن = 15). كان الغالبية يعملون في مستشفيات الرعاية الحادة (31.8%، ن = 7)، تليها خدمات الرعاية المنزلية (22.7%، ن = 6)، وبيئات أخرى بما في ذلك دور التقاعد ودور التمريض (5.4%، ن = 1) وأدوار الموظفين المؤقتين (13.6%، ن = 3). يتم تقديم معلومات ديموغرافية مفصلة في الجدول 2.
تم تنظيم الاستجابات النوعية من المشاركين في خمسة مواضيع رئيسية، والتي يتم توضيحها بشكل أكبر في المواد التكميلية 4. تلخص هذه المواضيع الرؤى والأفكار الرئيسية التي شاركها الممرضون بشأن تجاربهم المهنية والتحديات في مختلف بيئات الرعاية.
المناقشة
تكشف قسم المناقشة في الدراسة عن رؤى حاسمة حول وجهات نظر قادة التمريض والممرضين بشأن الجدولة المعتمدة على الذكاء الاصطناعي في الرعاية الصحية. تبرز الأبحاث النوعية، التي أجريت من خلال مقابلات مجموعات التركيز، الأولويات المتناقضة بين قادة التمريض والممرضين. يولي قادة التمريض أهمية لكفاءة العمليات وإدارة عبء العمل، ويرون في الذكاء الاصطناعي أداة لتحسين عمليات الجدولة. في المقابل، يؤكد الممرضون على أهمية التوازن بين العمل والحياة (WLB) والتعافي والتفضيلات الفردية في الجدولة. يعترف كلا المجموعتين بالفوائد المحتملة للذكاء الاصطناعي في تعزيز العدالة والشفافية، لكنهما يعبران عن مخاوف بشأن فقدان الحساسية الإنسانية والحاجة إلى إشراف بشري في اتخاذ القرار.
تؤكد النتائج على ضرورة اتباع نهج تشاركي في الجدولة يلبي الاحتياجات الفردية مع الحفاظ على كفاءة المنظمة. يدعو المشاركون إلى ممارسات جدولة مرنة، بما في ذلك أيام العمل العادية، وتوزيع الورديات بشكل عادل، وأخذ الظروف الشخصية مثل رعاية الأطفال في الاعتبار. كما تبرز الدراسة أهمية التواصل الواضح وآليات التغذية الراجعة لتعزيز رضا الموظفين ومشاركتهم. بشكل عام، تؤكد الأبحاث على الحاجة إلى دمج متوازن للذكاء الاصطناعي في الجدولة يحترم كل من الأهداف التشغيلية والأبعاد العاطفية والشخصية لعمل التمريض.
القيود
في قسم “القيود”، أعرب المشاركون عن مخاوف بشأن قيود الذكاء الاصطناعي في تلبية الاحتياجات والتفضيلات الفردية لجدولة القوى العاملة. وأبرزوا إمكانية وجود تناقضات وأكدوا أن فعالية أنظمة الذكاء الاصطناعي تعتمد على جودة وملاءمة بيانات الإدخال. أشار المشاركون إلى الاعتماد الكبير على التكنولوجيا، مما يشكل مخاطر خلال الأعطال الفنية، وشددوا على أن المخططين البشريين يجب أن يحتفظوا بالمسؤولية النهائية عن الجدولة لضمان تلبية الاحتياجات العاطفية والبدنية للموظفين بشكل كاف. كانت عدم قدرة الذكاء الاصطناعي على تكرار الحدس البشري والحساسية بالكامل موضوعًا متكررًا، مما يبرز أهمية الحفاظ على الإشراف البشري في عمليات الجدولة.
استخدمت الدراسة مجموعات التركيز (FG) ورسم الخرائط المعرفية لجمع وجهات نظر متنوعة، مما يعزز التحليل المنظم والشفاف. بينما سمح هذا النهج التشاركي بنقاشات ديناميكية بين المشاركين من مختلف الأدوار المهنية، تم الاعتراف بعدة قيود. تشمل هذه القيود احتمال وجود تحيز في الاختيار بسبب العينة المريحة والصيغة عبر الإنترنت، والتي قد تكون استبعدت الأفراد ذوي الوصول المحدود إلى التكنولوجيا الرقمية. بالإضافة إلى ذلك، قد يكون الإعداد عبر الإنترنت قد قيد التواصل غير اللفظي وعمق التفاعل. قد يكون تأثير المشاركين المهيمنين على ديناميات المجموعة والاعتماد على الخرائط المعرفية بدلاً من النسخ الكاملة قد أثر أيضًا على ثراء البيانات. أخيرًا، قد يكون تأطير دور الذكاء الاصطناعي في الجدولة من خلال أدلة المقابلة قد أدخل تحيزًا في توقعات المشاركين وتعبيراتهم عن قدرات الذكاء الاصطناعي. على الرغم من هذه القيود، فإن النهج المنهجي مدعوم بأبحاث سابقة، مما يشير إلى أن النتائج تظل صالحة.
DOI: https://doi.org/10.1186/s12912-025-03808-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40898192
Publication Date: 2025-09-02
Author(s): Maisa Gerlach et al.
Primary Topic: Sleep and Work-Related Fatigue
Overview
The research paper investigates the impact of AI-based shift scheduling systems on work-life balance (WLB), job satisfaction, and perceived fairness among nurses. Traditional scheduling methods often lead to dissatisfaction due to inflexible hours and a lack of employee control, contributing to high turnover rates. Through qualitative focus group interviews with 21 participants from various healthcare settings, the study identified five key themes: experiences with current scheduling systems, requirements for work scheduling, fairness in scheduling, AI requirements, and the perceived pros and cons of AI-based systems.
Findings indicate that current scheduling practices are often viewed as unfair and lacking transparency, particularly by permanent nurses, who seek greater autonomy. While temporary nurses appreciate flexible scheduling, there is a consensus that AI could enhance shift equity by managing allocations based on objective criteria, thereby reducing bias. However, concerns were raised regarding the potential depersonalization of scheduling, underscoring the necessity for human oversight to address emotional and contextual factors. The study concludes that while AI-based scheduling holds promise for improving fairness and WLB, successful implementation requires careful integration of human elements and ongoing collaboration with nursing professionals to align technology with organizational needs.
Introduction
The introduction highlights the significance of work-life balance (WLB) in nursing, emphasizing its critical role in nurse retention and job satisfaction. WLB is defined as the ability to manage work and personal life demands without one overshadowing the other. Factors such as shift work, long hours, and rigid scheduling contribute to poor WLB, leading to increased stress and job dissatisfaction among nurses. Traditional scheduling methods—manual, self-managed, and rule-based digital systems—often fail to adequately address individual preferences and fairness, resulting in perceptions of injustice and dissatisfaction within nursing staff.
To address these challenges, the paper proposes the use of generative AI-based algorithms for shift scheduling. These systems promise to enhance fairness and transparency by optimizing shift allocations based on predefined criteria while accommodating individual preferences and organizational demands. AI’s ability to process complex data and adapt to real-time changes can mitigate biases inherent in traditional scheduling methods, potentially improving nurses’ psychological well-being and reducing burnout. However, the implementation of AI in healthcare raises ethical concerns, particularly regarding data privacy and the need for participatory development involving nurses. The study aims to explore the perspectives of nurse leaders and both permanent and temporary nurses on fair and transparent scheduling, as well as the perceived benefits and drawbacks of AI-based systems, addressing a notable gap in existing research.
Results
In this study, 22 nurses participated in four focus group interviews, predominantly female (95.5%, n = 21) with an average age of 34 years (SD = 11.6). A significant portion of the participants worked full-time (68.2%, n = 15). The majority were employed in acute care hospitals (31.8%, n = 7), followed by home care services (22.7%, n = 6), and other settings including retirement and nursing homes (5.4%, n = 1) and temporary staff roles (13.6%, n = 3). Detailed demographic information is provided in Table 2.
The qualitative responses from the participants were organized into five main themes, which are further elaborated in Supplementary Material 4. These themes encapsulate the key insights and perspectives shared by the nurses regarding their professional experiences and challenges in various care settings.
Discussion
The discussion section of the study reveals critical insights into the perspectives of nursing leaders and nurses regarding AI-based scheduling in healthcare. The qualitative research, conducted through focus group interviews, highlights the contrasting priorities of nurse leaders and nurses. Nurse leaders prioritize operational efficiency and workload management, viewing AI as a tool for enhancing scheduling processes. In contrast, nurses emphasize the importance of work-life balance (WLB), recovery, and individual preferences in scheduling. Both groups recognize the potential benefits of AI in promoting fairness and transparency but express concerns about the loss of human sensitivity and the need for human oversight in decision-making.
The findings underscore the necessity for a participatory approach to scheduling that accommodates individual needs while maintaining organizational efficiency. Participants advocate for flexible scheduling practices, including regular working days, equitable shift distribution, and consideration of personal circumstances such as childcare. The study also highlights the importance of clear communication and feedback mechanisms to enhance employee satisfaction and engagement. Overall, the research emphasizes the need for a balanced integration of AI in scheduling that respects both operational goals and the emotional and personal dimensions of nursing work.
Limitations
In the “Limitations” section, participants expressed concerns regarding the limitations of AI in accommodating individual needs and preferences for workforce scheduling. They highlighted the potential for discrepancies and emphasized that the effectiveness of AI systems is contingent upon the quality and timeliness of input data. Participants noted a significant reliance on technology, which poses risks during technical failures, and stressed that human planners should retain ultimate responsibility for scheduling to ensure that emotional and physical employee needs are adequately addressed. The inability of AI to fully replicate human intuition and sensitivity was a recurring theme, underscoring the importance of maintaining human oversight in scheduling processes.
The study employed focus groups (FG) and knowledge mapping to gather diverse perspectives, fostering structured and transparent analysis. While this participatory approach allowed for dynamic discussions among participants from various professional roles, several limitations were acknowledged. These include potential selection bias due to convenience sampling and the online format, which may have excluded individuals with limited digital access. Additionally, the online setting could have constrained non-verbal communication and depth of interaction. The influence of dominant participants on group dynamics and the reliance on knowledge maps over full transcriptions may have further impacted the richness of the data. Lastly, the framing of AI’s role in scheduling through interview guides could have introduced bias in participants’ expectations and articulations of AI’s capabilities. Despite these limitations, the methodological approach is supported by prior research, suggesting that the findings remain valid.