AIが“次の行動”をナビゲート。マネジメント改善の「最初の一歩」を明らかにする職務満足度調査 。
部署ごとの満足度と課題を詳細に可視化し、「働きやすい組織」の実現を強力に支援します 。
そもそも、自組織が「働きやすい」かどうかが可視化できていない。
「働きやすさ」を妨げる、コミュニケーション不全、仕事のシステムやプロセス、情報共有の不足など、要因が明確になっていない。
たくさんの課題が見つかっても、何からどのように手をつければ良いかわからない。
これら３つすべてを
明らかにするのが
MCサーベイです
マネジャーの「肌感覚」だけでは捉えきれないスタッフの疲弊度や、満足度低下の要因を、看護に特化した質問項目で部署ごとに可視化。組織全体でひと括りにせず、マネジメントの単位である部署ごとの状態を詳細に把握します。
看護管理の知見を学習したAIが、部署の強み・弱みを分析。「何からどのように改善すべきか？」というマネジャーの悩みに対し、「優先的に取り組むべき課題」を特定し、その背景と「次の行動」を具体的に解説します。
AIが「具体的なアクション」まで提案するため、改善への「最初の一歩」が容易になります。さらに、繰り返し調査と改善活動を行うことで、組織的なマネジメントのPDCAサイクルが定着します。
MCサーベイでは、難しいデータを読み取ることなく、 「この部署の全体状況」と「取り組むべき課題の優先順位」、「具体的なマネジメント改善のアクション」がわかります。
単に組織の状態を「測る」だけでなく、「動く」ための具体的な指針を示します。
組織の強み・課題をAIが要約。一読でおおよその状況を把握 。
スタッフが評価している「強み」を客観的に言語化。ポジティブフィードバックと好循環を生む 。
データ間の関連性をAIが分析し、優先度の高い課題を特定。「どこから手をつけるべきか」に悩む必要がない 。
課題対策案に加え、「強みをどう活かすか」といった行動もセットで提案。管理者がすぐにPDCAサイクルを回し始められるよう具体的にナビゲート 。
MCサーベイのAIは、実際の看護管理業務で発生する「困りごと」「管理課題の書き方」「問題解決の過程」「過去の満足度調査データ」などを匿名化したうえで学習しています。 こうした看護管理の知見をベースに分析を行うため、単なる数値分析にとどまらず、現場の状況に即した"本当に役立つ"具体的なアクションを提案できるのです。
MCサーベイは、看護職のための職務満足度調査として開発されました。質問項目も、看護・医療職の職務内容に最適化されています。
様々な医療機関に勤める約1000名の看護職による基準データ（平均値）と比較し、組織の状態を相対的に評価することができます。
最大３回分の過去調査と比較し、組織の満足度がどのように変化しているかが、グラフで可視化されます。（初回調査では非表示）
第三者による調査であり、個別の回答を特定することができない仕組みなので、回答者に心理的な負担がかかりにくく、率直な回答が得られます。
自前で行う調査は、アンケートの作成・配付・回収・集計に多大な労力がかかります。対して、MCサーベイで行うのは配付のみ！面倒なエクセル作業から解放されます。
回答者は、配布された用紙からQRコードを読み込むか、URLを打ち込んで回答画面へ。スマートフォンやPCで、5~10分で簡単に回答できます。
アンケートの回答率を集計し回答を促すのは大変です。
MCサーベイでは、部署ごとの回答率をリアルタイムで把握でき、回答率が低い部署に回答を促すことができます。
MCサーベイは、定額で何度でも調査実施が可能です。年度途中の中間評価と期末評価の実施、状態が良くない部署に絞った頻回の調査実施などにご活用いただけます。
病院「全体」の満足度の平均値だけを見ていては、重要なことを見逃してしまいます。 実際のデータでは、病院全体の数値が平均的でも、満足度が「高い部署」と「極めて低い部署」が混在しているケースがほとんどです。 「全体」という大きな括りでは、本当に支援が必要な部署の課題が隠れてしまい、適切な対策が打てなくなってしまうのです。
部署ごとに満足度が異なる最大の要因は、部署のマネジメント、さらに言えば「部署マネジャー（師長）」です。 スタッフの働きやすさや安心感は、病院全体の方針よりも、日々の業務を共にする「チーム」の中で育まれます。スタッフの日常に直接影響を与えるのは、師長の一つひとつの判断や声かけです。だからこそ、マネジメントの効果は「部署単位」で明確に現れます。したがって、部署単位で調査を行い、部署ごとの状態を正確に見極めて改善に取り組むことが、最も効果的なのです。
お返しする結果は大きくわけて「全部署概況一覧」「AIフィードバック」「結果シート」の３つから成っています。
各部署に配る結果シートの大事なポイントを、シンプルな１つの表にしたものです。 全部署の情報がまとまっているので、施設管理者の方が全体を把握するのにおすすめです。
AIが調査結果から総合的に評価し、現在の状態、部署の強み、弱み、改善案をまとめたものです。これを見れば、何から取り組んだら良いかがわかります。
全体的な傾向を示し、
重点的に取り組む分野を提案します。
職務満足を構成するカテゴリごとの傾向を集計し、経年変化をグラフ表示します。
各質問項目について、偏差値・分布・前回調査との比較を表示します。
調査開始日や回答期限、部署ごとの回答者数を入力し、調査を設定します。※２回目以降は、前回の調査設定をエクセル形式で送付し、今回調査の設定を記載していただきます。
設定完了後、当方で回答者コード配付用紙（PDF）を生成し、お送りします。担当者の方には、スタッフの方々に配付していただきます。
スマートフォンやパソコンを使い、サーベイに回答していただきます。サーベイへのアクセスは、回答者コード配付用紙に記載されているQRコードまたはURLから可能です。
弊社で結果を集計、分析したものを、担当者の方にメールで送付いたします。
本調査は看護職を対象に開発されましたが、同様の質問を他の医療職（医師・薬剤師等）・事務職・介護職向けに変更した調査項目もご用意しております。そのため、院内の多職種を対象に調査を行うことも可能です（実際に多職種で調査を行った実績もございます）。ただし、他の医療職・事務職・介護職の調査データを基にした標準値は算出していないため、比較対象となる標準値は看護職のものであることを予めご了承ください。
本調査の標準値および偏差値は、有限会社ノトコードが東京都の助成を受けて2015年11～12月に実施した、全国の20代～40代の看護師1103名（100床以上の病院に勤務する常勤看護師）を対象としたコホート調査のデータをもとに統計的に算出したものです。500床以上の医療機関に所属する人は34％、300～499床の医療機関に所属する人は31％であり、 病院勤務の看護職全体の傾向と概ね一致しています。ただし経験年数の分布は1～3年目が約12％、4～10年目が約42％であり、大規模急性期医療機関の構造と異なる部分があります。回答者のうち1年以内に退職予定となっている者は9.5％であり、これは看護職全体の傾向と概ね一致します。
標準データのプロフィールを踏まえると、新卒を多く採用する大規模急性期医療機関は自己効力感や承認実感に関わるスコアが低値を示しやすく、業務環境や問題解決支援は高値を示す傾向があります。これらのスコアに関しては、結果シート1枚目の「院内偏差値」を併せて参照することも推奨されます。
1. 本調査において扱う情報
（1）部署別の所属人数
（2）各個人の回答内容
（3）部署単位および組織全体の集計結果
2. 情報の機密性の保護
（1）本調査において、個人を特定する情報は扱っていないため、本調査の実施に際して個人情報の取り扱いはない。
（2）本調査の実施に際して提供された、部署別の所属人数等の情報は、これを調査目的以外には使用しない。
（3）本調査の、部署単位および組織全体の集計結果については、これを依頼者の許可なく公開したり、第三者に開示することはない。
（4）本調査の回答結果について、個人・部署・所属組織等の属性を除いたデータを、研究および解析プログラムの改善、教育プログラムの開発等に使用することがある。
（5）本調査によって得られた回答結果は、部署・所属組織等の属性と異なるデータベース上で扱われ、万が一回答結果データが漏洩した場合であっても、そのデータと個人や所属組織が紐付けられないよう、十分な対策を施す。
3. 情報の完全性・可用性の担保
（1）本調査に関して収集したデータは、バックアップ体制のあるデータベースサーバにおいて、4年間にわたって保管される。
（2）本調査に関して収集したデータは、弊社の提供する集計プログラムを通してのみ依頼者に提供され、生データを提供することはない。これは、様々な情報を組み合わせて、回答した個人が特定されるのを防ぐためである。
4. 調査に関する著作権
（1）本調査の質問項目、分析カテゴリー、項目・カテゴリーごとの標準値、集計票、質問紙等の著作権は全て有限会社ノトコードに帰属する。
（2）本調査の結果シート（集計結果）についてのみ、依頼者がこれを複製することができる。また、集計結果を電子化して、別媒体に転載することもこれを妨げない。
