Plymouth City Council, South Hams District Council ve West Devon Borough Council, Ortak Yerel Plan (JLP) ortaklığı olarak bir araya geldi ve dijital odaklı bir danışma yaklaşımı ile danışma analizini iyileştirmek için bir kıyaslama aracını test etmek üzere iki bağlantılı pilot program yürüttü.

Planlama Zorluğu

Ortak yerel plan alanı, büyük bir şehirden kırsal ve sahil topluluklarına kadar geniş ve çeşitli bir coğrafyayı kapsıyor. Önceki danışmalar genellikle kapsamlı manuel işlem gerektiriyordu ve şu konularda zorlanıyordu:

  • yeni veya yetersiz temsil edilen gruplara ulaşmak
  • 3 yetkili bölgedeki sakinlerin günlük deneyimlerini yansıtmak
  • büyük miktardaki serbest metin yanıtlarını hızlıca işlemek
  • plan yapımını bilgilendirmek için zamanında içgörüler sunmak

Yapılanlar

Konseyler, danışma yanıtlarını toplama ve analiz etme yaklaşımlarını yeniden tasarlamak için Commonplace ve City Science ile ortaklık kurdu.

Danışma için şunları yaptılar:

  • sakinlerin tesislere erişim, yerel sorunlar, seyahat ve açık alanlara ilişkin görüşlerini kaydedebileceği etkileşimli bir harita ile dijital bir anket yürüttüler
  • anketi sade dil, hızlı anketler ve kısa açık metin seçenekleri kullanarak tasarladılar
  • coğrafi erişimi genişletmek için hedefli iletişim, posterler, yüz yüze etkinlikler ve ücretli sosyal medya kullandılar
  • danışma sırasında iletişimi aktif olarak uyarlamak için gelen yanıtları izlediler

Analiz için şunları yaptılar:

  • kamuoyu eğilimini hizmetlere erişime ilişkin açık verilerle bağlayan bir kıyaslama aracı geliştirmek için City Science ile çalıştılar
  • yanıtları tema, konum ve duyguya göre kategorilere ayırmak için Commonplace'ın Doğal Dil İşleme (NLP) modelini birlikte tasarlayıp test ettiler
  • memurların eğilimleri belirlemesine ve kamu raporlamasını desteklemesine yardımcı olmak için gösterge panoları, haritalar ve grafikler kullandılar
  • pilot etkileşimli stratejik planlama danışma raporu üretmek için Power BI kullandılar

Sonuçlar ve Etki

Pilot, erişim, içgörü ve verimlilikte ölçülebilir iyileştirmeler sağladı. Konseyler şunları buldu:

  • 1.400'den fazla sakin danışmaya katıldı
  • katılım, bölge genelindeki seçim bölgelerinin 4'te 3'ünde önceki danışmaya kıyasla arttı
  • katılımcıların %69'u daha önce ortak yerel plan danışmasına katılmamıştı
  • katılımcıların %75'i anketin tamamlanmasının kolay veya çok kolay olduğunu söyledi
  • NLP testi, işlem süresinde %66 iyileşme sağlayarak yanıt başına 10 dakikaya kadar tasarruf etti
  • testler, memurların danışmanın kapanmasından bir hafta içinde ilk üst düzey analizi üretebileceğini önerdi
  • 35 yaş altı sakinler, nüfus tahminlerine kıyasla hala yetersiz temsil ediliyordu
  • yoksunluğun daha yüksek olduğu bölgelerde katılım, planlama katılımındaki daha geniş ulusal eğilimleri yansıtarak daha düşük kaldı

Öğrenilenler

Konseyler şunları buldu:

  • basit anket tasarımı, daha önce katılmamış sakinleri çekmeye yardımcı oldu
  • atölye çalışmaları ve yüz yüze etkinlikler, daha geniş bir demografiye ulaşmada hala önemli bir rol oynuyor
  • yapay zeka destekli araçlar, danışma yanıtlarını etiketleme ve özetleme için harcanan zamanı azaltabilir
  • memur denetimi hala gerekli — NLP erken analizi destekleyebilir ancak profesyonel yargının yerini alamaz
  • modeller, yerel veri kümeleri üzerinde eğitildiğinde daha iyi performans gösterdi
  • tutarlı veri standartları, planlama stratejileri ve kanıt belgeleri geliştirmek için kıyaslama araçlarının değerini artırır

Pilot, danışma analizinde yapay zeka kullanmanın erken potansiyelini gösterdi, ancak aynı zamanda şeffaflık ve insan incelemesinin önemini de vurguladı.

Gelecek Planları

Konseyler, ortak yerel planın gelecek aşamaları öncesinde NLP modelini ve kıyaslama yaklaşımını geliştirmeye devam etmeyi planlıyor. Eğitim verilerini genişletmeyi, daha uzun teknik yanıtlarda yapay zeka özetlemesini test etmeyi ve yapay zeka araçlarının mevcut danışma platformlarıyla nasıl entegre edilebileceğini keşfetmeyi amaçlıyorlar. Ayrıca, genç sakinlere ve daha düşük katılımlı bölgelere yönelik erişimi güçlendirmeyi ve analitik yöntemlerini ortaya çıkan planlama veri standartlarıyla uyumlu hale getirmeyi hedefliyorlar.