De opkomst van datatechnologie betekent een grote verandering voor ontwerponderzoekers. Naarmate ontwerpen zich aanpassen aan complexe maatschappelijke uitdagingen moeten ontwerptools zich ontwikkelen zodat ze zowel recht doen aan mensen als geavanceerde technologie. Jiwon Jung onderzocht in het kader van haar proefschrift hoe ontwerpers in samenwerking met datawetenschappers en met behulp van machinelearning oplossingen voor digitale gezondheidszorg kunnen ontwikkelen. Zij concludeert dat ze veel van elkaar kunnen leren.
Ontwerp in transitie
Tijdens haar ontwerpopleiding in Korea ontdekte Jung naar eigen zeggen dat de manier waarop ontwerpers onderzoek doen aan het veranderen is. Waar onderzoekers gebruikers eerder in een testruimte zetten om te zien hoe ze op producten reageerden of gebruikers in hun eigen omgeving observeerden, plaatsten ontwerpers nu sensoren in omgevingen of producten om gebruikers zonder tussenkomst en op grotere schaal te volgen. “Ik bedacht me dat als hetgeen we ontwerpen verandert, of dat nou producten zijn of complexe systemen, dat dan de manier waarop we ontwerpen ook zou moeten veranderen", stelt ze. Dat was het uitgangspunt voor het proefschrift van Jung, waarin ze een visie ontwikkelde over de invloed van het nieuwe computertijdperk op ontwerptaken en -processen en de rol van ontwerpers.
Gezamenlijke oplossingen
Op basis van de ontwikkelingen in de technologie voor dataverzameling en -analyse onderzocht Jung de mogelijke toekomstige impact van ontwerpen op het gebied van digitale gezondheidszorg. Digitale gezondheidszorg is van nature een transdisciplinair en op samenwerking gebaseerd veld, waarbij vakgebieden als beleid, economie, geneeskundig onderzoek en gedragswetenschappen een rol spelen. Jung wilde met haar onderzoek aantonen hoe samenwerking met datawetenschappers ontwerpers kan helpen om bij te dragen aan de maatschappelijke transitie van traditionele gezondheidszorg naar een waardegericht gezondheidszorgsysteem waarin de patiëntervaring centraal staat.
“Datawetenschappers kunnen bedenken welke mogelijkheden machinelearning-technieken kunnen bieden voor data-analyse op samenlevingsniveau, terwijl ontwerpers kunnen bedenken en uitleggen welke resultaten van de data-analyse hoogwaardige informatie kunnen opleveren voor het ontwerpen van nieuwe diensten of systemen”, stelt ze in haar proefschrift.
From page 29 of Jiwon's thesis: "A part of the Chapter 3 outcome, an example of Patient Community Journey Mapping (modified from (Peters, 2021))"
Meer data = betere gezondheidszorg waarin de patiënt centraal staat
Jung ontwikkelde een tool, genaamd ‘Patient Community Journey Mapping’, om meer inzicht te krijgen in patiëntervaringen op een grotere schaal. Patient journey mapping wordt vaak ingezet als ontwerptool, maar dit is arbeidsintensief en levert meestal slechts beperkt kwalitatieve data op. De tool van Jung biedt via machinelearning een nieuwe benadering op basis van bestaande databases van patiëntverhalen van online patiëntencommunity’s. Deze databases zijn een bron van tienduizenden patiëntenverhalen uit de eerste hand over het individuele zorgtraject en de ziekte-ervaring van mensen.
Jung werkte voor haar onderzoek samen met het Erasmus MC en richtte zich op digitale oplossingen voor cardiologie- en kankerpatiënten. “Deze mensen leven in grote onzekerheid", vertelt ze. “Met behulp van mijn tool analyseerden we tienduizenden patiëntverhalen, waaruit we informatie destilleerden over patiëntbehoeften op bepaalde punten tijdens hun zorgtraject. Ons doel was om patiënten op het juiste moment van de juiste informatie te voorzien, waardoor ze zich zekerder voelden over het natraject van de zorg.” Dit is slechts één voorbeeld van hoe met deze nieuwe, op data gebaseerde aanpak op (kosten)efficiënte wijze data op samenlevingsniveau kan worden gebruikt voor het ontwerpen van digitale oplossingen in de gezondheidszorg. Ontwerpers krijgen hierdoor meer inzicht in de complexiteit van de gezondheidszorg, wat uiteindelijk kan leven tot betere zorgtrajecten, -producten en -diensten.
Samen met andere deelnemers aan dit onderzoek ontving Jung een subsidie van de Convergence Open Mind Call en een Take-off fase 1-beurs van NWO om de tool tijdens haar promotieonderzoek te ontwikkelen. Ze blijft drie afgestudeerden van de TU Delft die via de startup Qaring verdergaan met het onderzoek ondersteunen en adviseren.
Nieuwe tools, nieuwe perspectieven
Digitale gezondheidszorg vormt een complexe maatschappelijke uitdaging die het niveau van het individu vaak overstijgt en niet op een eenzijdige manier moet worden benaderd, aldus Jung. Daarom baseerde zij zich voor haar onderzoek op de behoefte aan ontwikkeling van ontwerpmethodes en -tools waarmee het collectieve patiëntperspectief een plek krijgt in het ontwerpproces voor digitale gezondheidszorg. Door de opkomst van toolkits en diensten waarmee technologie als AI en machinelearning eenvoudig zijn in te zetten, hebben ontwerpers nu krachtige tools tot hun beschikking. Maar Jung benadrukt dat dergelijke technologische oplossingen een ondersteuning zijn en moeten worden bezien in het grotere plaatje.
Deze technologie kan ontwerpers helpen om dingen vanuit een ander perspectief te bezien, anders dan de traditionele aanpak,maar je moet goed weten hoe je dit soort tools kunt inzetten, en geen antwoorden van ze verwachten, omdat er fouten en vooroordelen in zitten. Het is van groter belang dat we weten hoe ze werken en hoe we ermee kunnen werken dan dat we onze ontwerpbeslissingen erdoor laten beïnvloeden.
―
Jiwon Jung
Jung werkt momenteel als postdoc bij de afdeling Chirurgie van het Erasmus MC mee aan het Convergence Flagship project Spreekkamer 2030. Vanaf september zet ze haar werk voort als universitair docent aan de faculteit Industrieel Ontwerpen van de TU Delft en werkt ze een dag per week als universitair docent bij de afdeling Chirurgie van het Erasmus MC.
Ontwerpmethodologie
Het onderzoek van Jung richtte zich op de ontwikkeling van een nieuwe methodologie en tool voor verbetering van het op data gebaseerde ontwerp op het gebied van digitale gezondheidszorg. Ze werkte voor haar proefschrift nauw samen met datawetenschappers van de TU Delft en begeleidde masterstudenten in een andere manier van ontwerpen, met behulp van grootschalige data over gebruikerservaring en machinelearning, om zo tot betere digitale gezondheidszorginterventies te komen.
