2024年3月4日上午，应兰州大学应急管理研究中心、管理学院危机信息管理研究所邀请，美国理海大学商学院张大卫教授作了题为《使用在线患者评价分析医生的职业道德：一种机器学习方法》的报告，讲座由兰州大学应急管理研究中心王洪鹏副教授主持，中心师生参加了本次讲座。

       张大卫教授的研究关注如何使用网络平台上的用户评论来预测医生的违规行为。张教授指出，对某些职业而言，遵循一定的道德和职业行为准则是非常重要的，但监管机构往往很难及时发现违反规范的从业人员。随着互联网的普及，越来越多的患者在评分网站上提供了他们的就医经历并对医生的行为进行了评价。对这些评论信息进行分析，对于管理和规范医生的职业行为具有价值。然而，很少有研究从理论上或实证上建立起患者的评论与医生违规之间的联系。基于这一背景，张教授提出了两个研究问题：一是如何从在线评论中识别出具有重大社会影响的职业道德失误迹象？二是是否可以运用大语言模型和机器学习来预测医生的违规行为？

       根据有关医疗质量和伦理的文献，张教授团队从义务论（Deontology）、结果论（Utilitarian）和情绪价值（Emotivism）三个维度，构建了描述医生职业道德的10个指标。并使用这些指标对116万条患者评论对被评论医生的职业道德相关数据进行了抽取。针对在线患者评论数据没有标签的问题，张教授详细介绍了数据处理方式，即对每一个指标设置最能表达其含义的种子句子（Seed Query），并运用少样本学习（Few-shot Learning）等方法进行4轮迭代，这一方式能够大大提高数据标注的效率并具有相当的准确性。

       张教授团队利用构建的10个职业道德指标对医生的违规行为进行预测。基于“义务论”（Deontology）维度的指标在预测医疗行业的违规行为方面是最显著的，如处方不当、非必要的手术、失职等指标，而“情绪价值”（Emotivism）维度的指标无法对未来违规行为进行预测，如患者对医生的喜欢或厌恶。实证结果表明，该研究可以帮助预测与毒品有关的死亡、纪律处分、渎职索赔的细节，以及制药公司向医生支付的费用及其处方行为的关联所表明的寻租行为。张教授团队的研究为检测不道德行为的早期迹象提供了一个新的框架，更好地防止医疗不当行为。

       最后，张大卫教授与各位师生就如何利用种子句子设置标签、理论选取中的情绪价值判断、少样本学习（Few-shot Learning）等相关问题进行了深入地讨论和交流，为老师和同学们在科研工作上提供了许多新的启发。兰州大学应急管理研究中心王洪鹏副教授对此次主题报告进行了总结。