Поширені запитання
Тут зібрано відповіді для трьох аудиторій: людей, які користуються застосунком для себе, компаній, які впроваджують платформу для команд, і фахівців, які оцінюють психометричні та аналітичні підходи системи.
Ви можете щодня відмічати рівень стресу, настрою, енергії та фокусу, вести особисті нотатки, ставити цілі, зберігати корисні матеріали, проходити короткі психологічні опитувальники та отримувати добірку порад і вправ під ваш поточний стан.
Основна самоперевірка складається з чотирьох оцінок за шкалою від 1 до 5: стрес, настрій, енергія та фокус. Якщо часу мало, можна скористатися скороченим варіантом лише для настрою або окремо відмітити різкий сплеск стресу.
Після запису система може дати коротке пояснення вашого стану, запропонувати заспокійливу вправу, корисну пораду або персоналізовану щоденну розповідь. Раз на тиждень формується підсумок, який допомагає побачити зміни та повторювані закономірності.
Ні. Dzvin.co допомагає відстежувати самопочуття, структурувати спостереження й краще розуміти власний стан, але не замінює лікаря, психотерапевта чи клінічне обстеження.
Психологічні опитувальники в застосунку корисні для самоспостереження та попереднього орієнтування, але не є остаточним медичним висновком.
У системі використовується перевірка підписаних маркерів доступу, технічні заголовки захисту, перевірка вхідних даних і обмеження дозволених доменів. Це зменшує ризик несанкціонованого доступу та помилкової обробки даних.
Якщо на вашу ситуацію поширюється GDPR, ви маєте право запросити доступ до своїх персональних даних, виправлення неточностей, видалення даних, обмеження обробки, заперечення проти обробки та переносимість даних.
Також обробка даних має спиратися на визначену юридичну підставу, а запит на видалення облікового запису та пов'язаних персональних даних можна подати окремо.
Якщо виникла проблема зі входом, скористайтеся відновленням доступу на сторінці входу. Якщо бачите технічну помилку або маєте пропозицію щодо покращення, скористайтеся сторінкою контактів і, за можливості, додайте опис кроків та знімок екрана.
Платформа перетворює регулярні психологічні самоспостереження співробітників на зрозумілі показники для управління командами. Компанія отримує ранні сигнали ризику, бачить зміни по підрозділах і може втручатися до того, як проблема вплине на продуктивність, утримання людей або стабільність команди.
У звіті DecisionReport доступні середні значення стресу, настрою, енергії та фокусу, burnout index, ранжування команд за ризиком, список risk events із пріоритетами, зміни відносно попереднього періоду, оцінка очікуваного впливу на продуктивність та утримання, а також AI-generated executive summary.
Корпоративний рівень платформи зосереджений на сукупних показниках команд, індикаторах ризику та управлінських сигналах. Конкретний обсяг доступу визначається ролями й політиками доступу у вашій організації.
Для компанії це означає, що доступ до персональних даних має бути обмежений ролями та службовою необхідністю, а обробка повинна мати визначену юридичну підставу, строки зберігання й зрозумілий порядок реагування на запити суб'єктів даних.
Платформа підтримує розмежування доступу та політики видимості, але сама організація також має налаштувати внутрішні правила роботи з персональними даними відповідно до своїх юридичних обов'язків.
Щоденний скан виявляє нові ризики та оновлює поточні сигнали, а повний управлінський звіт формується щопонеділка і охоплює весь попередній тиждень. Фіксований розклад забезпечує актуальність аналітики перед регулярними управлінськими нарадами.
DecisionSupportService не лише візуалізує дані. Він генерує risk events із пріоритетами, веде їх через стани active → escalating → resolved (або suppressed), показує change tracking відносно попереднього periodKey, оцінює очікуваний вплив на продуктивність і утримання та додає AI-саммарі для управлінського рішення.
Система підтримує ієрархію "компанія → групи → учасники", запрошення до компанії, ролі, AccessScopes і SalaryGrades. Це дозволяє налаштувати видимість даних і права доступу відповідно до структури організації та відповідальності користувачів.
Надійність контролюється через A/B тестування моделей, drift detection, ML trust score у діапазоні 0-1, policy overrides для HR і auto-mitigation, якщо якість моделі погіршується кілька циклів поспіль.
Окремо ведеться audit trail усіх policy-змін, тому для адмінів компанії доступний не лише поточний trust level, а й історія втручань у поведінку моделі.
Так. TranslationsService підтримує uk / en / pl для Weekly Insights, MoodStory та іншого AI-контенту, тому пояснення й аналітичні матеріали можуть віддаватися різним командам одразу кількома мовами.
Платформа працює з трьома стандартизованими опитувальниками: GAD-7 для оцінювання тривожності, PHQ-9 для оцінювання депресивної симптоматики та K10 для вимірювання психологічного дистресу.
Окремо система збирає щоденний check-in стану із самооцінками стресу, настрою, енергії та фокусу за шкалою від 1 до 5.
Поєднання психометричних тестів і повторюваних щоденних записів формує історичну базу для моделювання ризику та аналізу динаміки стану.
Базовим джерелом даних є часовий ряд щоденних самооцінок за чотирма вимірами: стрес, настрій, енергія та фокус. Для тижневих висновків аналізується принаймні двотижневе вікно, а для окремих ризикових оцінок система використовує до 100 записів за останні 30 днів разом із результатами психометричних інструментів, якщо вони наявні.
Модуль індивідуального ризику обчислює ознаки на основі середніх значень, варіабельності, монотонності, тренду, тривалості безперервної серії самоперевірок і вираженості симптомів за опитувальниками. Далі правило-орієнтований механізм відносить користувача до одного з трьох рівнів: низький, помірний або високий.
Окремий модуль класифікує динаміку стану як таку, що погіршується, стабілізується або поліпшується. Додатково оцінюються рівень упевненості, часовий інтервал активного ризику, ймовірність продовження поточної закономірності та сценарні зміни за умови покращення сну або зниження стресу.
Для дослідницького шару ключовим артефактом є cohort metrics.
Результати Prediction зберігаються у PredictionSnapshot і далі агрегуються в CohortMetric, де формуються еталонні показники для когорт схожого розміру команди та галузі.
Це дає змогу порівнювати траєкторії й аномалії відносно анонімізованих груп у межах когортного аналізу.
У системі передбачено порівняльне тестування варіантів моделей, контроль зміни розподілів показників, ML trust score для оцінки надійності передбачень і auto-mitigation у разі деградації якості.
Для відтворюваності ключові результати зберігаються у стабільних snapshot-структурах на кшталт PredictionSnapshot, а періодичні обчислення прив'язуються до ключів періоду, що спрощує повторний перерахунок, аудит і когортне порівняння.