就读于学校法人信息大学京都信息研究生院大学（KCGI）的卡宾迪（来自斯里兰卡）与其指导教师丁瑞泰副教授、岳五一教授共同撰写的论文，于2026年9月23日－25日于塞浦路斯帕福斯尼阿波利斯大学帕福斯举行的第15届国际模型与数据工程会议（The 15th International Conference on Model and Data Engineering＝MEDI 2026）上，荣获最佳论文奖（Best Paper Award）。该论文计划发表在德国施普林格出版社出版的计算机科学领域著名丛书《计算机科学讲义》（Lecture Notes in Computer Science，LNCS）上。
该论文汇总了通过结合人工智能情感分析与定性分析，对儿童医疗相关的在线评价进行解析，从而将仅凭星级评分难以捕捉的“就诊体验”特征可视化的研究成果。我们以京都市内110家儿科医疗相关机构收到的4,086条Google地图评论为对象，利用5种AI模型进行了情感分析，并使用定性数据分析软件MAXQDA进行了定性分析。
结果表明，虽然星级评分与评论正文所体现的情感之间存在显著关联，但研究同时发现，特别是在3星评论中，积极与消极的体验往往复杂地并存。此外，在好评中，人们主要重视医务人员的亲切态度、专业性、安全感、对诊疗的信任以及就诊的便利性；而在差评中，主要的不满则集中在人际沟通、候诊时间、就诊便利性，以及对诊疗内容和安全性的担忧等方面。
该研究表明，在线评价不仅是单纯的“星级评分”，还可作为一种信息来源，用于解读患者及其家属如何体验儿科医疗、对哪些方面进行评价，以及认为存在哪些问题。通过将基于人工智能的大规模文本分析与定性分析相结合，我们提出了一种有助于改善儿科医疗服务的新型评估与分析方法。