Dieser Artikel gibt Ihnen Tipps, wie Sie auf die Antworten aus einer Umfrage unter Beamten zu Diversität, Gleichberechtigung und Inklusion in öffentlichen Diensten analysieren können. Egal, ob Sie rohe Zahlen oder offene Textfeedbacks haben, ich zeige Ihnen praxisnahe Wege, Ihre Umfrageergebnisse in umsetzbare Erkenntnisse zu verwandeln.
Die richtigen Werkzeuge für die Analyse von Umfrageantworten auswählen
Der richtige Ansatz zur Analyse von Umfragedaten von Beamten zu Diversität, Gleichberechtigung und Inklusion hängt weitgehend von der Struktur Ihrer Daten ab. Nach meiner Erfahrung sollten die gewählten Werkzeuge zu einer Mischung aus quantitativen und qualitativen Antworten passen.
Quantitative Daten: Wenn Sie mit festen Zahlen arbeiten – wie viele Personen bestimmte Optionen ausgewählt haben – sind einfache Werkzeuge wie Excel oder Google Tabellen oft ausreichend. Diese Tools können Prozentsätze berechnen und Trends bei Gehaltslücken anzeigen, wie zum Beispiel die mittlere geschlechterbedingte Gehaltslücke im öffentlichen Dienst des Vereinigten Königreichs 2024, die mit 8,5% über dem nationalen Durchschnitt bleibt. Diese Art von Informationen ist unschätzbar wertvoll, um Repräsentationsprobleme auf den ersten Blick zu verstehen. [1]
Qualitative Daten: Wenn Ihre Umfrage offene Fragen oder ausführliche Folgeantworten enthält, arbeiten Sie mit qualitativen Daten. Das manuelle Lesen dieser Antworten ist nicht nur zeitraubend – es ist fast unmöglich bei Dutzenden oder Hunderten von Einträgen. Dafür benötigen Sie KI-gestützte Tools, die schnell und zuverlässig Themen und Muster für Sie zusammenfassen können.
Es gibt zwei Herangehensweisen an Werkzeuge, wenn es um qualitative Antworten geht:
ChatGPT oder ein ähnliches GPT-Tool für KI-Analyse
Wenn Sie Ihre offenen Textantworten exportieren – sagen wir, von SurveyMonkey oder Google Forms – können Sie sie in ChatGPT oder ein anderes GPT-Tool einfügen und beginnen, über Ihre Daten zu sprechen. Dieser Ansatz funktioniert bei kleinen Datensätzen, und Sie können gezielte Fragen stellen wie: „Was sind die wiederkehrenden Hauptthemen?“ oder „Welche Herausforderungen beschreiben Beamte?“
Allerdings ist dieser Prozess nicht sehr bequem. Sie müssen die Daten für die KI-Eingabe formatieren, sie in kleinen Mengen kopieren, wenn es zu viel ist, und mehrere Chatsitzungen im Auge behalten. Es ist machbar für explorative Analysen, wird aber schnell mühsam, wenn Ihre Umfrage wächst.
Alles-in-einem-Tool wie Specific
Ein speziell für diesen Workflow entwickeltes KI-Tool wie Specific vereint alles unter einem Dach. Sie können sowohl Umfragedaten sammeln als auch sofortige KI-gestützte Analysen durchführen. So hilft es:
Specifics KI stellt während der Umfrage automatisch Folgefragen. Dies erhöht die Qualität und Tiefe der Antworten – entscheidend für ein nuanciertes Thema wie DEI im öffentlichen Sektor. Erfahren Sie mehr über automatische KI-Folgefragen hier.
Sobald die Antworten vorliegen, fasst die KI die Antworten sofort zusammen, identifiziert Schlüsselthemen und hebt umsetzbare Erkenntnisse hervor – ohne Tabellenkalkulation oder manuelle Sortierung.
Sie können mit der KI über die Ergebnisse chatten, genau wie mit ChatGPT. Der Unterschied ist, dass Sie zusätzliche Funktionen erhalten, um Ihre Daten zu filtern, zu verwalten und zu erkunden, ohne Dateien zu jonglieren oder Antworten zu kopieren und einzufügen. Es ist für kollaborative Feedback-Arbeit ausgelegt, besonders für Umfragen unter Beamten, die sich mit komplexen Themen wie Repräsentation oder Diskriminierung befassen.
Zusammengefasst können Sie für kleinere Aufgaben generische KI-Chat-Tools verwenden, aber speziell entwickelte Plattformen wie Specific machen die großangelegte qualitative Umfrageanalyse unendlich einfacher und umsetzbarer.
Nützliche Eingabeaufforderungen zur Analyse von Umfrageantworten zu Diversität, Gleichberechtigung und Inklusion bei Beamten
Eine KI ist nur so nützlich, wie die Eingabeaufforderungen, die Sie ihr geben. Um sicherzustellen, dass Sie die Einblicke erhalten, die Sie zu den Perspektiven der Beamten in Bezug auf Diversität, Gleichberechtigung und Inklusion benötigen, hier einige praxiserprobte Eingabeideen, die sowohl in ChatGPT als auch Specific funktionieren.
Eingabe für Kerngedanken: Dies funktioniert bei jeder Datensatzgröße und hilft Ihnen, die wichtigsten Themen zu verstehen, die sich in allen Antworten widerspiegeln.
Ihre Aufgabe besteht darin, Kerngedanken in Fettdruck (4-5 Wörter pro Kerngedanke) + bis zu zwei Sätze lange Erklärungen zu extrahieren.
Ausgabeanforderungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen bestimmte Kerngedanken erwähnt haben (verwenden Sie Zahlen, keine Wörter), am häufigsten erwähnte zuerst
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kerngedanke-Text:** Erklärtext
2. **Kerngedanke-Text:** Erklärtext
3. **Kerngedanke-Text:** Erklärtext
Die KI liefert viel bessere Antworten, wenn Sie mehr Kontext zu Ihrer Umfrage, dem Publikum oder Ihren Zielen geben. Fügen Sie dies einfach vor Ihrer Eingabe hinzu:
Wir haben britische Beamte zu ihren Erfahrungen und Herausforderungen mit Diversität, Gleichberechtigung und Inklusion im öffentlichen Dienst befragt. Wir möchten die Schlüsselfragen, Verbesserungsideen und spezifische Schmerzpunkte in Bezug auf Arbeitsplatzgleichheit, Repräsentation und Inklusion aufdecken.
Eingabe zur Vertiefung eines Themas: Sobald die KI die Kernthemen zusammengefasst hat, fragen Sie nach einer Vertiefung auf diese Ideen:
Erzählen Sie mir mehr über die Unterrepräsentation von Frauen in Führungspositionen.
Eingabe für spezifische Erwähnungen: Großartig, um zu prüfen, ob jemand ein Thema erwähnt hat, an dem Sie interessiert sind.
Hat jemand über Gehaltsunterschiede gesprochen? Zitate einfügen.
Eingabe für Personas: Nützlich, wenn Sie Ihr Publikum nach Erfahrung oder Hintergrund segmentieren möchten.
Basierend auf den Umfrageantworten, identifizieren und beschreiben Sie eine Liste von unterschiedlichen Personas – ähnlich wie "Personas" im Produktmanagement verwendet werden. Für jede Persona fassen Sie die wichtigsten Merkmale, Motivationen, Ziele und relevante Zitate oder Muster zusammen.
Eingabe für Schmerzpunkte und Herausforderungen: Klärung, was schief läuft und wo Beamte mehr Unterstützung benötigen.
Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf, die erwähnt wurden. Fassen Sie jeden zusammen und notieren Sie Muster oder Häufigkeiten des Auftretens.
Eingabe für Vorschläge & Ideen: Wenn Sie umsetzbare Empfehlungen für Änderungen sammeln möchten.
Identifizieren und listen Sie alle Vorschläge, Ideen oder Aufforderungen auf, die von den Umfrageteilnehmern bereitgestellt wurden. Organisieren Sie sie nach Thema oder Häufigkeit und fügen Sie relevante direkte Zitate hinzu.
Für noch mehr Eingabeideen, die auf Diversitäts- und Inklusionsumfragen zugeschnitten sind, schauen Sie sich diesen Leitfaden zu effektiven Umfragefragen für Beamte an.
Wie Specific qualitative Umfragedaten basierend auf Fragetypen analysiert
Schauen wir uns an, wie Specific (und KI-Tools im Allgemeinen) qualitative Analysen für verschiedene Arten von Umfragefragen durchführt:
Offene Fragen (mit oder ohne Folgefragen): Specific liefert eine allgemeine Zusammenfassung, die jede Antwort auf die Hauptfrage und alle zugehörigen Folgefragen abdeckt. Dies hilft Ihnen, das Meinungsbild einzufangen, wie beispielsweise die Analyse nuancierter Gründe für die anhaltende geschlechterbedingte Gehaltslücke in Führungspositionen im öffentlichen Dienst. [1]
Wahlmöglichkeiten mit Folgefragen: Jede Antwortoption erhält eine eigene Zusammenfassung, die alle Bemerkungen der Befragten zu den Folgefragen zu dieser Wahl abdeckt. Dies bringt wertvolle Muster ans Licht (z.B. warum Beamte sich ein- oder ausgeschlossen fühlen, abhängig von ihrer Abteilung oder ihrem Team).
NPS (Net Promoter Score): Jeder Abschnitt – Kritiker, Passive, Befürworter – erhält seine eigene Analyse. Für DEI im öffentlichen Dienst bedeutet dies, dass Sie schnell sehen können, was Ihre stärksten Unterstützer motiviert und über was Ihre Kritiker am meisten frustriert sind.
Dieselben Prinzipien können Sie auch in ChatGPT anwenden; es erfordert nur mehr Kopieren, Einfügen und manuelles Organisieren von Folgeantworten für jede Frage – weshalb eine dedizierte Umfrageplattform wie Specific die Dinge einfach und wiederholbar hält.
Weitere Informationen zur Einrichtung KI-gestützter Umfragen wie dieser finden Sie in diesem praktischen Umfragegenerator-Leitfaden für DEI-Umfragen unter Beamten.
Umgehung der Kontexbeschränkungen von KI
Alle großen Sprachmodelle, einschließlich derer, die ChatGPT und Specifics Analysen antreiben, haben Kontextlimitierungen – das heißt, es gibt nur so viel Text, den sie „sehen“ und gleichzeitig analysieren können. Wenn Ihre Umfrage unter Beamten Hunderte von ausführlichen Antworten hervorbringt, erreichen Sie schnell diese Grenze.
Hier sind die beiden Hauptmethoden, um dies anzugehen, beide in Specific integriert, aber Sie können sie auch mit KI-Tools anwenden:
Filtern: Senden Sie nur Gespräche, bei denen Benutzer auf eine bestimmte Frage geantwortet oder bestimmte Antworten ausgewählt haben. Analysieren Sie zum Beispiel nur die Antworten von Abteilungen mit der höchsten geschlechterbedingten Gehaltslücke – wie das Gesundheits- und Sozialministerium, das 2024 eine Lücke von 13,9% hatte. [1]
Beschneiden: Begrenzen Sie die Fragen, die Sie zur Analyse an die KI senden. Indem Sie sich auf kleine Fragesätze konzentrieren, machen Sie Platz für mehr Gespräche, während Sie tiefere Einblicke für jeden Satz gewinnen.
Dieser Ansatz bedeutet, dass Sie große, komplexe DEI-Datensätze im öffentlichen Dienst analysieren können, während Sie innerhalb der technischen Grenzen der KI bleiben, um sicherzustellen, dass Sie dennoch echten Mehrwert aus Ihrer Umfrageanalyse ziehen.
Kollaborative Funktionen zur Analyse von Umfrageantworten zu Beamten
In Umfragen über Diversität, Gleichberechtigung und Inklusion unter Beamten ist die Zusammenarbeit oft schwierig: viele Beteiligte, Meinungen und sensible Themen zu erkunden. Das macht das Teilen von Erkenntnissen und die Koordinierung Ihrer nächsten Schritte entscheidend.
Chat-gesteuerte Analyse: Specific ermöglicht es Teams, qualitative Umfragedaten einfach durch Chat-KI zu analysieren. Sie müssen keine SQL-Abfragen ausführen oder endlose Tabellenkalkulationen verwalten. Sehen Sie etwas Interessantes oder möchten Sie ein wichtiges Ergebnis hervorheben? Fragen Sie die KI und teilen Sie das Ergebnis sofort.
Mehrere Chat-Threads: Sie können die Arbeit auf Dutzende von Analysenchats aufteilen, jeder mit einem anderen Fokus – Gehaltslücken in verschiedenen Abteilungen, Herausforderungen für unterrepräsentierte Beamte oder Antworten auf neue DEI-Richtlinien (einschließlich bedeutender Umschwungspunkte wie dem Abbau von DEI-Programmen auf Bundesebene in den USA in den Jahren 2024-2025 [4][5]). Jeder Chat zeigt an, wer ihn erstellt hat, sodass Sie die Arbeit aufteilen und Perspektiven vergleichen können.
Sichtbarkeit und Verantwortung: Jeder, der an der Umfrageanalyse arbeitet, sieht genau, wer was gesagt hat und wo das Feedback entstand. Das bedeutet weniger Verwirrung, reibungslosere Überprüfungen und mehr Vertrauen, wenn Sie Ergebnisse teilen – entscheidend, wenn sensible Themen wie die „Watchlists“ der American Accountability Foundation, die Beamte für ihre DEI-Unterstützung ins Visier nehmen, angesprochen werden [3].
Wenn Ihre Analyse sowohl rigoros als auch teampflegefreundlich sein muss, sparen die kollaborativen Arbeitsabläufe von Specific Zeit und helfen Ihnen, die Politik und Komplexitäten der DEI-Arbeit im öffentlichen Sektor zu meistern. Erfahren Sie mehr darüber, wie einfach es ist, diese Arbeitsabläufe zu strukturieren in diesem Leitfaden für Projekte zur öffentlichen Dienstleistungsumfrage.
Erstellen Sie jetzt Ihre Umfrage zur Diversität, Gleichberechtigung und Inklusion im öffentlichen Dienst
Beginnen Sie damit, reichhaltigeres, ehrlicheres Feedback von Ihrem Team mit KI-gesteuerten Umfragen zu sammeln – erhalten Sie umsetzbare Erkenntnisse, heben Sie Lücken hervor und fördern Sie echten Wandel mit weniger manuellem Aufwand.