Dieser Artikel gibt Ihnen Tipps, wie Sie Antworten aus einer Umfrage unter Beamten zur Transparenz öffentlicher Ausschreibungen analysieren können, indem Sie KI-Technologie zur Analyse von Umfrageantworten nutzen.
Die richtigen Tools für die Analyse von Umfragedaten über die Transparenz öffentlicher Ausschreibungen auswählen
Der beste Ansatz und die besten Tools zur Analyse von Umfrageantworten hängen von der Struktur und dem Format Ihrer Daten ab. Hier ist, wie ich es zerlege:
Quantitative Daten: Diese sind unkompliziert – denken Sie an Zählungen, wie viele Beamte eine bestimmte Option gewählt oder einen Prozess bewertet haben. Ich verwende klassische Tools wie Excel oder Google Sheets, da das Zählen von Zahlen, das Erstellen von Diagrammen und das Ausführen einfacher Statistiken dort intuitiv sind.
Qualitative Daten: Hier wird es unübersichtlich: schriftliche Kommentare, lange Erklärungen oder Antworten auf Folgefragen. Alle Wörter selbst zu lesen, ist nicht realistisch – besonders wenn Sie mehr als ein Dutzend Antworten haben. Hier werden KI-Tools unverzichtbar, da sie große Mengen an offenen Feedbacks in klare, umsetzbare Themen destillieren können.
Es gibt zwei Ansätze für Tools bei der Verarbeitung qualitativer Antworten:
ChatGPT oder ein ähnliches GPT-Tool für die KI-Analyse
Kopieren-einfügen und Plaudern anregen: Sie können Umfrageantworten von Beamten aus Ihrem System exportieren (normalerweise als CSV) und in ChatGPT oder ein anderes GPT-gestütztes Modell einfügen. Von dort aus können Sie über Muster plaudern, Folgefragen stellen oder es auffordern, wichtige Themen zur Transparenz von öffentlichen Ausschreibungen zu identifizieren.
Nicht für Umfrage-Workflows gebaut: Es ist möglich, aber nicht ideal. Sie müssen das Formatierungschaos bewältigen, die Aufforderungen organisiert halten und manchmal mit Kontextbeschränkungen kämpfen, wenn Sie viele Antworten haben.
Nützlich für schnelle, kleine Aufgaben: Ich würde dies für einmalige Analysen oder ein Paket von weniger als 50 Antworten verwenden. Alles darüber hinaus, und die Dinge können schnell unübersichtlich werden.
All-in-One-Tool wie Specific
Speziell für die Umfragesammlung und KI-gesteuerte Analyse entwickelt: Mit Specific kann ich Umfragedaten (einschließlich offener und Folgefragen) auf konversationelle Weise sammeln und sofort qualitative Erkenntnisse analysieren.
Folgefragen führen zu reicheren Daten: Wenn spezifische, zugeschnittene Folgefragen gestellt werden, bemerke ich, dass die Datenqualität erheblich steigt. Beamte sind eher bereit, reale Geschichten oder praktische Beispiele zu teilen – etwas, das traditionelle Umfragen oft übersehen. (Diese Funktion wird hier erklärt: automatische KI-Folgefragen.)
AI-Zusammenfassungen und Chat-Analyse an einem Ort: Specific fasst Antworten sofort zusammen, hebt gemeinsame Themen hervor und ermöglicht es mir, mit der KI über jede Untergruppe von Umfrageantworten zu chatten (wie Antworten auf eine bestimmte Frage oder nur aus einem bestimmten Standort). Ich muss mich nicht um manuelle Filterung, das Kopieren von Daten oder das Nachverfolgen von zuvor gestellten Fragen kümmern – die Plattform organisiert alles für mich.
Erweiterte Kontrolle mit Datenfilterung: Manchmal möchte ich nur analysieren, was die Befragten gesagt haben, nachdem sie eine bestimmte Antwort gegeben haben. Specifics Kontextmanagement macht dies schmerzlos, sodass ich immer nur über das chatte, was wichtig ist.
Erfahren Sie mehr über diese Funktionen im AI Survey Response Analysis Guide.
Nützliche Aufforderungen, die Sie verwenden können, um Antworten von Beamten zur Transparenz öffentlicher Ausschreibungen zu analysieren
Gut formulierte Aufforderungen sind das Geheimnis, um jede KI-Analyse zum Laufen zu bringen – egal, ob Sie Specifics Integrierten AI-Chat oder Ihre Umfragedaten in Tools wie ChatGPT einfügen.
Aufforderung für Kernideen: Dies ist mein bewährtes Mittel, um Themen aus jedem Batch qualitativen Feedbacks zusammenzufassen. Verwenden Sie dies mit entweder Specific oder einem allgemeinen GPT-Tool:
Ihre Aufgabe ist es, Kernideen in Fettdruck (4-5 Wörter pro Kernidee) + bis zu 2 Sätze lange Erklärungen zu extrahieren.
Ausgabeanforderungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen eine bestimmte Kernidee erwähnt haben (verwenden Sie Zahlen, keine Wörter), am meisten erwähnte oben
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kernidee Text:** Erklärender Text
2. **Kernidee Text:** Erklärender Text
3. **Kernidee Text:** Erklärender Text
KI funktioniert immer besser, wenn Sie mehr Kontext über die Umfrage, ihren Zweck und Ihre Ziele geben. Hier ein Beispiel, wie ich Kontext hinzufügen würde:
Ich habe eine Umfrage mit 80 Beamten durchgeführt, die sich auf die Transparenz öffentlicher Ausschreibungen im Vereinigten Königreich konzentriert. Mein Ziel ist es, häufige Schmerzpunkte bei der Anwendung von Transparenzrichtlinien und der Nutzung von Rahmenverträgen zu identifizieren. Bitte extrahieren Sie die größten Themen und Ergebnisse.
Wenn mir etwas Bestimmtes auffällt (beispielsweise Fragen zur Veröffentlichung von Abschlusszertifikaten für Verträge), vertiefe ich es mit: Erzählen Sie mir mehr über die Transparenz von Abschlusszertifikaten für Verträge.
Aufforderung für spezifische Themen: Um schnell zu überprüfen, ob Beamte Vertragsabschlusszertifikate oder andere heiße Themen erwähnt haben, fordere ich an: Hat jemand über Abschlusszertifikate für Verträge gesprochen? Zitate einfügen.
Aufforderung für Schmerzpunkte und Herausforderungen: Wenn ich eine Liste der Frustrationen haben möchte, frage ich:
Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf, die erwähnt wurden. Fassen Sie jede zusammen und notieren Sie alle Muster oder Häufigkeiten des Auftretens.
Aufforderung zur Stimmungsanalyse: Wenn ich sehen möchte, wie die Stimmung – positiv, neutral oder negativ – in den Antworten ist, verwende ich:
Bewerten Sie die allgemeine Stimmung, die in den Umfrageantworten ausgedrückt wird (z. B. positiv, negativ, neutral). Heben Sie Schlüsselphrasen oder Feedback hervor, die zu jeder Kategorie der Stimmung beitragen.
Aufforderung für Vorschläge & Ideen: Um umsetzbare Verbesserungs vorschläge aufzuzeigen:
Identifizieren und listen Sie alle Vorschläge, Ideen oder Bitten auf, die von Umfrageteilnehmern gemacht wurden. Organisieren Sie sie nach Themen oder Häufigkeit und fügen Sie, wo zutreffend, direkte Zitate ein.
Möchten Sie mehr Ideen? Schauen Sie sich diese Empfehlungen für Umfragenfragen an Beamte und Tipps zum Erstellen neuer Umfragen an.
Wie Specific verschiedene Fragetypen in Umfragen unter Beamten analysiert
Specifics Analysemöglichkeiten sind auf verschiedene Strukturierungen von Fragen und Antworten zugeschnitten, sodass Sie granulare Einblicke ohne manuellen Aufwand gewinnen können:
Offene Fragen (mit oder ohne Folgefragen): Die KI fasst jede Antwort zusammen und – wenn Folgefragen vorhanden sind – erstellt eine gemeinsame Zusammenfassung über alle damit verbundenen Gespräche für diese Frage. Dies ist äußerst nützlich, um beispielsweise herauszufinden, warum Transparenz erreicht wird (oder nicht), wenn es um die Veröffentlichung von Beschaffungsplänen geht. [1]
Multiple-Choice-Fragen mit Folgefragen: Jede Auswahl verzweigt sich in eine separate Zusammenfassung aller damit verbundenen Folgeantworten. Wenn Beamte beispielsweise Vertrauen oder Skepsis gegenüber Rahmenvereinbarungen äußern, sehen Sie eine einzigartige Zusammenfassung für jede Meinung. [2]
NPS (Net Promoter Score): Ich erhalte eine individuelle Zusammenfassung für Befürworter, Passivnutzer und Kritiker, einschließlich Erklärungen jeder Gruppe darüber, warum sie so über Prozesse der Transparenz öffentlicher Ausschreibungen denken. Dies ist extrem wertvoll, um Veränderungen im Laufe der Zeit zu verfolgen.
Natürlich können Sie versuchen, ähnliche Ergebnisse mit ChatGPT zu erzielen. Es erfordert nur mehr Arbeit – das richtige Kopieren der Gespräche, das Anwenden von Gruppierungslogik selbst und das Sicherstellen, dass Sie keine in Untergruppen verborgenen Muster übersehen.
Wie man AI-Kontextlimits handhabt, wenn man große Datensätze von Umfragen an Beamte analysiert
AI-Tools – einschließlich ChatGPT und der meisten benutzerdefinierten Modelle – können nur eine begrenzte Menge an Text auf einmal verarbeiten (ihr „Kontextlimit“). Wenn Sie eine große Umfrage zur Transparenz öffentlicher Ausschreibungen durchführen, stoßen Sie möglicherweise an diese Grenzen. Hier ist, wie ich es löse:
Filtern: Ich filtere Gespräche nur auf diejenigen, bei denen Beamte eine bestimmte Frage beantwortet oder eine bestimmte Auswahl getroffen haben. Dies reduziert die Gesamtdatengröße, sodass die KI sich ohne den Verlust des Überblicks vertiefen kann.
Beschneiden: Ich kann die Analyse auf eine einzelne Frage (oder eine kleine Gruppe von Fragen) beschränken – was den Datensatz drastisch verkleinert, sodass die KI ihre Energie auf das relevanteste Insight konzentrieren kann und Sie niemals über das Kontextlimit hinausgehen.
Specific behandelt diese Ansätze eigenständig – ohne zusätzlichen Aufwand Ihrerseits. Sie werden im Detail in den AI Survey Analysis Docs beschrieben.
Kollaborative Funktionen zur Analyse von Umfrageantworten von Beamten
Die klassische Herausforderung: Das Analysieren von Umfrageergebnissen ist selten eine Einzelleistung. Übergewichtige Rückschlüsse aus einer Umfrage zur Transparenz öffentlicher Ausschreibungen zu diskutieren, bedeutet oft, dass man politische, juristische und Beschaffungsteams einbeziehen muss – und Meinungsverschiedenheiten sind häufig.
Einfache, Echtzeit-Zusammenarbeit: Mit Specific analysiere ich Umfragedaten im Gespräch mit der KI – und ich bin nicht allein. Jede Chat-Sitzung kann nach Frage, Antworttyp oder Untergruppe gefiltert werden. Ich kann sehen, wer in meinem Team eine bestimmte Analyse gestartet hat, und wir teilen die Ergebnisse sofort.
Mehrere Chats für besseren Kontext: Ich erstelle Chats für verschiedene Themen – beispielsweise einen speziellen Chat für „Bedenken bei Rahmenvereinbarungen“, einen anderen für „Lücken bei der Vertragsveröffentlichung“. Jeder wird gespeichert und zeigt immer den Namen und das Avatar des Teammitglieds. So kann ich schnell nachvollziehen, wer was gefragt hat, und nichts geht verloren.
Sichtbarkeit in die Zusammenarbeit: Wenn ein Kollege hinzukommt, werden seine Fragen klar zugeordnet. Wir führen ein laufendes Protokoll unserer Hypothesen, Ergebnisse oder nächsten Schritte – und machen die Analyse zu einem Teamsport, nicht zu einer mühsamen Schinderei durch Kommentare in Tabellen.
Ich empfehle, diesen Schritt-für-Schritt-Leitfaden zur Einführung einer Umfrage unter Beamten zur Transparenz öffentlicher Ausschreibungen zu lesen.
Erstellen Sie jetzt Ihre Umfrage zur Transparenz öffentlicher Ausschreibungen für Beamte
Beginnen Sie noch heute mit dem Sammeln von reichhaltigen, umsetzbaren Erkenntnissen von Beamten – Specific ermöglicht es Ihnen, sofort Umfragen mit KI-gestützter Analyse zu erstellen, zu starten und zu verstehen, von der Teamzusammenarbeit bis zu den tiefsten qualitativen Themen.
