Dieser Artikel gibt Ihnen Tipps, wie Sie die Antworten einer Umfrage unter Doktoranden über den Zugang zu Forschungsressourcen analysieren können. Wenn Sie tief in die Analyse von Umfrageantworten mit KI eintauchen und echte Einblicke gewinnen möchten, sind Sie hier genau richtig.
Die richtigen Werkzeuge für die Analyse von Umfrageantworten wählen
Der Ansatz und die Werkzeuge, die Sie wählen, hängen wirklich von der Struktur Ihrer Umfrageantworten ab. So gehe ich vor:
Quantitative Daten: Wenn Sie es mit numerischen Antworten zu tun haben – denken Sie an Fragen wie „Wie viele Ressourcen stehen Ihnen zur Verfügung?“ oder Zufriedenheitsbewertungen – diese können einfach mit Tools wie Excel oder Google Sheets gezählt werden. Sie können Trends und Verteilungen für grundlegende Umfrageanalysen sofort darstellen.
Qualitative Daten: Offene oder weiterführende Antworten („Beschreiben Sie Ihre Erfahrung beim Zugriff auf Forschungsdatenbanken“) sind eine andere Herausforderung. Sie werden schnell feststellen, dass Sie nicht einfach über 200 detaillierte Antworten lesen können. Eine manuelle Überprüfung ist überwältigend, daher sind KI-gestützte Werkzeuge hier eine große Hilfe.
Bei qualitativen Antworten gibt es zwei beliebte Ansätze:
ChatGPT oder ein ähnliches GPT-Tool für KI-Analyse
Kopieren, einfügen und chatten. Sie können Ihre offenen Umfragedaten exportieren und dann in ChatGPT oder ein ähnliches GPT-Tool einfügen. Dies ermöglicht Ihnen, über die Antworten zu chatten, Themen zu erkunden oder Zusammenfassungen zu erstellen.
Nachteile. Der Prozess ist etwas umständlich. Große Datensätze könnten auf Kontextgrenzen stoßen, Sie müssen den Text in Chargen aufteilen, und es ist nicht immer nahtlos, den Kontext über die Studie oder Ihre Ziele aufrechtzuerhalten.
Zusammenfassung. Gut für eine ad-hoc-Erkundung, aber nicht für Umfragen gebaut, daher können Unannehmlichkeiten erwartet werden.
All-in-one-Tool wie Specific
Speziell entwickelte KI für die Umfrageanalyse. Tools wie Specific sind speziell für die Erfassung von Umfragedaten konzipiert – einschließlich offener und weiterführender Fragen – und analysieren Antworten sofort mithilfe von KI.
Intelligentere Datenerfassung. Diese Plattformen verwenden KI-gestützte weiterführende Fragen während der Umfrage, was die Qualität (und den Reichtum) der Antworten erhöht. Das automatische Nachfragen um mehr Details führt zu umsetzbaren Erkenntnissen von Doktoranden über ihre realen Herausforderungen beim Zugriff auf Forschungsressourcen.
Eine-Klick-KI-Analyse. Specific fasst offene Textantworten zusammen, erkennt Schlüsselthemen und verwandelt alles in Einsichten – keine Tabellenkalkulationen, kein manuelles Kopieren und Einfügen. Sie können auch im Gespräch mit der KI über Ihre Umfrageergebnisse chatten, spontan filtern und verwalten, was für den Kontext an die KI gesendet wird. Es ist, als ob Sie einen Experten zur Verfügung hätten, der Ihnen rund um die Uhr zur Seite steht.
Branchenführer wie NVivo, MAXQDA und Thematic nutzen ebenfalls fortschrittliche KI, um Umfragedaten automatisch zu codieren und Themen zu identifizieren, wodurch die qualitative Umfrageanalyse einfacher als je zuvor wird. [1] [2] [3]
Nützliche Eingabeaufforderungen zur Analyse von Umfrageantworten von Doktoranden
Wenn Sie eine KI (in ChatGPT, Specific oder einem anderen GPT-gesteuerten Tool) verwenden, sind die Eingabeaufforderungen, die Sie verwenden, von großer Bedeutung. Sie helfen Ihnen, Kernthemen zu extrahieren, Schmerzpunkte zu identifizieren und aus offenen Antworten umsetzbare Rückmeldungen zu erhalten.
Eingabeaufforderung für Kernthemen. Dies ist die „Go-to“-Variante, um Themen aus vielen Antworten an die Oberfläche zu bringen. Sie ist in Specific eingebaut, funktioniert aber überall:
Ihre Aufgabe ist es, Kernthemen in fett hervorgehobenen Wörtern (4-5 Wörter pro Kernthema) + bis zu 2 Sätzen lange Erklärung zu extrahieren.
Anforderungen an die Ausgabe:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen ein bestimmtes Kernthema erwähnt haben (nutzen Sie Zahlen, keine Worte), die am häufigsten genannten oben
- keine Vorschläge
- keine Angaben
Beispielausgabe:
1. **Kernthema**: Erklärungstext
2. **Kernthema**: Erklärungstext
3. **Kernthema**: Erklärungstext
Geben Sie der KI Kontext. KI funktioniert immer besser, wenn Sie den Hintergrund, die Situation und Ihr Ziel der Umfrage spezifizieren. Zum Beispiel:
Analysieren Sie die Antworten von Doktoranden und konzentrieren Sie sich auf ihren Zugang zu Forschungsressourcen an großen Universitäten in Nordamerika. Mein Ziel ist es, die größten Hindernisse und gewünschten Verbesserungen zu verstehen.
Sobald Sie ein Kernthema finden, folgen Sie mit: „Erzähl mir mehr über XYZ (Kernthema)“, um tiefer in die Details einzutauchen.
Eingabeaufforderung für ein spezifisches Thema: Wenn Sie prüfen müssen, ob eine bestimmte Ressource oder ein System erwähnt wurde, ist dies super direkt:
Hat jemand über [spezifische Datenbank oder Ressource] gesprochen? Zitate einschließen.
Eingabeaufforderung für Personas: Gruppieren Sie Studierende in Personas (z. B. „Ressourcen-Power-User“ oder „Internationale Studierende mit Zugangsschwierigkeiten“), um unterschiedliche Segmente zu erkennen.
Basierend auf den Umfrageantworten identifizieren und beschreiben Sie unterschiedliche Personas – fassen Sie ihre Merkmale, Motivationen, Ziele zusammen und geben Sie relevante Zitate oder beobachtete Muster an.
Eingabeaufforderung für Schmerzpunkte und Herausforderungen: Finden Sie heraus, was Studenten wirklich frustriert in Bezug auf den Zugang.
Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte oder Herausforderungen beim Zugang zu Forschungsressourcen auf. Fassen Sie jede zusammen und heben Sie Muster oder die Häufigkeit ihrer Erwähnung hervor.
Eingabeaufforderung für Motivationen & Antreiber: Warum möchten oder brauchen Studenten einen besseren Zugang zu Forschung? Dies bringt die zugrunde liegenden Bedürfnisse und Wünsche ans Licht.
Extrahieren Sie aus den Umfrageantworten die Hauptmotivationen oder Gründe, warum Studenten einen besseren Zugang zu Forschungsressourcen wünschen. Gruppieren Sie ähnliche Motivationen und liefern Sie unterstützende Belege.
Eingabeaufforderung für die Sentiment-Analyse: Erfassen Sie schnell die Stimmung (positiv, negativ, neutral), um die nächsten Schritte zu priorisieren.
Bewerten Sie die insgesamt geäußerte Stimmung in Bezug auf den Zugang zu Forschungsressourcen. Heben Sie die wichtigsten Phrasen hervor, die zu jeder Stimmungskategorie beitragen.
Eingabeaufforderung für Vorschläge & Ideen: Lassen Sie die KI alle Verbesserungsansätze der Studenten sortieren und clustern.
Identifizieren und listen Sie alle Vorschläge oder Ideen zur Verbesserung des Zugangs zu Forschungsressourcen auf, ordnen Sie sie thematisch und fügen Sie bei Relevanz direkte Zitate hinzu.
Ich empfehle, einige davon auszuprobieren und sie anzupassen, um den einzigartigen Herausforderungen und Kontext Ihrer Doktoranden-Umfrage gerecht zu werden. Wenn Sie Ihre Umfrage gestalten und Inspiration für gute Umfragefragen oder die Struktur von KI-Umfragen suchen, sehen Sie sich diese Anleitungen zu besten Fragen für Doktoranden-Umfragen und wie man Umfragen über den Zugang zu Forschungsressourcen erstellt an.
Wie Specific qualitative Daten nach Fragetyp analysiert
Wenn Sie Specific oder ähnliche KI-gesteuerte Werkzeuge verwenden, spielt es eine große Rolle, wie die Plattform unterschiedliche Fragetypen handhabt:
Offene Fragen (mit oder ohne Folgefragen): Die KI erstellt eine Zusammenfassung aller Antworten auf eine Kernfrage sowie aller Folgefragen. Das gibt Ihnen einen ganzheitlichen Überblick und zeigt auch neue Unterthemen, die bei tiefergehenden Fragen entstehen.
Auswahlmöglichkeiten mit Folgefragen: Für jede Umfrageauswahl (z. B. „Online-Datenbanken“, „Bibliothekszugang“) erhalten Sie eine separate Zusammenfassung aller Folgeantworten nur für diese Option. Dies zeigt die Stärken und Lücken jeder Ressource auf.
NPS (Net Promoter Score): Jede NPS-Kategorie – Kritiker, Passive, Promotoren – erhält ihre eigene Zusammenfassung basierend auf Gründen und Feedback, die für diese Gruppen einzigartig sind. Sie können sofort sehen, was Top-Studenten schätzen, was andere frustriert und was Passives zu Promotoren machen könnte.
Dies können Sie auch mit generischen KI-Tools (ChatGPT, etc.) tun, aber es ist definitiv arbeitsintensiver. Sie müssen die Daten selbst aufteilen und filtern, um handfeste Zusammenfassungen zu erhalten.
Umgang mit KI-Kontextgrenzen bei der Analyse großer Umfragedaten
Jedes KI-Tool (einschließlich GPT-basierter Chatbots) hat Kontextgrößenbegrenzungen. Wenn Ihre Umfrage Hunderte detaillierter Antworten generiert, kann das Tool nicht alles auf einmal verarbeiten. Folgendes mache ich, und wie Specific dies automatisch handhabt:
Filtern: Anstatt alle Gespräche einzubringen, filtern Sie den Datensatz – sagen wir, nur Antworten von Studenten, die auf „Beschreiben Sie Ihre größte Zugangshürde“ geantwortet haben. Dies verengt die Charge, hält die Analyse fokussiert und im Kontext.
Beschneiden: Senden Sie nur die relevantesten Fragen zur KI-Analyse. Überspringen Sie demografische Daten oder weniger wichtige Fragen, damit Sie mehr qualitative Antworten in das Kontextfenster der KI einfügen und die gewünschten Einblicke erhalten können.
Specifics Analyse-Workflow verwendet diese beiden Strategien automatisch, sodass Sie nicht stecken bleiben oder wertvolle Erzählungen Ihrer wichtigsten Befragten verlieren.
Kollaborative Funktionen zur Analyse von Umfrageantworten von Doktoranden
Die Zusammenarbeit bei einer gründlichen Umfrageanalyse über den Zugang zu Forschungsressourcen kann unübersichtlich werden – mehrere Teammitglieder, sich überschneidende Erkenntnisse und verstreute Notizen. So macht Specific Teamarbeit nahtlos:
KI-gestützte Team-Chat-Analyse. Specific ermöglicht es Ihnen, Ihre Umfrage konversationell zu analysieren, einfach durch Chatten mit KI – keine technischen Kenntnisse erforderlich.
Mehrere, filterbare Chats pro Umfrage. Sie können verschiedene Chats initiieren, jeder mit einem anderen Thema oder gefiltert nach spezifischen Befragten (z. B. internationale Studierende, NPS-Förderer). Jeder Chat protokolliert, wer ihn begonnen hat, was Teamprojekte organisiert hält.
Klare Zuordnung in Gesprächen. Die Beiträge aller sind sichtbar – jede AI-Chat-Nachricht zeigt das Avatar des Absenders an, sodass klar ist, wer welche Erkenntnis entdeckt hat oder welche Frage gestellt hat. Erkenntnisse zu teilen und auf den Entdeckungen anderer aufzubauen, ist friktionslos und schnell.
Wenn Sie Ihre eigene Umfrage zur Analyse erstellen, werden Sie auch Specifics kollaborative Umfrage-Editor (Umfragen durch Chatten mit KI bearbeiten) und die Fähigkeit zur Generierung von KI-gesteuerten Folgefragen schätzen, um von Anfang an bessere Antworten zu sammeln.
Erstellen Sie jetzt Ihre Umfrage für Doktoranden über den Zugang zu Forschungsressourcen
Beginnen Sie mit der Erfassung tieferer Einblicke in Herausforderungen beim Zugang zu Forschung mit KI-gestützter Analyse, dynamischen Folgefragen und nahtloser Teamzusammenarbeit – starten Sie in Minuten und verwandeln Sie offene Antworten sofort in umsetzbare Themen.
