Dieser Artikel gibt Ihnen Tipps, wie Sie Antworten einer Umfrage unter Doktoranden über das Klima in der Fakultät analysieren können. Wir behandeln KI-gestützte Ansätze, reale Beispiele und Tools, die Sie sofort für umsetzbare Erkenntnisse nutzen können.
Die richtigen Tools für KI-gestützte Analysen auswählen
Der beste Ansatz und die besten Tools zur Analyse von Umfragedaten hängen von der Form und Struktur Ihrer Antworten ab. So lässt es sich im Allgemeinen aufteilen:
Quantitative Daten: Zahlen und Zählwerte (wie viele eine bestimmte Option gewählt haben) lassen sich leicht verarbeiten. Sie können schnell Zusammenfassungen erstellen und Diagramme in Excel oder Google Sheets generieren.
Qualitative Daten: Offene Antworten, Feedback oder ausführliche Meinungen sind ein anderes Spiel. Jede Antwort zu lesen, ist unpraktisch — vor allem, wenn Sie Erkenntnisse zu Themen wie dem Klima in der Fakultät gesammelt haben, bei denen der Kontext wichtig ist. Hier kommen KI-Tools zur Rettung für skalierbare, aufschlussreiche Analysen.
Es gibt zwei Ansätze für die Nutzung von Tools bei der Bearbeitung qualitativer Antworten:
ChatGPT oder ähnliche GPT-Tools für KI-Analyse
Kopieren Sie Ihre exportierten Daten in ChatGPT. Sie können offene Antworten einfügen und mit GPT über gemeinsame Themen, Schmerzpunkte und Highlights chatten. Es ist zugänglich, aber nicht sehr praktisch, wenn Sie Antworten wiederholt filtern, Untergruppen vergleichen (z.B. weibliche vs. männliche Studierende) oder Fragen und Nachfragen nachverfolgen müssen. Sie stoßen auch schnell an Grenzen, wenn Ihre Umfrage lang ist. Für Umfragen zum Fakultätsklima, insbesondere dort, wo 38% der Doktoranden berichten, sich isoliert zu fühlen, trotz eines insgesamt positiven Klimas [1], hilft die qualitative Analyse, die Geschichten hinter den Zahlen zu entdecken.
All-in-One-Tool wie Specific
KI entwickelt für qualitative Umfrageanalysen. Plattformen wie Specific sind hierfür gemacht. Sie können hier sowohl Umfragen starten als auch analysieren — wo KI durch die dynamische Nachfragen hochwertige, tiefere Antworten sammelt (so funktionieren diese). Antworten werden sofort zusammengefasst: Die KI hebt die wichtigsten Themen hervor, lässt Sie über die Ergebnisse chatten und unterscheidet automatisch, z.B. zwischen Feedback von Studierenden, die sich „unterstützt“ fühlen, und denen, die „Isolation“ erwähnen. Sie vermeiden Tabellenkalkulationen, bleiben organisiert und erhalten Erkenntnisse in Minuten — ob Sie Inklusion, Fairness oder Beraterzufriedenheit analysieren.
Sie können ebenso leicht wie mit ChatGPT mit der KI über Ergebnisse chatten, aber mit zusätzlichen Funktionen wie Filtern, Segmentieren nach Demografie oder genau verwalten, welchen Kontext die KI erhält. Für mehr Informationen, sehen Sie sich an, wie die KI-Umfrage-Antwortanalyse in Specific funktioniert.
Nützliche Eingabeaufforderungen für Umfragen zum Klima in Hochschulabteilungen
Durch gut formulierte Eingabeaufforderungen können Sie reichhaltigere Analysen aus jedem Satz von Umfrageantworten herausholen. Für das Klima in der Abteilung sind hier die effektivsten KI-Eingabeaufforderungen, egal ob Sie ChatGPT oder Specifics eingebaute Analysefunktionen verwenden:
Eingabeaufforderung für Kernideen (am besten geeignet zum Aufdecken von übergeordneten Themen wie Diversität, Inklusion oder Beraterzufriedenheit):
Ihre Aufgabe besteht darin, Kernideen in Fettdruck (4-5 Wörter pro Kernidee) + bis zu 2 Sätze lange Erklärung herauszuziehen.
Ausgabeanforderungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen eine bestimmte Kernidee erwähnt haben (zahlenmäßig, nicht in Worten), die meisten erwähnten oben
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kernidee Text:** Erläuterungstext
2. **Kernidee Text:** Erläuterungstext
3. **Kernidee Text:** Erläuterungstext
Tipp: KI funktioniert immer besser, wenn Sie ihr zusätzlichen Kontext geben — wie die Größe Ihrer Abteilung, den Zeitraum, Ihre Schlüsselfragen oder Ihr Ziel (z.B. „Wir möchten verstehen, warum sich einige Studierende isoliert fühlen, trotz hoher Zufriedenheit mit der Unterstützung der Abteilung“). Beispiel:
Analysieren Sie die folgenden offenen Umfrageantworten von Doktoranden über das Klima in unserer Abteilung. Es handelt sich um eine MINT-Abteilung mit 150 Doktoranden an einer großen US-Universität. Unser Ziel ist es, die Faktoren besser zu verstehen, die zu einem Gefühl der Inklusion und Isolation beitragen.
Nachdem Kernideen extrahiert wurden, können Sie schnell tiefer einsteigen, indem Sie fragen: „Erzählen Sie mir mehr über [Kernidee]“ Zum Beispiel, „Erzählen Sie mir mehr über Isolation“ oder „Erzählen Sie mir mehr über Beraterbeziehungen.“
Eingabeaufforderung für spezifisches Thema (geeignet, um Annahmen zu überprüfen oder direkte Zitate zu erhalten):
Hat jemand über [Isolation] gesprochen? Zitate einbeziehen.
Eingabeaufforderung für Schmerzpunkte und Herausforderungen: Verwenden Sie diese, um wiederkehrende Probleme für Studierende zu identifizieren:
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.
Eingabeaufforderung für Personas: Verstehen Sie unterschiedliche Gruppen innerhalb Ihrer Zielgruppe (nützlich zum Vergleichen, zum Beispiel von weiblichen und männlichen Studierenden, da geschlechtsspezifische Unterschiede in der Wahrnehmung des Klimas statistisch signifikant sind [2]):
Basierend auf den Umfrageantworten, identifizieren und beschreiben Sie eine Liste von unterschiedlichen Personas — ähnlich der Nutzung von