Dieser Artikel gibt Ihnen Tipps, wie Sie Antworten aus einer Umfrage unter Hochschulabsolventen zu Vielfalt und Inklusion mit den besten KI- und manuellen Techniken analysieren können.
Die richtigen Tools für die Umfrageanalyse auswählen
Ihr Ansatz hängt stark von der Art der Daten ab, die Sie aus Ihrer Umfrage erhalten, und die Tools sollten zur Struktur dieser Antworten passen.
Quantitative Daten: Für alles, was sich leicht zählen lässt (wie viele Studenten eine Option ausgewählt haben oder etwas auf einer Skala bewertet haben), können Sie die Analyse mit klassischen Tools wie Excel oder Google Sheets angehen. Diese bewältigen Statistiken, Diagramme und Rankings mit Leichtigkeit.
Qualitative Daten: Wenn Sie es mit offenen Antworten oder Folgekommentaren zu tun haben, bedeutet das Volumen und die Unordnung, dass Sie nicht einfach alles lesen können. Hier werden KI-Tools unverzichtbar – sie verwandeln große Textmengen in Zusammenfassungen, Themen und umsetzbare Einblicke.
Es gibt zwei Ansätze für Werkzeuge bei der Arbeit mit qualitativen Antworten:
ChatGPT oder ähnliches GPT-Tool für die KI-Analyse
Kopieren, einfügen und chatten: Der einfachste Ansatz ist es, Ihre Antworten (normalerweise als CSV) zu exportieren und große Textblöcke in ChatGPT einzufügen. Sie können dann Fragen stellen oder zusammenfassen, was die Studenten gesagt haben – sehr ähnlich wie beim Chatten mit einem intelligenten Assistenten.
Nachteile: Dies funktioniert, hat aber Grenzen. Sie stoßen auf Probleme beim Kopieren und Einfügen, Begrenzungen der Kontextgröße und es ist schwierig, Konversationen zu verwalten oder nachzuverfolgen, wenn die Analyse tiefer geht oder Sie Ihre Erkenntnisse überdenken möchten.
All-in-One-Tool wie Specific
Zweckgebunden für Umfrageanalyse: Specific wurde von Grund auf dafür entwickelt. Es erledigt alles: die Umfrage erstellen, intelligente Nachfragen stellen, um reichhaltigere Antworten zu erhalten, und die Antworten mit KI analysieren.
Tiefere Einblicke mit besserer Datenerfassung: Wenn Sie automatische KI-Nachfragen verwenden, erhalten Sie reichhaltigere, klarere Antworten von den Studenten. Das bedeutet zuverlässigere Einblicke, wenn Sie später analysieren.
Ein-Klick-KI-Zusammenfassungen und unmittelbarer Chat mit Ihren Daten: Mit Specifics KI-gestützter Analyse erhalten Sie eine Zusammenfassung aller Antworten, sehen die Kernthemen und können mit der KI chatten, um alles über Ihre Daten zu erfahren. Sie müssen nicht zwischen Tools hin und her springen oder endlos kopieren und einfügen. Sie haben außerdem die volle Kontrolle darüber, welche Daten zur KI-Analyse geschickt werden.
Für mehr zur Erstellung von Umfragen siehe Generator für Hochschulabsolventen-Umfragen zu Vielfalt und Inklusion und KI-Umfragegenerator von Grund auf.
Andere Plattformen wie NVivo und MAXQDA bieten ähnliche KI-gestützte Funktionen für qualitative Daten—unter Verwendung von Tools wie automatischer Codierung und Stimmungsanalyse—, die einen hilfreichen Überblick bieten können, aber tendenziell mehr manuelles Setup erfordern und das "Mit Ihren Ergebnissen chatten"-Erlebnis von Specific vermissen lassen. [3]
Nützliche Eingabeaufforderungen, die Sie für die Analyse von Umfragen zur Vielfalt und Inklusion unter Hochschulabsolventen verwenden können
KI-gesteuerte Tools sind nur so gut wie die Eingaben, die Sie verwenden. So holen Sie bessere Antworten aus Ihren Daten, egal ob Sie Specific, ChatGPT oder ein anderes Tool verwenden.
Eingabeaufforderung für Kernideen: Wenn Sie eine saubere, aufgelistete Zusammenfassung dessen wünschen, was die Studenten tatsächlich besprechen, verwenden Sie diese Kernidee-Eingabeaufforderung. Sie ist bewährt—Specific verlässt sich darauf für seine Analysen. Fügen Sie sie direkt in Ihren KI-Chat ein oder verwenden Sie sie automatisch in Specific:
Ihre Aufgabe besteht darin, Kernideen fett gedruckt (4-5 Wörter pro Kernidee) + bis zu 2 Sätze lange Erklärungen zu extrahieren.
Ausgabebedingungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen eine bestimmte Kernidee erwähnt haben (verwenden Sie Zahlen, keine Wörter), am häufigsten erwähnte zuerst
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kernidee-Text:** Erklärungstext
2. **Kernidee-Text:** Erklärungstext
3. **Kernidee-Text:** Erklärungstext
Geben Sie mehr Kontext für bessere Antworten: Je mehr Sie der KI über Ihre Umfrage und Ihre Ziele mitteilen, desto besser wird Ihre Analyse sein. Anstatt nur zu fragen: „Was haben die Leute gesagt?“, versuchen Sie etwas wie:
Diese Umfrage wurde 2024 von Hochschulabsolventen durchgeführt. Das Hauptziel ist, ihre Erfahrungen und Anliegen rund um Vielfalt und Inklusion in der Hochschulbildung zu verstehen. Fassen Sie die wichtigsten Themen zusammen, die Studenten in diesem Zusammenhang erwähnen.
Eingabeaufforderung, um tiefer zu graben: Sobald Sie eine Liste von Kernideen haben, zoomen Sie ein, indem Sie fragen: „Erzählen Sie mir mehr über XYZ (Kernidee).“ Dies erlaubt der KI, sich auf heiße Themen oder neue Themen zu konzentrieren.
Eingabeaufforderung für spezifische Themen oder Validierung: Um sicherzustellen, dass Sie nichts übersehen haben, fragen Sie: „Hat jemand über [z.B. Campusklima, Lohngerechtigkeit, Fakultätsvielfalt] gesprochen? Einschließlich Zitate.“ Dies bringt unterstützende Beweise oder nuancierte Kommentare zutage.
Eingabeaufforderung für Personas: Wenn Sie ein besseres Gefühl dafür haben wollen, wer was sagt, verwenden Sie: "Basierend auf den Umfrageantworten, identifizieren und beschreiben Sie eine Liste von unterschieden Persönlichkeiten—ähnlich wie 'Personas' im Produktmanagement verwendet werden. Für jede Persona fassen Sie ihre wichtigsten Eigenschaften, Motivationen, Ziele und alle relevanten Zitate oder Muster zusammen, die in den Gesprächen beobachtet wurden."
Eingabeaufforderung für Schwierigkeiten und Herausforderungen: Sehr relevant für dieses Thema: "Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Probleme, Frustrationen oder Herausforderungen auf, die erwähnt wurden. Fassen Sie jede zusammen und notieren Sie Muster oder Häufigkeit des Auftretens."
Eingabeaufforderung für Sentimentanalyse: Um zu sehen, welche Stimmung oder Einstellung vorherrscht: "Bewerten Sie die Gesamtstimmung, die in den Umfrageantworten zum Ausdruck kommt (z.B. positiv, negativ, neutral). Heben Sie Schlüsselphrasen oder Feedback hervor, die zu jeder Stimmungskategorie beitragen."
Eingabeaufforderung für Vorschläge und Ideen: Hilfreich für umsetzbare Empfehlungen: "Erkennen und listen Sie alle Vorschläge, Ideen oder Anfragen auf, die von Umfrageteilnehmern gemacht werden. Ordnen Sie sie nach Thema oder Häufigkeit und fügen Sie bei entsprechender Relevanz direkte Zitate ein."
Sehen Sie den Leitfaden zu den besten Fragen, die in Umfragen zur Vielfalt und Inklusion an Hochschulabsolventen zu stellen sind als Inspiration, bevor Sie Ihre Analyse durchführen.
Wie Specific qualitative Daten nach Fragetyp analysiert
Specific strukturiert die Analyse so, dass Sie immer Zusammenfassungen erhalten, die auf den Typ jeder Umfragefrage zugeschnitten sind:
Offene Fragen mit oder ohne Folgefragen: Sie erhalten eine einzige, klare Zusammenfassung, die sowohl die Hauptfrage als auch die Folgefragen abdeckt, sodass Sie das große Ganze und tiefere Erklärungen an einem Ort sehen können.
Wahlfragen (Multiple-Choice) mit Folgefragen: Jede Antwortwahl wird mit einer eigenen KI-generierten Zusammenfassung für alle damit verbundenen Folgeantworten geliefert. Das bedeutet, dass Sie nicht nur verstehen können, was die Studenten gewählt haben, sondern warum—ihre Argumente, Gefühle und individuellen Anliegen.
NPS (Net Promoter Score): Jede Kategorie (Kritiker, Passive, Befürworter) erhält eine individuelle Zusammenfassung aller damit verbundenen Folgekommentare. Wenn fünf Passive das Campusklima erwähnen oder drei Kritiker über Ungleichheit bei der Bezahlung sprechen, sehen Sie dieses Muster sofort.
Sie können dasselbe erreichen, indem Sie Ihre Daten formatieren und ChatGPT verwenden, aber es erfordert viel mehr manuelle Arbeit—insbesondere das Sortieren nach Fragetyp und das Organisieren der Zusammenfassungen.
Ähnliches: Wie KI-generierte Follow-ups innerhalb von Specific funktionieren.
Wie man die Größenbegrenzung des KI-Kontexts in der Umfrageanalyse angeht
KI-Modelle—ob in Specific, ChatGPT oder anderen Tools—können nicht unbegrenzt viele Texte gleichzeitig verarbeiten. Wenn Sie hunderte von Umfrageantworten haben, stoßen Sie auf diese "Kontextgrenze." So können Sie sie umgehen und Ihre Analyse effektiv halten:
Filtern: Beziehen Sie nur Umfragegespräche ein, bei denen Studenten auf bestimmte Fragen geantwortet oder spezifische Antworten gegeben haben. Dies bedeutet, dass nur die relevantesten Daten analysiert werden, wodurch wertvoller Platz im "Aufmerksamkeitsspanne"-Fenster der KI freigesetzt wird.
Zuschneiden: Wählen Sie nur die Fragen aus, die für Ihre Analyse am wichtigsten sind. Sie können themenfremde oder Füllfragen ausschließen, sodass die KI sich auf das konzentriert, was entscheidend ist—und Ihre wertvollsten Daten in das verfügbare Kontextfenster passen.
In Specifics KI-Chat-Analyse sind beide Ansätze eingebaut und kinderleicht einzurichten.
Kollaborative Funktionen zur Analyse von Umfrageantworten von Hochschulabsolventen
Eines der schwierigsten Teile der Analyse von Umfragen zur Vielfalt und Inklusion unter Hochschulabsolventen ist es, sicherzustellen, dass jeder die Ergebnisse durchsehen, diskutieren und zu den Ergebnissen beitragen kann—ohne den Überblick zu verlieren oder Arbeit zu duplizieren.
Instant-KI-Chat-Analyse, gemeinsam mit Ihrem Team: Mit Specific kann jeder einfach durch Chatten mit der KI in die Analyse der Daten eintauchen—ohne einschüchternde Dashboards oder technisches Gefummel.
Mehrere Analysethreads und Eigenverantwortung: Sie können mehrere Chats mit denselben Daten starten, die jeweils für einen anderen Bereich gefiltert sind (z. B. Campus-Inklusion, Fakultätsvielfalt, Lohndiskrepanzen). Jeder Chat zeigt, wer ihn erstellt hat, sodass Ihr Team die Arbeit aufteilen oder parallele Schlussfolgerungen ziehen kann.
Klarer Einblick und Verantwortlichkeit: Im KI-Chat zeigt jede Nachricht nun das Avatar des Absenders. Sie wissen immer, wer was gefragt hat, was für größere Forschungsteams oder beim Teilen von Erkenntnissen mit Stakeholdern wichtig ist.
Für mehr, sehen Sie den einfachen Leitfaden zum Erstellen und Analysieren von Umfragen zur Vielfalt an Hochschulabsolventen.
Erstellen Sie jetzt Ihre Umfrage zur Vielfalt und Inklusion unter Hochschulabsolventen
Tauchen Sie direkt ein in reichhaltige, umsetzbare Einblicke über Vielfalt und Inklusion unter Hochschulabsolventen—kombinieren Sie tiefere Folgegespräche mit sofortiger KI-gestützter Analyse, alles an einem Ort, keine manuelle Arbeit erforderlich.