Cet article vous donnera des conseils sur la façon d'analyser les réponses d'un sondage auprès des étudiants doctorants sur les pratiques d'auteur à l'aide de méthodes alimentées par l'IA et de recommandations pratiques.
Choisir les bons outils pour analyser les données des sondages des étudiants doctorants
Votre approche pour analyser les réponses du sondage dépend entièrement du type et de la structure des données que vous avez collectées. Il existe certaines distinctions fondamentales :
Données quantitatives : Si votre sondage comprend des questions comme « Combien de publications avez-vous co-signé ? » ou « Avez-vous reçu des lignes directrices claires sur la paternité ? », vous pouvez facilement comptabiliser les réponses dans un programme de feuille de calcul comme Excel ou Google Sheets. Ces outils vous permettent de compter, de représenter graphiquement et de pivoter les données pour des gains rapides.
Données qualitatives : Les réponses ouvertes aux enquêtes—telles que pourquoi quelqu'un a choisi un ordre d'auteur particulier, ou des réflexions sur l'équité—sont une mine d'or pour les perspectives. Mais lire et coder manuellement tout ce texte prend une éternité, et il y a une limite à la quantité de café que vous pouvez boire. Pour cela, vous aurez besoin de vous appuyer sur des outils d'intelligence artificielle.
Il existe deux approches pour les outils lorsqu'il s'agit de réponses qualitatives :
ChatGPT ou un outil similaire à GPT pour l'analyse IA
Copier, coller et discuter : Une approche simple consiste à exporter vos réponses ouvertes et à les coller dans ChatGPT, Claude, ou similaire. Ensuite, vous demandez à l'IA des aperçus ou des résumés.
Pas aussi simple qu'il n'y paraît : Gérer de nombreuses données de sondage de cette manière n'est pas amusant. Cela nécessite beaucoup de copier-coller, de suivi des invites, de gestion des limites de contexte IA et de maintien de l'organisation. Cependant, c'est un point d'entrée économique—surtout depuis que ChatGPT est déjà utilisé par 66% des étudiants qui ont recours à l'IA pour les travaux académiques [1].
Outil tout-en-un comme Specific
Conçu pour l'analyse des sondages : Les outils comme Specific combinent la création de sondages, le suivi des questions et l'analyse pilotée par l'IA sous un même toit. Ils sont conçus pour vous aider à collecter des données qualitatives plus riches—en temps réel, l'IA de Specific peut poser des questions de suivi pour approfondir les sujets épineux comme le crédit académique, la transparence ou les conflits.
Plus de manipulation manuelle : Une fois les réponses reçues, Specific résume, regroupe et étiquette les thèmes clés pour vous. Vous pouvez discuter directement avec les données (comme vous le feriez avec ChatGPT), poser des questions sur les tendances, comparer les cohortes et même filtrer quelles réponses l'IA voit. Le processus est propre, collaboratif et conçu pour l'échelle.
Curieux de savoir comment il se sent de mener un tel workflow de bout en bout ? Consultez le générateur d'enquête sur les pratiques de paternité des étudiants doctorants ou découvrez les fonctionnalités d'analyse des réponses aux enquêtes IA de Specific.
Des invites utiles pour analyser les données des sondages des étudiants doctorants sur les pratiques d'auteur
La bonne invite IA transforme un tas de texte brut en idées exploitables, rapidement. Voici quelques exemples pratiques que je recommande pour tirer le meilleur parti de votre analyse de sondage avec ChatGPT, Claude ou Specific.
Invite pour les idées principales : Si vous ne souhaitez que les thèmes principaux, cette invite (utilisée par Specific) est précieuse pour faire émerger ce qui est réellement dans l'esprit des étudiants doctorants et leurs expériences avec les pratiques d'auteur :
Votre tâche consiste à extraire des idées principales en gras (4-5 mots par idée principale) + jusqu'à 2 phrases d'explication.
Exigences de sortie :
- Évitez les détails inutiles
- Spécifiez combien de personnes ont mentionné chaque idée principale spécifique (utilisez des chiffres, pas des mots), les plus mentionnées en premier
- aucune suggestion
- aucune indication
Exemple de sortie :
1. **Texte de l'idée principale :** texte explicatif
2. **Texte de l'idée principale :** texte explicatif
3. **Texte de l'idée principale :** texte explicatif
Donner plus de contexte à l'IA : L'IA fonctionne toujours mieux avec des détails sur votre sondage et vos objectifs de recherche. Par exemple :
Vous analysez des retours ouverts d'une enquête auprès des étudiants doctorants sur les pratiques d'auteur dans les universités américaines. Le but est de découvrir les points de douleur concernant les politiques de paternité, la clarté et l'équité dans les disciplines STEM et les sciences humaines. Priorisez les questions qui affectent les collaborations et les soumissions de publications.
Approfondir les grandes découvertes : Demandez plus de détails sur un schéma ou une idée principale :
En savoir plus sur « manque de directives claires en matière de paternité »
Valider des préoccupations spécifiques : Pour voir si quelqu'un a levé un drapeau rouge ou mentionné quelque chose que vous suivez, incitez :
Quelqu'un a-t-il parlé de « conflits dans l'ordre des auteurs » ? Inclure des citations.
Invite pour les personas : Pour découvrir les différents « types » d'étudiants doctorants dans votre ensemble de données et comment ils parlent de la paternité :
Sur la base des réponses au sondage, identifiez et décrivez une liste de personas distinctes—similaire à la façon dont les « personas » sont utilisées en gestion produit. Pour chaque persona, résumez leurs caractéristiques clés, motivations, objectifs et toute citation significative ou schéma observé dans les conversations.
Invite pour les points de douleur et les défis : Pour repérer les luttes communes rencontrées par les étudiants doctorants :
Analysez les réponses du sondage et listez les points de douleur, frustrations ou défis les plus communs mentionnés. Résumez chacun, et notez tout schéma ou fréquence d'occurrence.
Motivations et moteurs : Découvrez ce qui fait vibrer les étudiants ou ce qui influence leur approche de la paternité :
À partir des conversations de l'enquête, extrayez les motivations principales, désirs ou raisons que les participants expriment pour leurs comportements ou choix. Regroupez les motivations similaires et fournissez des preuves à l'appui issues des données.
Analyse des sentiments : Évaluer si les ressentis globaux sont positifs, négatifs, ou mixtes :
Évaluez le sentiment global exprimé dans les réponses du sondage (par exemple, positif, négatif, neutre). Soulignez les phrases ou les commentaires clés qui contribuent à chaque catégorie de sentiment.
Pour plus d'idées de questions spécifiques à ce public et à ce sujet, consultez notre guide sur les meilleures questions pour une enquête auprès des étudiants doctorants sur les pratiques de paternité.
Comment Specific analyse les données qualitatives de différents types de questions
Une des parties les plus difficiles de l'analyse de sondage est de gérer tous les types de questions nuancées que vous pourriez utiliser. Specific est conçu pour découper cela automatiquement :
Questions ouvertes (avec ou sans suivis) : Specific regroupe et résume chaque réponse à ces questions et, s'il y a des suivis, connecte les réponses pour explorer plus en profondeur pourquoi les étudiants se sentent d'une certaine manière sur des sujets comme l'ordre des auteurs, l'équité ou la transparence.
Choix avec suivis : Pour des questions comme « Votre contribution a-t-elle été reconnue dans le manuscrit final ? (Oui/Non)+Pourquoi ? » Specific crée un résumé séparé pour les réponses de suivi basées sur chaque réponse. Cette approche met en lumière les différences entre, par exemple, ceux qui estiment que leur travail a été valorisé et ceux qui ne le pensent pas.
NPS : Si vous mesurez le Net Promoter Score (NPS) pour la satisfaction des pratiques de paternité, Specific segmente automatiquement les résumés des réponses de suivi pour les détracteurs, les passifs et les promoteurs. Cela facilite la détection de ce qui plaît à certains et ennuie d'autres—très utile pour repérer les lacunes ou les biais dans les politiques de paternité existantes.
Vous pouvez reproduire ce processus par étapes dans ChatGPT, mais cela nécessite plus de travail manuel—pour filtrer les réponses et les soumettre à l'IA par lots séparés.
Tactiques pour contourner les limites de taille de contexte de l'IA
Une fois que vous avez recueilli suffisamment de retours des étudiants doctorants, vous atteindrez bientôt les limites de « contexte » de l'IA—la quantité maximale de données que vous pouvez introduire dans un modèle comme ChatGPT avant qu'il n'oublie le début de votre texte.
Filtrage : Réduisez le bruit en demandant à l'IA de ne passer en revue que les conversations où les étudiants ont effectivement répondu à une question sélectionnée sur, par exemple, les conflits de paternité ou la clarté des politiques. Moins c'est plus lorsqu'il s'agit de densité d'insights.
Recadrage par question : Sélectionnez uniquement les questions les plus critiques pour l'analyse lors de l'envoi à l'IA. Cela vous permet de rester sous la limite de contexte tout en approfondissant les sujets qui importent le plus à vos objectifs de recherche.
Specific intègre ces deux approches dans le workflow, de sorte que vous vous concentrez sur les insights, pas sur le dépannage des erreurs de contexte. Pour une analyse guidée par NPS, testez le parcours de créateur de sondages NPS pour étudiants doctorants.
Fonctionnalités collaboratives pour analyser les réponses de sondages des étudiants doctorants
Coordonner l'analyse au sein d'une équipe de recherche—ou intégrer les conseillers pédagogiques—peut être un casse-tête, en particulier avec de grands ensembles de données qualitatives.
Analyser en discutant avec l'IA : Sur Specific, il suffit de démarrer une nouvelle discussion IA avec vos données d'enquête et de creuser les thèmes sur les pratiques d'auteur—tout, de « Comment les étudiants STEM diffèrent-ils des sciences humaines ? » à « Quelles sont les principales causes des conflits de paternité ? »
Multiples fils de discussion et filtres : Vous pouvez exécuter autant de discussions parallèles que vous le souhaitez, chacune avec ses propres filtres (par exemple, segment par année d'étude, soutien du mentor ou pays). Chaque discussion montre clairement qui l'a commencée, rendant le travail d'équipe sans accroc.
Suivez qui a dit quoi : À mesure que vous et vos collègues collaborez, chaque message affiche l'avatar de l'expéditeur. Cela garde vos discussions d'analyse transparentes, et c'est bien plus facile de bâtir sur les découvertes de chacun quand vous savez qui a fait quelle observation.
Vous testez l'analyse collaborative de données pour ce public ? Le guide pratique sur la création d'enquêtes sur les pratiques de paternité des doctorants est un bon point de départ.
Créez votre enquête pour étudiants doctorants sur les pratiques d'auteur maintenant
Commencez à collecter des insights exploitables et découvrez de véritables opinions sur les pratiques de paternité—sans effort, de manière collaborative, avec une analyse alimentée par l'IA adaptée à votre public d'étudiants doctorants.