Cet article vous donnera des conseils sur la manière d'analyser les réponses d'une enquête auprès des étudiants doctorants sur le climat de diversité et d'inclusion. Si vous cherchez des moyens pratiques de transformer l'analyse des enquêtes en informations exploitables, vous êtes au bon endroit.
Choisir les bons outils pour l'analyse des réponses aux enquêtes
La façon dont vous analysez les données de votre enquête auprès des étudiants doctorants sur le climat de diversité et d'inclusion dépend de la structure de vos réponses. Tant les outils que vous choisissez que votre approche comptent.
Données quantitatives : Si vous examinez des chiffres simples — combien d'étudiants doctorants ont répondu "oui", par exemple, ou la distribution des données démographiques — des outils classiques comme Excel ou Google Sheets peuvent vous aider à identifier les tendances et à créer des graphiques simples. Ces outils fonctionnent mieux pour les réponses qui se divisent en catégories nettes et comptables.
Données qualitatives : Si vous posez des questions ouvertes comme "Que ressentez-vous à propos du climat de votre département ?" ou incluez des questions de suivi, une analyse à l'ancienne ne vous mènera pas loin. Vous aurez besoin d'outils d'IA pour traiter efficacement et extraire des informations de ces données textuelles et volumineuses.
Il existe deux approches pour l'outillage lorsqu'il s'agit de réponses qualitatives :
ChatGPT ou outil GPT similaire pour l'analyse par intelligence artificielle
Vous pouvez exporter vos réponses et les coller dans ChatGPT ou un autre outil GPT. Cela vous permet de discuter directement avec l'IA concernant vos données d'enquête et d'extraire des modèles ou des résumés. Cependant, le processus est souvent fastidieux : copier et coller de grands ensembles de réponses, les diviser en morceaux pour éviter les limites de chat, et suivre les questions entre les invites crée une boucle de copier-coller.
Préoccupations de confidentialité et de workflow. Vous devrez être conscient des données sensibles, et il est facile de perdre le contexte ou de manquer des aperçus complets des données si vous séparez les choses en différentes conversations.
Outil tout-en-un comme Specific
Specific est conçu spécialement pour les enquêtes conversationnelles et l'analyse alimentée par l'IA. L'outil collecte les données et analyse les réponses dans un seul système. Il se distingue en posant des questions de suivi en direct, ce qui rend vos résultats d'enquête auprès des étudiants doctorants beaucoup plus riches et exploitables — ces suivis dynamiques sont essentiels pour capturer le contexte des étudiants, leurs motivations, et leurs sentiments, en particulier sur les questions de diversité et d'inclusion.
L'analyse par intelligence artificielle est intégrée et instantanée. La plateforme résume et catégorise automatiquement les réponses, met en évidence les tendances clés, et vous permet de discuter avec l'IA de vos résultats — tout comme ChatGPT, mais conçu spécialement pour les données d'enquête. Vous avez un contrôle plus granulaire et pouvez filtrer, segmenter ou approfondir dans les données selon vos souhaits. En savoir plus sur le fonctionnement dans les fonctionnalités d'analyse des réponses aux enquêtes par IA.
Fonctionnalités conçues pour l'analyse des enquêtes. Specific gère automatiquement le contexte des données, de sorte que les limitations que vous rencontrez dans les chats manuels avec GPT sont moins problématiques. De plus, vous pouvez définir des filtres, discuter des segments, et la plateforme garantit la confidentialité et la sécurité des données académiques sensibles.
Il convient de mentionner que des organisations comme Divrsity et TigerGPT ont créé des plateformes d'enquête adaptatives similaires ou des chatbots IA pour les enquêtes sur le climat, engageant avec succès de grands cohortes (tels que des étudiants doctorants) et extrayant des retours plus exploitables que les formulaires d'enquêtes statiques ne le pourraient jamais. [4][5]
Prompts utiles que vous pouvez utiliser pour l'analyse des enquêtes sur la diversité et l'inclusion auprès des étudiants doctorants
Pour tirer le meilleur parti de vos données d'enquête, vous devriez utiliser des prompts intelligents conçus pour extraire des insights à partir de feedback qualitatif. Les outils d'IA fonctionnent bien mieux lorsqu'ils reçoivent des instructions claires et un contexte supplémentaire sur l'enquête et vos objectifs.
Prompt pour les idées principales : Utilisez ceci pour distiller rapidement des sujets à partir de grands ensembles de données. Specific utilise cela par défaut et vous obtiendrez d'excellents résultats avec dans d'autres GPTs également :
Votre tâche est d'extraire les idées principales en gras (4-5 mots par idée principale) + jusqu'à 2 phrases explicatives.
Exigences de sortie :
- Évitez les détails inutiles
- Spécifiez combien de personnes ont mentionné chaque idée principale (utilisez des chiffres, non des mots), les plus mentionnés en haut
- pas de suggestions
- pas d'indications
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
Les prompts solides fonctionnent encore mieux si vous ajoutez plus de contexte. Exemple :
Analysez les réponses de l'enquête des étudiants doctorants sur le climat de diversité et d'inclusion dans leur département. Notre objectif est d'identifier les domaines de préoccupation et les améliorations exploitables. Les réponses incluent à la fois des réponses ouvertes et des réponses de suivi. Résumez les problèmes principaux et mentionnez tous les modèles significatifs liés au genre ou à l'ethnicité s'ils sont présents.
Essayez aussi : Parlez-moi plus de XYZ (idée principale) — demandez à l'IA d'élargir un résumé ou un point clé pour obtenir plus de détails.
Prompt pour un sujet spécifique : Si vous voulez voir si un sujet, comme les inégalités dans le financement départemental ou les opportunités de mentorat, a été soulevé :
Quelqu'un a-t-il parlé des disparités de financement pour les étudiants sous-représentés ? Inclure des citations.
Prompt pour les points de douleur et les défis : Si vous voulez une liste des problèmes ou frustrations communs qui émergent dans le climat :
Analysez les réponses à l'enquête et listez les points de douleur, frustrations, ou défis les plus communs mentionnés par les étudiants doctorants concernant la diversité et l'inclusion dans leur programme. Résumez chacun, et notez tous les modèles ou fréquences d'occurrence.
Prompt pour les personas : Curieux de savoir s'il existe des "types" d'expériences étudiantes ?
Basé sur les réponses de l'enquête, identifiez et décrivez une liste de personas distincts — similaire à la façon dont les "personas" sont utilisés en gestion de produit. Pour chaque persona, résumez leurs caractéristiques clés, motivations, objectifs, et toutes citations ou modèles pertinents observés dans les conversations.
Prompt pour l'analyse des sentiments : Vous voulez savoir comment les étudiants se sentent en général ?
Évaluez le sentiment général exprimé dans les réponses de l'enquête (par exemple, positif, négatif, neutre). Mettez en avant des phrases clés ou des feedbacks qui contribuent à chaque catégorie de sentiment.
Vous pouvez trouver plus d'exemples de prompts et de meilleures pratiques pour cet audience et ce sujet précis dans ce guide des meilleures questions pour les enquêtes sur la diversité et l'inclusion des étudiants doctorants.
Comment Specific analyse les données qualitatives en fonction du type de question
Le type de question d'enquête que vous utilisez détermine comment vous devez analyser les données, et Specific a adapté son approche en conséquence :
Questions ouvertes avec ou sans suivis : L'IA résume les thèmes et modèles généraux parmi toutes les réponses — y compris toute discussion de suivi initiée par l'IA elle-même. Cela est essentiel pour faire émerger des aperçus nuancés où les étudiants développent des sujets comme le sentiment d'appartenance ou les barrières perçues.
Choix multiples avec suivis : Chaque choix de réponse reçoit son propre résumé préci détaillé des réponses de suivi associées. Pour une question comme "Avez-vous vécu de la discrimination ?" avec suivis, vous verrez des résumés segmentés liés à chaque scénario que les étudiants ont sélectionné.
NPS (Net Promoter Score) : Chaque groupe — détracteurs, passifs, et promoteurs — obtient un résumé de tous les commentaires de suivi liés à leur score. Cela permet de comparer facilement les facteurs de mécontentement avec les facteurs que les étudiants voient comme positifs ou neutres.
Vous pourriez atteindre un résultat similaire en utilisant ChatGPT plus un tri manuel, mais cela est laborieux et facile de perdre le contexte au niveau des questions.
Vous pouvez en apprendre plus à ce sujet dans notre guide sur l'analyse des réponses aux enquêtes par IA et voir comment Specific exploite les questions de suivi IA automatique pour transformer la qualité de l'enquête : comment fonctionnent les suivis AI.
Comment aborder les défis liés aux limites contextuelles de l'IA
Un des obstacles les plus délicats est la taille du contexte — les IA comme GPT ne "voient" qu'une certaine quantité de données à la fois. Si votre enquête a des centaines de réponses, l'ensemble pourrait ne pas tenir dans le contexte, ce qui signifie que vous risquez une analyse incomplète.
Filtrage : Concentrez l'analyse de l'IA en incluant uniquement les conversations ou réponses où les utilisateurs ont répondu à certaines questions ou choisi des réponses particulières. De cette façon, l'IA analyse le sous-ensemble le plus pertinent, restant dans les limites de la taille contextuelle.
Rognage : Limitez les questions envoyées à l'IA — analysez juste une partie de votre enquête à la fois, ce qui augmente considérablement le nombre de conversations complètes que l'IA peut examiner en une session.
Specific gère ces deux approches à partir de la boîte, ce qui économise un sérieux effort manuel. Si vous utilisez ChatGPT directement, vous devrez planifier vos lots ou segments avant l'analyse et garder un œil attentif sur ce qui est envoyé dans chaque demande.
Envie de plus sur la gestion du workflow et de la structure ? Consultez notre guide pratique sur la création des enquêtes des étudiants doctorants.
Fonctionnalités collaboratives pour l'analyse des réponses aux enquêtes des étudiants doctorants
La collaboration sur l'analyse des enquêtes peut être complexe. Surtout pour les enquêtes sur le climat de diversité et d'inclusion — il y a souvent un mélange de personnel de recherche, de chefs de département, et d'administrateurs travaillant ensemble. Maintenir le flux de feedback, segmenter les résultats, et séparer les perspectives est généralement un exercice d'équilibrage.
Dans Specific, l'analyse des données d'enquête est conversationnelle et collaborative. Les membres de l'équipe peuvent discuter directement avec l'IA dans l'application — pas besoin de passer d'un outil à l'autre. Vous pouvez créer plusieurs discussions parallèles pour différents axes de questionnement : une axée sur les "lacunes de mentorat", une autre filtrée sur les réponses des étudiants URM, et une autre encore sur les aspects positifs mis en avant par les répondants internationaux.
Chaque chat est son propre contexte. Vous appliquez des filtres personnalisés à chaque chat d'analyse, en vous concentrant sur les segments pertinents, et vous voyez en un coup d'œil qui a initié cette analyse. C'est un changement majeur pour les projets de groupe ou le travail de comité.
Messages basés sur les avatars pour plus de clarté. En collaborant, vous voyez quel membre de l'équipe a dit quoi dans le chat d'analyse, apportant transparence et clarté — plus de "qui a fait ça ?"
Pour en savoir plus sur la création et la personnalisation de ces espaces de travail d'enquête collaborative, rendez-vous sur la page de fonctionnalités de l'éditeur d'enquêtes IA ou commencez de zéro avec notre générateur d'enquêtes dédié aux étudiants doctorants.
Créez votre enquête sur le climat de diversité et d'inclusion des étudiants doctorants dès maintenant
Transformez les précieuses perspectives des étudiants doctorants en changements exploitables en créant dès aujourd'hui votre propre enquête alimentée par l'IA — obtenez des suivis automatiques, une analyse approfondie pilotée par l'IA, et une collaboration sans effort, le tout-en-un.