この記事では、市民による地域美化に関する調査の回答をAIを使って分析する方法についてのヒントを紹介します。
調査回答分析に適したツールの選択
使用するアプローチとツールは、データの構造に依存します。適切なソリューションを選ぶことで、多くの時間を節約し、コミュニティが何を考え何を求めているのかを深く理解することができます。
定量データ: 特定の選択肢をどれだけ多くの人が選んだかを調べたい—たとえば、異なる美化プロジェクトへの支持を集計する場合—ExcelやGoogle Sheetsのような従来のツールが素早く作業を完了させます。これらは数値計算や単純なグラフ作成に最適です。
定性データ: 調査に自由記述の質問やフォローアップの会話が含まれている場合、データの取り扱いが難しくなります。数十または数百の段落を手作業で読み通し、理解するのは基本的に不可能（かつ非常に面倒）です。そこでAIツールが役立ち、リッチで自由形式の回答からテーマを整理し、アイデアを抽出し、合成するので、すべてを手作業で行う必要はありません。
自由形式（オープンテキスト）の回答に関しては、検討すべき2つの大きな道具立てアプローチがあります。
AI分析のためのChatGPTや同様のGPTツール
会話データをエクスポートし、ChatGPT（または同様のAIツール）に貼り付けて分析できますが、これにはフォーマットに対処する必要があるという煩雑さがあります。プロンプトを整理し、大量の回答を手動でセグメント化して文脈の範囲内に収める必要があります。また、すべてがテキストの塊に平らにされるため、調査の論理や回答者メタデータとの関連性がなくなります。
主な利点は柔軟性で、ChatGPTをお好きなようにプロンプトし、分析技法を試すことができます。
欠点は摩擦であり、ファイルを扱い、データをクリーンアップし、ツール間を行ったり来たりすることが進行を遅らせる可能性があります。
Specificのようなオールインワンツール
Specificは、市民による地域美化調査を作成し、より豊富なデータ（AIによるフォローアップ質問を含む）を収集し、自由形式の回答をAIを使用して即座に分析するために特化された体験を提供します。フィードバックを収集する際に、AIフォローアップが各回答者に対してより深く掘り下げ、その結果、調査データの質（および有用性）が向上します。
SpecificでのAI調査回答分析により、回答は自動的に要約され、ツールが重要なテーマを見つけ、それらを定量化し、フィードバックを即座に実行可能な次のステップに変換します。ChatGPTと同様に調査結果についてAIと直接対話できますが、フィルタリングが簡単で、分析がセグメント化されており、AIがデータのどの部分を確認するかを完全に制御できるなどの追加機能があります。
実際にどのように機能するかを確認したい場合は、調査回答に対するAI駆動分析をチェックするか、今すぐ市民フィードバックのための調査を開始することを試みてください。
高い影響力を持つコミュニティ主導のプロジェクトにおいて、適切なツールを選択することは時間節約にとどまらず、住民が実際に関心を持つテーマを信頼性高く発掘するために不可欠です。コミュニティで管理されたプロジェクトは、地方自治体だけのトップダウンによる取り組みよりも最大で40%長く存続することが示されています。[1] この影響は、構造化され質の高い調査データから始まります。
地域美化に関する市民調査の回答を分析するための便利なプロンプト
定性調査データを分析するとき、素晴らしいプロンプトがあなたの秘密兵器になります。市民美化プロジェクトのためのAIを迅速（そして驚くほど考慮に満ちた）アナリストに変える方法を以下に示します。
コアアイデアに対するプロンプト: 調査会話の山から迅速に高信頼のインサイトを得たい場合の頼りになる方法です—Specific、ChatGPT、または同様のツールで使えます。市民が関心を持つ主要なテーマを特定するのに特に役立ちます。
あなたの仕事は、太字のコアアイデア（各コアアイデアごとに4〜5語）を抽出し、最大2文の説明文を書き出すことです。
出力要件:
- 不必要な詳細を避ける
- 特定のコアアイデアを言及した人数を明示する（数詞を使用し、言葉は使わない）、最も言及されたものを上に
- 提案なし
- 表示なし
例の出力:
1. **コアアイデアのテキスト:** 説明文
2. **コアアイデアのテキスト:** 説明文
3. **コアアイデアのテキスト:** 説明文
文脈は重要: AIに調査と目的についてより多くの情報を提供すると、結果はさらに鮮明になります。たとえば、プロンプトに追加の文脈を提供する。
あなたは混合用途都市区画にある地域美化計画に関する市民調査の回答を分析しています。この調査の目標は、地域全体の優先事項と現在の美化努力のギャップの両方を特定することです。コミュニティリーダーに対する実行可能なフィードバックに焦点を当て、繰り返されるテーマを強調し、予期しない提案があれば指摘してください。
コアアイデアが何であるかを知ったら、AIに「XYZ（コアアイデア）についてもっと教えてください」と頼んで、特定のトピックに深く入り込みましょう。
特定のトピックに対するプロンプト: あるトピックが言及されたかどうかを確認したい場合に最適です（仮説を確認するのに便利です）。次のように言えば十分です。
[コミュニティガーデニング]が話題に上ったか誰かに確認してください。引用を含めてください。
ペルソナに対するプロンプト: 誰が話しているのか、彼らの異なるニーズを見つけます。コミュニティのチャンピオン、親など声高な市民グループを特定するのに最適です。
調査回答に基づき、「ペルソナ」が商品管理で使用されるように、リストを作成して説明してください。各ペルソナについて、主要な特徴、動機、目標、および会話で観察された関連する引用やパターンを要約します。
痛点と課題に対するプロンプト: プロジェクトが苦戦する理由や関与を妨げる要因（資金調達、官僚主義、コミュニケーション不足など）を知りたいときには欠かせません。
調査回答を分析し、言及された最も一般的な痛点、挫折、または課題をリストします。各項目を要約し、パターンや発生頻度を指摘してください。
動機とドライバーに対するプロンプト: 人々がなぜ熱心であるのかを理解します—どこに情熱が最も強いのか？この情報は、コミュニティリーダーが人々が緑地、治安、あるいは他の何を優先するのかを理解するのに役立ちます。
調査会話から、参加者が行動や選択を行う理由や動機、願望を抽出してください。類似の動機をグループ化し、データからの裏付けを提供します。
感情分析に対するプロンプト: 大きな絵を把握します—住民は楽観的ですか、懸念していますか？
調査回答に表れている全体の感情（例：ポジティブ、ネガティブ、中立）を評価します。各感情カテゴリーに寄与する重要なフレーズやフィードバックを強調します。
提案とアイデアへのプロンプト: 地元住民が提案する創造的な解決策を迅速に公開—次の美化プロジェクトの種です！
調査参加者が提供したすべての提案、アイデア、リクエストを特定してリストします。トピックまたは頻度で整理し、関連する場合は直接引用を含めます。
覚えておいてください、明確なプロンプティング＝使えるインサイト。地域美化に関する市民調査を構築するアイデアがもっと必要であれば、最高の質問をするためのガイドを参照するか、AI調査ビルドツールを探索してください。
Specificが質問タイプ別に定性データを分析する方法
SpecificのAI調査分析の強みは、調査の異なる論理的部分を理解し、それに応じて要約を整理することにあります。
自由形式の質問（フォローアップの有無に関わらず）: ツールは、その質問下のすべての回答のクリーンな要約を提供し、フォローアップがあればそれについても個別に分析します。これにより、全体像のテーマと、質問をより多く投げかけることで得られた「深み」の両方が明らかになります。
選択肢にフォローアップがある質問: 各選択肢には、それに関連するフォローアップ回答の専用の要約が提供されます。なぜ人々が異なる選択肢を選んだのか、決定を促したものは何かをすぐに比較できます。
Net Promoter Score（NPS）: プロモーター、パッシブ、デトラクターそれぞれがフォローアップ回答のグループ化された要約を受け取り、市民を喜ばせていることや不満を引き起こしていることが簡単に把握できます。
ChatGPTを使用しても同様のことができますが、Specificのようなツールは特に大きくて複雑なデータセットや、プロセスを繰り返しルーチンにしたい場合に優れています。
この構造はコミュニティ調査にとって価値があります：たとえば、シンガポールの「コミュニティ イン ブルーム」イニシアチブでは、2,000以上の新しい地域ガーデンが住民のニーズと興味に直接応える形で作成されました—層状の質問駆動のアウトリーチを通じて得られたものです。[2]
大規模な市民調査でAIのコンテキスト制限をどのように扱うか
あまりに多くの回答があると、GPTのようなAIツールは「コンテキストサイズ」の制限に達することがあります—1つのプロンプトで無限のテキストを処理することはできません。
これに対処するための賢い方法が2つあります（どちらもSpecificが標準で提供しています）：
フィルタリング: すべての調査データを投入する代わりに、ユーザーの回答方法に基づいて会話を選択的にフィルタリングします—たとえば、人々が特定の美化措置に関する意見を共有した会話のみを含むようにします。これにより、AIの注意が集中し、技術的な制限内で作業できます。
カッピング: 分析のために特定の質問を選択します。調査に複数の自由形式の質問が含まれる場合、AI に送るのは最も重要な質問だけにします。これにより、分析ごとに扱いやすく、レーザーフォーカスが維持されます。
これらのアプローチにより、数百や数千の住民から収集したリッチなコミュニティ駆動データを失わずに済むようになります。
これは地域プロジェクトでは不可欠です：ポーランドでは、100万人以上の市民（結合された人口の13％）がコミュニティスペースのための参加型予算に投票し、手作業の分析を圧倒する豊かで多様な入力を生み出しました。[3]
市民調査回答の分析における共同作業機能
市民による地域美化調査のデータを分析することは、通常、チームワークを意味します：都市計画者、地元の擁護者、市民委員会はすべて発言権を望み、互いの解釈に可視化を求めます。
共同AIチャット: Specificでは、賢いAIチャットを通じて調査データを分析できるだけでなく、各チャットは協力的な作業室のように機能します。異なる作業グループや指導チームに最適です。
透明なコラボレーション: 各チャットは誰が作成したかを示し、チャットスレッド内の各メッセージは送信者のアバターを表示します。誰のアイデアが分析を導いているのかを一目で確認でき、全員が責任を持ち、一致している状態を保ちます。
実行可能で追跡可能な成果: 以前の会話を調査し、分析を共有し、過去のインサイトを参考にすることができます。重要な考えが混乱の中で失われないで済みます。無数のメールスレッドや無限のスプレッドシートの代わりに、チーム全体が同期しています—2023年にランドスケープ企業の45％がこのようなソリューションを導入したのはそのためです。[4]
調査作成プロセスそのものについて詳しく知りたい方は、調査作成のハウツーをチェックするか、AI調査エディターを参照して協力的な草稿作成を見てください。
今すぐ地域美化に関する市民調査を作成してください
AI駆動の会話と即時分析を通じてパワフルで実用的なインサイトを得ましょう。コミュニティの本当のニーズを理解し、地域美化プロジェクトを共同の成功物語にする—今すぐ調査の作成を始めましょう。
