公共サービスにおける多様性、公平性、包摂性に関する公務員調査の回答をAIで分析する方法

この記事では、公共サービスにおける多様性、公平性、包摂性に関する公務員調査の回答を分析するためのヒントを紹介します。生の数値データや自由記述のフィードバックがある場合でも、調査結果を実用的な洞察に変えるための具体的な方法をお伝えします。

調査回答分析に適したツールの選び方

多様性、公平性、包摂性に関する公務員調査データの分析に適したアプローチは、主にデータの構造によって決まります。私の経験では、選ぶツールは定量的回答と定性的回答の組み合わせに合ったものが望ましいです。

• 定量データ：特定の選択肢を選んだ人数などの数値データを扱う場合、ExcelやGoogle Sheetsのような基本的なツールで十分です。これらのツールは割合を計算し、例えば2024年の英国公務員の中央値の男女賃金格差が全国平均を上回る8.5％であるといった傾向を示すことができます。この種の情報は、代表性の問題を一目で理解するのに非常に役立ちます。[1]
• 定性データ：調査に自由記述の質問や詳細な追跡回答が含まれている場合は、定性的データを扱っています。これらの回答を手作業で読み解くのは時間がかかるだけでなく、数十件や数百件の回答がある場合はほぼ不可能です。このため、テーマやパターンを迅速かつ信頼性高く要約できるAI搭載ツールが必要です。

定性的回答を扱う際のツール選択には2つのアプローチがあります：

ChatGPTや類似のGPTツールによるAI分析

SurveyMonkeyやGoogleフォームなどから自由記述の回答をエクスポートし、それをChatGPTや他のGPTツールに貼り付けてデータについて対話を始めることができます。この方法は小規模なデータセットに適しており、「主な繰り返しテーマは何か？」「公務員がどのような課題を述べているか？」といった具体的な質問が可能です。

しかし、このプロセスはあまり便利とは言えません。AI入力用にデータを整形し、量が多い場合は小分けにコピーし、複数のチャットセッションを管理する必要があります。探索的分析には使えますが、調査が大きくなるとすぐに面倒になります。

Specificのようなオールインワンツール

Specificのようなこのワークフロー専用のAIツールは、すべてを一つのプラットフォームで提供します。調査データの収集と即時のAI分析を同時に行えます。具体的な利点は以下の通りです：

• SpecificのAIは調査中に自動で追跡質問を行います。これにより回答の質と深さが向上し、公共サービスにおけるDEIのような微妙なテーマに不可欠です。自動AI追跡質問について詳しくはこちら。
• 回答が集まると、AIが即座に返信を要約し、主要なテーマを特定し、実用的な洞察を強調します。スプレッドシートや手動の仕分けは不要です。
• ChatGPTのようにAIと対話しながら結果を探れますが、ファイルの管理や回答のコピー＆ペーストなしでデータのフィルタリング、管理、探索が可能です。特に代表性や差別のような複雑な問題を扱う公務員調査の共同作業に適しています。

まとめると、小規模な作業には汎用AIチャットツールが使えますが、Specificのような専用プラットフォームは大規模な定性調査分析を格段に簡単かつ実用的にします。

公務員の多様性、公平性、包摂性調査回答を分析するための便利なプロンプト

AIは与えられたプロンプトの質に依存します。公務員の多様性、公平性、包摂性に関する視点から必要な洞察を得るために、ChatGPTとSpecificの両方で効果的な実績のあるプロンプト例を紹介します。

コアアイデア抽出用プロンプト：どの規模のデータセットにも使え、全回答に共通する主要テーマを理解するのに役立ちます。

あなたのタスクは、コアアイデアを太字（1つのコアアイデアにつき4～5語）で抽出し、最大2文の説明を付けることです。 出力要件： - 不要な詳細は避ける - 特定のコアアイデアを言及した人数を数字で示す（単語ではなく）、多い順に並べる - 提案や示唆は含めない - 指示も含めない 出力例： 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

AIは調査内容、対象者、目的に関する文脈を多く与えるほど良い回答を返します。プロンプトの前に以下を追加してください：

私たちは英国の公務員を対象に、公共サービスにおける多様性、公平性、包摂性に関する経験や課題について調査しました。職場の公平性、代表性、包摂に関する主要な問題点、改善案、具体的な痛点を明らかにしたいと考えています。

特定テーマの掘り下げ用プロンプト：AIがコアテーマを要約した後、それらのアイデアについて詳しく尋ねる際に使います：

上級職における女性の代表性不足についてもっと教えてください

特定の言及を探すプロンプト：関心のあるトピックが誰かに言及されているか確認するのに最適です。

賃金格差について話している人はいますか？引用も含めてください。

ペルソナ抽出用プロンプト：経験や背景で対象者をセグメント化したい場合に役立ちます。

調査回答に基づき、プロダクトマネジメントで使われる「ペルソナ」のように、異なるペルソナのリストを特定し説明してください。各ペルソナについて、主な特徴、動機、目標、関連する引用や観察されたパターンを要約してください。

痛点と課題抽出用プロンプト：問題点や公務員がより支援を必要としている領域を明確にします。

調査回答を分析し、最も一般的な痛点、不満、課題をリストアップしてください。各項目を要約し、パターンや発生頻度も記載してください。

提案・アイデア収集用プロンプト：変革のための実行可能な提案を集めたい場合に使います。

調査参加者から提供されたすべての提案、アイデア、要望を特定しリストアップしてください。トピックや頻度別に整理し、関連する直接引用も含めてください。

多様性と包摂に特化した調査向けのさらに多くのプロンプト例は、こちらの効果的な公務員調査質問ガイドをご覧ください。

Specificが質問タイプに基づいて定性調査データを分析する方法

Specific（および一般的なAIツール）が異なるタイプの調査質問に対してどのように定性分析を行うかを解説します：

• 自由記述質問（追跡質問の有無にかかわらず）：Specificは主質問と関連する追跡質問のすべての回答を網羅した総合的な要約を作成します。これにより、例えば上級公務員の男女賃金格差が続く微妙な理由を分析することが可能です。[1]
• 選択肢付き追跡質問：各回答選択肢ごとに専用の要約が作成され、その選択肢に関する追跡質問の回答も含まれます。これにより、部署やチームによって公務員が包摂されていると感じるか否かのパターンが明らかになります。
• NPS（ネットプロモータースコア）：批判者、中立者、推奨者の各セグメントごとに分析が行われます。公共サービスのDEIにおいては、最も支持者が何に動機づけられているか、批判者が何に最も不満を持っているかを迅速に把握できます。

同じロジックはChatGPTでも使えますが、各質問の追跡回答をコピー＆ペーストし手動で整理する必要があり、Specificのような専用調査プラットフォームの方が簡単で再現性があります。

このようなAI搭載調査の設定方法については、公務員DEI調査の実践的な調査ジェネレーターガイドをご覧ください。

AIのコンテキスト制限への対処法

ChatGPTやSpecificの分析を支える大規模言語モデルはすべて、同時に「見る」ことができるテキスト量に制限があります。公務員調査で数百件の詳細な回答が集まると、この制限にすぐ達してしまいます。

これに対処する主な方法は2つあり、Specificに組み込まれていますが、他のAIツールでも応用可能です：

• フィルタリング：特定の質問に回答したユーザーや特定の回答を選んだユーザーの会話のみを送信します。例えば、2024年に13.9％の賃金格差があった保健社会福祉省のような、最も男女賃金格差が大きい部署の回答だけを分析します。[1]
• クロッピング：AIに送る質問を限定します。質問セットを小さく絞ることで、より多くの会話を分析しつつ、各セットの洞察を深められます。

この方法により、AIの技術的制約内で大規模かつ複雑な公務員DEIデータセットを分析し、調査分析から実際の価値を引き出せます。

公務員調査回答分析のための共同作業機能

公務員の多様性、公平性、包摂性調査では、多くの利害関係者や意見、敏感なテーマが絡むため、共同作業が難しいことが多いです。したがって、洞察の共有と次のステップの調整が重要になります。

チャット駆動の分析：Specificでは、AIとチャットするだけで定性調査データを分析できます。SQLクエリを実行したり、無限のスプレッドシートを管理したりする必要はありません。興味深い点や重要な発見を見つけたら、AIに尋ねてすぐに結果を共有できます。

複数のチャットスレッド：賃金格差の部署別分析、代表性の低い公務員の課題、新しいDEI政策への反応（2024-2025年の米国連邦DEIプログラムの解体などの大きな転換点を含む[4][5]）など、異なる角度に焦点を当てた数十の分析チャットに作業を分割できます。各チャットには作成者が表示され、作業分担や視点の比較が容易です。

可視性と説明責任：調査分析に関わる全員が誰が何を言い、どこからのフィードバックかを正確に把握できます。これにより混乱が減り、レビューがスムーズになり、発見を共有する際の信頼性が高まります。これは、米国のAccountability FoundationがDEI支持者の公務員を標的にした「ウォッチリスト」などの敏感な問題を扱う際に特に重要です[3]。

厳密かつチームに優しい分析が必要な場合、Specificの共同作業ワークフローは時間を節約し、公共部門のDEI業務の政治的・複雑な側面を乗り越えるのに役立ちます。公共サービス調査プロジェクトのためのこのハウツーガイドでワークフローの構築方法を詳しく学べます。

今すぐ公共サービスにおける多様性、公平性、包摂性に関する公務員調査を作成しましょう

AI駆動の調査で、チームからより豊かで正直なフィードバックを収集し、実用的な洞察を得てギャップを明らかにし、手作業を減らして実際の変化を促進しましょう。