この記事では、省庁間の連携の有効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お伝えします。質的または量的なデータを収集した場合、それをどのように素早く行動可能なインサイトに変えることができるかを説明します。
分析に適したツールの選択
調査データを分析するための最良のアプローチとツールキットは、回答の形式と構造に依存します。取り扱うデータは、大きく二つに分類されます:
量的データ: 構造化された回答を扱う場合—例えば、各選択肢をどれだけの人が選んだかや、ものごとをどのように評価したかなど—、ExcelやGoogle Sheetsのような従来のツールが役立ちます。数値結果は集計しやすく、視覚化も簡単で、トレンドを見つけやすくなります。
質的データ: 開放型質問を実施し、人々に選択の理由を説明させたり、フォローアップストーリーを集めた場合、すべてを手動で読み取り、分類し、要約するのは不可能になります—特に大規模な場合。ここで、AIを活用したツールが大きな違いを生みます。
質的な回答を扱う際のツールには二つのアプローチがあります:
AI分析のためのChatGPTまたは類似GPTツール
一つの選択肢は、質的な回答をエクスポートして、ChatGPT（または類似のAIチャットボット）に貼り付けることです。これにより、データに関する質問をしたり、要約を得たり、特定の点を掘り下げることができます。この方法のメリット—ほとんど誰でもChatGPTを使って簡単な分析を行うことができ、カスタムプロンプトで実験する柔軟性があります。
しかし、この方法は非常に便利ではありません。調査エクスポートの扱いや貼り付けたテキストのフォーマット調整、混在する大量のデータを含む長いチャットをナビゲートするのはすぐに煩雑になります。大規模データセットでコンテキスト制限、プライバシーの管理、選択に応じたフォローアップの追跡などに頭を悩まされます。
Specificのようなオールインワンツール
Specificのようなツールは、この課題に対応するために作られました。Specificを使用すれば、AIを活用してデータを収集し、結果を分析することが可能です。対話型の調査が即座にスマートなAIを使ったフォローアップ質問をし、より豊かで質の高い回答を得られます。
SpecificのAI活用分析は、調査内容を即座に要約し、テーマを見つけて行動可能な洞察に変えることができます—手動のスプレッドシートやコピペ不要です。結果についてAIと直接チャットすることも可能で、ChatGPTのような使いやすさに加え、AIコンテキストに送るデータを管理し、カスタムビューや深い分析を行えます。フォローアップの自動化（自動AIフォローアップ質問）やセクションごとの詳細な要約といった機能もあり、手間は少なく迅速に明確な情報を得られます。
このアプローチは、省庁間連携のようなトピックに特に有用で、数値以上に関連する開放的なフィードバックのニュアンスが重要です。
ちなみに、AIを元にした高度な質的分析ツールが急増しています。NVivo、MAXQDA、ATLAS.ti、Delveといった業界標準はすべて、テーマの抽出とコーディングを迅速化するためのAIベースの機能を提供しています。連携の有効性に関する公務員調査において、これらのツールはスタンドアロンまたは統合された研究環境として強力な選択肢となります。[2][3][4][5]
公務員の調査回答を分析するために使える有用なプロンプト
ChatGPT、Specific、または他のAIツールを使用するかどうかにかかわらず、適切なプロンプトは、多くの言葉の壁を構造化された知識に変えます。以下のものから始めることをお勧めします:
コアアイデアプロンプト: これは私の必須の方法です。わかりやすく、ほぼすべての質的データに対応可能で、公務員調査の大きなトピックを発見するのに最適です:
あなたのタスクは、コアアイデアを太字で抽出し（コアアイデアごとに4〜5語）最大2文の説明を付け加えることです。
出力要件:
- 不要な詳細を避ける
- 特定のコアアイデアを何人が言及したかを指定する（数詞使用）、最も言及が多いものを上位に
- 提案なし
- 表示なし
出力例:
1. **コアアイデアのテキスト:** 説明テキスト
2. **コアアイデアのテキスト:** 説明テキスト
3. **コアアイデアのテキスト:** 説明テキスト
ヒント: AIはより多くのコンテキストと同時により良く作動します。あなたの調査の背景、目標、重要と考えられるものを説明します。例はこちらです:
これは、連邦機関間の連携の有効性についての公務員調査です。障壁の原因、促進要因、特有の課題の繰り返し原因を見つけようとしています。明確なテーマを抽出し、それぞれの意義を説明してください。
特定のアイデアを掘り下げる: テーマをレビューした後、「XYZ（コアアイデア）についてもっと教えて」と言って、課題点や提案の詳細な分析を促します。
特定トピックプロンプト: ある問題、部門、またはテーマに誰かが言及しているか知りたいですか？ 試してみてください: 「誰かが[トピック]について言及しましたか？引用を含めてください。」
ペルソナプロンプト: 様々な回答者タイプを理解するには: 「調査回答に基づいて、製品管理で使われる‘ペルソナ’のように、明確なペルソナのリストを特定し、記述してください。それぞれのペルソナの主要な特性、動機、目標、観察された関連する引用またはパターンをまとめてください。」
課題とチャレンジプロンプト: 簡潔な課題のために: 「調査回答を分析し、最も一般的な課題、困難、またはチャレンジを挙げ、それぞれをまとめ、パターンや頻度に注意してください。」
モチベーションと推進力プロンプト: 推進要因を表面化するには: 「調査対話から、行動や選択に対する主な動機、願望、理由を抽出し、似たモチベーションをグループ化し、データからの証拠を持ってサポートしてください。」
感情分析プロンプト: 全体のトーンを理解するには: 「調査回答で表現された全体的な感情（例: 肯定的、否定的、ニュートラル）を評価してください。各感情カテゴリーごとの主要なフレーズやフィードバックをハイライトしてください。」
提案とアイデアプロンプト: 新しいアイデアのために: 「調査参加者が提供したすべての提案、アイデア、または要求を特定し、話題または頻度で整理し、関連する場合は直接引用を含めてください。」
未満のニーズと機会プロンプト: ギャップを探すには: 「調査回答を調べ、回答者が強調した未満のニーズ、ギャップ、または改善の機会を明らかにしてください。」
これらのプロンプトは、AIと人間の分析のどちらからもより多くを引き出し—フォーカスし、透明で、行動に移せるものをします。
このトピックについて公務員に最適な質問のアイデアが欲しいですか？公務員のための最適な質問ガイドをチェックしてください。
質問タイプに基づく質的データのSpecificでの分析方法
Specificの分析は、調査の各質問の性質に適応します。 内訳は次のとおりです:
開放型質問（フォローアップあり、なしに関わらず）: すべての回答に対する全体的な要約が提供され、AIがフォローアップした説明やストーリーに深く掘り下げるオプションがあります。
フォローアップ付きの選択肢: 各回答選択肢（たとえば「コミュニケーションツール」、「リーダーシップサポート」など）には、その選択肢に関連するフォローアップ回答に基づく要約があります。どのオプションが選ばれたかだけでなく、なぜ人々がそれを選択したのかも一目でわかります—機関間の連携ダイナミクスを理解するために重要です。
NPS: 損なう人、受け身な人、プロモーターがいるかどうかに関わらず、各グループには理由とサポート引用の内訳があり、満足と不満の両方を引き起こすものが見えます。
ChatGPTや他のAIチャットボットを好む場合、データセットをセグメント化し、プロンプトを準備し、各部分をクエリーすることでこれを模倣できます。これは実行可能ですが、労力集約型で組織エラーに陥りやすいです—特に分岐するフォローアップや大量のサンプルがある場合。
このプロセスについての詳細は省庁間連携有効性に関する公務員調査の作成方法の記事で学ぶことができます。
AIツールのコンテキスト制限に対処する方法
調査分析のためにGPTのようなAIを使用する際の重要な課題ポイントは、コンテキスト制限です。あらゆるAIには、同時に処理できる語数に上限があります。数百の公務員回答を集めた場合、この制限にすぐに達する可能性があります。
コンテキストの境界内に留まるための効果的な戦略が二つあります—どちらもSpecificのようなツールで自動的に処理されます:
フィルタリング: ユーザーが特定の質問に答えたり、特定の選択をした会話に分析を絞ることで、AIが最も関連性の高いデータに注力できます。
クロッピング: 分{