この記事では、公務員によるオープンデータの認識と利用に関する調査の回答を分析する方法についてのヒントを提供します。実用的なAIツールと、堅牢な調査結果分析のための実行可能な戦略を網羅しています。
データ分析のための適切なツールの選定
調査回答を分析するためのアプローチや使用するツールは、データの形式と構造に大きく依存します。最も一般的なシナリオとそれぞれに最適な方法を詳しく見ていきましょう。
定量データ: 「何人の公務員がオープンデータのトレーニングを完了したか」といった質問や選択肢問題には、ExcelやGoogle Sheetsといった古典的なツールが最適です。シンプルに、回答を数え、パーセント計算を行い、簡単なグラフを作成するだけです。たとえば、10%の公務員がスキルアップ時間を完了したと報告していれば、簡単な関数で進捗を示すことができます。[1]
定性データ: 開かれた質問（「オープンデータの利用で最も困難な点は何ですか？」など）に対しては、本当に複雑になります。数百、数千の回答を読むことは現実的ではありません。ここでAIが助けとなります。現代のツールを使って、テキストフィードバックを自動的に理解、要約、構造化する必要があります。これを手動で行うのは遅く、ミスが起きやすく、非常に消耗します。特に詳細なフォローアップ質問を伴う場合にはなおさらです。
定性データを扱う際には、ツールに関して二つのアプローチがあります：
ChatGPTまたは類似したGPTツールによるAI分析
コピー・ペーストとチャット: 調査データをエクスポートし、ChatGPTまたは同様の大規模な言語モデルに貼り付けて、その結果について会話を始めることができます。
常に便利とは限らない: このワークフローは小規模な分析には迅速ですが、大規模には適していません。GPTチャット入力に大規模データセットをフォーマットすること、フォローアップを管理すること、反復を追跡することはすぐに難しくなります。また、調査データ用に特別に設計された機能が欠けているため、多くの手動準備や潜在的なプライバシーまたはワークフローの問題が生じます。
オールインワンツール、Specificのような
オープンデータの認識と利用に関する公務員調査のためにカスタマイズ: Specific のようなツールは、スプレッドシートや手動エクスポートを弄らずに済むように設計されています。調査回答を収集し（自動生成された会話形式のフォローアップを含む）、AIを使って同じプラットフォーム内で直接分析します。
優れたデータ収集: 自動フォローアップ質問は、短い答えではなく、より豊かな回答を導きます。この 自動AI調査フォローアップ に関する詳細は、この記事で詳しく説明されています。
AI駆動の要約、テーマ抽出、直接の会話: 即時の要約、繰り返されるテーマを手に入れ、結果について人間と会話するのと同じくらい簡単にAIとチャットできます。AIがどのデータを分析するかを管理するための追加の安全策があり、常にコンテキストを把握できます。
政策フィードバックからデータスキル評価まで、分析と収集が一体となっていることで、摩擦がなくなります。Specificはオープンデータプログラムを管理する公務員やチームに人気ですが、他のツールも、もしDIYワークフローに予定を立てていれば、効果的に活用できるでしょう。
これらの調査を作成するためのより深い洞察を得るには、オープンデータの認識と利用に関する公務員調査を作成する方法 の記事を参照してください。
公務員のオープンデータ調査分析に使える便利なプロンプト
オープンデータ認識調査から定性的回答を分析する準備が整ったら、間違いなくAIやGPTベースのツールで価値を解放するためのよく設計されたプロンプトが秘密兵器になります。Specific内で直接フォローアップの回答に取り組む場合でも、独立したGPTツールを使用する場合でも、これらのプロンプトは大きな図から詳細な洞察までカバーします。
コアアイデアのプロンプト: これはクラシックなものです。AIに主要なアイデアやテーマを数値と共に見つけてもらいたい場合に使用します。Specificで使用されている正確なテキストで、ChatGPTでも効果的です:
あなたのタスクは、太字で重要なアイデアを抽出すること（コアアイデアごとに4〜5語）+ 2文までの説明文。
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明示する（言葉ではなく数値を使用）、最も言及されたものを上位に
- 提案なし
- 示唆なし
サンプル出力:
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
コンテクスト強化: AIモデルは常に、あなたの調査や対象者、ゴールについての追加のコンテクストが提供されるとより良い結果を出します。例えば、プロンプトに短い説明を追加します:
「これらの回答は、2024年のUK公務員を対象にしたオープンデータの認識と使用に関する調査からのものです。最も一般的な課題や機会を理解したいです。私の主な目標は、将来のトレーニングイニシアチブを改善することです。上述のようにコアアイデアを抽出してください。」
話題を深く掘り下げる: テーマを特定した後、「XYZ（コアアイデア）についてもっと教えて」というプロンプトをAIに提示します。これは隠れたパターンを詳しく探る簡単な方法です。
特定のトピックのプロンプト: 重要な問題が生じていると疑った場合（例えば「リスク管理の懸念」）、単に「リスク管理について話している人がいるか—またはオープンデータの開示に伴うリスクについて話しているか—引用を含めて教えてください」と尋ねます。
ペルソナのプロンプト: 公務員はすべて同じではありません。パターンを見つけるために「調査結果に基づいて、異なるペルソナ（データ愛好家や慎重な管理者など）を特定して説明してください。それぞれについて、主な特徴、動機、および関連する引用を要約してください。」を使用します。
課題と問題点のプロンプト: 「調査の回答を分析し、公務員がオープンデータに関して直面する共通の課題や問題点をリストアップしてください。パターン、頻度を述べ、サポートとなる例を含めてください。」これは、10%の公務員しかオープンデータに関する最新のスキルアップ努力を完了していないという現実を考慮すると特に重要です。[1][5]
提案&アイデアのプロンプト: 実行可能な改善点を収集したいですか？「オープンデータの取り組みに関して調査参加者が言及した全ての提案または依頼を特定し、リストアップしてください。それらをトピックと頻度で整理し、必要に応じて直接引用を含めてください。」と尋ねてください。
追加の質問アイデアやインスピレーションを得るには、このガイド公務員のためのオープンデータ調査のための最適な質問をチェックしてください。
Specificはどのように異なる質問タイプから定性データを分析しますか
フォローアップの有無別のオープンエンドの質問: すべてのオープンエンドの質問に対して、質問自体の要約とAIによるフォローアップ回答の詳細な分析を得ることができます。生の回答を確認する代わりに、Specificはそれらの詳細深掘りの洞察を一か所に構造化するため、「データスキルの不足」がこの文脈で何を意味するかについての推測が不要になります。
フォローアップを伴う選択肢: 各調査の選択肢（例：「はい、オープンデータを利用したことがあります」対「いいえ、利用したことがない」）には、関連するフォローアップの回答の要約が付けられ、複数選択の回答を統合したミニ分析に変わります。このアプローチは、態度や知識レベルがグループによってどのようにクラスター化されるか、そしてなぜそうなるのかを明らかにします。
NPS（ネットプロモータースコア）質問: Specificは自動的にフォローアップの回答をカテゴリ別（批判者、消極者、支持者）に分割します。これにより、批判者を支持者に変えるものや、すでに参加している公務員が戻る理由が明らかになります。
ChatGPTでも同様の結果を手動で得ることができますが、回答セットごとにフィルタリング、フォーマット、分析を行うために追加の労力が必要です。
これらのインサイトを初めから表面化するために調査がどのように構築されているかを学ぶには、オープンデータの認識に焦点を合わせたAI調査ジェネレーターを参照してください。
AIのコンテキスト制限に対処する方法
最良のAIツール（ChatGPTやSpecificを含む）でもコンテキストサイズには制限があります。基本的に、オープンデータ認識調査が非常に詳細な回答をもたらした場合、AIがそれらすべてを一度に処理できないかもしれません。ここでは、分析を実用的かつ正確に保つための二つの方法を紹介します。これらはSpecific内でシームレスに利用可能です。
フィルタリング: 参加者の行動や回答によって会話をフィルタリングします。たとえば、データトレーニングモジュールを完了した公務員のみを含めるか、認識された障壁について話した人のみを含めるといった具合です。こうすることで、AIがあなたのニーズに合った正しいセグメントに集中します。
クロップ: AIに分析を送る前に、調査の最も重要な質問だけにめどをつけます。これにより、モデルが背景やそれほど関連性のない回答で圧倒されることなく、コア定性質問から最大の洞察を得ることができます。
このアプローチは、例えばスキルアップの取り組みに参加しなかった公務員集団に特に焦点を当て、参加率が25％未満にとどまった理由を掘り下げる場合に特に有効です。[1]
次の調査質問を編集または改善するための迅速なスタートを切りたい場合は、AI調査エディターをご覧ください—単に欲しいものを英語で説明し、ツールが瞬時にあなたの調査を更新します。AI調査エディター
公務員調査回答を分析するための協力機能
公務員のオープンデータ認識と利用調査を分析する際、チームでの協力はすぐに混沌となる可能性があります。複数のスプレッドシート、メールスレッド、別々のノートでは対応できません。
ライブコラボレーション、一か所ですべて: Specificを使用すると、チームメンバーが直接AIと回答について話し合い、洞察を共有して洗練し、さらには並列分析会話を立ち上げることができます。各チャットには独自のセグメントフィルター、要約、またはテーマを持たせることができ、アクション可能な洞察に向けて柔軟性と追跡可能性を持たせます。
誰が何を貢献しているかを知る: 各分析スレッドは誰が作成したのかを示し、各メッセージにはアバターが付いているので、どの同僚が何の視点を共有したかが常にわかりやすく、チーム間での協力がより自然に感じられます。
ツール間を行ったり来たりする必要なし: 発見事項にコメントし、フォローアップ質問を更新し、結果を追跡—すべての文脈に沿って関連するステークホルダーに見えるようにします。
すべてを一つの場所にまとめることで、同僚の意見を追いかける時間を減らし、堅牢な定性と定量分析に裏付けられた正しい行動を明らかにすることに多くの時間を費やすことができます。
これらの協力機能を始める準備ができている場合は、オープンデータ認識のためのNPS内蔵調査テンプレート を探索するか、AI調査ジェネレータ を使用してゼロから始めてください。
今すぐオープンデータ認識と利用に関する公務員調査を作成する
次の調査を開始し、より豊かなフォローアップ、自動分析、およびオープンデータの取り組みに特化したシームレスなチームコラボレーションで、即座に実行可能な洞察を発見しましょう。
