この記事では、ダイニングサービスに関する大学学部生アンケートの回答をAI調査分析手法と実際に機能するプロンプトを用いて分析する方法についてのヒントを提供します。
アンケート回答を分析するための適切なツールの選択
使用するアプローチとツールは、ダイニングサービスに関する大学学部生アンケートから得られるデータの種類と構造に大きく依存します。
定量データ： これは、何人の学部生が植物ベースのオプションを好むか、またはミールデリバリーを利用しているかといったカウントやチェックボックスです。ExcelやGoogle Sheetsで統計を簡単に計算できます。たとえば、学生の何パーセントが自分の食事プランに十分なバラエティがあると言っているかなどです。構造化されたデータは、パターンを見つけて共有するのを簡単にします。
定性データ： 「ダイニングサービスに何を求めていますか？」といったオープンエンドの質問やAI生成のフォローアップは、重要な洞察の宝庫ですが、一つ一つをスケールで調べるのは不可能です。AIツールは、回答が長い場合や微妙な場合でも、繰り返し現れるテーマや問題点を拾い上げるのに優れています。70%の大学生がダイニングホールの食事の質が全体的な食事プランの満足度に影響すると言っており[1]、彼らの実際の言葉を理解することが重要です。
定性的な回答を扱う際には、ツールのアプローチが2つあります：
AI分析のためのChatGPTまたは類似のGPTツール
アンケートプラットフォームが回答をエクスポートできる場合、ChatGPT（または他のLLM）にペーストしてチャットを開始できます。ただし、正直に言うと、それは扱いが面倒で、会話の再フォーマット、クリーニング、スプリットは時々手間です。また、一度入ると、そのセッションにロックされる感じです：質問ごとにフィルタしたり、誰が何を言ったかを追跡することはできず、AIのコンテキストも最大トークン数に制限されます。
組織を保つために、多くの場合、手動でのシステムを設定しなければなりません。スプレッドシートで会話を分割してAIに一括提供するなどです。一度限りでは迅速ですが、それより多くのことには苛立ちます。
オールインワンツールであるSpecific
Specificは、この正確なユースケースのために構築されたAIツールです：あなたはアンケートの回答を収集し（豊かなデータのためのフォローアップを含む—その仕組みはこちら）、AIを使ってすべてを分析します。
自動フォローアップで豊かな回答を得る：AIはさらに深く掘り下げ、明確にし、各回答の選択の背景にある理由を理解し、重要なコンテキストを逃さないようにします。これは強力です—特に、70%の学生が食の持続可能性について懸念していると報告している中で[1]、その懸念が彼らの言葉で何を意味するのかを掘り下げるのは非常に価値があります。
AI駆動の調査回答分析は、Specificの特徴として大規模を対象としています：すべての自由回答テキストのフィードバックを即座に要約し、主要テーマをクラスタリングし、AIと直接チャットできるようにします—ChatGPTのようですが、調査データ用に特化されています。
あなたはAIに送るデータを管理し、フィルタできるので、詳細な調査が容易です。この機能の概要をこちらで確認したり、ここで分析機能を搭載して調査を生成することもできます。
大学学部生のダイニングサービスアンケート回答を分析する役立つプロンプト
AIによる調査を実行したり、大学のダイニングサービスの調査から定性データを分析する時、適切なプロンプトが実際の価値を解き放ちます。
核心を探るためのプロンプト： 学生が何を言っているかを大規模に探るための定番です。回答を貼り付けて次を使用します：
あなたのタスクは、核心のアイデアを太字で4-5語程度（1つの核心アイデアにつき）取出し、2文以内の解説を加えることです。
出力要件：
- 不要な詳細を避ける
- 特定の核心アイデアが何人に言及されたか明示する（単語ではなく数字を使用）、最も言及されたものを上位に
- 提案なし
- 示唆なし
出力例:
1. **コアアイデアテキスト:** 解説テキスト
2. **コアアイデアテキスト:** 解説テキスト
3. **コアアイデアテキスト:** 解説テキスト
より多くのコンテキストで、より良い出力： 常にAIにあなたの調査の目標、ターゲットオーディエンス、または特定の要望を伝えてください。この2つのシナリオを比較：
これらの回答は、キャンパスダイニングについての学部生への調査です。学生が健康的で持続可能なオプションが十分だと感じているかどうかを知りたいのです。
より深い探究のためのプロンプト： 核心の考えのリストを取得した後は、「健康的な選択肢に対する不満について詳しく教えてください」と言ってみてください。AIは各不満やテーマがなぜ発生したのかを具体化することができます。
具体的な言及のためのプロンプト： 誰かが配達について話しているかどうかをすばやく確認するには、「配達について話した人はいるか？引用を含めて。」と尋ねます。
痛点や課題のためのプロンプト： 学生の55%がポーションサイズが不十分だと感じている[1]という理由で痛点を探求したい場合、次を試してください：
調査回答を分析し、最も一般的な痛点、不満、または課題をリストしてください。それぞれを要約し、傾向や頻度をメモしてください。
感情分析のためのプロンプト： 学生の感情の傾向—食事の選択、費用、スケジュールに関して、ポジティブかネガティブかニュートラルかを把握するには、次を使用します：
調査回答に表れた全体的な感情（例：ポジティブ、ネガティブ、ニュートラル）を評価してください。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てください。
提案とアイデアのためのプロンプト： 実用的な改善策を瞬時に見つけます：
調査参加者から提供されたすべての提案、アイデア、または要求を特定し、リストしてください。それらをトピックまたは頻度に基づいて整理し、関連する場合は直接合いの引用を含めてください。
学生のダイニング調査のための強力な質問を書くための詳細は、この質問設計に関する記事を参照してください。
質問タイプによるSpecificの定性調査データ分析方法
異なる質問タイプには、真の明確さのために異なる分析分解が必要です。
オープンエンドの質問（フォローアップの有無を問わず）： Specificは、各回答の要点と詳細なフォローアップを要約します。あなたはテーマとそれぞれのユニークな入力の洞察を得ることができ、このコホートを際立たせるものを強調します—例えば、食事のバリエーションへの懸念やより柔軟なスケジュールへの要求など。
フォローアップ付きの選択肢： 各回答選択肢がそれぞれの要約を取得し、AIが選択ごとのすべてのフォローアップに目を通します。たとえば、学生が「植物ベースのプロテインをもっと欲しい」と選んだ場合、関連するすべてのフォローアップがグループ化され、解釈されます。学生の75%がより多くの植物ベースのオプションを望んでいるとき、その理由と方法を正確に見ることができます。
NPS： デトラクター/パッシブ/プロモーターはそれぞれオープンエンドのフォローアップコメントの簡潔な要約を取得します。このクラスタリングは違いを明確にし、ダイニングサービスにおける学生の忠誠心または失望を促す要因を明らかにします。
ChatGPTでも同様のことができますが、それは遅く、カット/ペースト、フィルタリング、グループ化には時間がかかります。アンケートロジックに適したスレッドとインスタントの要約を比較してください。
このような調査をゼロから作成する方法については、この詳細なチュートリアルをご覧ください。いずれにしてもSpecificのAI調査生成ツールに飛び込むのも良いでしょう。
調査分析におけるAIのコンテキストサイズの制限への対応方法
AIのコンテキスト制限は現実です。大学の食プランや持続可能性についての会話を何百も集めた場合、ChatGPTのプロンプトウィンドウを超える可能性があります。GPTベースのモデルには「コンテキストウィンドウ」があり、最大トークン数で制限されているため、分析に収まりきらない場合もあります。
Specificはこれを2つの方法で解決します：
フィルタリング：最も重要なアンケートや回答のサブセットだけを分析することを選ぶことができます。たとえば、健康的な選択肢に不満を持つ学生や、食料不安を表明している学生（これは米国の学生の最大43.5%に影響[3]）に焦点を当てるなどです。回答ごとやセグメント、またはカスタムタグでフィルタし、ターゲティングされた分析スレッドを実行します。
クロッピング： 詳細な分析のために、最も重要な質問だけ（または一つの質問だけ）を選択して、より多くの学生会話をAIのメモリに収めることができます。この方法で、大規模な知見の力を失うことはありません。
大学学部生のアンケート回答分析のための共同機能
大学学部生のダイニングサービスの調査分析で、フィードバックがバラバラで、チームメンバーが異なる質問やオーディエンスのスライスに集中したいときに問題が発生します。
複数の分析チャット： Specificでは、複数のチャットを設定できます。各チャットはデータを異なる方式でフィルタできます—たとえば、食料不安を抱える学生を対象にしたもの、およびよりデジタル注文を求める人々を対象にしたものです。すべてのチャットで作成者がわかるので、研究や運用が並行して調査を実行する際に非常にスムーズで透明性が高くなります。
誰が何を言ったかを見る： チームメートと協力する時は、各メッセージに送信者のアバターがあります。アイデアが学生サービス、食品管理、または学生代表から来たのかが明確で、協調とグループプロジェクトには必須です。
チャットベースのワークフロー：あなたとあなたのチームは調査データと文字通りチャットします。それは自然で迅速で、ゆっくりしたGoogle Docsのコメントを待ったり、スプレッドシートを渡す苦痛よりもはるかに会話に似ています。この経験を体験してみたいですか？Specificでの一連の調査回答を分析してみてください。
大学学部生向けのダイニングサービスアンケートを今すぐ作成
学生からのフィードバックを実際の変化に変えましょう—アンケートを開始し、AIを使ってより深く洞察を得て、チームとうまく協力しましょう。
