この記事では、多様性とインクルージョンに関する大学学部生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。AIを活用して調査分析に取り組む実用的な方法を探しているなら、ここに確かな手法があります。
分析のための適切なツールを選ぶ
使用するツールと方法は、調査回答データの構造に適しているべきです。その選択は次の2つの道に迅速に分かれます：
定量データ: 「キャンパスイベントを推薦する可能性はどのくらいですか？」のような明確な回答やシンプルな単一/複数選択の場合、ExcelまたはGoogle Sheetsで統計を処理するのが最も簡単です。回答を数える、チャート化する、またはフィルタリングすることで、パターンがすぐに浮かび上がります。
定性データ: 自由回答やAIによるフォローアップの回答はコンテキストを最もよく提供しますが、大規模に手動で分析するのは非常に難しい（特に規模が大きい場合）。 AIツールを導入する必要があります。誰も何百ものコメントをスクロールしてコード化したくありません。従来のツールでは不十分です。
定性回答に対処する際のツーリングには2つのアプローチがあります：
AI分析のためのChatGPTまたは類似のGPTツール
データをChatGPTにコピー＆ペーストすることが効果的です—あなたの調査やテキスト回答のスプレッドシートをエクスポートして、ドロップしてください。AIにデータについて直接質問したり、テーマを抽出したり、問題点を要約したりできます。しかし、いくつかの問題があります：エクスポートの取り扱い、コンテキストの制限に対処する必要があります（AIは貼り付け数が多すぎると一部の回答を無視するかもしれません）、そして通常、特に多様性とインクルージョンのように微妙なトピックに関しては、深さを求める時に混乱しがちなワークフローです。
手動プロセス: 少量であれば問題ありません。しかし、真剣な調査の場合、これはすぐに不格好で管理が難しくなります。
すべてを一つにまとめたツールであるSpecific
調査分析のために特別に設計されたツール: Specificを使用すると、統合システムを手に入れることができます。AIフォローアップと共に会話型調査データを収集し、リアルタイムで分析します—プラットフォーム間の移動はありません。調査が埋められると、AIが明確化の詳細を探査し、あなたの多様性とインクルージョンデータの豊かさと信頼性を向上させます。AIフォローアップの機能を学ぶ。
瞬時のAIインサイト: 回答が入ってくると、Specificは自動的にそれらを要約し、パターンやテーマを特定し、実行可能な概要を提供します。AIと結果についてチャットします（ChatGPTと同様）—しかし、それはコンテキストに何を含めるかを管理するツールも提供します。回答をセグメント化し、すべてを構造化状態に保ちます。それはスプレッドシートの余計な作業を排除し、あなたが実際に重要なこと、すなわちキャンパスの多様性とインクルージョンのストーリーを理解することに集中できるようにします。
どのチームにも使いやすい: ワークフローはシンプルです。多様性とインクルージョンに関する大学学部生のための会話型調査テンプレートから始め、高品質な回答をAIフォローアップと共に収集し、同じダッシュボードからすべてを分析します。また、この具体的なユースケースのための既製のジェネレーターを使用して、即座にカスタマイズした調査を作成できます。
プライバシーと簡便さ: コピー＆ペースト不要、安全なデータ保存、コンテキストがドロップするような誤りを減少させます。より広い範囲を求める場合は、彼らのAI調査エディターを使って、ゼロからカスタム調査を作成できます。
このアプローチは、学生が調査に含まれるだけでなく、その声が慎重に分析されることを期待している今日、特に価値があります。70%以上の高等教育機関が既に少なくとも1つのAI搭載のデータ分析ツールを使用しており、これらのスマートなワークフローの需要が高いことを証明しています。[1]
大学学部生の多様性とインクルージョンの調査の回答データを分析するための便利なプロンプト
AIは、あなたが正しい質問をすればより速く進めることができます。ここでは、時間が証明したプロンプトを紹介します（ChatGPT, Specific, または他のGPT搭載システムと互換性あり）：
コアアイデアのためのプロンプト: 調査内に登場するビッグピクチャのトピックを簡潔に概観したい場合、以下を使用してください：
あなたのタスクは、コアアイデアを太字で抽出し（1つのコアアイデアあたり4-5語）+最大2文の解説を提供することです。
出力要件:
- 不要な詳細を回避する
- 特定のコアアイデアを言及した人数を指定（単語ではなく数字を使用）、最も多く言及されたものを上にする
- 提案なし
- 指示なし
例の出力:
1. **コアアイデアのテキスト:** 解説テキスト
2. **コアアイデアのテキスト:** 解説テキスト
3. **コアアイデアのテキスト:** 解説テキスト
AIはより多くのコンテキストを提供すればするほどより良い成果を出します—あなたの調査の目的、誰が回答したのか、または何を理解したいのかについて一行の紹介を提供しましょう。例:
キャンパスでの多様性とインクルージョンに関する経験と認識に関して収集した大学学部生の回答を分析してください。私の目標は、学生が感じる包括感や排除感の原因、そして存在する障壁を見つけることです。
その後、興味深いものにさらに深く掘り下げるためにこれを使用します:
ディープ探索プロンプト: "XYZ（コアアイデア）についてもっと教えて"
具体的なトピックのためのプロンプト: 何か具体的なことをチェックしたいですか？これを使用してください:
"マイクロアグレッションについて誰か話しましたか？" (ヒント: もし逐語的な回答が必要なら '引用を含める' を追加します。)
ペルソナのためのプロンプト: インクルージョンに対する経験と態度に基づいて回答者タイプのクラスタを作成します:
"調査の回答に基づいて、製品管理で用いられる 'ペルソナ' のように異なるペルソナを特定し、記述してください。各ペルソナについて、彼らの主な特徴、動機、目標、会話で観察された関連する引用またはパターンを要約してください。"
痛点と課題のためのプロンプト: 学部生が直面する課題を浮き彫りにし、他の人が見逃すパターンを特定します:
"調査の回答を分析して、最も一般的な痛点、フラストレーション、または課題をリストアップしてください。各々を要約し、発生頻度またはパターンを記録します。"
動機付け & 推進因子のためのプロンプト: 学生が多様性の取り組みに関与する（またはしない）動機を理解します:
"調査の会話から、参加者が表現する主な動機、欲望、または選択の理由を抽出します。類似の動機をまとめて、データからの証拠を提供します。"
感情分析のためのプロンプト: キャンパスの風土に関する回答の感情トーンを測定します:
"調査の回答に表現されている全体的な感情（例：ポジティブ、ネガティブ、中立）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ます。"
提案 & アイデアのためのプロンプト: 学生からの実行可能な提案を収集します:
"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てリストアップします。トピックまたは頻度で整理し、関連があるところで直接引用を含めます。"
満たされていないニーズ & 機会のためのプロンプト: 学生によって強調された、機関が役に立てない可能性のある領域を特定します:
"調査の回答を調べて、回答者によって強調された満たされていないニーズ、ギャップ、または改善の機会を見つけてください。"
調査の書き方を向上させたい、または大学生のための多様性とインクルージョンに関する調査質問を必要としている場合は、この対象者に適した調査質問に関する実用ガイドをご覧ください。
Specificが異なる質問タイプから定性データを分析する方法
自由回答（フォローアップの有無にかかわらず）: Specificは、質問へのすべての回答をカバーする要約を提供し、関連するフォローアップスレッドも含めます。AIが尋ねる各フォローアップにより、より豊かで焦点の絞られた要約が得られるため、それらの一行回答が重層的なインサイトに変わります。
選択肢とフォローアップ: 全体の数だけでなく、各選択によって関連付けられた開示によって要約されます。「その他」を選んだ学生が何を考えていたのかが正確に分かり、キャッチオールに失われる予定だった洞察を逃しません。
NPS質問: すべての回答を一緒にまとめる代わりに、各グループ（批判者、中立者、推奨者）はそれ自身のフォローアップ要約バッチを持っています。悪い経験や素晴らしい経験が何によって構成されているかを並べて分析することができます。
ChatGPTでも同様のセグメンテーションと詳細化を行うことができますが、マニュアル設定やフィルタリング、チャンク化が多く必要になるでしょう。
これらの質問タイプに基づいて調査を構造化するアイデアが必要な場合、大学学部生の多様性とインクルージョンに関する調査の作成方法についての素晴らしいステップバイステップガイドがあります。
AIのコンテキスト制限がある際に効果的であるために
AIのコンテキスト制限は実在します: すべてのAIモデルは一度に眺められる単語が限られています（特に、調査が数百の回答を得た場合の問題）。これを超えると、一部のデータをスキップしたり無視したりする可能性があります。
Specificに組み込まれた2つの主な解決策があります:
フィルタリング: あなたにとって重要な回答だけに焦点を当てます。特定の質問に答えた人や特定の選択を選んだ人の分析をすばやく制限できます—キャンパス生活の特定のスライスについてのインサイトが欲しい時に完璧です。
クロッピング: 分析にとって鍵となる質問だけを選び、それらだけをAIに送信します。これによりデータがスリムになり、AIの限界内に楽に収まるようにし、あなたが最も関心のある質問に対して深さを最大化します。
マニュアルな作業フロー（ChatGPTを使用するような）時には、はるかに多くのコピー&ペースト作業と部分的な分析の管理が必要になるでしょう—これは、実学生の視点を求める上司や委員会へのプレゼンをしたいときにクリーンにするのが難しいです。高等教育の研究者のほぼ80%は、AIでのコンテキスト制御が今や必要不可欠であり、主要な回答者の声を逃す可能性を避けるための必需品であると述べています。[2]
大学学部生の調査応答の分析のための共同機能
多様性とインクルージョンの調査結果の分析はしばしば協力を必要とします—学生関係、DEI委員会、研究者、および教員、すべてが意見を言う必要があるかもしれません。コンテキストと発見を共有することは重要ですが、分散したファイルやかさばるエクスポートを扱うのは困難です。
AIとチームでチャット: Specificでは、プラットフォームのAIチャットで調査インサイトを分析し、議論することができます。これはAIが合成を加速する自身の研究ミーティングを持っているようなものです。
複数の並列チャット: 異なる視点用に別のAIチャットをセットアップできます—例えば、一般的なテーマの1つ、教室の所属感に関連する痛点の別、学生グループの体験の別です。各チャットには独自のフィルターが適用され、誰のインサイトも上書きされません。チームメイトが各チャットを作成したかが常にわかります—DEI作業の所有権を共有するために重要です。
チームの可視性と責任: コラボレーション時には、誰がどのインサイトを寄与したのか正確に見えます—AIチャット内の各メッセージには送信者のアバターが表示されます。これによって報告がクリーンになり、グループの討論がシンプルになります。
実質的な変化への適用: チームがパターンに同意したら、AIインサイトを迅速に行動に移すことができ—管理者との共有、学生支援資源の設計、将来の調査の形作りなどです。質問を微調整したり、新しいイテレーションを開始する必要がある場合、一カ所で全て管理可能です。
これを実際に見たいですか？ぜひここで見ることができます。
今すぐ多様性とインクルージョンに関する大学学部生調査を作成する
AIを活用した調査を迅速に開始し、より豊かな回答を収集し、キャンパスのインクルージョンに関する行動可能なインサイトを得ます。スマートなフォローアップ、即時の要約、研究チーム全体に向けて作られた共同ツールがすべて1箇所に揃っています。