この記事では、コミュニティカレッジの学生による多様性とインクルージョンに関する調査の回答を分析する方法のヒントを提供します。調査データから本当の洞察を得たい場合、適切なAIと分析ツールを使用することが大きな違いを生むことがあります。
調査回答の分析に適したツールの選択
使用するアプローチとツールは、定量的な回答を扱うか、定性的な回答を扱うかによって異なります。簡単に分解してみましょう：
定量データ: 閉じた質問への回答を整理する場合（「キャンパスでの包括感を感じましたか？はい/いいえ」など）、これらのデータポイントはカウントしやすく、グラフ化できます。ExcelやGoogle Sheetsのような古典的なスプレッドシートツールは、このようなタスクに完璧に適しており、基本的な統計を素早く提供できます。
定性データ: 開かれた質問（「排除されたと感じた経験について教えてください」など）をしたり、フォローアップを含む調査を使用したりすると、データが構造化されず、手作業で整理するのが難しくなります。大規模なアンケート対象者に到達する場合などでは、すべての回答を読むことはスケーラブルではありません（文脈として、コミュニティカレッジは多様で増加する学生人口を持ち、マサチューセッツなどでは無償学費プログラムが導入され、入学者が14％増加しています[1]）。これらの場合、AIツールが意味のあるテーマや感情を見つけるのに不可欠になります。
定性的な回答を扱う際のツーリングのアプローチは2つあります：
AI分析用のChatGPTまたは同様のGPTツール
調査データをエクスポートしてChatGPT（または類似ツール）に貼り付け、AIに分析を促すことができます。この方法は、回答のセットが小規模な場合、手頃でかなりアクセスしやすいです。
しかし、この方法でデータを扱うとすぐに煩雑になります。長いリストの回答をコピー・ペーストするのは時間がかかり、フォーマットはほとんど完璧ではなく、構造を失います。特に、質問ごとにテーマを分けたり、回答でフィルタリングしたい場合には。実験や少数の定性的回答を分析するには適していますが、大規模なデータセットには容易にスケールしませんし、手元で反復可能な洞察を得たい場合には適していません。
Specificのようなオールインワンツール
Specificは、調査の収集とAI分析の両方を扱うように設計されています。学生が回答する際に自動的にフォローアップ質問を行うことができ（多様性とインクルージョンのような敏感なトピックに関するデータの質と深さを高めます— 自動フォローアップの動作を参照してください）。
分析が本当に魅力的です。 AI調査回答分析を使って、Specificは瞬時にオープンエンドの回答を要約し、重要なテーマを強調し、回答を行動可能な洞察に変換します—スプレッドシートを手作業で調べる手間をかけることなく。ChatGPTと同じように、結果に基づいてAIと直接やり取りできますが、より構造化され、カスタマイズされたフィルターを備えています。
追加機能としてのチャット履歴やコンテキスト管理により、協力的かつ透明性があります。研究チーム全体が多様性とインクルージョンデータを一緒に掘り下げることができます。新しい調査データを収集する場合は、 AIを活用してコミュニティカレッジの多様性とインクルージョンに関する調査を作成する を試してみてください - このワークフローのために特別に設計されています。
コミュニティカレッジの学生の多様性とインクルージョン調査を分析するために使用できる有用なプロンプト
分析の成果はしばしばAI分析ツールに与えたプロンプトの強さに依存します。ChatGPTや他のGPT搭載ツール、またはSpecificのAIチャットを使用する場合、これらのタイプの調査に推奨されるプロンプトを以下に示します：
コアアイデアを抽出するプロンプト： 大きなデータセットからトップレベルのテーマを抽出するためにこれを使用します。構造化され、優先順位付けされた洞察の基盤となります。
あなたのタスクは、強調されたコアアイデアを太字で（コアアイデアごとに4〜5語）+最大2文の説明を抽出することです。
出力要件：
- 不要な詳細を避ける
- 何人が特定のコアアイデアを述べたかを明記（単語ではなく数字を使用）、最も述べられたものを上位に
- 提案なし
- 指示なし
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
ヒント: AIはより多くのコンテキストがあればより正確です。「これらの回答は、授業料無料化導入後の多様性とインクルージョンの体験についてのボストンのコミュニティカレッジの一学年目の学生からのものです」といった背景を提供すると、よりシャープで関連性の高い所見が得られます。
ここにコンテキストがあります：これらの回答は、授業料無料化後の多様性とインクルージョンに関する経験を振り返るボストンのコミュニティカレッジの一年生からのものです。私の目標は、過小評価されているグループが直面する障壁を理解し、インクルージョンを改善するための提案を浮き彫りにすることです。
要約から目立つコアアイデアを見つけたら、AIに深掘りの依頼を：
テーマを展開するためのプロンプト： 「教員の代表に関する懸念」といったコアアイデアを特定したら、AIに次のように指示します：
教員の代表に関する懸念についてもっと教えてください。
また、トピックがまったく言及されていたかどうかを確認することもできます：
特定のトピックに対するプロンプト：
授業料無料プログラムに関する経済的な苦労について誰かが言及しましたか？引用を含めてください。
さらに深く分析し、報告や意思決定に使用できるフレームワークを得るためには、次のようなプロンプトを試してみてください：
ペルソナのためのプロンプト：
調査の回答に基づいて、製品管理で「ペルソナ」が使われるように、明確な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、その主要な特性、動機、目標、および会話で観察された関連する引用や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：
調査の回答を分析し、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。それぞれを要約し、発生頻度やパターンを記録してください。
動機とドライバーのためのプロンプト：
調査会話から、参加者が示す行動や選択の背後にある主要な動機、欲求、および理由を抽出してください。同様の動機をグループ化し、データからの支持証拠を提供してください。
提案とアイデアのためのプロンプト：
調査参加者が提供したすべての提案、アイデア、またはリクエストを特定し、リストアップしてください。トピックまたは頻度ごとに整理し、関連する場合には直接の引用を含めてください。
コミュニティカレッジの学生の多様性とインクルージョン調査に最適な質問に関するガイドについてさらに詳しくは ガイドをご覧ください。
質問の種類に基づいたSpecificの回答分析
SpecificはAI分析を、各質問をどのように設定するかによって構成しています：
フォローアップの有無に関わらないオープンエンドの質問：すべての回答の要約に加え、各コアテーマや感情に関連するフォローアップの詳細を得られます。「キャンパスインクルージョンに関するあなたの経験を説明してください」といった質問に最適です。
フォローアップ付きの選択肢：各回答（例：「代表されていると感じる」対「代表されていないと感じる」）にはそれぞれAIによる要約があり、フォローアップの文脈で異なるグループが実際に何を言っているかを示します。特にコミュニティカレッジでは、黒人やラテン系学生は白人の学生と比較して完了率が低いため、経験の格差を強調することができます[2]。
NPS（ネットプロモータースコア）：各セグメント—デトラクター、パッシブ、プロモーター—にすべてのフォローアップ回答のターゲット分析を提供し、学生が経験をどのように評価しているかだけでなく、そのスコアを与えた理由を確認できます。
ChatGPTでも同様の分析フローを実行できますが、手動で回答をコピーしてフィルタリングし、各グループを手作業で分ける必要があります。
大規模データセットを使用したAIコンテキスト制限の処理
AIを使った調査分析の課題の1つはコンテキストサイズの制限です。AIツールは一度に処理できる回答数が限られており、それを超えるとデータが切り捨てられます。多様性とインクルージョンに関するコミュニティカレッジの学生調査で何百もの回答があった場合、ChatGPTのようなツールでこの壁にすぐにぶつかります。
Specificは、これを解決する2つの方法を提供し、両方ともすぐに利用可能です：
ターゲットを絞った分析のためのフィルタリング：AIは特定の質問やサブグループ（例：「完了障壁について議論している黒人とラテン系学生からの回答のみを分析する」）に関連する会話のみを分析するようにフィルタリングできます。これにより、データ量が減少し、重要な部分に焦点を合わせることができます。
AI分析用の質問をカット：AIに処理させるキークエスチョンのみを選択し、全ての調査フィードを入力するのではなくします。これにより、データがAIのコンテキストウィンドウ内に収まり、最も重要なテーマに洞察の焦点を当てることができます。
このターゲットを絞ったアプローチにより、ツールをオーバーロードせずにコンテキストを失うことなく深い分析が可能です。ワークフローの詳細については、SpecificでのAI調査回答分析の動作をご覧ください。
コミュニティカレッジの学生の調査回答の分析における協力機能
協力はしばしば調査分析における欠落したリンクです。チームや部門は、結果を確認し、定性的データをアクションに転換する必要があります。特に多様性とインクルージョンの敏感な結果において。
Specificは、会話型AIチャットを介して調査データを分析し、完全な透明性を提供します。さまざまな分析角度に基づいた複数のチャットを開くことができ、1つは完了の格差に焦点を当て、別の1つはキャンパスの安全性について、また別の1つは教職員の多様性についてです。それぞれのチャットには独自のフィルターがあり、誰がどのスレッドを開始したかを簡単に確認できます。
マルチユーザーの透明性が組み込まれています。すべてのAI会話には送信者のアバターと名前が表示されるため、過小評価されているグループに関する洞察を突き止めたり、新しいインクルージョンプログラムを考案する際に、誰の視点で見ているのかを正確に知ることができます。
チームワークがスムーズ—分析を共有し、コラボレーター間でチャットを渡すことができ、所見を迅速にエクスポートできます。これにより、管理者、DEIリーダー、コミュニティパートナーがすべて参加するのが簡単になります。最初から分析を設定して共同作業を行いたい場合は、AI調査ジェネレーターでコミュニティカレッジの多様性とインクルージョン調査を行う が最速の方法です。
今すぐコミュニティカレッジの学生の多様性とインクルージョンに関する調査を作成しましょう
簡単に分析、管理、共有できる深いフィードバックの収集を開始しましょう—AI搭載の調査により、学生のコミュニティに働きかけ、最も重要なことに基づいたアクションを取るのが簡単になります。
