この記事では、学習成果に関する会議参加者アンケートの回答を分析するためのヒントを紹介します。それでは早速始めましょう—私がこの文脈でアンケート回答分析をどのように行うかをご紹介します。
アンケート回答分析における正しいツールの選択
アンケート回答の構造と形式によって、最も効果的なアプローチと分析ツールが決まります。以下は、どのようなデータを持っているかに基づいた分析方法です：
定量データ：「何人がオプションAを選びましたか？」のような単純なカウントや評価の場合、ExcelやGoogleスプレッドシートのような従来のスプレッドシートツールが役立ちます。これらは簡単に集計できますが、より自動化を求める場合はLooppanelのようなプラットフォームを利用することもできます。[3]
定性データ：オープンエンドの質問、特にフォローアップを含む質問には特有の課題があります。数百の自由回答を手動で読み取り要約することは、規模が大きくなるにつれて実用的ではなくなります。主要なテーマやアクションにつながる洞察を得るためには、AIツールが必要です—67%の会議プランナーがすでにプロセスにAIを統合することでこれを実現しています。[1]
定性回答の場合、ツールにおける基本的なアプローチが2つあります：
ChatGPTまたは類似GPTツールによるAI分析
エクスポートした回答をコピペして、ChatGPT（または類似ツール）に挿入します。その後、AIとアンケートデータについて会話することができます。親しみやすく、柔軟で透明性が高いです。しかし正直に言うと、大量の回答をこの方法で管理するのはあまり便利ではありません。データを分割し、長いディスカッションの文脈を維持し、全てのチャットを追跡するのはデータが増えると厄介です。
Specificのようなオールインワンツール
Specificは、この特定のユースケースのために作られたプラットフォームで、アンケートの回答を収集（より豊かな定性データのための追跡調査を含む）し、AIで即座に分析できます。エクスポートやスプレッドシートの組み合わせでわずらわされることはありません。
自動フォローアップ質問が参加者の意図を深掘りし、フィードバックの質と深度を向上させます。その後、AIによる分析がすべてを要約し、主要なアイデアを抽出し、一目で傾向や実行可能なアイデアを見つける手助けをします。ChatGPTと同様にAIと直接会話できますが、フィードバックの管理とデータのセグメンテーションのために多くの専用機能が備わっています。
定期的に会議後アンケートを実施するなら、ワークフローの効率化は大きな違いを生みます。だからこそ、私はしばしばSpecificを使用したAIアンケート回答分析を検討することをお勧めしています。
学習成果アンケートの回答を分析するために使用できる有用なプロンプト
AIプロンプトは、どのプラットフォームやツールを使用するにせよ、あらゆるAIアンケート分析から良質で実行可能な結果を得るための要です。広範で焦点を絞ったプロンプトの組み合わせを使用して、回答から実際の価値を引き出しましょう。私の好んで使うものを以下に紹介します：
コアアイデアのためのプロンプト：データセットが大きい時に最も一般的に言われたことの構造化された要約が欲しいときに使用します。これはSpecificが標準で使用しているものであり、ChatGPTや他のGPTで使用した場合も同様に明確です：
あなたのタスクは、太字でコアアイデアを抽出（各4-5単語）し、最大2文の説明を付けることです。
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明示（単語ではなく数字を使用）、最も多いものを最初に
- 提案なし
- 指標なし
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
そして重要なポイント：アンケートやゴールについてAIに多くのコンテキストを与えるほど、AIの応答はよりスマートで関連性の高いものになります。例えば：
エドテック年次会議でのワークショップから得た学習成果について、会議参加者からのアンケート回答を分析し、主に教師と行政関係者で構成されたオーディエンスです。実践的な活動、グループ参加、実際の教室設定での適用可能性に焦点を当てています。最も価値のある側面と今後のイベントの改善機会を報告することが私の目的です。
詳細な洞察のためのプロンプト：
強いテーマを発見したら、さらに掘り下げて質問する：「XYZ（コアアイデア）についてもっと教えてください」
特定のトピックが出てきたかどうかを確認する：「XYZについて誰かが話しましたか？引用を含めてください。」
参加者のタイプを特定する：「アンケート回答に基づいて、プロダクトマネジメントで使われる『ペルソナ』に似た、個別の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な特徴、動機、目標、および会話で観察された引用またはパターンを要約してください。」
主要な動機を明らかにする：「アンケート会話から、参加者が行動や選択をする主な動機、欲望、理由を抽出してください。類似の動機をグループ化し、データからの裏付けを提供してください。」
痛点または課題を特定する：「アンケート回答を分析し、最も一般的な痛点、失望、または課題をリストしてください。各項目を要約し、パターンまたは出現頻度を記してください。」
ムードを理解する：「アンケート回答で表現された全体的な感情（例：肯定的、否定的、中立的）を評価してください。各感情カテゴリに寄与した主要なフレーズまたはフィードバックを強調してください。」
提案とアイデアを集める：「アンケート参加者が提供した提案、アイデア、または要求をすべて特定してリストアップしてください。トピックまたは頻度ごとにそれらを整理し、関連がある場合には直接引用を含めてください。」
満たされていないニーズと機会を特定する：「アンケート回答を調査し、回答者によって指摘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明らかにしてください。」
私がいつも手元に置いているのは、この学習成果に関する会議参加者に尋ねるべき最高の質問リストと会議アンケートの構造化ガイドです。プロンプトは最初からよく構成されたアンケートがあるときに最も効果的です。
Specificが異なる質問タイプから定性データを分析する方法
SpecificのAIは質問タイプと回答構造を区別し、それを実行可能な分析に変えます。
オープンエンドの質問（フォローアップの有無にかかわらず）： Specificは質問に対するすべての回答の一貫した要約を自動生成し、フォローアップがある場合はそれも含めます—何も見逃されません。
フォローアップ付きの選択肢：「どのワークショップに参加しましたか？」のような質問では、特定の選択肢に対するフォローアップ付きの質問用としてSeparate summaryを作成し、関連する全てのコメントをまとめます。
NPS（ネットプロモータースコア）： すべてのグループ—低評価者、無関心者、および推薦者—には、それぞれのフォローアップ・フィードバックの要点を把握できる要約を作成し、何がその評価をもたらしたのかを即座に理解させます。
ChatGPTでも同様のことができますが、より労力を要します。Specificが全ての構造を標準で整備しています。
大規模アンケート分析時のAIコンテキスト制限の対処法
AI分析（GPTベースのツールなど）の実際の課題の一つはコンテキストサイズ制限です—一度に処理できるテキストの最大量です。数百の参加者回答があるアンケートの場合、全ては1回のAI分析に収まりません。
私が頼りにしているアプローチ（Specificでも標準的に提供されています）を2つ紹介します：
フィルタリング：関連ある会話にのみ分析を集中させる。たとえば、参加者が重要な質問に答えた回答や特定のワークショップを選択した回答のみを含めるようにします。そうすることで、AIは最も重要なところに容量を費やします。
切り取り：特定の質問、たとえばオープンエンドのものや最も重要なフォローアップのみに範囲を狭めます。AI分析に取り入れる内容を切り取ることで、信頼性の高い焦点でより多くの会話を分析することができます。
データセットが大きくなりすぎると、ツールに関わらずこれらの戦略が重要になります。
会議参加者アンケート分析のための共同機能
会議アンケート分析における協力は、特に異なる質問、フィルター、またはフォーカス領域を持つチームにとっての痛点です。
AIとチームでチャットする: Specificを使うと、AIとチャットするだけでアンケートデータを分析できます。複数のチームメンバーが並行して異なるテーマの分析を行えます。
カスタムフィルター付きの複数のチャット: 各チャットはそれぞれフィルターを持ちます—たとえば、ある人がロジスティックスに関するフィードバックを探索したい場合、別の人は学習成果のアイデアを探ることができます。Specificは誰がどのチャットを始めたかを示しているので、チーム間の協力が簡単です。
誰が何を言ったかを見る: インサイトや質問を追加する際、メッセージには送信者のアバターが表示されます—これにより、会話の中で誰の考えを構築しているのか常に把握できます。これは、より大きな研究またはイベントチームが学習結果分析をともに微調整するための大きな助けになります。
学習成果に関する会議参加者アンケートを今作成しましょう
より質の高い洞察を引き出し、分析に費やす時間を削減し、チームが本当に重要なことに集中できるようにし、次のイベントからより良い学習成果を引き出すターゲット改善策を推進します。