この記事では、高校2年生を対象としたアセスメント公正性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。AIを利用して調査回答を分析するための実践的なステップと最適なツールをご紹介します。
分析に適したツールの選択
調査データを分析するアプローチは、高校2年生から集めたアセスメントの公正性に関する回答の種類に依存します—そして、実行可能な洞察を得るために適切なツールを選ぶことが不可欠です。
定量データ: 明確な閉じた質問の回答（「すべてに当てはまる」や評価質問のようなもの）がある場合は、とても簡単です。データをExcelやGoogle Sheetsにインポートして、そこで数値を計算します。
定性データ: 自由回答式の質問に対しては、「評価方法で変わってほしいことは何ですか？」のように、手動で読み取ることがすぐに膨大になります。何十、何百という回答がある場合、パターンを探すのはほぼ不可能です。ここでAIツールが力を発揮します: AIは、手動で行うよりも効率的に、要約し、グループを作り、テーマを表面化することができます。最近の研究によれば、AIを活用した定性分析は、精度を犠牲にすることなく、手動でのコーディング時間を最大60％削減できます[1]。
定性回答を扱う際に使用できるツールには2つのアプローチがあります:
AI分析のためのChatGPTや類似のGPTツール
手動ワークフロー: 調査を分析する1つの方法は、エクスポートされた回答をコピーしてChatGPTやその他の類似したGPTベースのツールとチャットする方法です。テーマを要約したり、繰り返し出てくるトピックを引き出したり、高校のアセスメントの公正性に関連するカスタムプロンプトに答えたりすることができます。
トレードオフ: これは柔軟性があり、小規模から中規模のデータセットに適しているものの、プロセスは面倒です—手動のコピーが多すぎたり、長い回答に対するコンテキスト制限があったり、クエリや結果の組織化が十分でなかったりします。スケールしづらく、成果を見失いやすいです。
Specificのようなオールインワンツール
統合された調査作成とAI分析: Specificのようなツールは、ワークフローに最適です。調査を設計し、配布し、すべての回答を1つの場所で収集できます。プラットフォームが即座にフォローアップの質問をするため、学生のフィードバックはより豊かで関連性が高くなります。（自動AIフォローアップについてもっと学びましょう。）
手動でのクリーンアップは不要: 結果はAIパワード分析ダッシュボードに直接流れ込み、即座に回答を要約し、繰り返し出現するテーマを見つけ、定性的な回答を視覚的な洞察に変換します。スプレッドシートの操作や手動でのコーディングはありません。AIと結果についてチャットすることができ、ChatGPTと同様ですが、質問に含めるデータをより具体的にコントロールできます—大規模なインタビューや複雑なインタビューに最適です。
追加機能: Specificは、AIに送信されるデータを管理したり、会話をフィルタリングしたり、異なる学生グループ間で視点を切り替えることができます。試してみたい方は、高校2年生のアセスメント公正性についての調査を2クリックで生成したり、AI調査ビルダーでカスタム調査を作成したりできます。
高校2年生のアセスメント公正性調査を分析する際に使える有用なプロンプト
AIツールを選んだら、どのようにプロンプトするかが非常に重要です。思慮深いプロンプトが、回答に隠れている貴重なテーマを明らかにします。以下は、アセスメント公正性調査のためのフィールドテストされたアイディアと、その背後にある論理です。
コアアイデアのプロンプト: これは、たくさんのオープンな回答から主要トピックを知りたいときの基本です。（これがSpecificがテーマを表面化する方法の基盤です。ChatGPTにもコピーして使用できます。）
あなたのタスクは、重要なアイデアを太字で抽出（各アイデアに4〜5語）し、最大2文で説明することです。
出力要件:
- 不要な詳細を避ける
- 特定のコアアイデアを言及した人の数を示す（言葉ではなく数字を使用）、最も多く言及されたものを最上位
- 提案なし
- 指示なし
例示出力:
1. **コアアイデアテキスト:** 説明テキスト
2. **コアアイデアテキスト:** 説明テキスト
3. **コアアイデアテキスト:** 説明テキスト
AIは、調査についての文脈を詳しく伝えると、常に良い結果を出します：回答者が誰で、何を調査しているのか、そして何が重要かを伝えます。はっきりとした設定を与えるための例:
この調査は、高校2年生のアセスメント公正性に対する見解を評価するために行われました。目的は、彼らの回答に表れる主要なテーマと感情を特定することです。
特定のトピックを深掘りしたい場合、例えば「評価基準」について、ただ聞くだけで良いです:
評価基準（コアアイデア）についてさらに詳しく教えてください。
特定のトピックのプロンプト: テストの難易度について不満を言った人がいるか知りたい場合、直接的に尋ねます:
テストの難しさについて話した人はいましたか？引用を含めてください。
痛点と課題のプロンプト: このプロンプトを使って、評価についての不満、不平等、または混乱を浮き彫りにします:
調査回答を分析し、最も一般的な痛点、不満や課題を列挙してください。それぞれを要約し、パターンや発生頻度を注釈してください。
ペルソナのプロンプト: データ内の異なる種類の学生をマップしたい場合、例えば、評価システムを受け入れる学生と受け入れない学生の場合:
調査回答に基づいて、ディスティンクトなペルソナのリストを特定し、記述してください—製品管理における「ペルソナ」に似ています。各ペルソナについて、主要な特徴、動機、目標、および対話で観察された関連する引用やパターンをまとめてください。
感情分析のプロンプト: アセスメントの公正性に対する態度がネガティブなのか、ポジティブなのか、あるいは混在しているのかを迅速に評価します:
調査回答で表された全体的な感情を評価してください（例：肯定的、否定的、中立的）。それぞれの感情カテゴリーに貢献する主要なフレーズやフィードバックを強調表示してください。
高校生のアセスメント公正性に関する調査のためのすばらしい調査質問のガイドで、さらに実世界でのヒントを見つけることができます。
Specificが質問タイプに基づいて定性データを分析する方法
追従質問のあるなしにかかわらず、オープンな質問: Specificは、すべてのオープンな回答と、元のプロンプトに関連付けられた追従質問の回答を自動的に要約します。このようにして、全体像の見通しと詳細なサブテーマを一度に把握することができます。
選択肢と追従質問: 「評価のどの部分が最も不公正だと思いますか？」という質問に対して、各選択肢は、関連するフォローアップ回答のためにAIが生成した要約を受け取ります。それにより、各オプションの背後にあるニュアンスのある意見を見ることができます。
ネットプロモータースコア(NPS): 各グループ（批判者、中立者、プロモーター）は、フォローアップコメントの別々の要約を受け、スコアの違いを引き起こす要因を明らかにします。たとえば、プロモーターが何を評価し、批判者が何を嫌うかを正確に理解できます。
ChatGPTや他のオープンなツールで作業している場合、一つの質問やセグメントの回答をコピーして、その上でスマートなプロンプトを使用することで、同様の作業を模倣できます—それにはSpecificのシームレスなワークフローより多くのコピーペースト作業が必要ですが。
調査デザインに興味がありますか？高校2年生のアセスメント公正性調査を作成する詳細なガイドをこちらでチェックできます。
AIのコンテキスト制限の課題を克服する方法
GPTのようなAIツールにはコンテキストサイズの制限があります—数百の調査回答のすべての単語を一度に処理することはできません。データセットが大きい場合、この制限にすぐに直面します。
フィルタリング: Specificでは、選択された質問に答えた学生や特定の回答を選んだ学生との会話に絞って分析できます（「テストの公正性について議論した学生のみを表示」）。追加の情報はAIに送信されないため、より早く、より焦点を絞って行えます。
トリミング: Specificに指示して、またはChatGPTで手動で組み立てて、興味ある質問の回答のみを含めることができます。これにより、回答セットを管理しやすくし、深くて微妙な分析のためのコンテキストを確保できます。
Specificはこれらを「一流の」機能として提供していますが、ChatGPTの熟練ユーザーは、重要なもののみをコピーすることで、同じ原則を適用できます！
このトピックのためのすぐに使えるNPS調査を実行したい方は、高校生のアセスメント公正性に関するSpecificのNPS調査ビルダーをチェックしてください。
高校2年生の調査回答を分析するための共同機能
共同作業は混乱しやすいです—チームがアセスメント公正性についての学生のフィードバックを解剖して分析している場合に、誰が何を分析したかを追跡したり、知見を共有したり、結論を反復したりすることが頭痛の種になります。
チャットでの分析: Specificを使用すれば、AIとチャットするだけで調査データを分析できます。各チャットはデータの異なる部分に焦点を当てることができ、例えば、あるチャットは評価の公正性、他のチャットは感情に焦点を当てることができます。
並行ワークストリーム: 複数のチームメンバーが各自のチャットを作成でき、それぞれが固有のフィルターと分析トピックを持っています。誰がどのチャットを始めたかがすぐにわかり、互いに踏み込むことがありません。
明確な帰属: 会話の中で、各メッセージには誰が入力したかが表示され、アバターも付いています。コラボレーションする際に、誰が何を言ったかが明確で、あなたの分析が整理されて透明性を保ちます—たとえ｢最も重要な問題｣についての議論が白熱しても。
これらのコラボレーション機能を体験するには、直接試すこともできますし、AI調査エディターを通じてチャットでチームがどのように調査内容を反復するかについて読むこともできます。
高校2年生のアセスメント公正性に関する調査を今すぐ作成しましょう
高校2年生対象のアセスメント公正性に関する独自の調査の設計と分析を開始しましょう—より豊かな知見を得ることができ、時間を節約し、Specificを利用して分析を簡単にします。