この記事では、プラットフォームの使いやすさに関するオンラインコースの学生調査からの回答を分析するためのヒントを提供します。生の回答を扱うにしても、最新のAIツールを使用するにしても、明確な洞察を得ることは思ったより簡単です。
分析に適したツールを選ぶ
調査データにアプローチし分析する方法は、その構造とタイプによって異なります。以下は、その概要です：
定量データ： 学生が主に選択肢（機能の評価や「はい/いいえ」の選択など）で回答した場合、ExcelやGoogle Sheetsで結果や割合を簡単に集計できます。基本的な統計にはシンプルで、迅速、かつ効果的です。
定性データ： 自由回答—学生が何がうまくいったか、何が問題だったか、詳細なフィードバックを提供した場合—では、手動でのレビューはすぐに圧倒されます。AIツールはここで役立ち、各回答を読むことなくコアアイデアやトレンドを表面化することができます。
定性回答を扱う際のツール選択には2つのアプローチがあります：
ChatGPTまたは同様のGPTツールを使用したAI分析
エクスポートとコピー： 調査の回答をエクスポートしてChatGPTや他の言語モデルにコピーすることが可能です。そして、テーマ、痛点、またはアイデアについてAIと「対話」することができます。
利便性のトレードオフ： これは機能しますが、最も便利というわけではありません。エクスポートを処理し、フォーマットを心配し、一度に貼り付けられるテキスト量の制限に対応する必要があります。また、どの回答がどの学生からのものかを見失う可能性もあります。それでも、特に短期間の調査や一度限りの調査には良い出発点となるでしょう。
Specificのようなオールインワンツール
特定の分析ツール： Specificのようなツールはこの作業のために設計されています。彼らは単に回答を分析するだけでなく、会話型で調査データを収集し、AIを使用して分析を強化します。これにより、より良いコンテキスト、より質の高い回答（リアルタイムのフォローアップのおかげで）、より正確な洞察が得られます。
フォローアップロジック： Specificは、収集の過程で自動的にターゲットフォローアップ質問を行い、後でテーマ、選択肢、またはテーマごとにフィードバックをグループ化し、要約するのを簡単にします。これにより、調査は従来のスキルシート形式よりも充実したものになります。AIフォローアップ質問が実践でどのように機能するかはこちら。
インスタントサマリーと簡単なAIチャット： スプレッドシートの代わりに、Specificは瞬時のAI駆動型サマリーを提供し、コアアイデアを発見し、調査回答の分析をインタラクティブにします。ChatGPTのようにAIと直接チャットできるだけでなく、適切なデータが手元にあります。分析されるデータを精緻化し、すぐに分析を再実行できます。SpecificにおけるAI調査回答分析の詳細はこちら。
主要な価値： 調査分析、特に定性データに真剣に取り組む場合、このワークフローのために特別に設計されたツールを使用することで、手作業を完全に省くことができます。様々な研究は、自動化されたユーザーフィードバック分析がeラーニングプラットフォームの継続的な改善を促進し、学生の満足度を向上させることを示しています[1]。
プラットフォームの使いやすさに関してオンラインコースの学生回答を分析するために使用できる役立つプロンプト
プロンプトは、特にAIを使用する際に、分析を成否に関わらせる可能性があります。以下は私が使用する（そして多くがSpecificに組み込まれている）実証済みのプロンプトです。ChatGPT、他のAI、または専門の調査分析ツールを使用する際に利用してください。
コアアイデアのためのプロンプト： 迅速にテーマを発見するための最良の出発点です。データを貼り付けて以下を使用します：
インフォグラフィックにおいて、コアアイデア（1つのコアアイデアにつき4-5語）を太字、+ 2文程度の説明文を抽出せよ。
出力条件：
- 不要な詳細を避ける
- 特定のコアアイデアを何人が挙げたか数字で指定（トップに最も多く挙げられたものを）
- 提案なし
- 指示なし
出力例：
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
プロのヒント： 調査、状況、学生の種類、および目標に関するコンテキストを共有することで、AIはより良い仕事をします。例—プロンプトの前に以下を付加してください：
以下は特定のeラーニングプラットフォームの使いやすさに関するオンラインコースの学生からの調査回答です。私たちの目標は、主要な痛点、動機、および可能な改善点を把握することです。以下のフォーマットで要約してください：
より深く掘り下げるためのプロンプト： 重要なコアアイデアを見つけたら（例：「モバイルナビゲーションの問題」）、次を質問します：「モバイルナビゲーションの問題について詳しく教えてください」。AIは例、引用、または支持データを拡張します。
特定のトピックに関するプロンプト： 特定のアイデアを誰かが言及したかどうかを検証するには：「ライブチャットサポートについて誰かが話しましたか？ 引用を含めてください。」 これは、関係者が直感の証拠を求める際に非常に役立ちます。
ペルソナのためのプロンプト： ユーザータイプとその動機を特定するには：「調査回答に基づいて、製品管理ペルソナに似た個別のペルソナを特定し記述してください。各ペルソナの主要な特性、動機、目標、および関連する引用を要約してください。」
痛点と課題のためのプロンプト： 学生が最も困難に感じたことを発掘するには：「調査回答を分析し、最も共通する痛点、フラストレーション、または課題を列挙し、各回答を要約し、パターンまたは頻度を記載してください。」
動機とドライバーのためのプロンプト： 学生が特定の行動をとる理由を理解したい場合は：「調査会話から、参加者が表現した主な動機、欲求、または行動または選択の理由を抽出してください。類似の動機をまとめ、データから支持を得た証拠を提供してください。」
感情分析のためのプロンプト： 気分を把握するためには：「調査回答で表現された全体的な感情（例：ポジティブ、ネガティブ、ニュートラル）を評価し、各感情カテゴリーに寄与する主要なフレーズやフィードバックを強調してください。」
満たされていないニーズと機会のためのプロンプト： 欠けているものを見つけるには：「調査回答を調べ、回答者が指摘し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浮き彫りにしてください。」
複数のプロンプトを組み合わせることで、より充実した結果を得ることができます。この特定の対象とテーマのためのプレメイドの研究に基づく質問テンプレートをお求めの場合は、プラットフォームの使いやすさについてのオンラインコースの学生調査に最適な質問をお試しください。
質問タイプ別にSpecificが定性データをどのように分析するか
定性データでは、質問タイプによって構造化された回答の方法が大きな違いを生みます。以下はSpecificでの処理内容（および手動でのアプローチ方法）です：
自由記述質問（フォローアップあり/なし）： Specificは、学生の返信すべてに基づいて回答を要約し、各質問から生じるコアメッセージを合成します。元の質問および補足質問に基づいて、整理された即時概要を得ることができます。
フォローアップ付きの選択質問： 各特定の回答選択肢について、Specificはフォローアップ回答の個別サマリーを生成します。例えば、「ナビゲーション」が低く評価された学生には追加のプロンプト（「何が混乱していましたか？」）がされ、それらの回答が選択ごとにグループ化され要約されます。
NPS： 「このスコアを与えた理由は何ですか？」への学生の回答は、NPSカテゴリー（ディトラクター、パッシブ、プロモーター）ごとにグループ化されます。Specificは各グループのフィードバックのクオリティに富んだ個別サマリー作成し、チャンピオンが幸せになる理由（またはディトラクターを苛立たせる理由）を単純に見ることができます。
ChatGPTで手動で分析を行う場合、期待される作業量は増えます：各グループのエクスポートを事前にフィルタリングし、適切なプロンプトを各サブセットに使う必要があるでしょう。
AIのコンテキスト制限に対処する方法
ChatGPTを含むAIモデルや高度な調査プラットフォームにはコンテキストの長さが制限されています。調査で何百、何千もの回答が得られる場合、すべてを一度に分析することはできません。これを管理する方法は以下の通りです（Specificには両方のオプションがあります）：
回答のフィルタリング： AIにデータを送信する前に、学生が特定の質問に回答したか、特定の機能に関するフィードバックを共有した場合のみ会話をフィルタリングしてください。これにより、関連する返信に焦点が当てられ、質が保たれます。
質問の切り捨て： AIが分析するための質問（およびフォローアップ）を選択してください。これにより、コンテキストの制限を回避し、特定のトピックや機能に関するより深い分析を可能にします。より詳細なデータに焦点を当てることで、より多くの分析が可能になります。
これら2つのアプローチを使用することで、大規模なコホートや多段階の調査でも重要なフィードバックを見失うことはありません。その結果：より鋭い洞察、時間の無駄が減ります。
オンラインコースの学生調査の回答を分析するための共同機能
プラットフォームの使いやすさに関するフィードバック分析は一人で行うことは稀です。チームが次のステップについて整合する必要がある場合、結果を議論する場合、または意見を部門ごとに分解する場合、協力が課題となります。
チーム分析のためのAIチャット： Specificでは、調査データについてAIとチャットすることができます。結果をSlackやGoogle Docsに引き込む必要はありません。誰でも新しいチャットを作成し、セグメントごとにデータをフィルタリング（例：特定のコースを修了した学生のみ）し、チームにとって重要なデータを深堀りできます。
複数のチャット、個別のスレッド： 各チャットは独自のフィルタを持ち、会話を始めた人を表示し、製品の所有者、UX研究者、またはサポートリーダー間での引継ぎを円滑にします。
貢献者を見る： 各チャットメッセージの隣にはアバターが表示され、誰が話しているかを示し、特に仮説を循環させたり、より大きなグループでフィードバックをレビューする場合にチームワークが可視化され、組織化されます。
より良いコンテキスト、混乱を減少： AIとの直接的なチャットにより、すべてのチームメンバーアップデートされた情報は、実際調査データから引き出された合成物にアクセスできます。プラットフォームの使いやすさに関するオンラインコースの学生調査を作成するガイドはこちら。
プラットフォームの使いやすさについてオンラインコースの学生調査を今すぐ作成する
プラットフォーム改善を実行可能にするために、プラットフォームの使いやすさについての調査を作成し、より良い学生洞察をキャプチャし、AIで回答を分析し、フィードバックを成長の原動力に変えましょう。会話駆動型の調査ツールで、すぐに始められ、あなたに役立ちはしますが、反対しません。