この記事では、AIを活用して学生調査からのキャリアサービスに関する回答を賢く速く分析するためのヒントを提供します。
AIを活用した調査分析のための適切なツールの選択
調査分析の最適なアプローチとツールは、学生の回答の形式と構造によります。こちらが私が効果的だと感じた方法です：
定量データ: 数字はシンプルです。特定のキャリアサービスを選んだ学生数を数えたり、満足度を評価したい場合、ExcelやGoogle Sheetsのような標準ツールが最適です。結果をすばやく集計し、パーセンテージを計算し、明確なチャートを作成できます。
定性データ: 学生が経験や不満を記述するような自由回答はもっと複雑です。数十または数百の回答をすべて手作業で読むのは不可能です。こうしたデータでは、AIツールを使用して本質的な洞察を得る必要があります。
定性的な回答を扱う際には、ツールについて2つのアプローチがあります：
ChatGPTなどのGPTツールによるAI分析
ChatGPTにエクスポートした定性データをコピーしてチャットすることができます。 短時間での洞察を得るには、学生のコメントや会話をChatGPTに貼り付け、それから要約したり、主要なトピックを見つけたり、キャリアサービスに関連する引用を抽出するように指示します。
実用的ですが、かなり不便なプロセスです。 データエクスポートを管理し、プロンプトの指示を追跡し、コンテキストの制限に注意する必要があります（AIは一度に処理できる情報量が限られています）。フィルターを管理したり他の人と協力したりするための構造がありません。
オールインワンツールのSpecific
Specificはこの目的のために設計されています。 AI駆動のチャットを通じて学生調査の回答を収集するだけでなく、すぐに分析も行います。このツールは特にこれらの課題に対応するよう設計されていますが、主な利点は以下の通りです：
AIによるフォローアップ: データ収集時にSpecificは自動で必要に応じてフォローアップ質問を行い、学生の回答をより深く、研究に関連するものにします。自動フォローアップがデータの価値をどのように高めるかを発見してください。
即時AI分析: 調査の回答を収集した後、SpecificのAIは主要なテーマ、頻度、実用的な洞察を即座に要約します。手動でのエクスポートやスプレッドシート作業は不要です。
対話型クエリ: 調査結果についてAIと直接チャットできます。ChatGPTのように。特定の質問や回答選択について詳細に確認できるように、AIに送信するデータをセグメント化したりフィルタリングしたりすることも可能です。SpecificのAI調査回答分析がどのように機能するかをご覧ください。
どのアプローチを選んでも、最終目標は学生キャリアサービスの実行を促進する実用的な洞察です。そして、キャリアサービスに関する学生調査を作成することがこれまでになく簡単です。
事実: 学生の65%が、キャリアサービスが最初の仕事を得るのに決定的であったと述べ、72%が就職活動の戦略を向上させたと感じました。[1] これらの統計は、学生が何と言っているかを深く掘り下げることの価値を示しています—分析プロセスが非常に重要なのです。
キャリアサービスに関する学生の回答を分析するための有用なプロンプト
定性的な学生調査データを最大限に活用するには、巧妙に設計されたAIプロンプトを使用してください。以下は私が推奨する（実際に使用している）ものです：
核心となるアイデアのプロンプト: 学生がキャリアサービスに関して述べた主なトピックや問題をすばやく表面化させるための基本プロンプトです。SpecificとChatGPTの両方の環境でうまく機能します：
あなたのタスクは、核心となるアイデアを太字で（1つの核心アイデアあたり4-5語）抽出し、最大2文の説明を付けることです。
出力条件：
- 不要な詳細を避ける
- 特定の核心アイデアを何人が言及したかを具体的に示す（数字を使用、最も言及されたものを上位に）
- 提案不可
- 示唆不可
例での出力：
1. **核となるアイデアのテキスト:** 説明テキスト
2. **核となるアイデアのテキスト:** 説明テキスト
3. **核となるアイデアのテキスト:** 説明テキスト
精度を高めるためには、常に可能な限り多くのコンテキストを提供してください。たとえば、調査が特定の機関に所属する学生の間で行われたことや、履歴書のワークショップに関するフィードバックに焦点を当てたいことなどを説明します。以下はその方法です：
コンテキストです：この調査は2024年に少なくとも1回キャリアサービスイベントに参加した大学最終学年の学生を対象に行われました。私の目的は、1対1のキャリアコーチングセッションに関連する経験を特定し、見逃したアイデアがあるかどうかを確認することです。
フォローアップの洞察のためのプロンプト: 目立つ核心アイデアを抽出した後（例えば、「個別アドバイスの必要性」）、特定のフォローアップとして以下をご利用ください：
個別アドバイスについてもっと教えて
特定のトピックのためのプロンプト: 重要なアイデアが取り上げられたかどうかをダブルチェックするために使用します：
バーチャルキャリアフェアについて話した人はいましたか？ 引用を含めてください。
ペルソナのためのプロンプト: 類似の感情を持つ学生のセグメントを解き明かす—将来のリーチをカスタマイズするのに大いに役立ちます：
調査回答に基づき、製品管理における「ペルソナ」と類似した、異なるペルソナのリストを特定して説明してください。各ペルソナごとに、主な特徴、動機付け、目標、会話で観察された引用やパターンを要約してください。
問題点と課題のためのプロンプト: 何が機能していないかを表面化するために：
調査回答を分析し、挙げられた問題点、不満、または課題をリスト化します。各問題点を要約し、パターンや発生頻度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: 本当に学生の行動の背後にあるものを掘り下げるために：
調査会話から、参加者が行動や選択の理由として表現している主な動機、欲望、理由を抽出します。類似の動機をグループ化し、データから得られる証拠を提供してください。
感情分析のためのプロンプト: 全体的な雰囲気を素早く読み取るために：
調査回答に表された全般的な感情を評価します（例： ポジティブ、ネガティブ、ニュートラル）。各感情カテゴリに寄与する重要なフレーズやフィードバックを強調表示します。
これらのプロンプトをAIと組み合わせると、手作業で各回答を読むよりもはるかに速く実用的な洞察を獲得できます。調査の構築や質問の種類を改善したい場合は、学生キャリアサービスの調査に最適な質問の作成ガイドをご覧ください。
質問タイプに基づくSpecificによる回答の分析
Specificを使用して定性データを分析する際にどのようにサマリーが生成されるかについて説明します。これは、学生調査で尋ねた質問のタイプに依存します：
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）: すべての回答についての明確で人間が読みやすい概要や、その質問に直接結び付けられたフォローアップが得られます。ここでは、キャリアサービスをもっと個別化してほしいと望む理由（58%の学生がこれを要求しました！ [1] ）などの学生が抱える微妙な考えや改善提案が大半です。
選択質問とフォローアップ: フォローアッププロンプト付きの単一または複数選択質問（例：「なぜこのサービスを選びましたか？」）には、それぞれの選択が独自の概要を持ち、異なる好みを持つ学生間のパターンをすばやく識別することができます。
NPS質問: 各NPSセグメント—批判者、受動者、推奨者—それぞれが学生のフォローアップ回答の個別の概要を受け取ります。これにより、推奨者が喜んでいる点と批判者が不満を持っている点を見極めることができます。
この詳細な分析ワークフローをChatGPTで複製することも可能で、データをエクスポートして整理し、セグメントごとに要約できますが、Specificはすべて{
