適切な従業員認識調査の質問を得ることは、あなたの認識プログラムが実際に機能しているかを理解するために重要です。
ほとんどの調査は表面的な質問で止まり、従業員が本当に考えていることを見逃しますが、AIを活用したフォローアップを使用すると、各スコアやチェックボックスの背後にある本当のストーリーを明らかにすることができます。
目的に応じて整理された最高の質問を分解し、AIを使用してインテリジェントなフォローアップを設定し、従業員認識のためのより深い洞察を明らかにする方法を見てみましょう。
なぜほとんどの従業員認識調査はうまくいかないのか
従来の調査は通常、「職場で認識されていますか？」や「この文に対する同意度を評価してください。」のように、はい/いいえの質問や評価尺度に頼っています。これらは数字を提供しますが、従業員が認識されていないと感じる理由や、認識プロセスで実際に何が壊れているのかを説明しません。
残念ながら、多くの従業員は特に心理的安全性が低い場合、「安全」な答えを与えるだけです。コンテキストなしでは、彼らの回答はめったに意味のある変化を引き起こしません。
会話形式の調査は、スクリプトを反転させます。熟練インタビュアーのように、最初の答えのみを受け入れるのではなく、フォローアップを行って「いつ認識されたと感じましたか？」や「マネージャーにどうしてほしいですか？」と尋ねます。これにより、テストのように感じることは少なく、本物の会話のように感じられるため、人々が開きやすくなります。
従来の調査 | 会話形式の調査 |
|---|---|
「職場で認識されていますか？」 | 「職場で認識された、または認識されなかった例を共有できますか？」& AIがさらに深く掘り下げる |
数値スコア、ほとんどコンテキストなし | ストーリー、根本原因、アクショナブルな洞察 |
これが、適切な初期質問を選び、AIにフォローアップを任せることが、従業員認識調査にとって非常に強力である理由です。
認識の公平性: 偏見を明らかにする質問
公平性の認識は、認識プログラムを作るか壊すかの分かれ目です。認識が偏っている、またはポリティカルだと感じると、人々は関与しなくなります（そしてデータはこれを裏付けています—74%の従業員が職場で認識されていないと感じています [1]）。
「チームや役割に関係なく、公平に認識が分配されていますか？」
「一部の同僚が不公平に、または間違った理由で認識されていると感じたことはありますか？」
「背景や部門に関係なく、ここで認識される可能性は皆平等ですか？」
AIフォローアップを公平性質問に設定する
Specificでは、認識の偏りを心配している文脈や例を尋ねることで、AIに深く掘り下げさせるロジックを簡単に作成できます。
例の説明: 従業員が公平性に「いいえ」と答えた場合、AIは実際のイベントに焦点を当て、仮定ではなく、その感情に至った経緯を優しく質問できます。
認識が不公平に分配されたと感じた状況を説明できますか？何が起こり、それがモチベーションにどのように影響しましたか？
時には、人々は名前を言いたくないかもしれません。AIは代わりに役割やチームを説明するオプションを与えることができます:
特定のチーム、役割、または仕事の種類がより多くの認識を受けたと感じましたか？心地よければ一般的に答えてください。
偏愛を感じたと述べた場合、AIは提案を柔らかく掘り下げることができます:
将来の認識がより公平に感じられるためには何が必要だと思いますか？
SpecificのAI調査エディタを使用してこれらのフォローアップを設定し、彼らが「はい」、「いいえ」、または「わからない」と答えても、すべての人に関連するプロンプトを受け取らせます。これにより、バイアスが感じられるかどうかだけでなく、どこで改善が必要かが明らかになります。
認識の頻度: 最適なポイントを見つける
誰もが毎週トロフィーを必要とするわけではありませんが、73%の従業員は認識が頻繁で一貫しているとパフォーマンスが明らかに改善したと報告しています [3]。重要なのは、どのくらいの頻度で、どのような文脈で受け、期待に応えているかどうかを尋ねることです。
「あなたの仕事に対して意味のある認識をどのくらいの頻度で受け取りますか？」
「最後に自分の努力が本当に認識されたと感じたのはいつですか？」
「認{
