이 기사는 온라인 강좌 학생 설문조사에서 플랫폼 사용성에 대한 응답을 분석하는 방법에 대한 팁을 제공합니다. 원시 응답을 다루거나 최신 AI 도구를 사용하는 경우에도 명확한 통찰력을 얻는 것은 생각보다 쉽습니다.
분석에 적합한 도구 선택
설문조사 데이터를 다루고 분석하는 방법은 데이터의 구조와 유형에 따라 다릅니다. 여기에 대한 간략한 설명이 있습니다:
정량적 데이터: 학생들이 주로 선택지로 답변한 경우(예: 기능 평가 또는 “예/아니오” 선택 등), Excel 또는 Google Sheets를 사용하여 결과나 백분율을 쉽게 집계할 수 있습니다. 이는 간단하고 빠르며 기본 통계에 적합합니다.
정성적 데이터: 학생들이 작동 여부나 세부 피드백 등을 작성한 자유 응답을 받은 경우, 수동 검토가 빠르게 부담이 됩니다. AI 도구는 여기서 도움이 될 수 있으며, 각 답변을 직접 읽지 않고도 핵심 아이디어와 트렌드를 발견할 수 있도록 해줍니다.
정성적 응답을 다룰 때에는 두 가지 도구 접근 방식이 있습니다:
AI 분석을 위한 ChatGPT 또는 유사 GPT 도구
내보내기 및 복사: 설문조사 응답을 내보내고 ChatGPT 또는 다른 언어 모델에 복사할 수 있습니다. 그런 다음, 테마나 불편사항, 아이디어에 대해 AI와 “대화”할 수 있습니다.
편의성의 대가: 이것이 작동하지만 가장 편리하진 않습니다. 내보내기를 처리하고, 형식을 걱정하며, 한 번에 붙여넣을 수 있는 텍스트 양에 대한 한계를 맞닥뜨려야 합니다. 또한, 어느 학생의 응답인지 추적하기 어려울 수 있습니다. 그래도 특히 짧거나 일회성 설문조사에서는 좋은 시작점이 될 수 있습니다.
Specific 같은 올인원 도구
목적에 맞춘 분석: Specific와 같은 도구는 이러한 작업을 위해 설계되었습니다. 이들은 단순히 응답을 분석하는 것이 아니라 대화형으로 설문 데이터를 수집하고 AI를 사용하여 분석을 강화합니다. 이는 더 나은 맥락 제공, 더 높은 품질의 응답(실시간 후속 질문 덕분에) 및 더 정확한 통찰력을 의미합니다.
후속 질문 논리: Specific은 수집 중에 자동으로 표적 후속 질문을 던짐으로써 나중에 주제, 선택 또는 테마별로 피드백을 그룹화하고 요약하기 쉽게 만듭니다. 이것은 전통적인 정적 양식보다 더 풍부한 설문조사를 만들어 줍니다. AI 후속 질문이 실제로 작동하는 방법을 참조하십시오.
즉시 요약 및 쉬운 AI 대화: 엑셀 대신 Specific은 즉시 AI 기반 요약을 제공하고 핵심 아이디어를 발견하며 대화형으로 설문 응답 분석을 하게 해줍니다—해당 결과에 대해 AI와 직접적으로 대화할 수 있습니다. 어떤 데이터가 분석되는지 세밀하게 조정하고 분석을 즉시 다시 실행할 수 있습니다. Specific에서 AI 설문 응답 분석에 대해 더 알아보기.
주요 가치: 특히 정성적 데이터에 대한 설문조사 분석에 진지하게 임한다면, 이러한 워크플로에 맞춤화된 도구가 수작업을 완전히 생략할 수 있게 해줍니다. 다양한 연구들은 자동화된 사용자 피드백 분석을 활용하는 것이 e-러닝 플랫폼의 지속적인 개선과 학생 만족도를 높이는 데 도움이 될 수 있음을 보여줍니다 [1].
온라인 강좌 학생 설문조사에서 플랫폼 사용성에 대한 응답을 분석하는 데 유용한 프롬프트
프롬프트는 특히 AI와 함께 작업할 때 분석을 성공 여부를 결정짓습니다. 여기 제가 사용하는 입증된 프롬프트들이 있습니다(이 중 많은 것이 Specific에 내장되어 있습니다). ChatGPT나 다른 AI를 사용하든, 전문 설문 분석 도구를 사용하든 이들을 활용하십시오.
핵심 아이디어를 위한 프롬프트: 최고의 시작점—빠르게 주요 테마를 발견합니다. 데이터를 붙여넣고 이를 사용하세요:
당신의 임무는 핵심 아이디어를 뽑아 굵게 표시하는 것입니다(핵심 아이디어당 4-5단어) + 최대 2문장 길이의 설명자.
출력 요건:
- 불필요한 세부사항 피하기
- 특정 핵심 아이디어를 몇 명이 언급했는지 명시(숫자로 표시, 가장 많이 언급된 것이 위에 나옴)
- 제안 없음
- 표시는 하지 않음
출력 예시:
1. **핵심 아이디어 텍스트:** 설명 텍스트
2. **핵심 아이디어 텍스트:** 설명 텍스트
3. **핵심 아이디어 텍스트:** 설명 텍스트
전문가 팁: 설문조사, 상황, 학생 유형, 목표에 대한 문맥을 공유하면 AI가 더 나은 작업을 수행합니. 예시—프롬프트 전에 이렇게 추가하세요:
다음의 응답들은 특정 e-러닝 플랫폼의 사용성에 대한 온라인 강좌 학생들로부터 얻은 설문조사 응답입니다. 우리의 목표는 주요 어려움, 동기, 잠재적 개선점을 이해하는 것입니다. 아래 요구되는 형식으로 요약하십시오:
더 깊이 파고들기 위한 프롬프트: 중요한 핵심 아이디어를 발견했을 때(예: "모바일 탐색 문제"), 묻습니다: “모바일 탐색 문제에 대해 더 말해줘”. AI는 예시, 인용 또는 지원 데이터를 확장하여 제공합니다.
특정 주제를 위한 프롬프트: 누가 특정 아이디어를 언급했는지 확인하기 위해, 사용하십시오: “실시간 채팅 지원에 대해 이야기한 사람이 있는가요? 인용문을 포함하세요.” 이것은 이해관계자들이 굳어진 추측에 대한 증거를 원할 때 매우 유용합니다.
페르소나를 위한 프롬프트: 사용자 유형과 그들의 동기를 식별하십시오: “설문조사 응답에 기초하여 특정 페르소나를 식별하고 설명하시오—제품 관리 페르소나와 유사하게. 각 페르소나의 주요 특징, 동기, 목표, 관련 인용문을 간단히 설명하십시오.”
불편점과 도전 과제에 대한 프롬프트: 학생들이 가장 어려워한 부분을 찾아내십시오: “설문조사 응답을 분석하고 언급된 가장 일반적인 불편점, 좌절감, 또는 도전 과제를 나열하십시오. 각 불편점을 요약하고, 패턴이나 빈도를 기록하십시오.”
동기와 동인의 프롬프트: 학생들이 특정 방식으로 행동하는 이유를 이해하려면 다음을 사용하세요: “설문 대화를 통해 참여자들이 행동이나 선택을 이유로 표현하는 주요 동기, 욕망, 이유를 추출하십시오. 유사한 동기를 한 그룹으로 묶고 데이터에서 지원 증거를 제공하세요.”
감정 분석을 위한 프롬프트: 기분에 대한 단서를 얻으세요: “설문 응답에서 표현된 전반적인 감정(예: 긍정적, 부정적, 중립적)을 평가하십시오. 각 감정 범주에 기여하는 주요 문구나 피드백을 강조하세요.”
미충족 요구와 기회를 위한 프롬프트: 누락된 부분을 찾아내십시오: “설문 응답을 검사하여 응답자가 강조한 미충족 요구, 격차, 또는 개선 기회를 파악하십시오.”
여러 프롬프트를 결합하여 더 풍부한 결과를 얻을 수 있으며, 이 특정 청중과 주제를 위한 사전 제작된, 연구 지원 질문 템플릿이 필요하다면, 플랫폼 사용성에 대한 온라인 강좌 학생 설문조사를 위한 최고의 질문들을 사용해 보십시오.
Specific이 질문 유형별로 정성적 데이터를 분석하는 방법
정성적 데이터의 경우, 질문 유형에 따라 응답이 구조화되는 방식이 큰 차이를 만듭니다. 여기 Specific에서 발생하는 일이 있으며, 수동으로 접근하는 방법입니다:
열린 질문(후속 질문이 있거나 없거나): Specific은 모든 학생 응답에 대해 핵심 메시지를 통합하여 즉시 확인할 수 있게 정리합니다.
후속 질문이 포함된 선택 질문: 특정 응답 선택지에 대해 Specific은 후속 응답의 별도 요약을 생성합니다. 그래서 '탐색'을 낮게 평가한 학생들이 추가 프롬프트(“어떤 점이 혼란스러웠나요?”)를 받은 경우, 이러한 모든 응답이 선택별로 그룹화되고 요약됩니다.
NPS: “이 점수를 준 이유는 무엇입니까?”라는 학생 응답은 NPS 카테고리별로 그룹화됩니다— detractors, passives, promoters. Specific은 각 그룹의 피드백에 대해 명확성이 높은 별도 요약을 제공합니다, 무엇이 챔피언을 행복하게 만드는지(또는 무엇이 비판자들을 성가시게 하는지)를 간단하게 파악할 수 있습니다.
자체적으로 ChatGPT를 사용하여 이를 분석한다면, 각 그룹에 대한 내보내기를 사전에 필터링하고 구조화해야 하며, 각 하위 집합에 대한 올바른 프롬프트를 사용해야 합니다.
AI의 문맥 한계 해결하기
AI 모델, ChatGPT 및 심지어 고급 설문조사 플랫폼들도 문맥 길이에 한계가 있습니다. 수백 또는 수천 개의 응답이 나올 경우, 모든 것을 한 번에 분석할 수 없습니다. 이것을 관리하는 방법은 다음과 같습니다 (Specific은 두 옵션을 기본적으로 포함합니다):
응답 필터링: AI에 데이터를 보내기 전에, 학생들이 특정 질문에 답하거나 특정 기능에 대한 피드백을 공유한 대화만 포함시킵니다. 이 방법은 관련된 응답에 집중하며 품질을 유지합니다.
질문 크롭핑: AI가 분석해야 할 질문(및 후속작)만 선택합니다. 이렇게 하면 문맥 제한을 우회하고 선택된 주제나 기능에 대해 훨씬 깊이 있는 분석이 가능합니다. 더 적은 데이터를 대상으로 더 많은 세부 사항으로 모더라도 더 많은 분석을 수행할 수 있습니다.
이 두 가지 접근 방식을 사용하면 심지어 대규모 그룹이나 다단계 설문조사에서도 의미 있는 피드백을 놓치지 않게 됩니다. 결과: 더 날카로운 통찰력과 더 적은 시간 낭비.
온라인 강좌 학생 설문 응답을 분석하기 위한 협업 기능
플랫폼 사용성 피드백을 분석하는 것은 보통 개인 작업이 아닙니다. 팀이 다음 단계에서 일치하고, 발견된 내용을 논의하거나 부서별로 의견을 나누어야 할 때, 협업은 도전이 됩니다.
팀 분석을 위한 AI 대화: Specific에서 설문조사 데이터에 대해 AI와 대화할 수 있습니다—슬랙이나 구글 문서로 결과를 가져올 필요가 없습니다. 모든 사람은 새로운 대화를 생성하고, 세그먼트별로 데이터를 필터링하여(예: 특정 과정을 완료한 학생들만) 자신의 팀에 중요한 데이터를 분석할 수 있습니다.
여러 대화, 개별 스레드: 각 대화는 자체 필터가 있으며 대화를 시작한 사람이 표시됩니다, 제품 소유자, UX 연구자, 지원 리더 간의 전달이 원활합니다.
기여자 보기: 각 대화 메시지 옆의 아바타는 누가 말하는지를 보여주고, 팀 작업을 시각적으로 유지하며, 특히 가설을 검토하거나 더 큰 그룹과 피드백을 검토할 때 조직적으로 유지할 수 있게 해줍니다.
더 나은 문맥, 혼란 없음: AI와 직접 대화함으로써 모든 팀원은 실제 설문 데이터에서 추출된 최신 종합 정보를 얻을 수 있습니다. 문맥을 잃거나 이메일 체인을 놓치는 일이 없습니다. 플랫폼 사용성에 대한 온라인 강좌 학생 설문조사를 만드는 가이드가 필요하다면 참조하십시오.
지금 플랫폼 사용성에 대한 온라인 강좌 학생 설문조사를 만드세요
플랫폼 향상을 위한 실용적인 피드백을 얻기 위해 플랫폼 사용성에 대한 설문조사를 시작하십시오—보다 나은 학생 통찰력을 캡처하고, AI로 응답을 분석하며, 피드백을 성장으로 전환하십시오. 대화형 설문 도구로 몇 분 만에 시작하세요.