道路維持管理に関する市民調査の回答をAIで分析する方法

この記事では、AIを活用した調査回答分析を使って、道路維持管理に関する市民調査の回答をどのように分析するかのヒントを紹介します。調査データを理解するために最適なツールやプロンプトについて学びましょう。

調査回答を分析するための適切なツールの選び方

調査回答を分析する際に使用するツールやアプローチは、データの種類や複雑さによって異なります。以下のように分類しましょう：

• 定量データ：ここでは数字が味方です。「道路維持管理にどの程度満足していますか？」（1～5の評価や選択肢）といった質問は分析が簡単です。ExcelやGoogle Sheetsで回答数をカウントし、即座にグラフや平均値を得られます。
• 定性データ：これらは自由記述の回答（「あなたの通りで直してほしいことは何ですか？」）や、フォローアップ質問で集めた詳細なストーリーです。ここで状況は急に複雑になります。回答の量と深さが手作業での分析を困難にします。AIツールが必須です！

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や類似のGPTツールによるAI分析

ChatGPTにデータをコピーする：調査結果をテキストやCSVでエクスポートしたら、それをChatGPTや他のGPT搭載AIに貼り付けて結果について対話を始められます。

あまり便利ではない：この方法は手軽ですが、スケールしにくいです。フォーマットの問題、データ制限、構造の欠如により、数百件の市民回答を扱ったり、属性や質問タイプでフィルタリングしたい場合は手間がかかります。それでも、小規模データセットの簡易分析には基本的なことができます。

Specificのようなオールインワンツール

Specificはすべてを一つにまとめます。調査収集と高度なAI分析を組み合わせています。道路維持管理に関する対話型市民調査を開始すると、プラットフォームが自動的にフォローアップ質問を行い、各回答の深さと文脈を強化します。

即時の要約と洞察： SpecificのAI調査回答分析では、定性回答が瞬時に要約されます。主要なテーマ、核心的なアイデア、実行可能な提案が浮かび上がり、スプレッドシートを探す手間がありません。

データと対話、さらに高度なコントロール：SpecificのAIに調査結果について何でも質問できます。ChatGPTのように対話できますが、質問、会話、回答者ごとのフィルターや、AIに送る内容を管理する文脈コントロールなど、調査データに特化した機能があります。

その他の注目すべきAIツール：MAXQDA、Atlas.ti、Looppanel、InfraNodus、Qualz.aiはすべて、定性調査分析のための強力なAI機能を提供しています。自動コーディング、文字起こし、感情分析、可視化など、それぞれに強みがあり、特に調査データ以外も扱う場合に道路維持管理の研究を迅速かつ体系的に進めるのに役立ちます。[1][2][3]

道路維持管理に関する市民調査回答を分析するための便利なプロンプト

AIを使った調査分析（ChatGPT、Specific、その他のツール問わず）では、プロンプトが結果を左右します。市民の道路維持管理調査に適用した実績ある例を紹介します：

核心的なアイデアを抽出するプロンプト：数十から数百の回答から大きなテーマを抽出するために使います。Specificのデフォルトですが、どこでも効果的です。以下の指示とともにテキストデータを貼り付けてください：

あなたのタスクは、核心的なアイデアを太字（1つのアイデアにつき4～5語）で抽出し、2文以内の説明を付けることです。 出力要件： - 不要な詳細は避ける - 何人が特定の核心的アイデアを言及したか（数字で、単語ではなく）を指定し、最も多いものを上にする - 提案はしない - 指示はしない 出力例： 1. **核心的なアイデア:** 説明文 2. **核心的なアイデア:** 説明文 3. **核心的なアイデア:** 説明文

AIはより多くの文脈を提供すると常に性能が向上します。市の名前、市民から知りたいこと、道路改善の目標などの詳細を含めてください：

これらの回答の文脈は次の通りです：私たちはスプリングフィールドでこの調査を実施しました。目的は、住民が現在の道路維持管理に不満を持つ理由と、彼らにとって何が違いを生むかを見つけることです。この背景を使って要約を導いてください。

特定のトピックを深掘りする：興味深い点が出てきたら、次のように尋ねてください：

回答者が言及した道路の安全性に関する懸念について詳しく教えてください。

特定のトピックを探すプロンプト：誰かが特定の問題（例えば、穴ぼこ修理や除雪）について言及したか確認したい場合は、次を使います：

誰かが穴ぼこ修理について話しましたか？引用を含めてください。

ペルソナ特定のプロンプト：回答者が誰か（通勤者、自転車利用者、親など）を特定するために：

調査回答に基づき、製品管理で使われる「ペルソナ」のように、異なるペルソナのリストを特定し説明してください。各ペルソナについて、主な特徴、動機、目標、および会話で観察された関連する引用やパターンを要約してください。

課題や問題点のプロンプト：

調査回答を分析し、最も一般的な痛点、不満、課題をリストアップしてください。各項目を要約し、パターンや発生頻度も記載してください。

動機や推進要因のプロンプト：

調査会話から、参加者が行動や選択の理由として表現した主な動機、欲求、理由を抽出してください。類似の動機をグループ化し、データからの裏付けを提供してください。

提案やアイデアのプロンプト：

調査参加者が提供したすべての提案、アイデア、要望を特定しリストアップしてください。トピックや頻度で整理し、関連する直接引用を含めてください。

未充足のニーズや機会のプロンプト：

調査回答を調べ、回答者が指摘した未充足のニーズ、ギャップ、改善の機会を明らかにしてください。

Specificが質問タイプに基づいて市民調査回答を分析する方法

Specificでフィードバックを収集すると、各種調査質問タイプに合わせたアプローチで分析が行われます。以下のようになります：

• 自由記述質問（フォローアップの有無にかかわらず）：すべての回答に対してAI要約が提供され、フォローアップ質問があれば、それらの深い会話についても別々に要約されます。これは「次に市が直すべきことは何か？」のような文脈や理由が重要な質問に役立ちます。
• 選択肢付きフォローアップ：各選択肢（例：「除雪」、「穴ぼこ修理」など）に関連するフォローアップ回答の専用要約が作成されます。なぜ特定の選択がされたのかのテーマが即座に見えます。
• NPS質問：回答は推奨者、中立者、批判者に分けられます。各グループのフォローアップが別々に分析・要約され、道路工事に対する満足度や不満の要因を特定しやすくなります。

これらはChatGPTでも可能ですが、質問やカテゴリごとにデータを論理的にグループ化し準備する必要があり、手作業が増えます！

AIのコンテキストサイズ制限の課題への対処法

AIモデル（GPTなど）には厳しいコンテキストサイズの制限があります。道路維持管理に関する市民調査で大量の回答が集まると、一度にすべてを分析できない場合があります。以下の方法が効果的で、Specificはこれらを標準で提供しています：

• フィルタリング：選択した質問や選択肢の回答のみを含め、AIに送る前にデータセットを絞り込みます。重要なものだけを分析し、無関係な回答に埋もれません。
• クロッピング：特定の質問（または調査の一部）だけをAIに送ります。これによりコンテキスト制限内に収め、優先度の高い洞察に集中できます。

こうして、調査全体のボリュームに関わらず、最も関連性の高い市民のフィードバックを深く体系的に分析できます。

市民調査回答分析のための共同作業機能

現実の課題：道路維持管理に関する市民調査の分析は、ほとんどの場合一人で行うものではありません。同僚、市のプランナー、エンジニア、研究パートナーなどを洞察プロセスに参加させたいものです。

Specificでは分析が真のチームスポーツです。AIと対話しながら調査データを調査でき、チームの各メンバーは異なるフィルターや焦点で別々のチャットを持てます。各チャットには作成者が明示され、誰が何に取り組んでいるかが明確です。

誰が何を言ったかがわかる。AIチャットでの共同作業では、各メッセージに送信者のアバターが付くため、チームワークがスムーズです。匿名の提案の海に迷うことはなく、すべての洞察や意見が帰属され透明性があります。

柔軟な共同作業：NPSフィードバック、自由記述、特定の道路維持問題を一緒に取り組めます。調査の異なる切り口を全員で閲覧、フィルタリング、要約し、多様な視点を得てバイアスを減らし、地域社会のためにより質の高い意思決定が可能です。

今すぐ道路維持管理に関する市民調査を作成しましょう

より良い洞察を、より速く：対話型AI調査を開始し、市民の優先事項を明らかにし、Specificの知見であなたの街のインフラを実際に改善しましょう。