ساخت نظرسنجی با هوش مصنوعی؛ آموزش طراحی فرم و پرسشنامه حرفه‌ای

ساخت یک نظرسنجی خوب فقط به نوشتن چند سؤال و قرار دادن آن‌ها در Google Forms محدود نمی‌شود. یک پرسشنامه ضعیف می‌تواند تعداد زیادی پاسخ جمع‌آوری کند، اما در نهایت اطلاعاتی تولید کند که قابل استفاده نیستند.

سؤال‌های مبهم، گزینه‌های ناقص، ترتیب نامناسب، فرم طولانی و پرسش‌های جهت‌دار می‌توانند پاسخ‌دهنده را خسته یا نتیجه را منحرف کنند. از طرف دیگر، تحلیل صدها پاسخ تشریحی نیز زمان‌بر است و به‌سادگی نمی‌توان موضوعات پرتکرار را از میان آن‌ها پیدا کرد.

هوش مصنوعی می‌تواند در تمام مراحل ساخت نظرسنجی کمک کند:

• تبدیل هدف کلی به اهداف قابل اندازه‌گیری؛
• پیشنهاد ساختار پرسشنامه؛
• نوشتن سؤال‌های چندگزینه‌ای و تشریحی؛
• شناسایی سؤال‌های جهت‌دار یا دوپهلو؛
• تولید گزینه‌های پاسخ؛
• طراحی منطق شرطی؛
• کوتاه‌کردن فرم؛
• بازنویسی متن با لحن مناسب؛
• ساخت پرسشنامه در ابزارهای فرم‌ساز؛
• دسته‌بندی پاسخ‌های متنی؛
• استخراج موضوعات پرتکرار؛
• خلاصه‌سازی نتایج؛
• تولید گزارش مدیریتی.

با این حال، هوش مصنوعی نباید هدف نظرسنجی، جامعه مخاطب یا نحوه استفاده از نتایج را به جای شما تعیین کند. برای رسیدن به خروجی قابل اعتماد، ابتدا باید بدانید چه تصمیمی قرار است بر اساس پاسخ‌ها گرفته شود.

نظرسنجی هوش مصنوعی چیست؟

نظرسنجی هوش مصنوعی می‌تواند دو معنی داشته باشد.

در معنای اول، هوش مصنوعی برای ساخت پرسشنامه استفاده می‌شود. شما هدف و مخاطب را توضیح می‌دهید و مدل، سؤال‌ها، گزینه‌ها و ساختار پیشنهادی را تولید می‌کند.

در معنای دوم، هوش مصنوعی پس از جمع‌آوری پاسخ‌ها به تحلیل آن‌ها کمک می‌کند. برای مثال، پاسخ‌های تشریحی را دسته‌بندی می‌کند و دلایل پرتکرار نارضایتی را نشان می‌دهد.

یک سیستم کامل نظرسنجی مبتنی بر هوش مصنوعی می‌تواند این مراحل را پوشش دهد:

1. دریافت هدف از سازنده فرم؛
2. پیشنهاد سؤال‌های اولیه؛
3. بررسی کیفیت سؤال‌ها؛
4. ساخت فرم آنلاین؛
5. دریافت پاسخ‌ها؛
6. تحلیل پاسخ‌های عددی و متنی؛
7. ساخت خلاصه و گزارش؛
8. پیشنهاد اقدامات بعدی.

هوش مصنوعی چه نوع فرم‌هایی می‌تواند بسازد؟

نظرسنجی رضایت مشتری

برای بررسی مواردی مانند:

• رضایت کلی؛
• کیفیت محصول؛
• تجربه خرید؛
• نحوه پاسخ‌گویی پشتیبانی؛
• سرعت ارائه خدمت؛
• نقاط ضعف و قوت؛
• احتمال استفاده مجدد؛
• پیشنهادهای مشتری.

فرم بازخورد رویداد

برای وبینار، همایش، دوره، کارگاه یا رویداد حضوری:

• کیفیت محتوا؛
• عملکرد ارائه‌دهنده؛
• نظم برگزاری؛
• میزان کاربردی‌بودن مطالب؛
• موضوعات پیشنهادی آینده؛
• مشکلات فنی؛
• رضایت کلی.

پرسشنامه تحقیق بازار

برای شناخت:

• نیاز مخاطب؛
• مسئله اصلی مشتری؛
• شیوه فعلی حل مسئله؛
• معیارهای انتخاب محصول؛
• کانال آشنایی؛
• عوامل مؤثر بر تصمیم؛
• ویژگی‌های مورد انتظار.

فرم ارزیابی دوره آموزشی

برای بررسی:

• تناسب محتوا با سطح شرکت‌کننده؛
• وضوح آموزش؛
• کیفیت تمرین‌ها؛
• سرعت ارائه؛
• میزان تحقق اهداف یادگیری؛
• بخش‌های دشوار؛
• موضوعات نیازمند توضیح بیشتر.

فرم ثبت‌نام

برای دریافت اطلاعات ضروری رویداد، دوره، جلسه یا خدمات. هوش مصنوعی می‌تواند فیلدهای لازم را بر اساس نوع ثبت‌نام پیشنهاد دهد.

فرم دریافت درخواست

برای مواردی مانند:

• درخواست دمو؛
• درخواست مشاوره؛
• سفارش خدمات؛
• ثبت مشکل؛
• ارسال پیشنهاد؛
• درخواست همکاری.

آزمون و کوئیز

مدل‌های هوش مصنوعی می‌توانند از روی متن، فایل یا موضوع مشخص سؤال‌های چندگزینه‌ای و تشریحی تولید کنند. با این حال، پاسخ صحیح و سطح دشواری باید بررسی شوند.

اولین اصل: از تصمیم شروع کنید، نه از سؤال

پیش از ساخت فرم، این جمله را کامل کنید:

پس از دریافت پاسخ‌ها، می‌خواهم درباره «...» تصمیم بگیرم.

نمونه‌های مناسب:

• می‌خواهم سه مشکل اصلی کاربران در فرایند ثبت‌نام را پیدا کنم.
• می‌خواهم بفهمم کدام بخش دوره نیازمند بازطراحی است.
• می‌خواهم موضوع وبینار بعدی را انتخاب کنم.
• می‌خواهم دلیل استفاده‌نکردن مشتریان از یک قابلیت را شناسایی کنم.
• می‌خواهم میزان رضایت شرکت‌کنندگان از محتوای رویداد را ارزیابی کنم.

نمونه نامناسب:

می‌خواهم نظر کاربران را بدانم.

این هدف بیش از حد کلی است و معمولاً به پرسشنامه‌ای طولانی و پراکنده منجر می‌شود.

اطلاعات لازم پیش از استفاده از هوش مصنوعی

برای تولید پرسشنامه، این موارد را آماده کنید:

• هدف اصلی؛
• تصمیم موردنظر؛
• مخاطب؛
• نحوه دسترسی به مخاطب؛
• زمان تقریبی تکمیل فرم؛
• تعداد مطلوب سؤال؛
• نوع پاسخ‌ها؛
• لحن؛
• اطلاعات ضروری؛
• اطلاعاتی که نباید دریافت شوند؛
• ابزار انتشار؛
• شیوه تحلیل نتایج.

یک Brief مناسب می‌تواند چنین باشد:

هدف: شناسایی مشکلات کاربران در فرایند ثبت‌نام سایت
مخاطب: افرادی که در ۳۰ روز گذشته حساب ساخته‌اند
زمان تکمیل: حداکثر ۳ دقیقه
تعداد سؤال: ۸ تا ۱۰
لحن: ساده و محترمانه
نوع پاسخ: ترکیبی از چندگزینه‌ای، امتیازی و یک سؤال تشریحی
تصمیم نهایی: اولویت‌بندی اصلاحات فرایند ثبت‌نام
اطلاعات شخصی: دریافت نشود

این ورودی بسیار بهتر از دستور کوتاه «یک نظرسنجی رضایت مشتری بساز» عمل می‌کند.

انواع سؤال در نظرسنجی

سؤال چندگزینه‌ای

پاسخ‌دهنده یک گزینه را انتخاب می‌کند.

نمونه:

مهم‌ترین دلیل شما برای استفاده از این سرویس چیست؟

• انجام سریع‌تر کارها
• کاهش هزینه
• دسترسی به امکانات بیشتر
• سادگی استفاده
• دلیل دیگر

این نوع سؤال برای دسته‌بندی پاسخ‌ها مناسب است.

سؤال چندانتخابی

پاسخ‌دهنده می‌تواند چند گزینه را انتخاب کند.

نمونه:

هنگام انتخاب یک ابزار هوش مصنوعی کدام عوامل برای شما مهم هستند؟

• کیفیت پاسخ
• سرعت
• قیمت
• تنوع مدل‌ها
• پشتیبانی
• مستندات
• سادگی اتصال

در متن سؤال باید مشخص شود که انتخاب چند گزینه مجاز است.

سؤال امتیازی

برای سنجش شدت یا میزان رضایت استفاده می‌شود.

نمونه:

میزان رضایت خود را از فرایند ثبت‌نام از ۱ تا ۵ مشخص کنید.

برچسب ابتدا و انتهای مقیاس را توضیح دهید:

• ۱: بسیار ناراضی
• ۵: بسیار راضی

سؤال طیف توافق

برای سنجش موافقت با یک عبارت:

راهنمای شروع کار برای من قابل فهم بود.

• کاملاً مخالفم
• مخالفم
• نظری ندارم
• موافقم
• کاملاً موافقم

سؤال رتبه‌بندی

از پاسخ‌دهنده خواسته می‌شود چند گزینه را بر اساس اولویت مرتب کند.

این نوع سؤال می‌تواند روی موبایل دشوارتر باشد؛ بنابراین فقط زمانی استفاده کنید که ترتیب گزینه‌ها واقعاً برای تصمیم شما اهمیت دارد.

سؤال تشریحی

برای دریافت توضیح آزاد مناسب است.

نمونه:

اگر بتوانیم فقط یک بخش از تجربه استفاده را بهبود دهیم، پیشنهاد شما چیست؟

سؤال‌های تشریحی اطلاعات ارزشمندی ایجاد می‌کنند، اما پاسخ‌دادن و تحلیل آن‌ها دشوارتر است. تعدادشان را محدود نگه دارید.

سؤال بله یا خیر

برای شرایط ساده و قطعی مناسب است:

آیا پیش از این از سرویس مشابهی استفاده کرده‌اید؟

اگر پاسخ نیازمند توضیح بیشتری است، یک سؤال شرطی بعد از آن قرار دهید.

سؤال خوب چه ویژگی‌هایی دارد؟

فقط یک موضوع را می‌سنجد

نمونه نامناسب:

از سرعت و کیفیت پشتیبانی چقدر رضایت دارید؟

ممکن است کاربر از سرعت راضی و از کیفیت ناراضی باشد.

نسخه بهتر:

• از سرعت پاسخ‌گویی پشتیبانی چقدر رضایت دارید؟
• از کیفیت پاسخ پشتیبانی چقدر رضایت دارید؟

بی‌طرفانه است

نمونه جهت‌دار:

چقدر از طراحی ساده و فوق‌العاده محصول رضایت دارید؟

کلمات «ساده» و «فوق‌العاده» پاسخ‌دهنده را به سمت پاسخ مثبت هدایت می‌کنند.

نسخه بهتر:

ارزیابی شما از طراحی رابط کاربری محصول چیست؟

گزینه‌های آن کامل هستند

اگر همه حالت‌های منطقی را پوشش نمی‌دهید، گزینه‌های زیر را در صورت نیاز اضافه کنید:

• سایر؛
• نمی‌دانم؛
• استفاده نکرده‌ام؛
• ترجیح می‌دهم پاسخ ندهم؛
• برای من کاربرد ندارد.

به حافظه دور وابسته نیست

نمونه نامناسب:

در یک سال گذشته چند بار با خطای پرداخت مواجه شده‌اید؟

بسیاری از افراد پاسخ دقیق را به خاطر ندارند.

نسخه بهتر:

آخرین بار که پرداخت انجام دادید، آیا با خطا مواجه شدید؟

زبان ساده دارد

از اصطلاحات تخصصی، عبارت‌های طولانی و چند لایه خودداری کنید؛ مگر اینکه مخاطب دقیقاً همان گروه تخصصی باشد.

پاسخ آن با تصمیم نهایی مرتبط است

اگر نمی‌دانید پاسخ یک سؤال چه اثری بر تصمیم شما دارد، احتمالاً آن سؤال ضروری نیست.

پرامپت جامع ساخت نظرسنجی با هوش مصنوعی

نقش تو:
متخصص طراحی پرسشنامه و تجربه کاربر هستی.

هدف:
برای مشخصات زیر یک نظرسنجی کوتاه، بی‌طرفانه و قابل تحلیل طراحی کن.

هدف نظرسنجی:
[هدف]

تصمیمی که با نتایج گرفته می‌شود:
[تصمیم]

مخاطب:
[مخاطب]

زمان هدف برای تکمیل:
[مثلاً ۳ دقیقه]

حداکثر تعداد سؤال:
[تعداد]

لحن:
[رسمی/صمیمی/ساده]

قوانین:
1. هر سؤال فقط یک موضوع را بسنجد.
2. از سؤال جهت‌دار، مبهم و دوپهلو استفاده نکن.
3. سؤال‌های غیرضروری را حذف کن.
4. ترتیب سؤال‌ها از ساده به تخصصی باشد.
5. سؤال‌های تشریحی را به حداقل برسان.
6. گزینه‌ها تا حد ممکن کامل و بدون هم‌پوشانی باشند.
7. در صورت نیاز گزینه «سایر» یا «کاربرد ندارد» اضافه کن.
8. اطلاعات شخصی غیرضروری درخواست نکن.
9. برای هر سؤال دلیل استفاده و روش تحلیل را بنویس.
10. اگر سؤال شرطی است، مسیر آن را مشخص کن.

خروجی را در قالب جدول با ستون‌های زیر ارائه کن:
شماره | متن سؤال | نوع سؤال | گزینه‌ها | اجباری یا اختیاری | منطق شرطی | هدف سؤال

نمونه عملی: ساخت نظرسنجی رضایت مشتری

فرض کنید یک فروشگاه آنلاین می‌خواهد مشکلات تجربه خرید را شناسایی کند.

هدف

شناسایی نقاط اصطکاک از انتخاب محصول تا تحویل سفارش.

ساختار پیشنهادی

1. وضعیت تکمیل خرید؛
2. سهولت پیدا کردن محصول؛
3. وضوح اطلاعات محصول؛
4. تجربه پرداخت؛
5. تجربه تحویل؛
6. رضایت کلی؛
7. مهم‌ترین مشکل؛
8. پیشنهاد بهبود.

نمونه پرسشنامه

سؤال ۱: آیا خرید خود را با موفقیت تکمیل کردید؟

• بله
• خیر

اگر پاسخ «خیر» باشد، کاربر به سؤال مربوط به علت تکمیل‌نشدن خرید هدایت می‌شود.

سؤال ۲: پیدا کردن محصول موردنظر چقدر آسان بود؟

• بسیار دشوار
• دشوار
• متوسط
• آسان
• بسیار آسان

سؤال ۳: اطلاعات صفحه محصول تا چه اندازه برای تصمیم‌گیری کافی بود؟

• اصلاً کافی نبود
• کم
• متوسط
• کافی
• کاملاً کافی

سؤال ۴: آیا هنگام پرداخت با مشکل مواجه شدید؟

• بله
• خیر
• خرید را به مرحله پرداخت نرساندم

سؤال ۵: رضایت کلی خود را از تجربه خرید از ۱ تا ۵ مشخص کنید.

سؤال ۶: مهم‌ترین مشکلی که در این فرایند داشتید چه بود؟

• پیدا نکردن محصول
• اطلاعات ناکافی
• قیمت یا هزینه ارسال
• فرایند ثبت‌نام
• خطای پرداخت
• زمان تحویل
• مشکل دیگری نداشتم
• سایر

سؤال ۷: اگر بتوانیم یک بخش را بهبود دهیم، پیشنهاد شما چیست؟

این پرسشنامه کوتاه است و هر سؤال به یک بخش مشخص از تجربه خرید مربوط می‌شود.

پرامپت ساخت فرم بازخورد رویداد

برای یک وبینار ۹۰ دقیقه‌ای، فرم بازخوردی با حداکثر ۸ سؤال طراحی کن.

هدف:
- ارزیابی کیفیت محتوا
- ارزیابی شیوه ارائه
- شناسایی مشکلات فنی
- انتخاب موضوع رویداد بعدی

مخاطب:
افرادی که در وبینار شرکت کرده‌اند.

قوانین:
- تکمیل فرم کمتر از ۳ دقیقه زمان ببرد.
- بیشتر سؤال‌ها بسته باشند.
- فقط یک سؤال تشریحی اضافه کن.
- برای افرادی که کمتر از نیمی از رویداد را دیده‌اند مسیر شرطی تعریف کن.
- سؤال‌های جهت‌دار نساز.
- خروجی را مناسب انتقال به Google Forms بنویس.

پرامپت ساخت پرسشنامه تحقیق بازار

یک پرسشنامه تحقیق بازار برای بررسی مسئله زیر طراحی کن:

محصول:
[توضیح محصول]

بازار هدف:
[مخاطب]

هدف تحقیق:
شناخت مشکل فعلی، روش‌های جایگزین، معیارهای انتخاب و ویژگی‌های موردانتظار.

قوانین:
1. قبل از معرفی راه‌حل، درباره رفتار و تجربه فعلی سؤال کن.
2. از پرسش‌های تبلیغاتی خودداری کن.
3. درباره رفتار واقعی گذشته بیشتر از پیش‌بینی آینده سؤال کن.
4. سؤال‌های قیمت‌گذاری و تصمیم خرید را بی‌طرفانه بنویس.
5. پرسشنامه حداکثر ۱۲ سؤال داشته باشد.
6. مشخص کن کدام سؤال برای غربالگری پاسخ‌دهندگان است.
7. برای پاسخ‌های نامرتبط، پایان زودهنگام فرم تعریف کن.

در تحقیق بازار بهتر است ابتدا درباره تجربه و رفتار فعلی مخاطب سؤال کنید. سؤال «آیا از محصول ما استفاده می‌کنید؟» ممکن است پاسخ خوش‌بینانه‌ای ایجاد کند، در حالی که سؤال درباره شیوه فعلی حل مسئله اطلاعات عملی‌تری می‌دهد.

پرامپت ارزیابی کیفیت پرسشنامه

پس از ساخت نسخه اولیه، آن را با این دستور بررسی کنید:

پرسشنامه زیر را مانند یک منتقد حرفه‌ای ارزیابی کن.

برای هر سؤال بررسی کن:
- فقط یک موضوع را می‌سنجد؟
- جهت‌دار یا القاکننده نیست؟
- واژه مبهم ندارد؟
- گزینه‌ها کامل هستند؟
- گزینه‌ها با یکدیگر هم‌پوشانی ندارند؟
- پاسخ برای تصمیم نهایی کاربرد دارد؟
- نوع سؤال مناسب است؟
- سؤال در جای درستی از فرم قرار گرفته است؟
- می‌توان آن را حذف یا کوتاه کرد؟

سپس:
1. مشکلات را در یک جدول بنویس.
2. نسخه اصلاح‌شده پرسشنامه را ارائه کن.
3. زمان تقریبی تکمیل فرم را تخمین بزن.
4. سؤال‌های قابل حذف را مشخص کن.

هدف نظرسنجی:
[هدف]

پرسشنامه:
[سؤال‌ها]

ساخت نظرسنجی با Google Forms و Gemini

Google امکان استفاده از Gemini برای ساخت پیش‌نویس فرم را در Google Forms فراهم کرده است. در قابلیت Help me create a form می‌توان هدف فرم را توضیح داد یا از فایل‌های موجود در Drive به‌عنوان منبع استفاده کرد. دسترسی به این قابلیت ممکن است به حساب، طرح Workspace و زبان محیط وابسته باشد. راهنمای رسمی Google Forms

روند کلی:

1. Google Forms را باز کنید.
2. یک فرم جدید بسازید.
3. در صورت فعال‌بودن قابلیت Gemini، گزینه Help me create a form را انتخاب کنید.
4. هدف، مخاطب و تعداد سؤال‌ها را بنویسید.
5. پیش‌نویس تولیدشده را بررسی کنید.
6. نوع سؤال‌ها را اصلاح کنید.
7. گزینه‌های پاسخ را کنترل کنید.
8. سؤال‌های اجباری را مشخص کنید.
9. منطق شرطی را تنظیم کنید.
10. فرم را پیش‌نمایش و آزمایش کنید.

نمونه دستور:

یک فرم بازخورد فارسی برای کارگاه آموزش هوش مصنوعی بساز.

مخاطبان: شرکت‌کنندگان کارگاه
حداکثر تعداد سؤال: ۸
زمان تکمیل: کمتر از ۳ دقیقه
موضوعات: کیفیت محتوا، مدرس، تمرین‌ها، سطح دشواری و پیشنهاد موضوع بعدی
فقط یک سؤال تشریحی اضافه کن.

حتی اگر فرم به‌صورت خودکار ساخته شود، نوع سؤال، ترتیب و گزینه‌ها باید بازبینی شوند.

ساخت فرم با Typeform

Typeform امکان ساخت فرم، نظرسنجی و کوئیز را از روی توضیح متنی ارائه می‌کند. این ابزار همچنین از منطق شرطی پشتیبانی می‌کند و می‌توان بر اساس پاسخ قبلی، سؤال‌های متفاوتی نمایش داد. وب‌سایت رسمی Typeform

روش پیشنهادی:

1. هدف فرم را دقیق تعریف کنید.
2. از قابلیت تولید فرم با پرامپت استفاده کنید.
3. سؤال‌های تولیدشده را کوتاه کنید.
4. منطق شرطی را تنظیم کنید.
5. رنگ و ظاهر فرم را با برند هماهنگ کنید.
6. صفحه خوشامدگویی را مختصر نگه دارید.
7. فرم را روی موبایل آزمایش کنید.
8. یک پاسخ آزمایشی ثبت کنید.
9. خروجی داده را بررسی کنید.
10. سپس فرم را منتشر کنید.

نمایش یک سؤال در هر صفحه می‌تواند تجربه‌ای مکالمه‌ای ایجاد کند، اما برای فرم‌های طولانی ممکن است حرکت میان سؤال‌ها را کندتر کند. قالب را متناسب با تعداد سؤال و نوع مخاطب انتخاب کنید.

ساخت فرم با Jotform AI

Jotform AI Form Generator می‌تواند از روی توضیح متنی، فرم یا نظرسنجی تولید کند. این سرویس امکان ساخت کوئیز از متن یا فایل بارگذاری‌شده را نیز معرفی کرده است. سازنده فرم هوش مصنوعی Jotform

نمونه درخواست:

یک فرم ثبت‌نام فارسی برای وبینار آنلاین بساز.

فیلدها:
- نام و نام خانوادگی
- ایمیل
- شماره تماس اختیاری
- عنوان شغلی
- سطح آشنایی با موضوع
- سؤال مورد انتظار از مدرس
- پذیرش دریافت اطلاعات رویداد

فرم باید کوتاه، راست‌چین و مناسب موبایل باشد.

بعد از ساخت فرم، مشخص کنید کدام فیلدها واقعاً ضروری هستند. اجباری‌کردن تمام فیلدها می‌تواند باعث رهاشدن فرم شود.

منطق شرطی در نظرسنجی چیست؟

منطق شرطی یا Branching باعث می‌شود مسیر فرم بر اساس پاسخ کاربر تغییر کند.

نمونه:

آیا از قابلیت گزارش‌گیری استفاده کرده‌اید؟

اگر پاسخ «بله» باشد:

کیفیت گزارش‌های تولیدشده را چگونه ارزیابی می‌کنید؟

اگر پاسخ «خیر» باشد:

مهم‌ترین دلیل استفاده‌نکردن از گزارش‌گیری چیست؟

مزایای منطق شرطی:

• نمایش سؤال‌های مرتبط‌تر؛
• کوتاه‌شدن مسیر هر پاسخ‌دهنده؛
• جلوگیری از پاسخ‌های «کاربرد ندارد»؛
• تفکیک گروه‌های مختلف؛
• افزایش کیفیت داده.

اما مسیرهای زیاد می‌توانند فرم را دشوار کنند. پیش از انتشار، تمام شاخه‌ها را آزمایش کنید.

چگونه فرم را کوتاه کنیم؟

هوش مصنوعی معمولاً تمایل دارد سؤال‌های زیادی پیشنهاد دهد. برای کوتاه‌کردن فرم از این پرامپت استفاده کنید:

این پرسشنامه را بدون از دست رفتن اطلاعات ضروری، ۳۰ درصد کوتاه‌تر کن.

قواعد:
- سؤال‌هایی را که به تصمیم نهایی کمک نمی‌کنند حذف کن.
- سؤال‌های تکراری را ادغام کن.
- سؤال‌های چندموضوعی را ادغام نکن؛ آن‌ها را اصلاح یا حذف کن.
- تعداد سؤال‌های تشریحی را به یک مورد کاهش بده.
- اطلاعات جمعیت‌شناختی غیرضروری را حذف کن.
- دلیل حذف هر سؤال را بنویس.

آزمایش پرسشنامه پیش از انتشار

هیچ فرم مهمی را مستقیماً منتشر نکنید. ابتدا یک Pilot Test کوچک انجام دهید.

از چند نفر بخواهید فرم را تکمیل کنند و بررسی کنید:

• آیا هدف فرم را متوجه می‌شوند؟
• آیا سؤالی مبهم است؟
• آیا گزینه مناسب خود را پیدا می‌کنند؟
• آیا مسیر شرطی درست کار می‌کند؟
• آیا فرم روی موبایل خواناست؟
• تکمیل فرم چقدر طول می‌کشد؟
• آیا پاسخ‌ها برای تحلیل مناسب ذخیره می‌شوند؟
• آیا سؤال اجباری غیرضروری وجود دارد؟
• آیا صفحه پایان اطلاعات کافی دارد؟

در پایان فرم آزمایشی می‌توانید بپرسید:

آیا در این فرم سؤال مبهم یا دشواری وجود داشت؟ اگر بله، کدام سؤال؟

تحلیل پاسخ‌های نظرسنجی با هوش مصنوعی

داده‌های بسته مانند امتیاز و چندگزینه‌ای را بهتر است ابتدا با محاسبات قطعی تحلیل کنید:

• تعداد پاسخ‌ها؛
• درصد هر گزینه؛
• میانگین امتیاز؛
• میانه؛
• توزیع پاسخ‌ها؛
• مقایسه گروه‌ها؛
• نرخ تکمیل؛
• تعداد فرم‌های نیمه‌کاره.

هوش مصنوعی بیشتر در تحلیل پاسخ‌های متنی مفید است:

• دسته‌بندی موضوعی؛
• تشخیص پیشنهاد، شکایت یا تعریف؛
• شناسایی موضوعات پرتکرار؛
• استخراج نمونه‌های نماینده؛
• خلاصه‌سازی؛
• ساخت گزارش مدیریتی؛
• پیشنهاد اولویت‌های بررسی.

پرامپت پیشنهادی:

پاسخ‌های تشریحی نظرسنجی زیر را تحلیل کن.

وظایف:
1. پاسخ‌ها را بدون تغییر متن اصلی دسته‌بندی کن.
2. برای هر دسته یک عنوان کوتاه بنویس.
3. تعداد پاسخ‌های هر دسته را مشخص کن.
4. موضوعات پرتکرار را به ترتیب فراوانی نشان بده.
5. پاسخ‌های مبهم را در دسته «نامشخص» قرار بده.
6. از حدس‌زدن منظور پاسخ‌دهنده خودداری کن.
7. برای هر نتیجه، شناسه پاسخ‌های مرتبط را ذکر کن.
8. بین داده واقعی و برداشت تحلیلی تفاوت قائل شو.

خروجی:
- خلاصه مدیریتی
- جدول دسته‌ها
- نمونه پاسخ‌ها
- موارد نیازمند بررسی بیشتر

پاسخ‌ها:
[داده‌ها]

هوش مصنوعی نباید تعداد، درصد یا میانگین را از روی متن حدس بزند. محاسبات عددی را با Excel، Google Sheets، پایتون یا ابزار تحلیل داده انجام دهید.

ساخت خودکار پرسشنامه با API درواره

اگر در حال توسعه سامانه فرم‌ساز، پلتفرم آموزشی، CRM یا ابزار تحقیق بازار هستید، می‌توانید تولید پرسشنامه را با API درواره خودکار کنید.

فرایند پیشنهادی:

1. کاربر هدف فرم را وارد می‌کند.
2. سیستم اطلاعات ناقص را شناسایی می‌کند.
3. ساختار پرسشنامه تولید می‌شود.
4. سؤال‌ها با قواعد کیفیت ارزیابی می‌شوند.
5. خروجی ساختاریافته به رابط فرم‌ساز ارسال می‌شود.
6. کاربر سؤال‌ها را ویرایش می‌کند.
7. فرم منتشر می‌شود.
8. پاسخ‌ها برای تحلیل ذخیره می‌شوند.

نمونه ساخت پرسشنامه با پایتون

ابتدا کتابخانه را نصب کنید:

pip install openai

سپس:

import json
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["DARVAREH_API_KEY"],
    base_url="https://api.darvareh.ir/v1",
)

survey_brief = """
هدف: ارزیابی رضایت کاربران از فرایند ثبت‌نام
مخاطب: کاربران جدید
حداکثر زمان تکمیل: 3 دقیقه
حداکثر تعداد سؤال: 8
لحن: ساده و محترمانه
اطلاعات شخصی: دریافت نشود
"""

prompt = f"""
بر اساس Brief زیر یک نظرسنجی فارسی طراحی کن.

{survey_brief}

قواعد:
- هر سؤال فقط یک موضوع را بسنجد.
- سؤال جهت‌دار نباشد.
- گزینه‌ها کامل و بدون هم‌پوشانی باشند.
- حداکثر یک سؤال تشریحی بساز.
- منطق شرطی را مشخص کن.
- خروجی فقط JSON معتبر باشد.
- هیچ توضیح یا Markdown خارج از JSON ننویس.

ساختار:
{{
  "title": "عنوان فرم",
  "description": "توضیح کوتاه",
  "questions": [
    {{
      "id": "q1",
      "text": "متن سؤال",
      "type": "single_choice",
      "required": true,
      "options": ["گزینه اول", "گزینه دوم"],
      "logic": null,
      "analysis_goal": "هدف تحلیلی سؤال"
    }}
  ]
}}
"""

response = client.chat.completions.create(
    model="YOUR_MODEL_ID",
    messages=[
        {
            "role": "system",
            "content": "تو متخصص طراحی پرسشنامه‌های کوتاه و بی‌طرفانه هستی."
        },
        {
            "role": "user",
            "content": prompt
        }
    ],
    temperature=0.2,
)

survey = json.loads(response.choices[0].message.content)

print(json.dumps(
    survey,
    ensure_ascii=False,
    indent=2
))

به جای YOUR_MODEL_ID، شناسه مدل درواره را قرار دهید. مدل انتخابی باید در تولید فارسی و خروجی ساختاریافته عملکرد مناسبی داشته باشد.

برای مشاهده مدل‌ها و اطلاعات قیمت، به صفحه مدل‌های درواره مراجعه کنید.

اعتبارسنجی خروجی

پیش از تبدیل JSON به فرم واقعی، بررسی کنید:

• شناسه سؤال‌ها یکتا باشند؛
• نوع سؤال پشتیبانی شود؛
• سؤال چندگزینه‌ای گزینه داشته باشد؛
• سؤال تشریحی گزینه نداشته باشد؛
• مسیر شرطی به شناسه معتبر اشاره کند؛
• تعداد سؤال از محدودیت بیشتر نباشد؛
• متن خالی وجود نداشته باشد؛
• خروجی JSON معتبر باشد.

برای پروژه‌های عملیاتی، فقط به دستور متنی اکتفا نکنید. خروجی مدل را با JSON Schema اعتبارسنجی کنید.

تحلیل خودکار پاسخ‌ها در محصول

معماری ساده تحلیل پاسخ‌ها:

فرم آنلاین
↓
پایگاه داده
↓
محاسبات عددی قطعی
↓
دسته‌بندی پاسخ‌های متنی با مدل
↓
بازبینی نمونه‌ها
↓
داشبورد و گزارش

تفکیک محاسبات و تحلیل زبانی اهمیت زیادی دارد:

• تعداد، درصد و میانگین را کد محاسبه کند؛
• مدل، موضوع و مفهوم متن را تحلیل کند؛
• گزارش نهایی هر دو نتیجه را کنار هم قرار دهد.

اطلاعاتی که بهتر است جمع‌آوری نشوند

فرم باید فقط اطلاعات ضروری برای هدف مشخص خود را دریافت کند. پیش از اضافه‌کردن هر فیلد بپرسید:

آیا بدون این اطلاعات نیز می‌توان تصمیم موردنظر را گرفت؟

اگر پاسخ مثبت است، احتمالاً آن فیلد ضروری نیست.

به‌ویژه درباره موارد زیر محتاط باشید:

• اطلاعات هویتی غیرضروری؛
• شماره تماس بدون کاربرد مشخص؛
• نشانی دقیق؛
• اطلاعات خصوصی؛
• داده‌های حساس سازمانی؛
• فایل‌های شخصی؛
• اطلاعاتی که امکان نگهداری مناسب آن‌ها را ندارید.

همچنین در ابتدای فرم، هدف جمع‌آوری پاسخ‌ها و نحوه استفاده از آن‌ها را به زبان ساده توضیح دهید.

اشتباهات رایج در ساخت پرسشنامه با هوش مصنوعی

انتشار مستقیم خروجی مدل

سؤال‌های تولیدشده باید از نظر وضوح، جهت‌گیری، گزینه‌ها و ارتباط با هدف بررسی شوند.

جمع‌آوری اطلاعات بیش از نیاز

هوش مصنوعی ممکن است فیلدهایی مانند نام، ایمیل، سن و عنوان شغلی پیشنهاد کند؛ حتی زمانی که برای تصمیم نهایی ضروری نیستند.

سؤال‌های چندموضوعی

سؤال‌هایی مانند «از قیمت و کیفیت محصول رضایت دارید؟» باید به دو سؤال مستقل تبدیل شوند.

گزینه‌های نامتوازن

نمونه نامناسب:

• عالی
• خیلی خوب
• خوب
• متوسط
• بد

این گزینه‌ها بیشتر طیف مثبت را پوشش می‌دهند.

نسخه متعادل:

• بسیار بد
• بد
• متوسط
• خوب
• بسیار خوب

فرم بسیار طولانی

هر سؤال اضافه باید دلیل مشخصی داشته باشد. طولانی‌ترکردن فرم لزوماً اطلاعات مفیدتری تولید نمی‌کند.

استفاده بیش از حد از سؤال تشریحی

پاسخ‌های آزاد مفیدند، اما انرژی بیشتری از پاسخ‌دهنده می‌گیرند و تحلیل آن‌ها دشوارتر است.

تحلیل عددی با حدس مدل

برای شمارش و درصدگیری از ابزار محاسباتی استفاده کنید. مدل زبانی نباید جای محاسبه دقیق را بگیرد.

نتیجه‌گیری از پاسخ‌های کم یا نامتوازن

هوش مصنوعی ممکن است از داده محدود، خلاصه‌ای قطعی بنویسد. در گزارش، تعداد پاسخ‌ها، نحوه جمع‌آوری و محدودیت‌های نمونه را مشخص کنید.

نبود آزمون اولیه

یک فرم ممکن است از نظر سازنده واضح باشد اما برای مخاطب ابهام داشته باشد. پیش‌آزمون با چند نفر بسیاری از مشکلات را آشکار می‌کند.

چک‌لیست نهایی انتشار فرم

پیش از انتشار بررسی کنید:

• هدف نظرسنجی مشخص است؟
• هر سؤال به تصمیم نهایی کمک می‌کند؟
• سؤال‌ها کوتاه و روشن هستند؟
• سؤال جهت‌دار وجود ندارد؟
• هر سؤال فقط یک موضوع را می‌سنجد؟
• گزینه‌ها کامل و متعادل هستند؟
• سؤال‌های اجباری واقعاً ضروری‌اند؟
• اطلاعات شخصی غیرضروری حذف شده‌اند؟
• منطق شرطی آزمایش شده است؟
• فرم روی موبایل خواناست؟
• زمان تکمیل قابل قبول است؟
• صفحه تشکر و پایان فرم آماده است؟
• یک پاسخ آزمایشی ثبت شده است؟
• خروجی داده برای تحلیل مناسب است؟
• روش تحلیل پیش از جمع‌آوری داده مشخص شده است؟

پرسش‌های متداول

آیا هوش مصنوعی می‌تواند Google Form بسازد؟

بله. Gemini در برخی حساب‌های واجد شرایط Google Forms می‌تواند با قابلیت Help me create a form پیش‌نویس فرم تولید کند. همچنین می‌توانید سؤال‌ها را با یک مدل زبانی بسازید و دستی وارد Google Forms کنید.

بهترین هوش مصنوعی برای ساخت پرسشنامه چیست؟

برای تولید و بازنویسی سؤال می‌توان از مدل‌های زبانی استفاده کرد. برای ساخت فرم آماده، ابزارهایی مانند Google Forms، Typeform و Jotform قابلیت‌های مناسبی دارند. برای ساخت محصول اختصاصی، API درواره انعطاف بیشتری ارائه می‌کند.

آیا می‌توان از روی PDF نظرسنجی ساخت؟

بله. ابتدا محتوای PDF را استخراج و هدف فرم را مشخص کنید. سپس از مدل بخواهید فقط بر اساس همان محتوا سؤال تولید کند. این روش برای ارزیابی دوره، آزمون و دریافت بازخورد درباره یک سند کاربرد دارد.

تفاوت نظرسنجی و پرسشنامه چیست؟

در استفاده روزمره این دو واژه گاهی به جای یکدیگر به کار می‌روند. پرسشنامه ابزار جمع‌آوری پاسخ‌هاست و نظرسنجی معمولاً کل فرایند طراحی، توزیع، جمع‌آوری و تحلیل دیدگاه‌ها را شامل می‌شود.

چند سؤال برای یک نظرسنجی مناسب است؟

عدد ثابتی وجود ندارد. فرم باید به‌اندازه‌ای کوتاه باشد که اطلاعات لازم برای تصمیم را جمع‌آوری کند. برای بازخوردهای سریع، معمولاً چند سؤال هدفمند بهتر از یک فرم طولانی است.

آیا هوش مصنوعی می‌تواند پاسخ‌های تشریحی را تحلیل کند؟

بله. می‌تواند پاسخ‌ها را دسته‌بندی، خلاصه و موضوعات پرتکرار را استخراج کند. برای کاهش خطا، شناسه پاسخ‌ها را حفظ و نمونه‌های هر دسته را دستی بررسی کنید.

چگونه سؤال جهت‌دار را تشخیص دهیم؟

اگر متن سؤال یک ویژگی مثبت یا منفی را از قبل فرض می‌کند، احتمالاً جهت‌دار است. از هوش مصنوعی بخواهید سؤال‌ها را از نظر Leading Question بررسی و نسخه بی‌طرفانه پیشنهاد کند.

آیا می‌توان فرم را در سایت قرار داد؟

بله. بیشتر فرم‌سازها لینک مستقیم یا کد Embed ارائه می‌کنند. برای کنترل کامل‌تر نیز می‌توانید فرم اختصاصی بسازید و تولید سؤال و تحلیل پاسخ‌ها را به API درواره متصل کنید.

آیا درواره یک فرم‌ساز آماده است؟

خیر. درواره زیرساخت دسترسی به مدل‌های هوش مصنوعی است. می‌توانید از API آن برای تولید سؤال، بازنویسی فرم، دسته‌بندی پاسخ‌ها و ساخت قابلیت‌های هوشمند در فرم‌ساز خود استفاده کنید.

جمع‌بندی

ساخت نظرسنجی با هوش مصنوعی می‌تواند زمان طراحی پرسشنامه و تحلیل پاسخ‌ها را کاهش دهد، اما کیفیت نهایی به تعریف درست مسئله وابسته است.

فرایند پیشنهادی عبارت است از:

1. تصمیم نهایی را مشخص کنید.
2. مخاطب را تعریف کنید.
3. اطلاعات ضروری را تعیین کنید.
4. پیش‌نویس سؤال‌ها را با هوش مصنوعی بسازید.
5. سؤال‌های جهت‌دار و چندموضوعی را اصلاح کنید.
6. فرم را کوتاه کنید.
7. منطق شرطی را اضافه کنید.
8. پرسشنامه را با چند نفر آزمایش کنید.
9. پاسخ‌های عددی را با ابزار محاسباتی تحلیل کنید.
10. برای تحلیل متن از هوش مصنوعی کمک بگیرید.
11. نتایج مدل را با نمونه پاسخ‌های واقعی بررسی کنید.
12. گزارش را به تصمیم و اقدام مشخص تبدیل کنید.

اگر می‌خواهید تولید فرم، بازنویسی سؤال و تحلیل پاسخ‌های متنی را در محصول یا فرایند سازمانی خود پیاده‌سازی کنید، می‌توانید در درواره ثبت‌نام و از مدل‌های مختلف هوش مصنوعی از طریق یک API یکپارچه استفاده کنید. اطلاعات مدل‌ها و قیمت استفاده در صفحه مدل‌های درواره ارائه شده است.

مقالات مرتبط

• تحلیل بازخورد مشتریان با هوش مصنوعی
• هوش مصنوعی در فروش
• دیجیتال مارکتینگ با هوش مصنوعی
• هوش مصنوعی در منابع انسانی
• تحلیل فایل CSV با هوش مصنوعی
• خروجی ساختاریافته JSON با هوش مصنوعی
• آموزش جامع پرامپت‌نویسی

برای مطالعه شرایط استفاده و محدودیت‌های مسئولیت، صفحه «سلب مسئولیت» را مشاهده کنید.