「学生調査の自由記述回答を AI で分析したい」「授業評価アンケートの傾向を可視化したい」 「大学評価業務で膨大な記述データを整理したい」「新入生アンケートの定性データからカテゴリを抽出したい」 場面で使う IR 担当者向けスキル。
匿名化前処理・カテゴリ抽出・クラスタリング・検証の 7 ステップで、 Web 版 AI 禁止ゾーンと運用ラインを構造化する。
The English summary is being prepared. Showing the original description.
Run score Not tested
See how to installReview the instructions the agent will receive before you install.
学生調査・授業評価の自由記述を生成 AI で分析する判断フレームワーク
IR（Institutional Research）業務では、学生調査・授業評価・大学評価の自由記述回答を扱うことが多い。従来は KH Coder 等の質的分析ツールや、職員による目視集計が中心だったが、生成 AI の登場により、数百〜数千件の記述データからカテゴリ抽出・傾向可視化を短時間で行える可能性が開けた。
一方、自由記述には学生の氏名・学籍番号・特定できる個人情報が混入しやすく、Web 版 ChatGPT 等に生データをそのまま入力することは情報漏洩リスクを伴う。匿名化・前処理の工程を省略すると、AI サービス側の学習データに学生発言が流れ込む可能性があり、個人情報保護法および各大学の学生データ取扱規程に抵触する。
本スキルは、森木氏自身の Speaker Deck「大学 IR における生成 AI 利用の試み」を中心に、大学 IR コンソーシアム学生調査、大学評価 SD 事例を統合し、自由記述分析を 7 ステップ（データ取得→前処理・匿名化→カテゴリ抽出→クラスタリング→検証→可視化→報告）に構造化する。さらに、中退予測・学業予警のような「予測型」分析には、倫理境界（同意・予測精度・介入権限・バイアス監査）を明示する。
大学固有の制約として、単年度予算で ChatGPT Enterprise や API を新規契約しづらい場合があり、ローカル LLM（LM Studio / Ollama 等）や学内 GPU サーバーの活用、Web 版 AI 禁止時の代替手段も併せて検討する必要がある。
skills/confidential-info-guidelines/ の 3 段分類の把握（学生データは原則 Level 3）職員（IR 室・評価室・教学 IR 担当・大学評価担当）。教員（IR センター兼任教員）と連携することも多いが、学生個人データの直接取扱いは職員主導が原則。
自由記述データは生のまま AI に入れない。氏名・学籍番号（削除）、教員名・科目名（「教員 X」「科目 Y」に記号化）、所属ゼミ・部活名（学年・学部のみ残す）、具体的日時・場所（抽象化）、家族・交友関係の個別言及（「家族」「友人」に総称化）を除去・置換する。さらに k-匿名化（k=5 以上推奨）を意識し、4 属性（学年・学部・性別・国籍）の組み合わせで 5 名未満になる記述は、属性の粒度を落とす。
| サービス | Level 2 | Level 3（匿名化前） | Level 3（匿名化後） |
|---|---|---|---|
| Web 版 ChatGPT（Free/Plus） | 不可 | 不可 | 不可（仕様変更リスク） |
| ChatGPT Team / Enterprise | 条件付き可 | 不可 | 条件付き可 |
| Claude Pro / Team | 条件付き可 | 不可 | 条件付き可 |
| API 利用（学習オフ契約） | 可 | 不可 | 可 |
| ローカル LLM（Ollama 等） | 可 | 可（組織ポリシー次第） | 可 |
Web 版は匿名化後でも、将来の仕様変更リスクを考慮して業務利用から外すことを推奨。
①データ取得 → ②前処理・匿名化 → ③カテゴリ抽出 → ④クラスタリング → ⑤検証 → ⑥可視化 → ⑦報告。各ステップの作業内容・ツール・検証ポイントは references/workflow-steps.md 参照。
両者は競合ではなく補完関係。質的分析ツールで計量的な裏付けを取り、AI で解釈と要約を効率化する。
中退リスク予測・学業予警を AI で行う場合、以下の境界線を守る。
flowchart TD
A[自由記述データの受領] --> B{データレベル判定}
B -->|個人情報あり| C[前処理・匿名化]
B -->|既に匿名化済み| D{利用 AI サービス}
C --> D
D -->|Web 版 AI| E[利用不可]
D -->|Enterprise・API<br>ローカル LLM| F[カテゴリ抽出]
F --> G[クラスタリング]
G --> H[サンプル目視検証]
H -->|妥当| I[可視化・報告]
H -->|不十分| F
I --> J{予測型分析か?}
J -->|Yes| K[倫理境界チェック<br>同意・精度・介入・バイアス]
J -->|No| L[報告書確定]
K --> L
1 学期分の授業評価（対象 50 科目、600 件の自由記述）を学部単位で傾向分析したい。個別科目の評価は別ルートで教員個人にフィードバックし、本分析では全体傾向（「授業時間配分」「課題量」「対話機会」等）の把握が目的。前処理で教員名・科目名を「教員 X」「科目 Y」に置換し、API 経由でカテゴリ抽出・クラスタリングを実施。サンプル 30 件を職員が目視検証し、カテゴリ妥当性を確認する。
新入生 800 名を対象とした入学時アンケートで、「大学選択理由」「不安に感じていること」「期待すること」の 3 問が自由記述。職員 1 名で全件目視は 3 日かかるため、AI でカテゴリ抽出を効率化したい。匿名化後、Enterprise 版で 10-15 カテゴリに分類させ、カテゴリ別の代表発言を抽出。検証後、各カテゴリの件数分布を執行部向け資料にまとめる。
大学基準協会の認証評価に向け、過去 3 年間の SD 活動報告書（数百件、職員記述）を整理。評価項目ごとに「取り組み内容」「成果」「課題」を抽出する必要がある。SD 活動報告は Level 2 相当（学内限定）のため、Enterprise 版か API 経由で扱い、カテゴリ抽出と要約を実施。職員が最終整理し、自己点検・評価書の下書きに活用する。
→ 詳細は examples/example-01-jugyo-hyoka-jiyukijutsu.md を参照。
No reviews yet. Tell others what you thought.
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
大学業務文書 (広報原稿 / 研修教材 / 申請書 / 学生向け案内等) のドラフトを 読み取り、subagent dispatch で「AI 臭度」「業務文書適切性」「読者負荷」の 3 軸評価を返す。「この広報原稿、AI っぽくない？」「研修資料が硬すぎないか 気になる」「職員が書いたふうに仕上げたい」と問われた時に起動する。 mizchi-blog-style の評価ワークフローを大学業務文書向けに翻訳、職員 / 学生 / 学外読者の 3 ロールのいずれかで subagent がドラフトを読み、 冗長敬語 / 空虚強調 / 両論併記等を行番号付きで指摘する。反復改善は 呼び出し側判断、本 skill 自体はシングル実行。
The English summary is being prepared. Showing the original description.
「学内業務で AI を使う前に『禁止／限定／推奨／開放』のどれに該当するか判定したい」 「既存の機密情報 3 段分類と業務場面を接続したい」 「部署ごとの AI 利用方針を体系化したい」 場面で使う横断スキル。
The English summary is being prepared. Showing the original description.
大学業務で AI に入力しようとする情報を Level 1/2/3 に判定し、入力可否と 推奨次アクションを返す。「この資料を AI に入れて大丈夫？」「議事録を 要約させたいが機密度は？」と問われた時、または職員がファイル / テキストを 共有して AI 利用可否判断を求めた時に起動する。判定基準は `confidential-info-guidelines` の 3 段分類に依拠し、所属大学規程が優先される 旨を出力末尾に必ず添える。匿名化 / 統計化による Level 降格の検討も提示する。
The English summary is being prepared. Showing the original description.
「学内委員会・教授会の議事録作成を AI で効率化したい」「録音から要点抽出のプロセスを標準化したい」 「機密性の高い会議で AI を使っていいか判断したい」「人事案件を含む教授会で AI 議事録ツールを 使って大丈夫か確認したい」「Enterprise 版がない自学で使える経路を知りたい」場面で使う、 議事録 AI 化の判断と運用のスキル。 `skills/confidential-info-guidelines/` の 3 段分類と連携し、会議機密性 × 出席者同意 × 匿名化の 3 軸判断でツール選定と運用手順を示す。
The English summary is being prepared. Showing the original description.
大学業務で「この資料を AI に入れて大丈夫か」「どのサービスなら安全か」と 判断が求められた時に使う、機密情報取扱の判断フレームワーク。情報分類が 個人感覚に揺れている現場で、3 段分類 (Level 1: 公開 / Level 2: 学内限定 / Level 3: 機密) に基づく一貫した可否判断を提供する。テキスト本文だけでなく ファイルメタデータ / EXIF / OCR リスクや、Custom GPT / Projects / Gem 等の 事前設定機能に登録する情報も同じ軸で扱う。所属大学規程が優先される前提での 汎用的な判定軸であり、法的助言ではない。
The English summary is being prepared. Showing the original description.
職員 / 研究者の暗黙知を対話的にヒアリングし、higher-ed-ai-skills 規格 (`references/skill-format-guide.md` 準拠) の SKILL.md を生成する meta skill。「自分のノウハウをスキル化したい」「業務手順を構造化したい」と 言われた時に手動で起動する。Write tool による副作用 (新規ファイル作成) があるため、AI 自動起動は抑止する。
The English summary is being prepared. Showing the original description.