「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。
インストール方法を見るインストールする前に、エージェントに与えられる指示の中身を確認できます。
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。
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
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。
「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。
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。
「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。
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。
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。