ChatGPT怎么分析问卷开放题？分类规则、原话证据与频次核对

问卷开放题不能只让ChatGPT写“主要有三个问题”，还要知道每个主题来自哪些回答、怎样计数。本文用脱敏CSV整理培训反馈，输出分类明细和汇总，不把少数评论推断成全体用户态度。

第一步：保留回答身份并脱敏

准备response_id与answer两列，保留原始数据副本，移除姓名、手机号等无关信息。使用支持文件工作的入口附加CSV，先核对编码、行数和空值。编号用于回查，不能在排序时重新编号导致证据错位。

先定义统计单位：一行代表一份回答，还是同一个人有多行？没有唯一受访者标识时，只能统计回答数，不能直接称为人数。样本是否代表所有用户也需另外论证。

response_id,answer
A,讲解清楚但练习太少
B,希望增加案例和课后资料
C,
D,没有其他意见

第二步：先建立编码规则

抽取一小批回答建立主题定义、纳入条件和排除条件，先人工核对再应用全量。可以一条回答多个主题，但必须明确多标签，主题总数可能超过回答数。若要求互斥，就写清优先级并保留信息损失。

请先为这份培训反馈提出分类草案：每类定义、正反例和歧义处理。允许多标签，空白、无实质意见和无法判断分别保留。不要先给全量比例，不创建受访者没有表达的意见。

第三步：输出逐行证据再汇总

每行保留原回答、主题、支持原话和待确认原因。模型可以概括主题名称，但证据短句必须确实存在。遇到“还行”之类模糊回答，不强行判定为满意或不满意。

全量完成后输出可编辑分类表和汇总表，报告文件名与实际处理范围。对超过当前处理能力的内容分批保留同一规则版本，不能默默截断后说完成全部。

第四步：核对分母和频次

练习A应同时对应讲解评价和练习不足，B对应案例与资料需求，C空白，D无实质意见。分类条目数与回答数不能混算，百分比应明确分母是否含空白与无意见。

检查每个response_id出现次数、未处理编号、原话不匹配和主题定义冲突。分别报告回答总量、有效回答量、主题提及回答数；多标签总和超过100%时说明原因，不调整数据让它凑成100%。

第五步：抽查并保存规则版本

优先回查歧义项、罕见主题和未分类项，再随机抽查常见主题。人工发现规则问题后先修改定义，再追踪受影响回答，不能只改汇总数字。记录谁确认了哪些调整，以及修订前后的数量差异。

最终结论应区分高频主题、少数具体建议和无法确认内容。引用原话前再检查匿名化。交付分类规则、逐行明细、频次口径和待确认清单，后续新问卷先检查题目与受众是否变化，再决定能否沿用旧规则。

官方资料

资料核对日期：2026年11月14日。

• OpenAI：Work with files