nowa punktacja

# Conflicts:
#	.gitignore
#	README.md

.gitignore

@@ -1,42 +1,29 @@
-# ---> macOS
-# General
+# Pliki systemowe i edytorów
 .DS_Store
 .AppleDouble
 .LSOverride
-
-# Icon must end with two \r
-Icon
-
-
 ._*
+Thumbs.db
+*.swp
 
-
-# Files that might appear in the root of a volume
-.DocumentRevisions-V100
-.fseventsd
-.Spotlight-V100
-.TemporaryItems
-.Trashes
-.VolumeIcon.icns
+# Pliki tymczasowe
+*.tmp
+~$*
 
-
-# Directories potentially created on remote AFP share
-.AppleDB
-.AppleDesktop
-Network Trash Folder
-Temporary Items
-.apdisk
-
-# ---> JupyterNotebooks
-# gitignore template for Jupyter Notebooks
-# website: http://jupyter.org/
-
+# Lokalne środowiska i notebooki
+.venv/
+__pycache__/
+.ipynb_checkpoints/
 */.ipynb_checkpoints/*
-*/.ipynb_checkpoints/*
-
 profile_default/
 ipython_config.py
 
-
-# Remove previous ipynb_checkpoints
+# Duże lub robocze eksporty, których nie chcemy zapisywać automatycznie
+outputs/temp/
+outputs/*.zip
 
+# Lokalne pliki robocze
+_lokalne/
+outputs/wyniki_eksperymentu_podsumowanie.csv
+outputs/wyniki_eksperymentu_long.csv
+outputs/dane_polaczone_skale.csv

Opis.md

@@ -0,0 +1,53 @@
+# Opis pracy z AI
+
+## Przygotowanie plików
+
+W pierwszym kroku przygotowałem opis projektu w sposób zrozumiały dla AI. Opisałem, jakie pliki są dostępne, a następnie poprosiłem o przygotowanie kodu, który połączy dane i obliczy wyniki skalowe.
+
+> Ten folder zawiera materiały dla studentów pracujących z realnymi danymi z projektu empirycznego o moralności i wynikami eksperymentu karcianego. Najważniejsza zasada: surowych plików CSV nie zmieniamy. 
+  **Pliki w folderze**
+  - `badanie_18_pytania_20260514_212146.json` - opis struktury ankiety i zmiennych skalowych [jest to zapis kopii pytań z BADANET].
+  - `badanie_18_wyniki_20260519_192209.csv` - realne dane ankietowe.
+  - `Plan badania kartami(Wyniki gry).csv` - wyniki eksperymentu karcianego.
+  - Przygotuj kod, który połączy dane z obu źródeł, a następnie zapisze jako plik wynikowy zawierający zmienne przeliczone. Niech dane przygotuje skrypt R, a nowe pliki zapisze w katalogu `outputs/`.
+
+Powstał skrypt `przygotuj_dane.R`, który przelicza wyniki i przgotowuje raport.  
+
+```
+Plik ankietowy: badanie_18_wyniki_20260519_192209.csv
+Plik JSON: badanie_18_pytania_20260514_212146.json
+Plik eksperymentu: Plan badania kartami(Wyniki gry).csv
+Liczba wierszy w ankiecie: 58
+Liczba kodow w eksperymencie: 42
+Liczba wierszy po polaczeniu: 58
+Liczba wierszy z wynikami eksperymentu: 42
+Zdublowane kody w ankiecie: maj377, zaz913
+```
+  
+Kod, który przygotowuje dane, jest w pliku [przygotuj_dane.R](przygotuj_dane.R). Można go użyć, aby od nowa przygotować dane do analizy.
+Ponieważ opis nie był dość precyzyjny, powstało kilka wersji plików wynikowych. 
+
+---
+
+## Przygotowanie instrukcji
+
+W drugim kroku nowy prompt zakładał, że AI przygotuje instrukcje i poradniki oraz zaproponuje problemy, które można potencjalnie przeanalizować na dostępnych danych.
+
+> W `dane/` są pliki dotyczące projektu empirycznego. Twoim zadaniem jest przygotować instrukcje dla studentów korzystając z zamieszczonych plików jako przykładów. Plik z danymi jest realny - użyj go, ale nie zmieniaj.
+
+Powstała instrukcja zawierająca odwołanie do skryptu, który genAI stworzył wcześniej i opis wynikowych zbiorów danych (zob [readme](README.md)).
+
+---
+
+## Przygotowanie propozycji zadań
+
+Użyłem promptu, aby genAI wymyśliło propozycje pytań badawczych:
+
+> przeczytaj pliki w katalogu i przygotuj listę zadań do wykonania. Zaproponuj 7 zadań dotyczących różnych zestawów zmiennych. Przygotuj opis dla każdego zestawu zawierający:
+> tytuł, pytanie badawcze, zmienne potrzebne do udzielenia odpowiedzi na pytanie z określeniem kierunku, propozycję analiz statystycznych.
+
+W efekcie powstał dokument [lista_zadan.md](lista_zadan.md). Po sprawdzeniu efektu zadania zostały poprawione tak, aby odwoływały się tylko do zmiennych rzeczywiście obecnych w danych.
+
+## Plik w Jamovi
+
+Na koniec ręcznie przygotowałem plik do pakietu statystycznego [Jamovi](https://www.jamovi.org/download), usuwając nadmiarowe kolumny i poprawiając opis zmiennych. Poprawki wymagał skrypt do MFQ, bo trzeba było dostosować klucz do wersji narzędzia bez jednej skali. Podobnie aprobata społeczna mierzona była 10-itemową wersją w miejsce 26 pozycji w oryginale.

README.md

@@ -1,3 +1,116 @@
-# Fundamenty-moralne
+# Zadania 
 
-Pliki wynikowe projektu dotyczącego badania fundamentów moralnych za pomoca gry karcianej
+Po wczytaniu danych (~~brakuje kodów moralnych z gry~~) można korzystać z `lista_zadan.md`. Każda para łączy zmienną psychologiczną lub demograficzną z wynikiem eksperymentu:
+
+- przekonaniami moralnymi,
+- siłą przekonań,
+- częstością zmiany przekonań.
+
+W pierwszym kroku kazdy przygotowuje i przesyła propozycję hipotezy. Zatwierdzone hipotezy można włączyć (lub nie) do raportu.
+
+## Minimalny układ raportu
+
+Każda grupa (do 3 osób) oddaje krótki raport:
+
+1. pytanie badawcze -> hipoteza/y,
+2. użyte zmienne,
+3. informacja, jak przeliczono wyniki aby otrzymać zmienne,
+4. statystyki opisowe dotyczące grupy i wybranych zmiennych,
+5. wynik głównej analizy dotyczący hipotezy lub hipotez,
+6. ograniczenia procedury / analizy / interpretacji,
+7. ostrożny wniosek.
+
+_Pełny szablon jest w PDF [Struktura raportu](Struktura raportu z badań empirycznych.pdf)_
+
+---
+
+## Dane przeliczone
+
+Plik z danymi przeliczonymi, gotowy do pracy w Jamovi to [dane-przeliczone.omv](dane-przeliczone.omv).
+
+---
+
+# Przeliczanie danych 
+
+Jeśli ktoś ma ochotę odtworzyć pliki oz początku, to poniżej są opisane kroki postępowania i skrypt do tego.
+
+## Przygotowanie danych do analizy
+
+Ten folder zawiera materiały dla studentów pracujących z realnymi danymi z projektu empirycznego o moralności i wynikami eksperymentu karcianego.
+
+Najważniejsza zasada: surowych plików CSV nie zmieniamy. Dane przygotowuje skrypt R, a nowe pliki zapisuje w katalogu `outputs/`.
+
+Pliki CSV zawierają dane z badania dydaktycznego. Nie należy ich modyfikować ręcznie ani udostępniać poza zajęciami.
+
+## Pliki wejściowe
+
+- `badanie_18_wyniki_20260519_192209.csv` - realne dane ankietowe używane przez skrypt.
+- `badanie_18_pytania_20260514_212146.json` - opis struktury ankiety i zmiennych skalowych z systemu BADANET.
+- `Plan badania kartami(Wyniki gry).csv` - wyniki eksperymentu karcianego.
+
+## Skrypty i instrukcje
+
+- `przygotuj_dane.R` - skrypt R, który łączy dane i liczy zmienne skalowe.
+- `instrukcja-przygotowanie-danych.md` - instrukcja dla studentów i prowadzącego.
+- `lista_zadan.md` - zadania dla grup studenckich.
+- `Opis.md` - krótki opis, jak wykorzystano AI do przygotowania materiałów.
+
+## Jak przygotować dane
+
+W terminalu przejdź do głównego katalogu projektu i uruchom:
+
+```bash
+Rscript przygotuj_dane.R
+```
+
+Do działania potrzebne jest środowisko R, które można pobrać z [https://www.r-project.org/](https://www.r-project.org/).
+
+Skrypt utworzy katalog `outputs/` i zapisze:
+
+- `dane_polaczone_skale.csv` - pełne dane ankietowe z przeliczonymi skalami i wynikami eksperymentu, jeśli są dostępne,
+- `dane_polaczone_skale_tylko_eksperyment.csv` - tylko osoby z wynikami eksperymentu,
+- `wyniki_eksperymentu_long.csv` - wyniki eksperymentu w układzie długim,
+- `wyniki_eksperymentu_podsumowanie.csv` - podsumowanie eksperymentu na osobę,
+- `raport_przygotowania.txt` - raport z liczebnościami i ostrzeżeniami.
+
+## Co liczy skrypt
+
+Dane są łączone po kodzie uczestnika. W ankiecie jest to odpowiedź na pytanie o kod identyfikacyjny, np. pierwsze trzy litery nazwiska i trzy cyfry telefonu. W pliku eksperymentu kody są nazwami kolumn.
+
+Skrypt:
+
+1. zamienia kody na małe litery,
+2. usuwa spacje,
+3. transponuje plik z eksperymentem,
+4. dopisuje wyniki eksperymentu do danych ankietowych.
+
+Jeśli osoba nie ma wyniku eksperymentu, jej zmienne eksperymentalne pozostają puste.
+
+## Wyniki skalowe
+
+Skrypt tworzy między innymi:
+
+- `Troska`, `Sprawiedliwość`, `Lojalność`, `Autorytet` <- wyniki z kart
+- `MFQ_TROSKA`, `MFQ_SPRAWIEDLIWOSC`, `MFQ_LOJALNOSC`, `MFQ_AUTORYTET`,
+- `APROBATA_SPOLECZNA`,
+- `NEUROTYCZNOSC`,
+- `PROSPOLECZNOSC`,
+- `SILA_PRZEKONAN`,
+- `zmiana_przekonania_n`,
+- `zmiana_przekonania_prop`.
+
+## Wyniki eksperymentu
+
+W pliku eksperymentu odpowiedzi mają cztery możliwe zapisy:
+
+- `a` - wybór A,
+- `b` - wybór B,
+- `ab` - zmiana z A na B,
+- `ba` - zmiana z B na A.
+
+W przygotowanych danych najważniejsze zmienne eksperymentalne to:
+
+- `SILA_PRZEKONAN` - odsetek odpowiedzi bez zmiany; wyższy wynik oznacza stabilniejsze przekonania,
+- `zmiana_przekonania_n` - liczba stacji, na których osoba zmieniła przekonanie,
+- `zmiana_przekonania_prop` - odsetek stacji ze zmianą przekonania,
+- `wybor_final_stacja_01` do `wybor_final_stacja_24` - końcowy wybór A/B w poszczególnych stacjach.

dane/Plan badania kartami(Wyniki gry).csv

@@ -0,0 +1,29 @@
+Kod;gra554;gra380;gra314;maj377;kos353;kos334;kos710; grz977;cie646;bar746;gor786;bie766;mac353;mas290;now899;ste307;lak777;rna528;gor997;gor660;kow428;szu955;gra824;drz917;lew334;lei395;kir308;koł832;dzi129;kub839;dzi774;szy295;dzi424;bac 875;stę941;sio609;zwo223;jes790;zaz913;shy933;ter996;dor968
+stacaja_1;a;a;a;b;a;a;b;b;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a
+stacaja_2;a;a;a;b;b;b;b;a;a;a;a;b ;a;a;a;b;a;a;a;b;a;b;b;a;ba;a;a;a;a;a;a;a;b;a;ab;b;b;a;a;a;a;ba
+stacaja_3;b;a;ab;b;a;b;a;a;b;b ;b;b;a;b;b;b;a;a;a;b;ab;a;a;b;a;a;a;b;b;b;b;a;b;a;ba;b;a;ba;ab;b;b;b
+stacaja_4;a;a;a;b;a;a;b;a;a;a;a;a;b;a;b;b;a;ba;b;a;a;a;b;b;b;b;b;b;b;b;a;b;a;b;b;a;a;b;a;a;a;a
+stacaja_5;b;b;b;b;a;b;b;ba;b;b;b;a;b;b;b;b;b;b;b;b;b;b;b;b;b;b;ab;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b
+stacaja_6;a;b;b;ab;ba;a;b;a;a;a;b;b;a;b;a;a;a;a;a;a;b;b;a;a;b;b;a;b;a;b;a;b;a;a;a;b;b;a;a;b;b;a
+stacaja_7;a;a;a;a;a;b;a;b;a;b;a;a;a;b;a;b;a;a;a;a;a;a;b;b;b;b;b;b;b;a;b;a;b;ab;b;b;b;b;a;a;ba;a
+stacaja_8;a;b;a;a;b;a;a;a;a;a;a;ba;a;a;a;a;b;a;b;b;a;b;a;a;a;a;a;a;a;a;a;a;a;a;a;ba;a;a;a;ba;a;a
+stacaja_9;b;b;b;b;b;b;b;b;b;b;b;ab;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;ab;b;b;b;a;b;b;b;b;b;b;b
+stacaja_10;b;b;b;a;b;b;b;b;b;b;ab;b;b;a;b;b;b;b;b;b;b;b;b;b;b;b;b;a;b;b;b;b;b;a;b;b;b;b;b;b;b;b
+stacaja_11;a;a;b;a;a;ba;a;a;a;a;a ;a ;b;b;ab;a;a;b;a;a;a;a;a;a;a;a;ba;b;a;a;ab;b;a;a;b;b;b;b;ab;a;b;a
+stacaja_12;b;b;a;a;a;b;a;b;b;a;a;b;a;b;a;b;a;b;b;b;a;b;a;a;a;a;a;a;a;a;b;a;a;ba;b;ab;b;b;b;b;b;b
+stacaja_13;b;ab;ab;b;b;b;b;b;ab;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;ab;b;b;b;b;b;a;ba;a;b;a;b
+stacaja_14;a;a;a;a;a;a;a;a;a ;a;ba;a;a;a;a;b;a;a;a;a;ab;b;a;b;b;b;ab;b;a;a;a;b;a;a;a;a;a;a;a;a;a;a
+stacaja_15;b;b;b;b;a;b;a;b;b;b ;a;a;b;b;b;b;b;a;b;b;b;b;b;b;a;b;a;a;a;b;b;b;b;a;b;a;a;b;b;b;b;b
+stacaja_16;b;b;b;b;b;b;b;b ;b;b;b ;b;b;b;b;b;b;b;b;b;b;b;b;b;a;b;b;a;b;b;b;a;b;b;b;b;b;b;b;b;b;b
+stacaja_17;b;a;a;a;ab;a;b;a;a;a;a;a;a;a;a;a;a;b;a;a;a;a;a;a;b;a;a;a;a;a;a;a;a;a;a;b;a;a;b;a;a;a
+stacaja_18;b;b;b;b;b;b;a;a;b;b;b;b;b;b;b;b;a;b;b;b;b;b;b;a;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b;b
+stacaja_19;a;a;a;a;ba;a;a;a;a;a;b;a;a;a;a;a;a;a;a;a;a;a;a;a;b;b;a;a;a;a;a;a;a;a;ba;ba;a;a;a;a;a;a
+stacaja_20;a;a;b;b;b;a;a;a;b;b;b;b;b;b;ab;a;b;b;a;b;b;a;a;a;b;b;b;b;a;ba;ba;b;a;b;b;b;a;b;ab;b;b;b
+stacaja_21;b;a ;a;b;a;a;a;a;b;b;ab;b;b;b;b;a;b;b;a;b;ab;a;a;b;b;a;ab;b;b;b;b;a;b;a;a;b;b;b;b;b;b;b
+stacaja_22;a;a;a;a;b;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;a;b;a;a;a;a;a;a;b;a;b;a;a;a;a;a;a;a;ba
+stacaja_23;b;b;b;b;b;a;b;b;b;b;b;b;b;b;b;b;a;ba;ba;a;a;b;b;b;a;a;a;a;a;b;b;b;b;a;b;b;b;b;b;b;b;b
+stacaja_24;a;ba;a;b;b;b;a;b;a;ab;b;b;b;a;a;a;a;b;b;b;a;a;a;b;a;ba;a;a;a;a;b;b;b;ba;b;a;b;b;a;a;a;a
+;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
+a lub b to wybór;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
+ab - zmiana z a na b;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
+ba - zmiana z b na a;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;

lista_zadan.md

@@ -0,0 +1,131 @@
+# Lista zadań dodatkowych
+
+Dlaczego **dodatkowych**? Ponieważ nie badających głównego celu projektu: czy jest różnica między pomiarem kwestionariuszem, a grą?
+
+Tutaj jeszcze nie mam(y) klucza jak to policzyć ;-) Grupa _kartotwórcza_ musi go dostaczyć.
+
+Każda grupa pracuje na pliku `outputs/dane_polaczone_skale_tylko_eksperyment.csv`, czyli na osobach, które mają zarówno dane ankietowe, jak i wyniki eksperymentu.
+
+Główne wyniki eksperymentu:
+
+- `MFQ_*` w kwestionariuszu i w experymencie
+- `SILA_PRZEKONAN` - odsetek odpowiedzi bez zmiany; wyższy wynik oznacza stabilniejsze przekonania,
+- `zmiana_przekonania_n` - liczba stacji, na których osoba zmieniła przekonanie,
+- `zmiana_przekonania_prop` - odsetek stacji ze zmianą przekonania,
+- `wybor_final_stacja_01` do `wybor_final_stacja_24` - końcowy wybór A/B w poszczególnych stacjach.
+
+Wniosek ma być ostrożny. Dane są korelacyjne i mają małą liczebność.
+
+## Grupa 1 - Aprobata społeczna
+
+Pytanie badawcze: czy osoby z wyższą aprobatą społeczną mają bardziej stabilne przekonania moralne w eksperymencie?
+
+Zmienne:
+
+- predyktor: `APROBATA_SPOLECZNA`,
+- wyniki: `SILA_PRZEKONAN`.
+
+Analizy:
+
+- statystyki opisowe,
+- korelacja `APROBATA_SPOLECZNA` z `SILA_PRZEKONAN`,
+- korelacje z `zmiana_przekonania_n` i `zmiana_przekonania_prop`,
+- wykres punktowy dla `APROBATA_SPOLECZNA` i `SILA_PRZEKONAN`.
+
+## Grupa 2 - Neurotyczność i prospołeczność
+
+Pytanie badawcze: czy neurotyczność i prospołeczność wiążą się ze stabilnością przekonań moralnych w eksperymencie?
+
+Zmienne:
+
+- predyktory: `NEUROTYCZNOSC`, `PROSPOLECZNOSC`,
+- wyniki: `SILA_PRZEKONAN`.
+
+Analizy:
+
+- korelacje,
+- regresja liniowa z `SILA_PRZEKONAN` jako wynikiem,
+- porównanie kierunku zależności dla neurotyczności i prospołeczności.
+
+## Grupa 3 - Płeć i kierunek studiów
+
+Pytanie badawcze: czy płeć albo kierunek studiów różnicują przekonania moralne i siłę przekonań w eksperymencie?
+
+Zmienne:
+
+- grupy: `plec_etykieta`, `kierunek_grupa`,
+- wyniki: `SILA_PRZEKONAN`, `MFQ_TROSKA`, `MFQ_SPRAWIEDLIWOSC`, `MFQ_LOJALNOSC`, `MFQ_AUTORYTET`.
+
+Analizy:
+
+- tabele liczebności grup,
+- porównanie średnich między grupami,
+- jeśli grupy są małe: opisowo, bez mocnych wniosków,
+- jeśli grupy są wystarczające: test t, ANOVA albo test nieparametryczny.
+
+## Grupa 4 - Rodzeństwo
+
+Pytanie badawcze: czy liczba rodzeństwa wiąże się z przekonaniami moralnymi i ich stabilnością?
+
+Zmienne:
+
+- predyktor: `rodzenstwo`,
+- wyniki: `SILA_PRZEKONAN`,
+- zmienna pomocnicza: `PROSPOLECZNOSC`.
+
+Analizy:
+
+- sprawdzenie i opis zmiennej `rodzenstwo`,
+- korelacja liczby rodzeństwa z wynikami eksperymentu,
+- opcjonalnie podział na osoby bez rodzeństwa, z jednym rodzeństwem i z większą liczbą rodzeństwa.
+
+## Grupa 5 - Prospołeczność
+
+Pytanie badawcze: czy osoby bardziej prospołeczne mają wyższe wyniki w fundamentach troski i sprawiedliwości oraz stabilniejsze przekonania moralne?
+
+Zmienne:
+
+- predyktor: `PROSPOLECZNOSC`,
+- zmienne pomocnicze: `MFQ_TROSKA`, `MFQ_SPRAWIEDLIWOSC`,
+- wyniki: `SILA_PRZEKONAN`.
+
+Analizy:
+
+- rzetelność `PROSPOLECZNOSC`,
+- korelacje z wynikami eksperymentu,
+- korelacje z `MFQ_TROSKA` i `MFQ_SPRAWIEDLIWOSC`,
+- krótka interpretacja, czy prospołeczność bardziej wiąże się z przekonaniami czy z ich stabilnością.
+
+## Grupa 6 - Wiek
+
+Pytanie badawcze: czy wiek wiąże się z przekonaniami moralnymi i siłą przekonań?
+
+Zmienne:
+
+- predyktor: `wiek`,
+- wyniki: `SILA_PRZEKONAN`, `MFQ_TROSKA`, `MFQ_SPRAWIEDLIWOSC`, `MFQ_LOJALNOSC`, `MFQ_AUTORYTET`.
+
+Analizy:
+
+- statystyki opisowe wieku,
+- korelacje wieku z wynikami eksperymentu,
+- opcjonalnie utworzenie grup wiekowych, np. do 22 lat i powyżej 22 lat,
+- porównanie wyników między grupami.
+
+Przy małej zmienności wieku nie formułuj mocnych wniosków o różnicach wiekowych.
+
+## Grupa 7 - Fundamenty moralne
+
+Pytanie badawcze: czy profile fundamentów moralnych z kwestionariusza wiążą się ze stabilnością przekonań w eksperymencie?
+
+Zmienne:
+
+- predyktory: `MFQ_TROSKA`, `MFQ_SPRAWIEDLIWOSC`, `MFQ_LOJALNOSC`, `MFQ_AUTORYTET`,
+- wyniki: `SILA_PRZEKONAN`.
+
+Analizy:
+
+- opis czterech skal `MFQ_*`,
+- korelacje z wynikami eksperymentu,
+- porównanie, który fundament najsilniej wiąże się ze stabilnością przekonań,
+- ostrożny wniosek.

outputs/dane_polaczone_skale_tylko_eksperyment.csv

@@ -0,0 +1,41 @@
+"id";"Autorytet";"Lojalność";"Sprawiedliwość";"Troska";"kod_dostepu";"data_zakonczenia";"zgoda_stacjonarna";"kod_uczestnika";"plec";"kierunek";"wiek";"rodzenstwo";"mfq_zn_1";"mfq_zn_2";"mfq_zn_3";"mfq_zn_4";"mfq_zn_6";"mfq_zn_13";"mfq_zn_12";"mfq_zn_11";"mfq_zn_10";"mfq_zn_9";"mfq_zn_8";"mfq_oc_16";"mfq_oc_17";"mfq_oc_18";"mfq_oc_19";"mfq_oc_21";"mfq_oc_22";"mfq_oc_23";"mfq_oc_24";"mfq_oc_26";"mfq_oc_27";"mfq_oc_28";"mfq_oc_29";"aprobata_1";"aprobata_3";"aprobata_8";"aprobata_23";"aprobata_11";"aprobata_13";"aprobata_14";"aprobata_16";"aprobata_20";"aprobata_22";"neuro_1";"neuro_2";"neuro_3";"neuro_4";"neuro_5";"neuro_6";"neuro_7";"neuro_8";"neuro_9";"neuro_10";"neuro_11";"neuro_12";"prospol_1";"prospol_2";"prospol_3";"prospol_4";"prospol_5";"prospol_6";"prospol_7";"prospol_8";"Z łatwością pożyczam pieniądze lub inne rzeczy.";"source_id";"source_type";"kierunek_clean";"plec_etykieta";"kierunek_grupa";"MFQ_TROSKA";"MFQ_SPRAWIEDLIWOSC";"MFQ_LOJALNOSC";"MFQ_AUTORYTET";"aprobata_score_1";"aprobata_score_3";"aprobata_score_8";"aprobata_score_23";"aprobata_score_11";"aprobata_score_13";"aprobata_score_14";"aprobata_score_16";"aprobata_score_20";"aprobata_score_22";"APROBATA_SPOLECZNA";"neuro_1r";"neuro_4r";"neuro_7r";"neuro_10r";"NEUROTYCZNOSC";"PROSPOLECZNOSC";"exp_n_stacji";"zmiana_przekonania_n";"zmiana_przekonania_prop";"SILA_PRZEKONAN";"wybor_surowy_stacja_01";"wybor_final_stacja_01";"zmiana_przekonania_stacja_01";"wybor_surowy_stacja_02";"wybor_final_stacja_02";"zmiana_przekonania_stacja_02";"wybor_surowy_stacja_03";"wybor_final_stacja_03";"zmiana_przekonania_stacja_03";"wybor_surowy_stacja_04";"wybor_final_stacja_04";"zmiana_przekonania_stacja_04";"wybor_surowy_stacja_05";"wybor_final_stacja_05";"zmiana_przekonania_stacja_05";"wybor_surowy_stacja_06";"wybor_final_stacja_06";"zmiana_przekonania_stacja_06";"wybor_surowy_stacja_07";"wybor_final_stacja_07";"zmiana_przekonania_stacja_07";"wybor_surowy_stacja_08";"wybor_final_stacja_08";"zmiana_przekonania_stacja_08";"wybor_surowy_stacja_09";"wybor_final_stacja_09";"zmiana_przekonania_stacja_09";"wybor_surowy_stacja_10";"wybor_final_stacja_10";"zmiana_przekonania_stacja_10";"wybor_surowy_stacja_11";"wybor_final_stacja_11";"zmiana_przekonania_stacja_11";"wybor_surowy_stacja_12";"wybor_final_stacja_12";"zmiana_przekonania_stacja_12";"wybor_surowy_stacja_13";"wybor_final_stacja_13";"zmiana_przekonania_stacja_13";"wybor_surowy_stacja_14";"wybor_final_stacja_14";"zmiana_przekonania_stacja_14";"wybor_surowy_stacja_15";"wybor_final_stacja_15";"zmiana_przekonania_stacja_15";"wybor_surowy_stacja_16";"wybor_final_stacja_16";"zmiana_przekonania_stacja_16";"wybor_surowy_stacja_17";"wybor_final_stacja_17";"zmiana_przekonania_stacja_17";"wybor_surowy_stacja_18";"wybor_final_stacja_18";"zmiana_przekonania_stacja_18";"wybor_surowy_stacja_19";"wybor_final_stacja_19";"zmiana_przekonania_stacja_19";"wybor_surowy_stacja_20";"wybor_final_stacja_20";"zmiana_przekonania_stacja_20";"wybor_surowy_stacja_21";"wybor_final_stacja_21";"zmiana_przekonania_stacja_21";"wybor_surowy_stacja_22";"wybor_final_stacja_22";"zmiana_przekonania_stacja_22";"wybor_surowy_stacja_23";"wybor_final_stacja_23";"zmiana_przekonania_stacja_23";"wybor_surowy_stacja_24";"wybor_final_stacja_24";"zmiana_przekonania_stacja_24"
+"bac875";2;7;8;7;"pub_144";"2026-05-01 14:09:45";1;"bac875";3;"Prawo";24;1;5;4;2;2;2;6;5;2;5;5;5;3;2;5;6;2;5;5;2;6;6;1;2;1;2;2;2;2;1;1;1;1;1;1;2;1;4;2;4;1;2;3;4;2;5;4;4;4;4;4;4;2;3;3;144;"public";"prawo";"mezczyzna";"inny";3,33333333333333;4,4;4;3,4;1;1;0;1;0;0;1;1;1;0;6;5;2;5;2;2,91666666666667;3,625;24;3;0,125;0,875;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"ab";"b";1;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"ba";"a";1;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"ba";"a";1
+"bar746";1;5;6;12;"pub_221";"2026-05-09 19:06:40";1;"Bar746";1;"Turystyka i rekreacja ";36;2;5;5;2;2;6;6;3;5;6;6;5;5;2;6;6;2;6;6;3;4;6;2;2;4;2;1;1;1;1;1;1;1;1;1;2;4;4;2;3;4;3;1;3;3;3;3;4;4;3;3;4;5;5;1;221;"public";"turystyka i rekreacja";"kobieta";"inny";4,5;4,4;4,5;3,8;0;1;1;0;1;0;1;1;1;0;6;5;2;2;3;2,75;3,875;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"ab";"b";1
+"bie766";3;6;5;10;"pub_218";"2026-05-09 16:21:50";1;"Bie766";3;"Brak";55;1;1;3;4;1;5;5;6;4;5;5;4;3;5;6;5;5;6;5;6;1;6;6;4;4;1;1;2;1;1;1;1;2;1;2;1;1;3;4;4;4;5;4;4;3;3;1;3;4;5;5;5;5;5;1;218;"public";"brak";"mezczyzna";;3,16666666666667;5,2;5;4,2;0;0;1;1;1;0;1;1;0;0;5;4;3;2;2;3;4,125;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"ba";"a";1;"ab";"b";1;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"cie646";0;6;7;11;"pub_220";"2026-05-09 19:07:23";1;"Cie646";3;;39;2;5;5;6;4;6;6;5;5;6;5;4;5;5;5;6;5;6;6;5;3;6;4;3;4;2;1;2;1;2;1;2;2;1;1;2;4;4;3;3;3;3;4;4;3;3;4;4;4;3;4;4;4;4;4;220;"public";;"mezczyzna";;4,83333333333333;5,4;5,16666666666667;4,6;0;1;1;1;1;1;1;0;0;0;6;5;2;3;2;3,08333333333333;3,875;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"dor968";0;6;7;11;"pub_387";"2026-05-18 17:40:54";1;"dor968";1;"Kognitywistyka ";19;;4;5;4;2;5;4;5;4;5;5;4;4;2;5;6;1;6;5;5;2;5;1;3;2;2;2;2;1;1;1;2;1;1;1;4;3;2;3;4;2;2;3;4;3;4;2;5;4;3;4;4;3;5;4;387;"public";"kognitywistyka";"kobieta";"kognitywistyka";3,33333333333333;4,6;3,83333333333333;4,2;0;1;0;1;1;0;1;0;1;0;5;5;4;4;2;3,41666666666667;3,75;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"ba";"a";1;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"ba";"a";1;"b";"b";0;"a";"a";0
+"drz917";2;6;6;10;"pub_132";"2026-04-30 20:17:02";1;"Drz917";3;;33;3;6;5;6;6;6;6;5;5;5;5;5;5;5;5;6;5;6;6;5;3;6;6;3;6;1;1;1;1;1;1;2;2;2;1;3;3;2;3;3;3;3;3;3;3;3;3;5;4;4;4;3;3;3;5;132;"public";;"mezczyzna";;5;5,4;5,66666666666667;5;0;0;1;0;1;0;1;0;0;1;4;5;4;3;3;3,25;3,625;24;0;0;1;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"dzi129";1;7;6;10;"pub_167";"2026-05-03 19:42:43";1;"Dzi129";1;"Architektura";20;1;5;4;4;2;6;5;4;4;5;6;1;4;5;4;6;5;6;5;3;4;5;3;3;4;2;1;1;1;2;1;1;2;2;1;2;3;4;3;2;3;3;3;4;4;5;3;5;5;5;5;5;5;5;4;167;"public";"architektura";"kobieta";"inny";4,66666666666667;4,8;3,66666666666667;4;0;1;1;0;1;1;1;1;0;1;7;5;2;3;2;3,08333333333333;4,75;24;0;0;1;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0
+"dzi424";1;7;4;12;"pub_169";"2026-05-03 19:46:47";1;"Dzi424";3;"Nauki polityczne";69;2;5;6;4;4;6;6;6;6;6;6;5;5;5;6;5;5;5;6;5;2;6;3;2;6;2;1;1;1;1;1;1;1;1;1;4;2;4;4;2;1;4;1;2;5;2;1;5;5;5;5;5;4;5;4;169;"public";"nauki polityczne";"mezczyzna";"inny";4,83333333333333;5,6;5;4,4;0;1;1;0;1;0;1;1;1;0;6;5;2;5;4;3,33333333333333;4,375;24;0;0;1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"dzi774";2;7;3;12;"pub_166";"2026-05-03 19:48:56";1;"Dzi774";1;"Zarządzanie finansami przedsiebiorstw";54;1;4;5;3;3;5;5;4;4;6;5;3;3;5;6;4;4;6;6;4;2;6;6;3;4;2;1;1;2;2;1;2;2;1;1;2;3;4;4;3;4;4;4;4;2;2;2;5;4;4;4;5;3;4;4;166;"public";"zarządzanie finansami przedsiebiorstw";"kobieta";"inny";3,66666666666667;5,2;4,83333333333333;3,8;0;1;1;0;0;1;1;0;0;0;4;5;2;2;2;2,91666666666667;3,875;24;4;0,166666666666667;0,833333333333333;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"ab";"b";1;"b";"b";0;"ab";"b";1;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"ba";"a";1;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"gor660";2;7;5;10;"pub_296";"2026-05-15 16:22:47";1;"gor660";3;;49;1;6;5;4;4;6;6;5;6;5;6;3;6;6;5;5;5;6;6;5;5;6;1;2;4;2;1;2;1;1;1;1;1;1;1;4;3;5;3;5;3;3;3;5;3;4;3;4;4;3;3;5;5;3;3;296;"public";;"mezczyzna";;5,66666666666667;5,6;4,16666666666667;4,4;0;1;1;1;1;0;1;1;1;0;7;5;1;3;1;3,16666666666667;3,75;24;0;0;1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0
+"gor786";3;3;8;10;"pub_215";"2026-05-09 16:06:00";1;"gor786";3;"Brak";28;4;4;4;1;1;6;6;3;6;4;5;4;6;5;6;6;2;6;6;2;1;6;6;4;5;2;1;1;1;2;1;1;1;1;2;5;4;2;4;2;3;5;2;2;4;2;1;4;4;4;4;4;3;4;2;215;"public";"brak";"mezczyzna";;4,16666666666667;4,8;4,83333333333333;3,6;0;1;1;0;1;1;1;1;1;0;7;4;4;3;4;3,58333333333333;3,5;24;3;0,125;0,875;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"a";"a";0;"b";"b";0;"ba";"a";1;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0
+"gor997";3;9;5;7;"pub_290";"2026-05-15 16:22:34";1;"gor997";1;;47;1;3;5;3;3;5;5;4;5;4;5;4;4;4;6;6;4;5;5;5;6;6;3;2;5;1;1;1;2;1;1;1;2;1;1;4;2;2;3;2;1;5;3;2;4;2;1;3;4;4;3;4;4;4;2;290;"public";;"kobieta";;4,5;4,8;4,33333333333333;4,2;0;0;1;0;0;0;1;1;0;0;3;5;4;5;4;3,58333333333333;3,375;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"ba";"a";1;"b";"b";0
+"gra314";2;5;7;10;"0sAweZoU";"2026-04-23 22:03:43";1;"gra314";1;"Brak";18;1;4;4;1;1;4;3;4;4;5;4;2;3;2;5;4;2;5;6;1;4;6;2;2;5;2;2;2;1;2;1;2;1;2;1;4;2;2;3;3;3;4;1;3;4;2;2;5;4;2;4;5;4;1;5;234;"individual";"brak";"kobieta";;3,5;4,2;3,16666666666667;2,4;0;1;0;1;1;1;1;0;1;1;7;5;4;3;3;3,16666666666667;3,375;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"a";"a";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0
+"gra380";2;7;7;8;"rFBsHOBO";"2026-04-24 21:57:57";1;"Gra380";3;;50;2;6;4;3;3;5;6;4;4;5;4;4;6;3;5;3;5;4;6;6;2;6;2;2;4;1;1;1;1;1;1;2;2;1;1;3;2;1;5;5;1;3;3;1;3;1;1;5;4;5;4;4;3;4;5;236;"individual";;"mezczyzna";;4,66666666666667;4,2;4,33333333333333;3,6;0;0;1;0;1;0;1;0;0;0;3;5;5;5;5;3,75;3,75;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"ba";"a";1
+"gra554";0;8;6;10;"5XmBH3Wm";"2026-04-24 21:41:24";1;"Gra554";1;;47;2;4;5;3;3;5;5;5;4;5;4;4;3;5;6;6;5;6;5;4;5;3;2;2;4;2;1;1;1;1;1;2;1;1;1;3;2;3;4;2;2;4;2;3;3;3;2;4;4;4;4;5;4;4;2;235;"individual";;"kobieta";;4,33333333333333;4,8;4,16666666666667;3,8;0;1;1;0;1;0;1;0;1;0;5;5;3;4;3;3,16666666666667;3,875;24;0;0;1;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"gra824";1;9;5;9;"pub_134";"2026-04-30 20:32:46";1;"Gra824";1;;31;3;5;4;3;3;4;4;3;4;5;4;3;4;4;5;5;4;5;4;3;3;5;3;2;5;1;1;1;2;1;1;1;1;2;1;1;4;2;2;5;4;2;3;4;4;4;2;4;4;4;4;4;5;3;4;134;"public";;"kobieta";;4;4,2;3,66666666666667;3,4;0;0;1;0;0;0;1;1;1;1;5;5;4;2;2;3,16666666666667;3,75;24;0;0;1;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0
+"grz977";4;8;4;8;"pub_191";"2026-05-05 21:36:52";1;"GRZ977";3;"Zarządzanie ";20;1;3;5;1;3;4;6;4;3;5;6;1;6;1;6;6;4;6;6;3;6;4;6;2;6;1;1;1;2;1;1;2;2;1;2;1;5;3;1;5;2;3;5;1;3;3;2;5;5;5;1;5;5;5;1;191;"public";"zarządzanie";"mezczyzna";"inny";4,33333333333333;4;4,33333333333333;4;0;0;1;0;0;0;1;0;0;0;2;4;3;4;5;3,5;4,125;24;1;0,0416666666666667;0,958333333333333;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"ba";"a";1;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0
+"jes790";4;7;4;9;"pub_202";"2026-05-06 12:37:15";1;"Jes790";3;"UAM, Fil. angielska ";19;1;5;5;2;1;5;6;2;4;6;6;3;6;6;6;4;4;6;6;2;1;6;5;2;1;1;2;1;1;1;1;1;1;1;1;1;2;5;2;3;3;1;1;3;2;4;3;5;5;5;5;5;5;5;4;202;"public";"uam, fil. angielska";"mezczyzna";"inny";4,16666666666667;5;4,66666666666667;3;1;0;0;0;1;0;1;1;1;0;5;5;1;3;3;2,33333333333333;4,75;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"a";"a";0;"ba";"a";1;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"ba";"a";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"kir308";3;5;7;9;"pub_151";"2026-05-01 14:15:46";1;"kir308";1;"położnictwo";18;2;5;3;2;2;4;5;5;6;6;6;3;6;4;6;5;5;3;6;4;3;6;3;2;3;2;1;1;2;2;1;2;2;2;1;2;2;4;3;4;3;4;4;4;4;3;4;4;4;4;4;4;4;3;1;151;"public";"położnictwo";"kobieta";"inny";4,83333333333333;4,2;4,16666666666667;3,8;0;1;1;0;0;1;1;0;0;1;5;5;2;3;2;3,16666666666667;3,875;24;4;0,166666666666667;0,833333333333333;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"ba";"a";1;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"a";"a";0;"a";"a";0
+"kos334";2;9;2;11;"pub_190";"2026-05-05 21:35:47";1;"KOS334";1;;16;1;6;6;1;2;6;3;2;5;3;5;2;4;4;4;4;4;6;3;2;5;5;5;5;2;2;1;2;1;2;1;2;2;2;1;1;5;5;1;5;5;1;4;3;1;5;5;5;5;5;5;5;5;3;3;190;"public";;"kobieta";;5;4,6;3;3,6;0;1;1;1;1;1;1;0;0;1;7;5;1;1;3;2,75;4,75;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"ba";"a";1;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0
+"kos353";3;7;8;6;"pub_193";"2026-05-05 21:42:59";2;"KOS353";1;;49;1;5;5;4;6;6;6;6;5;6;6;5;6;6;5;6;6;4;5;2;5;6;2;2;1;2;2;1;2;1;1;1;1;1;2;3;1;2;2;2;1;3;2;2;3;1;2;4;4;4;4;5;3;3;5;193;"public";;"kobieta";;5,5;5,4;4,5;4,4;1;1;0;0;0;0;1;1;1;0;5;4;4;5;4;2,83333333333333;3,625;24;3;0,125;0,875;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"ba";"a";1;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"ab";"b";1;"b";"b";0;"ba";"a";1;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0
+"kos710";3;9;8;4;"pub_194";"2026-05-05 21:43:53";1;"KOS710";3;;51;5;1;1;6;6;1;6;6;4;6;4;6;6;1;6;6;5;4;6;1;6;6;1;1;1;1;1;2;2;2;1;2;2;1;1;5;1;1;5;5;1;5;1;5;5;1;5;1;1;5;1;3;2;3;1;194;"public";;"mezczyzna";;3,83333333333333;3,6;5,16666666666667;3,6;1;0;1;1;0;1;1;0;0;0;5;5;5;5;1;3,66666666666667;2,625;24;0;0;1;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0
+"kow428";3;3;7;11;"pub_135";"2026-04-30 20:44:21";1;"Kow428";3;;50;3;6;5;6;4;6;6;5;5;5;5;3;5;5;6;5;3;6;6;5;2;6;5;2;6;1;1;1;2;1;1;1;1;1;1;3;2;5;4;3;2;4;5;4;4;3;2;5;5;5;5;5;4;5;4;135;"public";;"mezczyzna";;4,5;5,4;5,33333333333333;4,2;0;0;1;0;0;0;1;1;1;0;4;5;1;4;2;3,33333333333333;4,5;24;3;0,125;0,875;"a";"a";0;"a";"a";0;"ab";"b";1;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"ab";"b";1;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"ab";"b";1;"a";"a";0;"a";"a";0;"a";"a";0
+"koł832";5;5;6;8;"pub_152";"2026-05-01 14:18:40";1;"Koł832";3;"Międzynarodowe stosunki gospodarcze ";20;4;3;2;1;1;3;6;4;1;2;6;1;1;5;6;4;4;4;6;2;3;6;2;1;3;2;2;1;2;1;2;1;1;1;2;5;2;2;5;2;1;5;1;3;5;2;3;5;4;4;5;5;2;4;3;152;"public";"międzynarodowe stosunki gospodarcze";"mezczyzna";"inny";2,5;4,2;3,66666666666667;2,8;0;1;0;0;0;0;0;1;1;0;3;4;4;5;3;3,58333333333333;4;24;0;0;1;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0
+"kub839";1;6;7;10;"pub_168";"2026-05-03 19:45:39";1;"kub839";3;"Budownictwo";21;1;4;5;3;4;5;5;6;3;5;6;1;4;5;5;3;4;6;6;2;1;6;4;1;2;1;1;1;2;2;1;2;1;2;1;2;4;2;3;4;3;5;3;4;3;5;4;4;4;5;2;5;4;3;3;168;"public";"budownictwo";"mezczyzna";"inny";3,5;5,6;4;3,2;0;0;1;0;0;1;1;0;1;1;5;5;4;3;2;3,58333333333333;3,875;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"ba";"a";1;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"lak777";2;5;9;8;"pub_294";"2026-05-15 16:29:14";1;"lak 777";1;"Ekonomia organizacja pracy i zarządzania";73;6;6;5;3;3;5;6;6;4;5;6;4;5;6;5;5;5;5;6;2;1;6;3;3;4;2;2;1;2;1;1;1;2;1;2;3;1;1;1;1;1;2;2;2;2;1;1;5;5;4;3;2;3;4;2;294;"public";"ekonomia organizacja pracy i zarządzania";"kobieta";"inny";4,33333333333333;5,6;4,5;3,8;0;1;0;0;0;0;1;1;0;0;3;4;5;5;4;2,58333333333333;3,375;24;0;0;1;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0
+"lei395";5;4;6;9;"pub_153";"2026-05-01 14:33:08";1;"lei395";1;"Pedagogika przedszkolna i wczesnoszkolna";22;2;5;5;2;2;5;5;4;5;3;6;4;6;5;6;5;5;4;5;2;5;6;3;2;6;2;1;1;2;1;1;1;2;1;1;1;4;5;1;4;4;2;4;3;2;2;5;5;5;5;4;5;5;3;4;153;"public";"pedagogika przedszkolna i wczesnoszkolna";"kobieta";"inny";5,16666666666667;4,8;4,16666666666667;3,4;0;1;1;0;0;0;1;1;0;0;4;5;1;2;3;2,58333333333333;4,625;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"ba";"a";1
+"lew334";6;3;8;7;"pub_145";"2026-05-01 14:15:47";1;"lew334";1;"Wychowanie Fizyczne";19;0;5;6;4;2;6;5;4;5;6;6;4;5;5;6;5;3;6;5;5;6;6;4;1;4;1;2;1;1;1;1;1;2;1;2;4;2;3;2;1;2;4;2;1;4;5;4;5;5;5;5;5;4;5;4;145;"public";"wychowanie fizyczne";"kobieta";"inny";5;5,4;4,66666666666667;3,8;0;0;0;0;1;0;1;1;0;0;3;4;3;4;5;3,33333333333333;4,75;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"ba";"a";1;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0
+"mac353";3;6;6;9;"pub_214";"2026-05-08 18:36:46";1;"Mac353";1;;28;2;5;5;1;1;4;4;2;3;5;5;1;4;5;5;4;2;6;5;3;2;4;5;2;2;2;1;2;1;1;1;2;2;2;1;3;2;5;2;5;3;4;3;5;2;2;2;3;4;4;3;3;3;3;5;214;"public";;"kobieta";;3,33333333333333;4,4;3,5;3;0;1;1;1;1;0;1;0;0;1;6;5;1;3;1;2,75;3,125;24;0;0;1;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"maj377";3;7;6;8;"OPAsKnFh";"2026-04-25 11:47:06";1;"MAJ377";3;"Ukończone (dietetyka)";25;0;5;4;3;2;6;4;2;6;4;5;2;5;5;5;6;4;6;6;3;4;6;3;4;5;1;1;1;1;1;1;2;2;1;2;2;1;1;4;2;1;4;1;2;4;2;1;5;5;5;4;5;4;4;4;237;"individual";"ukończone (dietetyka)";"mezczyzna";"inny";5;4,6;3,83333333333333;4;0;0;1;0;1;0;1;0;0;0;3;4;5;5;4;3,16666666666667;4,125;24;1;0,0416666666666667;0,958333333333333;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"ab";"b";1;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0
+"mas290";2;6;5;11;"pub_211";"2026-05-08 18:40:56";1;"mas290";1;;26;1;5;3;1;1;6;5;4;5;5;6;2;4;5;6;5;5;5;6;2;4;6;4;2;4;1;2;1;2;1;2;2;2;1;2;1;4;3;4;4;2;2;3;4;2;4;2;4;5;4;4;5;5;5;4;211;"public";;"kobieta";;4,83333333333333;4,6;4;3,2;0;0;0;0;0;0;0;0;0;0;0;4;3;4;2;3,08333333333333;4,25;24;0;0;1;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"now899";1;6;7;10;"pub_213";"2026-05-08 18:41:32";1;"NOW899";1;;27;2;4;4;3;4;5;5;4;3;4;5;2;3;3;4;5;4;4;5;2;2;4;3;2;4;1;2;1;1;2;1;1;2;1;2;4;2;3;4;2;1;4;3;2;4;1;2;5;5;4;4;4;3;2;1;213;"public";;"kobieta";;3,5;3,8;3,66666666666667;3,6;0;0;0;0;1;1;1;1;0;0;4;4;3;5;4;3,33333333333333;3,625;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"ab";"b";1;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"ab";"b";1;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"rna528";4;7;5;8;"pub_300";"2026-05-15 16:46:32";1;"RNA 528";1;"Telekomunikacja";72;2;6;6;5;5;5;6;5;5;6;6;4;5;6;4;6;4;4;4;4;5;6;1;4;1;2;1;1;2;2;1;2;1;2;1;1;5;5;1;1;1;1;4;3;3;1;1;3;5;4;4;3;3;5;1;300;"public";"telekomunikacja";"kobieta";"inny";5;5,4;4;5;1;1;1;0;0;1;1;0;1;1;7;5;1;5;3;2,58333333333333;3,5;24;2;0,0833333333333333;0,916666666666667;"a";"a";0;"a";"a";0;"a";"a";0;"ba";"a";1;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"ba";"a";1;"b";"b";0
+"shy933";1;5;7;11;"pub_385";"2026-05-18 17:37:09";1;"Shy933";1;"Psychologia ";20;1;6;3;5;1;5;4;5;2;4;6;2;2;2;6;4;2;5;6;5;2;5;1;2;5;2;1;1;1;1;1;1;2;2;1;4;2;4;4;5;1;4;4;2;2;2;1;5;5;2;4;4;5;5;1;385;"public";"psychologia";"kobieta";"psychologia";3,16666666666667;4;4;3,6;0;1;1;0;1;0;1;1;0;1;6;5;2;5;4;3,58333333333333;3,875;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"ba";"a";1;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"sio609";2;7;5;10;"pub_204";"2026-05-06 12:30:22";1;"Sio609";3;"Filologia angielska ";20;2;6;5;2;2;5;5;3;4;5;6;3;4;5;6;2;2;6;6;3;1;5;4;4;1;2;1;1;1;1;1;2;2;1;1;2;3;5;2;3;2;3;4;4;3;2;5;5;4;4;3;5;5;3;1;204;"public";"filologia angielska";"mezczyzna";"inny";3,66666666666667;4,8;4,33333333333333;3,4;1;1;1;0;1;0;1;0;0;0;5;5;1;4;2;2,83333333333333;4,25;24;3;0,125;0,875;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"ba";"a";1;"b";"b";0;"b";"b";0;"b";"b";0;"ab";"b";1;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"ba";"a";1;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"ste307";1;9;4;10;"pub_212";"2026-05-08 18:43:28";1;"Ste307";3;"-";26;1;3;3;3;2;5;5;4;5;5;5;3;5;5;5;6;4;5;6;3;4;6;4;3;2;2;1;2;1;1;1;2;2;1;1;2;2;2;2;3;3;4;4;4;2;2;2;4;5;4;4;4;4;4;1;212;"public";"-";"mezczyzna";;4,33333333333333;4,6;4,33333333333333;3,8;0;1;1;1;1;0;1;0;0;0;5;5;4;3;2;2,91666666666667;3,875;24;0;0;1;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0
+"szu955";3;7;6;8;"pub_131";"2026-04-30 20:25:30";1;"Szu955";3;;22;3;5;6;3;5;5;5;4;6;4;4;3;5;5;6;6;5;5;6;4;6;6;5;3;6;2;1;1;1;1;1;2;2;2;1;4;4;2;3;2;2;5;2;3;5;1;4;5;5;5;5;5;4;4;3;131;"public";;"mezczyzna";;5,33333333333333;5,2;4,66666666666667;4,4;0;1;1;0;1;0;1;0;0;1;5;5;4;4;3;3,5;4,625;24;0;0;1;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0
+"szy295";6;4;7;7;"pub_149";"2026-05-01 14:26:35";1;"szy295";3;"Farmacja";21;2;6;6;2;3;6;4;3;5;4;5;2;4;5;5;5;5;4;5;2;2;5;2;4;4;2;2;1;1;2;1;1;1;1;1;1;4;4;2;4;5;1;3;4;2;5;5;5;5;5;4;5;4;3;1;149;"public";"farmacja";"mezczyzna";"inny";4,66666666666667;4,6;3,33333333333333;3,8;0;1;0;0;1;1;1;1;1;0;6;5;2;1;2;2,66666666666667;4,5;24;0;0;1;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0
+"ter996";3;5;6;10;"pub_386";"2026-05-18 17:38:24";1;"ter996";1;"Filologia angielsko-celtycka";20;2;3;4;6;2;5;4;5;3;6;5;2;3;5;6;5;2;5;3;2;2;4;3;2;2;1;2;2;1;1;2;1;2;1;1;1;2;5;2;5;2;2;1;2;4;1;5;4;4;4;3;4;3;2;1;386;"public";"filologia angielsko-celtycka";"kobieta";"inny";3;4,6;4;3,2;0;0;0;1;1;0;0;1;0;0;3;5;1;4;4;2,66666666666667;3,625;24;1;0,0416666666666667;0,958333333333333;"a";"a";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"ba";"a";1;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0;"b";"b";0;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0
+"zaz913";2;7;6;9;"pub_388";"2026-05-18 17:36:27";1;"Zaz913";1;"Psychologia ";19;1;5;4;5;2;5;1;6;5;6;6;1;5;5;6;6;3;6;6;1;2;6;5;2;5;2;1;1;1;1;1;1;2;1;1;1;4;5;1;5;2;1;4;5;1;1;5;4;5;5;5;5;5;4;2;388;"public";"psychologia";"kobieta";"psychologia";4,16666666666667;5,4;4;3,4;0;1;1;0;1;0;1;1;0;0;5;5;1;4;1;2,41666666666667;4,75;24;3;0,125;0,875;"a";"a";0;"a";"a";0;"ab";"b";1;"a";"a";0;"b";"b";0;"a";"a";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"ab";"b";1;"b";"b";0;"a";"a";0;"a";"a";0;"b";"b";0;"b";"b";0;"b";"b";0;"b";"b";0;"a";"a";0;"ab";"b";1;"b";"b";0;"a";"a";0;"b";"b";0;"a";"a";0

outputs/raport_przygotowania.txt

@@ -0,0 +1,9 @@
+Plik ankietowy: badanie_18_wyniki_20260519_192209.csv
+Plik JSON: badanie_18_pytania_20260514_212146.json
+Plik eksperymentu: Plan badania kartami(Wyniki gry).csv
+Liczba wierszy w ankiecie: 58
+Liczba kodow w eksperymencie: 42
+Liczba wierszy po polaczeniu: 58
+Liczba wierszy z wynikami eksperymentu: 40
+Zdublowane kody w ankiecie: brak
+

przygotuj_dane.R

@@ -0,0 +1,359 @@
+# Przygotowanie danych do analiz projektu moralnosci
+#
+library(dplyr)
+setwd("~/Documents/Uczelnie/Dydaktyczne/Empiryczna/UAM 26/moralnosc")
+
+# Skrypt:
+# 1. czyta surowe dane ankietowe,
+# 2. czyta wyniki eksperymentu karcianego,
+# 3. laczy zbiory po kodzie uczestnika,
+# 4. przelicza zmienne skalowe opisane w pliku JSON,
+# 5. zapisuje gotowe pliki CSV w katalogu outputs/.
+#
+# Uruchomienie z katalogu analiza-md:
+# Rscript przygotuj_dane.R
+
+args <- commandArgs(trailingOnly = FALSE)
+file_arg <- grep("^--file=", args, value = TRUE)
+base_dir <- if (length(file_arg) > 0) {
+  dirname(normalizePath(sub("^--file=", "", file_arg[1])))
+} else {
+  getwd()
+}
+
+path <- function(...) file.path(base_dir, ...)
+
+survey_file <- path("dane/badanie_18_wyniki_20260519_192209.csv")
+experiment_file <- path("dane/Plan badania kartami(Wyniki gry).csv")
+json_file <- path("dane/badanie_18_pytania_20260514_212146.json")
+output_dir <- path("outputs")
+
+dir.create(output_dir, showWarnings = FALSE)
+
+clean_code <- function(x) {
+  x <- tolower(trimws(as.character(x)))
+  gsub("\\s+", "", x)
+}
+
+to_num <- function(x) {
+  x <- trimws(as.character(x))
+  x[x %in% c("", "NA", "NaN")] <- NA
+  x[x %in% c("Brak", "brak", "-", "brak danych")] <- NA
+  suppressWarnings(as.numeric(gsub(",", ".", x, fixed = TRUE)))
+}
+
+row_mean <- function(data, vars) {
+  out <- rowMeans(data[, vars, drop = FALSE], na.rm = TRUE)
+  out[is.nan(out)] <- NA_real_
+  out
+}
+
+row_sum <- function(data, vars) {
+  out <- rowSums(data[, vars, drop = FALSE], na.rm = TRUE)
+  all_missing <- rowSums(!is.na(data[, vars, drop = FALSE])) == 0
+  out[all_missing] <- NA_real_
+  out
+}
+
+rev_score <- function(x, max_value) {
+  ifelse(is.na(x), NA_real_, max_value + 1 - x)
+}
+
+survey <- read.csv2(
+  survey_file,
+  stringsAsFactors = FALSE,
+  check.names = FALSE,
+  fileEncoding = "UTF-8-BOM",
+  na.strings = c("", "NA")
+)
+
+head(survey)
+colnames(survey)
+
+# Nazwy ponizej odpowiadaja kolejnosci pytan opisanej w pliku JSON.
+short_names <- c(
+  "kod_dostepu",
+  "data_zakonczenia",
+  "zgoda_stacjonarna",
+  "kod_uczestnika",
+  "plec",
+  "kierunek",
+  "wiek",
+  "rodzenstwo",
+  # numeracja z oryginalnych skal, niektóre skale zastosowano krótsze
+  paste0("mfq_zn_", c(1, 2, 3, 4, 6, 13, 12, 11, 10, 9, 8)),
+  paste0("mfq_oc_", c(16, 17, 18, 19, 21, 22, 23, 24, 26, 27, 28, 29)),
+  # klucz:
+  # Troska/krzywda 1,6,11,16,21,26
+  # Sprawiedliwość/oszustwo 2,7,12,17,22,27
+  # Lojalność/zdrada 3,8,13,18,23,28
+  # Autorytet/kwestionowanie władzy 4,9,14,19,24,29
+  paste0("aprobata_", c(1, 3, 8, 23, 11, 13, 14, 16, 20, 22)),
+  # klucz: 1P, 2F, 3F, 4P, 5F, 6P, 7F, 8P, 9F, 10P, 11P, 12F, 13F, 14P, 15P, 16P, 17P, 18F, 19P, 20P, 21P, 22F, 23F, 24P, 25F, 26P, 27F, 28F, 29P
+  paste0("neuro_", 1:12),
+  # odwrócone 1, 4, 7 ,10
+  paste0("prospol_", 1:8)
+)
+
+names(survey)[seq_along(short_names)] <- short_names
+
+# usuwanie kolumn mierzących czas
+time_cols <- grepl(" - Czas \\[s\\]$", names(survey))
+survey <- survey[, !time_cols, drop = FALSE]
+
+# poprawianie kodów
+survey$kod_uczestnika_clean <- clean_code(survey$kod_uczestnika)
+survey$kierunek_clean <- tolower(trimws(survey$kierunek))
+survey$wiek <- to_num(survey$wiek)
+
+# rodzenstwo na cyfry
+rodzenstwo_txt <- trimws(as.character(survey$rodzenstwo))
+rodzenstwo_txt[tolower(rodzenstwo_txt) == "brak"] <- "0"
+survey$rodzenstwo <- to_num(rodzenstwo_txt)
+
+# płeć na kategorie
+survey$plec_etykieta <- ifelse(
+  survey$plec == 1, "kobieta",
+  ifelse(survey$plec == 2, "osoba niebinarna",
+    ifelse(survey$plec == 3, "mezczyzna",
+      ifelse(survey$plec == 4, "inna", NA)
+    )
+  )
+)
+
+# dodatkowo kierunek
+survey$kierunek_grupa <- ifelse(
+  grepl("psycholog", survey$kierunek_clean), "psychologia",
+  ifelse(grepl("kognity", survey$kierunek_clean), "kognitywistyka",
+    ifelse(is.na(survey$kierunek_clean) | survey$kierunek_clean %in% c("", "-", "brak"), NA, "inny")
+  )
+)
+
+scale_vars <- c(
+  paste0("mfq_zn_", c(1, 2, 3, 4, 6, 13, 12, 11, 10, 9, 8)),
+  paste0("mfq_oc_", c(16, 17, 18, 19, 21, 22, 23, 24, 26, 27, 28, 29)),
+  paste0("aprobata_", c(1, 3, 8, 23, 11, 13, 14, 16, 20, 22)),
+  paste0("neuro_", 1:12),
+  paste0("prospol_", 1:8)
+)
+
+for (v in scale_vars) {
+  survey[[v]] <- to_num(survey[[v]])
+}
+
+# Moral Foundations Questionnaire: indeksy wedlug oryginalnej numeracji itemow.
+survey$MFQ_TROSKA <- row_mean(survey, c("mfq_zn_1", "mfq_zn_6", "mfq_zn_11", "mfq_oc_16", "mfq_oc_21", "mfq_oc_26"))
+survey$MFQ_SPRAWIEDLIWOSC <- row_mean(survey, c("mfq_zn_2", "mfq_zn_12", "mfq_oc_17", "mfq_oc_22", "mfq_oc_27"))
+survey$MFQ_LOJALNOSC <- row_mean(survey, c("mfq_zn_3", "mfq_zn_8", "mfq_zn_13", "mfq_oc_18", "mfq_oc_23", "mfq_oc_28"))
+survey$MFQ_AUTORYTET <- row_mean(survey, c("mfq_zn_4", "mfq_zn_9", "mfq_oc_19", "mfq_oc_24", "mfq_oc_29"))
+
+
+# Aprobata spoleczna: wynik dla dostepnych itemow wedlug klucza P/F.
+aprobata_items <- c(1, 3, 8, 23, 11, 13, 14, 16, 20, 22)
+aprobata_scores <- data.frame(matrix(NA_real_, nrow = nrow(survey), ncol = length(aprobata_items)))
+names(aprobata_scores) <- paste0("aprobata_score_", aprobata_items)
+
+positive_true <- c(1, 8, 11, 14, 16, 20)
+negative_false <- c(3, 13, 22, 23)
+
+for (i in positive_true) {
+  aprobata_scores[[paste0("aprobata_score_", i)]] <- ifelse(is.na(survey[[paste0("aprobata_", i)]]), NA_real_,
+    ifelse(survey[[paste0("aprobata_", i)]] == 1, 1, 0)
+  )
+}
+for (i in negative_false) {
+  aprobata_scores[[paste0("aprobata_score_", i)]] <- ifelse(is.na(survey[[paste0("aprobata_", i)]]), NA_real_,
+    ifelse(survey[[paste0("aprobata_", i)]] == 2, 1, 0)
+  )
+}
+
+survey <- cbind(survey, aprobata_scores)
+survey$APROBATA_SPOLECZNA <- row_sum(survey, names(aprobata_scores))
+
+# Neurotycznosc: itemy spokojne/odwrotne to 1,4,7,10.
+for (i in c(1, 4, 7, 10)) {
+  survey[[paste0("neuro_", i, "r")]] <- rev_score(survey[[paste0("neuro_", i)]], 5)
+}
+survey$NEUROTYCZNOSC <- row_mean(
+  survey,
+  c(
+    "neuro_1r", "neuro_2", "neuro_3", "neuro_4r", "neuro_5", "neuro_6",
+    "neuro_7r", "neuro_8", "neuro_9", "neuro_10r", "neuro_11", "neuro_12"
+  )
+)
+
+survey$PROSPOLECZNOSC <- row_mean(survey, paste0("prospol_", 1:8))
+
+# Wyniki eksperymentu karcianego.
+experiment_raw <- read.csv2(
+  experiment_file,
+  stringsAsFactors = FALSE,
+  check.names = FALSE,
+  fileEncoding = "UTF-8-BOM",
+  fill = TRUE
+)
+
+names(experiment_raw) <- trimws(names(experiment_raw))
+names(experiment_raw)[1] <- "stacja"
+experiment_raw <- experiment_raw[grepl("^stacaja_|^stacja_", experiment_raw$stacja), , drop = FALSE]
+
+participant_cols <- setdiff(names(experiment_raw), "stacja")
+participant_cols <- participant_cols[nzchar(trimws(participant_cols))]
+
+clean_choice <- function(x) {
+  x <- tolower(trimws(as.character(x)))
+  x <- gsub("\\s+", "", x)
+  x[!(x %in% c("a", "b", "ab", "ba"))] <- NA
+  x
+}
+
+experiment_long <- do.call(rbind, lapply(participant_cols, function(code) {
+  choices <- clean_choice(experiment_raw[[code]])
+  data.frame(
+    kod_uczestnika_clean = clean_code(code),
+    stacja = seq_along(choices),
+    wybor_surowy = choices,
+    stringsAsFactors = FALSE
+  )
+}))
+
+experiment_long$stacja_id <- sprintf("stacja_%02d", experiment_long$stacja)
+experiment_long$wybor_final <- ifelse(
+  experiment_long$wybor_surowy %in% c("a", "ba"), "a",
+  ifelse(experiment_long$wybor_surowy %in% c("b", "ab"), "b", NA)
+)
+experiment_long$zmiana_przekonania <- ifelse(
+  is.na(experiment_long$wybor_surowy), NA_real_,
+  ifelse(experiment_long$wybor_surowy %in% c("ab", "ba"), 1, 0)
+)
+experiment_long$silne_przekonanie <- ifelse(
+  is.na(experiment_long$wybor_surowy), NA_real_,
+  ifelse(experiment_long$wybor_surowy %in% c("a", "b"), 1, 0)
+)
+
+experiment_summary <- do.call(rbind, lapply(split(experiment_long, experiment_long$kod_uczestnika_clean), function(d) {
+  n_valid <- sum(!is.na(d$wybor_final))
+  data.frame(
+    kod_uczestnika_clean = d$kod_uczestnika_clean[1],
+    exp_n_stacji = n_valid,
+    zmiana_przekonania_n = sum(d$zmiana_przekonania == 1, na.rm = TRUE),
+    zmiana_przekonania_prop = ifelse(n_valid > 0, mean(d$zmiana_przekonania, na.rm = TRUE), NA_real_),
+    SILA_PRZEKONAN = ifelse(n_valid > 0, mean(d$silne_przekonanie, na.rm = TRUE), NA_real_),
+    stringsAsFactors = FALSE
+  )
+}))
+
+experiment_wide <- reshape(
+  experiment_long[, c("kod_uczestnika_clean", "stacja_id", "wybor_surowy", "wybor_final", "zmiana_przekonania")],
+  idvar = "kod_uczestnika_clean",
+  timevar = "stacja_id",
+  direction = "wide"
+)
+
+names(experiment_wide) <- gsub("\\.", "_", names(experiment_wide))
+
+experiment_prepared <- merge(
+  experiment_summary,
+  experiment_wide,
+  by = "kod_uczestnika_clean",
+  all.x = TRUE,
+  sort = FALSE
+)
+
+merged <- merge(
+  survey,
+  experiment_prepared,
+  by = "kod_uczestnika_clean",
+  all.x = TRUE,
+  sort = FALSE
+)
+
+matched <- merged[!is.na(merged$exp_n_stacji), , drop = FALSE]
+
+# liczenie fundamentów z gry
+
+library(tidyverse)
+
+# klucz stacji z pliku markdown
+klucz_stacji <- readr::read_tsv("stacje.md", show_col_types = FALSE) |>
+  setNames(c("stacja", "fundament_a", "fundament_b")) |>
+  mutate(
+    negatywna = str_detect(stacja, "-"),
+    stacja = as.integer(str_remove(stacja, "-"))
+  )
+
+
+score_ipsatywne_fundamenty <- function(dane,
+                                       klucz = klucz_stacji,
+                                       id_col = "kod_uczestnika_clean",
+                                       negative_weight = 1) {
+  fundamenty <- c("Troska", "Sprawiedliwość", "Lojalność", "Autorytet")
+  
+  long <- dane |>
+    dplyr::select(dplyr::all_of(id_col), dplyr::matches("^wybor_final_stacja_\\d+$")) |>
+    tidyr::pivot_longer(
+      cols = dplyr::matches("^wybor_final_stacja_\\d+$"),
+      names_to = "stacja_col",
+      values_to = "wybor"
+    ) |>
+    dplyr::mutate(
+      id = .data[[id_col]],
+      stacja = as.integer(stringr::str_extract(stacja_col, "\\d+")),
+      wybor = stringr::str_to_lower(as.character(wybor))
+    ) |>
+    dplyr::left_join(klucz, by = "stacja") |>
+    dplyr::filter(wybor %in% c("a", "b")) |>
+    dplyr::mutate(
+      winner = dplyr::case_when(
+        wybor == "a" & !negatywna ~ fundament_a,
+        wybor == "b" & !negatywna ~ fundament_b,
+        wybor == "a" &  negatywna ~ fundament_b,
+        wybor == "b" &  negatywna ~ fundament_a
+      ),
+      punkty = dplyr::if_else(negatywna, negative_weight, 1)
+    )
+  
+  wyniki_raw <- long |>
+    dplyr::group_by(id, winner) |>
+    dplyr::summarise(punkty = sum(punkty), .groups = "drop") |>
+    tidyr::pivot_wider(
+      names_from = winner,
+      values_from = punkty,
+      values_fill = 0
+    ) |> dplyr::arrange(id)
+  
+  wyniki_raw
+}
+
+
+
+profil_fundamentow <- score_ipsatywne_fundamenty(matched, negative_weight = 1) |>
+  left_join(matched, by = c("id" = "kod_uczestnika_clean"))
+
+
+
+# zapis
+write.csv2(merged, path("outputs", "dane_polaczone_skale.csv"), row.names = FALSE, na = "")
+write.csv2(profil_fundamentow, path("outputs", "dane_polaczone_skale_tylko_eksperyment.csv"), row.names = FALSE, na = "")
+write.csv2(experiment_long, path("outputs", "wyniki_eksperymentu_long.csv"), row.names = FALSE, na = "")
+write.csv2(experiment_prepared, path("outputs", "wyniki_eksperymentu_podsumowanie.csv"), row.names = FALSE, na = "")
+
+duplicate_codes <- unique(survey$kod_uczestnika_clean[duplicated(survey$kod_uczestnika_clean)])
+duplicate_codes <- duplicate_codes[!is.na(duplicate_codes) & nzchar(duplicate_codes)]
+
+report <- c(
+  paste0("Plik ankietowy: ", basename(survey_file)),
+  paste0("Plik JSON: ", basename(json_file)),
+  paste0("Plik eksperymentu: ", basename(experiment_file)),
+  paste0("Liczba wierszy w ankiecie: ", nrow(survey)),
+  paste0("Liczba kodow w eksperymencie: ", length(unique(experiment_summary$kod_uczestnika_clean))),
+  paste0("Liczba wierszy po polaczeniu: ", nrow(merged)),
+  paste0("Liczba wierszy z wynikami eksperymentu: ", nrow(matched)),
+  paste0("Zdublowane kody w ankiecie: ", ifelse(length(duplicate_codes) == 0, "brak", paste(duplicate_codes, collapse = ", "))),
+  ""
+)
+
+writeLines(report, path("outputs", "raport_przygotowania.txt"), useBytes = TRUE)
+
+cat(paste(report, collapse = "\n"))
+cat("\n")

stacje.md

@@ -0,0 +1,25 @@
+Stacja	Fundament A	Fundament B
+1	Troska	Autorytet
+2	Sprawiedliwość	Lojalność
+3-	Troska	Autorytet
+4	Troska	Lojalność
+5-	Sprawiedliwość	Autorytet
+6	Lojalność	Autorytet
+7-	Troska	Sprawiedliwość
+8	Troska	Sprawiedliwość
+9-	Lojalność	Autorytet
+10-	Troska	Lojalność
+11	Sprawiedliwość	Autorytet
+12	Sprawiedliwość	Lojalność
+13	Autorytet	Troska
+14-	Autorytet	Lojalność
+15-	Troska	Sprawiedliwość
+16-	Troska	Autorytet
+17	Troska	Lojalność
+18	Sprawiedliwość	Troska
+19	Lojalność	Autorytet
+20-	Sprawiedliwość	Lojalność
+21-	Troska	Lojalność
+22-	Sprawiedliwość	Lojalność
+23-	Sprawiedliwość	Autorytet
+24	Sprawiedliwość	Autorytet