# 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 przygotowuje 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 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. Zrób poradniki, które studenci zrozumieją i będą mogli krok po kroku przygotować dane do analizy.

Powstała instrukcja zawierająca odwołanie do skryptu, który genAI stworzył wcześniej i opis wynikowych zbiorów danych (zob. [instrukcja](instrukcja-przygotowanie-danych.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 nagłówka pliku wynikowego 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.