3.2 KiB
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. 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).
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. 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, 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.