Kontroller en KI-generert dataanalyse før du bruker resultatene

En KI-generert analyse er klar for faglig vurdering når du kan undersøke koden, følge datatransformasjonene og gjenskape resultatene fra en ren start. Begynn med en avgrenset analyse og test valg som kan påvirke resultatet uten at du merker det.

Last ned malene for forskningsarbeid, med redigerbare CSV-logger for evidensuttrekk, referansekontroll, kvalitativ kodegjennomgang og analysekontroll. Åpne dem i et regneark eller forskningsarbeidsområde.

Denne veiledningen er for forskere som bruker en assistent til å skrive R eller Python. Du trenger et analysespørsmål, en variabeloversikt, et godkjent datasett og fagkunnskap til å vurdere modellspesifikasjonen. Se arbeidsflyten for kodeagenter for oppsett.

Spesifiser analysen før du ber om kode

Oppgi observasjonsenhet, utfallsvariabel, forklaringsvariabler, inklusjonskriterier, håndtering av manglende verdier og planlagt analyse. Be assistenten liste uklarheter før implementering. Skill planlagte analyser fra senere utforskning i prosjektloggen.

Eksempel: «Én rad representerer en deltaker. Estimer sammenhengen mellom opplæringstimer og skår, justert for forhåndsbestemte bakgrunnsvariabler. Beskriv manglende data før modelltilpasning. Spør før du endrer eksklusjoner, transformasjoner eller spesifikasjon.»

Hvis analysen fortsatt utvikles, be om mulige fremgangsmåter og deres forutsetninger. Ta og dokumenter deretter beslutningen. At et skript kjører, dokumenterer ikke alene at statistikken passer forskningsspørsmålet.

Beskytt inndata og skill utdata fra dem

Behold rådata uendret. Bruk separate steder for kildedata, skript, bearbeidede data, figurer og logger. Dokumenter pakkeversjoner og kjøreinstruksjoner. Turing Ways veiledning om forskningskompendier forklarer hvordan skillet mellom inndata, metoder og genererte resultater gjør forskning enklere å kontrollere og gjenbruke.

Start med syntetiske eller godkjente eksempeldata når du utvikler kode. Gjennomgå koden før den får tilgang til sensitive data eller tillatelse til å endre filer. Bruk studiens godkjente datamiljø.

Test transformasjoner med små eksempler

Be om en dataoversikt med radantall, variabeltyper, manglende verdier, dupliserte identifikatorer og verdier utenfor forventede områder. Undersøk resultatet selv. Test deretter viktige transformasjoner på noen få rader du kan kontrollere for hånd.

Fiktivt eksempel: På et fempunktsledd skal skår 1 bli 5 ved reversering, og 5 bli 1. En manglende verdi skal fortsatt mangle dersom regelen bevarer manglende data. Slike kontroller gir mer informasjon enn å spørre assistenten om formelen ser riktig ut.

Ved kobling av tabeller teller du rader før og etter og undersøker nøkler uten treff. En mange-til-mange-kobling kan duplisere observasjoner. Ved omkoding viser du koblingen mellom gamle og nye verdier og kontrollerer at alle observerte verdier dekkes. Beregn ett lite gruppegjennomsnitt manuelt og sammenlign med koden.

Gjennomgå den statistiske spesifikasjonen

Sammenlign koden med planen. Kontroller referansekategori, transformasjon, analyseutvalg, vekter, klynging og usikkerhetsberegning der dette er relevant. Undersøk passende diagnostikk. Be assistenten forklare en kodelinje i lys av forskningsdesignet, og kontroller forklaringen.

Vurder om konklusjonene beskriver sammenheng eller kausal identifikasjon korrekt. Bevar effektstørrelser og usikkerhet. Dokumenter sensitivitetsanalyser og begrunnelsen for hver, og unngå å velge spesifikasjon bare fordi den gir ønsket signifikans.

Kjør analysen i en ren økt

Start språkøkten eller kjøremiljøet på nytt, og kjør prosjektets dokumenterte startpunkt. Kontroller at skriptet bare leser oppgitte inndata og gjenskaper rapporterte tabeller og figurer. Ved tilfeldighet dokumenterer du frø og relevante miljødetaljer. Nøyaktig gjenskaping kan også avhenge av programvare og maskinvare.

Turing Ways definisjoner skiller mellom å gjenta beregningen med samme data og kode og å undersøke funnet med nye data. Hold formålene atskilt i rapporteringen.

Behold en kontrolllogg

Bruk denne instruksjonen etter første implementering:

«Sammenlign skriptet med analyseplanen. List avvik, uoppgitte inndata, destruktive filoperasjoner, skjulte radeksklusjoner og antakelser som krever forskerens beslutning. Foreslå små kontroller med kjente forventede resultater. Bevar spesifikasjonen og rådataene. Forklar hva som fortsatt er ukontrollert.»

En annen modell kan foreslå flere kontroller, men modellenes enighet validerer ikke analysen. Kollegagjennomgang, relevant diagnostikk og manuelt kontrollerte eksempler gir ulike typer dokumentasjon.

Ferdig resultat: uendrede rådata, lesbar kode, dokumentert miljø, beståtte kontroller, gjenskapbare figurer og tabeller og en oversikt over forskergruppens beslutninger.

Utforsk læringsstiene. Original veiledning og fiktivt testeksempel, publisert 6. november 2026. Turing Way-kildene ble kontrollert samme dato.