ಘಟಕಗಳು
1. ಸಮಾಜಶಾಸ್ತ್ರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ, ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ದೃಢೀಕರಣ 2. ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆ, ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆ ಮತ್ತು ಪರಿಕಲ್ಪನಾ ಚೌಕಟ್ಟು 3. ಮಾದರಿ, ಪ್ರಾತಿನಿಧ್ಯ ಮತ್ತು ಪಕ್ಷಪಾತ 4. ಸಮೀಕ್ಷೆ ವಿನ್ಯಾಸ ಮತ್ತು ಪರಿಮಾಣಾತ್ಮಕ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ 5. ಗುಣಾತ್ಮಕ ಸಂದರ್ಶನ: ಪ್ರತಿಲೇಖನ, ಕೋಡಿಂಗ್ ಮತ್ತು ಥೀಮ್ ವಿಶ್ಲೇಷಣೆ 6. ಮಿಶ್ರ ವಿಧಾನಗಳು ಮತ್ತು ಡೇಟಾ ತ್ರಿಕೋನೀಕರಣ 7. ಡೇಟಾ ದೃಶ್ಯೀಕರಣ ಮತ್ತು ಸಂಶೋಧನೆಗಳ ಪ್ರಸ್ತುತಿ 8. ಸಂಶೋಧನಾ ನೀತಿಶಾಸ್ತ್ರ, ಗೌಪ್ಯತೆ ಮತ್ತು ಅನಾಮಧೇಯತೆ 9. ಪುನರುತ್ಪಾದನೆ ಮತ್ತು ಪಾರದರ್ಶಕ ಸಂಶೋಧನೆ 10. ವರದಿ ಮತ್ತು ಲೇಖನ ಬರವಣಿಗೆ; ಮೂಲ ಪರಿಶೀಲನೆ ಮತ್ತು ಭ್ರಮೆ 11. ಎಂಡ್-ಟು-ಎಂಡ್ ವರ್ಕ್‌ಫ್ಲೋ, ಆಡಳಿತ ಮತ್ತು ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆ
ಘಟಕ 7 / 11

ಡೇಟಾ ದೃಶ್ಯೀಕರಣ ಮತ್ತು ಸಂಶೋಧನೆಗಳ ಪ್ರಸ್ತುತಿ

ಲಾಭಗಳು:

  • ನೀವು ನೀಡಲು ಬಯಸುವ ಸಂದೇಶಕ್ಕೆ ಸೂಕ್ತವಾದ ಚಾರ್ಟ್ ಪ್ರಕಾರವನ್ನು ಆಯ್ಕೆ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ (ಹೋಲಿಕೆ, ಪ್ರವೃತ್ತಿ, ವಿತರಣೆ, ಸಂಬಂಧ)
  • ಗ್ರಾಫ್ ಅಡಿಯಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆಯು ತನ್ನದೇ ಆದ ನೈಜ ಡೇಟಾದಿಂದ ಬರುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವ ಮೂಲಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಮಾಡಲ್ಪಟ್ಟ ಡೇಟಾದೊಂದಿಗೆ ಗ್ರಾಫ್‌ಗಳನ್ನು ರಚಿಸುವುದನ್ನು ತಪ್ಪಿಸುವ ಸಾಮರ್ಥ್ಯ.
  • ಮುರಿದ ಅಕ್ಷ ಮತ್ತು ಅಸಮಾನ ಪ್ರಮಾಣದಂತಹ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ವಿನ್ಯಾಸಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಮತ್ತು ಪ್ರವೇಶಿಸಬಹುದಾದ, ಪ್ರಾಮಾಣಿಕ ದೃಶ್ಯಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯ

ಸಂಶೋಧನೆಯ ಸಂಶೋಧನೆ ಎಷ್ಟೇ ಗಟ್ಟಿಯಾಗಿದ್ದರೂ ಅದು ಅರ್ಥವಾಗದ ಹೊರತು ನಿಷ್ಪ್ರಯೋಜಕ. ಡೇಟಾ ದೃಶ್ಯೀಕರಣವು ಸಂಖ್ಯಾತ್ಮಕ ಮತ್ತು ವರ್ಗೀಯ ಡೇಟಾವನ್ನು ಗ್ರಾಫ್‌ಗಳು, ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಚಾರ್ಟ್‌ಗಳಿಗೆ ಸುರಿಯುವ ಕಲೆಯಾಗಿದೆ ಆದ್ದರಿಂದ ಓದುಗರು ಮಾದರಿಯನ್ನು ಒಂದು ನೋಟದಲ್ಲಿ ನೋಡಬಹುದು. ಒಂದು ಉತ್ತಮ ಚಾರ್ಟ್ ಒಂದೇ ಸಂದೇಶಕ್ಕೆ ಸಾವಿರಾರು ಸಾಲುಗಳ ಡೇಟಾವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ; ಒಂದು ಕೆಟ್ಟ ಚಾರ್ಟ್ ಸಹ ನಿಖರವಾದ ಡೇಟಾವನ್ನು ತಪ್ಪುದಾರಿಗೆಳೆಯುವಂತೆ ಮಾಡುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಸರಿಯಾದ ಚಾರ್ಟ್ ಪ್ರಕಾರ, ಡ್ರಾಫ್ಟ್ ದೃಶ್ಯೀಕರಣ ಕೋಡ್, ಕೋಷ್ಟಕಗಳನ್ನು ಸಂಘಟಿಸಲು ಮತ್ತು ಆವಿಷ್ಕಾರಗಳನ್ನು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲು AI ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ.

ದೃಶ್ಯೀಕರಣದಲ್ಲಿ AI ನ ಪಾತ್ರವು ಎರಡು ಪಟ್ಟು. ಮೊದಲನೆಯದು ಸಮಾಲೋಚನೆ: "ಈ ಡೇಟಾಗೆ ಯಾವ ಗ್ರಾಫ್ ಸೂಕ್ತವಾಗಿದೆ?" ಪ್ರಶ್ನೆಗೆ ಚೆನ್ನಾಗಿ ಉತ್ತರಿಸುತ್ತದೆ; ಉದಾಹರಣೆಗೆ ಎರಡು ವರ್ಗಗಳ ಹೋಲಿಕೆಗಾಗಿ ಬಾರ್ ಚಾರ್ಟ್, ಕಾಲಾನಂತರದಲ್ಲಿ ಬದಲಾವಣೆಗಾಗಿ ಲೈನ್ ಚಾರ್ಟ್, ಮತ್ತು - ಎಚ್ಚರಿಕೆಯಿಂದ ಬಳಸಿದರೆ - ಇಡೀ ಭಾಗಗಳಿಗೆ ಪೈ ಚಾರ್ಟ್. ಎರಡನೆಯದು ಕೋಡ್ ಉತ್ಪಾದನೆ: R (ggplot2) ಅಥವಾ ಪೈಥಾನ್ (ಮ್ಯಾಟ್‌ಪ್ಲಾಟ್ಲಿಬ್, ಸೀಬಾರ್ನ್) ನಂತಹ ಸಾಧನಗಳಿಗೆ ಗ್ರಾಫಿಕಲ್ ಕೋಡ್ ಅನ್ನು ರಚಿಸುವುದು. ಆದರೆ ಜಾಗರೂಕರಾಗಿರಿ: AI ಉತ್ಪಾದಿಸುವ ಗ್ರಾಫ್‌ನ ಕೆಳಗಿನ ಸಂಖ್ಯೆಗಳು ನಿಮ್ಮ ನೈಜ ಡೇಟಾದಿಂದ ಬರಬೇಕು; "ಮಾದರಿ ಡೇಟಾ" ದೊಂದಿಗೆ AI ಉತ್ಪಾದಿಸುವ ಉತ್ತಮ ಗ್ರಾಫ್ ನಿಮ್ಮ ಅನ್ವೇಷಣೆಯಲ್ಲ. ಹೆಚ್ಚುವರಿಯಾಗಿ, AI ತಿಳಿಯದೆ ದಾರಿತಪ್ಪಿಸುವ ಗ್ರಾಫ್ ಅನ್ನು ಸೂಚಿಸಬಹುದು (ಡ್ಯಾಶ್ ಮಾಡಿದ ಅಕ್ಷ, ಅಸಮಾನ ಪ್ರಮಾಣದ); ಸಮಗ್ರತೆಯ ಪರಿಶೀಲನೆ ನಿಮ್ಮದಾಗಿದೆ.

ಹಂತ ಹಂತವಾಗಿ: ಡೇಟಾದಿಂದ ಪ್ರಾಮಾಣಿಕ ಚಾರ್ಟ್‌ಗೆ

1. ಸಂದೇಶವನ್ನು ಗುರುತಿಸಿ. ಪ್ರತಿಯೊಂದು ಚಾರ್ಟ್ ಒಂದೇ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಬೇಕು: "ನಾನು ಏನನ್ನು ತೋರಿಸಲು ಬಯಸುತ್ತೇನೆ?" ಹೋಲಿಕೆ, ಪ್ರವೃತ್ತಿ, ವಿತರಣೆ, ಸಂಬಂಧ? ಸಂದೇಶವು ಸ್ಪಷ್ಟವಾಗುವವರೆಗೆ ಚಾರ್ಟ್ ಪ್ರಕಾರವನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗುವುದಿಲ್ಲ.

2. ಸರಿಯಾದ ಚಾರ್ಟ್ ಪ್ರಕಾರವನ್ನು ಆರಿಸಿ. ಸಂದೇಶವನ್ನು ಅವಲಂಬಿಸಿ ಪ್ರಕಾರವು ಬದಲಾಗುತ್ತದೆ. AI ಪ್ರಶ್ನೆಗೆ ತರ್ಕಬದ್ಧ ಸಲಹೆಗಳನ್ನು ನೀಡುತ್ತದೆ "ನಾನು ಈ ಸಂದೇಶದೊಂದಿಗೆ ಈ ಡೇಟಾವನ್ನು ತೋರಿಸಲು ಬಯಸುತ್ತೇನೆ, ಯಾವ ಗ್ರಾಫ್?"

3. ಸಮಗ್ರತೆಯ ನಿಯಮಗಳನ್ನು ಅನ್ವಯಿಸಿ. ಅಕ್ಷವು ಶೂನ್ಯದಿಂದ ಪ್ರಾರಂಭವಾಗಬೇಕೇ, ಪ್ರಮಾಣವು ಅನುಪಾತದಲ್ಲಿದೆಯೇ, ಬಣ್ಣಗಳು ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತಿವೆಯೇ? ಚಾರ್ಟ್ ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

4. ಡ್ರಾಫ್ಟ್ ಕೋಡ್ ಮತ್ತು ಅದನ್ನು ನಿಮ್ಮ ಡೇಟಾದೊಂದಿಗೆ ರನ್ ಮಾಡಿ. AI ಗ್ರಾಫಿಕ್ಸ್ ಕೋಡ್ ಅನ್ನು ಬರೆಯಲಿ; ನಿಮ್ಮ ಸ್ವಂತ ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಅದನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸಿ.

5. ಅದನ್ನು ಪ್ರವೇಶಿಸುವಂತೆ ಮಾಡಿ. ಬಣ್ಣ ಕುರುಡುತನ ಸ್ನೇಹಿ ಪ್ಯಾಲೆಟ್‌ಗಳು, ಸ್ಪಷ್ಟ ಲೇಬಲ್‌ಗಳು, ಓದಬಹುದಾದ ಶೀರ್ಷಿಕೆಗಳು. AI ಈ ಸುಧಾರಣೆಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ಸಲಹೆ: ಚಾರ್ಟ್‌ನ ಪ್ರಾಮಾಣಿಕತೆಯನ್ನು ಪರೀಕ್ಷಿಸಲು ಸರಳವಾದ ಮಾರ್ಗ: "ಕೆಟ್ಟ ಉದ್ದೇಶಗಳನ್ನು ಹೊಂದಿರುವ ಯಾರಾದರೂ ಈ ಚಾರ್ಟ್ ಅನ್ನು ಹೇಗೆ ತಪ್ಪುದಾರಿಗೆಳೆಯಬಹುದು?" ಕೇಳುವುದೇ ಆಗಿದೆ. ಡ್ಯಾಶ್ ಮಾಡಿದ y-ಅಕ್ಷವು ಸಣ್ಣ ವ್ಯತ್ಯಾಸವನ್ನು ದೊಡ್ಡದಾಗಿ ಕಾಣುವಂತೆ ಮಾಡುತ್ತದೆ; ಆಯ್ಕೆಮಾಡಿದ ಅವಧಿಯು ಪ್ರವೃತ್ತಿಯನ್ನು ಹಿಮ್ಮುಖಗೊಳಿಸಬಹುದು. ಈ ಬಲೆಗಳನ್ನು AI ಸ್ಕ್ಯಾನ್ ಮಾಡಿ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಅಕ್ಷವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ. ಒಂದು ವರದಿಯಲ್ಲಿ, ಎರಡು ಗುಂಪುಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು (51% vs. 54%) ಗ್ರಾಫ್‌ನಲ್ಲಿ y-ಅಕ್ಷವು 50 ರಿಂದ ಪ್ರಾರಂಭವಾಗುವ "ದೈತ್ಯ ಅಂತರ"ದಂತೆ ಕಾಣುತ್ತದೆ. AI ಅಕ್ಷವು ಶೂನ್ಯದಿಂದ ಪ್ರಾರಂಭವಾಗುವಂತೆ ಸೂಚಿಸಿದಾಗ, ವ್ಯತ್ಯಾಸವು ಅದರ ನಿಜವಾದ ಗಾತ್ರಕ್ಕೆ ಕಡಿಮೆಯಾಗಿದೆ, ಸಣ್ಣ ವ್ಯತ್ಯಾಸ. ಚಾರ್ಟ್ ಪ್ರಾಮಾಣಿಕವಾಯಿತು.

ಪ್ರಕರಣ 2 - ಸರಿಯಾದ ರೀತಿಯ ಸಮಯವನ್ನು ಉಳಿಸಲಾಗಿದೆ. ಒಬ್ಬ ಸಂಶೋಧಕರು 5 ವರ್ಷಗಳ ಭಾಗವಹಿಸುವಿಕೆಯ ದರದ ಡೇಟಾವನ್ನು ಹೊಂದಿದ್ದರು ಆದರೆ ಪೈ ಚಾರ್ಟ್ ಅನ್ನು ಬಳಸುತ್ತಿದ್ದರು; ಪ್ರವೃತ್ತಿ ಕಾಣಿಸಲಿಲ್ಲ. YZ "ಸಮಯದ ಬದಲಾವಣೆಗಾಗಿ ಲೈನ್ ಚಾರ್ಟ್" ಅನ್ನು ಪ್ರಸ್ತಾಪಿಸಿತು ಮತ್ತು ggplot2 ಕೋಡ್ ಅನ್ನು ರಚಿಸಿತು. ಕೆಳಮುಖ ಪ್ರವೃತ್ತಿಯು ಇದ್ದಕ್ಕಿದ್ದಂತೆ ಸ್ಪಷ್ಟವಾಯಿತು.

ಪ್ರಕರಣ 3 - ನಕಲಿ ಡೇಟಾ ಟ್ರ್ಯಾಪ್. "ಯುವಜನರಿಂದ ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಬಳಕೆಯ ಗ್ರಾಫ್" ಗಾಗಿ ಬಳಕೆದಾರರು AI ಅನ್ನು ಕೇಳಿದಾಗ, AI ತಯಾರಿಸಿದ ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ಸುಂದರವಾದ ಗ್ರಾಫ್ ಅನ್ನು ಉತ್ಪಾದಿಸಿತು. ಬಳಕೆದಾರರು ಬಹುತೇಕ ಅದನ್ನು ವರದಿಯಲ್ಲಿ ಇರಿಸಿದ್ದಾರೆ; ನಂತರ ಅವರು ಈ ಸಂಖ್ಯೆಗಳು ಅವರ ಡೇಟಾ ಅಲ್ಲ, ಆದರೆ AI ಯ ಆವಿಷ್ಕಾರ ಎಂದು ಅರಿತುಕೊಂಡರು. ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ಚಾರ್ಟ್ ಅನ್ನು ಪುನಃ ಮಾಡಲಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಚಾರ್ಟ್ ಪ್ರಕಾರದ ಆಯ್ಕೆ:

ನಾನು ಈ ಕೆಳಗಿನ ಡೇಟಾವನ್ನು ಪ್ರದರ್ಶಿಸಲು ಬಯಸುತ್ತೇನೆ: [ಡೇಟಾ ವಿವರಣೆ]. ನಾನು ನೀಡಲು ಬಯಸುವ ಸಂದೇಶ: [ಹೋಲಿಕೆ/ಟ್ರೆಂಡ್/ವಿತರಣೆ/ಸಂಬಂಧ]. ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಈ ಸಂದೇಶಕ್ಕಾಗಿ 2 ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಚಾರ್ಟ್ ಪ್ರಕಾರಗಳನ್ನು ಸೂಚಿಸಿ. ದಾರಿತಪ್ಪಿಸಬಹುದಾದ ವಿಷಯಗಳನ್ನು ನಾನು ಏಕೆ ತಪ್ಪಿಸಬೇಕು ಎಂದು ಹೇಳಿ (ಉದಾ. ಬಹು ಸ್ಲೈಸ್‌ಗಳನ್ನು ಹೊಂದಿರುವ ಕೇಕ್).

2) ದೃಶ್ಯೀಕರಣ ಕೋಡ್ (ನನ್ನ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ ನಾನು ಅದನ್ನು ರನ್ ಮಾಡುತ್ತೇನೆ):

[R ggplot2 / Python matplotlib] ಗಾಗಿ [ಪ್ಲಾಟ್ ಪ್ರಕಾರ] ಕೋಡ್ ಅನ್ನು ಸ್ಕೆಚ್ ಮಾಡಿ. ನನ್ನ ಅಸ್ಥಿರಗಳು: [x], [y], [ಗುಂಪು]. ಕಾಮೆಂಟ್‌ಗಳೊಂದಿಗೆ ಕೋಡ್ ಅನ್ನು ಬರೆಯಿರಿ, ಮೊದಲಿನಿಂದ ಅಕ್ಷಗಳನ್ನು ಪ್ರಾರಂಭಿಸಿ, ಪ್ರವೇಶಿಸಬಹುದಾದ ಬಣ್ಣದ ಪ್ಯಾಲೆಟ್ ಅನ್ನು ಬಳಸಿ, ಶೀರ್ಷಿಕೆಗಳು ಮತ್ತು ಲೇಬಲ್‌ಗಳನ್ನು ಟರ್ಕಿಶ್‌ನಲ್ಲಿ ಇರಿಸಿ. ಉದಾಹರಣೆ ಸಂಖ್ಯೆ ತಯಾರಿಕೆ; ನಾನು ನನ್ನ ಡೇಟಾವನ್ನು ಸಂಪರ್ಕಿಸುತ್ತೇನೆ.

3) ಸಮಗ್ರತೆಯ ಲೆಕ್ಕಪರಿಶೋಧನೆ:

ನಾನು ಈ ಕೆಳಗಿನ ಗ್ರಾಫ್ ಅನ್ನು ವಿವರಿಸುತ್ತೇನೆ: [ಗ್ರಾಫ್]. ಇದು ದಾರಿತಪ್ಪಿಸಬಹುದೇ? ಪರಿಶೀಲಿಸಿ: ಅಕ್ಷವು ಶೂನ್ಯವಾಗಿದೆಯೇ, ಪ್ರಮಾಣವು ಪ್ರಮಾಣಾನುಗುಣವಾಗಿದೆಯೇ, ಸಮಯದ ಮಧ್ಯಂತರವನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆಯೇ, ಬಣ್ಣಗಳು ಗುಂಪನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುತ್ತವೆಯೇ, 3D ಪರಿಣಾಮವು ಗ್ರಹಿಕೆಯನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆಯೇ? ಪ್ರತಿ ಅಪಾಯಕ್ಕೆ ಪರಿಹಾರಗಳನ್ನು ಸೂಚಿಸಿ.

4) ಟೇಬಲ್ ಎಡಿಟಿಂಗ್:

ಕೆಳಗಿನ ಕಚ್ಚಾ ಫಲಿತಾಂಶಗಳನ್ನು ಶುದ್ಧವಾದ, ಓದಬಹುದಾದ ಫಲಿತಾಂಶಗಳ ಕೋಷ್ಟಕಕ್ಕೆ ಪರಿವರ್ತಿಸಿ: [x] ಸಾಲುಗಳಲ್ಲಿ, [y] ಕಾಲಮ್‌ಗಳಲ್ಲಿ, ಕೋಶಗಳಲ್ಲಿನ ಮೌಲ್ಯ ಮತ್ತು ಅಗತ್ಯವಿದ್ದರೆ ಶೇಕಡಾವಾರು. ದಶಮಾಂಶ ಸಂಖ್ಯೆಯನ್ನು ಸ್ಥಿರವಾಗಿ ಸುತ್ತಿ, ಮೂಲವನ್ನು ಅಡಿಟಿಪ್ಪಣಿಯಲ್ಲಿ ಸೂಚಿಸಿ. ಸಂಖ್ಯೆಗಳನ್ನು ಬದಲಾಯಿಸುವುದು; ಕೇವಲ ಸಂಪಾದಿಸಿ. ಡೇಟಾ: [ಇಲ್ಲಿ]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ವಿಷಯದ ಬಗ್ಗೆ ನನಗೆ ಪ್ರಭಾವಶಾಲಿ ಗ್ರಾಫಿಕ್ ನೀಡಿ.

"ಪ್ರಭಾವಶಾಲಿ" ಯ ಬಯಕೆಯು ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ಡೇಟಾ ಅಥವಾ ವ್ಯತ್ಯಾಸವನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುವ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ವಿನ್ಯಾಸದೊಂದಿಗೆ AI ಅನ್ನು ಪ್ರೋತ್ಸಾಹಿಸುತ್ತದೆ. ಪ್ರಾಮಾಣಿಕವಾಗಿರುವುದಕ್ಕಿಂತ ಮೊದಲು ಪ್ರಭಾವಶಾಲಿಯಾಗಿರುವುದು ಬರಬಾರದು.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನನ್ನ ಸ್ವಂತ ಡೇಟಾದೊಂದಿಗೆ ನಾನು ರನ್ ಮಾಡಬಹುದಾದ ಬಾರ್ ಚಾರ್ಟ್ ಕೋಡ್ ಬೇಕು. ನನ್ನ ಸಂದೇಶ: ನಾಲ್ಕು ಗುಂಪುಗಳ ನಡುವಿನ ಭಾಗವಹಿಸುವಿಕೆಯ ದರದಲ್ಲಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಪ್ರಾಮಾಣಿಕವಾಗಿ ತೋರಿಸಲು. ಅಕ್ಷವು ಶೂನ್ಯದಿಂದ ಪ್ರಾರಂಭವಾಗಬೇಕು, ಬಣ್ಣಗಳು ಬಣ್ಣ ಕುರುಡುತನಕ್ಕೆ ಸೂಕ್ತವಾಗಿರಬೇಕು ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ಉತ್ಪ್ರೇಕ್ಷೆ ಮಾಡಬಾರದು. [R/Python] ಕೋಡ್, ನಂಬರ್ ಫಿಟ್ಟಿಂಗ್ ನೀಡಿ. ನಂತರ ಈ ಗ್ರಾಫ್ ದಾರಿತಪ್ಪಿಸುವ 3 ಅಪಾಯಗಳನ್ನು ಹೆಸರಿಸಿ.

ವ್ಯತ್ಯಾಸ: ಎರಡನೇ ಪ್ರಾಂಪ್ಟ್ ಪ್ರಾಮಾಣಿಕತೆ, ಪ್ರವೇಶಿಸುವಿಕೆ ಮತ್ತು ನೈಜ ಡೇಟಾವನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.

ಸಂದೇಶದ ಮೂಲಕ ಚಾರ್ಟ್ ಪ್ರಕಾರ

ಸಂದೇಶ

ಸೂಕ್ತವಾದ ಗ್ರಾಫಿಕ್

ತಪ್ಪಿಸಬೇಕು

ವರ್ಗ ಹೋಲಿಕೆ

ಬಾರ್ ಚಾರ್ಟ್

3D, ಬಹು-ಸ್ಲೈಸ್ ಕೇಕ್

ಕಾಲಕ್ಕೆ ತಕ್ಕಂತೆ ಬದಲಾವಣೆ

ಸಾಲಿನ ಚಾರ್ಟ್

ಕೇಕ್

ವಿತರಣೆ

ಹಿಸ್ಟೋಗ್ರಾಮ್, ಬಾಕ್ಸ್ ಚಾರ್ಟ್

ಏಕ ಸರಾಸರಿ

ಎರಡು ವೇರಿಯಬಲ್ ಸಂಬಂಧ

ಚದುರಿಸು

ರಾಡ್

ಸಂಪೂರ್ಣ ಭಾಗಗಳು

ಜೋಡಿಸಲಾದ ಬಾರ್/ಪೌಂಡ್ ಕೇಕ್

ಬಹು ಸ್ಲೈಸ್ ಕೇಕ್

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • AI ನಿಂದ ಮಾಡಲ್ಪಟ್ಟ ಡೇಟಾದೊಂದಿಗೆ ಗ್ರಾಫ್‌ಗಳನ್ನು ತಯಾರಿಸುವುದು. ಚಾರ್ಟ್‌ನ ಕೆಳಭಾಗದಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆಯು ನಿಮ್ಮ ನಿಜವಾದ ಡೇಟಾದಿಂದ ಬರಬೇಕು.
  • ಡ್ಯಾಶ್ ಮಾಡಿದ ಅಕ್ಷದೊಂದಿಗೆ ವ್ಯತ್ಯಾಸವನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುವುದು. ಸಣ್ಣ ವ್ಯತ್ಯಾಸವನ್ನು ದೊಡ್ಡದಾಗಿ ತೋರುವುದು ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆ.
  • ಸಂದೇಶಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗದ ಪ್ರಕಾರವನ್ನು ಆರಿಸುವುದು. ಇದು ಪೈನೊಂದಿಗೆ ಸಮಯದ ಪ್ರವೃತ್ತಿಯನ್ನು ತೋರಿಸುವಂತಿದೆ.
  • ಪ್ರವೇಶಿಸುವಿಕೆಯನ್ನು ಮರೆತುಬಿಡುವುದು. ಬಣ್ಣದಿಂದ ಮಾತ್ರ ಪ್ರತ್ಯೇಕಿಸಲಾದ ಗುಂಪುಗಳು ಕಲರ್‌ಬ್ಲೈಂಡ್ ರೀಡರ್ ಅನ್ನು ಹೊರತುಪಡಿಸುತ್ತವೆ.
  • "ಪ್ರಾಮಾಣಿಕ" ಮೊದಲು "ಪ್ರಭಾವಶಾಲಿ" ಎಂದು ಹಾಕುವುದು. ದೃಶ್ಯದ ಉದ್ದೇಶವು ಮನವೊಲಿಸುವುದು ಅಲ್ಲ, ಆದರೆ ಸರಿಯಾದ ಸಂವಹನ.

ಸಾರಾಂಶದಲ್ಲಿ

ಡೇಟಾ ದೃಶ್ಯೀಕರಣವು ನಿಮ್ಮ ಸಂಶೋಧನೆಯನ್ನು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಮತ್ತು ಸ್ಪಷ್ಟವಾಗಿ ಓದುಗರಿಗೆ ತಿಳಿಸುವ ಮಾರ್ಗವಾಗಿದೆ. AI; ಸರಿಯಾದ ಚಾರ್ಟ್ ಪ್ರಕಾರವನ್ನು ಸೂಚಿಸಲು, ದೃಶ್ಯೀಕರಣ ಕೋಡ್ ಅನ್ನು ರಚಿಸುವಲ್ಲಿ, ಕೋಷ್ಟಕಗಳನ್ನು ಸಂಪಾದಿಸುವಲ್ಲಿ ಮತ್ತು ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ವಿನ್ಯಾಸಗಳಿಗಾಗಿ ಪರಿಶೀಲಿಸುವಲ್ಲಿ ಇದು ಪ್ರಬಲವಾದ ಸಹಾಯವಾಗಿದೆ. ಆದರೆ ಚಾರ್ಟ್‌ನ ಕೆಳಭಾಗದಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆಯು ನಿಮ್ಮ ನಿಜವಾದ ಡೇಟಾದಿಂದ ಬರಬೇಕು; AI ನ "ಮಾದರಿ ಡೇಟಾ" ದಿಂದ ನಿರ್ಮಿಸಲಾದ ಸುಂದರವಾದ ಗ್ರಾಫ್ ನಿಮ್ಮ ಅನ್ವೇಷಣೆಯಲ್ಲ. ಸಂದೇಶವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ, ಸರಿಯಾದ ಪ್ರಕಾರವನ್ನು ಆರಿಸಿ, ಅಕ್ಷ ಮತ್ತು ಪ್ರಮಾಣವನ್ನು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಇರಿಸಿ, ಅದನ್ನು ಪ್ರವೇಶಿಸುವಂತೆ ಮಾಡಿ ಮತ್ತು "ಪ್ರಾಮಾಣಿಕ" ಗಿಂತ ಮೊದಲು "ಪ್ರಭಾವಶಾಲಿ" ಅನ್ನು ಎಂದಿಗೂ ಇರಿಸಬೇಡಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವೇ ಸಂಗ್ರಹಿಸಿದ ಸಂಗತಿಗಳು ಅಥವಾ ಡೇಟಾದ ಸಣ್ಣ ಗುಂಪನ್ನು ಆಯ್ಕೆಮಾಡಿ. "ಚಾರ್ಟ್ ಪ್ರಕಾರ ಆಯ್ಕೆ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ನಿಮ್ಮ ಸಂದೇಶಕ್ಕೆ ಸೂಕ್ತವಾದ ಪ್ರಕಾರವನ್ನು ಆರಿಸಿ. “ದೃಶ್ಯೀಕರಣ ಕೋಡ್” ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ, AI ನಿಂದ ಕೋಡ್ ಅನ್ನು ತೆಗೆದುಕೊಂಡು ಅದನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ಡೇಟಾದಲ್ಲಿ ರನ್ ಮಾಡಿ (AI ಮಾಡಿದ ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ಎಂದಿಗೂ). ಡ್ಯಾಶ್ ಮಾಡಿದ ಅಕ್ಷದೊಂದಿಗೆ ಅದೇ ಡೇಟಾವನ್ನು ಪ್ಲಾಟ್ ಮಾಡಿ, ಎರಡು ಗ್ರಾಫ್‌ಗಳನ್ನು ಅಕ್ಕಪಕ್ಕದಲ್ಲಿ ಇರಿಸಿ ಮತ್ತು "ಪ್ರಾಮಾಣಿಕತೆ ಪರಿಶೀಲನೆ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ವ್ಯತ್ಯಾಸವು ಹೇಗೆ ಉತ್ಪ್ರೇಕ್ಷಿತವಾಗಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ಚಾರ್ಟ್ ತಿಳಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ಏಕೈಕ ಸಂದೇಶವನ್ನು ನಾನು ಸ್ಪಷ್ಟಪಡಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಸಂದೇಶಕ್ಕಾಗಿ ಸೂಕ್ತವಾದ ಗ್ರಾಫಿಕ್ ಪ್ರಕಾರವನ್ನು ಆಯ್ಕೆ ಮಾಡಿದ್ದೇನೆ.
  • [ ] ನಾನು ಚಾರ್ಟ್ ಅನ್ನು ನನ್ನ ಸ್ವಂತ ನೈಜ ಔಟ್‌ಪುಟ್‌ನೊಂದಿಗೆ ರಚಿಸಿದ್ದೇನೆ, AI ಫ್ಯಾಬ್ರಿಕೇಶನ್ ಅಲ್ಲ.
  • [ ] ನಾನು ಶೂನ್ಯದಲ್ಲಿ ಅಕ್ಷವನ್ನು ಪ್ರಾರಂಭಿಸಿದೆ ಮತ್ತು ಪ್ರಮಾಣವನ್ನು ಪ್ರಮಾಣಾನುಗುಣವಾಗಿ ಇರಿಸಿದೆ.
  • [ ] ನಾನು ಪ್ರವೇಶಿಸಬಹುದಾದ ಬಣ್ಣ ಮತ್ತು ಸ್ಪಷ್ಟ ಲೇಬಲ್‌ಗಳನ್ನು ಬಳಸಿದ್ದೇನೆ.