ಘಟಕಗಳು
1. ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ಡೇಟಾ ನೀತಿಶಾಸ್ತ್ರ 2. ಆರ್ಥಿಕ ದತ್ತಾಂಶ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಮೂಲ ಪರಿಶೀಲನೆ: TURKSTAT, EVDS, IMF, ವಿಶ್ವ ಬ್ಯಾಂಕ್, FRED 3. ಡೇಟಾ ಶುದ್ಧೀಕರಣ, ರೂಪಾಂತರ ಮತ್ತು ಪರಿಶೋಧನಾ ವಿಶ್ಲೇಷಣೆ (ಪೈಥಾನ್/ಪಾಂಡಾಸ್ ಬೆಂಬಲದೊಂದಿಗೆ) 4. ಸಮಯ ಸರಣಿ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಮುನ್ಸೂಚನೆ ಬೆಂಬಲ 5. ಸ್ಥೂಲ ಆರ್ಥಿಕ ಸೂಚಕಗಳನ್ನು ಅರ್ಥೈಸುವುದು: ಹಣದುಬ್ಬರ, ಬೆಳವಣಿಗೆ, ನಿರುದ್ಯೋಗ, ಚಾಲ್ತಿ ಖಾತೆ ಬ್ಯಾಲೆನ್ಸ್ 6. ಸನ್ನಿವೇಶ ಮಾಡೆಲಿಂಗ್ ಮತ್ತು ಸೂಕ್ಷ್ಮತೆಯ ವಿಶ್ಲೇಷಣೆ 7. ಎಕನಾಮೆಟ್ರಿಕ್ ಮಾದರಿ ಬೆಂಬಲ: ಹಿಂಜರಿತ, ಕಾರಣ ಮತ್ತು ವ್ಯಾಖ್ಯಾನ 8. ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆ ಮತ್ತು ಆರ್ಥಿಕ ಸಂಶೋಧನಾ ಸಂಶ್ಲೇಷಣೆ 9. ನೀತಿ ಟಿಪ್ಪಣಿ, ವರದಿ ಮತ್ತು ಬ್ರೀಫಿಂಗ್ ಬರವಣಿಗೆ 10. ಆರ್ಥಿಕ ಡೇಟಾ ದೃಶ್ಯೀಕರಣ ಮತ್ತು ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ 11. ಗಡಿಗಳು, ಮಾದರಿ ಅಪಾಯ, ನೈತಿಕತೆ, ಗೌಪ್ಯತೆ ಮತ್ತು ಆಡಳಿತ
ಘಟಕ 2 / 11

ಆರ್ಥಿಕ ದತ್ತಾಂಶ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಮೂಲ ಪರಿಶೀಲನೆ: TURKSTAT, EVDS, IMF, ವಿಶ್ವ ಬ್ಯಾಂಕ್, FRED

ಲಾಭಗಳು:

  • ಉದ್ದೇಶ, ವ್ಯಾಪ್ತಿ, ನವೀಕರಣ ಆವರ್ತನ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಗೆ ಅನುಗುಣವಾಗಿ ಪ್ರಮುಖ ಆರ್ಥಿಕ ಡೇಟಾ ಮೂಲಗಳನ್ನು (TURKSTAT, CBRT EVDS, IMF WEO, ವಿಶ್ವ ಬ್ಯಾಂಕ್, Eurostat, FRED) ಹೋಲಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಸರಿಯಾದ ಮೂಲವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ
  • ಡೇಟಾ ಮೂಲ ಶೋಧನೆ, ಸರಣಿ ಕೋಡ್/ವಿವರಣೆ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ಡೌನ್‌ಲೋಡ್ ಕೋಡ್ ಉತ್ಪಾದನೆಗಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರತಿ ಫಲಿತಾಂಶವನ್ನು ಅಧಿಕೃತ ಮೂಲದೊಂದಿಗೆ ದೃಢೀಕರಿಸಿ
  • ಆವೃತ್ತಿ (ಪರಿಷ್ಕರಣೆ), ಮೂಲ ವರ್ಷ, ಘಟಕ ಮತ್ತು ವ್ಯಾಖ್ಯಾನ ವ್ಯತ್ಯಾಸಗಳು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಹೇಗೆ ಅಡ್ಡಿಪಡಿಸುತ್ತವೆ ಮತ್ತು ಮೆಟಾಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸುವ ಅಭ್ಯಾಸವನ್ನು ಹೇಗೆ ಪಡೆಯುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡುವ ಸಾಮರ್ಥ್ಯ

ಪ್ರತಿಯೊಂದು ಆರ್ಥಿಕ ವಿಶ್ಲೇಷಣೆಯು ಡೇಟಾದೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ಗುಣಮಟ್ಟವು ಡೇಟಾದ ಗುಣಮಟ್ಟವನ್ನು ಮೀರುವುದಿಲ್ಲ. "ಗಾರ್ಬೇಜ್ ಇನ್, ಗಾರ್ಬೇಜ್ ಔಟ್" ತತ್ವವು ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ನಿರ್ದಾಕ್ಷಿಣ್ಯವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ: ತಪ್ಪಾದ ಆಧಾರ, ತಪ್ಪು ವ್ಯಾಖ್ಯಾನ ಅಥವಾ ತಪ್ಪಾದ ಅವಧಿಯನ್ನು ಆಧರಿಸಿದ ಅತ್ಯಂತ ಸೊಗಸಾದ ಮಾದರಿಯೂ ಸಹ ತಪ್ಪಾಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಸರಿಯಾದ ಡೇಟಾವನ್ನು ಹುಡುಕಲು, ಸರಣಿ ಕೋಡ್‌ಗಳನ್ನು ಹೊಂದಿಸಲು ಮತ್ತು ಡೌನ್‌ಲೋಡ್ ಕೋಡ್ ಅನ್ನು ಬರೆಯಲು ನಾವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುತ್ತೇವೆ; ಆದರೆ ಒಂದು ಸುವರ್ಣ ನಿಯಮವು ಬದಲಾಗುವುದಿಲ್ಲ: ಅಂಕಿಅಂಶವು ಅಧಿಕೃತ ಪ್ರಾಥಮಿಕ ಮೂಲದಿಂದ ಬಂದಿದೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದಲ್ಲ. AI ನಿಮಗೆ ಮೂಲಕ್ಕೆ ದಾರಿ ತೋರಿಸಬಹುದು; ಆ ಮೂಲದಿಂದ ನೀವು ಡೇಟಾವನ್ನು ಪಡೆಯುತ್ತೀರಿ.

ಮುಖ್ಯ ಮೂಲಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳೋಣ

ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞರ ದಿಕ್ಸೂಚಿ ಕೆಳಗಿನ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಪ್ರತಿಯೊಂದರ ಉದ್ದೇಶ, ವ್ಯಾಪ್ತಿ ಮತ್ತು ನವೀಕರಣದ ಲಯವು ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ.

TURKSTAT (ಟರ್ಕಿಶ್ ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್). Türkiye ಅಧಿಕೃತ ಅಂಕಿಅಂಶ ಪ್ರಾಧಿಕಾರ. ಹಣದುಬ್ಬರ (CPI/PPI), GDP, ಕಾರ್ಮಿಕ ಬಲ, ವಿದೇಶಿ ವ್ಯಾಪಾರ, ಕೈಗಾರಿಕಾ ಉತ್ಪಾದನೆ, ಜನಸಂಖ್ಯೆ. ತುರ್ಕಿಯೆಗೆ ನಿರ್ದಿಷ್ಟವಾದ ಅಂಕಿಅಂಶಗಳಿಗೆ ಇದು ಪ್ರಾಥಮಿಕ ಮೂಲವಾಗಿದೆ.

CBRT EVDS (ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಡೇಟಾ ವಿತರಣಾ ವ್ಯವಸ್ಥೆ). ಸೆಂಟ್ರಲ್ ಬ್ಯಾಂಕಿನ ಡೇಟಾ ಪೋರ್ಟಲ್. ವಿನಿಮಯ ದರ, ಬಡ್ಡಿ, ಹಣ ಪೂರೈಕೆ, ಪಾವತಿಗಳ ಸಮತೋಲನ, ಪ್ರಸ್ತುತ ಬಾಕಿ, ಮೀಸಲು, ನಿರೀಕ್ಷೆ ಸಮೀಕ್ಷೆಗಳು. ಹಣಕಾಸು ಮತ್ತು ವಿತ್ತೀಯ ಡೇಟಾಗೆ ಮೊದಲ ನಿಲುಗಡೆ.

IMF (ಅಂತರರಾಷ್ಟ್ರೀಯ ಹಣಕಾಸು ನಿಧಿ). ವಿಶೇಷವಾಗಿ WEO (ವರ್ಲ್ಡ್ ಎಕನಾಮಿಕ್ ಔಟ್‌ಲುಕ್) ಡೇಟಾಬೇಸ್: ಕ್ರಾಸ್-ಕಂಟ್ರಿ ತುಲನಾತ್ಮಕ GDP, ಹಣದುಬ್ಬರ, ಸಾಲ, ಚಾಲ್ತಿ ಖಾತೆಯ ಬಾಕಿ ಮತ್ತು ಪ್ರಕ್ಷೇಪಗಳು. ಅಂತರರಾಷ್ಟ್ರೀಯ ಹೋಲಿಕೆಗೆ ಸೂಕ್ತವಾಗಿದೆ; ಆದರೆ ಪ್ರಕ್ಷೇಪಗಳು ಮುನ್ಸೂಚನೆಗಳು, ಸಾಕ್ಷಾತ್ಕಾರಗಳಲ್ಲ.

ವಿಶ್ವ ಬ್ಯಾಂಕ್ (ವಿಶ್ವ ಬ್ಯಾಂಕ್ - WDI). ವಿಶ್ವ ಅಭಿವೃದ್ಧಿ ಸೂಚಕಗಳು: ಅಭಿವೃದ್ಧಿ, ಬಡತನ, ಶಿಕ್ಷಣ, ಆರೋಗ್ಯ, ಮೂಲಸೌಕರ್ಯ ಸೂಚಕಗಳು; ದೀರ್ಘ ಐತಿಹಾಸಿಕ ಸರಣಿಗಳು ಮತ್ತು ದೇಶದ ಹೋಲಿಕೆಗಳು.

ಯುರೋಸ್ಟಾಟ್. ಯುರೋಪಿಯನ್ ಒಕ್ಕೂಟದ ಅಂಕಿಅಂಶ ಕಚೇರಿ; EU ದೇಶಗಳಿಗೆ ಸಮನ್ವಯಗೊಳಿಸಿದ (ಹೋಲಿಸಬಹುದಾದ) ಡೇಟಾ. EU ಮಾನದಂಡದಲ್ಲಿ HICP (ಹಾರ್ಮೊನೈಸ್ಡ್ ಇನ್ಫ್ಲೇಶನ್) ನಂತಹ ಸರಣಿಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.

FRED (ಫೆಡರಲ್ ರಿಸರ್ವ್ ಎಕನಾಮಿಕ್ ಡೇಟಾ). ಸೇಂಟ್ ಲೂಯಿಸ್ ಫೆಡ್ ನ ಬೃಹತ್ ಸರಣಿ; ಯುಎಸ್ ಮತ್ತು ಜಾಗತಿಕ ಮ್ಯಾಕ್ರೋ-ಫೈನಾನ್ಶಿಯಲ್ ಡೇಟಾಗಾಗಿ ವೇಗದ ಮತ್ತು ಪ್ರೋಗ್ರಾಮೆಬಲ್ ಪ್ರವೇಶವನ್ನು (API) ನೀಡುತ್ತದೆ.

ಒಇಸಿಡಿ. ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ಆರ್ಥಿಕತೆಗಳಿಗೆ ತುಲನಾತ್ಮಕ ಸೂಚಕಗಳು, ಪ್ರಮುಖ ಸೂಚಕಗಳು, ಉತ್ಪಾದಕತೆ ಮತ್ತು ಕಲ್ಯಾಣ ಸರಣಿಗಳು.

ಸಲಹೆ: "ಸರಿಯಾದ ಮೂಲ" ಪ್ರಶ್ನೆಗೆ ಉತ್ತರವು ಉದ್ದೇಶವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. Türkiye ಅಧಿಕೃತ ಹಣದುಬ್ಬರಕ್ಕಾಗಿ TURKSTAT; IMF/World Bank Türkiye ಅನ್ನು 30 ದೇಶಗಳೊಂದಿಗೆ ಹೋಲಿಸಲು; US ಆಸಕ್ತಿಗಾಗಿ FRED. ಅದೇ ಸೂಚಕವನ್ನು ತಪ್ಪಾದ ಮೂಲದಿಂದ ತೆಗೆದುಕೊಳ್ಳುವುದು ಮೂಕ ತಪ್ಪು.

ಸೈಲೆಂಟ್ ದೋಷ ಮೂಲಗಳು: ಪರಿಷ್ಕರಣೆ, ಮೂಲ ವರ್ಷ, ಘಟಕ, ವಿವರಣೆ

ಆರ್ಥಿಕ ಡೇಟಾದಲ್ಲಿನ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ದೋಷಗಳು ಶಬ್ದರಹಿತವಾಗಿವೆ. ನಾಲ್ಕನ್ನು ತಿಳಿದುಕೊಳ್ಳಿ:

  • ಪರಿಷ್ಕರಣೆ (ಆವೃತ್ತಿ). ಅನೇಕ ಸೂಚಕಗಳು (ಜಿಡಿಪಿ, ಪಾವತಿಗಳ ಸಮತೋಲನ) ಮೊದಲು ಘೋಷಿಸಿದ ತಿಂಗಳ ನಂತರ ಪರಿಷ್ಕರಿಸಲ್ಪಡುತ್ತವೆ. ಇಂದಿನ "ತಾತ್ಕಾಲಿಕ" ಅಂಕಿ, ಮೂರು ತಿಂಗಳ ನಂತರ "ಅಂತಿಮ" ಅಂಕಿ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ. ನೀವು ಯಾವ ವಿಂಟೇಜ್ (ಆವೃತ್ತಿ) ಬಳಸುತ್ತಿರುವಿರಿ ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ.
  • ಮೂಲ ವರ್ಷ. ಸೂಚ್ಯಂಕಗಳನ್ನು ಮೂಲ ವರ್ಷದ ಆಧಾರದ ಮೇಲೆ ಸ್ಥಾಪಿಸಲಾಗಿದೆ (=100). ಎರಡು ಸರಣಿಗಳನ್ನು ವಿಭಿನ್ನ ಮೂಲ ವರ್ಷಗಳೊಂದಿಗೆ ನೇರವಾಗಿ ಹೋಲಿಸುವುದು ತಪ್ಪು.
  • ಘಟಕ. ಮಿಲಿಯನ್ ಅಥವಾ ಬಿಲಿಯನ್, ಟಿಎಲ್ ಅಥವಾ ಡಾಲರ್, ಪ್ರಸ್ತುತ ಅಥವಾ ಸ್ಥಿರ ಬೆಲೆ? ಯುನಿಟ್ ಗೊಂದಲವು ಸಾಮಾನ್ಯ ವಿಶ್ಲೇಷಣೆ ದೋಷವಾಗಿದೆ.
  • ವ್ಯಾಖ್ಯಾನ/ವ್ಯಾಪ್ತಿ. "ನಿರುದ್ಯೋಗ"ದ ವ್ಯಾಖ್ಯಾನವೇನು? "ಕೋರ್ ಹಣದುಬ್ಬರ" ಯಾವ ವಸ್ತುಗಳನ್ನು ಹೊರತುಪಡಿಸುತ್ತದೆ? ಒಂದೇ ಹೆಸರಿನ ಎರಡು ಸರಣಿಗಳು ವಿಭಿನ್ನ ವಿಷಯಗಳನ್ನು ಅಳೆಯಬಹುದು.
ಎಚ್ಚರಿಕೆ: ಎರಡು ಮೂಲಗಳಿಂದ ಒಂದೇ ಸೂಚಕದ ಅಂಕಿ ಹೊಂದಿಕೆಯಾಗದಿದ್ದರೆ, ನಿಮ್ಮ ಮೊದಲ ಊಹೆಯು "ಯಾರೋ ಸುಳ್ಳು ಹೇಳುತ್ತಿದ್ದಾರೆ" ಆದರೆ "ವ್ಯಾಖ್ಯಾನ/ಆಧಾರ/ವ್ಯಾಪ್ತಿ/ಪರಿಷ್ಕರಣೆಯಲ್ಲಿ ವ್ಯತ್ಯಾಸವಿದೆ" ಎಂದು ಇರಬಾರದು. ಮೊದಲು ಮೆಟಾಡೇಟಾವನ್ನು (ಡೇಟಾ ಉಲ್ಲೇಖ) ಜೋಡಿಸಿ.

ಹಂತ ಹಂತವಾಗಿ: AI-ಚಾಲಿತ ಡೇಟಾ ಸಂಗ್ರಹಣೆ

  1. ಅಗತ್ಯವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ. ಯಾವ ಸೂಚಕ, ಯಾವ ದೇಶ/ಪ್ರಾಂತ್ಯ, ಯಾವ ಅವಧಿ, ಯಾವ ಆವರ್ತನ (ಮಾಸಿಕ/ತ್ರೈಮಾಸಿಕ/ವಾರ್ಷಿಕ), ಯಾವ ವ್ಯಾಖ್ಯಾನ?
  2. ಮೂಲವನ್ನು ಆಯ್ಕೆಮಾಡಿ. AI ಗೆ ಉದ್ದೇಶವನ್ನು ವಿವರಿಸಿ ಮತ್ತು ಸೂಕ್ತವಾದ ಪ್ರಾಥಮಿಕ ಮೂಲ ಮತ್ತು ಪೂರ್ಣ ಸರಣಿಯ ಹೆಸರನ್ನು ಸೂಚಿಸಿ.
  3. ಮೆಟಾಡೇಟಾವನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ. ಅಧಿಕೃತ ಪುಟದಲ್ಲಿ ಆಯ್ಕೆಮಾಡಿದ ಸರಣಿಯ ಘಟಕ, ಮೂಲ ವರ್ಷ, ವಿವರಣೆ ಮತ್ತು ನವೀಕರಣ ದಿನಾಂಕವನ್ನು ದೃಢೀಕರಿಸಿ.
  4. ಡೌನ್‌ಲೋಡ್ ಕೋಡ್ ಅನ್ನು ರಚಿಸಿ. FRED/World Bank ನಂತಹ API ಹೊಂದಿರುವವರಿಗೆ, AI ಗೆ ಪೈಥಾನ್ ಕೋಡ್ ಬರೆಯಿರಿ; TURKSTAT/EVDS ಗಾಗಿ ಡೌನ್‌ಲೋಡ್ ಹಂತಗಳನ್ನು ತೆಗೆದುಹಾಕಿ.
  5. ಮೊದಲ ಚೆಕ್. ಡೇಟಾ ಬಂದ ನಂತರ, ಸಾಲುಗಳು/ಕಾಲಮ್‌ಗಳ ಸಂಖ್ಯೆ, ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳು, ಔಟ್‌ಲೈಯರ್‌ಗಳು ಮತ್ತು ದಿನಾಂಕ ಶ್ರೇಣಿಯನ್ನು ಪರಿಶೀಲಿಸಿ.
  6. ಮೂಲದ ದೃಢೀಕರಣ. ಅಧಿಕೃತ ಪ್ರಕಟಣೆಯೊಂದಿಗೆ ಕನಿಷ್ಠ ಕೆಲವು ಅವಲೋಕನಗಳನ್ನು ಹೋಲಿಸಿ; ಇದು ನಿಖರವಾಗಿ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ?

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಮೂಲ ವರ್ಷದ ಬಲೆ. ಒಬ್ಬ ವಿಶ್ಲೇಷಕ ಎರಡು ಪ್ರತ್ಯೇಕ ಅಧ್ಯಯನಗಳಿಂದ ಕೈಗಾರಿಕಾ ಉತ್ಪಾದನಾ ಸೂಚ್ಯಂಕವನ್ನು ಪಡೆದರು; ಒಂದು 2015=100 ಅನ್ನು ಆಧರಿಸಿದೆ ಮತ್ತು ಇನ್ನೊಂದು 2021=100 ಅನ್ನು ಆಧರಿಸಿದೆ. "ಇವುಗಳನ್ನು ಸಂಯೋಜಿಸಿ," ಅವರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಹೇಳಿದರು. ಅವರು ಮೆಟಾಡೇಟಾ ಪರಿಶೀಲನೆಯನ್ನು ಬಿಟ್ಟುಬಿಟ್ಟರೆ, ಅವರು ಸೂಚ್ಯಂಕಗಳನ್ನು ಅಕ್ಕಪಕ್ಕದಲ್ಲಿ ಇರಿಸಿ ಮತ್ತು ನಕಲಿ ಜಿಗಿತವನ್ನು ನೋಡುತ್ತಾರೆ. ಅವರು ನಿಯಂತ್ರಣ ಹಂತದಲ್ಲಿ ಮೂಲ ವ್ಯತ್ಯಾಸವನ್ನು ಹಿಡಿದರು, ಎರಡನ್ನೂ ಸಾಮಾನ್ಯ ಬೇಸ್ ಆಗಿ ಪರಿವರ್ತಿಸಿದರು ಮತ್ತು ನಂತರ ಅವುಗಳನ್ನು ಸಂಯೋಜಿಸಿದರು. ನಕಲಿ ಬೌನ್ಸ್ ಹೋಗಿದೆ.

ಕೇಸ್ 2 - ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ API ಔಟ್ಪುಟ್. ಒಬ್ಬ ಸಂಶೋಧಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ, "ವಿಶ್ವಬ್ಯಾಂಕ್‌ನಿಂದ ತಲಾವಾರು GDP ಅನ್ನು ಸೆಳೆಯಿರಿ" ಎಂದು ಹೇಳಿದರು; AI ಕೋಡ್ ಮತ್ತು ಸಂಖ್ಯೆಗಳ ಟೇಬಲ್ ಎರಡನ್ನೂ "ಮಾದರಿ ಔಟ್‌ಪುಟ್" ಎಂದು ಹಿಂದಿರುಗಿಸಿತು. ಸಂಶೋಧಕರು ಟೇಬಲ್ ಅನ್ನು ಬಳಸಲಿಲ್ಲ; ಕೇವಲ ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿದೆ ಮತ್ತು ನೈಜ API ನಿಂದ ಡೇಟಾವನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. ನಂತರ ಅವರು "ಉದಾಹರಣೆಗಳು" ಎಂದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬರೆದ ಸಂಖ್ಯೆಗಳು ವಾಸ್ತವವಾಗಿ 10-15 ಪ್ರತಿಶತದಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ ಎಂದು ಅರಿತುಕೊಂಡರು. ಕೋಡ್ ಟೂಲ್, ಸಂಖ್ಯೆ ಅಲ್ಲ; ಇದು ಸರಿಯಾದ ನಡವಳಿಕೆಯಾಗಿತ್ತು.

ಪ್ರಕರಣ 3 - ಪರಿಷ್ಕರಣೆ ವ್ಯತ್ಯಾಸ. ಆರು ತಿಂಗಳ ಹಿಂದೆ ಪ್ರಕಟವಾದ ಟಿಪ್ಪಣಿಯಲ್ಲಿ, ತ್ರೈಮಾಸಿಕ ಬೆಳವಣಿಗೆಯು 4.0 ಪ್ರತಿಶತ ಎಂದು ಸಂಸ್ಥೆಯೊಂದು ಬರೆದಿದೆ; ಪ್ರಸ್ತುತ TÜİK ಡೇಟಾದಲ್ಲಿ, ಅದೇ ತ್ರೈಮಾಸಿಕವನ್ನು 3.5 ಪ್ರತಿಶತಕ್ಕೆ ಪರಿಷ್ಕರಿಸಲಾಗಿದೆ. ಹೊಸ ವರದಿಯಲ್ಲಿ, ವಿಶ್ಲೇಷಕರು ಅಡಿಟಿಪ್ಪಣಿಯಲ್ಲಿ ಅವರು ಯಾವ ಆವೃತ್ತಿಯನ್ನು ಬಳಸಿದರು ಮತ್ತು ಪರಿಷ್ಕರಣೆಯೊಂದಿಗೆ ಎರಡು ಅಂಕಿಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ವಿವರಿಸಿದರು. ಪಾರದರ್ಶಕತೆ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಸಂರಕ್ಷಿಸಲಾಗಿದೆ.

ಮೂಲ ಆಯ್ಕೆ ಕೋಷ್ಟಕ

ಉದ್ದೇಶ

ಸೂಕ್ತವಾದ ಪ್ರಾಥಮಿಕ ಮೂಲ

ಗಮನ

ತುರ್ಕಿಯೆ ಹಣದುಬ್ಬರ (CPI/PPI)

ಟರ್ಕ್‌ಸ್ಟಾಟ್

ಮೂಲ ವರ್ಷ, ಮುಖ್ಯ/ಶೀರ್ಷಿಕೆ ವ್ಯತ್ಯಾಸ

ವಿನಿಮಯ ದರ, ಬಡ್ಡಿ, ಪ್ರಸ್ತುತ ಬಾಕಿ, ಮೀಸಲು

CBRT EVDS

ಪರಿಷ್ಕರಣೆ, ಸರಣಿ ವ್ಯಾಖ್ಯಾನ

ದೇಶಗಳ ನಡುವಿನ GDP/ಹಣದುಬ್ಬರ ಹೋಲಿಕೆ

IMF WEO

ಪ್ರೊಜೆಕ್ಷನ್ ≠ ಸಾಕ್ಷಾತ್ಕಾರ

ಅಭಿವೃದ್ಧಿ/ದೀರ್ಘ ಐತಿಹಾಸಿಕ ಸರಣಿ

ವಿಶ್ವ ಬ್ಯಾಂಕ್ WDI

ವ್ಯಾಪ್ತಿ, ಕಳೆದುಹೋದ ವರ್ಷಗಳು

EU ಸುಸಂಗತ ಸೂಚಕಗಳು

ಯುರೋಸ್ಟಾಟ್

HICP ವ್ಯಾಖ್ಯಾನ

US/ಗ್ಲೋಬಲ್ ಮ್ಯಾಕ್ರೋಫೈನಾನ್ಸ್, API

FRED

ಕಾಲೋಚಿತ ಹೊಂದಾಣಿಕೆ ಸ್ಥಿತಿ

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಮೂಲ ಮತ್ತು ಸರಣಿ ಹೊಂದಾಣಿಕೆ:

ನನಗೆ ಈ ಕೆಳಗಿನ ಸೂಚಕ ಅಗತ್ಯವಿದೆ: [ಸೂಚಕ, ದೇಶ/ಪ್ರಾಂತ್ಯ, ಅವಧಿ, ಆವರ್ತನ, ವಿವರಣೆ]. ಇದಕ್ಕಾಗಿ ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಪ್ರಾಥಮಿಕ ಅಧಿಕೃತ ಮೂಲ ಮತ್ತು ಪೂರ್ಣ ಸರಣಿಯ ಹೆಸರನ್ನು ಶಿಫಾರಸು ಮಾಡಿ. ಘಟಕ, ಮೂಲ ವರ್ಷ ಮತ್ತು ಸರಣಿಯ ವಿವರಣೆಯ ಕುರಿತು ನಾನು ಪರಿಶೀಲಿಸಬೇಕಾದ ಅಂಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಸಂಖ್ಯೆಗಳನ್ನು ನೀಡಬೇಡಿ; ಅದನ್ನು ಎಲ್ಲಿ ಮತ್ತು ಹೇಗೆ ಖರೀದಿಸಬೇಕು ಎಂದು ಹೇಳಿ.

2) FRED/ವಿಶ್ವ ಬ್ಯಾಂಕ್ ಡೌನ್‌ಲೋಡ್ ಕೋಡ್:

ಕೆಳಗಿನ ಸರಣಿಯನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುವ [FRED/World Bank] API ಜೊತೆಗೆ ಪೈಥಾನ್‌ನಲ್ಲಿ ಕೋಡ್ ಬರೆಯಿರಿ: [ಸರಣಿ ಕೋಡ್/ಹೆಸರು], [ದಿನಾಂಕ ಶ್ರೇಣಿ]. ಕೋಡ್ ಡೇಟಾವನ್ನು pandasDataFrame ಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಮೊದಲ/ಕೊನೆಯ 5 ಸಾಲುಗಳು ಮತ್ತು ಕಾಣೆಯಾದ ಮೌಲ್ಯಗಳ ಸಂಖ್ಯೆಯನ್ನು ಮುದ್ರಿಸುತ್ತದೆ. ನನಗೆ ಉದಾಹರಣೆ/ಮೇಡ್ ಅಪ್ ಫಿಗರ್ ನೀಡಬೇಡಿ; ಕೇವಲ ವರ್ಕಿಂಗ್ ಕೋಡ್ ನೀಡಿ.

3) ಮೆಟಾಡೇಟಾ ಮೌಲ್ಯೀಕರಣ ಪಟ್ಟಿ:

ನಾನು ಈ ಕೆಳಗಿನ ಸರಣಿಯನ್ನು ಬಳಸುತ್ತೇನೆ: [ಸರಣಿ]. ಬಳಕೆಗೆ ಮೊದಲು ನೀವು ಪರಿಶೀಲಿಸಬೇಕಾದ ಮೆಟಾಡೇಟಾದ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ರಚಿಸಿ: ಪರಿಮಾಣ, ಮೂಲ ವರ್ಷ, ಕಾಲೋಚಿತ ಹೊಂದಾಣಿಕೆ ಸ್ಥಿತಿ, ವ್ಯಾಖ್ಯಾನ/ವ್ಯಾಪ್ತಿ, ನವೀಕರಣ ದಿನಾಂಕ, ಪರಿಷ್ಕರಣೆ ಸ್ಥಿತಿ. ಪ್ರತಿ ಐಟಂಗೆ, ಒಂದು ವಾಕ್ಯದಲ್ಲಿ "ಏನು ಮತ್ತು ಎಲ್ಲಿ ದೃಢೀಕರಿಸಬೇಕು" ಎಂದು ಬರೆಯಿರಿ.

4) ಎರಡು ಸಂಪನ್ಮೂಲಗಳ ಹೊಂದಾಣಿಕೆಯ ರೋಗನಿರ್ಣಯಗಳು:

ನಾನು ಎರಡು ಮೂಲಗಳಿಂದ ಒಂದೇ ಸೂಚಕವನ್ನು ಪಡೆದುಕೊಂಡಿದ್ದೇನೆ ಮತ್ತು ಸಂಖ್ಯೆಗಳು ವಿಭಿನ್ನವಾಗಿವೆ: ಮೂಲ A: [ಮೌಲ್ಯ, ಮುದ್ರೆ]. ಮೂಲ ಬಿ: [ಮೌಲ್ಯ, ಮುದ್ರೆ]. ಈ ವ್ಯತ್ಯಾಸಕ್ಕೆ ಸಂಭವನೀಯ ಮುಗ್ಧ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ (ವ್ಯಾಖ್ಯಾನ, ಆಧಾರ, ವ್ಯಾಪ್ತಿ, ಕಾಲೋಚಿತ ಹೊಂದಾಣಿಕೆ, ಪರಿಷ್ಕರಣೆ, ಕರೆನ್ಸಿ) ಮತ್ತು ಪ್ರತಿಯೊಂದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸಬೇಕು ಎಂದು ಹೇಳಿ. "ಒಂದು ತಪ್ಪು" ಎಂದು ಹೇಳಬೇಡಿ; ಮೊದಲಿಗೆ ವ್ಯತ್ಯಾಸವನ್ನು ವಿವರಿಸಲು ನನಗೆ ಸಹಾಯ ಮಾಡಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಕಳೆದ 10 ವರ್ಷಗಳಿಂದ Türkiye ಬೆಳವಣಿಗೆಯ ಡೇಟಾವನ್ನು ನನಗೆ ನೀಡಿ.

AI ತನ್ನ ಸ್ಮರಣೆಯಿಂದ ಚಿತ್ರವನ್ನು ಸುರಿಯುತ್ತದೆ, ಬಹುಶಃ ಹಳೆಯದು ಮತ್ತು ಭಾಗಶಃ ತಯಾರಿಸಲ್ಪಟ್ಟಿದೆ; ಯಾವುದೇ ಮೂಲ ಅಥವಾ ಮುದ್ರೆ ಇಲ್ಲ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಾನು 2014-2023 Türkiye ವಾರ್ಷಿಕ ನೈಜ GDP ಬೆಳವಣಿಗೆಯನ್ನು ಬಳಸುತ್ತೇನೆ. ಇದರ ಪ್ರಾಥಮಿಕ ಮೂಲ (TURKSTAT) ಮತ್ತು ಪೂರ್ಣ ಸರಣಿಯ ಹೆಸರನ್ನು ನನಗೆ ತಿಳಿಸಿ; ಸರಣಿಯು ಸ್ಥಿರ ಬೆಲೆಯಾಗಿದೆಯೇ ಮತ್ತು ಮೂಲ ವರ್ಷವನ್ನು ಪರಿಶೀಲಿಸಲು ಎಲ್ಲಿ ನೋಡಬೇಕೆಂದು ನನಗೆ ತಿಳಿಸಿ. ಈ ಡೇಟಾವನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಲು ಹಂತಗಳು/ಕೋಡ್‌ಗಳನ್ನು ಸಹ ನೀಡಿ. ಸಂಖ್ಯೆಗಳನ್ನು ಸ್ವತಃ ಉತ್ಪಾದಿಸಬೇಡಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ "ಮಾದರಿ ಔಟ್‌ಪುಟ್" ಟೇಬಲ್ ಅನ್ನು ನೈಜ ಡೇಟಾಗಾಗಿ ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಆ ಸಂಖ್ಯೆಗಳು ಕೃತಕವಾಗಿರಬಹುದು; ಕೋಡ್/ಮಾರ್ಗಸೂಚಿಯನ್ನು ಬಳಸಿ.
  • ಮೆಟಾಡೇಟಾವನ್ನು ಜೋಡಿಸದೆ ಎರಡು ಸರಣಿಗಳನ್ನು ಹೋಲಿಸುವುದು. ಮೂಲ/ಘಟಕ/ವ್ಯಾಖ್ಯಾನದಲ್ಲಿನ ವ್ಯತ್ಯಾಸವು ನಕಲಿ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ.
  • ವಾಸ್ತವಕ್ಕಾಗಿ ಪ್ರಕ್ಷೇಪಣವನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. IMF WEO ನಲ್ಲಿ ಮುಂದಿನ ವರ್ಷದ ಅಂಕಿ ಅಂಶವು ಅಂದಾಜು.
  • ಪರಿಷ್ಕರಣೆಯನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತಿದೆ. ನೀವು ಯಾವ ಆವೃತ್ತಿಯನ್ನು ಬಳಸುತ್ತಿರುವಿರಿ ಎಂದು ಹೇಳುತ್ತಿಲ್ಲ.
  • ಆವರ್ತನ ಅಸಾಮರಸ್ಯ. ತಿದ್ದುಪಡಿ ಇಲ್ಲದೆ ತ್ರೈಮಾಸಿಕ ಸರಣಿಯೊಂದಿಗೆ ಮಾಸಿಕ ಸರಣಿಯನ್ನು ಸಂಯೋಜಿಸುವುದು.
  • ಅಡಿಟಿಪ್ಪಣಿಗಳಲ್ಲಿ ಮೂಲವನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತಿಲ್ಲ. ಪತ್ತೆಹಚ್ಚಲಾಗದ ಆಕೃತಿಯು ಸಮರ್ಥನೀಯವಲ್ಲದ ಆಕೃತಿಯಾಗಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ವಿಶ್ಲೇಷಣೆಯ ಶಕ್ತಿಯು ಡೇಟಾದ ಶಕ್ತಿಯಾಗಿದೆ. ಸರಿಯಾದ ಮೂಲವನ್ನು ಹುಡುಕಲು AI ಬಳಸಿ, ಸರಣಿಯನ್ನು ಹೊಂದಿಸಿ ಮತ್ತು ಡೌನ್‌ಲೋಡ್ ಕೋಡ್ ಬರೆಯಿರಿ; ಆದರೆ ಯಾವಾಗಲೂ ಪ್ರಾಥಮಿಕ ಅಧಿಕೃತ ಮೂಲದಿಂದ ಅಂಕಿಅಂಶವನ್ನು ಪಡೆಯಿರಿ (TURKSTAT, EVDS, IMF, ವಿಶ್ವ ಬ್ಯಾಂಕ್, Eurostat, FRED). ಮೆಟಾಡೇಟಾವನ್ನು ಜೋಡಿಸುವ ಮೂಲಕ ಪರಿಷ್ಕರಣೆ, ಮೂಲ ವರ್ಷ, ಪರಿಮಾಣ ಮತ್ತು ವಿವರಣೆಯಂತಹ ಮೂಕ ದೋಷ ಮೂಲಗಳನ್ನು ತಟಸ್ಥಗೊಳಿಸಿ. ಎರಡು ಮೂಲಗಳು ಸಂಘರ್ಷದಲ್ಲಿದ್ದರೆ, ಮೊದಲು ಗುಣಲಕ್ಷಣವನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ವ್ಯಾಪಾರದಲ್ಲಿ ನೀವು ಆಗಾಗ್ಗೆ ಬಳಸುವ ಸೂಚಕವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಮೇಲಿನ 1 ಮತ್ತು 3 ಟೆಂಪ್ಲೇಟ್‌ಗಳೊಂದಿಗೆ ಮೂಲ ಮತ್ತು ಮೆಟಾಡೇಟಾ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು AI ಹೊರತೆಗೆಯಿರಿ. ನಂತರ ಎರಡು ವಿಭಿನ್ನ ಮೂಲಗಳಿಂದ ಒಂದೇ ಸೂಚಕವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ (ಉದಾ. TURKSTAT ಮತ್ತು ವಿಶ್ವ ಬ್ಯಾಂಕ್) ಮತ್ತು ಅಂಕಿಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ; ವ್ಯತ್ಯಾಸವಿದ್ದಲ್ಲಿ, ಟೆಂಪ್ಲೇಟ್ 4 ನೊಂದಿಗೆ ಕಾರಣವನ್ನು ನಿರ್ಣಯಿಸಿ ಮತ್ತು ಮೂರು ವಾಕ್ಯಗಳಲ್ಲಿ ನಿಮ್ಮ ಶೋಧನೆಯನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ನನ್ನ ಉದ್ದೇಶಕ್ಕೆ ಸೂಕ್ತವಾದ ಪ್ರಾಥಮಿಕ ಮೂಲವನ್ನು ನಾನು ಆರಿಸಿಕೊಂಡಿದ್ದೇನೆ (ನಾನು Türkiye ಅವರ ಅಧಿಕೃತ / ಅಂತರಾಷ್ಟ್ರೀಯ ಹೋಲಿಕೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಮಾಡಿದ್ದೇನೆ).
  • [ ] ನಾನು ಅಧಿಕೃತ ಪುಟದಿಂದ ಸರಣಿಯ ಘಟಕ, ಮೂಲ ವರ್ಷ, ವಿವರಣೆ ಮತ್ತು ನವೀಕರಣ ದಿನಾಂಕವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ನೈಜ ಮೂಲದಿಂದ ತೆಗೆದುಕೊಂಡ ಡೇಟಾವನ್ನು ಬಳಸಿದ್ದೇನೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ನೀಡಿದ "ಮಾದರಿ ಅಂಕಿಅಂಶಗಳು" ಅಲ್ಲ.
  • [ ] ನಾನು ಅಧಿಕೃತ ಪ್ರಕಟಣೆಯೊಂದಿಗೆ ಕನಿಷ್ಠ ಕೆಲವು ಅವಲೋಕನಗಳನ್ನು ಅಕ್ಷರಶಃ ಹೋಲಿಸಿದೆ.
  • [ ] ನಾನು ಪರಿಷ್ಕರಣೆ/ಆವೃತ್ತಿ ಸ್ಥಿತಿಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ ಮತ್ತು ನಾನು ಬಳಸುತ್ತಿರುವ ಆವೃತ್ತಿಯನ್ನು ಗಮನಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ಮೆಟಾಡೇಟಾವನ್ನು ಜೋಡಿಸುವ ಮೂಲಕ ಎರಡು ಮೂಲ ಸಂಘರ್ಷಗಳನ್ನು ವಿವರಿಸಿದೆ.
  • [ ] ನಾನು ಬಳಸಿದ ಪ್ರತಿ ಆಕೃತಿಯ ಮೂಲವನ್ನು ಅಡಿಟಿಪ್ಪಣಿಯೊಂದಿಗೆ ಪತ್ತೆಹಚ್ಚುವಂತೆ ಮಾಡಿದ್ದೇನೆ.