ഗുണപരമായ അഭിമുഖം: ട്രാൻസ്ക്രിപ്ഷൻ, കോഡിംഗ്, തീം അനാലിസിസ്

നേട്ടങ്ങൾ:

• റെക്കോർഡിംഗ് ശ്രദ്ധിച്ചുകൊണ്ട് ട്രാൻസ്ക്രിപ്റ്റ് പരിശോധിക്കാനും കോഡുകളും തീമുകളും നിർദ്ദേശിക്കാൻ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിക്കാനുമുള്ള കഴിവ്
• ഓരോ കോഡും ഉദ്ധരണിയും ബന്ധിപ്പിച്ച്, വാചകത്തിലെ യഥാർത്ഥ പ്രസ്താവനയിലേക്ക്, വെയിലത്ത് ഒരു ലൈൻ നമ്പർ ഉപയോഗിച്ച്, പങ്കാളിയുടെ ശബ്ദത്തോട് സത്യസന്ധത പുലർത്തുക
• തീമിൽ നിന്ന് കോഡ് വേർതിരിച്ചറിയാനും ഉപരിപ്ലവമായ അഭിപ്രായങ്ങൾ ഒഴിവാക്കാനും ഉദ്ധരണികൾക്കൊപ്പം ഡാറ്റയുടെ ആഴത്തെ പിന്തുണയ്ക്കാനുമുള്ള കഴിവ്.

ഗുണപരമായ ഗവേഷണം സംഖ്യകളെക്കുറിച്ചല്ല; അർത്ഥവും അനുഭവവും സന്ദർഭവും കൈകാര്യം ചെയ്യുന്ന സമീപനമാണിത്. ആളുകൾ ഒരു സംഭവത്തെ എങ്ങനെ വ്യാഖ്യാനിക്കുന്നു, ഏത് വാക്കുകളിൽ അവർ അതിനെ വിവരിക്കുന്നു, എന്തുകൊണ്ടാണ് അവർ അതിനെക്കുറിച്ച് ശ്രദ്ധിക്കുന്നത് എന്ന് ആഴത്തിൽ മനസ്സിലാക്കാൻ ഇത് ശ്രമിക്കുന്നു. ആഴത്തിലുള്ള അഭിമുഖമാണ് ഏറ്റവും സാധാരണമായ ഉപകരണം - മുൻകൂട്ടി നിശ്ചയിച്ചതും എന്നാൽ വഴക്കമുള്ളതുമായ ചോദ്യങ്ങളെ അടിസ്ഥാനമാക്കി ഒരു വ്യക്തിയുമായുള്ള ഒരു നീണ്ട സംഭാഷണം. അഭിമുഖത്തിന് ശേഷം മൂന്ന് ടാസ്ക്കുകൾ വരുന്നു: ട്രാൻസ്ക്രിപ്ഷൻ (ഓഡിയോ റെക്കോർഡിംഗ് പദാനുപദമായി ട്രാൻസ്ക്രൈബ് ചെയ്യുക), കോഡിംഗ് (ടെക്സ്റ്റിലെ അർത്ഥവത്തായ ഭാഗങ്ങൾ ലേബൽ ചെയ്യുക), തീം വിശകലനം (കോഡുകളിൽ നിന്ന് വലിയ, ആവർത്തിച്ചുള്ള പാറ്റേണുകൾ - തീമുകൾ - വേർതിരിച്ചെടുക്കൽ). ഈ യൂണിറ്റിൽ, ഈ മൂന്ന് ജോലികളിൽ AI എങ്ങനെ ഉപയോഗിക്കാമെന്ന് നിങ്ങൾ പഠിക്കും; എന്നാൽ പങ്കാളിയുടെ ശബ്ദവും വ്യാഖ്യാനത്തിനുള്ള ഉത്തരവാദിത്തവും എങ്ങനെ നിലനിർത്താമെന്ന് നിങ്ങൾ പഠിക്കും.

ഗുണപരമായ വിശകലനത്തിൽ AI ശരിക്കും ശക്തമായ ഒരു സഹായമാണ്, കാരണം മിക്ക ജോലികളും ടെക്സ്റ്റുമായി ബന്ധപ്പെട്ടതാണ്, കൂടാതെ AI ടെക്സ്റ്റിൽ വേഗതയുള്ളതുമാണ്. പക്ഷേ, അതുകൊണ്ടാണ് ഏറ്റവും വലിയ അപകടസാധ്യത ഇവിടെയുള്ളത്: പങ്കെടുക്കുന്നയാൾക്ക് അവൻ അല്ലെങ്കിൽ അവൾ പറയാത്ത എന്തെങ്കിലും ആട്രിബ്യൂട്ട് ചെയ്യുക. AI-ക്ക് ഒരു ഉദ്ധരണി "ശരിയാക്കാം", ഒരു വികാരം "വ്യാഖ്യാനം" ചെയ്യാം, അല്ലെങ്കിൽ വാചകത്തിൽ ഇല്ലാത്ത ഒരു തീം "മേക്ക് അപ്പ്" ചെയ്യാം. ഗുണപരമായ ഗവേഷണത്തിൻ്റെ കാതൽ പങ്കാളിയുടെ സ്വന്തം വാക്കുകളോടുള്ള വിശ്വസ്തതയാണ്. അതിനാൽ സുവർണ്ണ നിയമം: AI കോഡും തീമുകളും നിർദ്ദേശിക്കുന്നു, എന്നാൽ ഓരോ നിർദ്ദേശവും വാചകത്തിലെ യഥാർത്ഥ പ്രസ്താവനയുമായി ലിങ്ക് ചെയ്തിരിക്കണം - വെയിലത്ത് ഒരു ലൈൻ നമ്പർ ഉപയോഗിച്ച് - നിങ്ങൾ അത് സ്ഥിരീകരിക്കണം.

ഘട്ടം ഘട്ടമായി: രജിസ്ട്രേഷൻ മുതൽ തീം വരെ

1. ട്രാൻസ്ക്രിപ്റ്റ് പരിശോധിക്കുക. ഓട്ടോമേറ്റഡ് ട്രാൻസ്ക്രിപ്ഷൻ ടൂളുകൾ വേഗമേറിയതാണെങ്കിലും തെറ്റുകൾ വരുത്തുന്നു: അവ പേരുകൾ, സാങ്കേതിക പദങ്ങൾ, ഭാഷാ പദപ്രയോഗങ്ങൾ എന്നിവ തെറ്റായി എഴുതിയേക്കാം. റെക്കോർഡിംഗ് കേൾക്കുകയും ട്രാൻസ്ക്രിപ്റ്റ് ശരിയാക്കുകയും ചെയ്യേണ്ടത് അത്യാവശ്യമാണ്; AI-ക്ക് ഫോർമാറ്റ് എഡിറ്റ് ചെയ്യാൻ കഴിയും, പക്ഷേ അതിന് ശബ്ദം കേൾക്കാൻ കഴിയില്ല.

2. ഓപ്പൺ കോഡിംഗ് ചെയ്യുക. വാചകം വരി വരിയായി വായിച്ച് ഓരോ അർത്ഥവത്തായ ഭാഗത്തിനും ഒരു ലേബൽ (കോഡ്) നൽകുക. ആദ്യത്തെ കുറച്ച് ട്രാൻസ്ക്രിപ്റ്റുകളിൽ നിന്ന് AI-ക്ക് കോഡ് നിർദ്ദേശങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും; ഇത് ഒരു ആരംഭ പട്ടിക നൽകുന്നു.

3. കോഡ് ലിസ്റ്റ് സിദ്ധാന്തവുമായി വിന്യസിക്കുക. നിങ്ങളുടെ സ്വന്തം ഗവേഷണ ചോദ്യവും ചട്ടക്കൂടും അനുസരിച്ച് AI നിർദ്ദേശിച്ച കോഡുകൾ സംയോജിപ്പിക്കുക, വേർതിരിക്കുക, പുനർനാമകരണം ചെയ്യുക. ഇത് മനുഷ്യൻ്റെ വിധിയാണ്.

4. സ്ഥിരമായി കോഡ്. എല്ലായിടത്തും ഒരേ കോഡ് ഉപയോഗിച്ച് ഒരേ അർത്ഥം ലേബൽ ചെയ്യണം. നിങ്ങളുടെ അംഗീകൃത കോഡ് സെറ്റുമായി പൊരുത്തപ്പെടുന്ന ശേഷിക്കുന്ന ട്രാൻസ്ക്രിപ്റ്റുകൾ അടയാളപ്പെടുത്താൻ AI സഹായിക്കുന്നു.

5. തീമുകൾ എക്സ്ട്രാക്റ്റ് ചെയ്യുക. ഗ്രൂപ്പ് കോഡുകളും വലിയ പാറ്റേണുകളുടെ പേരുകളും (തീമുകൾ). AI ഡ്രാഫ്റ്റ് തീം നിർദ്ദേശിക്കുന്നു; ഏതാണ് നിങ്ങളുടെ ഡാറ്റയെ യഥാർത്ഥത്തിൽ പ്രതിഫലിപ്പിക്കുന്നതെന്ന് തീരുമാനിക്കേണ്ടത് നിങ്ങളാണ്. നേരിട്ടുള്ള ഉദ്ധരണികൾ ഉപയോഗിച്ച് ഓരോ തീമിനെയും പിന്തുണയ്ക്കുക.

നുറുങ്ങ്: ഗുണപരമായ വിശകലനത്തിൽ "കോഡ്", "തീം" എന്നിവ തമ്മിലുള്ള വ്യത്യാസം വ്യക്തമാക്കുക: ഒരു കോഡ് എന്നത് ടെക്സ്റ്റിലെ അർത്ഥത്തിൻ്റെ ഒരു ചെറിയ ടാഗാണ് ("തൊഴിൽ അരക്ഷിതാവസ്ഥയെക്കുറിച്ചുള്ള ഉത്കണ്ഠ"); നിരവധി കോഡുകൾ ("ഭാവിയെക്കുറിച്ചുള്ള അനിശ്ചിതത്വം") ഒരുമിച്ച് കൊണ്ടുവരുന്ന വലിയ പാറ്റേണാണ് തീം. AI-ക്ക് രണ്ടിനെയും ആശയക്കുഴപ്പത്തിലാക്കാം; നിങ്ങൾ വ്യത്യാസം നിലനിർത്തുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - കെട്ടിച്ചമച്ച ഉദ്ധരണി പിടികൂടി. ഒരു തീമിനെ പിന്തുണയ്ക്കുന്ന ഉദ്ധരണികൾക്കായി ഒരു ഗവേഷകൻ AI-യോട് ആവശ്യപ്പെട്ടു. AI ഒഴുക്കുള്ള ഒരു വാചകം അവതരിപ്പിച്ചു, എന്നാൽ ട്രാൻസ്ക്രിപ്റ്റിൽ "പങ്കാളി പറഞ്ഞത്" പോലെ ദൃശ്യമല്ല. ഗവേഷകൻ ഒരു ലൈൻ നമ്പർ ആവശ്യപ്പെട്ടപ്പോൾ, YZ-ന് ഉറവിടം ഉദ്ധരിക്കാൻ കഴിഞ്ഞില്ല; ഉദ്ധരണി കെട്ടിച്ചമച്ചതാണ്. ഇത് ഒരു നിയമമായി മാറിയിരിക്കുന്നു: ഉദ്ധരണികളോ വരി നമ്പറുകളോ ഇല്ലാത്ത ഒരു നിർദ്ദേശവും സ്വീകരിക്കില്ല.

കേസ് 2 - കോഡിംഗ് സ്ഥിരത വർദ്ധിച്ചു. 30 ട്രാൻസ്ക്രിപ്റ്റുകളിൽ നടത്തിയ പഠനത്തിൽ രണ്ട് ഗവേഷകർ വ്യത്യസ്ത കോഡുകൾ ഉപയോഗിച്ചു. ഓരോ കോഡിൻ്റെയും പേര്, വിവരണം, ഉദാഹരണം എന്നിങ്ങനെ ഒരു പൊതു കോഡ്ബുക്ക് AI ഡ്രാഫ്റ്റ് അവർക്കുണ്ടായിരുന്നു; കോഡറുകൾ തമ്മിലുള്ള സ്ഥിരത ഗണ്യമായി വർദ്ധിക്കുകയും ഓരോ കോഡും എന്താണ് അർത്ഥമാക്കുന്നത് എന്ന് രേഖപ്പെടുത്തുകയും ചെയ്തു.

കേസ് 3 - ഉപരിപ്ലവമായ തീം ആഴത്തിലാക്കി. ആദ്യ റൗണ്ടിൽ, "പങ്കെടുക്കുന്നവർ സന്തുഷ്ടർ/അസന്തുഷ്ടരാണ്" എന്നതുപോലുള്ള ഉപരിപ്ലവമായ ഒരു തീം AI നിർദ്ദേശിച്ചു. "ഇത് വളരെ ആഴം കുറഞ്ഞതാണ്, ഡാറ്റയിലെ ടെൻഷൻ കാണിക്കൂ" എന്ന് ഗവേഷകൻ പറഞ്ഞപ്പോൾ, AI ഉദ്ധരണികളിലേക്ക് തിരികെ പോയി, "സുരക്ഷയ്‌ക്കായുള്ള തിരയലും സ്വാതന്ത്ര്യത്തിനായുള്ള ആഗ്രഹവും തമ്മിലുള്ള പിരിമുറുക്കം" പോലെയുള്ള ഒരു സമ്പന്നമായ പാറ്റേൺ വരച്ചു. ഉദ്ധരണികളിലൂടെ ഗവേഷകൻ ഇത് സ്ഥിരീകരിച്ചു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) കോഡിംഗ് ശുപാർശ തുറക്കുക:

ഇനിപ്പറയുന്ന ഇൻ്റർവ്യൂ ട്രാൻസ്‌ക്രിപ്റ്റ് വരിയായി കോഡ് ചെയ്യുക. ഓരോ അർഥവത്തായ ഭാഗത്തിനും ഒരു ചെറിയ കോഡ് ടാഗ് നിർദ്ദേശിക്കുകയും അതിനടുത്തായി ലൈൻ നമ്പറും നേരിട്ടുള്ള ഉദ്ധരണിയും ഇടുകയും ചെയ്യുക. വാചകത്തിൽ ഇല്ലാത്തതൊന്നും ചേർക്കരുത്. അഭിപ്രായം പറയരുത്; ടെക്സ്റ്റിലെ വാചകം ടാഗ് ചെയ്യുക. ട്രാൻസ്ക്രിപ്റ്റ്: [ഇവിടെ]

2) കോഡ് ഡെഫനിഷൻ ബുക്ക് (കോഡ്ബുക്ക്):

ഇനിപ്പറയുന്ന കോഡുകളുടെ പട്ടികയിൽ നിന്ന് ഒരു കോഡ് ഡെഫനിഷൻ ബുക്ക് സൃഷ്‌ടിക്കുക: ഓരോ കോഡിനും (1) പേര്, (2) ഒരു വാക്യ വിവരണം, (3) ടെക്‌സ്‌റ്റിൽ നിന്നുള്ള ഉദ്ധരണി (ലൈൻ നമ്പറിനൊപ്പം), (4) "ഈ കോഡിൻ്റെ പരിധിക്ക് പുറത്ത്" എന്ന് ശ്രദ്ധിക്കുക. അവ്യക്തമായ കോഡുകൾ ഫ്ലാഗ് ചെയ്യുക. കോഡുകൾ: [ഇവിടെ]

3) തീം അനുമാനം (ഉദ്ധരണത്തെ അടിസ്ഥാനമാക്കി):

ഞാൻ അംഗീകരിച്ച കോഡ് ലിസ്റ്റ് അറ്റാച്ച് ചെയ്തിട്ടുണ്ട്. ഈ കോഡുകൾ ഗ്രൂപ്പുചെയ്യുന്നതിലൂടെ 3-5 തീം സ്കെച്ചുകൾ നിർദ്ദേശിക്കുക. ഓരോ തീമിനും: അതിൽ അടങ്ങിയിരിക്കുന്ന കോഡുകളും അതിനെ പിന്തുണയ്ക്കുന്ന കുറഞ്ഞത് 2 നേരിട്ടുള്ള ഉദ്ധരണികളെങ്കിലും (ലൈൻ നമ്പറിനൊപ്പം) കാണിക്കുക. ഉദ്ധരണി ഇല്ലാതെ ഒരു തീം നിർദ്ദേശിക്കരുത്. തീമുകൾ: [ഇവിടെ] കോഡുകൾ: [ഇവിടെ]

4) ലോയൽറ്റി കൺട്രോൾ:

തീമിൻ്റെയും അത് അടിസ്ഥാനമാക്കിയുള്ള ഉദ്ധരണികളുടെയും ഒരു സംഗ്രഹം ചുവടെയുണ്ട്. ഓരോ വാക്യവും പരിശോധിക്കുക: ഈ അഭിപ്രായം യഥാർത്ഥത്തിൽ ഉദ്ധരണി പറയുന്നതാണോ അതോ അധിക അനുമാനമാണോ? വാചകം പിന്തുണയ്ക്കാത്ത ഓരോ വാക്യവും അടയാളപ്പെടുത്തുക. പങ്കെടുക്കുന്നയാളുടെ ശബ്ദത്തിൻ്റെ അതിശയോക്തി അല്ലെങ്കിൽ വികലമാക്കൽ. സംഗ്രഹം: [ഇവിടെ]

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ അഭിമുഖങ്ങൾ വായിച്ച് എനിക്കായി പ്രധാന തീമുകളും നല്ല ഉദ്ധരണികളും കൊണ്ടുവരിക.

AI-ന് ഒഴുക്കുള്ളതും എന്നാൽ നിർമ്മിച്ചതുമായ ഉദ്ധരണികളും ഡാറ്റ വഹിക്കാത്ത ഉപരിപ്ലവമായ തീമുകളും സൃഷ്ടിക്കാൻ കഴിയും. പങ്കെടുക്കുന്നയാളുടെ ശബ്ദം നഷ്ടപ്പെട്ടു, ആട്രിബ്യൂഷൻ വിശ്വസനീയമല്ല.

ശക്തമായ നിർദ്ദേശം:

താഴെയുള്ള ട്രാൻസ്‌ക്രിപ്റ്റുകൾ വിശകലനം ചെയ്യുക, ടെക്‌സ്‌റ്റിൽ മാത്രം ഒതുങ്ങുക. ഓരോ തീം നിർദ്ദേശത്തിനും: (1) തീം രൂപപ്പെടുത്തുന്ന കോഡുകൾ, (2) നേരിട്ടുള്ള ഉദ്ധരണി + ഓരോ കോഡിനെയും പിന്തുണയ്ക്കുന്ന ലൈൻ നമ്പർ. വാചകത്തിൽ പരാമർശിക്കാത്ത പദപ്രയോഗങ്ങളൊന്നും പങ്കാളിക്ക് ആട്രിബ്യൂട്ട് ചെയ്യരുത്; നിങ്ങൾക്ക് ഉറപ്പില്ലാത്തിടത്ത്, "അത് വാചകത്തിൽ വ്യക്തമല്ല" എന്ന് എഴുതുക. ട്രാൻസ്ക്രിപ്റ്റുകൾ: [ഇവിടെ]

വ്യത്യാസം: രണ്ടാമത്തെ സമീപനം ഓരോ കമൻ്റും പങ്കാളിയുടെ യഥാർത്ഥ വാക്കിന് ആട്രിബ്യൂട്ട് ചെയ്യുന്നു, ഇത് കൃത്രിമത്വം അസാധ്യമാക്കുന്നു.

ഗുണപരമായ വിശകലന ഘട്ടങ്ങൾ

സ്റ്റേജ്

AI യുടെ സംഭാവന

മനുഷ്യൻ്റെ തീരുമാനം

ട്രാൻസ്ക്രിപ്ഷൻ

ഫോർമാറ്റ് എഡിറ്റിംഗ്

ഓഡിയോ ശ്രവിക്കുകയും പരിശോധിക്കുകയും ചെയ്യുക

തുറന്ന കോഡിംഗ്

കോഡ് നിർദ്ദേശം (ഉദ്ധരണിയോടെ)

സൈദ്ധാന്തിക തിരഞ്ഞെടുപ്പ്

കോഡ് ബുക്ക്

ഡെഫനിഷൻ ഡ്രാഫ്റ്റ്

കോഡ് പരിധികൾ സജ്ജമാക്കുക

സ്ഥിരമായ കോഡിംഗ്

ആപ്ലിക്കേഷൻ സജ്ജമാക്കുക

സ്ഥിരത പരിശോധന

തീം വിശകലനം

പാറ്റേൺ സ്കെച്ച്

കമൻ്റും പേരിടലും

റിപ്പോർട്ട് ചെയ്യുന്നു

ഉദ്ധരണി എഡിറ്റിംഗ്

വിശ്വസ്തതയും അർത്ഥവും

സാധാരണ തെറ്റുകൾ

• ലൈൻ നമ്പർ ഇല്ലാതെ ഉദ്ധരണി സ്വീകരിക്കുന്നു. ഉണ്ടാക്കിയ ഉദ്ധരണിയുടെ വാതിൽ ഇവിടെ നിന്ന് തുറക്കുന്നു.
• ട്രാൻസ്ക്രിപ്റ്റ് കേൾക്കാതെ വിശ്വസിക്കുന്നു. ഓട്ടോമേറ്റഡ് ട്രാൻസ്ക്രിപ്റ്റുകൾ പേരുകളിലും നിബന്ധനകളിലും തെറ്റിദ്ധരിക്കപ്പെടുന്നു.
• തീമുമായി കോഡ് മിക്സ് ചെയ്യുന്നു. ചെറിയ ലേബലും വലിയ പാറ്റേണും രണ്ട് വ്യത്യസ്ത കാര്യങ്ങളാണ്.
• ഉപരിപ്ലവമായ വിഷയത്തിൽ സംതൃപ്തരായിരിക്കുക. ഗുണനിലവാരത്തിൻ്റെ ശക്തി ആഴമാണ്; ഡാറ്റയിൽ വോൾട്ടേജ് നോക്കുക.
• പങ്കെടുക്കുന്നയാളുടെ ശബ്ദം "മനോഹരമാക്കൽ". ടെക്‌സ്‌റ്റ് സ്ട്രീംലൈൻ ചെയ്യുമ്പോൾ അർത്ഥം മാറ്റുന്നത് വിശ്വാസ്യതയെ തകർക്കുന്നു.

ചുരുക്കത്തിൽ

ഗുണപരമായ അഭിമുഖ വിശകലനത്തിൽ AI; ട്രാൻസ്ക്രിപ്റ്റുകൾ എഡിറ്റുചെയ്യുക, കോഡ് നിർദ്ദേശിക്കുക, കോഡ് ഡെഫനിഷൻ ബുക്കുകൾ സൃഷ്ടിക്കുക, തീം ഡ്രാഫ്റ്റിംഗ് തുടങ്ങിയ ജോലികളിൽ ഇത് ധാരാളം സമയം ലാഭിക്കുന്നു. എന്നാൽ ഗുണപരമായ ഗവേഷണത്തിൻ്റെ കാതൽ പങ്കാളിയുടെ സ്വന്തം വാക്കുകളോടുള്ള വിശ്വസ്തതയാണ്. ഓരോ കോഡും തീമും വാചകത്തിലെ ഒരു യഥാർത്ഥ പ്രസ്താവനയുമായി ലിങ്ക് ചെയ്യണം-വെയിലത്ത് ലൈൻ നമ്പർ പ്രകാരം; സ്ഥിരീകരണമില്ലാതെ റിപ്പോർട്ടിൽ ഉദ്ധരണികൾ ഉൾപ്പെടുത്തരുത്, സ്ഥിരീകരണമില്ലാതെ റിപ്പോർട്ടിൽ ഒരു അഭിപ്രായവും ഉൾപ്പെടുത്തരുത്. AI നിർദ്ദേശങ്ങൾ നൽകുന്നു; അർത്ഥത്തിൻ്റെയും ആഴത്തിൻ്റെയും വിശ്വസ്തതയുടെയും ഉത്തരവാദിത്തം നിങ്ങളുടേതാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ഹ്രസ്വ അഭിമുഖം റെക്കോർഡിംഗ് (നിങ്ങൾക്ക് സ്വയം നിർമ്മിക്കാൻ കഴിയുന്ന 10-15 മിനിറ്റ്) എടുത്ത് ഒരു ഓട്ടോമേറ്റഡ് ടൂൾ ഉപയോഗിച്ച് അത് പകർത്തുക. റെക്കോർഡിംഗ് ശ്രദ്ധിക്കുകയും ട്രാൻസ്ക്രിപ്റ്റ് ശരിയാക്കുകയും ചെയ്യുക. "ഓപ്പൺ കോഡിംഗ് പ്രൊപ്പോസൽ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച്, AI-ൽ നിന്ന് ലൈൻ നമ്പറുള്ള കോഡുകൾ എടുക്കുക, അവ നിങ്ങളുടെ സ്വന്തം ചട്ടക്കൂടിലേക്ക് ക്രമീകരിച്ച് ഒരു കോഡ്ബുക്ക് സൃഷ്ടിക്കുക. തുടർന്ന്, "തീം എക്‌സ്‌ട്രാക്ഷൻ" ഉപയോഗിച്ച്, 3 തീമുകൾ ഡ്രാഫ്റ്റ് ചെയ്യുകയും ഓരോന്നും യഥാർത്ഥ ഉദ്ധരണികൾ ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുകയും ചെയ്യുക. "വിശ്വസ്തത പരിശോധന" ഉപയോഗിച്ച് വാചകം പിന്തുണയ്ക്കാത്ത ഏതെങ്കിലും വാക്യങ്ങൾ നീക്കം ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ റെക്കോർഡിംഗ് ശ്രദ്ധിച്ചുകൊണ്ട് ട്രാൻസ്ക്രിപ്റ്റ് പരിശോധിച്ചു.
• [ ] ഞാൻ ഓരോ കോഡും ലൈൻ നമ്പറും ഉദ്ധരണിയുമായി ലിങ്ക് ചെയ്തു.
• [ ] ഞാൻ കോഡ് ഡെഫനിഷൻ പുസ്തകവുമായി സ്ഥിരത രേഖപ്പെടുത്തി.
• [ ] കുറഞ്ഞത് രണ്ട് നേരിട്ടുള്ള ഉദ്ധരണികളെങ്കിലും ഞാൻ ഓരോ തീമിനെയും പിന്തുണച്ചു.
• [ ] പങ്കെടുക്കുന്നയാൾക്ക് ആട്രിബ്യൂട്ട് ചെയ്ത ഓരോ വാക്യവും വാചകം ഉപയോഗിച്ച് ഞാൻ സ്ഥിരീകരിച്ചു.