ഉപയോക്തൃ ഗവേഷണ സമന്വയം: അഭിമുഖത്തിൽ നിന്നും സർവേ ഡാറ്റയിൽ നിന്നും സ്ഥിതിവിവരക്കണക്കുകൾ വേർതിരിച്ചെടുക്കുന്നു

നേട്ടങ്ങൾ:

• അസംസ്‌കൃത ഇൻ്റർവ്യൂ ട്രാൻസ്‌ക്രിപ്‌റ്റുകൾ, ഓപ്പൺ-എൻഡ് സർവേ പ്രതികരണങ്ങൾ, പിന്തുണാ ടിക്കറ്റുകൾ എന്നിവ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് തീമുകളിലേക്കും സ്ഥിതിവിവരക്കണക്കുകളിലേക്കും മാറ്റാനുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പിന്തുണയോടെ അഫിനിറ്റി മാപ്പിംഗ്, കോഡിംഗ് തുടങ്ങിയ ഗുണപരമായ വിശകലന ഘട്ടങ്ങൾ ത്വരിതപ്പെടുത്താനും മനുഷ്യനേത്രം ഉപയോഗിച്ച് ഫലങ്ങൾ പരിശോധിക്കാനുമുള്ള കഴിവ്
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് നിർമ്മിച്ചതോ അതിശയോക്തിപരമോ ആയ തീമുകൾ യഥാർത്ഥ ഉദ്ധരണികളിലേക്ക് തിരികെ ബന്ധിപ്പിച്ചുകൊണ്ട് അവയെ ഇല്ലാതാക്കാനുള്ള കഴിവ്

ഉപയോക്തൃ ഗവേഷണത്തിൻ്റെ ഏറ്റവും മടുപ്പിക്കുന്നതും എളുപ്പത്തിൽ ഒഴിവാക്കപ്പെടുന്നതുമായ ഘട്ടം സിന്തസിസ് ആണ്: ഡസൻ കണക്കിന് അഭിമുഖങ്ങൾ, നൂറുകണക്കിന് സർവേ പ്രതികരണങ്ങൾ, പിന്തുണാ ടിക്കറ്റുകൾ (ഉപയോക്താവിൻ്റെ സഹായ അഭ്യർത്ഥന) എന്നിവ അർത്ഥവത്തായ ഉൾക്കാഴ്ചകളാക്കി മാറ്റുന്നു. ഈ ജോലിക്ക് ദിവസങ്ങളെടുക്കും; അതുകൊണ്ടാണ് ടീമുകൾ പലപ്പോഴും കോണുകൾ വെട്ടി "ഫീൽ അനുസരിച്ച്" തീരുമാനിക്കുന്നത്. AI ഈ തടസ്സം തുറക്കുന്നു: ഇത് അസംസ്‌കൃത വാചകത്തെ മണിക്കൂറുകൾക്ക് പകരം മിനിറ്റുകൾക്കുള്ളിൽ തീമുകളായി വിഭജിക്കുന്നു. എന്നാൽ സമന്വയം ഒരു "സംഗ്രഹം ഉണ്ടാക്കുക" എന്നതല്ല; ഇത് ഒരു തെളിവ് അടിസ്ഥാനമാക്കിയുള്ള, ഓഡിറ്റ് ചെയ്യാവുന്ന ന്യായവാദമാണ്. AI-യെ നിങ്ങളുടെ സിന്തസിസ് പങ്കാളിയാക്കുമ്പോൾ ഉൾക്കാഴ്ചയുടെ ആധികാരികത എങ്ങനെ സംരക്ഷിക്കാമെന്ന് ഈ യൂണിറ്റ് നിങ്ങളെ കാണിക്കുന്നു.

എന്താണ് ഉൾക്കാഴ്ച, സംഗ്രഹമല്ല

ആദ്യം പദം വ്യക്തമാക്കാം. ഇൻസൈറ്റ് എന്നത് ഡാറ്റയിൽ നിന്ന് ഉയർന്നുവരുന്ന ഒരു അർത്ഥവത്തായ പാറ്റേണാണ്, അത് ഡിസൈനിനെ നയിക്കുന്നു: "ഉപയോക്താക്കൾ ചെക്ക്ഔട്ട് ഘട്ടത്തിലല്ല, ഷിപ്പിംഗ് ഫീസ് ആദ്യം കാണുമ്പോൾ ഉപേക്ഷിക്കുന്നു." ഇതൊരു സംഗ്രഹമല്ല ("പേയ്മെൻ്റിനെക്കുറിച്ച് ഉപയോക്താക്കൾ പരാതിപ്പെടുന്നു"); അതൊരു നിരീക്ഷണവുമല്ല ("പങ്കാളിത്തം 4 ഷിപ്പിംഗ് ഫീസ് കണ്ടപ്പോൾ നിർത്തി"). ഇൻസൈറ്റ് പല നിരീക്ഷണങ്ങൾക്കും അടിസ്ഥാനമായ പൊതുവായ കാരണം പിടിച്ചെടുക്കുകയും ഒരു ഡിസൈൻ തീരുമാനത്തിലേക്കുള്ള വാതിൽ തുറക്കുകയും ചെയ്യുന്നു.

AI സ്വാഭാവികമായും സംഗ്രഹങ്ങൾ നിർമ്മിക്കാൻ ചായ്വുള്ളതാണ്. നിങ്ങളുടെ ജോലി സംഗ്രഹത്തിൽ നിന്ന് ഉൾക്കാഴ്ചയിലേക്ക് വലിക്കുക എന്നതാണ്: "എന്തുകൊണ്ട്?" കൂടാതെ "ഇത് ഡിസൈനിൽ എന്ത് മാറ്റമാണ് വരുത്തുന്നത്?" നിങ്ങളുടെ ചോദ്യങ്ങൾ പ്രോംപ്റ്റിൽ ഉൾപ്പെടുത്തിക്കൊണ്ട്.

ഗുണപരമായ വിശകലന ഘട്ടങ്ങളും കൃത്രിമ ബുദ്ധിയുടെ സ്ഥാനവും

ക്വാളിറ്റേറ്റീവ് (നോൺ-നമ്പറിക്കൽ, ടെക്സ്റ്റ്/നിരീക്ഷണത്തെ അടിസ്ഥാനമാക്കിയുള്ള) വിശകലനം ഈ ഘട്ടങ്ങളിലൂടെ ക്ലാസിക്കൽ ആയി തുടരുന്നു:

1. കോഡിംഗ്: വാചകത്തിലെ ഓരോ അർത്ഥവത്തായ ഭാഗത്തിനും ഒരു ലേബൽ നൽകിയിട്ടുണ്ട് ("ഷിപ്പിംഗ് ചെലവ് ആശങ്ക", "ആത്മവിശ്വാസമില്ലായ്മ").
2. അഫിനിറ്റി ഡയഗ്രം (അഫിനിറ്റി മാപ്പിംഗ്): സമാന ടാഗുകൾ ഗ്രൂപ്പുചെയ്തിരിക്കുന്നു; ഗ്രൂപ്പുകൾ തീമുകളായി മാറുന്നു.
3. തീം മുൻഗണന: ഏത് തീം എത്ര ഉപയോക്താക്കൾ കാണുന്നു, ഏത് തീവ്രതയോടെയാണ് നിർണ്ണയിക്കുന്നത്.
4. ഉൾക്കാഴ്ചയും ഉപദേശവും: തീമുകൾ "എന്താണ് ചെയ്യേണ്ടത്?" വാക്യങ്ങളുമായി ബന്ധിപ്പിക്കുന്നു.

AI 1, 2 ഘട്ടങ്ങൾ വളരെയധികം വേഗത്തിലാക്കുന്നു: പ്രാരംഭ കോഡിംഗും പ്രാരംഭ ഗ്രൂപ്പിംഗും മിനിറ്റുകൾക്കുള്ളിൽ നൽകുന്നു. എന്നിരുന്നാലും, ഗ്രൂപ്പുകളുടെ അർത്ഥം, തീമുകളുടെ പ്രാധാന്യം, നിർദ്ദേശങ്ങളുടെ കൃത്യത എന്നിവയ്ക്ക് മാനുഷിക പരിശോധന ആവശ്യമാണ്. AI നിങ്ങൾക്ക് ഒരു "ആദ്യ ഡ്രാഫ്റ്റ് മാപ്പ്" നൽകുന്നു; യാഥാർത്ഥ്യമനുസരിച്ച് നിങ്ങൾ മാപ്പ് ശരിയാക്കുന്നു.

നുറുങ്ങ്: "തീമുകൾ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യാൻ" നിങ്ങൾ AI-യോട് പറയുന്നതിന് മുമ്പ്, അതിന് നിങ്ങളുടെ കോഡിംഗ് സ്‌കീം (ടാഗുകളുടെ ലിസ്റ്റ്) നൽകുക. ഈ രീതിയിൽ, ഇത് എല്ലാവരുടെയും പൊതുവായ ഭാഷയിൽ പ്രവർത്തിക്കുന്നു, ഔട്ട്പുട്ടുകൾ താരതമ്യപ്പെടുത്താവുന്നതാണ്.

തെളിവുകളുടെ ശൃംഖല: ഓരോ തീമും ഒരു ഉദ്ധരണിയിലേക്ക് ലിങ്ക് ചെയ്യുന്നു

സമന്വയത്തിൻ്റെ സുവർണ്ണ നിയമം: ഓരോ തീമും കുറഞ്ഞത് ഒരു പദാനുപദ ഉദ്ധരണിയുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നു. പ്രമേയം യഥാർത്ഥമാണെന്നതിൻ്റെ തെളിവാണ് ഉദ്ധരണി. ഒരു തീം AI-യോട് ആവശ്യപ്പെടുമ്പോൾ എല്ലായ്പ്പോഴും അവലംബ ആവശ്യകത ഉൾപ്പെടുത്തുക; ഒരു ഉദ്ധരണി കണ്ടെത്താൻ കഴിയാത്ത ഒരു തീം നിർമ്മിക്കരുതെന്ന് അവനോട് പറയുക. ഇതുവഴി നിങ്ങൾ സ്രോതസ്സിൽ ഭ്രമാത്മകത നിർത്തുന്നു: ഒരു നിർമ്മിത തീം "അടിസ്ഥാനരഹിതം" എന്ന് അടയാളപ്പെടുത്തുന്നു, കാരണം അതിന് ഉറവിടത്തിൽ പ്രതിരൂപമില്ല.

പാളി

ഉദാഹരണം

ഉറവിടം

നിരീക്ഷണം

"പങ്കാളി 4 ഷിപ്പിംഗ് ഫീസ് കണ്ടപ്പോൾ വണ്ടി ഉപേക്ഷിച്ചു"

ഒന്നൊന്നായി റെക്കോർഡിംഗ്

കോഡ്

"അപ്രതീക്ഷിതമായ ചിലവ്"

ലേബലിംഗ്

തീം

"മറഞ്ഞിരിക്കുന്ന ചെലവുകൾ വിശ്വാസത്തെ തകർക്കുന്നു"

5 പങ്കാളികളിൽ ആവർത്തിക്കുക

ഉൾക്കാഴ്ച

"ഷിപ്പിംഗ് ചെലവ് നേരത്തെ കാണിക്കണം"

ഞാൻ തീം ഉപേക്ഷിക്കുന്നു

നിർദ്ദേശം

"ഉൽപ്പന്ന പേജിലേക്ക് ഷിപ്പിംഗ് എസ്റ്റിമേറ്റ് ചേർക്കുക"

ഡിസൈൻ തീരുമാനം

"ഇത് ഞങ്ങൾക്ക് എങ്ങനെ അറിയാം?" എന്ന് ഒരു പങ്കാളി ചോദിക്കുമ്പോൾ ഈ ശൃംഖല ആരംഭിക്കുന്നു. നിങ്ങൾ ചോദിക്കുമ്പോൾ, നിരീക്ഷണത്തിൽ നിന്ന് ഉദ്ധരണിയിലേക്ക് മടങ്ങാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 — 240 സർവേ പ്രതികരണങ്ങൾ, 90 മിനിറ്റ്. ഒരു ടീം AI-കോഡ് ചെയ്‌ത 240 ഓപ്പൺ-എൻഡ് (സൗജന്യ വാചകം) സർവേ പ്രതികരണങ്ങൾ. മോഡൽ 11 തീമുകൾ നിർദ്ദേശിച്ചു; ടീം 90 മിനിറ്റിനുള്ളിൽ ഇവ അവലോകനം ചെയ്തു, 7 ആയി ചുരുക്കി, 2 തീമുകൾ സംയോജിപ്പിച്ചു, 2 എണ്ണം പിന്തുണയ്‌ക്കാത്തതിനാൽ നീക്കം ചെയ്‌തു. 2 ദിവസത്തെ മാനുവൽ ജോലി പകുതി ദിവസമാക്കി ചുരുക്കി, തെളിവുകളുടെ ശൃംഖല സംരക്ഷിക്കപ്പെട്ടു.

കേസ് 2 - അതിശയോക്തി കലർന്ന തീം പിടികൂടി. "ഉപയോക്താക്കൾ ആപ്പിനെ വെറുക്കുന്നു" എന്ന ശക്തമായ തീം AI നിർമ്മിച്ചു. ഉദ്ധരണികൾ പരിശോധിച്ചപ്പോൾ, 18 പേർ നിഷ്പക്ഷരായിരിക്കുമ്പോൾ, 2 പങ്കാളികൾ മാത്രം പരുഷരാണെന്ന് കണ്ടെത്തി. തീം "ഒരു നിശ്ചിത ഒഴുക്കിൽ തീവ്രമായ നിരാശ" എന്ന് മാറ്റിയെഴുതി. പാഠം: വൈകാരിക തീവ്രതയെ പെരുപ്പിച്ചു കാണിക്കാൻ AIക്ക് കഴിയും; ആവൃത്തി എണ്ണുക.

കേസ് 3 - നഷ്‌ടമായ ന്യൂനപക്ഷ അഭിപ്രായം. മോഡൽ ഭൂരിപക്ഷ തീമുകൾ ഹൈലൈറ്റ് ചെയ്‌തപ്പോൾ, 3 പങ്കാളികൾ ഉന്നയിച്ച നിർണായകമായ പ്രവേശനക്ഷമത പ്രശ്‌നത്തെ അത് "അപ്രധാനം" എന്ന് കുറച്ചുകാണിച്ചു. ഡിസൈനർ ഇത് ശ്രദ്ധിക്കുകയും ഒരു പ്രത്യേക കണ്ടെത്തലായി സംരക്ഷിക്കുകയും ചെയ്തു; ഈ പ്രശ്നം എല്ലാ സ്‌ക്രീൻ റീഡർ ഉപയോക്താക്കളെയും ബാധിച്ചുവെന്ന് പിന്നീട് വ്യക്തമായി. പാഠം: ന്യൂനപക്ഷ സിഗ്നൽ എല്ലായ്‌പ്പോഴും "പ്രാധാന്യക്കുറവ്" അല്ല.

പകർത്താവുന്ന നിർദ്ദേശങ്ങൾ

നിങ്ങളുടെ റോൾ: ക്വാളിറ്റേറ്റീവ് റിസർച്ച് അനലിസ്റ്റ്.കോഡിംഗ് സ്കീം (ടാഗുകൾ): <<ലിസ്റ്റ്>>ടാസ്ക്: ഈ ടാഗുകൾക്കൊപ്പം അജ്ഞാതമാക്കിയ ട്രാൻസ്ക്രിപ്റ്റ് താഴെ കോഡ് ചെയ്യുക. [പങ്കാളിയെ ചേർക്കുക

ഇനിപ്പറയുന്ന കോഡ് ചെയ്‌ത ഡാറ്റയെ ഒരു പ്രോക്‌സിമിറ്റി ഡയഗ്രാമിലേക്ക് മാറ്റുക: സമാന കോഡുകൾ ഗ്രൂപ്പുചെയ്യുക, ഓരോ ഗ്രൂപ്പിനും ഒരു തീമിന് പേര് നൽകുക. ഓരോ തീമിനും: അത് എത്ര വ്യക്തിഗത പങ്കാളികളിൽ പ്രത്യക്ഷപ്പെടുന്നുവെന്ന് എണ്ണുക, ശക്തമായ 2 ഉദ്ധരണികൾ ഉൾപ്പെടുത്തുക, കൂടാതെ "എന്തുകൊണ്ട്" എന്ന ഒറ്റ വാചകം എഴുതുക. ദുർബലമായ തെളിവുകളുള്ള തീമുകൾ പ്രത്യേകം അടയാളപ്പെടുത്തുക. ഡാറ്റ: <<കോഡുകൾ>>

ഇനിപ്പറയുന്ന തീം പരീക്ഷിക്കാൻ ഞാൻ ആഗ്രഹിക്കുന്നു: "<<തീം>>". ഈ തീമിനെ പിന്തുണയ്ക്കുകയും നിരസിക്കുകയും ചെയ്യുന്ന ഉദ്ധരണികൾ സോഴ്‌സ് ടെക്‌സ്റ്റിൽ പ്രത്യേകം ലിസ്റ്റുചെയ്യുക. അവസാനം, തീം എത്രത്തോളം ശക്തമായി പിന്തുണയ്ക്കുന്നുവെന്ന് വിലയിരുത്തുക (ശക്തമായ/ഇടത്തരം/ദുർബലമാണ്). ഉറവിടം: << ട്രാൻസ്‌ക്രിപ്ഷൻ>>

ഈ തീമുകളുടെ ലിസ്റ്റ് സ്ഥിതിവിവരക്കണക്കുകളിലേക്കും നിർദ്ദേശങ്ങളിലേക്കും മാറ്റുക. ഓരോ തീമിനും:1) ഒരു വാക്യ ഉൾക്കാഴ്ച ("കാരണം..." അടങ്ങിയത്),2) ഒരു മൂർത്തമായ ഡിസൈൻ നിർദ്ദേശം,3) ഈ നിർദ്ദേശം ഏത് സ്‌ക്രീൻ/ഫ്ലോയെ ബാധിക്കുന്നു. ഉണ്ടാക്കരുത്; അടിസ്ഥാനം ദുർബലമാണെങ്കിൽ, "കൂടുതൽ ഗവേഷണം ആവശ്യമാണ്" എന്ന് എഴുതുക. തീമുകൾ: <<ലിസ്റ്റ്>>

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ സംഭാഷണങ്ങൾ വിശകലനം ചെയ്യുക, ഫലങ്ങൾ എന്നോട് പറയുക."

ഫലം: സ്രോതസ്സുകളില്ലാത്ത, ആവൃത്തി വിവരങ്ങളില്ലാത്ത, അതിശയോക്തിക്ക് തുറന്ന സംഗ്രഹം.

ശക്തമായത്: "ഞാൻ നിങ്ങൾക്ക് നൽകിയ ലേബലുകൾ ഉപയോഗിച്ച് ഈ ട്രാൻസ്ക്രിപ്റ്റ് കോഡ് ചെയ്യുക; ഓരോ തീമും [പങ്കാളിയിൽ നിന്നുള്ള ഉദ്ധരണിയുമായി ബന്ധിപ്പിക്കുക

ഫലം: ഉയർന്ന ഫ്രീക്വൻസി, തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള, ഓഡിറ്റബിൾ സിന്തസിസ്.

വ്യത്യാസം: ശക്തമായ പ്രോംപ്റ്റ് ആവൃത്തി ആവശ്യപ്പെടുന്നു + ഉദ്ധരണി + ദുർബലമായ ആങ്കർ പ്രോംപ്റ്റ്; ഇവ അതിശയോക്തിയും ഭ്രമാത്മകതയും തടയുന്നു.

സാധാരണ തെറ്റുകൾ

• ആവൃത്തി കണക്കാക്കുന്നില്ല. "Users want X" എന്ന വാചകത്തിന് പിന്നിൽ 2 അല്ലെങ്കിൽ 20 പേരുണ്ടോ എന്ന് അറിയാതെ ഒരു തീരുമാനം എടുക്കുക.
• വികാരത്തിൻ്റെ തീവ്രത അതേപടി സ്വീകരിക്കുന്നു. AI ശക്തമായ പദപ്രയോഗങ്ങൾ ഉയർത്തിക്കാട്ടുന്നു; നിഷ്പക്ഷ ഭൂരിപക്ഷം മറച്ചുവെക്കാം.
• ന്യൂനപക്ഷ സിഗ്നൽ ഇല്ലാതാക്കുന്നു. കുറച്ച് ആളുകൾക്ക് അനുഭവപ്പെടുന്ന ഒരു പ്രശ്നം നിർണായകമായേക്കാം (ഉദാ. പ്രവേശനക്ഷമത).
• അവലംബം ആവശ്യമില്ല. ഉദ്ധരിക്കാത്ത തീം പരിശോധിക്കാനാകാത്ത തീം ആണ്.
• ഒരു ലാപ്പിൽ പൂർത്തിയാക്കുക. സിന്തസിസ് ആവർത്തനമാണ്; ആദ്യ ഔട്ട്പുട്ട് പരിശോധിച്ച് പ്രോംപ്റ്റ് മൂർച്ച കൂട്ടുക.

ചുരുക്കത്തിൽ

അസംസ്‌കൃത ഡാറ്റയെ രൂപകൽപ്പനയെ നയിക്കുന്ന ഉൾക്കാഴ്ചയാക്കി മാറ്റുന്ന യുക്തിയാണ് സിന്തസിസ്. കോഡിംഗും പ്രോക്‌സിമിറ്റി ഗ്രൂപ്പിംഗും പോലുള്ള മെക്കാനിക്കൽ ഘട്ടങ്ങളെ AI വളരെയധികം വേഗത്തിലാക്കുന്നു, എന്നാൽ ഉൾക്കാഴ്ചയുടെ അർത്ഥവും പ്രാധാന്യവും മാനുഷികമായി തുടരുന്നു. ഓരോ തീമിനെയും അക്ഷരാർത്ഥത്തിലുള്ള ഉദ്ധരണിയുമായി ബന്ധിപ്പിക്കുക എന്നതാണ് സുവർണ്ണ നിയമം; ആവൃത്തി എണ്ണുക, വൈകാരിക അതിശയോക്തി ശരിയാക്കുക, ന്യൂനപക്ഷ സിഗ്നൽ നഷ്ടപ്പെടുത്തരുത്. നിരീക്ഷണം മുതൽ ഉദ്ധരണി വരെ, തീം മുതൽ നിർദ്ദേശം വരെ നീളുന്ന തെളിവുകളുടെ ഒരു ശൃംഖല നിങ്ങൾ സ്ഥാപിക്കുമ്പോൾ, വേഗതയേറിയതും പ്രതിരോധിക്കാവുന്നതുമായ ഒരു ഗവേഷണ ഫലം നിങ്ങൾ കൈവരിക്കും.

ആപ്ലിക്കേഷൻ ടാസ്ക്

1. നിങ്ങളുടെ 8-10 (അല്ലെങ്കിൽ സാങ്കൽപ്പിക) അഭിമുഖം/സർവേ പ്രതികരണങ്ങൾ അജ്ഞാതമാക്കുക.
2. നിങ്ങളുടെ സ്വന്തം കോഡിംഗ് സ്കീം (6-8 ലേബലുകൾ) എഴുതുക, ആദ്യ പ്രോംപ്റ്റിൽ കൃത്രിമബുദ്ധി ഉപയോഗിച്ച് അത് കോഡ് ചെയ്യുക.
3. രണ്ടാമത്തെ പ്രോംപ്റ്റ് ഉപയോഗിച്ച് തീമുകൾ നീക്കം ചെയ്യുക; ഓരോ തീമിനും എത്ര പേർ പങ്കെടുക്കുന്നു എന്നത് ശ്രദ്ധിക്കുക.
4. മൂന്നാമത്തെ പ്രോംപ്റ്റ് ഉപയോഗിച്ച് ശക്തമായ തീം പരീക്ഷിക്കുക: ഉദ്ധരണികളെ പിന്തുണയ്ക്കുന്നതും നിരസിക്കുന്നതും താരതമ്യം ചെയ്യുക.
5. ഉൾക്കാഴ്ച + നിർദ്ദേശം + ബാധിച്ച സ്‌ക്രീൻ എന്ന രൂപത്തിൽ ഒരു തീം എഴുതുക, തെളിവുകളുടെ ശൃംഖല ചാർട്ട് ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ എൻ്റെ കോഡിംഗ് സ്കീം AI-ക്ക് മുൻകൂറായി നൽകി.
• [ ] ഞാൻ ഓരോ തീമും ഒരു പദാനുപദ ഉദ്ധരണിയിലെങ്കിലും ലിങ്ക് ചെയ്‌തു.
• [ ] ഓരോ തീമിനും എത്ര വ്യക്തിഗത പങ്കാളികൾ പ്രത്യക്ഷപ്പെട്ടു എന്ന് ഞാൻ കണക്കാക്കി.
• [ ] ഞാൻ പലപ്പോഴും അതിശയോക്തി കലർന്ന വികാര പ്രകടനങ്ങൾ തിരുത്തി.
• [ ] ന്യൂനപക്ഷ സിഗ്നലുകൾ ഇല്ലാതാക്കണോ എന്ന് ഞാൻ ബോധപൂർവമായ തീരുമാനമെടുത്തു.
• [ ] ഞാൻ സ്ഥിതിവിവരക്കണക്കുകൾ കോൺക്രീറ്റ് ഡിസൈൻ നിർദ്ദേശത്തിലേക്കും ബാധിച്ച സ്ക്രീനിലേക്കും ലിങ്ക് ചെയ്തു.