اختتام سے آخر تک بہاؤ: بریفنگ سے لے کر ریہرسل، تصدیق، رازداری اور ترسیل تک

فائدہ:

• بریفنگ، ڈیٹا کی تیاری، ڈھانچہ، مواد/گرافکس، توثیق، پروفنگ اور ترسیل کے مراحل پر مشتمل ایک پریزنٹیشن/ڈیٹا جاب کو دوبارہ کرنے کے قابل بہاؤ میں انجام دینے کی صلاحیت۔
• حساس ڈیٹا کو گمنام کرکے اور جمع کرکے، بیرونی ٹول رازداری کی خلاف ورزی کے بغیر کام کرسکتا ہے اور اہم نمبروں کی تصدیق کر سکتا ہے۔
• ریہرسل پارٹنر کے طور پر مصنوعی ذہانت کا استعمال کرتے ہوئے اور مشکل سوالات اور وقت کی جانچ کرکے حتمی ترسیل کی ذمہ داری لینے کی صلاحیت

پچھلی اکائیوں نے ایک ایک کر کے ہنر سکھائے: ساخت، متن، ڈیزائن، گرافک انتخاب، کوڈ، ڈیش بورڈ، کہانی، انفوگرافک، ایمانداری۔ یہ حتمی یونٹ ان سب کو ایک ورک فلو میں یکجا کرتا ہے: ایک مختصر آ گیا ہے، آپ پریزنٹیشن/ڈیٹا ویژولائزیشن فراہم کریں گے۔ ہمارا مقصد ایک قابل دہرایا جانے والا طریقہ قائم کرنا ہے جو شروع سے آخر تک AI کا استعمال کرتا ہے لیکن رازداری اور اخلاقیات کو محفوظ رکھتے ہوئے ہر قدم پر اس کی توثیق کرتا ہے۔

اختتام سے آخر تک بہاؤ کے سات مراحل

1. مختصر اور دائرہ کار: سامعین، مقصد، اہم پیغام، دورانیہ، چینل (پریزنٹیشن، رپورٹ، سوشل میڈیا)، پابندیاں۔
2. ڈیٹا کی تیاری: ڈیٹا اکٹھا کرنا، صاف کرنا، گمنام کرنا؛ فیصلہ کریں کہ بیرونی گاڑی میں کیا جاتا ہے۔
3. ساخت اور بیانیہ: پیٹرن کا انتخاب کریں، سلائیڈ اسپائن بنائیں (یونٹ 2، 8)۔
4. مواد اور گرافکس: متن لکھیں، صحیح گرافک کا انتخاب کریں اور کوڈ کریں، ڈیزائن ترتیب دیں (یونٹ 3-6)۔
5. دیانتداری اور تصدیق: ہر نمبر، ہر چارٹ، ہر دعوے کا آڈٹ کیا جاتا ہے (یونٹ 10)۔
6. مشق کریں اور ترمیم کریں: پریزنٹیشن کو اونچی آواز میں آزمائیں، وقت لگائیں، تاثرات کے ساتھ اسے تراشیں۔
7. ڈیلیوری اور آرکائیو: فائنل ورژن، سورس نوٹس اور دوبارہ قابل استعمال کوڈ/ٹیمپلیٹ۔

مشورہ: ان سات مراحل کو چیک لسٹ بنائیں اور انہیں ہر کام پر دہرائیں۔ ورک فلو کو معیاری بنانا معیار کو انفرادی شکل پر منحصر ہونے سے ہٹاتا ہے۔

ڈیٹا کی تیاری اور رازداری: سب سے اہم اسٹاپ

AI کو ڈیٹا دینے سے پہلے، رکیں اور پوچھیں: کیا یہ ڈیٹا کسی بیرونی سسٹم میں داخل ہو سکتا ہے؟ چند تصورات: ذاتی ڈیٹا (وہ معلومات جو کسی فرد کی شناخت کرتی ہے، جیسے نام، شناخت، رابطہ، صحت، تنخواہ)؛ گمنامی (ناقابل واپسی شناخت کو ہٹانا)؛ جمع (انفرادی قطار کی بجائے اوسط/کل دیں)۔ اصول:

• کسی ایسے ٹول میں کبھی بھی ذاتی/تجارتی رازوں پر مشتمل ڈیٹا درج نہ کریں جو ادارے سے منظور شدہ نہ ہو۔
• اگر آپ کو درج کرنا، نام ظاہر کرنا یا جمع کرنا ضروری ہے: نام/آئی ڈی کالم حذف کریں، صرف گروپ کے اندر فرد دکھائیں۔
• چارٹ/کوڈ تیار کرتے وقت، ماڈل کو ڈیٹا ڈھانچہ (کالم کے نام، اقسام) دیں، نہ کہ خام درستگی والی قطاریں۔

آپ کا کردار: ڈیٹا پرائیویسی کنٹرولر۔ درج ذیل ڈیٹاسیٹ کے کالم: [لسٹ]۔ میں گراف بنانے کے لیے اسے ایک بیرونی AI ٹول میں کھلاؤں گا۔ کون سے کالم ذاتی/حساس ہو سکتے ہیں؟ مجھے گمنام یا جمع کرنے کی ضرورت کو نشان زد کریں اور تجویز کریں کہ اسے کیسے کرنا ہے (ڈیلیٹ، ماسک، گروپ)۔ مجھے بتائیں کہ میں کم سے کم ڈیٹا کے ساتھ کیسے کام کرسکتا ہوں جو تجزیہ کے لیے کافی ہوگا۔

احتیاط: حساس ڈیٹا کو "صرف ایک بار، جلدی" چسپاں کرنا رازداری کی خلاف ورزی کی سب سے عام شکل ہے۔ ایک بار باہر، ڈیٹا بازیافت نہیں کیا جا سکتا.

توثیق: ترسیل سے پہلے حتمی فلٹر

یونٹ 1 (ماخذ، مستقل مزاجی، دیانت، سیاق و سباق) کے چار مراحل کو پوری پیشکش پر لاگو کریں۔ مزید برآں، کراس چیک کریں: ماڈل (اسپریڈ شیٹ، کیلکولیٹر) سے باہر کسی ٹول سے اہم نمبروں کی تصدیق کریں۔

کنٹرول

سوال

گاڑی

ماخذ

ہر نمبر کہاں سے آتا ہے؟

ڈیٹا سورس/نوٹ

مستقل مزاجی

کیا سلائیڈ گرافک ٹیکسٹ ایک جیسے ہیں؟

اپنی آنکھوں سے ترچھی پڑھیں

ایمانداری

کیا چارٹ مبالغہ آرائی کرتا ہے؟

یونٹ 10 کا معائنہ

اکاؤنٹ

کیا کل/فیصد درست ہے؟

سپریڈ شیٹ

حوالہ

کیا اقتباس/ماخذ حقیقی ہے؟

اوپن سورس، تصدیق کریں۔

خاص طور پر فریب کاری (من گھڑت معلومات) سے ہوشیار رہیں: ماڈل کسی اعدادوشمار، اقتباس یا ذریعہ کو "من گھڑت" کر سکتا ہے۔ سلائیڈ پر جانے والے ہر بیرونی ماخذ اور اعداد و شمار کو کھولیں اور اس کی تصدیق کریں۔

ریہرسل: مصنوعی ذہانت کے ساتھ پریزنٹیشن کی جانچ کرنا

مصنوعی ذہانت ایک ریہرسل پارٹنر ہو سکتی ہے: سامعین کے نقطہ نظر سے مشکل سوالات پیدا کرنا، کمزور ٹرانزیشنز تلاش کرنا، مدت کا تخمینہ لگانا۔

آپ کا کردار: ایک چیلنجنگ سامعین اور پریزنٹیشن کوچ۔ ذیل میں پریزنٹیشن ریڑھ کی ہڈی اور اسپیکر کے نوٹس کا جائزہ لیں۔ 1) 5 سب سے مشکل سوالات پیدا کریں جو یہ سامعین ([کردار]) پوچھیں گے۔ 2) بیانیہ میں کمزور/منقطع تبدیلیوں کو نشان زد کریں۔ 3) تخمینہ لگائیں کہ ہر سلائیڈ پر کتنے سیکنڈ پڑتے ہیں، کل وقت [X] منٹ بناتے ہیں۔ اگر بہت زیادہ ہے تو تجویز کریں کہ مجھے کون سی سلائیڈ مختصر کرنی چاہیے۔ پریزنٹیشن: [... ]۔

ایک الگ "اعتراض میٹنگ" کی ریہرسل:

اس پیشکش کی مرکزی تجویز پر 4 اعتراضات پیدا کریں اور 2 جملوں کا مسودہ تیار کریں، ہر ایک کے لیے ڈیٹا پر مبنی جواب۔ جواب نہ بنائیں؛ جہاں تصدیق کی ضرورت ہو وہاں [تصدیق] لکھیں۔ تجویز: [...]

تین چھوٹے مقدمات

کیس 1 - آخر سے آخر تک رفتار۔ ایک کنسلٹنٹ ایک عام کلائنٹ پریزنٹیشن (تحقیق + ڈھانچہ + سلائیڈز + چارٹس + ثبوت) 2 دنوں میں پھیلائے گا۔ جب ہم نے مصنوعی ذہانت کے ساتھ سات قدموں کا بہاؤ نصب کیا تو وقت کم ہو کر تقریباً 1 دن رہ گیا۔ بچائے گئے وقت کا ایک اہم حصہ تصدیق اور ریہرسل کے لیے وقف کیا گیا، اور معیار میں کمی نہیں آئی بلکہ اضافہ ہوا۔

کیس 2 - آخری لمحات کی رازداری۔ ایک ٹیم کسٹمر کے لین دین کے ریکارڈ (نام + رقم) کو چارٹنگ کے لیے بیرونی ٹول میں برآمد کرے گی۔ وہ پرائیویسی کنٹرول سٹیپ پر رک گئے۔ انہوں نے ناموں کو حذف کر دیا اور رقم کو سیگمنٹ اوسط میں تبدیل کر دیا۔ تجزیہ نے پھر کام کیا، کوئی ذاتی ڈیٹا نہیں نکلا۔ اس فیصلے کو بعد کے آڈٹ میں سراہا گیا۔

کیس 3 - ریہرسل نے منظر کو محفوظ کر لیا۔ ایک کاروباری شخص نے AI سے کہا کہ وہ سرمایہ کار کی پیشکش سے پہلے "5 مشکل ترین سوالات پیدا کریں"۔ میٹنگ میں تین سوالات لفظ بہ لفظ پوچھے گئے۔ اس نے روانی سے جواب دیا کیونکہ وہ تیار تھا۔ اگر اس نے مشق نہ کی ہوتی تو وہ سب سے نازک سوال پر پھنس جاتا۔

کمزور فوری / مضبوط اشارہ

کمزور:

اس ڈیٹا کے ساتھ شروع سے آخر تک ایک پریزنٹیشن تیار کریں اور ختم کریں۔

ایک میں "سب کچھ" چاہتے ہیں جھپٹ پڑا؛ کوئی تصدیق، کوئی رازداری، کوئی مشق نہیں۔ ماڈل خالی جگہوں پر فٹ بیٹھتا ہے، آپ اسے کنٹرول نہیں کر سکتے۔

مضبوط:

آئیے قدم بہ قدم پریزنٹیشن ترتیب دیں۔ بس پہلے مرحلہ 1 کریں: مختصر وضاحت کریں (مجھ سے سامعین/مقصد/پیغام/دورانیہ/چینل/اعتدال کے بارے میں پوچھیں)۔ پھر ہم ترتیب سے آگے بڑھیں گے: ڈیٹا کی رازداری کی جانچ، ساخت، مواد+گرافکس، ایمانداری کی جانچ، ثبوت۔ ہر قدم پر نمبر نہ بنائیں، وہ لکھیں جس کی تصدیق کرنے کی ضرورت ہے، حساس ڈیٹا نہ مانگیں۔

دوسرا کام کو مراحل میں تقسیم کرتا ہے، ہر قدم پر آپ کو کنٹرول میں رکھتا ہے، اور رازداری/ وفاداری کی حدود کو سامنے رکھتا ہے۔

عام غلطیاں

• "سب کچھ" کے لئے پوچھنا ایک جھٹکے میں پڑ گیا: قدموں کو چھوڑنا تصدیق اور رازداری کو نظرانداز کرتا ہے۔
• پرائیویسی سٹاپ کو نظرانداز کرنا: حساس ڈیٹا کسی بے قابو بیرونی ایجنٹ کو دینا۔
• ریہرسل کے بغیر اسٹیج پر جانا: مشکل سوالات اور وقت کی توقع نہ کرنا۔
• ماخذ/انتساب کی توثیق کو چھوڑنا: من گھڑت اعدادوشمار یا اقتباس پر توجہ نہ دینا۔
• آرکائیو نہیں کرنا: کوڈ/ٹیمپلیٹ کو اسٹور نہیں کرنا اور شروع سے سب کچھ کرنا۔
• ماڈل پر ذمہ داری ڈالنا: "AI نے اسے تیار کیا" کہنا؛ تاہم، ترسیل آپ کی ہے.

خلاصہ میں

اپنی پریزنٹیشن اور ڈیٹا ویژولائزیشن کے کاروبار کو سات مراحل میں آخر سے آخر تک بنائیں: مختصر، ڈیٹا کی تیاری اور رازداری، ساخت/بیانیہ، مواد/گرافکس، سالمیت اور تصدیق، ریہرسل، ڈیلیوری/آرکائیو۔ ہر قدم پر AI کا استعمال کریں، لیکن کنٹرول میں رہیں: حساس ڈیٹا کو گمنام کریں، ہر نمبر اور سورس کی تصدیق کریں، ماڈل کو اپنا پروفنگ پارٹنر بنائیں۔ مصنوعی ذہانت پورے بہاؤ کو تیز کرتی ہے۔ ڈیٹا کی درستگی، پیغام کی سالمیت، رازداری اور حتمی ترسیل کی ذمہ داری ہمیشہ آپ کی ہوتی ہے۔

درخواست کا کام

ایک حقیقی پیشکش کا کام منتخب کریں اور سات مراحل پر عمل کریں۔ (1) AI کے ذریعہ مختصر پوچھ گچھ کریں۔ (2) فیصلہ کریں کہ پرائیویسی کنٹرول کے ساتھ کون سا ڈیٹا گمنام کرنا ہے۔ (3) اقدامات کی ساخت → مواد → چارٹ پر عمل کریں۔ (4) انٹیگریٹی آڈٹ اور کراس چیک کریٹیکل نمبرز کو انجام دیں۔ (5) مصنوعی ذہانت سے "5 مشکل ترین سوالات" پیدا کریں اور ان کی مشق کریں۔ (6) تازہ ترین ورژن اور دوبارہ قابل استعمال کوڈ/ٹیمپلیٹ کو آرکائیو کریں۔

چیک لسٹ

• میں نے کام کو سات مراحل کے بہاؤ کے مطابق چلایا۔
• [ ] میں نے حساس ڈیٹا کو گمنام/مجموعی کیا یا اسے بالکل بھی داخل نہیں کیا۔
• [ ] میں نے ماڈل کے باہر ہر ایک نمبر اور بیرونی ماخذ کی تصدیق کی ہے۔
• [ ] میں نے سالمیت کے لیے تمام گرافکس کی جانچ کی ہے۔
• [ ] میں نے مصنوعی ذہانت کے ساتھ مشق کی ۔ میں نے مشکل سوالات اور وقت کا تجربہ کیا۔
• میں نے تازہ ترین ورژن اور دوبارہ قابل استعمال ٹیمپلیٹ/کوڈ کو محفوظ کر لیا ہے۔
• میں قبول کرتا ہوں کہ میں حتمی ترسیل کا ذمہ دار ہوں۔

ماڈیول امتحان

1. پریزنٹیشن اور ڈیٹا ویژولائزیشن میں مصنوعی ذہانت کے لیے بہترین پوزیشننگ کیا ہے؟

• A) مصنوعی ذہانت ڈرافٹ، ڈیزائن، گرافک کوڈ اور تنقیدی معاون ہے۔ ڈیٹا کی درستگی، ایمانداری اور رازداری کی ذمہ داری انسانوں پر عائد ہوتی ہے۔
• ب) مصنوعی ذہانت ایک کیلکولیٹر ہے۔ وہ جو بھی نمبر اور گراف دیتا ہے وہ بالکل درست ہے۔
• C) مصنوعی ذہانت صرف سلائیڈوں کو سجانے کے لیے مفید ہے، اس کا ڈیٹا اور گرافکس سے کوئی تعلق نہیں ہے۔
• D) چونکہ AI انسانوں سے زیادہ غیر جانبدار ہے، اس لیے گرافکس کی سالمیت کے فیصلے اس پر چھوڑ دئیے جائیں۔

تفصیل: بڑی زبان کا ماڈل کیلکولیٹر یا تصدیقی مشین نہیں ہے، بلکہ قائل متن اور خاکہ تیار کرنے والا ہے۔ یہ ڈرافٹنگ، ڈیزائن، گرافکس کوڈ، اور تنقید جیسے کرداروں میں کافی وقت بچاتا ہے۔ تاہم، ڈیٹا کی درستگی، گراف کی ایمانداری، رازداری اور حتمی ترسیل کی ذمہ داری اہل شخص کی ہے۔

2. 'کیا اشتہاری اخراجات اور فروخت کے درمیان کوئی تعلق ہے؟' کس قسم کا چارٹ سوال کو زیادہ ایمانداری سے دکھائے گا؟

• A) ملٹی سلائس پائی چارٹ
• ب) اسٹیک شدہ بار چارٹ
• سی) سکیٹر پلاٹ ✔
• D) 3D پائی چارٹ

وضاحت: ایک سکیٹر پلاٹ دو عددی متغیرات کے درمیان تعلق (رابطہ) کو ظاہر کرنے کے لیے استعمال کیا جاتا ہے۔ ایک بار موازنے کے لیے موزوں ہے اور ایک لائن وقت کے ساتھ تبدیلی کے لیے موزوں ہے۔ بار چارٹ رشتہ کے سوال کا صحیح جواب نہیں دیتا۔

3. سلائیڈ کے عنوان میں 'موضوع کے عنوان' کے بجائے 'ایکشن ٹائٹل' استعمال کرنے کی سفارش کیوں کی جاتی ہے؟

• A) سلائیڈ پر مزید متن فٹ کرنے کے لیے
• ب) کیونکہ یہ براہ راست سلائیڈ کا واحد دعویٰ دیتا ہے اور سامعین کو پیغام کو فوری طور پر سمجھنے دیتا ہے ✔
• ج) کیونکہ فونٹ کو بڑا کرنے کی ضرورت نہیں ہے۔
• D) چونکہ سپیکر نوٹس کی ضرورت ختم ہو گئی ہے۔

تفصیل: ایکشن ٹائٹل وہ چیز دیتا ہے جو سلائیڈ پورے جملے میں کہتی ہے بطور دعوے ('فروخت 3 چوتھائیوں سے گر رہی ہے')، صرف موضوع کا ٹیگ ('سیلز') ایسا نہیں کرتا ہے۔ یہ ناظرین کو فوری طور پر سمجھنے کی اجازت دیتا ہے کہ ہر سلائیڈ سے کیا مراد ہے؛ یہ واحد تبدیلی ہے جو پیشکش کے معیار کو سب سے زیادہ بہتر کرتی ہے۔

4. بصری پیدا کرنے والی مصنوعی ذہانت کے ساتھ پریزنٹیشن بصری تیار کرتے وقت کون سا اطلاق سب سے زیادہ عملی اور اخلاقی ہے؟

• A) تمام عنوانات اور نمبروں کو بصری پر پرنٹ کریں اور اسے براہ راست سلائیڈ پر رکھیں
• ب) ایک تیار کردہ پورٹریٹ کو حقیقی صارف کی تصویر کے طور پر پیش کرنا
• ج) بالکل مشہور برانڈ کے انداز کی نقل کرنا
• D) بغیر متن کے بصری کو تیار کرنا اور سلائیڈ پروگرام میں متن شامل کرنا اور جعلی کو اصلی کے طور پر پیش نہ کرنا ✔

وضاحت: تیار کردہ تصاویر میں متن اکثر خراب ہوتا ہے، اس لیے بعد میں سلائیڈ پروگرام میں متن کو شامل کرنا ضروری ہے۔ مزید برآں، تیار کردہ تصویر کو حقیقی تصویر/حقیقی شخص کے طور پر پیش کرنا گمراہ کن اور غیر اخلاقی ہے۔ درست طریقہ یہ ہے کہ بغیر متن کے تصویر تیار کی جائے، متن کو خود شامل کیا جائے، اور جعلی کو اصلی کے طور پر پیش نہ کیا جائے۔

5. 9 مصنوعات کا مارکیٹ شیئر ظاہر کرنے کے لیے سب سے زیادہ پڑھا جانے والا آپشن کون سا ہے؟

• A) افقی بار چارٹ قدر کے لحاظ سے ترتیب دیا گیا ہے ✔
• ب) 9 سیگمنٹ پائی چارٹ
• C) 9 سلائسز کے ساتھ 3D پائی چارٹ
• D) سنگل لائن چارٹ

وضاحت: پائی چارٹ صرف اس صورت میں کام کرتا ہے جب 2-4 سلائسز ہوں اور حصص نمایاں طور پر مختلف ہوں۔ 9 ملتے جلتے سلائسیں ناقابل پڑھنے ہیں۔ ایک افقی بار چارٹ جو قدر کے لحاظ سے ترتیب دیا گیا ہے، متعدد زمروں کا موازنہ کرتے وقت تقریباً ہمیشہ زیادہ پڑھنے کے قابل ہوتا ہے۔

6. مصنوعی ذہانت سے گراف حاصل کرتے وقت 'گراف کی تصویر' مانگنے کے بجائے 'گراف تیار کرنے والے کوڈ کے بارے میں پوچھیں اور اسے خود چلائیں' کیوں زیادہ قابل اعتماد ہے؟

• A) کیونکہ کوڈ ہمیشہ زیادہ خوبصورت رنگوں کا انتخاب کرتا ہے۔
• ب) کیونکہ تصویریں بنانا حرام ہے۔
• C) چونکہ کوڈ ڈیٹا پر جیسا ہے اس پر کارروائی کرتا ہے اور فیصلہ کن اور دہرائے جانے کے قابل نتائج دیتا ہے، اس لیے زبانی پیشین گوئی پر انحصار کرنے کی ضرورت نہیں ہے ✔
• D) کیونکہ کوڈ خود بخود گراف کو ایماندار بناتا ہے اور مزید تصدیق کی ضرورت نہیں ہے۔

تفصیل: بڑی زبان کا ماڈل ایک ٹیکسٹ جنریٹر ہے۔ وہ محض زبانی طور پر ایک نمبر کا اندازہ لگاتا ہے اور غلط بھی ہو سکتا ہے۔ کوڈ ڈیٹا کو جیسا کہ ہے اس پر کارروائی کرتا ہے اور تعییناتی (ہمیشہ ایک ہی ان پٹ کے لیے ایک ہی آؤٹ پٹ) اور دوبارہ قابل نتائج پیدا کرتا ہے۔ ڈیٹا اپ ڈیٹ ہونے پر، کوڈ کو دوبارہ چلایا جا سکتا ہے اور گراف کو ریفریش کیا جا سکتا ہے۔

7. اچھے ڈیش بورڈ ڈیزائن کا بنیادی اصول کیا ہے؟

• A) تمام دستیاب میٹرکس کو ایک ہی اسکرین پر فٹ کرنا
• ب) ایک مخصوص سامعین اور فیصلے کے لیے درکار KPIs کی ایک چھوٹی تعداد (5-9) کے لیے سیاق و سباق دکھائیں ✔
• ج) ہر نمبر کو زیادہ سے زیادہ اعشاریہ کے ساتھ دکھانا
• D) رنگوں کو متنوع بنانے کے لیے ہر میٹرک کو مختلف رنگ میں پینٹ کرنا

تفصیل: ڈیش بورڈ سب کچھ نہیں دکھاتا، لیکن 5-9 درست KPIs کسی خاص سامعین کے کسی خاص فیصلے کے لیے درکار ہیں۔ وہ میٹرکس جو فیصلے کو پورا نہیں کرتے ہیں وہ ڈیش بورڈ پر غالب آجائیں گے۔ مزید برآں، ہر نمبر میں سیاق و سباق (مقصد/تبدیلی) اور ایک تازگی سٹیمپ شامل کیا جانا چاہیے، اور سب سے اہم KPI کو اوپر بائیں جانب رکھا جانا چاہیے۔

8. ڈیٹا کہانی سنانے میں ایمانداری کے لحاظ سے کون سا رویہ ایک جال ہے؟

• A) سیاق و سباق کے تناؤ کے حل کے ڈھانچے میں نتائج کو پیش کرنا
• ب) بیانیہ میں ہر گراف کو کسی جملے سے جوڑنا
• ج) بصیرت کا خلاصہ ایک جملے میں کریں۔
• D) اس مدت کو چھپانا جو بیانیہ کے مطابق نہیں ہے اور صرف وہی ڈیٹا دکھانا جو اس کی حمایت کرتا ہے (چیری چننا) ✔

وضاحت: چیری چننے کا مطلب اس مدت/طبقہ کو دکھانا ہے جو بیانیہ سے مطابقت رکھتا ہے اور اسے چھپا رہا ہے جو نہیں ہے، اور اس سے سالمیت کی خلاف ورزی ہوتی ہے۔ ایک اچھی کہانی قائل کرتی ہے، لیکن اسے ڈیٹا کو مسخ کرنے کی اجازت نہیں بننی چاہیے۔ 'کون سا ڈیٹا اس داستان کے مطابق نہیں ہے؟' اگر ضروری ہو تو پوچھنا اور دکھانا ضروری ہے۔

9. کسی انفوگرافک میں کسی قدر کو دائرے کے قطر کے طور پر ظاہر کرنا لیکن پھر قطر کو دوگنا کرنا کیوں گمراہ کن ہے؟

• A) جب قطر دوگنا ہو جاتا ہے، تو رقبہ چار گنا ہو جاتا ہے اور سامعین اس اضافہ کو حقیقت سے کہیں زیادہ سمجھتے ہیں ✔
• ب) کیونکہ دائروں کو پائی چارٹ میں استعمال نہیں کیا جا سکتا
• ج) کیونکہ رنگ نابینا ناظرین حلقوں کو بالکل نہیں دیکھ سکتے
• D) کیونکہ دائرہ کھینچنا چھڑی کھینچنے سے سست ہے۔

وضاحت: جب قطر دوگنا ہو جاتا ہے تو دائرے کا رقبہ چار گنا ہو جاتا ہے۔ چونکہ ناظر رقبے کے لحاظ سے قدر کو سمجھتا ہے، اس لیے وہ سوچتا ہے کہ 2 گنا اضافہ 4 گنا ہے۔ اسے فیلڈ فالسی کہا جاتا ہے۔ قیمت کو رقبہ کے لحاظ سے نہیں بلکہ لکیری پیمانے اور واضح نمبر کے لیبل (جیسے '2×') سے دینا ضروری ہے۔

10. سب سے عام دھوکہ دہی کی تکنیک کیا ہے اور بار چارٹ میں اس کا صحیح مساوی ہے؟

• ا) چھڑیوں کو رنگ دینا گمراہ کن ہے۔ ان سب کو بھوری رنگ میں تبدیل کرنا ضروری ہے۔
• ب) براہ راست لیبل گمراہ کن ہیں؛ یہ ہمیشہ ایک علیحدہ افسانہ استعمال کرنے کے لئے ضروری ہے
• C) ڈیشڈ y-axis فرق کو بڑھا چڑھا کر پیش کرتا ہے۔ بار چارٹ میں محور کا آغاز 0 ✔ سے ہونا چاہیے۔
• D) افقی بار گمراہ کن ہے؛ ہمیشہ عمودی بار استعمال کرنے کی ضرورت ہے۔

وضاحت: ایک ڈیشڈ y-axis (جہاں y شروع ہوتا ہے، کہیں، 0 کے بجائے 90) ایک چھوٹا سا فرق بہت بڑا نظر آتا ہے۔ 2% اضافہ 50% کی طرح لگتا ہے۔ بار چارٹ میں، محور تقریباً ہمیشہ 0 سے شروع ہونا چاہیے کیونکہ بار کی لمبائی قدر کی نمائندگی کرتی ہے۔

11. اگر آپ کو حساس ڈیٹا (نام، تنخواہ، کسٹمر ریکارڈ) کے ساتھ ٹیبل کو چارٹنگ کے لیے کسی بیرونی AI ٹول میں ایکسپورٹ کرنے کی ضرورت ہو تو صحیح طریقہ کیا ہے؟

• A) ٹیبل کو جلدی سے چسپاں کرنا جیسا کہ وقت بچانے کے لیے ہے۔
• ب) نام اور شناختی کالموں کو ہٹا کر ڈیٹا کو گمنام کرنا یا جمع کرنا، اور اگر ضروری نہ ہو تو ان میں داخل نہ ہونا ✔
• ج) صرف انتہائی حساس کالم کو چھوڑنا اور باقی کو حذف کرنا
• D) ڈیٹا داخل کرنے سے پہلے مصنوعی ذہانت سے رازداری کا وعدہ حاصل کرنا کافی ہے۔

وضاحت: یہ ضروری ہے کہ ذاتی ڈیٹا کو کسی ایسے ٹول میں داخل نہ کیا جائے جو ادارے سے منظور شدہ نہ ہو۔ اگر اسے داخل کرنا ضروری ہو تو، شناختی کالموں کو حذف کرکے یا انفرادی قطاروں کی بجائے اوسط/کل دے کر اسے گمنام کرنا ضروری ہے۔ ایک بار باہر، ڈیٹا بازیافت نہیں کیا جا سکتا.

12. مصنوعی ذہانت سے پیدا ہونے والی پیداوار میں 'ہیلوسینیشن' کا کیا مطلب ہے اور اس کے بارے میں کیا کیا جانا چاہیے؟

• A) ماڈل بہت سے رنگوں کا استعمال کرتا ہے؛ رنگوں کو کم کرنے کی ضرورت ہے۔
• ب) ماڈل کا سست آپریشن؛ مختصر درخواست لکھنے کی ضرورت ہے۔
• C) ماڈل گراف کو 3D میں کھینچتا ہے۔ 2B کی درخواست کرنے کی ضرورت ہے۔
• D) وہ معلومات جسے ماڈل حقیقی کے طور پر پیش کرتا ہے لیکن سچ نہیں ہے۔ ✔ ہر مسئلہ اور ماخذ کی تصدیق ہونی چاہیے۔

وضاحت: ہیلوسینیشن وہ معلومات ہے جسے ماڈل حقیقی کے طور پر پیش کرتا ہے لیکن سچ نہیں ہے۔ یہ ایک بنایا ہوا نمبر، اقتباس یا ذریعہ ہو سکتا ہے۔ دوسری طرف، ماڈل کے باہر سلائیڈ پر درج ہر نمبر اور خارجی ماخذ کی تصدیق کرنا ضروری ہے، اور درخواستوں میں 'ایسے نمبر پیدا نہ کریں جو ڈیٹا میں نہ ہوں، [تصدیق] لکھیں' کا اصول مقرر کریں۔

13. صحیح چارٹ کی قسم کو منتخب کرنے کا پہلا قدم کیا ہے؟

• A) جس سوال کا آپ جواب دینا چاہتے ہیں اسے ایک جملے میں لکھیں اور اسے سوالیہ خاندان میں رکھیں ✔
• ب) سب سے زیادہ رنگین اور دلکش گرافک قسم کا انتخاب کرنا
• ج) ہمیشہ پائی چارٹ سے شروع کریں اور اگر ضروری ہو تو اس میں ترمیم کریں۔
• D) ڈیٹا کو 3D میں ڈسپلے کرکے مزید متاثر کن بنانا

وضاحت: چارٹ کی قسم اس سوال پر منحصر ہے جس کا آپ جواب دینا چاہتے ہیں، ڈیٹا کی شکل پر نہیں۔ سب سے پہلے، سوال کو ایک جملے میں لکھنا اور اسے خاندان (موازنہ، رجحان، تعلق، جزوی طور پر، تقسیم) میں رکھنا ضروری ہے، پھر قسم کا انتخاب کریں۔ پہلے قسم کا انتخاب کرنا اور ڈیٹا کو اس میں فٹ کرنے کی کوشش کرنا غلطی ہے۔

14. مصنوعی ذہانت کے ساتھ اختتام سے آخر تک پریزنٹیشن تیار کرتے وقت قدم بہ قدم آگے بڑھنا کیوں ضروری ہے، یہ کہنے کے بجائے کہ 'شروع سے آخر تک پریزنٹیشن کو ایک ہی حرکت میں تیار کریں اور ختم کریں'؟

• A) کیونکہ قدم بہ قدم آگے بڑھنا ہمیشہ تیز ہوتا ہے۔
• ب) کیونکہ ماڈل لمبی درخواستوں کو بالکل نہیں سمجھتا ہے۔
• ج) کیونکہ قدم بہ قدم آگے بڑھنے سے انسان تصدیق کے دوران کنٹرول میں رہتا ہے، رازداری اور ریہرسل رک جاتی ہے اور من گھڑت اور رساو کا خطرہ کم ہوجاتا ہے ✔
• D) کیونکہ ایک ہی حرکت میں پوچھنا مصنوعی ذہانت کو تھکا دیتا ہے۔

تفصیل: ایک ہی وقت میں نوکری کی درخواست کرنا تصدیق، رازداری کی جانچ، اور مشقوں جیسے اہم اسٹاپس کو نظرانداز کرتا ہے۔ ماڈل خالی جگہوں پر فٹ بیٹھتا ہے اور آپ اسے کنٹرول نہیں کر سکتے۔ قدم بہ قدم آگے بڑھنا (مختصر، رازداری، ساخت، مواد/گرافکس، ایمانداری کی جانچ، ریہرسل) ہر مرحلے پر انسان کو قابو میں رکھتا ہے اور من گھڑت/رازداری کی حدیں شروع سے طے کرتا ہے۔