知识增量Knowledge Deltav0.1无限进步

AI 分析结果核对

Checking AI-generated analysis
学到 会用 就够:能亲手用起来
你可能会说

“我拿到 AI 写的结果和图表,怎样确认它真的用对了数据、算对了数字?”

AI 分析结果核对,是把它的输入、处理步骤、代码、数字和文字解释逐项对回可检查的证据,确认结果在当前任务里是否站得住。

也叫AI 数据分析复核
2

使用 AI

科研里的例子

假设教育学老师检查 AI 生成的课程比较报告,发现表中人数少了一批,追溯后查到它把未填写一项背景题的学生全部排除,因而先重审样本规则。

核对从任务和数据开始,不应只检查最后一句话。先确认它读的是哪个文件版本、用了哪些列和哪些记录,再查看缺失处理、连接、分组和计算公式。对关键数字用独立的小计算或原软件重新核对,并检查图表单位、样本数与正文是否一致。还要区分描述、预测和因果解释,防止文字把一个普通相关系数说成政策效果。让同一个模型再读一遍可以帮助发现问题,却不能替代独立证据。发现差异时,应定位是哪一步造成的并保留修订记录,不能只选一个看起来更符合预期的答案。

+

在你的学科里,直接拿去用

把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明,再建议代码。
问题:[填写]
数据字典及已有规则:[提供]
可用软件与现有代码:[提供]
明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析;缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据,所有转换写到派生结果并留记录;不能为得到显著结果修改数据或筛选规则。
方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
3

判断

亲手检查一次

挑一个重要结果,独立重算并追溯全部输入与处理;再把结果句中的单位、方向、范围和证据强度逐项对回输出。

它做不到的

代码运行成功、文字流畅或另一轮 AI 表示同意,都不是结果已经正确的证明。复核也不自动认证原始数据和因果设计。

Δ

增量,由你来写

读完这张,你的理解变了什么?

留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。

源

来源

卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。