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。
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
查错并交付能核验的修复
请定位问题并给最小修复。 代码与环境:[粘贴] 输入样例:[不含私密信息的小样本] 实际错误或输出:[粘贴] 我期望:[填写] 先区分已观察事实与可能原因,优先用最小样例验证。解释根因,给最小差异和有意义的检查。没有实际运行权限时明确标为未运行建议,不把推测写成测试通过。若修改会影响研究规则或结果,指出具体影响,不顺手重构无关部分。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》PG09
把论点与证据逐条对齐
请审核下列论证的证据对应关系。 论证:[粘贴] 允许使用的材料:[清单与原文] 拆成可独立检查的主张,按“主张—来源位置—研究对象与设计—能支持什么—不能支持什么—所需补证”输出。区分相关、机制解释、因果识别和价值判断。找不到依据的格子保留未支持,不补假文献。若需联网补证,先说明搜索范围和访问状态,再把新找到的证据与原材料分列。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》PG07
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。
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。
来源
- OpenAI — Data analysis with ChatGPT2026-11-07 核对
- American Economic Association — Data and Code Availability Policy2026-11-07 核对
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。