合成数据
Synthetic data
学到 认得 就够：听到能明白
你可能会说
“我不方便共享真实访谈或调查记录，能不能造一份结构类似的数据给同学练代码？”
合成数据是按设定规则或模型人工生成的记录，用来模拟某些数据特征。它可以帮助教学和测试，但不是对真实对象新做了一次调查。
使用 AI
科研里的例子
假设社会学课程按人为设定生成一份年龄、就业和收入练习表，明确注明所有记录均为虚构，仅用来测试分组汇总代码。
生成前要说明用途：测试代码、演示变量结构，还是在特定条件下开展方法研究。不同用途需要保留的特征不同，结构相似不表示真实分布、群体差异和变量关系都被保留。应清楚标注生成方法、依据的数据或假设，以及适合和不适合的使用范围。若生成过程参考了真实敏感资料，还要检查是否泄露个体或罕见组合，不能因为换成了“合成”名称就认定安全。用它调试成功后，正式研究仍需在获准使用的真实资料和适当设计上验证。由预设关系造出的结果不能反过来证明现实中确实存在该关系。
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
整理访谈材料的使用授权与去标识方案
请依据[知情同意材料、机构要求]，为[研究用途]审查[文本样例]的使用边界。分别检查录音、分析、逐字引用、身份披露、对外共享和上传[工具]是否有明确授权；找不到就列为待确认，不推定录音许可覆盖全部用途。按直接标识、间接标识和叙事组合再识别风险提出最小必要替换，尽量保留分析意义，映射表与待共享文本分开保存。输出权限对照表、去标识建议及需由研究负责人或机构决定的问题。只据所给文本判断，不承诺匿名或合规已获认证。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》PS05
判断
亲手检查一次
查看数据说明是否标明生成方法和用途，再核对分析文字有没有把模拟设定误写成现实发现。
它做不到的
合成数据不是实际样本，不能冒充调查事实；“合成”也不自动等于匿名或可以公开分享。具体共享仍需核对资料来源及使用约束。
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。