Données manquantes/atypiques
Nettoyage des données en paragraphe STROBE
Description
Lorsque vous indiquez la taille de votre échantillon, le taux et le schéma de données manquantes (MCAR/MAR/MNAR), la méthode de traitement utilisée (listwise deletion, imputation multiple, etc.) ainsi que votre méthode de détection des valeurs aberrantes (score Z, IQR, Mahalanobis), cette Skill produit un paragraphe académique directement intégrable à la section « Prétraitement des données » de votre article. Si votre choix méthodologique est en contradiction avec le schéma de données manquantes (par exemple, utiliser listwise deletion avec un schéma MNAR), elle le signale clairement. Elle s’adresse aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement leur section consacrée au prétraitement des données.
Compétences associées
Tout voir
Assistant données manquantes
Saisissez la taille de votre échantillon, la proportion et le schéma des données manquantes (MCAR/MAR/MNAR), la méthode utilisée pour les traiter (suppression par liste complète, imputation multiple, etc.) et la méthode de détection des valeurs aberrantes (score Z, IQR, distance de Mahalanobis) : l’outil produit un paragraphe académique que vous pouvez insérer directement dans la section « Prétraitement des données » de votre manuscrit. Si votre choix méthodologique est en contradiction avec le schéma de données manquantes (par exemple, utiliser la suppression par liste complète avec un schéma MNAR), cette contradiction est explicitement signalée. Convient aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement la section consacrée au prétraitement des données.
Rédacteur alpha de Cronbach
Transforme les statistiques de fiabilité saisies par l’utilisateur (alpha de Cronbach, nombre d’items et sous-dimensions) en un paragraphe académique d’« Analyse de la fiabilité », directement intégrable à un article. Présente un tableau d’acceptabilité par sous-dimension et signale clairement, sans le dissimuler, tout alpha faible (<.60). Pour qui : les étudiants de troisième cycle et les chercheurs utilisant des échelles qui souhaitent rédiger rapidement et avec précision la section méthodologique de leur thèse ou article.
Rédacteur de statistiques descriptives
Transforme les résultats de statistiques descriptives de l’utilisateur (moyenne±ET ou médiane(IQR), n(%)) en un paragraphe académique « Caractéristiques des participants », directement intégrable à un article, ainsi qu’en un tableau au format Tableau 1. Sélectionne la statistique descriptive appropriée selon la normalité (moyenne±ET ou médiane(IQR)) et ne les mélange jamais. Pour qui : les étudiants de troisième cycle et les universitaires menant des recherches quantitatives qui souhaitent rédiger rapidement et correctement la section « Participants » de leur article.
Données manquantes/atypiques
Nettoyage des données en paragraphe STROBE
Description
Lorsque vous indiquez la taille de votre échantillon, le taux et le schéma de données manquantes (MCAR/MAR/MNAR), la méthode de traitement utilisée (listwise deletion, imputation multiple, etc.) ainsi que votre méthode de détection des valeurs aberrantes (score Z, IQR, Mahalanobis), cette Skill produit un paragraphe académique directement intégrable à la section « Prétraitement des données » de votre article. Si votre choix méthodologique est en contradiction avec le schéma de données manquantes (par exemple, utiliser listwise deletion avec un schéma MNAR), elle le signale clairement. Elle s’adresse aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement leur section consacrée au prétraitement des données.
Compétences associées
Tout voirAssistant données manquantes
Saisissez la taille de votre échantillon, la proportion et le schéma des données manquantes (MCAR/MAR/MNAR), la méthode utilisée pour les traiter (suppression par liste complète, imputation multiple, etc.) et la méthode de détection des valeurs aberrantes (score Z, IQR, distance de Mahalanobis) : l’outil produit un paragraphe académique que vous pouvez insérer directement dans la section « Prétraitement des données » de votre manuscrit. Si votre choix méthodologique est en contradiction avec le schéma de données manquantes (par exemple, utiliser la suppression par liste complète avec un schéma MNAR), cette contradiction est explicitement signalée. Convient aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement la section consacrée au prétraitement des données.
Rédacteur alpha de Cronbach
Transforme les statistiques de fiabilité saisies par l’utilisateur (alpha de Cronbach, nombre d’items et sous-dimensions) en un paragraphe académique d’« Analyse de la fiabilité », directement intégrable à un article. Présente un tableau d’acceptabilité par sous-dimension et signale clairement, sans le dissimuler, tout alpha faible (<.60). Pour qui : les étudiants de troisième cycle et les chercheurs utilisant des échelles qui souhaitent rédiger rapidement et avec précision la section méthodologique de leur thèse ou article.
Rédacteur de statistiques descriptives
Transforme les résultats de statistiques descriptives de l’utilisateur (moyenne±ET ou médiane(IQR), n(%)) en un paragraphe académique « Caractéristiques des participants », directement intégrable à un article, ainsi qu’en un tableau au format Tableau 1. Sélectionne la statistique descriptive appropriée selon la normalité (moyenne±ET ou médiane(IQR)) et ne les mélange jamais. Pour qui : les étudiants de troisième cycle et les universitaires menant des recherches quantitatives qui souhaitent rédiger rapidement et correctement la section « Participants » de leur article.
Trouve ta prochaine compétence préférée
Explore d'autres compétences IA sélectionnées pour la recherche, la création et le travail quotidien.