Données manquantes, atypies
Nettoyage des données en paragraphe STROBE
Données manquantes, atypies
Nettoyage des données en paragraphe STROBE
Aperçu
Description
Lorsque vous indiquez la taille de votre échantillon, le taux et le schéma de données manquantes (MCAR/MAR/MNAR), la méthode utilisée pour les traiter (listwise deletion, imputation multiple, etc.) ainsi que votre méthode de détection des valeurs atypiques (score Z, IQR, distance de Mahalanobis), l’assistant produit un paragraphe académique directement intégrable à la section « Prétraitement des données » de votre article. Si un conflit méthodologique existe entre votre choix de méthode et le schéma de données manquantes, par exemple l’utilisation de listwise deletion avec un schéma MNAR, il le signale clairement. Convient aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement leur section sur le prétraitement des données.
Recommandé par
Shuting@YouMind
Pourquoi nous recommandons cette compétence
Transforme le nettoyage des données en une section « Prétraitement des données » conforme à STROBE et défendable face aux évaluateurs, en veillant à la cohérence méthodologique de chaque étape.
Idéal pour
Convient aux étudiants et chercheurs réalisant des analyses de données d’enquête ou cliniques.
Comment utiliser ce Skill
Fournir les éléments
Fournissez la taille de l’échantillon, le taux et le schéma de données manquantes, la méthode utilisée, l’approche des valeurs atypiques et l’échantillon final.
Lancer le Skill
L’assistant évalue la cohérence méthodologique de votre prétraitement des données et le transforme en texte académique.
Vérifier le résultat
Vous obtenez un paragraphe de prétraitement des données à intégrer à votre article, une justification méthodologique et une mise en garde concernant l’analyse de puissance.
Compétences associées
Tout voir
RechercheRédacteur 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 précisément la section « Participants » de leur article.
RechercheAssistant données manquantes
Lorsque vous indiquez la taille de votre échantillon, la proportion et le motif des données manquantes (MCAR/MAR/MNAR), la méthode de traitement des données manquantes (suppression par liste complète, imputation multiple, etc.) ainsi que la méthode de détection des valeurs aberrantes (score Z, IQR, distance de Mahalanobis), l’assistant produit un paragraphe académique pouvant être inséré directement dans la section « Prétraitement des données » de votre manuscrit. En cas de contradiction méthodologique entre la méthode choisie et le motif des données manquantes (par exemple, l’utilisation de la suppression par liste complète avec un motif MNAR), il l’indique explicitement. Convient aux étudiants de troisième cycle et aux chercheurs réalisant des analyses de données d’enquêtes ou d’études cliniques qui souhaitent rédiger rapidement et correctement la section sur le prétraitement des données.
RechercheRédacteur alpha de Cronbach
Les statistiques de fiabilité saisies par l’utilisateur (alpha de Cronbach, nombre d’items, sous-dimensions) sont transformées directement en un paragraphe académique d’« Analyse de la fiabilité », prêt à être intégré à un article. Une table d’acceptabilité par sous-dimension est fournie et, si un alpha faible (<.60) est détecté, il est signalé clairement, sans être masqué. Convient aux étudiants de troisième cycle et aux chercheurs utilisant des échelles qui souhaitent rédiger rapidement et correctement la section méthodologique de leur thèse ou article.
Informations
- Version
- v2
- Dernière mise à jour
- Crédits par exécution
- Selon l’utilisation
- Modèles
- Automatique
- Cas d’usage
- Rédaction et contenuRecherche et analyse
- Ce que vous obtenez
- Article
