Dados Ausentes e Outliers
Transforme a limpeza em texto STROBE
Dados Ausentes e Outliers
Transforme a limpeza em texto STROBE
Prévia
Descrição
Ao inserir o tamanho da amostra, a taxa e o padrão de dados ausentes (MCAR/MAR/MNAR), o método utilizado para lidar com dados ausentes (listwise deletion, imputação múltipla etc.) e o método de detecção de outliers (escore Z, IQR, Mahalanobis), você gera um parágrafo acadêmico que pode ser inserido diretamente na seção "Pré-processamento de dados" do seu artigo. Se houver uma inconsistência metodológica entre o método escolhido e o padrão de dados ausentes, como usar listwise deletion em um padrão MNAR, isso será indicado claramente. Indicado para estudantes de pós-graduação e pesquisadores que analisam dados de pesquisas ou clínicos e desejam redigir a seção de pré-processamento de dados com rapidez e precisão.
Recomendado por
Shuting@YouMind
Por que recomendamos esta habilidade
Transforma etapas de limpeza em uma seção de Pré-processamento de Dados compatível com STROBE e metodologicamente consistente, considerando dados ausentes, imputação, outliers e amostra final.
Ideal para
Indicado para estudantes e pesquisadores que analisam dados de pesquisas ou clínicos.
Como usar este Skill
Forneça os dados
Forneça o tamanho da amostra, a taxa e o padrão de dados ausentes, o método utilizado, a abordagem para outliers e o tamanho final da amostra.
Execute o Skill
O assistente avalia a consistência metodológica do seu processo de pré-processamento de dados e o transforma em um texto acadêmico.
Confira o resultado
Você recebe um parágrafo sobre pré-processamento de dados para inserir no artigo, a justificativa do método e um alerta sobre o poder estatístico.
Habilidades relacionadas
Ver tudo
PesquisaGerador de Estatísticas
Transforma os resultados de estatística descritiva do usuário (média±DP ou mediana (IQR), n(%)) em um parágrafo acadêmico de “Características dos participantes”, pronto para ser inserido no artigo, e em uma tabela no formato da Tabela 1. Seleciona a estatística descritiva correta de acordo com a normalidade (média±DP versus mediana (IQR)) e nunca as mistura. Adequado para estudantes de pós-graduação e acadêmicos que realizam pesquisas quantitativas e desejam redigir a seção “Participantes” do artigo com rapidez e precisão.
PesquisaAssistente de dados ausentes
Quando você informa o tamanho da amostra, a proporção e o padrão de dados ausentes (MCAR/MAR/MNAR), o método usado para lidar com dados ausentes (eliminação por casos completos, imputação múltipla etc.) e o método de detecção de valores atípicos (Z-score, IQR, Mahalanobis), ele produz um parágrafo acadêmico que pode ser inserido diretamente na seção "Pré-processamento de dados" do seu manuscrito. Se houver uma contradição metodológica entre a escolha do método e o padrão de dados ausentes (por exemplo, usar eliminação por casos completos em um padrão MNAR), isso será declarado explicitamente. Indicado para: estudantes de pós-graduação e pesquisadores que analisam dados de pesquisas ou estudos clínicos e querem redigir a seção de pré-processamento de dados de forma rápida e correta.
PesquisaRedator de Alfa de Cronbach
Converte as estatísticas de confiabilidade fornecidas pelo usuário (alfa de Cronbach, número de itens e subdimensões) em um parágrafo acadêmico de “Análise de Confiabilidade” pronto para ser inserido diretamente em um artigo. Apresenta uma tabela de aceitabilidade por subdimensão e, se identificar um alfa baixo (<.60), informa isso claramente, sem ocultá-lo. É adequado para estudantes de pós-graduação e pesquisadores que utilizam escalas e querem redigir com rapidez e precisão a seção de método de uma dissertação ou artigo.
Informações
- Versão
- v2
- Última atualização
- Créditos por execução
- Conforme o uso
- Modelos
- Automático
- Casos de uso
- Escrita e conteúdoPesquisa e análise
- O que você recebe
- Artigo
