Assistente de Dados & Outliers
Limpeza de dados num parágrafo STROBE
Assistente de Dados & Outliers
Limpeza de dados num parágrafo STROBE
Pré-visualização
Descrição
Ao indicar o tamanho da amostra, a proporção e o padrão de dados em falta (MCAR/MAR/MNAR), o método utilizado para lidar com os dados em falta (eliminação listwise, imputação múltipla, etc.) e o método de deteção de valores atípicos (pontuação Z, IQR, distância de Mahalanobis), gera um parágrafo académico que pode ser inserido diretamente na secção "Pré-processamento de Dados" do seu artigo. Se existir uma contradição metodológica entre o método escolhido e o padrão de dados em falta — por exemplo, utilizar a eliminação listwise perante um padrão MNAR —, essa questão será claramente assinalada. É adequado para estudantes de pós-graduação e investigadores que analisam dados de inquéritos ou clínicos e pretendem redigir de forma rápida e rigorosa a secção de pré-processamento de dados.
Recomendado por
Shuting@YouMind
Porque recomendamos esta habilidade
Transforma a limpeza de dados numa secção de pré-processamento compatível com STROBE e metodologicamente coerente, considerando padrões de dados em falta, imputação, limiares de outliers e amostra final.
Ideal para
Adequado para estudantes e investigadores que analisam dados de inquéritos ou clínicos.
Como usar este Skill
Fornece os dados
Indique o tamanho da amostra, a proporção e o padrão de dados em falta, o método utilizado, a abordagem para valores atípicos e o tamanho final da amostra.
Executa o Skill
O assistente avalia a consistência metodológica do seu processo de pré-processamento de dados e transforma-o num texto académico.
Verifica o resultado
Receberá um parágrafo sobre o pré-processamento de dados para inserir no artigo, a justificação metodológica e um alerta sobre a análise de poder.
Habilidades relacionadas
Ver tudo
InvestigaçãoRedator de Estatística
Converte os resultados de estatística descritiva do utilizador (média±DP ou mediana (AIQ), n(%)) num parágrafo académico de «Características dos Participantes», pronto a inserir diretamente no artigo, e numa tabela em formato Tabela 1. Seleciona a estatística descritiva adequada de acordo com a normalidade (média±DP vs mediana (AIQ)) e nunca as mistura. Adequado para estudantes de pós-graduação e académicos que realizam investigação quantitativa e pretendem redigir de forma rápida e rigorosa a secção «Participantes» do artigo.
InvestigaçãoRedator de Alfa de Cronbach
Transforma as estatísticas de fiabilidade introduzidas pelo utilizador (alfa de Cronbach, número de itens e dimensões) num parágrafo académico de «Análise de Fiabilidade», pronto a inserir diretamente num artigo. Apresenta uma tabela de aceitabilidade por dimensão e, se detetar um alfa baixo (<.60), indica-o claramente, sem o ocultar. Adequado para estudantes de pós-graduação e investigadores que utilizam escalas e pretendem redigir de forma rápida e rigorosa a secção de métodos de uma tese ou artigo.
InvestigaçãoAssistente de Dados em Falta
Quando introduz o tamanho da amostra, a proporção ou o padrão de dados em falta (MCAR/MAR/MNAR), o método utilizado para lidar com dados em falta (eliminação por casos completos, imputação múltipla, etc.) e o método de deteção de outliers (Z-score, IQR, Mahalanobis), o assistente produz um parágrafo académico que pode ser inserido diretamente na secção de "Pré-processamento de Dados" do seu manuscrito. Se existir uma contradição metodológica entre o método escolhido e o padrão de dados em falta (por exemplo, utilizar a eliminação por casos completos perante um padrão MNAR), esta é explicitamente assinalada. Adequado para: estudantes de pós-graduação e investigadores que realizam análises de dados de inquéritos ou clínicos e pretendem redigir a secção de pré-processamento de dados de forma rápida e correta.
Informações
- Versão
- v2
- Última atualização
- Créditos por execução
- Conforme a utilização
- Modelos
- Automático
- Casos de utilização
- Escrita e conteúdoInvestigação e análise
- O que vais obter
- Artigo
