Trợ lý Thiếu & Ngoại lệ
Viết quy trình làm sạch theo STROBE
Trợ lý Thiếu & Ngoại lệ
Viết quy trình làm sạch theo STROBE
Xem trước nội dung
Mô tả
Khi bạn nhập cỡ mẫu, tỷ lệ và kiểu dữ liệu thiếu (MCAR/MAR/MNAR), phương pháp xử lý dữ liệu thiếu đã dùng (xóa theo danh sách (listwise deletion), bù đa biến (multiple imputation), v.v.) và phương pháp phát hiện ngoại lệ (điểm Z, IQR, Mahalanobis), công cụ sẽ tạo một đoạn văn học thuật có thể thêm trực tiếp vào phần "Tiền xử lý dữ liệu" của bài viết. Nếu có mâu thuẫn về phương pháp giữa lựa chọn của bạn và kiểu dữ liệu thiếu (ví dụ: dùng xóa theo danh sách với kiểu MNAR), công cụ sẽ nêu rõ điều đó. Phù hợp với sinh viên sau đại học và nhà nghiên cứu phân tích dữ liệu khảo sát hoặc lâm sàng, những người muốn viết phần tiền xử lý dữ liệu nhanh chóng và chính xác.
Được đề xuất bởi
Shuting@YouMind
Vì sao chúng tôi đề xuất kỹ năng này
Chuyển các bước làm sạch dữ liệu thành mục “Tiền xử lý dữ liệu” phù hợp STROBE, đồng thời kiểm tra tính nhất quán giữa dữ liệu thiếu, ngoại lệ và cỡ mẫu cuối.
Phù hợp với
Phù hợp với sinh viên và nhà nghiên cứu phân tích dữ liệu khảo sát hoặc lâm sàng.
Cách sử dụng Skill này
Cung cấp đầu vào
Cung cấp cỡ mẫu, tỷ lệ và kiểu dữ liệu thiếu, phương pháp đã dùng, cách xử lý ngoại lệ và thông tin về cỡ mẫu cuối cùng.
Chạy Skill
Trợ lý đánh giá quy trình tiền xử lý dữ liệu về tính nhất quán phương pháp, rồi chuyển thành văn bản học thuật.
Xem kết quả
Bạn nhận được một đoạn tiền xử lý dữ liệu có thể thêm vào bài viết, lý do chọn phương pháp và cảnh báo về phân tích lực thống kê.
Kỹ năng liên quan
Xem tất cả
Nghiên cứuTrình viết thống kê mô tả
Chuyển các kết quả thống kê mô tả của người dùng (trung bình±ĐLC hoặc trung vị(IQR), n(%)) thành một đoạn văn học thuật “Đặc điểm người tham gia” có thể đưa trực tiếp vào bài viết và một bảng theo định dạng Bảng 1. Dựa trên tình trạng phân phối chuẩn, công cụ chọn đúng thống kê mô tả (trung bình±ĐLC hoặc trung vị(IQR)) và không trộn lẫn hai cách này. Phù hợp với: học viên cao học và các nhà nghiên cứu định lượng muốn viết nhanh và chính xác phần “Người tham gia” của bài viết.
Nghiên cứuViết độ tin cậy Cronbach
Chuyển các số liệu độ tin cậy do người dùng cung cấp (Cronbach alpha, số lượng mục và các phân thang) thành một đoạn văn “Phân tích độ tin cậy” mang tính học thuật, có thể đưa trực tiếp vào bài báo. Cung cấp bảng đánh giá mức độ chấp nhận được theo từng phân thang và nêu rõ, không che giấu, khi phát hiện alpha thấp (<.60). Phù hợp với học viên sau đại học và các nhà nghiên cứu sử dụng thang đo, những người muốn viết nhanh và chính xác phần phương pháp của luận văn hoặc bài báo.
Trợ lý báo cáo dữ liệu thiếu
Khi bạn nhập cỡ mẫu, tỷ lệ/dạng dữ liệu thiếu (MCAR/MAR/MNAR), phương pháp xử lý dữ liệu thiếu (loại bỏ theo danh sách, bù khuyết đa lần, v.v.) và phương pháp phát hiện ngoại lệ (Z-score, IQR, Mahalanobis), công cụ sẽ tạo một đoạn văn học thuật có thể chèn trực tiếp vào phần "Tiền xử lý dữ liệu" trong bản thảo. Nếu có mâu thuẫn về phương pháp giữa lựa chọn của bạn và dạng dữ liệu thiếu (ví dụ: dùng cách loại bỏ theo danh sách khi dữ liệu có dạng MNAR), công cụ sẽ nêu rõ điều này. Phù hợp với: sinh viên cao học và nhà nghiên cứu thực hiện phân tích dữ liệu khảo sát/lâm sàng, muốn viết phần tiền xử lý dữ liệu nhanh chóng và chính xác.
Thông tin
- Phiên bản
- v2
- Cập nhật lần cuối
- Điểm tín dụng khi chạy
- Theo mức sử dụng
- Mô hình
- Tự động
- Trường hợp sử dụng
- Viết và nội dungNghiên cứu và phân tích
- Kết quả nhận được
- Bài viết