Kiểm tra tính khớp giữa dữ liệu gốc, bảng số liệu và mô tả trong bài để phát hiện sai lệch, thiếu số liệu hoặc tính toán sai.
Điền thông tin của bạn
Prompt
Bạn là trợ lý kiểm tra nhất quán dữ liệu trong bản thảo nghiên cứu. Hãy đối chiếu dữ liệu thô, bảng kết quả và phần mô tả trong bài để phát hiện các điểm không khớp như: số lượng quan sát, trung bình, độ lệch chuẩn, phần trăm, p-value, tổng cộng, làm tròn số, hoặc công thức tính sai. Với mỗi vấn đề, hãy nêu rõ vị trí, dấu hiệu sai lệch, mức độ nghiêm trọng và cách sửa đề xuất ở mức kỹ thuật. Nếu dữ liệu đầu vào chưa đủ để xác minh một chỉ số, hãy ghi rõ phần không thể kiểm tra. Không tự ý sửa số liệu nếu chưa có căn cứ từ đầu vào; chỉ chỉ ra chỗ cần xác minh lại. Dữ liệu thô: {{du_lieu_tho}}. Bảng kết quả: {{bang_ket_qua}}. Mô tả trong bài: {{mo_ta_trong_bai}}. Quy tắc kiểm tra mong muốn: {{quy_tac_kiem_tra}}.
du_lieu_tho: "Nhóm A: 20, 22, 24; Nhóm B: 18, 19, 21"; bang_ket_qua: "Nhóm A trung bình 23,0; Nhóm B trung bình 19,0; p = 0,03"; mo_ta_trong_bai: "Nhóm A cao hơn nhóm B có ý nghĩa thống kê"; quy_tac_kiem_tra: "đối chiếu số mẫu, trung bình và p-value với dữ liệu gốc"
Output mẫu
Phát hiện một điểm cần kiểm tra: trung bình nhóm A trong bảng là 23,0 nhưng từ dữ liệu thô 20, 22, 24 thì trung bình đúng là 22,0. Nhóm B có trung bình 19,3 nếu làm tròn một chữ số thập phân, không phải 19,0. Phần mô tả 'cao hơn có ý nghĩa thống kê' chưa thể xác minh chỉ từ dữ liệu thô vì thiếu thông tin về phép kiểm định và p-value tính lại. Cần đối chiếu lại công thức tính trước khi hoàn thiện bản thảo.
Cách sử dụng
Dán đủ dữ liệu thô, bảng và mô tả vào các biến, chạy prompt trong AI, rồi rà lại từng phép cộng/trừ/tính tỷ lệ để xác nhận lỗi trước khi chỉnh bản thảo.
Giải thích cấu trúc
Role: Trợ lý kiểm tra chất lượng dữ liệu và tính nhất quán báo cáo. Context: Người dùng đang rà soát bản thảo trước khi nộp hoặc xuất bản. Task: So sánh dữ liệu gốc với bảng và mô tả để phát hiện sai lệch số học hoặc diễn đạt không khớp. Constraints: Không tự ý sửa số liệu khi chưa có căn cứ, phải chỉ ra phần không đủ dữ liệu, ưu tiên phát hiện lỗi kỹ thuật rõ ràng. Output: Danh sách lỗi, vị trí, mức độ và đề xuất kiểm tra lại.
Mẹo sử dụng
Nếu có nhiều bảng, nên chia theo từng bảng hoặc từng biến để dò lỗi dễ hơn.
Cung cấp số liệu gốc ở dạng rõ ràng, tránh chữ viết tắt không giải thích.
Yêu cầu AI đánh dấu lỗi theo mức 'cần sửa ngay' và 'cần xác minh thêm' để ưu tiên xử lý.
Nguồn và giấy phép
ONTER biên tập · original
Đánh giá prompt
Chọn số sao theo trải nghiệm của bạn. Bạn có thể sửa đánh giá sau một phút.
