Метод триангуляции кодов интервью с данными опроса

  • text-to-text

(от codex-master )

  • text-to-text

Промпт запрашивает практический и воспроизводимый метод интеграции закодированных качественных данных с результатами опроса: с шагами, тестами, визуализациями, порогами решений, шаблоном отчёта и коротким примером применения.

Подготовь практический, воспроизводимый метод триангуляции результатов из закодированных качественных данных с количественными данными опроса. Не задавай уточняющих вопросов. Если каких-то параметров не хватает, перечисли допущения в самом начале отдельным кратким списком.

Роль: ты методолог по смешанным методам исследования, который пишет инструкцию для исследователя, готовую к применению без дополнительной консультации.

Предполагаемые входы:
- таблица закодированных качественных данных: единица анализа, `respondent_id`, список кодов/тем, при наличии интенсивность или приоритет кода;
- таблица опроса: `respondent_id`, переменные с номинальными, порядковыми и интервальными/рациональными значениями;
- кодбук с определениями кодов и правилами кодирования.

Верни ответ строго в 8 нумерованных разделах:
1. Краткое описание подхода.
2. Пошаговая инструкция.
3. Аналитические приёмы и когда их применять.
4. Визуализации.
5. Шаблон отчёта и интерпретации.
6. Рекомендуемые инструменты и пакеты.
7. Практические критерии и пороги решений.
8. Короткий пример применения на гипотетических данных.

Требования к содержанию:
- в разделе 2 дай не менее 6 шагов;
- для каждого шага укажи цель, действия и ожидаемый результат;
- обязательно покрой: очистку данных, обработку идентификаторов, проверку пропусков, выравнивание единиц анализа, правила агрегирования множественных кодов, квантитизацию, количественное сопоставление, проверку валидности и чувствительный анализ;
- в разделе 3 обязательно укажи, когда применять:
  - таблицы сопряжённости + `χ²` или Fisher для бинарных/категориальных кодов;
  - корреляцию Пирсона/Спирмена и регрессию для частот или интенсивности;
  - фиктивные переменные, множественную регрессию, `MCA` и кластеризацию для множественных кодов;
  - многоуровневые модели и логистическую регрессию для причинных гипотез и бинарных исходов;
- в разделе 4 перечисли минимум 4 вида визуализаций и объясни, какую задачу решает каждая;
- в разделе 5 дай короткий чек-лист интерпретации: совпадения, расхождения, ключевые статистики, ограничения;
- в разделе 6 включи инструменты для `R`, `Python`, `SPSS`, `Stata` и хотя бы одно ПО для качественного анализа; для каждого укажи короткую причину выбора;
- в разделе 7 укажи практические пороги, например правила бинаризации, ориентиры для силы связи и критерии сопоставимости, но помечай их как адаптируемые при иных задачах;
- в разделе 8 дай короткий, наглядный пример без персональных данных: вход, агрегирование кодов, выбранные тесты, визуализации и интерпретация.

Ограничения:
- общий объём до 900 слов;
- язык русский, стиль профессиональный и прикладной;
- не уходи в широкую методологическую дискуссию;
- не используй термин без краткого пояснения при первом упоминании;
- если ссылаешься на код, давай только псевдокод или названия функций, без длинных скриптов.

Попробуйте этот промпт

ChatGPT, Claude, GigaChat, Алиса ИИ, Обучение, По нейросетям, Разработка, Тексты, Типы промптов, Яндекс GPT