面對大量資料時,研究者常遇到的挑戰不只是資料不足,還有不知道如何有效整理、分析與解讀資料。問卷、試算表、CSV 檔案或研究紀錄中,常出現缺漏值、格式不一致、輸入錯誤與資料品質問題。過去這些工作往往需要依賴 Excel、SPSS、Python 或 R 等工具,而研究者也需要花時間熟悉統計與視覺化流程。
本次工作坊由 柯凱彣Kevin 老師主講,介紹如何運用 AI 工具協助研究者進行資料清理、視覺化與統計分析。講者指出,Julius AI 的性質比較像是一位研究助理,能協助完成重複且繁瑣的資料處理工作,讓研究者將更多心力放在研究問題設計與結果判讀上。
(一)Julius AI 的功能與使用方式
Julius AI 是一款以資料分析為核心的平台。使用者可以上傳 Excel、CSV、PDF 或 Google Sheets 等檔案,並透過聊天式介面以自然語言提出問題。相較於一般聊天式 AI,Julius AI 的介面與功能更貼近資料研究與分析情境,能協助使用者更直覺地進入分析流程。
講者提醒,使用 AI 時仍需保有研究判斷。AI 可以檢查資料、產生圖表、撰寫分析程式、尋找趨勢並提供初步解釋,但研究者仍需要確認資料是否合理、方法是否適合,以及結果是否正確解讀。
(二)資料品質檢查與清理示範
在第一個示範中,講者使用動物咬傷紀錄資料集,展示 Julius AI 如何協助檢查資料品質。這份資料包含咬傷日期、動物種類、性別、疫苗接種狀態與地理位置等欄位,資料量約有數千筆。
講者首先請 Julius AI 檢查資料中是否存在問題,而不是直接要求 AI 修改資料。結果,AI 回傳缺漏值、未知值、重複資料、不合理日期與可能離群值等資訊,讓使用者能先掌握資料狀況,再決定後續清理方式。
接著,講者示範如何請 Julius AI 保留較可靠的年份範圍、移除異常紀錄、標準化欄位名稱、整理文字格式,並統一大小寫與空白。AI 完成清理後,也能說明處理內容與移除的資料筆數。講者強調,使用者應要求 AI 說明修改方式,並在必要時回頭檢查原始資料與清理後資料的差異。
(三)視覺化與互動式圖表
除了資料清理,Julius AI 也能協助產生視覺化圖表。講者以動物咬傷資料中的郵遞區號為例,請 AI 製作互動式地圖,呈現事件發生地點的分布。這類地理視覺化過去通常需要熟悉 Python 套件、地理資料格式與地圖工具,對一般研究者而言門檻較高。
然而透過 Julius AI,使用者只需描述想要的圖表形式,就能快速取得初步成果。講者也示範如何要求 AI 修改圖表,例如加入州界線、調整標示方式,或產生更適合簡報使用的版本。對需要準備會議報告、課堂簡報或研究發表的使用者而言,這麼做能大幅節省視覺化製作時間。
(四)描述性分析與統計檢定
第二個示範以 AI 對學生生活影響的問卷資料為例。欄位包括年齡、科系、使用的 AI 工具、每日使用頻率、AI 使用前後 GPA、自評節省時間、學術誠信疑慮與職涯準備信心等。
講者提出多個研究問題,例如 AI 使用前、後 GPA 是否改變、GPA 改善是否因科系而不同、科系是否與 AI 倫理疑慮相關,以及 AI 使用頻率是否與職涯信心相關等。Julius AI 先協助檢查資料結構,再產生科系分布、工具使用情形、使用目的、倫理疑慮與年齡分布等圖表。
在統計檢定部分,講者示範如何請 Julius AI 判斷資料是否符合檢定條件,並執行t test、Wilcoxon test、ANOVA、Chi-squared test 與 Pearson 相關分析。AI 不只輸出統計數值與 p 值,也能以較易理解的方式解釋結果,並提供可能的報告寫法。
(五)實作練習
在實作環節中,參與者使用社群媒體與心理健康相關資料集進行練習。講者先請大家以人工方式檢查資料,觀察缺漏值、拼字錯誤、格式不一致、輸入錯誤或不合理回答。這個步驟讓參與者理解到資料敏感度的重要性。
之後,參與者再將資料上傳至 Julius AI,請 AI 協助檢查問題。AI 找出字元編碼錯誤、類別格式不一致、前後空白、問卷答案與題目不匹配,以及部分欄位被試算表自動轉換成不合理格式等問題。
透過這樣的流程,參與者能實際體驗 AI 如何協助完成資料檢查、清理、下載整理後檔案、探索趨勢與製作圖表。
(六)AI 是研究助理,不能取代研究者
本次工作坊展示 Julius AI 在資料清理、視覺化、趨勢探索與統計分析上的應用潛力。對沒有深厚程式背景的研究生而言,AI 工具能降低技術門檻,也能減少重複性工作。
不過,講者也指出 Julius AI 仍有其限制。例如免費帳號額度有限,進階功能需要付費,複雜任務也可能快速消耗 token。此外,AI 有時不會完整呈現每一步處理細節,若使用者沒有主動檢查,就可能不清楚資料如何被修改。
講者也提醒,工具只能輔助可重現性,不能取代研究者對方法的理解。研究者仍須知道自己使用了什麼分析方法、為什麼選擇該方法,以及結果應如何解釋。AI 可以協助執行流程,但研究責任仍屬於研究者。
整體而言,Julius AI 能讓資料分析更快速,也能協助研究者更有效率地探索資料。但真正重要的仍是研究者如何使用工具。當 AI 被視為研究助理,而非研究者的替身時,才能在提升效率的同時,維持研究判斷、方法意識與批判性思考。