فرض کنید ۳۰۰ پرسشنامه با ۳۰۰ سؤال لیکرتی جمع‌آوری کرده‌اید. این یعنی حدود ۹۰٬۰۰۰ پاسخ که باید وارد نرم‌افزار شوند. ورود دستی چنین حجمی از داده می‌تواند چندین روز زمان ببرد و احتمال خطای انسانی را نیز افزایش دهد.
اما امروزه با کمک هوش مصنوعی می‌توان بخش زیادی از این فرایند را خودکار کرد.
🔹 گام اول: اسکن باکیفیت پرسشنامه‌ها
پرسشنامه‌ها را با نرم‌افزارهایی مانند Adobe Scan یا Microsoft Lens اسکن کنید و خروجی PDF بگیرید. هرچه کیفیت اسکن بهتر باشد، دقت استخراج داده‌ها بیشتر خواهد بود.
🔹 گام دوم: استفاده از هوش مصنوعی برای استخراج پاسخ‌ها
فایل PDF را در اختیار هوش مصنوعی قرار دهید و از یک پرامپت دقیق استفاده کنید.
✍️ نمونه پرامپت:
«این فایل شامل پرسشنامه‌های تکمیل‌شده است. پاسخ‌های هر شرکت‌کننده را استخراج کن و در قالب یک جدول آماده Excel ارائه بده.
قواعد کدگذاری:
- کاملاً مخالفم = 1
- مخالفم = 2
- نظری ندارم = 3
- موافقم = 4
- کاملاً موافقم = 5
برای هر شرکت‌کننده یک ردیف جداگانه ایجاد کن.
نام ستون‌ها به ترتیب Q1 تا Q300 باشد.
فقط مقادیر عددی ثبت شوند و هیچ متن اضافی در سلول‌ها قرار نگیرد.
اگر پاسخ یک سؤال ناخوانا یا نامشخص بود، مقدار آن را NA ثبت کن.
در پایان، فایل را به‌صورت CSV یا جدول قابل کپی در Excel ارائه بده.
قبل از ثبت هر پاسخ، محل علامت‌گذاری را با دقت بررسی کن و در صورت وجود خط خوردگی یا چند پاسخ همزمان، آن مورد را به‌عنوان Missing Data گزارش کن.»
🔹 گام سوم: انتقال به SPSS
پس از دریافت فایل Excel یا CSV:
1. فایل را ذخیره کنید.
2. در SPSS گزینه Open → Data را انتخاب کنید.
3. فایل Excel را وارد کنید.
4. نام متغیرها و کدگذاری‌ها را بررسی نمایید.
🎯 مزیت این روش
در بسیاری از پروژه‌ها، کاری که به‌صورت دستی چندین روز زمان می‌برد، می‌تواند در چند ساعت انجام شود و پژوهشگر زمان بیشتری برای تحلیل داده‌ها و نگارش مقاله داشته باشد.
⚠️ نکته بسیار مهم
هوش مصنوعی ابزار قدرتمندی است، اما جایگزین کنترل پژوهشگر نیست. همواره بخشی از داده‌ها (حداقل ۵ تا ۱۰ درصد پرسشنامه‌ها) را به‌صورت تصادفی با نسخه کاغذی تطبیق دهید. همچنین مواردی مانند داده‌های گمشده، پاسخ‌های چندگانه و خطاهای احتمالی استخراج را شخصاً بررسی کنید.
هیچ فایل خروجی هوش مصنوعی نباید بدون کنترل انسانی وارد تحلیل آماری و نگارش مقاله شود.
📌 روابط عمومی کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم‌پزشکی اردبیل
🆔 @arums_src