Probabilmente avrai già sentito anche tu dire che ChatGPT ti permette di comunicare in linguaggio naturale quali sono i tuoi obiettivi di ricerca perchè l’intelligenza artificiale si occuperà per te di analizzare i tuoi dati scrivendo ed eseguendo il codice nel linguaggio da te richiesto (ad esempio R o Python). Le premesse sembrano ottime: ma è davvero così?
Indice
Che tipo di analisi si possono effettuare con ChatGPT?
ChatGPT ti può aiutare ad effettuare sia operazioni di gestione dei dati (come l’unione e la pulizia di set di dati di grandi dimensioni) sia di loro descrizione (come la creazione di grafici e tabelle) sia il loro approfondimento con tecniche più accurate di analisi (come quelle inferenzali). In particolare, si può sia porre a ChatGPT domande di follow-up sia valutare i suggerimenti che la stessa intelligenza
artificiale propone.
Quanto è affidabile l’analisi dei dati con ChatGPT?
Come tutto quello che riguarda l’intelligenza artificiale, ci si aspetta che le analisi saranno nel tempo sempre più affidabili. Tuttavia, al momento ChatGPT deve essere pensato come un assistente e non come un sostituito all’analista. Un po’ come accade con le auto dotate di drive assist, che sulla carta sono in grado di guidare in autonomia ma nella pratica la normativa richiede che tu comunque tenga sempre le mani sul volante.
Come si fa in pratica un’analisi dati con ChatGPT?
Come prima cosa devi accedere al sito chatgpt.com e registrarti. Considera che la versione gratuita ha alcune limitazioni (che variano nel tempo) relativa alla possibilità di analisi dati. Ti apparirà quindi questa schermata:
Il secondo passaggio da fare è passare al programma i dati da analizzare, che devono essere in un formato leggibile da ChatGPT (come Excel o csv). Clicca quindi sul simbolo + che compare sotto la barra di ricerca.
Se i dati sono sul tuo computer, seleziona l’opzione “Carica da computer”. Se invece li hai salvati sul cloud, clicca su “Collegati con Google Drive” oppure “Collegati a Microsoft OneDrive”.
Una volta caricati i dati, potrai iniziare a porre domande a ChatGPT più o meno specifiche. Ad esempio, se non sai da dove partire con le analisi potresti chiedere a ChatGPT di fornirti qualche suggerimento:
Oppure, puoi porre tu domande specifiche. Ad esempio, quando si importa un dataset su un software statistico, la prima operazione da fare è la pulizia del dato. Vediamo cosa riesce a fare ChatGPT:
Dalla schermata qui sopra, possiamo notare che ChatGPT associa la pulizia dei dati alla presenza di valori mancanti, dei duplicati, alla formattazione delle colonne ed alla coerenza dei valori all’interno delle singole colonne. Questi aspetti senz’altro rientrano tra quelli di cui tenere conto in un processo accurato di pulizia dei dati, ma non sono sufficienti. Potrebbe infatti capitare (e l’ho visto personalmente decine di volte) che dati numericamente corretti non lo siano però da un punto di vista clinico o comunque teorico.
Se, ad esempio, in una colonna che in teoria prevede solo due modalità di risposta (0 e 1) sono finiti per errore anche altri numeri (come un 2, un -1 o un 11), ChatGPT non ti segnalerà questo come possibile problema di pulizia del dato. Te ne potresti invece facilmente accorgere guardando ad esempio i filtri di Excel. Allo stesso modo, se in basso al fondo della tabella dei dati hai aggiunto una riga con il calcolo delle medie, ChatGPT non ti segnalerà che questa riga è da eliminare per l’analisi dei dati.
Fatte queste premesse, vediamo come poter però sfruttare al meglio ChatGPT. Come puoi notare dalla schermata precedente, se il file caricato presenta più fogli, il programma ti chiederà su quali vuoi lavorare. Soprattutto se hai creato più versione dello stesso dataset, è importante passargli quella più completa ed aggiornata.
Ecco i risultati del controllo della pulizia dei dati effettuato da ChatGPT:
In questo esempio, ChatGPT:
- ha individuato due colonne con valori mancanti. Tuttavia, segnala correttamente che una di queste due colonne non presenta problemi in quanto il dato mancante deriva da un filtro, mentre sull’altra evidenzia la presenza di anomalie che potrebbero richiedere un trattamento di dati mancanti (come puoi leggere anche nella sezione prossimi passi);
- non ha rilevato righe duplicate e pertanto segnala che non ha trovato duplicati;
- ha restituito una formattazione come stringa invece che come data per le colonne che contengono date. Questa formattazione potrebbe rivelarsi un problema per alcuni linguaggi di programmazione nel momento in cui fosse necessario effettuare calcoli su tali date, come una differenza tra date;
- ha riportato altre formattazioni che potrebbero essere precisate meglio, sempre a seconda del linguaggio di programmazione che si deciderà di utilizzare per le analisi
Una volta sistemati tutti i dati, si può procedere con le analisi descrittive. Ad esempio, chiedendo al programma di creare una tabella descrittiva riassuntiva delle caratteristiche del campione:
Scaricando il file creato da ChatGPT, si ottiene un file come quello sottostante:
Per ogni variabile è stata creata una riga, e ogni colonna rappresenta un indice riassuntivo numerico:
- Count indica il numero di osservazioni presenti in ogni variabile;
- Unique indica il numero di modalità non ripetute presenti in ogni variabile qualitativa;
- Top indica la modalità più ricorrente di ogni variabile qualitativa;
- Freq indica la frequenza, ovvero il numero di volte in qui il valore top compare della variabile;
- Mean indica il valore medio delle variabili quantitative;
- Std la deviazione standard;
- Min e max indicano rispettivamente il valore minimo e massimo;
- Le tre percentuali (25%, 50%,75%) indicano rispettivamente il primo quartile, la mediana (cioè il secondo quartile) ed il terzo quartile
Tutti i numeri dalla colonna mean verso destra sono presenti solo se la variabile è considerata quantitativa. Non ci sono quindi giustamente per quelle variabili che presentano del testo al loro interno (come il nome dell’impiegato). Sono presenti però anche per le variabili cosiddette ID che rappresentano semplicemente un indice progressivo numerico di identificazione dei singoli impiegati.
Inoltre, nel dataset erano presenti variabili che seppur numeriche erano qualitative (come Gender, che ha le modalità indicate come 0 e 1). Non sarebbe quindi corretto presentare questa tabella così come è stata creata da ChatGPT in quanto non ha senso il calcolo di indici numerici come la media per variabili ID e neanche per variabili qualitative.
Inoltre, in questa tabella è data più importanza alle variabili quantitative (descritte sia in termini di media che di mediana) che a quelle qualitative (di cui è mostrata solo la prima modalità con relativa frequenza) di cui mancano le frequenze per tutte le modalità che rappresentano la moda.
In modo simile, potrai poi procedere con la richiesta di creazione di grafici e di analisi più approfondite.
Analisi dati con ChatGPT: e adesso?
ChatGPT può essere di supporto per le analisi dati ma come abbiamo visto non può essere ancora considerato un valido sostituto al ragionamento umano in tale ambito.
Come fare allora se hai dubbi su come impostare, sviluppare o interpretare in modo metodologicamente corretto ed affidabile un’analisi dati? Se il tuo obiettivo è fare analisi di base su pochi dati, la soluzione potrebbe essere seguire i passaggi descritti nel libro su come si fa una tesi di ricerca. Se invece il tuo obiettivo è più articolato o ambizioso, la consulenza check-up potrebbe fare proprio al caso tuo.
[In qualità di Affiliato Amazon, ricevo un guadagno dagli acquisti idonei]
