使用工作坊範例
18 筆合成學生資料，可完整操作全部流程。
Offline-first · Human in the loop
先把資料看清楚，
再請 AI 協助判讀。
本工具在瀏覽器記憶體中處理 CSV，不連接任何 AI API、不保存資料。AI 初編透過「複製提示詞 → 使用自己的 ChatGPT／Gemini → 貼回 JSON」完成，人工最終碼永遠另欄保存。
僅供教學與研究練習：內建資料為工作坊合成案例，不是正式 PIRLS 題目。請勿匯入姓名、學號、信箱或其他可識別學生資料。
Step 1
匯入去識別 CSV
每列一位學習者；必要欄位：student_id、group、Q1–Q6、CR1_response。
匯入自己的去識別資料
資料只存在本頁記憶體；重新整理後即清除。
尚未載入資料。
資料預覽
表格可左右捲動。
Step 2
資料品質檢查
先確認分析單位、唯一鍵、完整性與允許值。警告不等於資料必然錯誤，但必須先說明。
| 嚴重度 | 檢查 | 證據 | 分析風險 | 建議處理 |
|---|
Step 3
選擇題表現分析
答案鍵可修改。百分比以有效答案為分母，空白另列，不會默默排除。
答案鍵
整體摘要
逐題答對率與作答分布
| 題目 | 答案 | 有效／空白 | 答對率 | A／B／C／D |
|---|
分組摘要
| 組別 | 樣本數 | 平均答對題數 | 平均答對率 | 提醒 |
|---|
Step 4
產生 AI 初編提示詞
先固定規準，再讓 AI 對每筆回答輸出結構化 JSON。空白回答可直接標 0 分並進入人工複核。
資料安全：本工具不呼叫 AI。請先確認貼出的資料完全去識別；正式研究另需遵守研究倫理與校內規範。
貼回 AI 的 JSON
接受 JSON 陣列，欄位為 student_id、ai_code、evidence_excerpt、rationale、confidence、needs_human_review。
尚未匯入 AI 初編。
Step 5
人工複核
預設把空白、低信心、AI 自行標記及極端分數送入人工檢查；正式研究可依規準擴大抽查。
| ID／組別 | 學生回答 | AI 初編與證據 | 人工最終碼 | 複核狀態與備註 |
|---|
Step 6
匯出可追溯成果
原始答案、AI 初編與人工最終碼分欄保存。未複核者不會被偽裝成完成。
完整分析 CSV
包含選擇題得分、AI 初編、證據、人工最終碼與複核狀態。
資料品質報告
輸出檢查項目、嚴重度、證據、風險與建議處理。
清除工作資料
清除本頁記憶體中的匯入資料與複核狀態。