我之前写了一些关于心理学实验编程或者统计分析的教程，这是因为我当初自学这些东西的时候也是参考了很多网上的资料，这些资料都是前人无私分享的，所以我觉得有必要分享我所学到的、特别是在中文网站缺少的心理学实验编程/统计分析教程，同时我自己在整理这些笔记的过程中也会加深对知识的理解，所以这是一个双赢的过程。
不过，我接下来大概不会更新了。一方面我想要在学习工作之余有更多时间做一些无关学术的、我自己喜欢的事情，另一方面（这也是最重要的原因），其实现在类似ChatGPT这样的聊天AI已经可以一定程度上辅助大家学习并完成实验编程和统计分析。
我在这里给大家举了一些例子，作为抛砖引玉。这些方法应该也适用于中文聊天AI，目前我还没试过，大家可以自己去试试。
本文包括如何使用聊天AI协助你完成：
- 数据分析 & 实验程序编程
- 学术写作 & 文献阅读
- 干点杂活
- 偷偷摸鱼❌（培养创造力✅）
1 数据分析 & 实验程序编程
1.1 一般步骤
因为我最近主要是写数据分析的代码，没有写实验程序，所以这一部分主要举一些关于数据分析的例子。至于实验程序，其实基本的步骤是一样的。
一般步骤
- 描述先前知识；
- 描述你的问题情境以及你期望的结果；
- 让AI把代码给你；
- 检查代码是否无误并继续完善。
Tips
- （个人建议，至少对于ChatGPT而言）尽量用英语来描述你的问题；
- 可以按照自己的需要多建立几个聊天窗口（左上角的+new chat），例如一个窗口是关于数据分析的，另一个是关于学术写作的，还有一个是摸鱼用的，等等；
- 在描述问题情境时，如果你知道如何去解决这个问题，只需要AI将代码写好给到你，那么你的描述最好具有很强的可操作性（例如输入的参数是什么，期望的结果是什么，一步一步地描述）；
- 如果代码报错了，可以把报错信息返回给AI然后让它改进；
- AI有时候会编不存在的function给你，这时候你可以提醒它，然后看看它会不会把正确的代码给到你，不过有时候它绕来绕去就是写不对，这时候就需要自己写，把它不会写的部分写好后可以继续让它完善剩余的部分；
- AI写出来的代码不一定是准确的，需要我们自行把关。例如我之前需要做的一个分析涉及到随机取值，此时一般需要设置一个固定的seed以确保结果是可重复的，但AI写的代码并没有设置seed。一个正确的态度可能是，你自己其实就相当于一个导师，AI相当于你指导的学生，你应该在自己对某个事情有所了解（甚至非常精通）的情况下指导AI完成这件事情，如果你对某个事情不是非常了解，那你就需要在AI给出解决方案后让它详细解释它是怎么做的。
1.2 例1 一个关于数据分析的简单例子
例如，我们想让AI写一段用于做线性混合模型的代码。我们可以根据上述的步骤写prompt。如下。
你可能已经忘了我在上面提到的一般步骤，没关系，让我们结合这个例子一起回顾一下：
一般步骤
- 描述先前知识（我们想用lmerTest来做分析，所以需要特地说明一下，否则AI可能就会用另外的R包）；
- 描述你的问题情境以及你期望的结果（第一段就是描述我们有什么，想做什么，然后我们把具体的步骤以bullet points的方式列出）；
- 让AI把代码给你（也就是第一段末尾的“Please give me the code”，不过有时候你不需要说这个，AI也会把代码给到你，这取决于你在prompt中是否提及了涉及编程的内容。至于“please”，我建议无论任何时候都保持礼貌的习惯，因为有的社交场合需要快速的反应，这时候我们往往会表现出下意识的行为，而保持良好的行为习惯可以避免你在关键场合翻车）；
以下是AI的回答。
我们可以发现，AI在写构建模型的代码时，把变量名写成了“fixed_factors_1”等等，这是因为我们没有告诉它具体的变量名称，这个没关系，我们可以自己稍后再做修改。但一个明显的问题是，AI错误地理解了关于reference level的表述（不过，我一开始写成了referent level，它很好心地帮我把typo改过来了），我们可以指出这个问题并让AI改进。
回顾一下我们这一步在做什么：
一般步骤
- 检查代码是否无误并继续完善（reference level的代码写错了，需要改过来，改好之后我们可以继续检查代码的其他部分）。
于是我们说明情况，接着AI把改好的代码给到我们（如下，比较长，只截图了一部分）。
接着，我发现AI在构建模型时，公式中关于指定随机因子的部分和我之前了解的不太一样。不过我自己其实对这一块也不是很清楚，于是我询问了一下，AI做出了详细的解释（见下图）。我们接下来可以检查数据、查阅文献，进一步改进我们的分析代码，大概的流程就是这样。
1.3 例2 快速检索你需要的代码
相信上文的例子可以帮到大家快速理解如何使用AI辅助数据分析工作，接下来再举几个例子帮大家加深理解、扩展思路。
因为我比较懒，电脑上的各种文件都很少整理，所以像是需要做某个分析的时候，虽然我知道怎么做，但是具体的代码不一定能很快找到。如果是很常见的分析代码，其实可以让AI把代码给到你。例如这里我想用R语言给Welch校正的方差分析。
AI给出了做ANOVA的代码，见下图，但是好像没有做校正。这是因为我这次比较偷懒，没有在一开始描述相关的先前知识，也没有说明具体的步骤。
补充一下问题描述，让AI用car这个R包中的Anova函数来写这一段代码。
可以发现修改后的代码设置了white.adjust = TRUE，所以是做了校正的。AI还给了一个模拟的数据，很贴心了。
1.4 例3 改进代码
例如，我需要写一段用于制作统计表格的代码，其中，我需要将原始的p值保留3位小数点，并且p<0.001时将原始值改成“< 0.001”。我已经写了一段代码并希望AI帮我简化（我这里的写法有点像是Python的思路，我一般用Python就是写一堆if，但我知道R会有更方便的写法）。
接着，我想要把显著的p值用星号标记，我简单地描述了一下p<0.05时的情况（末尾加一个星号）。可以发现AI把上文的代码也包括进来了。
然后我继续说p<0.01末尾加两个星号，AI把修改后的代码给到我，并且很聪明地自己把p<0.001的末尾加了三个星号，已经学会举一反三了。
2 学术写作 & 文献阅读
关于学术写作，我们可以：
- 自己写，然后让AI帮忙proofreading；
- 询问关于用词、语法或某个表述的建议，然后自己写。
你应该发现我在这里强调了“自己写”。请不要让AI帮你写作。
2.1 一个简单的例子
随便举个例子，我们可以让AI帮我们检查文字。我在这里写了一个句子，出于演示的目的，我故意写了一些错别字和语法错误。AI则返回了改好的句子并说明出错的地方。不过我故意写错“essential”，它并没有告诉我这个单词写错，而是自己改好了。
2.2 另一个简单的例子
关于文献阅读，如果你遇到难以理解的内容，也可以让AI帮忙rephrase。
2.3 发挥你的创造力
大家写代码的时候都知道可以写function并调用，其实和AI聊天也是一样的，如果你不想每次都重复同样的prompt，可以直接写一个fucntion让它记住并在之后调用。
例如，在学术写作中容易遇到的一个问题是，当我们描述类似“实验组的成绩显著更好”这样的结果时，可能会忘了说这里的“更好”是相对于什么而言。这涉及到表述的准确性，毕竟可能是实验组比控制组的表现更好，也可能是实验组在后测的表现比前测更好，所以需要解释清楚。我们可以让AI记住一个function，叫check_compare，来帮我们检查这个问题。
现在我们来调用一下，于是AI就帮我们把内容改好了。
类似的，我们可以写一个function叫check_grammar，每次输入prompt的时候都带上这个function，让AI在回答问题的同时帮我们检查prompt的语法并给予反馈，这可以锻炼我们的英语写作能力。
3 干点杂活
你还可以让AI做一些机械性的工作。例如我之前写的一个数据分析教程需要给出一个矩阵作为示例数据。但是我手上只有一个下三角矩阵（triangle matrix），而我需要的是全矩阵（full matrix）。正常情况下，需要在Excel中或者编程工具中转换矩阵。但是现在我们可以偷懒让AI来帮我们做，如下。
可以看到AI把全矩阵一行一行地敲出来了，泪目。
不过转换的结果和我的目标还有一点小出入。没关系，我们可以继续向AI解释，让它把准确的结果给到我们。
4 偷偷摸鱼
AI还可以干很多事情，例如和你玩聊天游戏，像是DND跑团什么的。我这里玩了一个“猜猜我在想谁”的游戏，就是我心里想一个名人，然后其他玩家用一般疑问句来提问关于这个人的问题，我用“是”、“否”来回答，看看其他玩家能不能猜到我在想谁。不过我用的ChatGPT是3.5版本，好像还是不够聪明，而且比较离谱的是，它只猜了几次就自己选择放弃了……
另外我还试了一下狼人杀（反正是摸鱼，就用中文写好了）。
没想到AI一边进行模拟，一边还顺便写了一段代码给我……
AI一开始忘记说明我的身份，直接推进到发言了，而且忘了上警（不过这也是因为我一开始没有详细说明规则）。我提醒之后，AI反手给我发了一个民（可能是考虑到我第一个晚上啥也没干，它自己把坑给填上了）。
然后AI转头就忘了我是几号玩家（感觉3.5版本的工作记忆还是不太够），模拟的发言极其敷衍，发言后的投票环节也忘了……有条件的小伙伴可以用4.0甚至之后的版本自己尝试一下，并且最好在开始前详细描述游戏规则。
