Недавно продолжил экспериментировать с разными нейросетками, от DeepSeek до Perplexity, чтобы снова понять, а может ли нейросеть хотя бы частично заменить мне аналитика.

Создал промт, загрузил его в Perplexity, на выходе получил рандомный датасет по 200 учащимся (вот по каким характеристикам: Gender,GradeLevel, EnrollmentDate, GPA, AttendancePercent, LearningPlatform, CourseCompletionPercent, LastLoginDate, TotalLearningHours, UsesAITutor, Device_Typ), потом Perplexity мне создал по нему csv.

После чего по таблице я вводил новые промты, чтобы Perplexity мне строил подходящие графики и диаграммы, а также интерпретировал их.

Соответственно, то же самое проделал и с GPT.

1. что касается визуализации данных — GPT оказался ограниченным, Perplexity имеет, как мне кажется, больше возможностей, начиная от столбчатых диаграмм и заканчивая инфографикой.

2. что касается интерпретации данных — GPT выглядел интереснее за счёт более детальной статистической интерпретации (см. скрин 1), Perplexity оказался немного поверхностным (см. скрин 2), хотя его возможности по построению сравнительных таблиц оказались не менее глубокими.

Оказывается, действительно удобно, когда для нейросетки ставишь ТЗ когда тебе удобно и как удобно, а на выходе получаешь довольно понятную визуализацию и интерпретацию таких данных.

💭 К чему веду рассуждения. Мне кажется, что освоив пару книжечек, например, как Г.В. Ахметжанова, И.В. Антонова «Применение методов математической статистики в психолого-педагогических исследованиях» и попрактиковавшись на какой-нибудь базе данных, уже можно использовать нейросеть как помощника при работе с учебной аналитикой (хотя бы на простых задачах).

Коллеги, а вы уже использовали нейросети для работы с учебной аналитикой ❓