ChatGPT Work Questionnaire Workbook Analysis Practice Guide

From Data Structure to Pre-Test Reliability and Validity Report

Use ChatGPT Work as the primary path for Guided analysis and a finished report. It can read the de-identified pre-test.xlsx, guide the analysis step by step, and present a reviewable result. Use Codex only when you need reusable scripts, project files, or technical verification.

Practice Goals

完成本模組後，你應該能夠：

• Explain how to choose Chat, ChatGPT Work, or Codex for questionnaire data analysis.
• 使用 Codex 讀取專案中的完整 Excel workbook。
• 要求 Codex 判讀工作表、header row、基本data欄位與題目欄位。
• 要求 Codex 抽取重要data並建立去識別化的受試者層級data表。
• 要求 Codex 將原始選項編號轉換為可analysis的 Likert 分數。
• 要求 Codex 產生pre-testdata的reliability與validityanalysis HTML 報告。
• 在Time允許時，延伸到post-testdata與 paired t-test。

Practice Data

先確認本資料夾中有以下檔案：

本次課堂主要完成 pre-test.xlsx。post-test.xlsx 與 paired t-test 放在延伸練習，不作為基本完成門檻。

檔案說明：在 ChatGPT Work 上傳去識別化的 pre-test.xlsx 即可開始；如果改用 Codex，再把 prompt 中的路徑改為相對於所選專案工作區的寫法，例如 data/pre-test.xlsx 或 pre-test.xlsx。

Tool Preparation

Step 1: Choose ChatGPT Work or Codex

Key setup points

Open the ChatGPT desktop app. Choose ChatGPT Work for this exercise: it is the primary path for guided analysis and a finished report. Use Codex only when the same work needs reusable scripts, project files, commands, or technical verification. Available features can vary by plan, organization settings, and rollout status.

ChatGPT Work versus Codex

• In Work, upload only the de-identified workbook. In Codex, select only the course-project folder; do not add unrelated courses, personal files, or the whole user directory.
• When using Codex, use Ask for approval and review each command, file access, and proposed output before approving it.
• Do not enable Full access by default: it is not restricted to the current project directory. Use only de-identified workbooks and inspect file and tool permissions before approval.

Step 2：讓 ChatGPT Work 判讀 pre-test.xlsx workbook 結構

你要做什麼

讓 ChatGPT Work 先只分析 workbook schema，不要急著產生統計結論。這一步的目標是確認資料來源、工作表、header row、基本資料欄位與題目欄位。

🔹 可直接使用的 ChatGPT Work prompt

讀取 pre-test.xlsx，分析這份前測問卷 workbook 的結構。

列出工作表、主要分析來源、header row、基本資料欄位、題目欄位，
並判斷原始選項編號能不能直接當成 Likert 分數。

check重點

ChatGPT Work 的回答至少要包含：

• workbook 中有四個工作表。
• 真正欄位名稱位於第 2 列，第 1 列是標題列。
• 主要analysis來源應使用 答題記錄(選項編號)。
• 基本data欄位包含 帳號、姓名、單位、填寫Time。
• 題目欄位範圍為 Q1 到 Q16。
• 原始選項編號不是最後可analysis分數。

Step 3: Use ChatGPT Work to build a result-table schema

你要做什麼

確認 workbook 結構後，讓 ChatGPT Work 規劃受試者層級結果表。這一步仍先規劃欄位，不直接做報告。

本練習指定分數轉換規則：

Likert score = 8 - option_number

本練習指定四個構面：

🔹 可直接使用的 ChatGPT Work prompt

規劃一份去識別化的受試者層級結果表。

每列代表一位填答者，不放姓名與帳號。
所有題目欄位使用 score = 8 - option_number 轉成 Likert 分數。

加入四個構面平均：
IM = Q1, Q5, Q9, Q13
IR = Q2, Q6, Q10, Q14
ER = Q3, Q7, Q11, Q15
AM = Q4, Q8, Q12, Q16

先列出結果表 schema。

預期 schema

id, Q1, Q2, Q3, Q4, Q5, Q6, Q7, Q8,
Q9, Q10, Q11, Q12, Q13, Q14, Q15, Q16,
im, ir, er, am

check重點

• id 是去識別化代碼。
• Q1 到 Q16 都是轉換後 Likert 分數。
• im、ir、er、am 使用指定題號計算。
• ChatGPT Work 不應自行新增構面。
• ChatGPT Work 不應把姓名、帳號放進公開結果表。

Step 4: Use ChatGPT Work to finish the result table and report

你要做什麼

讓 ChatGPT Work 將已確認的資料抽取與分數轉換整理成結果表，並完成可審閱的分析報告。本課的主要成果是引導式分析與完成報告；若需要可重複執行的 Python／HTML 腳本，再使用 Codex 延伸。

🔹 可直接使用的 ChatGPT Work prompt

根據剛才確認的 pre-test.xlsx workbook 結構，
整理去識別化的受試者層級結果表，並完成一份可審閱的前測分析報告。

使用剛才確認的主要分析來源與 header row，
將所有題目欄位轉成 Likert 分數，計算 im, ir, er, am。

先呈現結果表的欄位與摘要，再用台灣中文說明資料檢查、主要發現與小樣本限制。
不要顯示姓名、帳號或其他可識別資料。

check重點

• 結果表與報告可供學員或教師審閱。
• 表格欄位符合 Step 3 的 schema。
• 所有題目欄位已套用 score = 8 - option_number。
• 公開輸出沒有包含姓名、帳號等可識別資料。

Step 5: Use ChatGPT Work to analyze pre-test reliability and validity

你要做什麼

當結果表確認正確後，再讓 ChatGPT Work 產生簡短的信度與資料檢查報告。課堂示範以資料檢查與 Cronbach alpha 為主。

解讀構面意義時，可參考 Guay, Vallerand, and Blanchard (2000) 的情境動機量表論文，用來整理 IM、IR、ER、AM 這些構面在本次問卷資料中的意義。

🔹 可直接使用的 ChatGPT Work prompt

根據剛才產生的 pre-test 轉換後 Likert 結果表，幫我做前測問卷的信度與效度分析。

麻煩輸出成深色主題的 HTML，檔名用 pre-test-validity-reliability.html，預設顯示台灣中文，但也要能切換成 English UI。報告一開始先給我分析結果概覽，內容至少要有資料檢查和 Cronbach alpha。

也請你參考 https://selfdeterminationtheory.org/SDT/documents/2000_GuayVallerandBlanchard_MO.pdf 這篇論文，幫我整理 IM、IR、ER、AM 這幾個構面各自代表什麼意思，並說明這次收集到的問卷資料可以怎麼解讀。

最後記得提醒一下，這次樣本數很小，結果只能當作課堂或工作坊層級的初步篩檢訊號，不是正式的量表驗證。

check重點

• 報告有清楚的中文概覽。
• English 切換後，主要 UI 不應殘留中文介面文字。
• 報告清楚標示樣本數。
• reliability與validity結果有文字解釋，不只是表格。
• 報告有提醒小樣本限制。

Step 6: Use ChatGPT Work to organize findings and limitations

你要做什麼

最後讓 ChatGPT Work 把目前完成的前測分析整理成「已完成」與「限制」兩部分。這可以當作課堂收尾，也能提醒學員不要把小樣本分析誤解為正式量表驗證。

🔹 可直接使用的 ChatGPT Work prompt

幫我整理這次 pre-test.xlsx 的分析成果。

先講已經完成的部分：workbook 結構、重要資料抽取、分數轉換、構面平均、HTML 結果表、信度分析報告都做完了。
再講接下來要做的事：這次樣本數的限制、後測資料還沒處理，如果時間允許可以再做 paired t-test。

check重點

• 已完成事項應能對應到實際產出檔案。
• 限制不能被寫成已解決問題。
• post-test與 paired t-test 應放在下一步，不要混入pre-test報告。

Time允許的延伸practice：處理 post-test.xlsx 並做 paired t-test

如果前測結果表與信效度報告已完成，可以建議學員繼續處理 post-test.xlsx。延伸練習分成兩段：先產生後測結果表，再做前後測共同填答者的 paired t-test。

🔹 延伸 prompt 1：產生post-test結果表

把剛才處理 pre-test.xlsx 的做法，套用到 post-test.xlsx 上。

一樣用相同規則產生去識別化的後測結果表，
並輸出 HTML：post-test-result-table.html。

🔹 延伸 prompt 2：進行 paired t-test

根據 pre-test 與 post-test 的結果表，
找出前後測共同填答者，並針對 im, ir, er, am 四個構面進行 paired t-test。

輸出共同填答者人數、各構面的前後測平均、平均差、p 值，
並用一小段文字提醒小樣本限制。

🔹 Reference example: paired t-test result table

The table below is a sample output from an actual run, for comparing against the format and content of ChatGPT Work's output.

Full extension-practice reports (HTML, dark theme, switchable English UI):

• SIMS Pre/Post Questionnaire Quality ReportPre-test and post-test data checks and Cronbach alpha reliability results
• SIMS Pre/Post Paired t-Test ReportFull paired t-test results and interpretation for the im, ir, er, am constructs

Reflection Questions

1. Codex 在這個任務中完成了哪些實際檔案操作？
2. 為什麼原始選項編號不能直接當作 Likert 分數？
3. 你會如何檢查 Codex 是否把題目放進正確構面？
4. 如果要把這套流程用在自己的課程問卷，你需要先移除哪些個人資料？