Cómo Usar la AI para el Análisis de Línea de Base y Línea Final
Comparar los datos de línea de base y línea final es la columna vertebral de la medición de impacto. La AI puede realizar las comparaciones, señalar anomalías y redactar la narrativa, pero solo si se estructura el análisis en torno a preguntas de evaluación específicas.
La AI es excelente para encontrar patrones en los datos, pero no sabe qué patrones son importantes. Siempre comience con sus preguntas de evaluación, no con "analice esta hoja de cálculo".
El Flujo de Trabajo de Línea de Base-Línea Final en 5 Pasos
Pase de datos de encuestas brutos a una narrativa de comparación defendible. Cada paso se basa en el anterior para asegurar que el análisis responda a sus preguntas de evaluación reales.
Alinear Estructuras de Datos
Antes de cualquier análisis, pida a la AI que compare sus conjuntos de datos de línea de base y línea final: ¿los nombres de las variables son consistentes? ¿Las opciones de respuesta son idénticas? ¿Las unidades de muestreo son comparables? La desalineación aquí invalida todo lo que sigue.
Configurar la Matriz de Comparación
Cree una tabla que mapee cada pregunta de evaluación a su indicador, el valor de línea de base, el valor de línea final y la dirección esperada del cambio. Pida a la AI que complete esto con sus datos. Esto se convierte en la columna vertebral de su análisis.
Realizar Comparaciones Estadísticas
Para cada indicador, pida a la AI que recomiende y ejecute la prueba estadística apropiada: chi-cuadrado para proporciones, prueba t pareada para medias, McNemar para datos binarios emparejados. Siempre pida intervalos de confianza, no solo valores p.
Investigar Anomalías
Pida a la AI que señale los indicadores donde el cambio es inesperado: mejoras donde esperaba un declive, ningún cambio a pesar de una fuerte inversión, o cambios que son estadísticamente significativos pero prácticamente sin sentido. Estos son los hallazgos que vale la pena discutir.
Redactar la Narrativa de Comparación
Proporcione la matriz de comparación y los resultados estadísticos a la AI y pídale que redacte una sección de hallazgos organizada por pregunta de evaluación. Cada hallazgo debe indicar: qué cambió, cuánto, si el cambio es estadísticamente significativo y qué significa para el programa.
Análisis de Línea de Base-Línea Final Débil vs. Fuerte
La brecha entre un análisis útil y el 'teatro de datos' se reduce a si el análisis responde a preguntas de evaluación o simplemente describe números.
Preparación de Datos
Usted pega el conjunto de datos de línea final en ChatGPT y dice "Analice estos datos". La AI produce estadísticas resumidas para cada variable, la mayoría de las cuales son irrelevantes. No tiene una línea de base de comparación ni un marco para la interpretación.
Preparación de Datos
Usted proporciona ambos conjuntos de datos con una tabla de mapeo: "Aquí están mis datos de línea de base (n=400) y datos de línea final (n=385). Compare estos 12 indicadores. La variable X en la línea de base corresponde a la variable X_endline. Señale cualquier variable donde la codificación haya cambiado entre rondas."
Pruebas Estadísticas
La AI ejecuta pruebas t en todo y reporta valores p. Usted reporta "mejora estadísticamente significativa" para indicadores donde p < 0.05, ignorando el tamaño del efecto, los cambios en la composición de la muestra y los problemas de comparaciones múltiples.
Pruebas Estadísticas
La AI recomienda la prueba apropiada por tipo de indicador (proporciones vs. medias vs. ordinal), reporta tanto el valor p como el tamaño del efecto, ajusta para comparaciones múltiples cuando sea relevante y señala dónde cambió la composición de la muestra entre rondas.
Narrativa
"El indicador X aumentó del 34% al 42%." Sin contexto sobre si esto es significativo, sin discusión de por qué, sin conexión con las actividades del programa, sin advertencias sobre la calidad de los datos.
Narrativa
"El conocimiento de la técnica adecuada de lavado de manos aumentó del 34% (n=400) al 42% (n=385), una diferencia estadísticamente significativa (chi-cuadrado = 5.2, p = 0.02). Este cambio coincide con la campaña de promoción de higiene en el T2-T3. Sin embargo, la muestra de línea final tuvo una mayor representación femenina (62% vs. 54%), lo que puede explicar parcialmente el aumento dado que las mujeres obtuvieron puntuaciones más altas en la línea de base."
5 Reglas para el Análisis de Línea de Base-Línea Final Asistido por AI
Siempre verifique la alineación de los datos antes del análisis
Los nombres de las variables cambian entre rondas de encuestas. Las opciones de respuesta se reformulan. Se añaden nuevas categorías. Pida a la AI que produzca una tabla de mapeo de variables antes de ejecutar cualquier comparación. Diez minutos de verificación de alineación ahorran días de conclusiones erróneas.
Reporte los tamaños del efecto, no solo la significancia
Un cambio estadísticamente significativo en una muestra grande puede ser prácticamente insignificante. Un aumento de 2 puntos porcentuales con 2,000 encuestados será "significativo" pero puede no justificar la inversión. Siempre pida a la AI que calcule y reporte los tamaños del efecto junto con los valores p.
Tenga en cuenta los cambios en la composición de la muestra
Si su muestra de línea de base fue 50% femenina y su línea final es 65% femenina, cualquier indicador correlacionado con el género mostrará un cambio que no tiene nada que ver con su programa. Pida a la AI que verifique la comparabilidad demográfica y señale las discrepancias.
Conecte los hallazgos con las preguntas de evaluación
Cada hallazgo debe responder a una pregunta que alguien realmente hizo. Estructure su análisis en torno a 4-6 preguntas de evaluación, no en torno a 30 indicadores. Pida a la AI que organice la narrativa por pregunta, no por número de variable.
Nunca pegue datos brutos de beneficiarios en una AI en la nube
Los conjuntos de datos de línea de base y línea final a menudo contienen información de identificación personal. Elimine nombres, coordenadas GPS, números de teléfono y cualquier combinación de pueblo + edad + sexo que pueda identificar a individuos antes de compartir datos con cualquier herramienta de AI.
Prompt para Análisis de Línea de Base-Línea Final
Use este prompt después de limpiar y alinear sus conjuntos de datos. Pegue las estadísticas resumidas o una muestra representativa, no el conjunto de datos brutos completo.
Necesito comparar los datos de encuestas de línea de base y línea final para una evaluación de programa. Preguntas de evaluación: 1. [e.g., Did knowledge of proper handwashing improve among target households?] 2. [e.g., Did the proportion of households using improved water sources increase?] 3. [e.g., Did dietary diversity among children under 5 improve?] Resumen de datos: - Línea de base: [date, n=X, sampling method] - Línea final: [date, n=X, sampling method] - Comparación demográfica clave: [e.g., baseline 54% female, endline 62% female] Datos del indicador (pegar como tabla): | Indicador | Valor de Línea de Base | Valor de Línea Final | Tipo de Indicador | |-----------|---------------|---------------|----------------| | [e.g., % HH with handwashing knowledge] | [34%] | [42%] | [proportion] | | [add rows] | | | | Para cada indicador, por favor: 1. Recomiende la prueba estadística apropiada 2. Calcule el estadístico de prueba, el valor p y el tamaño del efecto 3. Señale si la diferencia en la composición de la muestra podría sesgar el resultado 4. Califique el hallazgo: evidencia fuerte / evidencia moderada / evidencia débil / sin evidencia de cambio 5. Redacte un hallazgo narrativo de 2-3 oraciones Luego, proporcione un resumen general organizado por pregunta de evaluación.
Analice Sus Datos
Combine este flujo de trabajo con técnicas de limpieza de datos y redacción de informes de evaluación para pasar de datos brutos a una narrativa lista para el donante.
Related Quick Guides
Cómo Usar la AI para el Desarrollo de Indicadores
Asegúrese de medir las cosas correctas antes de analizarlas.
Read guideCómo Limpiar Datos M&E Desordenados con AI
Solucione los problemas de calidad de los datos antes de que corrompan sus comparaciones.
Read guideCómo Usar la AI para la Elaboración de Informes para Donantes
Convierta sus hallazgos de línea de base-línea final en informes listos para el donante.
Read guide