Modül B4 — Veri Analizi ve Yorumlama
Seviye: [İ] İleri
Amaç: AI'ı istatistiksel çıktıyı yorumlamak ve sonuç anlatısını yazmak için kullanmak; sayıların kendisini asla modelden almamak ve hasta verisini korumak.
Kavramsal çerçeve
Bu modülün guardrail'i en serttir. AI veri analizinde iki rolle sınırlıdır: (1) sizin ürettiğiniz gerçek istatistiksel çıktıyı yorumlamaya yardım etmek, (2) bu gerçek sayılardan bir sonuç anlatısı taslağı yazmak. Model sayı üretmez, sonuç üretmez, veriye dokunmaz. Modele girilen her şey A3 kapsamındadır: tanımlanabilir hasta verisi girilmez.
[İ] İzin verilen kullanımlar
- Gerçek çıktının (tablo, model özeti, p-değerleri) ne anlama geldiğini açıklatmak.
- Bir bulgunun klinik anlamlılık ile istatistiksel anlamlılık ayrımını tartıştırmak.
- Sonuç anlatısını gerçek sayılarla taslaklatmak (yorumsuz, Results disiplinine uygun).
- Olası yorumlama hatalarını (ör. anlamlı olmayan sonucu "etki yok" diye yorumlama) işaret ettirmek.
[İ] Kesin yasaklar
- Modelin sayı, oran, GA veya p-değeri "doldurması" — eksik bir sonucu tamamlatmak halüsinasyon davetidir.
- Ham hasta verisini (satır düzeyinde kayıt) modele yapıştırmak.
- Modeli, istediğiniz sonucu destekleyen yoruma yönlendirmek (confirmation bias amplifikasyonu).
[İ] Onay yanlılığı (confirmation bias) riski
Model, prompt'unuzdaki ima edilen beklentiye uyum sağlama eğilimindedir. "Bu sonucun hipotezimi desteklediğini göster" gibi bir çerçeveleme, modeli kanıtı eğip bükmeye iter. Nötr çerçeveleme ("bu sonuç ne gösterir, ne göstermez") şarttır.
Prompt desenleri
Çıktı yorumlama (gerçek sayılarla):
[ROL]: Biyoistatistik yorumunda titiz bir araştırma metodoloğusun. [BAĞLAM]: Aşağıda kendi analizimden çıkan GERÇEK model çıktısı var: [çıktıyı yapıştırın — hasta verisi DEĞİL, yalnızca özet istatistikler]. [GÖREV]: Bu çıktının ne gösterdiğini ve ne GÖSTERMEDİĞİNİ açıkla. İstatistiksel ve klinik anlamlılığı ayrı değerlendir. [KISITLAR]: Verdiğim sayıların dışına çıkma, hiçbir değer ekleme veya tahmin etme. Sonucu lehime veya aleyhime yorumlama; nötr kal. [DOĞRULAMA KANCASI]: Yorumunun dayandığı her sayıyı çıktımdaki karşılığıyla eşle.
Sonuç anlatısı taslağı (Results disiplini):
[GÖREV]: Aşağıdaki gerçek sonuçlardan, Results bölümü için yorumsuz, geçmiş zamanlı, nötr bir anlatı taslağı yaz: [gerçek sayılar]. [KISITLAR]: Tartışma yapma, neden-sonuç ima etme, yeni sayı ekleme. [FORMAT]: Düz metin, sayıları olduğu gibi aktar.
Kötü → İyi karşılaştırması
Kötü: "Çalışmamda müdahale grubunda iyileşme vardı; bunu istatistiklerle güçlü biçimde anlat."
→ Yönlendirilmiş çerçeveleme; model yokmuş gibi sayı uydurabilir, bias'ı büyütür.
İyi: Gerçek çıktıyı yapıştırıp "bu ne gösterir, ne göstermez, nötr açıkla" demek; sayıların dışına çıkışı yasaklamak.
→ Yorum gerçek veriye bağlı, nötr ve denetlenebilir kalır.
Yaygın hata kalıpları (failure modes)
- Eksik sonucu modele tamamlatmak. En tehlikeli hata; doğrudan veri uydurma. Çözüm: yalnızca tam, gerçek çıktıyı vermek.
- Yönlendirilmiş çerçeveleme. İstenen sonuca doğru itmek. Çözüm: nötr "ne gösterir/göstermez" sorusu.
- İstatistiksel ↔ klinik anlamlılık karıştırması. Küçük p'yi büyük etki sanmak. Çözüm: ikisini ayrı sorgulatmak.
- Ham veri sızıntısı. Satır düzeyi kaydı yapıştırmak. Çözüm: yalnızca özet istatistik, hasta verisi yok (A3).
Uygulamalı egzersiz
Gerçek bir analiz çıktınızı (özet düzeyde, hasta verisi olmadan) alın. Bir kez "bu sonuç hipotezimi destekliyor mu, güçlü anlat" diye, bir kez de nötr "ne gösterir, ne göstermez" diye sorun. İki yanıtı karşılaştırın: yönlendirmenin yorumu nasıl çarpıttığını gözlemleyin.
Doğrulama kontrol listesi
- Modele yalnızca gerçek, tam, özet istatistik verdim; hasta verisi vermedim.
- Modelin hiçbir sayı eklemediğini/uydurmadığını doğruladım.
- Çerçevelemem nötrdü; istediğim sonuca yönlendirmedim.
- İstatistiksel ve klinik anlamlılığı ayrı değerlendirdim.
- Sonuç anlatısı yorumsuz ve gerçek sayılarla sınırlı.
Anahtar çıkarımlar
- AI veride yalnızca yorumlar ve anlatır; sayı üretmez, sonuç üretmez, veriye dokunmaz.
- Eksik bir sonucu modele tamamlatmak doğrudan halüsinasyon davetidir.
- Nötr çerçeveleme, onay yanlılığının modele bulaşmasını engeller.
- Ham hasta verisi modele asla girilmez (A3).