Ogni percorso di analisi dei dati ha quel momento di imbarazzo. Hai il tuo set di dati aperto. Hai più o meno capito il problema. E poi... non succede nulla. Non perché la statistica sia troppo difficile, ma perché i passaggi tra "ho i dati" e "sto facendo l'analisi" sembrano inutilmente complicati. Quale menu? Quali variabili vanno dove? Come si chiama esattamente questa analisi?
JMP Assistant non risolve questo dilemma pensando al posto dello studente. Lo risolve velocizzando il processo in modo che possiamo dedicare il tempo in classe a ciò che conta davvero: comprendere il significato del risultato, verificare se risponde alla domanda giusta e decidere cosa fare in seguito.
Due strumenti, una distinzione chiara
Prima di proseguire, è opportuno precisare in cosa Assistant si differenzia da LearnBot, che abbiamo introdotto nell'episodio 2. La distinzione è semplice e importante:
- LearnBot [4] è un tutor sia per JMP che per la statistica in generale. Risponde a domande generali ("Cosa significa VIF?", "Quale analisi dovrei usare?") in un linguaggio semplice. È solo testuale e si trova nel menu Aiuto. Non interagisce con i dati e non esegue nulla in JMP.
- Assistente [3] è diverso in un modo fondamentale: agisce . È a conoscenza dei tuoi set di dati aperti e delle tue analisi aperte, comprende la tua domanda nel contesto, genera codice JMP Scripting Language (JSL) in background ed esegue l'analisi direttamente in JMP, producendo un output reale che puoi ispezionare, modificare e su cui puoi basarti. LearnBot ti guida passo passo. Assistant lo fa con te.
Cosa fa l'Assistente?: nessun mistero
L'Assistente [3] è disponibile gratuitamente sul JMP Marketplace. Una volta installato, appare nella sezione Componenti aggiuntivi del menu di JMP. Il flusso di lavoro di base in modalità Esegui, che è quella predefinita, è semplice:
- Apri la tabella dati in JMP Student Edition e avvia Assistant.
- Nel riquadro Contesto finestra , seleziona il set di dati e le analisi aperte con cui desideri lavorare.
- Formula la tua domanda analitica in un linguaggio semplice oppure scegli uno dei punti di partenza suggeriti.
- Fai clic su Invia . L'Assistente genera il codice JSL, lo esegue immediatamente e restituisce i risultati con una spiegazione di ciò che è stato fatto, cosa cercare nell'output e suggerimenti per i passaggi successivi.
L'Assistente conserva la cronologia delle conversazioni analitiche. Le chat precedenti sono accessibili dal pannello di sinistra, anche se la riapertura di una vecchia chat potrebbe richiedere l'apertura delle relative finestre JMP per ripristinarne il contesto completo.
Per domande di interpretazione sull'output già generato, passa alla modalità Chiedi . La modalità Chiedi non esegue nuovo codice, ma risponde a ciò che descrivi, con il vantaggio di conoscere il contesto di analisi corrente. Entrambe le modalità sono disponibili nella stessa finestra e vanno selezionate prima di fare clic su Invia.
Personalizl'esperienza
Le impostazioni dell'Assistente consentono agli utenti di configurare il proprio Ruolo (ingegnere o scienziato), il Settore (da un lungo elenco che comprende aerospaziale, biomedico, chimico, ambientale e molti altri) e il Livello di esperienza con JMP (da 1 a 5). Queste impostazioni influenzano il modo in cui l'Assistente formula le sue risposte: il linguaggio, gli esempi, il livello di dettaglio.
Ai fini didattici, queste opzioni sono importanti. Un docente può chiedere agli studenti di scegliere il proprio ambito di specializzazione in modo che corrisponda al contesto del corso e al loro livello di esperienza, in maniera onesta. Uno studente di livello 1 e un ricercatore di livello 5 otterranno risposte diverse, come è giusto che sia, alla stessa domanda. Questa differenza merita di per sé una discussione in classe.
Come si presenta nella pratica
L'esempio seguente utilizza il dataset Palmer Penguins, una nota risorsa didattica disponibile tramite JMP, per mostrare come si presenta un vero flusso di lavoro di Assistant, dalla domanda all'intuizione.
Una studentessa desidera esplorare la relazione tra le dimensioni del becco nelle diverse specie di pinguini, quindi digita: " Esiste una relazione tra la lunghezza del culmine e la profondità del culmine per ogni specie di pinguino? Preferirei un singolo grafico che mostri tutte le specie insieme."
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.Fase 1: L'assistente riconosce il set di dati aperto e le analisi aperte; spiega il suo approccio analitico prima di eseguire qualsiasi operazione.
L'assistente risponde inizialmente con un approccio, spiegando che Graph Builder è la piattaforma adatta per un grafico a dispersione sovrapposto multispecie. Segnala inoltre il rischio del paradosso di Simpson: una tendenza negativa aggregata può mascherare tendenze positive all'interno delle singole specie. Lo studente comprende il ragionamento prima di ottenere il risultato.
Quindi viene eseguito. Il grafico a dispersione appare in JMP Student Edition con linee di regressione per specie e intervalli di confidenza.
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.Fase 2: L'assistente esegue l'analisi in JMP: output di Graph Builder con grafico a dispersione colorato per specie e codice JSL disponibile per l'ispezione.
Il codice JSL che ha generato il grafico è visibile e ispezionabile, il che potrebbe essere un dettaglio secondario per la maggior parte degli studenti dei corsi introduttivi, ma una vera e propria risorsa didattica per i corsi più avanzati.
In ogni risposta in modalità Esegui, l'Assistente genera sempre due sezioni di approfondimento strutturate: Cosa cercare nei risultati di JMP? e Quali analisi dovrebbero essere eseguite successivamente? Ciascuna sezione è concreta, numerata e formulata come possibile suggerimento per le azioni successive.
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.Passaggio 3: I passaggi successivi suggeriti mantengono viva la conversazione analitica e si aggiornano al variare del contesto della finestra.
Niente menu da navigare. Niente passaggi tra schede. Solo una domanda, un'analisi e una chiara via da seguire.
La questione è l'abilità
Ecco cosa emerge subito quando gli studenti utilizzano Assistant: la qualità dell'output dipende interamente dalla qualità dell'input. Formulare una domanda analitica precisa e significativa non è più un passaggio preliminare, ma l' abilità centrale.
Confronta questi due spunti:
- ✘ L'opzione "Analizza i miei dati sui pinguini" produce risultati vaghi e offre informazioni limitate.
- ✔ "Esiste una relazione tra la lunghezza del culmine e la profondità del culmine per ogni specie di pinguino, rappresentata in un unico grafico?" produce esattamente l'analisi mostrata nello screenshot qui sopra.
Il secondo prompt è quello che lo studente ha digitato al passaggio 1. Uno studente che non riesce a formularlo non ha ancora compreso il problema, e nessuno strumento di intelligenza artificiale lo formulerà per lui.
| "Una buona analisi inizia con una buona domanda."Nessuno strumento di intelligenza artificiale te lo chiederà al posto tuo. |
Un importante controllo della realtà
JMP Assistant non è un data scientist. Non comprende il contesto della tua ricerca. Traduce la tua domanda in un'analisi, niente di più. Se la tua domanda è errata, anche la risposta lo sarà. Considerala un punto di partenza, non un verdetto. L'avviso sui contenuti generati dall'IA, visibile in ogni sessione di Assistant, ti ricorda che il giudizio dello studente rimane la fase finale di ogni flusso di lavoro analitico.
Cosa significa questo per gli istruttori
Il vantaggio più immediato è il tempo. Gli studenti non impiegano più 20 minuti a trovare il menu giusto. Potendo iniziare l'analisi in pochi secondi, hanno più tempo a disposizione per concentrarsi su ciò che conta davvero: comprendere i risultati.
Quando gli studenti arrivano in classe con le analisi già eseguite, la discussione si sposta da "Come si fa?" a "Ci siamo posti la domanda giusta?". Cosa significano realmente questi risultati? Un approccio diverso cambierebbe la conclusione?
L'episodio 4 affronta l'altro lato della medaglia: dove l'intelligenza artificiale in classe crea rischi concreti e cosa possono fare gli insegnanti per creare delle misure di sicurezza che preservino la validità del ragionamento.
Prova questo
Installa JMP Assistant [3] gratuitamente dal JMP Marketplace. Apri un set di dati che usi già nel tuo corso. Poni ad Assistant la domanda su cui i tuoi studenti si bloccano più spesso. Poi, invece di concentrarti sulla risposta, chiediti: come potrei trasformare questo output in una discussione? È proprio in questo cambio di prospettiva che emerge il valore pedagogico dello strumento.
Riferimenti
[1] Programma accademico JMP , jmp.com/academic
[2] Edizione per studenti di JMP , jmp.com/student
[3] Assistente JMP (Mercato JMP) , marketplace.jmp.com
[4]LearnBot (JMP Marketplace) , marketplace.jmp.com
[5] Come l'interfaccia visiva di JMP è potenziata dai flussi di lavoro analitici basati sul linguaggio naturale , D. Valente, JMP Community Blog
[6]Revisione del rapporto del GAISE College (in corso, 2025)
Informazioni sull'autore
Volker Kraft è Principal Academic Ambassador (EMEA) presso JMP Statistical Discovery (una società SAS), e fa parte del JMP Global Academic Team. Dal 2011, supporta le università di tutta Europa nell'integrazione di JMP nella didattica e nella ricerca. Il suo background è nella ricerca sulle tecnologie vocali, un campo in cui il rigore statistico e il pragmatismo ingegneristico dovevano coesistere ben prima che l'intelligenza artificiale diventasse un termine di uso comune. È possibile contattarlo tramite la Comunità JMP o su LinkedIn .
Episodio 3 di 5 • Prossimamente: Insegnare in modo responsabile con l'IA:rischi, misure di sicurezza e ciò che ho imparato a mie spese
