chatGPT

1 데이터셋

챗GPT 교육에 참여한 설문조사 데이터를 정리한다.

코드

library(tidyverse)
library(readxl)

survey_26 <- read_excel("data/(붙임) 경기도청 챗GPT 직원직무 교육신청 명단(취합).xlsx", sheet = '4.26.(수)', skip =2) %>% 
  mutate(날짜 = "2023-04-26")
survey_27 <- read_excel("data/(붙임) 경기도청 챗GPT 직원직무 교육신청 명단(취합).xlsx", sheet = '4.27.(목)', skip =2) %>% 
  mutate(날짜 = "2023-04-27")
survey_28 <- read_excel("data/(붙임) 경기도청 챗GPT 직원직무 교육신청 명단(취합).xlsx", sheet = '4.28.(금)', skip =2) %>% 
  mutate(날짜 = "2023-04-28")

survey <- bind_rows(survey_26, survey_27) %>% 
  bind_rows(survey_28) %>% 
  janitor::clean_names(ascii = FALSE) %>% 
  set_names(c("연번", "실국", "소속", "직위", "성명", "프롬프트", "API", "성취목표", "날짜")) %>% 
  mutate(실국 = ifelse(is.na(실국), "직속", 실국)) 

2 데이터 가명처리

실국, 소속과 직위, 성명이 포함되어 있어 변수 중 성명을 가명처리한다. 이를 위해서 파이썬 Faker 패키지를 사용하여 가명으로 처리한다.

코드

from faker import Faker
import pandas as pd
import numpy as np
import random
from datetime import datetime

fake = Faker('ko_KR')

def create_rows_faker(num=1):
    output = [{"name"       : fake.name()} for x in range(num)]
    return output

df_faker = pd.DataFrame(create_rows_faker(72))

가명처리 데이터를 정리한다.

코드

library(reticulate)

survey_tbl <- survey %>% 
  bind_cols(py$df_faker) %>% 
  select(-성명) %>% 
  rename(성명 = name) %>% 
  select(날짜, 실국, 성명, 직위, 프롬프트, API) 

3 챗GPT

챗GPT GPT-4를 사용해서 챗GPT 실무교육을 통해 얻으려는 것을 요약하도록 프롬프트를 작성한다.

프롬프트: 챗GPT 교육참여 텍스트를 5개 목표로 군집화시켜 정리하시요

챗GPT 응답:
1. 업무 효율성과 생산성 향상:
- 보고서 작성 및 엑셀 스킬 향상
- 행정 업무의 간소화
- 특정 직무 역할에서 ChatGPT를 적용하는 다양한 방법 탐구
1. 변화하는 기술 추세에 적응하고 새로운 기술 습득:
- AI와 ChatGPT의 최신 동향 이해
- ChatGPT 사용에 뒤처지지 않기 위한 지식 획득
- 변화하는 기술 풍경에 적응하기 위한 기본 지식 습득
1. 문제 해결 및 의사 결정 능력 향상:
- 기획 및 이벤트 프로모션을 위한 데이터 시각화 활용
- 사례 연구 및 문제 해결을 위해 ChatGPT 사용
- 지역 발전 및 IT 동향에 대한 ChatGPT의 영향 분석 및 이해
1. ChatGPT 응용 범위 확장:
- 일상 생활 및 다양한 산업 분야(예: 농업 홍보, 콘텐츠 산업)에 ChatGPT 적용
- 다양한 비즈니스 프로젝트에서 ChatGPT 통합의 잠재력 조사
1. 의사소통 및 질문 기술 향상:
- 효과적인 프롬프트 질문 방법 학습
- ChatGPT와 더 나은 상호 작용을 위한 기술 개발
- 원하는 결과를 얻기 위해 올바른 질문을 하는 것의 중요성 이해

4 통계 분석

설문조사에 나타난 자기평가 프롬프트 API 활용역량을 표로 요약한다.

코드

library(gt)
library(gtExtras)

survey_gt <- survey %>% 
  count(프롬프트, API) %>% 
  pivot_wider(names_from = API, values_from = n, values_fill = 0) %>% 
  mutate(라 = 0) %>% 
  gt::gt() %>% 
    tab_spanner(
    label = "API 활용능력",
    columns = c(
      가,나,다,라
    )
  ) %>% 
  gt_theme_nytimes() %>% 
  tab_header(title = "자기평가 프롬프트, API 활용역량") %>% 
  cols_align(
  align = "center",
  columns = everything()
)

survey_gt %>% 
  gtsave_extra(filename="images/gg_survey_gt.png")

요일별 초,중,고급 참여자 역량을 다음과 같이 요약한다.

코드

survey_gt_date <- survey %>% 
  mutate(수준 = case_when(프롬프트 %in% c("가", "나") & API %in% c("가", "나") ~ "초급",
                          프롬프트 == "라" ~ "고급",
                          TRUE ~ "중급")) %>% 
  count(날짜, 수준) %>% 
  pivot_wider(names_from = 수준, values_from = n, values_fill  = 0) %>% 
  gt::gt() %>% 
    tab_spanner(
    label = "자가평가 역량 종합",
    columns = c(
      초급, 중급, 고급
    )
  ) %>% 
  gt_theme_nytimes() %>% 
  tab_header(title = "챗GPT 요일별 참여자 역량") %>% 
  cols_align(
  align = "center",
  columns = everything()
)  

survey_gt_date %>% 
  gtsave_extra(filename="images/survey_gt_date.png")