问卷收完了，怎么把它变成一份讲得清楚的课程分析？
表格里有重复提交，有几秒钟就填完的回答，不同年级的样本量也不一样。直接画图很快，但站上讲台之后，怎么解释这些数据是怎么来的？
这篇准备从一份模拟课程问卷开始，用 PhanthyWork 整理分析材料。文章先按一轮完整请求组织；是否需要追问、最终效果如何，以后续实测为准。
01｜先准备材料，再明确这一题的规则
在 PhanthyWork 中添加问卷文件，或选择文件所在目录。模拟数据保留回答编号、年级、是否使用 AI、作答时长。
本例按回答编号去重，并演示排除作答时长小于 20 秒的记录。20 秒只是本次模拟的处理条件，不能直接当作所有问卷的质量标准。实际课程项目需要结合题量和研究设计确定规则。
02｜把方法、图表和交付要求一起告诉它
可以这样提出需求：
“请分析这份模拟问卷。按 response_id 去重，排除作答时长小于 20 秒的记录，记录每一步剩余样本量。按年级汇总有效回答数量和 AI 使用情况，生成图表，保存清洗后的 CSV 和一份方法说明。结论仅描述本次样本，不推广到所有学生。”
这句话里，除了要做什么，也说明了怎样处理、需要留下什么文件，以及结论可以讲到什么程度。
03｜图表出现之后，回到原始记录检查
先看去重前后数量能否对上，再看排除记录是否符合约定条件。随后逐个核对年级的有效回答数与 AI 使用数量。
如果结果需要修改，就继续指出具体问题，并保留真实追问。例如可以要求把比例的分母写清楚，或把图表标题改成更准确的样本描述。
04｜带着方法和数据去汇报
目标交付是一份清洗数据、一组图表，以及能说明处理规则的方法文档。最后的课程展示应能回答：样本怎么来的，哪些记录被排除，图表在描述什么，还有哪些局限。
桌面端实测完成后，我们会补入真实交付文件和完成轮次，再确认哪些内容可以直接用于汇报。
让成果可以被追问，也可以被核对
AI 可以帮助整理材料、执行分析和呈现图表，研究问题和方法仍需要自己理解。留下原始记录、处理规则和输出文件，下一次被问到“这个数字从哪里来”，就有依据可查。
关注 PhanthyWork，下一篇见
喜欢今天的内容，就关注我们吧 👇
实用方法、真实案例，每周与你分享。
欢迎前往官网下载体验，亲手把一个想法做出来。
code.phanthy.com