SAPA 데이터 분석 파이프라인

AI Agent를 활용한 성격 데이터 분석 및 학술 논문 초안 작성 파이프라인입니다.

---

프로젝트 구조

SAPA/
├── INSTRUCTIONS.md              ← AI Agent 지침
├── README.md                    ← 이 파일
├── data/
│   ├── raw/                     ← 원본 데이터
│   │   ├── sapa_data.csv
│   │   ├── item_info.csv
│   │   └── superKey696.csv
│   └── processed/               ← 처리된 데이터
│       └── sapa_scores.csv
├── notebooks/                   ← 분석 노트북
│   ├── 01_data_scan.ipynb
│   ├── 02_preprocessing.ipynb
│   ├── 03_visualization.ipynb
│   └── 04_state_analysis.ipynb
├── reports/                     ← 분석 결과
│   ├── step1_scan.json
│   ├── step2_preprocess.json
│   ├── step3_viz.json
│   ├── step4_state.json
│   ├── step5_draft_method.md
│   ├── step5_draft_results.md
│   ├── step6_proofreading_report.md
│   ├── step7_revised_method.md
│   ├── step7_revised_results.md
│   ├── pipeline_context.json
│   └── figures/
├── guides/                      ← 가이드 및 스타일 문서
│   ├── preprocessing_guide.md
│   ├── stats.md
│   ├── writing.md
│   ├── proofreading_guide.md
│   ├── revision.md
│   ├── APA7-Style.pdf
│   ├── The Elements of Style.pdf
│   └── Writing Science.pdf
└── .cursor/skills/              ← AI 스킬

---

파이프라인 개요

단계	이름	생성 파일	트리거
1	Scan	01_data_scan.ipynb → step1_scan.json	초기 실행
2	Preprocess	02_preprocessing.ipynb → step2_preprocess.json	"다음 단계 만들어줘"
3	Visualization	03_visualization.ipynb → step3_viz.json	"다음 단계 만들어줘"
4	State Analysis	04_state_analysis.ipynb → step4_state.json	"다음 단계 만들어줘"
5	Writing	step5_draft_method.md, step5_draft_results.md	"다음 단계 만들어줘"
6	Proofreading	step6_proofreading_report.md	"다음 단계 만들어줘"
7	Revision	step7_revised_method.md, step7_revised_results.md	"다음 단계 만들어줘"

---

사용 방법

파이프라인 실행

"다음 단계 만들어줘"  →  노트북/문서 생성
"결과 저장해줘"      →  JSON으로 저장, 다음 단계로 전환

개별 스킬 호출

스킬	트리거 키워드	설명
capture-results	"결과 저장", "저장해줘"	노트북 결과를 JSON으로 저장
generate-next-step	"다음 단계 만들어줘"	파이프라인 다음 단계 생성
github-update	"GitHub 업데이트", "커밋"	변경사항을 GitHub에 업로드
proofread	"프루프리딩", "논문 검토"	학술 문서 검토 (파이프라인 외부에서도 사용 가능)

---

가이드 문서

guides/ 폴더에 파이프라인에서 참조하는 가이드라인 문서들이 있습니다.

파일	용도
guides/preprocessing_guide.md	전처리 및 척도 계산 방법
guides/stats.md	Critical Ratios 통계 방법론
guides/writing.md	Method/Results 작성 가이드 (Few-shot 예시 포함)
guides/proofreading_guide.md	프루프리딩 평가 기준 (Few-shot 예시 포함)
guides/revision.md	수정 전략 가이드 (Few-shot 예시 포함)

---

데이터 설명

• SAPA: Synthetic Aperture Personality Assessment
• 출처: Harvard Dataverse
• 특징:
  • 696개 성격 문항
  • Planned missingness (설계된 결측) 구조
  • Big Five, Ideology, Honesty-Humility 척도

---

분석 결과 요약

항목	값
원본 응답자 수	23,679명
QC 후 응답자 수	23,647명
분석 척도	7개 (Big Five 5개 + Ideology + H-H)
State-level 분석 대상	9개 주, 7,308명
유의미한 CR 특징	8개 (│CR│ > 3.0)

---

필요 라이브러리

pip install pandas numpy matplotlib seaborn scipy

---

학습 목표

1. AI Agent에게 자연어로 작업 지시하는 방법
2. 재현 가능한 분석 파이프라인 구축
3. 학술 논문 초안 자동 생성 및 검토
4. Overclaiming 방지 및 보수적 글쓰기 원칙