AI 素养活动"数据说话"聚焦一个校园里最常见的管理难题——"校园之声"反馈处理：师生的意见散落在邮箱、校园 BBS、微信公众号后台与意见箱里，如何让它们变成可分析、可决策的数据？本次活动的任务，就是设计一个基于多维表格的"AI 智慧数据分析平台"。活动签到也别出心裁：登录工作坊电脑微信、面对面建活动群、方便分享活动素材、活动结束后解散群——轻量而高效。
问题探针：校园服务与运营实况
食堂三楼窗口排队太长、图书馆插座太少、宿舍热水供应时间太短、校园网晚上卡顿——来自各渠道的学生反馈真实而鲜活。但反馈处理的挑战藏在水面之下：分类繁琐、信息量巨大筛选困难、响应不及时、数据价值挖掘不足——反馈数据仅停留在"问题解决"层面，难以进行深度统计分析与趋势预测。
破局思辨：有这样一个工具
活动现场展示了一个仪表盘：151 条反馈评价的词云图、好评差评占比、评论分类与真实性分析、评价时间趋势、评论 IP 地址分布——这就是基于多维表格搭建的反馈分析平台。活动任务随之确定：针对"校园之声反馈处理"问题，完成数据处理、数据分析、可视化呈现三大任务——对原始数据进行整理与清洗，对数据进行深入挖掘与解读，将分析结果转化为直观图表。
智造工坊：数据处理
数据处理阶段，参与者将学生评价 Excel 表导入多维表格，随后依次完成：评论内容翻译处理（字段捷径一键翻译外文评价）、评论内容总结（自定义总结要求，要点编号呈现）、用户 IP 地址过滤（信息提取校区分布）——每一步都通过"探索字段捷径"完成，整列自动生成、自动更新。
智造工坊：数据分析
数据分析阶段：先用"分类"字段捷径将评论自动分为好评与差评（自定义分类要求："有负面评价的内容就为差评，反之则是好评"）；再通过公式计算评价赞同率（点赞数÷赞踩点击总数，百分比格式）；进而用 AI 生成公式实现评价真实性判断——赞同率小于等于 20% 输出"虚假"，20% 至 50% 为"半真半假"，大于 50% 为"真实"。公式法与 AI 生成公式两种路径，参与者各有所得。
智造工坊：数据可视化
最后将数据整理成可视化仪表盘：词云图呈现高频词，反馈评价总数 151 条，评论分类与真实性柱状图，评价时间趋势折线图，评论 IP 地址（A/B/C 校区）分布条形图——选择数据源、图表类型、主题色，分组聚合配置，一个分析看板便搭建完成。
成果 Show & Tell
成果展示环节，各组投屏分享"数据分析成果分享"：仪表盘搭建过程与核心数据展示——我问了什么、AI 分析了什么、发现了什么。
活动总结：从热互动到冷技术
从热烈的互动回到冷静的技术，活动沉淀出三种能力：数据预处理意识——AI 分析的效果高度依赖输入数据的质量，要理解"垃圾进，垃圾出"的原则；提示词工程——清晰、准确、结构化地表达问题或指令，提高 AI 理解和执行的效率；批判性思维——对 AI 生成的图表、异常点标记、洞察建议保持健康的怀疑态度，审视而非盲目接受。
