一张预期寿命图表教会我如何审查 AI 构建的数据管道

我是 GlobalDataTracker.com 的构建者，这是一个使用 Codex/Astra 构建的免费国家统计网站。本文也使用了 AI 辅助。一位读者质疑了一个预期寿命比较，调查后发现仅检查数值会遗漏的问题。世界银行的数据显示，德国在 2019 年标签下的值约为 81.29 年，2024 年标签下为 80.79 年。相减得 −0.5。但这并不能确立这两个日历年之间的清晰比较。带有脚注的世界银行 API 响应显示，标记为 2024 年的德国男性和女性观察覆盖了 2022–2024 年。总计观察没有直接脚注。另外，德国特定的源元数据表明总计值源自那些性别特定估计。数据管道保留了值和年份标签，但没有请求或保留观察注释。修复方法是：请求文档中记录的 footnote=y 选项，并在摄入、图表和 CSV 导出中保留注释。将提供者脚注与我们对相关系列元数据的编辑解释分开。验证刷新后的数据集：保留了 18,290 条提供者注释；所有 287,760 条先前的数值观察保持不变且无缺失。仍有限制：我们尚未确定德国 2019 年的确切参考期，性别系列在 2023 年标记了一个未解释的断裂。空脚注并非完美可比性的证据。对于 AI 辅助的数据项目，我的收获是审查超出值和年份的数据契约：单位、参考期、脚注和系列断裂也需要在每次转换中存活。实施示例：GlobalDataTracker.com。