Una sessió pràctica amb el Baròmetre d’Opinió Política del CEO — versió pla Pro
Aquest document és per a usuaris del pla Pro de claude.ai ($20/mes). Bones notícies: el pla Pro inclou accés a Claude Code sense necessitat de clau API separada.
Com funciona:
⚠️ Important: Si teniu la variable ANTHROPIC_API_KEY configurada al sistema per qualsevol raó, Claude Code la usarà en lloc de la subscripció Pro i us generarà càrrecs per consum de l’API. En cas de dubte, comproveu que no teniu aquesta variable configurada (vegeu la secció d’autenticació).
Sobre Windows:
Maj+Alt+T) per obrir-loAquesta sessió introdueix Claude Code, l’assistent de programació amb IA d’Anthropic, integrat directament a RStudio. L’utilitzarem per accelerar l’anàlisi del Baròmetre d’Opinió Política (BOP) del Centre d’Estudis d’Opinió (CEO) de la Generalitat de Catalunya — un dels conjunts de dades d’enquesta longitudinal més rics disponibles per estudiar l’opinió pública catalana.
Al final d’aquesta sessió, sereu capaços de:
Claude Code és un assistent de programació amb IA de línia de comandes creat per Anthropic. A diferència de les eines d’IA basades en xat, opera dins del vostre entorn de desenvolupament — pot llegir els vostres fitxers, entendre el context del projecte, executar codi i suggerir edicions directament. Penseu-hi com un programador parell amb IA que coneix la vostra base de codi.
A RStudio, Claude Code s’executa al panell Terminal (no a la Consola R), però les seves sortides flueixen directament cap als vostres scripts i documents. Això el fa ideal per a:
Claude Code és una eina potent, però comet errors. Sempre heu de llegir, entendre i provar cada fragment de codi que genera. Aquest taller us donarà els marcs per fer-ho de manera eficaç.
Abans d’instal·lar Claude Code necessiteu:
No cal cap clau API separada. Usareu les mateixes credencials (correu + contrasenya) que quan accediu a claude.ai.
Comproveu la versió de Node.js al Terminal de RStudio (panell inferior):
node --version
npm --versionLa sortida hauria de mostrar v18.x.x o superior per a Node.js. Si Node.js no està instal·lat, descarregueu l’instal·lador per a Windows de nodejs.org i seguiu els passos. Un cop instal·lat, tanqueu i torneu a obrir RStudio perquè reconegui Node.js al Terminal.
Claude Code s’instal·la com a paquet npm global. Executeu aquesta comanda al Terminal de RStudio:
npm install -g @anthropic-ai/claude-codeSi obteniu un error del tipus claude : El terme 'claude' no es reconeix... o un error de política d’execució, executeu primer:
Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSignedI torneu a intentar la instal·lació.
Verifiqueu la instal·lació:
claude --versionLa primera vegada que executeu Claude Code, s’obrirà el navegador per autenticar-vos amb el vostre compte de claude.ai. No cal cap clau API. Executeu al Terminal de RStudio:
claudeSe us demanarà que trieu el mètode d’autenticació. Seleccioneu “Sign in with Claude.ai” (o equivalent) i seguiu el flux al navegador amb el correu i la contrasenya del vostre compte Pro.
Un cop autenticat, Claude Code recordarà les credencials per a sessions futures.
Si en algun moment heu configurat la variable ANTHROPIC_API_KEY al sistema (per exemple, per a un altre projecte), Claude Code l’usarà en lloc de la subscripció Pro i us generarà càrrecs inesperats. Comproveu-ho a la Consola R:
Sys.getenv("ANTHROPIC_API_KEY") # Ha de retornar "" (buit)Si retorna alguna cosa, podeu eliminar-la del fitxer .Renviron amb:
usethis::edit_r_environ()
# Esborreu la línia ANTHROPIC_API_KEY=... i deseu el fitxer
# Reinicieu RStudioPodeu verificar quin compte usa Claude Code en qualsevol moment amb:
claude /statusL’ús de Claude Code compta conjuntament amb l’ús de claude.ai. El pla Pro ofereix com a mínim 5 vegades l’ús del pla gratuït, però hi ha un límit per sessió (reseteja cada 5 hores) i un límit setmanal.
Consells per gestionar l’ús:
A RStudio, obriu el panell Terminal (Eines → Terminal → Terminal nou, o Maj+Alt+T). Navegueu a la carpeta del projecte i llanceu Claude Code:
cd C:\Usuaris\el-vostre-nom\el-meu-projecte-bop
claudeSi heu creat un projecte de RStudio (fitxer .Rproj), el Terminal ja s’obre a la carpeta del projecte automàticament. En aquest cas, simplement executeu:
claudesense necessitat de canviar de directori. Per comprovar amb quin compte esteu autenticats:
claude /statusVeureu el prompt interactiu de Claude Code. Ara podeu escriure instruccions en llenguatge natural.
Primer, creem una estructura de projecte neta. Al Terminal (amb Claude Code en execució), podríeu demanar:
“Crea una estructura de projecte R per analitzar dades d’enquesta del Baròmetre d’Opinió Política del CEO, amb carpetes per a dades, scripts, sortides i un README”
O feu-ho manualment a R:
# Executeu això a la Consola R per configurar el projecte
dirs <- c("data/raw", "data/processed", "scripts",
"outputs/figures", "outputs/tables", "skills")
for (d in dirs) {
if (!dir.exists(d)) dir.create(d, recursive = TRUE)
}
cat("Estructura del projecte creada.\n")# Paquets principals per a aquest taller
packages <- c(
"CEOdata", # Accés directe a les dades d'enquesta del CEO
"tidyverse", # Manipulació de dades i visualització
"haven", # Llegir fitxers SPSS (.sav)
"survey", # Anàlisi d'enquestes complexes amb ponderacions
"srvyr", # Anàlisi d'enquestes estil tidyverse
"janitor", # Utilitats de neteja de dades
"gt", # Taules de qualitat per a publicació
"ggthemes", # Temes addicionals per a ggplot2
"scales", # Formatació per a gràfics
"labelled" # Treballar amb variables etiquetades d'SPSS
)
# Instal·leu els paquets que falten
to_install <- packages[!sapply(packages, requireNamespace, quietly = TRUE)]
if (length(to_install) > 0) {
install.packages(to_install)
}
# CEOdata pot caldre instal·lar-lo des de GitHub si no és al CRAN
if (!requireNamespace("CEOdata", quietly = TRUE)) {
if (!requireNamespace("remotes", quietly = TRUE)) install.packages("remotes")
remotes::install_github("ceopinio/CEOdata")
}El CEO ofereix dues maneres d’accedir a les dades del BOP:
CEOdata (Recomanada)library(CEOdata)
library(tidyverse)
library(labelled)
# Carrega tots els Baròmetres disponibles (des de 2014, mètode presencial)
# És un conjunt de dades gran: ~44.000 enquestats, ~1.200 variables
bop_all <- CEOdata()
# Visió ràpida
glimpse(bop_all[, 1:15]) # Primeres 15 variables
cat("Dimensions:", nrow(bop_all), "files ×", ncol(bop_all), "columnes\n")# Carrega només els baròmetres recents (des de 2022)
bop_recent <- CEOdata(date_start = "2022-01-01")
cat("Dades recents:", nrow(bop_recent), "files\n")
# Carrega una onada específica pel seu REO (número de registre d'estudi)
# Exemple: REO 1160 (useu CEOmeta() per explorar els estudis disponibles)
meta <- CEOmeta()
head(meta[, c("REO", "Titol enquesta", "Dia inici treball de camp")], 10)El CEO proporciona fitxers SPSS fusionats a: https://ceo.gencat.cat/ca/barometre/matrius-fusionada-BOP/
library(haven)
# Si heu descarregat el fitxer .sav manualment:
# bop_raw <- read_sav("data/raw/matriu_fusionada_BOP_presencial.sav")
# Inspeccioneu l'estructura d'un conjunt de dades SPSS amb etiquetes
# bop_raw |>
# select(1:10) |>
# look_for() # del paquet labelled: mostra les etiquetes de les variablesEl Baròmetre d’Opinió Política (BOP) es realitza aproximadament tres vegades l’any des de 2005. La sèrie presencial (CAPI) usada aquí va des d’abril de 2014 amb mostres de ~2.000 enquestats per onada. Les variables clau inclouen:
Useu CEOsearch("independen") per trobar totes les variables relacionades amb un tema.
Al Terminal de RStudio, llanceu Claude Code (assegureu-vos d’estar al directori del projecte):
claudeAra esteu en una sessió interactiva. Claude Code pot veure els fitxers del vostre projecte. Provem algunes interaccions bàsiques.
Prompt 1 — Entendre una variable:
Escriviu això al prompt de Claude Code:
Tinc un conjunt de dades anomenat bop_recent carregat a R des del paquet CEOdata
(enquesta d'opinió política catalana). La variable C700 és la pregunta sobre
la independència. Podeu escriure codi R per produir una taula de freqüències
ponderada de C700 usant la variable de pes PONDERA, amb etiquetes adequades?Claude Code podria generar alguna cosa com:
library(tidyverse)
library(srvyr)
library(CEOdata)
# Carrega les dades (si no estan ja carregades)
bop_recent <- CEOdata(date_start = "2022-01-01")
# Crea un objecte de disseny d'enquesta amb ponderacions
bop_svy <- bop_recent |>
as_survey_design(weights = PONDERA)
# Taula de freqüències ponderada de la variable de preferència d'independència
bop_svy |>
group_by(C700) |>
summarise(
n_ponderat = survey_total(vartype = "ci"),
pct = survey_mean(vartype = "ci") * 100
) |>
arrange(desc(pct))Abans de prémer “Executa”, pregunteu-vos sempre:
names(bop_recent))?També podeu enganxar codi existent i demanar a Claude que l’expliqui:
Prompt 2 — Explicació:
Explica pas a pas què fa aquest codi R, per a un estudiant que coneix R bàsic
però no ha usat mai el paquet srvyr:
bop_svy <- bop_recent |>
as_survey_design(weights = PONDERA)Quan R produeix un error, enganxeu-lo directament a Claude Code:
Prompt 3 — Depuració:
He obtingut aquest error en executar el meu codi R:
Error in UseMethod("summarise") :
no applicable method for 'summarise' applied to an object of class "data.frame"
El meu codi era:
bop_recent |> group_by(ANY) |> summarise(n = survey_mean())
Què hi ha de malament i com ho soluciono?Prompt per a Claude Code:
Escriu codi R per crear un gràfic de sèrie temporal de la preferència
d'independència a Catalunya usant el conjunt de dades bop_all de CEOdata.
La variable és C700. Usa el pes PONDERA i agrupa per BOP_NUM (onada).
Mostra el percentatge que dóna suport a la independència al llarg del temps,
amb una línia de tendència suavitzada. Usa ggplot2 amb un tema net.Sortida esperada (reviseu i adapteu):
library(srvyr)
library(ggplot2)
library(scales)
# Definiu els codis de resposta favorables a la independència
# A C700: normalment 1 = Sí (independència), 2 = No
# Verifiqueu sempre amb: table(bop_all$C700, useNA = "always")
bop_svy_all <- bop_all |>
filter(!is.na(C700), !is.na(PONDERA)) |>
mutate(
any_onada = paste(ANY, sprintf("%02d", MES), sep = "-"),
pro_indep = as.integer(C700 == 1) # Ajusteu el codi si cal
) |>
as_survey_design(weights = PONDERA)
tendencia_independencia <- bop_svy_all |>
group_by(ANY, MES) |>
summarise(
pct_si = survey_mean(pro_indep, na.rm = TRUE, vartype = "ci") * 100
) |>
ungroup() |>
mutate(data = as.Date(paste(ANY, MES, 1, sep = "-")))
ggplot(tendencia_independencia, aes(x = data, y = pct_si)) +
geom_ribbon(aes(ymin = pct_si_low, ymax = pct_si_upp),
alpha = 0.2, fill = "#E31E24") +
geom_line(colour = "#E31E24", linewidth = 0.8) +
geom_point(size = 1.5, colour = "#E31E24") +
geom_smooth(method = "loess", se = FALSE, colour = "darkred",
linetype = "dashed", linewidth = 0.6) +
scale_y_continuous(limits = c(30, 65),
labels = label_percent(scale = 1)) +
scale_x_date(date_breaks = "1 any", date_labels = "%Y") +
labs(
title = "Suport a la Independència de Catalunya al Llarg del Temps",
subtitle = "Percentatge ponderat que respon 'Sí' a la pregunta d'independència (BOP, CEO)",
x = NULL, y = "% a favor de la independència",
caption = "Font: Baròmetre d'Opinió Política, Centre d'Estudis d'Opinió (Generalitat de Catalunya).\nEstimacions ponderades amb intervals de confiança del 95%."
) +
theme_minimal(base_size = 12) +
theme(
plot.title = element_text(face = "bold"),
panel.grid.minor = element_blank()
)Prompt per a Claude Code:
Vull creuar la preferència d'independència (C700) per grup d'edat i gènere
usant les dades del BOP del CEO (bop_recent). La variable de pes és PONDERA.
L'edat és a la variable EDAT (contínua). Crea grups d'edat (18-34, 35-54, 55+),
i produeix una taula creuada ponderada i un gràfic de barres agrupades.bop_crosstab <- bop_recent |>
filter(!is.na(C700), !is.na(EDAT), !is.na(SEXE), !is.na(PONDERA)) |>
mutate(
grup_edat = case_when(
EDAT < 35 ~ "18–34",
EDAT < 55 ~ "35–54",
TRUE ~ "55+"
) |> factor(levels = c("18–34", "35–54", "55+")),
genere = case_when(
SEXE == 1 ~ "Home",
SEXE == 2 ~ "Dona",
TRUE ~ NA_character_
),
pro_indep = as.integer(C700 == 1)
) |>
filter(!is.na(genere)) |>
as_survey_design(weights = PONDERA)
resultat_crosstab <- bop_crosstab |>
group_by(grup_edat, genere) |>
summarise(
pct_si = survey_mean(pro_indep, na.rm = TRUE, vartype = "ci") * 100,
n = unweighted(n())
)
# Visualització
ggplot(resultat_crosstab, aes(x = grup_edat, y = pct_si, fill = genere)) +
geom_col(position = "dodge", width = 0.7) +
geom_errorbar(aes(ymin = pct_si_low, ymax = pct_si_upp),
position = position_dodge(0.7), width = 0.25) +
scale_fill_manual(values = c("Home" = "#2C7BB6", "Dona" = "#D7191C")) +
scale_y_continuous(labels = label_percent(scale = 1), limits = c(0, 70)) +
labs(
title = "Suport a la Independència per Grup d'Edat i Gènere",
x = "Grup d'edat", y = "% a favor de la independència",
fill = "Gènere",
caption = "Font: BOP CEO (onades recents). Estimacions ponderades amb IC del 95%."
) +
theme_minimal(base_size = 12)Prompt per a Claude Code:
A les dades del BOP del CEO, hi ha variables per valorar els líders polítics
en una escala del 0 al 10. Escriu codi per: (1) trobar totes les variables
de valoració (probablement contenen "VALORACIÓ" o "VAL" al nom), (2) calcular
les mitjanes ponderades per a l'onada més recent, (3) crear un gràfic de punts
que ranguegi els líders de major a menor aprovació.# Troba les variables de valoració dels líders
vars_lideres <- names(bop_recent)[grepl("VAL|VALORACI", names(bop_recent),
ignore.case = TRUE)]
cat("Possibles variables de valoració de líders:\n")
print(head(vars_lideres, 20))
# Funció per calcular la mitjana ponderada per a variables d'escala 0-10
valoracio_ponderada <- function(dades, var, var_pes = "PONDERA") {
x <- dades[[var]]
w <- dades[[var_pes]]
# Tractem els valors fora de 0-10 com a mancants (codis de no-resposta)
x[x < 0 | x > 10] <- NA
if (sum(!is.na(x)) < 30) return(NULL) # Ometeu si hi ha massa poques respostes
tibble(
variable = var,
mitjana_valoracio = weighted.mean(x, w, na.rm = TRUE),
n_valids = sum(!is.na(x))
)
}
# Apliqueu-ho a l'onada més recent
bop_ultima_onada <- bop_recent |>
filter(ANY == max(ANY, na.rm = TRUE)) |>
filter(!is.na(PONDERA))
valoracions <- purrr::map_dfr(vars_lideres, ~valoracio_ponderada(bop_ultima_onada, .x)) |>
filter(!is.na(mitjana_valoracio)) |>
arrange(desc(mitjana_valoracio))
# Gràfic de punts
ggplot(valoracions, aes(x = mitjana_valoracio,
y = reorder(variable, mitjana_valoracio))) +
geom_vline(xintercept = 5, linetype = "dashed", colour = "grey60") +
geom_point(size = 3, colour = "#2C7BB6") +
scale_x_continuous(limits = c(0, 10), breaks = seq(0, 10, 2)) +
labs(
title = "Valoració dels Líders Polítics",
subtitle = "Onada més recent, mitjanes ponderades (0 = molt deficient, 10 = excel·lent)",
x = "Valoració mitjana (0–10)",
y = NULL,
caption = "Font: BOP CEO. Mitjanes ponderades; n ≥ 30 per líder."
) +
theme_minimal(base_size = 11)Prompt per a Claude Code:
Escriu codi R per executar una regressió logística que predeixi el suport
a la independència (C700, binària: sí/no) a partir de la ideologia
esquerra-dreta (IDEOL_0_10), l'edat (EDAT), el gènere (SEXE) i la primera
llengua (LLENGUA_PRIMERA) usant les dades del BOP del CEO. Usa el paquet
survey per tenir en compte correctament les ponderacions PONDERA.
Mostra després un gràfic de coeficients.library(survey)
library(broom)
# Preparació de les dades
bop_reg <- bop_recent |>
filter(!is.na(C700), !is.na(PONDERA)) |>
mutate(
indep = as.integer(C700 == 1),
ideologia = ifelse(IDEOL_0_10 %in% c(98, 99), NA, IDEOL_0_10),
edat = ifelse(EDAT < 18 | EDAT > 99, NA, EDAT),
dona = as.integer(SEXE == 2),
catalanoparlant = as.integer(LLENGUA_PRIMERA == 1) # Verifiqueu el codi
) |>
filter(!is.na(ideologia), !is.na(edat), !is.na(dona))
# Disseny d'enquesta per a la regressió
disseny_svy <- svydesign(ids = ~1, weights = ~PONDERA, data = bop_reg)
# Regressió logística amb ponderacions d'enquesta
model <- svyglm(
indep ~ ideologia + edat + dona + catalanoparlant,
design = disseny_svy,
family = quasibinomial()
)
summary(model)
# Gràfic de coeficients usant broom
df_coef <- tidy(model, conf.int = TRUE, exponentiate = TRUE) |>
filter(term != "(Intercept)") |>
mutate(
term = recode(term,
"ideologia" = "Ideologia esq.-dreta (més alt = més dreta)",
"edat" = "Edat",
"dona" = "Dona (vs. home)",
"catalanoparlant" = "Primera llengua català (vs. altra)"
)
)
ggplot(df_coef, aes(x = estimate, y = reorder(term, estimate))) +
geom_vline(xintercept = 1, linetype = "dashed", colour = "grey50") +
geom_errorbarh(aes(xmin = conf.low, xmax = conf.high), height = 0.2) +
geom_point(size = 3, colour = "#E31E24") +
scale_x_log10() +
labs(
title = "Predictors del Suport a la Independència",
subtitle = "Regressió logística ponderada per enquesta — Odds ratios amb IC del 95%",
x = "Odds ratio (escala logarítmica)", y = NULL,
caption = "Font: BOP CEO (onades recents). n ponderat."
) +
theme_minimal(base_size = 11)Prompt per a Claude Code:
Necessito una taula de qualitat per a publicació que mostri els principals
indicadors polítics de l'última onada del BOP del CEO. Inclou: suport a la
independència, satisfacció amb la democràcia, mitjana esquerra-dreta i
aprovació del govern. Mostra percentatges o mitjanes ponderats, mides de
mostra i intervals de confiança del 95%. Usa el paquet gt.library(gt)
library(srvyr)
# Onada més recent
reo_mes_recent <- bop_recent |>
filter(!is.na(BOP_NUM)) |>
pull(BOP_NUM) |>
levels() |>
tail(1)
bop_onada <- bop_recent |>
filter(as.character(BOP_NUM) == reo_mes_recent, !is.na(PONDERA)) |>
as_survey_design(weights = PONDERA)
# Calculeu estadístics resum
estadistics_resum <- tribble(
~Indicador, ~Valor, ~IC_baix, ~IC_alt, ~N,
"% a favor de la independència",
bop_onada |>
summarise(m = survey_mean(C700 == 1, na.rm = TRUE)) |>
pull(m) * 100,
bop_onada |>
summarise(m = survey_mean(C700 == 1, na.rm = TRUE, vartype = "ci")) |>
pull(m_low) * 100,
bop_onada |>
summarise(m = survey_mean(C700 == 1, na.rm = TRUE, vartype = "ci")) |>
pull(m_upp) * 100,
bop_onada |>
summarise(n = unweighted(sum(!is.na(C700)))) |>
pull(n)
)
# Formateu com a taula gt
estadistics_resum |>
gt() |>
tab_header(
title = "Indicadors Polítics Clau — Baròmetre d'Opinió Política del CEO",
subtitle = paste("Onada:", reo_mes_recent, "| Estimacions ponderades")
) |>
fmt_number(columns = c(Valor, IC_baix, IC_alt), decimals = 1) |>
fmt_integer(columns = N) |>
cols_label(
Indicador = "Indicador",
Valor = "Estimació",
IC_baix = "IC 95% (baix)",
IC_alt = "IC 95% (alt)",
N = "n (sense ponderar)"
) |>
tab_source_note("Font: BOP CEO. Estimacions ponderades usant la variable PONDERA.") |>
tab_options(table.font.size = 12)A Claude Code, les skills són fitxers de prompts estructurats i reutilitzables emmagatzemats al vostre projecte que defineixen com Claude hauria d’abordar tasques recurrents específiques. Actuen com a instruccions personalitzades que podeu invocar de manera consistent entre sessions.
Per a l’anàlisi de dades polítiques, les skills us ajuden a:
Creeu un fitxer anomenat skills/analisi_enquesta.md al vostre projecte. Primer, creeu la carpeta skills des de la Consola R:
# Creeu la carpeta skills des de la Consola R (funciona a Windows i macOS)
if (!dir.exists("skills")) dir.create("skills")
cat("Carpeta 'skills' creada al directori del projecte.\n")Ara creeu el fitxer skills/analisi_enquesta.md des de RStudio: aneu a Fitxer → Fitxer nou → Fitxer de text, escriviu el contingut següent i deseu-lo amb el nom analisi_enquesta.md dins la carpeta skills.
# Skill: Anàlisi de l'Enquesta BOP del CEO
## Context
Esteu ajudant amb l'anàlisi del Baròmetre d'Opinió Política (BOP) del
Centre d'Estudis d'Opinió (CEO) de la Generalitat de Catalunya.
Es tracta d'una enquesta complexa amb respostes ponderades.
## Estructura de les dades
- Conjunt de dades principal: `bop` (carregat des del paquet CEOdata o fitxer SPSS)
- Variable de pes: `PONDERA` (USEU-LA SEMPRE per a qualsevol estimació)
- Identificadors clau: `BOP_NUM` (onada), `ANY` (any), `MES` (mes)
- Codis de no-resposta en variables numèriques: típicament 98 (No sap),
99 (No contesta) — recodifiqueu-los sempre a NA abans de l'anàlisi
## Regles que heu de seguir sempre
1. SEMPRE apliqueu les ponderacions d'enquesta usant el paquet `srvyr` o `survey`
2. SEMPRE informeu els intervals de confiança juntament amb les estimacions puntuals
3. SEMPRE comproveu i gestioneu els valors mancants explícitament
4. SEMPRE verifiqueu els codis de les variables abans d'etiquetar-les
(useu `table()` o `val_labels()`)
5. Useu `as_survey_design(weights = PONDERA)` com a disseny d'enquesta estàndard
6. Per a la regressió, useu `svyglm()` del paquet `survey`
## Estàndards de sortida
- Percentatges amb un decimal
- Tots els gràfics inclouen: títol, subtítol, etiquetes dels eixos,
peu de font amb la font de dades
- Tema de ggplot2: `theme_minimal()` per defecte
- Paleta de colors: useu `#E31E24` (vermell) i `#2C7BB6` (blau) com a
colors principals
## Referència de variables comunes
- C700: Preferència d'independència (1=Sí, 2=No, 3=Indiferent, 98/99=NS/NC)
- C710: Règim territorial preferit (federació, independència, etc.)
- IDEOL_0_10: Escala esq.-dreta (0=extrema esq., 10=extrema dreta, 98/99=NS/NC)
- SEXE: Gènere (1=Home, 2=Dona)
- EDAT: Edat en anys
- LLENGUA_PRIMERA: Primera llengua (1=Català, 2=Castellà, 3=Les dues igual, ...)
- PROVINCIA: Província (1=Barcelona, 2=Girona, 3=Lleida, 4=Tarragona)Un cop teniu el fitxer de skill, referencieu-lo explícitament als vostres prompts:
Seguint les instruccions a skills/analisi_enquesta.md, produeix una tabulació
creuada ponderada de la preferència d'independència (C700) per província
(PROVINCIA) per a l'onada més recent disponible. Inclou els intervals de confiança.Claude Code llegirà el fitxer de skill i aplicarà les seves regles a tot el codi generat.
Creeu skills/docs_variables.md:
# Skill: Documentació de Variables del BOP
Quan se us demani documentar una variable del BOP del CEO:
1. Mostreu el nom i l'etiqueta de la variable
2. Mostreu la taula de freqüències completa (recompte sense ponderar,
% ponderat, amb IC)
3. Mostreu la tendència temporal si la variable apareix en múltiples onades
4. Senyaleu qualsevol problema conegut: taxes de no-resposta superiors al 10%,
canvis en la redacció de la pregunta entre onades, o codificació no comparable
5. Suggeriu enfocaments analítics apropiats per a aquest tipus de variable
Formateu tota la sortida com un bloc de codi Quarto estructurat que es pugui
inserir directament en un document d'anàlisi .qmd.Creeu skills/plantilla_informe.md:
# Skill: Secció d'Informe d'Anàlisi del BOP
Quan se us demani escriure una secció de resultats:
1. Comenceu amb una breu descripció de la variable i el que mesura
2. Informeu l'estimació de l'onada més recent amb % ponderat i IC
3. Descriviu la tendència temporal (creixent/decreixent/estable) si les
dades abasten múltiples onades
4. Senyaleu qualsevol diferència estadísticament significativa per
subgrups clau (gènere, edat, llengua, província)
5. Escriviu en català acadèmic, temps passat, llenguatge prudent i matisat
6. Incloeu el bloc de codi R que produeix cada estadístic
7. Acabeu amb una frase d'interpretació per a un públic no especialista
Citeu sempre com: Centre d'Estudis d'Opinió (CEO), Generalitat de Catalunya.Una de les fortaleses de Claude Code és gestionar tasques analítiques de múltiples passos de manera autònoma. Per exemple:
Prompt:
Necessito una anàlisi descriptiva completa de l'última onada del BOP. Si us plau:
1. Carrega les dades usant CEOdata
2. Produeix una taula de descripció de la mostra (n per gènere, grup d'edat,
llengua i província)
3. Produeix estimacions ponderades per a les 5 preguntes d'actitud política
més rellevants
4. Desa totes les sortides com a fitxers .csv a outputs/tables/
5. Desa tots els gràfics com a fitxers .png a outputs/figures/
6. Escriu un breu resum dels resultats clau en text plaClaude Code planificarà i executarà aquests passos seqüencialment, mostrant-vos cada acció abans de dur-la a terme.
Prompt:
Cerca en aquest conjunt de dades totes les variables que contenen informació
sobre la satisfacció amb la democràcia o les institucions democràtiques.
Llista els noms de les variables, les seves etiquetes, i mostra'm la
distribució de freqüències de la més rellevant per a l'última onada.library(CEOdata)
library(labelled)
# Claude podria generar codi com aquest:
# Cerca de variables que mencionen la democràcia a les seves etiquetes
bop_recent <- CEOdata(date_start = "2022-01-01")
# Obté les etiquetes de les variables
etiquetes_var <- var_label(bop_recent)
df_etiquetes <- tibble(
variable = names(etiquetes_var),
etiqueta = unlist(lapply(etiquetes_var, function(x) if (is.null(x)) NA else x))
)
# Cerca variables relacionades amb la democràcia
vars_democracia <- df_etiquetes |>
filter(grepl("democrà|democra|satisfac|institucions|confiança",
etiqueta, ignore.case = TRUE))
print(vars_democracia)Claude Code funciona millor en conversa. No intenteu obtenir-ho tot en un sol prompt. Itereu:
El flux de treball recomanat:
.R o .qmd a l’editorClaude Code també pot ajudar amb el control de versions. Al Terminal de RStudio, podeu demanar-li directament:
claudeI llavors escriure al prompt de Claude Code:
Fes commit dels meus canvis actuals amb un missatge descriptiu
que resumeixi el que fa l'anàlisi. Crea també un fitxer .gitignore
adequat per a un projecte R si no n'existeix cap.Prompt:
Afegeix comentaris detallats a aquest codi R explicant el que fa cada pas,
escrit per a un estudiant de ciència política que coneix R bàsic però
és nou en l'anàlisi d'enquestes:
[enganxeu el vostre codi aquí]Prompt:
Revisa aquest codi R per detectar errors estadístics o metodològics.
Estic analitzant dades d'enquesta amb ponderacions complexes. Presta
especial atenció a: (1) l'ús correcte de les ponderacions d'enquesta,
(2) la gestió dels valors mancants, (3) els estadístics de prova apropiats.
[enganxeu el vostre codi]Claude Code pot cometre errors en:
table() abans d’usar etiquetesVerifiqueu sempre:
names(bop_recent)table(bop_recent$C700, useNA = "always")| Tasca | Usar Claude Code? |
|---|---|
| Escriure codi de càrrega de dades rutinari | ✅ Sí |
| Generar plantilles de ggplot2 | ✅ Sí |
| Depurar missatges d’error | ✅ Sí |
| Escriure codi de regressió en primer esbós | ✅ Sí (i revisar-lo) |
| Interpretar resultats estadístics | ⚠️ Amb precaució |
| Triar el mètode estadístic adequat | ⚠️ Amb precaució |
| Validar que les vostres troballes siguin correctes | ❌ No — useu el coneixement substantiu |
| Substituir la comprensió dels mètodes d’enquesta | ❌ No |
El pla Pro comparteix els límits entre claude.ai i Claude Code. Per treure el màxim profit:
Ctrl+C al Terminal i exitclaude --continue per reprendre la darrera conversa sense recarregar el context des de zero/status dins de Claude Code o des del vostre compte a claude.aiUsant Claude Code, genereu codi per a:
Pregunta de reflexió: Per què podrien diferir les estimacions ponderades i no ponderades? Què corregeix la ponderació?
Demaneu a Claude Code que us ajudi a replicar el gràfic de sèrie temporal del suport a la independència però desglossat per primera llengua (LLENGUA_PRIMERA). Llavors:
Creeu un fitxer de skill anomenat skills/regressio_bop.md que instrueixi Claude Code sobre com executar i presentar una regressió ponderada per enquesta usant les dades del BOP. La vostra skill hauria d’especificar:
Llavors proveu la vostra skill amb el prompt: “Seguint skills/regressio_bop.md, prediu la intenció de vot a partir de la ideologia, l’edat i la llengua.”
Enganxeu el codi següent a Claude Code i demaneu-li que identifiqui qualsevol problema metodològic:
bop <- CEOdata(date_start = "2020-01-01")
# Suport a la independència per edat
bop |>
group_by(EDAT > 50) |>
summarise(pct_si = mean(C700 == 1, na.rm = TRUE))
lm(C700 ~ EDAT + SEXE + IDEOL_0_10, data = bop) |> summary()Quins problemes hauria d’identificar Claude (i vosaltres)?
srvyr: cran.r-project.org/package=srvyrsurvey: r-survey.r-forge.r-project.org