SESI 3 · LATIHAN 2 · GOOGLE GEMINI

Analisis tenaga akademik universiti awam.

Ikuti sepuluh langkah untuk mengaudit data, menganalisis trend, membandingkan universiti dan menghasilkan laporan sokongan perancangan.

Mulakan langkah demi langkah Muat turun CSV ↗

DATASET RASMI

Lecturers in Public Universities by Citizenship & Sex

Bilangan staf akademik universiti awam di peringkat nasional dan negeri, dengan pecahan kewarganegaraan dan jantina.

Medanstate, university, citizenship, sex, date, staff

Tempoh2014–2023

Liputan20 universiti awam

SumberKementerian Pendidikan Tinggi

Sebelum bermula: Muat turun CSV, buka Google Gemini, mulakan perbualan baharu dan muat naik fail. Gunakan semua prompt dalam perbualan yang sama supaya hasil setiap langkah menjadi konteks kepada langkah berikutnya.

Jumlah nasional

state='Malaysia'
university='All Universities'
citizenship='all'
sex='both'

Jumlah setiap universiti

state!='Malaysia'
university!='All Universities'
citizenship='all'
sex='both'

Pecahan jantina

citizenship='all'
sex IN ('male','female')

Pecahan kewarganegaraan

citizenship IN ('citizen','non_citizen')
sex='both'

HASIL AKHIR

Apa yang akan dibina?

✓

Data tervalidasi

Struktur, kualiti dan peraturan penapisan yang telah diperiksa.

↗

Analisis trend

Perubahan nasional, jantina, kewarganegaraan dan universiti.

▦

Dashboard ringkas

Enam visual yang menjawab soalan pengurusan.

▤

Laporan keputusan

Dapatan, implikasi, cadangan dan batasan.

LANGKAH DEMI LANGKAH

Salin satu prompt, semak hasil, kemudian teruskan

Jangan lompat ke visual atau cadangan sebelum data dan pengiraan disahkan.

Kenali struktur dataset

Tujuan: Memahami liputan sebelum membuat pengiraan.

Bertindak sebagai penganalisis data pendidikan tinggi. Baca keseluruhan fail lecturers_uni.csv yang telah saya muat naik. Jangan buat kesimpulan prestasi lagi.

Huraikan:
1. tujuan dan sumber dataset;
2. tempoh tahun, bilangan rekod, bilangan negeri dan universiti;
3. maksud setiap medan: state, university, citizenship, sex, date dan staff;
4. semua kategori unik bagi citizenship dan sex;
5. perbezaan antara rekod nasional, “All Universities” dan rekod universiti tertentu.

Hasilkan jadual kamus data dengan lajur: medan, jenis data, contoh nilai, maksud dan risiko salah tafsir. Akhiri dengan lima soalan yang perlu disahkan sebelum analisis.

Audit kualiti dan elakkan pengiraan berganda

Tujuan: Mengesahkan data sesuai dianalisis.

Audit kualiti lecturers_uni.csv. Semak nilai hilang, rekod pendua, tahun hilang, nilai staff negatif, ejaan kategori tidak konsisten dan kombinasi kategori yang tidak lengkap.

Uji peraturan berikut:
A. Jumlah nasional = state='Malaysia', university='All Universities', citizenship='all', sex='both'.
B. Jumlah universiti = state!='Malaysia', university!='All Universities', citizenship='all', sex='both'.
C. Pecahan jantina menggunakan male dan female sahaja; jangan campurkan both.
D. Pecahan kewarganegaraan menggunakan citizen dan non_citizen sahaja; jangan campurkan all.

Untuk setiap tahun, semak sama ada male + female hampir sama dengan both dan citizen + non_citizen hampir sama dengan all. Senaraikan sebarang perbezaan. Hasilkan laporan audit berstatus Lulus, Perlu Semakan atau Gagal bagi setiap ujian. Jangan membetulkan data secara senyap.

Bina jadual analisis yang bersih

Tujuan: Menyediakan empat jadual tanpa pertindihan.

Berdasarkan audit yang telah dibuat, bina empat jadual analisis berasingan:
1. national_total: year, total_staff;
2. university_total: year, state, university, total_staff;
3. sex_summary: level, year, state, university, male, female, both, female_share_pct;
4. citizenship_summary: level, year, state, university, citizen, non_citizen, all, non_citizen_share_pct.

Dalam sex_summary dan citizenship_summary, masukkan baris nasional serta baris setiap universiti dan tandakan melalui level='national' atau level='university'. Gunakan penapis yang telah disahkan dan jangan jumlahkan baris agregat bersama kategori terperinci. Tambah year daripada date. Tunjukkan lima baris pertama setiap jadual, bilangan baris dan formula bagi female_share_pct serta non_citizen_share_pct. Laporkan jika nilai pembahagi sifar atau rekod tidak lengkap.

Analisis trend nasional

Tujuan: Memahami perubahan bilangan staf akademik Malaysia.

Gunakan jadual national_total sahaja. Analisis trend staf akademik universiti awam Malaysia dari 2014 hingga 2023.

Kira bagi setiap tahun:
- perubahan bilangan = staff_t - staff_(t-1);
- perubahan peratus = [(staff_t/staff_(t-1))-1] × 100;
- indeks dengan 2014=100.

Kira juga perubahan bersih 2014–2023 dan CAGR menggunakan r=(P_2023/P_2014)^(1/9)-1. Kenal pasti tahun kenaikan dan penurunan terbesar. Hasilkan satu jadual, satu carta garis dan lima dapatan yang hanya berdasarkan angka. Jangan nyatakan sebab perubahan jika dataset tidak membekalkan bukti.

Analisis komposisi jantina

Tujuan: Menilai pola penyertaan lelaki dan perempuan.

Gunakan sex_summary. Analisis komposisi jantina pada peringkat nasional dan universiti bagi 2014–2023.

Kira female_share_pct = female/(male+female)×100 dan gender_gap = female-male. Sahkan male+female terhadap both sebelum menggunakan hasil. Tunjukkan:
1. trend bahagian perempuan di peringkat nasional;
2. universiti dengan bahagian perempuan tertinggi dan terendah pada 2023, tetapi tandakan universiti dengan jumlah staf kecil;
3. universiti yang mengalami perubahan bahagian perempuan terbesar dari 2014 ke 2023.

Gunakan carta garis nasional dan bar mendatar universiti. Elakkan bahasa yang menyiratkan sebab atau kualiti prestasi. Nyatakan bahawa angka ialah komposisi, bukan ukuran kesaksamaan peluang.

Analisis kewarganegaraan

Tujuan: Memahami penyertaan staf bukan warganegara.

Gunakan citizenship_summary. Analisis bilangan dan bahagian staf akademik bukan warganegara dari 2014 hingga 2023.

Kira non_citizen_share_pct = non_citizen/(citizen+non_citizen)×100 dan sahkan jumlah terhadap all. Hasilkan:
1. trend nasional bilangan serta peratus bukan warganegara;
2. kedudukan universiti pada 2023 mengikut bilangan dan peratus—dua ukuran berasingan;
3. perubahan 2014–2023 bagi setiap universiti;
4. universiti dengan kenaikan atau penurunan paling ketara.

Gunakan carta garis nasional dan scatter plot 2023 dengan paksi jumlah staf serta peratus bukan warganegara. Jangan menyamakan peratus bukan warganegara dengan kualiti atau tahap pengantarabangsaan keseluruhan.

Bandingkan universiti dan fokus UTM

Tujuan: Membina penanda aras deskriptif yang adil.

Gunakan data universiti bagi tahun 2023 dan trend 2014–2023. Sediakan penanda aras untuk Universiti Teknologi Malaysia (UTM) berbanding semua universiti awam.

Bandingkan UTM bagi:
- jumlah staf akademik;
- perubahan jumlah sejak 2014;
- bahagian staf perempuan;
- bilangan dan bahagian staf bukan warganegara.

Paparkan kedudukan, median semua universiti, beza UTM daripada median dan kuartil UTM bagi setiap ukuran. Sediakan jadual ringkas “Ukuran | UTM | Median UA | Kedudukan | Tafsiran berhati-hati”. Jangan membina skor komposit atau menyimpulkan universiti terbaik kerana dataset tidak mengukur pengajaran, penyelidikan, beban kerja atau prestasi.

Reka dashboard enam visual

Tujuan: Menyampaikan dapatan tanpa carta berlebihan.

Reka dashboard satu halaman berdasarkan hasil yang telah disahkan. Gunakan enam visual:
1. kad KPI jumlah staf nasional 2023;
2. carta garis trend nasional 2014–2023;
3. bar perubahan tahunan;
4. bar mendatar bahagian perempuan mengikut universiti 2023;
5. scatter plot jumlah staf lawan bahagian bukan warganegara 2023;
6. kad penanda aras UTM.

Bagi setiap visual, nyatakan tujuan, data dan penapis, paksi, unit, susunan, anotasi serta mesej utama. Gunakan warna marun untuk UTM dan kelabu bagi universiti lain. Jangan gunakan paksi terpotong yang mengelirukan. Sertakan tajuk, tahun dan sumber pada setiap visual.

Rumus dapatan dan cadangan

Tujuan: Membezakan fakta, tafsiran dan cadangan.

Berdasarkan analisis Langkah 1–8 sahaja, bina matriks keputusan dengan lajur: dapatan berangka, tafsiran berhati-hati, implikasi pentadbiran, cadangan tindakan, data tambahan diperlukan dan tahap keyakinan.

Fokus cadangan kepada perancangan tenaga kerja, pemantauan komposisi, pengekalan staf, pelaporan dan keperluan data. Jangan mendakwa hubungan sebab-akibat. Jangan mencadangkan tindakan individu berdasarkan jantina atau kewarganegaraan. Asingkan dengan jelas:
- fakta yang terus diperoleh daripada dataset;
- inferens yang perlu disahkan;
- perkara yang tidak boleh dijawab oleh dataset.

Sediakan laporan pengurusan

Tujuan: Menggabungkan semua hasil menjadi dokumen keputusan.

Sediakan “Laporan Analisis Staf Akademik Universiti Awam Malaysia, 2014–2023” dalam Bahasa Melayu berdasarkan hasil yang telah disahkan.

Struktur:
1. muka hadapan;
2. ringkasan eksekutif;
3. profil dan batasan dataset;
4. metodologi serta peraturan penapisan;
5. trend nasional;
6. komposisi jantina;
7. komposisi kewarganegaraan;
8. perbandingan universiti dan sorotan UTM;
9. enam visual dashboard;
10. implikasi dan cadangan;
11. data tambahan diperlukan;
12. kesimpulan dan sumber.

Gunakan nada profesional untuk pengurusan universiti. Label semua jadual dan rajah, nyatakan unit orang, dan gunakan sumber “Kementerian Pendidikan Tinggi melalui OpenDOSM”. Jangan cipta sebab, dasar atau rujukan. Akhiri dengan “Senarai Semak Pengesahan” bagi angka, formula, label dan tafsiran.

SEMAKAN PESERTA

Sebelum laporan dihantar

Penapis tepat

Pastikan rekod agregat tidak dicampur dengan pecahan jantina, kewarganegaraan atau universiti.

Pengiraan boleh dijejak

Semak formula, pembahagi, tahun asas dan sekurang-kurangnya tiga nilai secara manual.

Tafsiran berhemah

Bezakan pola deskriptif daripada sebab, kualiti atau prestasi universiti.

Semakan manusia

Pastikan pegawai bertanggungjawab menyemak semua angka dan cadangan akhir.

Kembali ke Latihan 1 Bahan Sesi 3