托马斯：听起来，该项目采用了一种整体方法来试验和整合各种工具和方法（例如，地图绘制、数据可视化）的功能。您认为像 ARCH 这样的工具如何更广泛地融入到这个项目和研究服务中？您曾将哪些工具和方法与 ARCH 结合使用？
Kevin：ARCH提供海量、高质量
。这些数据集能够进行比本科教学中常 电报数据库 见的更复杂的数据分析，揭示原本难以捉摸的模式和趋势。尽管数字人文学科的重要性日益凸显，但仍有相当一部分教师和学生缺乏高级编程技能。ChatGPT 和 GitHub CoPilot 等人工智能辅助编程平台的出现，使得 Python 和 JavaScript 等编程语言的使用更加大众化，促进了它们融入学术研究。
在工作中，我使用了 t 来进一步处理 ARCH 数据集，这些数据集来自 20 个专注于黑人数字和公共人文学科的网站样本。借助PyCharm（一款可免费用于教育目的的 IDE）和 CoPilot 扩展程序，我的编码效率提高了十倍。
接下来，我利用 的高级数据分析
插件来解构斯坦福Palladio平视化 可能并不可行或不可效果。Palladio 平台常用于探索性数据可视化，但缺乏共享可视化效果的途径。借助 ChatGPT，我开发了基于 JavaScript 的 Web 应用程序，忠实地复制了 Palladio 的图表和图库可视化效果。具体来 说，我指示 ChatGPT 使用 D3 JavaScript 库将我修改后的 ARCH 数据集导入到客户端 Web 应用程序中。最终产品（包括 HTML、JavaScript 和 CSV 文件）已通过 GitHub Pages 公开发布（请参阅我在 GitHub Pages 上的图表和图库）。
黑人数字和公共人文网站，图形可视化
总之，Python 和 AI 辅助编码工具的 领导孟加拉国搜索引擎优化 集成不仅增强了我对 ARCH 数据集的使用，而且还支持创建用于数据可视化的客户端 Web 应用程序。
些计划现已