NOTES / FIELD RECORDS
短篇、可搜尋、可快速回查的工作紀錄。內容涵蓋資料整理、R、Python、Quarto、統計分析與系統實作。
只要一群人要記工時，紙本簽到加月底人工加總就是惡夢。這篇談怎麼用 Apps Script 做一套 QR 掃碼打卡系統，簽到、算時數、出月報全部自動；身分驗證還能從輸入名字，升級到 Google 帳號或 LINE（LIFF）認證。
Google 表單、SurveyCake 匯出的複選題常常長成「收入;經濟自主;打發時間」擠在一格。想算「有多少人選了收入」，COUNTIF 抓不到。這篇講三種常見的展開方式，也順便回到「一欄一變數」的資料整理原則。
手上有一份 Excel 會員名冊，要印成一人一張的資料卡。合併列印（Mail Merge）就是為這件事而生的。這篇用一份 30 人 20 欄的會員資料，把 AI 幫你設計欄位、產生假資料、寫 Word 模板、Excel 對 Word 的完整流程走一次。
在 AI 幫你寫程式之前，單位裡要做一份能填寫、能存下來、能整理的表單，其實只有四條可行的路：Excel + VBA、Access 內建表單、LibreOffice Base、可填寫 PDF。每條路都能做出成果，但每一條都有讓人放棄的痛點。這篇把四條路的優缺、學習曲線與適用情境走一遍，也是下一篇「AI 時代用 R Shiny 做表單」的鋪陳。
上一篇談了 VBA / Access / LibreOffice / PDF 四種傳統做法的痛點。這一篇走另一條路：用 R Shiny 寫表單，AI 幫你生程式碼。從一份需求描述、到瀏覽器上跑起來，實際只要 20 分鐘。這篇會拆解為什麼 R Shiny 適合當表單、AI 具體幫你生什麼、以及一份 60 行程式碼能撐起多少功能。
以前你要在 prompt 裡教 AI 怎麼呼叫每一支 API，現在用 MCP，AI 自己看得懂你有哪些工具、要怎麼用。這篇從 API 的限制講起，再動手做一個最小可跑的 MCP server。
同樣是「各縣市 × 年齡層 × 性別人口」，用給人看的報表存 vs 用一列一觀察存，差在哪？為什麼交給 AI、Python、R、樞紐分析時，後者總是省一大截時間。
名目、次序、等距、等比 —— 資料的測量層次決定你能算什麼、不能算什麼。用社會研究常見的例子看清界線。
接續上一篇，把 clasp 連線後的 Apps Script 真的拿來做事：一段話交給 AI，自動生出報名表、服務紀錄表、資料整理表與統計 Dashboard，之後想調整只要重跑一次不會壞掉。
用 Codex 搭配 clasp，完全不寫程式就能讓 AI 幫你建立 Google 表單和自動統計 Dashboard。三個步驟，10 分鐘完成。