# Prompts ready · mejorar gráficos con IA · U7 Sprint 1 JC 2/6

> **Cómo usar.** Copiá el prompt, pegalo en ChatGPT/Claude/Cursor, **adaptá los corchetes** y **auditá el output** antes de aceptarlo. Modo AIAS declarado en cada uno. La IA hace forma · vos decidís contenido.

> **Reglas duras** (aplican a los 3 prompts):
> 1. La IA NO decide el **tipo** de gráfico — eso es tu decisión basada en la comparación.
> 2. La IA NO inventa datos. Si lo hace, **descarta el output**.
> 3. La IA NO usa 3D, doble eje Y mal alineado, ni arcoíris categórico.
> 4. Auditá línea por línea — el código que no podés explicar **no es tuyo**.

---

## 🪞 Prompt 1 · Crítica de gráfico (AIAS 3 · edición)

**Cuándo usar:** ya tenés un gráfico (código o screenshot) y querés que la IA actúe como **crítico Schwabish/Wilke**.

```
Actúa como crítico visual entrenado en Schwabish (2021) y Wilke (2019).

Critica el gráfico que te paso en 3 ejes:

(1) ¿Cuál es la COMPARACIÓN que el gráfico hace?
    Si no es clara en 5 segundos, márcalo y propone cómo reformular.

(2) ¿Qué junk visual hay que eliminar?
    - Gridlines extras
    - Leyendas redundantes
    - Decoraciones puramente estéticas
    - Colores no funcionales

(3) ¿Cómo paso a anotación directa (geom_text/geom_label)
    en lugar de leyenda lateral?

Reglas duras:
- NO cambies el TIPO de gráfico (esa decisión es mía).
- NO inventes datos.
- NO uses 3D · doble eje Y · arcoíris categórico.

Output esperado:
- 1 párrafo: lectura de la comparación que detectaste.
- Lista numerada: qué eliminar.
- Código ggplot mínimo: versión limpia (sin cambiar tipo).

Gráfico:
[pegar tu código ggplot o screenshot]
```

**Auditoría obligatoria del output:**
- ¿La IA cambió el tipo sin permiso? → descartar.
- ¿Eliminó algo que SÍ era informativo? → marcar y discutir.
- ¿La paleta sugerida es perceptual y daltonismo-segura? → testear en [viz-palette.com](https://projects.susielu.com/viz-palette).

---

## 🛠 Prompt 2 · Refinamiento de event-study (AIAS 4 · pair coding auditado)

**Cuándo usar:** sabés el tipo de gráfico (event-study staggered) y querés código base que vas a refinar y validar línea por línea.

```
Generá ggplot mínimo de event-study para DiD staggered:

Estructura del gráfico:
- Eje X: tiempo relativo al tratamiento (rango -5 a +5)
- Eje Y: ATT estimado con CI95
- Geom principal: geom_pointrange()
- Línea vertical (geom_vline) en t=0 (lanzamiento del tratamiento)
- Línea horizontal (geom_hline) en y=0
- Anotación directa con geom_text(): mostrar valor del ATT en t=1
- Paleta perceptual (NO arcoíris) · estilo Wilke
- Tema: theme_minimal() con base_size=12
- Caption con: N, método de estimación (CS / CDH), DOI del paper

Datos:
- Generá un data.frame placeholder con N=11 rows (tiempos -5 a +5)
- Columnas: time, att, ci_low, ci_high
- Valores que muestren un patrón con efecto positivo post t=0

Output esperado:
- Bloque library() con paquetes necesarios
- data.frame placeholder explícito
- ggplot completo con cada layer comentado
- Comentario final indicando dónde reemplazar el placeholder con datos reales

Reglas duras:
- Voy a auditar línea por línea.
- Si una línea es opaca, simplificá.
- Si necesitás escribir más de 30 líneas, **descomponé en bloques** con comentarios.
```

**Auditoría obligatoria del output:**
- ¿Podés explicar **cada línea** del código? Si no → reescribir.
- ¿La paleta default de la IA es perceptual? → verificar.
- ¿El caption menciona el método correcto?
- **Documentá en `audit/L4-pair-programming.md`** prompt + output + decisión.

---

## 🌎 Prompt 3 · Traducción multi-audiencia (AIAS 3 · edición)

**Cuándo usar:** tu gráfico técnico ya está limpio y necesitás títulos/captions para 3 audiencias distintas (revisor técnico · decisor política LATAM · ciudadano).

```
Tengo este gráfico [descripción técnica de 1-2 líneas].

Estimación: [ej. "ATT de apertura 4G sobre empleo formal · CS estimator
de Callaway-Sant'Anna 2021 · 280 municipios · panel anual 2018-2024 ·
ATT estimado 1.7 pp ± 0.4 (CI95)"]

Necesito 3 versiones del TÍTULO + 3 versiones del CAPTION:

(1) Revisor técnico (AER · AEJ):
    - Título preciso con método nombrado
    - Caption con N · método · IC
    - Audiencia conoce econometría · NO simplificar

(2) Decisor política LATAM (Banrep · DNP · ANIF · MinTIC):
    - Título accionable (qué hacer)
    - Caption con magnitud absoluta + contexto comparativo
    - Audiencia tiene 30s · necesita la implicación, no el método

(3) Ciudadano (Twitter · presentación pública):
    - Título 1 frase · sin jerga
    - Caption: 1 frase con magnitud
    - Audiencia NO sabe qué es "ATT" · sustituí por "efecto"

Reglas duras:
- Conservá la MAGNITUD exacta (1.7 pp ± 0.4). NO redondear sin avisar.
- Conservá los QUALIFIERS metodológicos.
  Si el paper dice "may suggest", NO escribas "does".
- Si la comparación es condicional ("en municipios con baja conectividad
  previa"), NO la omitas.

Output esperado: tabla 3×2 (audiencia × título/caption).
```

**Auditoría obligatoria del output:**
- Si la IA cambió "+1.7 pp" a "around 2 pp" → corregir.
- Si la IA eliminó qualifier ("on average" → desaparece) → restaurar.
- **Revisión LATAM:** si menciona instituciones (Banrep, DNP) verificá que el nombre y rol estén correctos — los LLMs globales fallan acá (ver JC 5/6 · sesgo LATAM).

---

## Recursos rápidos · cuándo usar qué

| Recurso | Para qué |
|---|---|
| [clauswilke.com/dataviz](https://clauswilke.com/dataviz) | Wilke libro libre · principios universales |
| [policyviz.com](https://policyviz.com) | Schwabish blog · plantillas · podcast |
| [storytellingwithdata.com](https://www.storytellingwithdata.com/) | Cole Knaflic · narrativa visual |
| [flowingdata.com](https://flowingdata.com) | Nathan Yau · catálogo de tipos |
| [datawrapper.de](https://www.datawrapper.de/) | **Low-code** · ideal policy brief 2pp |
| [r-graph-gallery.com](https://r-graph-gallery.com/) | Catálogo ggplot copy-paste |
| [from-data-to-viz.com](https://www.data-to-viz.com/) | Árbol decisión: ¿qué gráfico uso? |
| [coolors.co](https://coolors.co) | Paletas perceptuales |
| [viz-palette.com](https://projects.susielu.com/viz-palette) | Testing de paletas · daltonismo |
| [evergreendata.com](https://stephanieevergreen.com/) | Viz para audiencias no-académicas |

## Workflow recomendado · 6 pasos para el gráfico dominante del póster

1. **Decidí la comparación clave** (vos, NO la IA).
2. **Buscá el tipo de gráfico** en `data-to-viz` o `r-graph-gallery`.
3. **Pedile a la IA** el ggplot base con **Prompt 2**.
4. **Auditá** con **Prompt 1**.
5. **Traducí** títulos con **Prompt 3** según audiencia.
6. **Verificá paleta** en `viz-palette` (daltonismo).

**Tiempo esperado:** 30-60 minutos para el gráfico dominante. Si te lleva más, probablemente fallaste en el paso 1.