ትርፍ፡
- የምርምር ጥያቄዎችን፣ መላምቶችን፣ የመጠን ምርጫን እና የትንታኔ ዕቅዶችን በማዘጋጀት አርቴፊሻል ኢንተለጀንስ እንደ የአስተሳሰብ አጋር የመጠቀም ችሎታ
- ለቁጥራዊ ትንተና (የኮድ/ውጤት ትርጓሜ) እና የጥራት ትንተና (የቲማቲክ ኮድ ረቂቅ) በስታቲስቲካዊ እና ዘዴያዊ ትክክለኛነት የኦዲት ድጋፍ የማድረግ ችሎታ።
- አርቴፊሻል ኢንተለጀንስን ከ p-value አደን ፣የተሰራ ስታቲስቲክስ እና ኢ-ሥነ ምግባር የጎደለው የመረጃ አያያዝን በመጠቀም የመከላከያ ምላሽን የማዳበር ችሎታ።
ሳይኮሎጂ የሰውን ባህሪ ስልታዊ በሆነ መንገድ የሚያጠና ሳይንስ ሲሆን የዚህ ሳይንስ መሰረቱ ምርምር ነው። ተሲስ እየጻፉ፣ በተቋም ውስጥ የፕሮግራም ውጤታማነትን እየለኩ፣ ወይም ጽሑፍ እያዘጋጁ ከሆነ፣ ጥሩ ምርምር ጠንካራ ንድፍ, ትክክለኛ ትንታኔ እና ትክክለኛ ትርጓሜ ያስፈልገዋል. አርቴፊሻል ኢንተለጀንስ (AI) በእያንዳንዱ የምርምር ደረጃ የአስተሳሰብ አጋር ሊሆን ይችላል፡ የጥናት ጥያቄውን ማጥራት፣ ሚዛኖችን ማመንጨት፣ የትንታኔ ኮድ ማዘጋጀት፣ ስታትስቲካዊ ውጤትን በጠራ ቋንቋ ማብራራት፣ በጥራት መረጃዎ ውስጥ የገጽታ የመጀመሪያ ሀሳቦችን መሳል። ነገር ግን AI እንዲሁ በስታቲስቲክስ ውስጥ ያዳብራል ፣ ዘዴያዊ ስህተትን ይጠቁማል ፣ እና በጣም አደገኛው ፣ ሳያውቅ ለሥነ ምግባር የጎደላቸው ድርጊቶች (እንደ p-value አደን) በር ሊከፍት ይችላል። በዚህ ክፍል ውስጥ AI እንደ ኃይለኛ ነገር ግን በምርምር ውስጥ ክትትል የሚደረግበት ረዳት መጠቀምን ይማራሉ.
AI በጥናት ላይ የሚረዳው የት ነው?
የንድፍ ምዕራፍ፡ የጥናት ጥያቄውን ግልጽ ማድረግ፣ መላምት መግለጫውን ማጥራት፣ ሊሆኑ የሚችሉ ተለዋዋጮችን እና ግራ መጋባትን (ውጤቱን የሚነኩ ሶስተኛው ምክንያቶች) ተገቢ ንድፎችን በማሳሰብ። AI እዚህ የአእምሮ ማጎልበት አጋር ነው; እርስዎ ይወስኑ።
የቁጥር ትንተና፡ የትንታኔ ዘዴ (እንደ t-test፣ ANOVA፣ regression ያሉ) መቼ ተገቢ እንደሆነ ማብራራት፣ የትንታኔ ኮድ (ለምሳሌ R ወይም Python) ሲረቅ፣ የስታቲስቲካዊ ውጤትን መተርጎም። AI ኮድ ይጽፋል, ነገር ግን በኮዱ ለተፈጠረው ውጤት ትክክለኛነት እና ለስልቱ ተስማሚነት ተጠያቂው እርስዎ ነዎት.
የጥራት ትንተና፡ በቃለ መጠይቅ ግልባጮች ውስጥ የመጀመሪያ ኮድ ጥቆማዎች፣ ሊሆኑ የሚችሉ ጭብጥ ርዕሶች፣ የኮድ ደብተር ረቂቅ። AI መነሻ ነጥብ ይሰጣል; ተመራማሪው የትርጓሜ ጥልቀትን ይጨምራል.
ጥንቃቄ፡ AI የስታቲስቲክስ ባለሙያ አይደለም። የተሳሳተ ሙከራን ሊጠቁም ይችላል፣ ግምቶችን መተው፣ የተፋጠነ ኮፊሸን ወይም p-value ሊያመጣ ይችላል። እያንዳንዱን ዘዴያዊ ውሳኔ እና እያንዳንዱን ቁጥር በተናጥል ያረጋግጡ (በራስ እውቀት ፣ በስታቲስቲክስ ምንጭ ወይም በባለሙያ)።
የስነምግባር ቀይ መስመሮች፡- p-hacking እና የውሂብ ሂደት
በምርምር ስነምግባር ውስጥ ካሉት በጣም አደገኛ ወጥመዶች አንዱ p-hacking ነው፡- ትንታኔውን ደጋግሞ መቀየር፣ተለዋዋጮችን መጨመር/ማስወገድ ወይም ትርጉም ያለው ውጤት እስኪመጣ ድረስ መረጃን መቁረጥ። AI “ውጤቴ ትርጉም ያለው እንዲሆን ምን ማድረግ እችላለሁ?” ብለው ይጠይቁ። "መጠየቅ ሳያውቁት ወደዚህ ወጥመድ መውደቅ ነው:: ለዚህ አይነት ጥያቄ AI ጥቆማዎችን ሊሰጥ ይችላል "ይህንን ተለዋዋጭ ያውጡ, ይህን ንዑስ ቡድን ይመልከቱ"; እነዚህ ጥቆማዎች በስታቲስቲክስ "ይሰራሉ", ነገር ግን በሳይንሳዊ መልኩ የተጭበረበሩ ናቸው.
በተመሳሳይ መልኩ AI የሌለ መረጃን "ማጠናቀቅ" ወይም ያለምክንያት መሰረዝን ሊጠቁም ይችላል. መረጃው እንደተተነተነ; ለውጦች ሊደረጉ የሚችሉት አስቀድሞ በተገለጹ፣ ግልጽ እና ትክክለኛ በሆኑ ደንቦች ብቻ ነው።
ጠቃሚ ምክር: ውሂቡን ከማየትዎ በፊት የትንታኔ እቅድዎን (የትኛውን ሙከራ እንደሚያደርጉ, በየትኛው ተለዋዋጭ, ለየትኛው መላምት) ይፃፉ. ውጤቱን "ለማስዋብ" ሳይሆን ያንን እቅድ ለማብራራት AI ይጠቀሙ። አስቀድሞ የተጻፈ እቅድ ከp-hacking በጣም ጠንካራው ጥበቃ ነው።
ደረጃ በደረጃ፡ አስተማማኝ የጥናት ፍሰት በ AI የተጎላበተ
- ጥያቄውን እና መላምትን ያብራሩ. ችግሩን ለማስተካከል AI እንዲመረምረው ይፍቀዱለት ፣ ግን እርስዎ ይወስኑ።
- የትንታኔ እቅድዎን አስቀድመው ይጻፉ. የትኛው ፈተና, የትኛው ግምት, የትኛው መላምት. AI እቅዱን ይቆጣጠር።
- ረቂቅ ኮድ፣ ውጤቱን አረጋግጥ። AI ኮድ ይፃፍ; እርስዎ ያካሂዱት, ውጤቱን በተናጥል ያረጋግጡ.
- ግምቶችን ይፈትሹ. እንደ መደበኛነት እና የልዩነት ተመሳሳይነት ያሉ AI የሚዘልሉትን ግምቶች እራስዎን ይሞክሩ።
- የጥራት ኮዶችን እንደ ረቂቆች ያስቡ። የ AI የመጀመሪያ ገጽታዎችን አስቡባቸው; ውሂቡን እራስዎ ያንብቡ እና ያረጋግጡ።
- በታማኝነት ሪፖርት አድርግ። እንዲሁም ትርጉም የሌለውን ውጤት ይፃፉ; p-hacking እና መራጭ ሪፖርት ማድረግን ያስወግዱ።
ሶስት ጥቃቅን ጉዳዮች
ጉዳይ 1 - p-hacking ወጥመድ. የተመራማሪው ዋና መላምት ጉልህ ሆኖ ካልተገኘ (p=0.21) AI “ውጤቱን ትርጉም ያለው ለማድረግ መንገዶችን” ይጠይቃል። AI የተለያዩ የንዑስ ቡድን ትንታኔዎችን እና ተለዋዋጭ ማውጣትን ይጠቁማል; ተመራማሪው እነዚህን ሲሞክር p = 0.04 ያገኛል. ነገር ግን ይህ ውጤት አስመሳይ ነው፡ 10 የተለያዩ ትንታኔዎችን ከሞከርክ፣ ከመካከላቸው አንዱ በአጋጣሚ ጉልህ ይሆናል። ትክክለኛው መንገድ: አስቀድሞ የተገለጸውን ትንታኔ ሪፖርት ማድረግ, ትርጉም የለሽውን ውጤት በቅንነት መጻፍ.
ጉዳይ 2 - ኮድ እና የውጤት አስተያየት። የድህረ ምረቃ ተማሪ በሁለት ቡድኖች መካከል ያለውን ልዩነት ከ120 ተሳታፊዎች በተገኘ መረጃ መሞከር ይፈልጋል፣ ነገር ግን ከስታቲስቲክስ ሶፍትዌር ጋር አያውቅም። የትንታኔ ኮድ ረቂቅን ወደ AI ያትማል፣ ያስኬዳል እና ውጤቱን AI መተርጎም አለበት። ከዚያም የቲ-ፈተናውን ግምቶች ከስታቲስቲክስ ምንጭ ይፈትሹ እና ውጤቱን በተናጥል ያረጋግጣል. AI የመማሪያውን ኩርባ ያሳጥረዋል, ነገር ግን የመጨረሻው ውሳኔ የተማሪው ነው.
ጉዳይ 3 - ጥራት ያለው ኮድ መስጠት. አንድ ተመራማሪ 18 የማይታወቁ የቃለ መጠይቅ ግልባጮችን ለ AI ሲመግብ እና የመጀመሪያ ኮድ ጥቆማዎችን ይጠይቃል። AI ወደ 30 ኮዶች እና 5 ገጽታ ጥቆማዎች ጋር ይመጣል። ተመራማሪው እነዚህን እንደ መጀመሪያው አድርጎ ይመለከታቸዋል እና ሁሉንም ቅጂዎች እራሱ ያነባቸዋል; በስህተት ያጣመረውን ሁለቱን በመለየት AI ያመለጠውን ጭብጥ ይጨምራል። እንዲሁም አስተማማኝነትን በሁለተኛው ኢንኮደር ይፈትሻል። AI ወደ ላይ ወጣ, ነገር ግን ትርጓሜው ከሰው ወጣ.
ሊገለበጡ የሚችሉ ጥያቄዎች እና አብነቶች
የጥናት ጥያቄን ለማሳለጥ እርዳኝ። የእኔ ረቂቅ ጥያቄ፡ [ጥያቄ]። የሚከተሉትን ይጠይቁ/ጠቁም-ጥገኛ-ገለልተኛ ተለዋዋጮች፣ ሊሆኑ የሚችሉ ግራ መጋባት፣ ተገቢ የምርምር ንድፍ። ውሳኔው የእኔ ነው; አማራጮችን እና አደጋዎችን ብቻ ያብራሩ, ውጤቱን አያስገድዱ.
የእኔን የትንታኔ እቅድ ይመልከቱ፡ [እቅድ]። ይገምግሙ፡ የመረጥኩት ፈተና መላምቱን ይስማማል፣ ምን አይነት ግምቶችን ማጣራት አለብኝ፣ የናሙና መጠኑ በቂ ነው የሚመስለው፣ ችላ ያልኳቸው የስልት ስጋቶች አሉ? ውጤቱን ለመለወጥ ሳይሆን እቅዱን ለማጠናከር ሀሳቦችን ይስጡ.
የሚከተለውን የስታቲስቲክስ ውጤት በግልፅ ቋንቋ ይተርጉሙ፡ ውጤቱ ምን ማለት ነው፣ ምን አይነት ግምቶች መፈተሽ አለባቸው፣ የትርጉም አደጋ የት አለ? ማንኛውንም ጠቃሚ ያልሆኑ ውጤቶችን በቅንነት ይግለጹ። ውጤት: [ውፅዓት]
ከታች ያሉት ማንነታቸው ያልታወቁ የቃለ መጠይቅ ግልባጮች ናቸው። በመጀመርያው ደረጃ፣ POSSIBLE ኮድ እና ጭብጥ ጥቆማዎች ለቲማቲክ ኮድ አወጣጥ ይፈጠራሉ። እነዚህ የመጀመሪያ ረቂቅ መሆናቸውን አስታውስ እና እኔ ማንበብ እና ውሂብ ማረጋገጥ ይሆናል; እንደ ትክክለኛ ውጤት አታቅርቡት። ግልባጮች፡ [ስም የለሽ ግልባጮች]
ደካማ ጥያቄ / ጠንካራ ጥያቄ
ደካማ ጥያቄ፡ "ውጤቱ በውሂብ ውስጥ ወሳኝ አልነበረም፣ ፒ-እሴቱን እንዴት ጠቃሚ ማድረግ እችላለሁ?"
ይህ ጥያቄ p-ጠለፋን ለመጠቆም AI ን ይጠራል; ምንም እንኳን ውጤቱ በስታቲስቲክስ "የሚሰራ" ቢሆንም, ሳይንሳዊ ማጭበርበር ነው.
ጠንካራ ጥያቄ፡ "ቀደም ብዬ የገለጽኩት የትንታኔ እቅድ [ዕቅዱ] ነው። ውጤቱም ትርጉም ያለው አልነበረም (p=0.21) ይህንን እንዴት በሐቀኝነት ሪፖርት ማድረግ አለብኝ፣ ጉልህ ያልሆነው ውጤት ምን አንድምታ ሊኖረው ይችላል፣ እና ለወደፊት ጥናት ምን እመክራለሁ?
ይህ ጥያቄ AI ወደ ሐቀኛ ሳይንስ ይመራል; ውጤቱን አያዛባም, ከእሱ ይማራል.
የተለመዱ ስህተቶች
- የፒ-ጠለፋ ግብዣ። "ውጤቱን ትርጉም ያለው እንዲሆን" መጠየቅ; ይህ ሳይንሳዊ ማጭበርበር ነው።
- ሳይረጋገጥ ዘዴውን በመተግበር ላይ. ግምቶቹን ሳያረጋግጡ AI የተጠቆመውን ሙከራ በመጠቀም።
- የተሰሩ ስታቲስቲክስን መቀበል። በራስዎ ትንታኔ በ AI የተሰጠውን Coefficient/p-value አለማረጋገጥ።
- ለመጨረሻ ትንተና የጥራት ኮዶች ስህተት። ውሂቡን ሳያነቡ የ AI ገጽታዎችን ሪፖርት ማድረግ።
- ትርጉም የለሽውን ውጤት መደበቅ. ጠቃሚ የሆነውን ብቻ ሪፖርት በማድረግ የተመረጠ ሪፖርት ማድረግ።
በማጠቃለያው
AI በጥያቄ ሹልነት፣ የትንታኔ እቅድ ኦዲት፣ ኮድ ማርቀቅ፣ የውጤት አተረጓጎም እና የጥራት ኮድ አሰጣጥን በተመለከተ በምርምር ውስጥ ጠንካራ የሃሳብ አጋር ነው። ነገር ግን በስታቲስቲክስ እና በቅዠት ውስጥ ስህተቶችን ያደርጋል; በጣም አደገኛው ነገር ባለማወቅ እንደ p-hacking ለመሳሰሉት ስነምግባር የጎደላቸው ዘዴዎች በር ሊከፍት መቻሉ ነው። የትንታኔ እቅድህን አስቀድመህ ጻፍ፣ እያንዳንዱን ዘዴ እና ቁጥር በተናጥል አረጋግጥ፣ ግምቶችን አረጋግጥ፣ የጥራት ኮዶችን እንደ ረቂቆች ተመልከተ እና ውሂቡን ራስህ አንብብ፣ እና ትርጉም የለሽ ውጤቶችን በቅንነት ሪፖርት አድርግ። AI ያፋጥናል; ሳይንሳዊ ታማኝነት ከአንተ ይመጣል።
የመተግበሪያ ተግባር
ትንሽ የምርምር ሁኔታን ያዘጋጁ (ለምሳሌ ሁለት ቡድኖችን በመጠን ማወዳደር)። በመጀመሪያ የትንታኔ እቅድዎን በአንድ አንቀጽ ውስጥ ይፃፉ። ከዚያ AI ይህንን እቅድ ኦዲት ያድርጉ እና ያመለጡዎት ግምቶች ወይም አደጋዎች ካሉ ይጠይቁ። እንዲሁም ፣ AI ትንሽ ምናባዊ ውፅዓት እንዲተረጎም ያድርጉ እና አተረጓጎሙ ከመጠን በላይ አረጋጋጭ መሆኑን ለራስዎ ያረጋግጡ። በፒ-ጠለፋ ውስጥ ሳይሳተፉ ሐቀኛ የሪፖርት አረፍተ ነገር ይጻፉ።
የማረጋገጫ ዝርዝር
- [ ] መረጃውን ከማየቴ በፊት የትንታኔ እቅዴን ጻፍኩ።
- [] በ AI የተጠቆመውን ዘዴ ግምቶችን በግል ፈትሻለሁ።
- [] AI የሰጠውን እያንዳንዱን ስታቲስቲክስ በራሴ ትንታኔ አረጋግጫለሁ።
- [] የጥራት ኮዶችን እንደ መጀመሪያ ረቂቆች ቆጠርኩኝ እና ውሂቡን ራሴ አነበብኩ።
- [ ] በተጨማሪም እዚህ ግባ የማይባሉ ውጤቶችን በቅንነት ዘግቤያለሁ።
- [ ] p-ጠለፋን እና መራጭ ሪፖርት ማድረግን ተቆጠብኩ።