এন্ড-টু-এন্ড ওয়ার্কফ্লো, শাসন এবং দায়িত্বশীল ব্যবহার

লাভ:

• নকশা থেকে ডকুমেন্টেশন পর্যন্ত একটি সুসংগত ছয়-পর্যায়ের কর্মপ্রবাহ হিসাবে গবেষণার পরিকল্পনা করার ক্ষমতা
• প্রতিটি পর্যায়ে কৃত্রিম বুদ্ধিমত্তার নিরাপদ ব্যবহারের সীমা নির্ধারণ করার ক্ষমতা এবং পর্যায় পরিবর্তনে পূর্ববর্তী আউটপুট যাচাই করার ক্ষমতা
• দল পর্যায়ে একটি দায়িত্বশীল ব্যবহারের প্রোটোকল প্রতিষ্ঠা করার এবং পাঁচটি মৌলিক নীতি অনুযায়ী স্ব-মূল্যায়ন করার ক্ষমতা

আগের দশটি ইউনিটে, আমরা সামাজিক গবেষণার প্রতিটি পর্যায়ে AI কভার করেছি: প্রশ্ন এবং সাহিত্য, নমুনা, জরিপ এবং পরিমাণগত বিশ্লেষণ, গুণগত কোডিং এবং থিম, মিশ্র পদ্ধতি, ভিজ্যুয়ালাইজেশন, নীতিশাস্ত্র, প্রজননযোগ্যতা এবং লেখা। আমরা এই চূড়ান্ত ইউনিটে এটি সব একসাথে নিয়ে এসেছি। লক্ষ্য হল স্বতন্ত্র দক্ষতাকে এন্ড-টু-এন্ড ওয়ার্কফ্লোতে সংযুক্ত করা—গবেষণা প্রশ্ন থেকে প্রকাশিত অনুসন্ধান পর্যন্ত একটি সামঞ্জস্যপূর্ণ, নিরাপদ এবং সৎ প্রক্রিয়া। আমরা একজন ব্যক্তির বাইরে গিয়ে শাসন সম্পর্কে কথা বলব: কীভাবে একটি দল, একটি বিভাগ বা একটি প্রতিষ্ঠান সামাজিক গবেষণায় দায়িত্বের সাথে AI ব্যবহার করতে পারে তার জন্য ভাগ করা নিয়ম।

এন্ড-টু-এন্ড চিন্তা করার মূল্য হল যে আপনি প্রতিটি পর্যায়ে যে সিদ্ধান্ত নেন তা পরবর্তীকে প্রভাবিত করে। একটি পক্ষপাতদুষ্ট নমুনা এমনকি একটি নিখুঁত বিশ্লেষণ দ্বারা সংরক্ষণ করা যাবে না; একটি অযাচাইকৃত উৎস এমনকি সেরা লেখাকেও খণ্ডন করে। এজন্য প্রতিটি পর্যায়ে একই নীতির সাথে AI ব্যবহার করা প্রয়োজন: শক্তিশালী সংস্থান দিয়ে এটি খাওয়ান, প্রতিটি আউটপুট যাচাই করুন, মানুষের বিচার রক্ষা করুন, নৈতিকতা এবং গোপনীয়তার আগে থেকেই যত্ন নিন, প্রক্রিয়াটিকে স্বচ্ছভাবে নথিভুক্ত করুন। এই নীতিগুলি এক বাক্যে সংক্ষিপ্ত করা যেতে পারে: AI গবেষণাকে ত্বরান্বিত করে, কিন্তু গবেষককে প্রতিস্থাপন করে না।

ধাপে ধাপে: শেষ থেকে শেষ প্রবাহ

1. ডিজাইন (প্রশ্ন + নীতিশাস্ত্র + নমুনা)। সুস্পষ্ট প্রশ্ন স্থাপন করুন, নীতিশাস্ত্রের অনুমোদন এবং গোপনীয়তা পরিকল্পনা পুনরায় কাজ করুন এবং নমুনার প্রতিনিধিত্বের মূল্যায়ন করুন। এই পর্যায়ে, AI প্রশ্ন সংকীর্ণ এবং নৈতিক ঝুঁকি স্ক্রীনিংয়ে সাহায্য করে।

2. তথ্য সংগ্রহ (জরিপ + সাক্ষাৎকার)। একটি কঠিন জরিপ এবং সাক্ষাত্কার গাইড প্রস্তুত করুন। এআই প্রশ্ন ফাঁদ ধরে; তথ্য সংগ্রহের কাজ এবং অংশগ্রহণকারীর সম্পর্ক আপনার।

3. প্রক্রিয়াকরণ (পরিষ্কার + কোডিং + বেনামীকরণ)। বেনামী, পরিষ্কার, এনকোড ডেটা. এআই ব্লুপ্রিন্ট তৈরি করে; আপনি প্রতিটি সিদ্ধান্ত এবং কোডবুক অনুমোদন করেন।

4. বিশ্লেষণ (পরিমাণগত + গুণগত + ত্রিভুজ)। প্রোগ্রামের মাধ্যমে পরিসংখ্যান চালান, উদ্ধৃতিগুলির সাথে থিমগুলি সংযুক্ত করুন, ফলাফলগুলি ক্রস-ভ্যালিডেট করুন৷ AI পদ্ধতি ব্যাখ্যা করে, গণনা নয়।

5. উপস্থাপনা (ভিজ্যুয়ালাইজেশন + লেখা)। সৎ গ্রাফিক্স এবং মূল পাঠ্য তৈরি করুন। প্রতিটি উৎস এবং সংখ্যা যাচাই করা হয়; AI এর ভূমিকা ঘোষণা করা হয়।

6. ডকুমেন্টেশন (জার্নাল + প্রম্পট রেকর্ডিং + শেয়ারিং)। নথির সিদ্ধান্ত, প্রম্পট এবং রূপান্তর এবং যদি সম্ভব হয় বেনামী ডেটা এবং কোড শেয়ার করুন।

পরামর্শ: আপনার ডেস্কে এন্ড-টু-এন্ড চেকলিস্ট রাখুন। প্রতিটি ধাপে ট্রানজিশনে জিজ্ঞাসা করুন: "আমি কি এই ধাপের আউটপুট যাচাই করেছি, আমি কি নমুনা/নৈতিক/উৎস নিরাপদ, আমি কি কোন চিহ্ন রেখেছি?" এক পর্যায়ে স্ল্যাক পুরো চেইনকে দুর্বল করে দেয়।

তিনটি মিনি কেস

কেস 1 - চেইনের সবচেয়ে দুর্বল লিঙ্ক। একটি দল একটি চমৎকার গুণগত বিশ্লেষণ করেছে, কিন্তু তাদের নমুনা একটি একক অনলাইন গ্রুপ থেকে এসেছে। তারা যতই ভাল কোডিং করুক না কেন, অনুসন্ধান এই গ্রুপে আটকে ছিল। পাঠ: শেষ থেকে শেষ গুণমান দুর্বলতম পর্যায়ের মতোই ভাল; নকশার পক্ষপাত বিশ্লেষণে সংশোধন করা যাবে না।

কেস 2 - টিম গভর্নেন্স কাজ করেছে। একটি গবেষণা কেন্দ্র সমগ্র দলের জন্য একটি সাধারণ AI ব্যবহার প্রোটোকল লিখেছিল: কোন টুল, কোন ডেটা বেনামী, কোন যাচাইকরণের পদক্ষেপের সাথে। একজন নতুন আসা সহকারী প্রথম দিন থেকে প্রোটোকল অনুসরণ করে নিরাপদে কাজ করেছেন; ব্যক্তিগত ত্রুটি কমেছে।

কেস 3 — স্বচ্ছ চেইন রেফারির আস্থা অর্জন করেছে। একটি নিবন্ধে সিদ্ধান্ত লগ, প্রম্পট লগ এবং এআই বিবৃতি সংযুক্ত করা হয়েছে। পর্যালোচকরা শুরু থেকে শেষ পর্যন্ত প্রক্রিয়াটি দেখতে সক্ষম হয়েছিলেন এবং এটিকে "উত্পাদনযোগ্য এবং সৎ" বলে সম্মত হন। স্বচ্ছতা ছিল আঠালো যা সমস্ত পৃথক পদক্ষেপকে একত্রে আবদ্ধ করে।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) এন্ড-টু-এন্ড চেকলিস্ট জেনারেশন:

আমার গবেষণা নিম্নলিখিত পর্যায়ে যেতে হবে: নকশা, তথ্য সংগ্রহ, প্রক্রিয়াকরণ, বিশ্লেষণ, উপস্থাপনা, ডকুমেন্টেশন. প্রতিটি পর্যায়ের জন্য একটি চেকলিস্ট তৈরি করুন: সেই পর্যায়ে আমি নিরাপদে AI কোথায় ব্যবহার করতে পারি, আমার কী আউটপুট যাচাই করা উচিত, আমার কী নৈতিক/গোপনীয়তার ঝুঁকি বিবেচনা করা উচিত, আমার কী নথিপত্র করা উচিত? একটি টেবিলে দিন।

2) টিম এআই প্রোটোকল খসড়া:

একটি সামাজিক গবেষণা দলের জন্য একটি AI ব্যবহার প্রোটোকল খসড়া করুন। অন্তর্ভুক্ত করুন: অনুমোদিত সরঞ্জাম, ডেটা বেনামীকরণের নিয়ম, যেখানে ভূমিকাএআই অনুমোদিত/সীমাবদ্ধ/নিষিদ্ধ, বাধ্যতামূলক যাচাইকরণ পদক্ষেপ, এআই ঘোষণার নিয়ম, জবাবদিহিতা। সহজ, কর্মযোগ্য আইটেম লিখুন।

3) পর্যায় রূপান্তর নিয়ন্ত্রণ:

আমি [ফেজ X] শেষ করেছি, আমি [পর্যায় Y] এ যাচ্ছি। এই ট্রানজিশনের আগে আমাকে যে জিনিসগুলি পরীক্ষা করতে হবে তা তালিকাভুক্ত করুন: আমি কি পূর্ববর্তী পর্যায়ের আউটপুট যাচাই করেছি, আমি কি একটি ত্রুটি বহন করছি (ভুল নমুনা, অযাচাইকৃত উত্স, আনট্র্যাকড সিদ্ধান্ত) যা পরবর্তী পর্যায়ে ভঙ্গ করবে? আমি কি রূপান্তরের জন্য প্রস্তুত, এবং যদি না হয়, আমার কি ঠিক করা উচিত?

4) দায়িত্বশীল ব্যবহার স্ব-মূল্যায়ন:

AI এর দায়িত্বশীল ব্যবহারের জন্য আমি যে গবেষণাটি সম্পূর্ণ করেছি তা নিরীক্ষণ করুন। এই পাঁচটি নীতির বিরুদ্ধে দুর্বলতাগুলি স্কোর করুন এবং নির্দেশ করুন: (1) শক্তিশালী উত্স খাওয়ানো, (2) প্রতিটি আউটপুটকে বৈধ করা, (3) মানুষের বিচার সংরক্ষণ, (4) নৈতিকতা এবং গোপনীয়তা, (5) স্বচ্ছ ডকুমেন্টেশন। প্রক্রিয়া: [সারাংশ]

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

AI দিয়ে শুরু থেকে শেষ পর্যন্ত এই গবেষণাটি করুন এবং শেষ করুন।

এটি মডেলের কাছে সমস্ত দায়িত্ব হস্তান্তর করার চেষ্টা করে। ফলাফল: পক্ষপাতদুষ্ট নমুনা, বানোয়াট উৎস, অযাচাইকৃত পরিসংখ্যান এবং একটি অপ্রতিরোধ্য পাঠ্য। কোনো শেষ থেকে শেষ পর্যায় নিরাপদ নয়।

শক্তিশালী প্রম্পট:

আমি শেষ থেকে শেষ পর্যন্ত আমার গবেষণার পরিকল্পনা করতে চাই। প্রতিটি পর্যায়ে (ডিজাইন, ডেটা, প্রক্রিয়াকরণ, বিশ্লেষণ, উপস্থাপনা, ডকুমেন্টেশন), এটি একটি রোডম্যাপ হিসাবে কাজ করে যেখানে আমি নিরাপদে AI ব্যবহার করতে পারি, যেখানে মানুষের বিচার এবং যাচাইকরণ প্রয়োজন এবং আমার কী নৈতিক এবং গোপনীয়তার ঝুঁকি বিবেচনা করা উচিত। মনে রাখবেন আমি দায়ী।

পার্থক্য: দ্বিতীয় পদ্ধতিটি AI-কে সঙ্গী হিসাবে অবস্থান করে; এটি শুরু থেকেই স্বীকার করে যে সিদ্ধান্ত এবং যাচাইকরণ মানুষেরই।

এন্ড-টু-এন্ড দায়ী ব্যবহারের নীতি

নীতি

আবেদন

কোন ইউনিটে

শক্তিশালী উৎস দিয়ে খাওয়ান

আপনার নিজস্ব ডেটা/উৎস প্রদান করুন

1, 2

নমুনা জিজ্ঞাসা করুন

প্রতিনিধিত্ব এবং পক্ষপাত নিরীক্ষা

3

প্রোগ্রামের মধ্যে গণনা করুন

AI উৎপাদন সংখ্যা তৈরি করা

4

আনুগত্য রাখা

লাইন নম্বর সহ লিঙ্ক উদ্ধৃতি

5

দ্বন্দ্ব উন্মুক্ত রাখুন

ত্রিভুজ, সৎ উপস্থাপনা

6, 7

নৈতিকতা এবং গোপনীয়তা প্রথম

বেনামী, যাচাই টুল

8

প্রক্রিয়াটি নথিভুক্ত করুন

ডায়েরি, প্রম্পট রেকর্ডিং

9

মৌলিকত্ব বজায় রাখুন

উৎস যাচাই করুন, আপনার নিজের ভয়েস

10

সাধারণ ভুল

• পর্যায়গুলিকে আলাদাভাবে বিবেচনা করা এবং চেইনটি ভুলে যাওয়া। পক্ষপাত এক পর্যায়ে পুরো অধ্যয়নকে নষ্ট করে দেয়।
• এআই-এর কাছে দায়িত্ব হস্তান্তর। সিদ্ধান্ত, যাচাইকরণ এবং নীতিশাস্ত্র সর্বদা মানুষের সাথে থাকে।
• দলে কোনো সাধারণ নিয়ম নেই। ব্যক্তিগত ব্যবহার অসঙ্গতি এবং ঝুঁকি তৈরি করে।
• শেষ জন্য ডকুমেন্টেশন ছেড়ে. ট্রেস প্রক্রিয়া জুড়ে রাখা হয়; পরে মনে করা যাবে না।
• একবার আপনি শিখুন এবং শিথিল করুন। দায়িত্বশীল ব্যবহার একটি শৃঙ্খলা যা প্রতিটি প্রকল্পে পুনরায় প্রয়োগ করা হয়।

সংক্ষেপে

সামাজিক গবেষণায় এআই-এর প্রকৃত মূল্য পৃথক কাজগুলিতে নয়, শেষ থেকে শেষ পর্যন্ত একটি সামঞ্জস্যপূর্ণ এবং জবাবদিহিমূলক কর্মপ্রবাহে ঘটে। ডিজাইন থেকে ডকুমেন্টেশন পর্যন্ত প্রতিটি পর্যায়ে একই নীতিগুলি প্রয়োগ করুন: উত্স শক্তিশালীভাবে, প্রতিটি আউটপুট যাচাই করুন, মানুষের বিচার বজায় রাখুন, নীতিশাস্ত্র এবং গোপনীয়তাকে অগ্রাধিকার দিন, প্রক্রিয়াটিকে স্বচ্ছভাবে নথিভুক্ত করুন। দলগত পর্যায়ে একটি সাধারণ প্রোটোকল এই নীতিগুলিকে স্থায়ী করে তোলে। শৃঙ্খলটি তার দুর্বলতম লিঙ্কের মতোই শক্তিশালী; কোন পর্যায়ে শিথিল করবেন না। AI গবেষণার গতি বাড়ায়, কিন্তু এটি কখনই গবেষকের বিচার, দায়িত্ব এবং সততা প্রতিস্থাপন করে না।

আবেদন টাস্ক

একটি "এন্ড-টু-এন্ড চেকলিস্ট জেনারেশন" টেমপ্লেট সহ আপনার নিজস্ব গবেষণা প্রকল্পের (বাস্তব বা পরিকল্পিত) জন্য একটি ছয়-পদক্ষেপের রোডম্যাপ তৈরি করুন৷ প্রতিটি পর্যায়ে, আপনি কোথায় AI ব্যবহার করবেন, আপনি কী যাচাই করবেন এবং আপনি কী নৈতিক/গোপনীয়তার ঝুঁকি বিবেচনা করবেন তা লিখুন। তারপর পাঁচটি নীতির বিপরীতে নিজেকে স্কোর করতে "দায়িত্বপূর্ণ ব্যবহার স্ব-মূল্যায়ন" টেমপ্লেটটি ব্যবহার করুন, আপনার দুটি দুর্বল পয়েন্ট চিহ্নিত করুন এবং কীভাবে তাদের শক্তিশালী করবেন।

চেকলিস্ট

• [ ] আমি গবেষণাটিকে শেষ থেকে শেষ পর্যন্ত ছয়-পর্যায়ের প্রবাহ হিসাবে পরিকল্পনা করেছি।
• [ ] আমি প্রতিটি পর্যায়ে AI এর নিরাপদ ব্যবহারের সীমা নির্ধারণ করেছি।
• [ ] আমি প্রতিটি পর্যায়ে পরিবর্তনের পূর্ববর্তী আউটপুট যাচাই করেছি।
• নৈতিকতা, গোপনীয়তা এবং ডকুমেন্টেশন বজায় রাখা হয়েছে।
• [ ] আমি পাঁচটি নীতির বিরুদ্ধে স্ব-মূল্যায়িত দায়িত্বশীল ব্যবহার করেছি৷

মডিউল পরীক্ষা

1. সমাজবিজ্ঞান এবং সামাজিক গবেষণায় কৃত্রিম বুদ্ধিমত্তার জন্য নিচের কোনটি সবচেয়ে সঠিক অবস্থান?

• ক) কৃত্রিম বুদ্ধিমত্তা মানুষের অনুমোদন ছাড়াই গবেষণা প্রশ্ন, ব্যাখ্যা এবং নৈতিক সিদ্ধান্তের উত্তর দিতে পারে।
• খ) কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র পাঠ্যের সংক্ষিপ্তসারে কাজ করে, অন্যান্য গবেষণা পর্যায়ের সাথে এর কোনো সম্পর্ক নেই
• গ) কৃত্রিম বুদ্ধিমত্তা একটি সারাংশ, প্রতিলিপি, কোড এবং খসড়া সহকারী; ব্যাখ্যা, কাঠামো এবং নৈতিক সিদ্ধান্তের দায়িত্ব গবেষকের উপর ✔
• ঘ) যেহেতু কৃত্রিম বুদ্ধিমত্তা সর্বদা মানুষের চেয়ে বেশি নিরপেক্ষ, তাই ব্যাখ্যাটি সম্পূর্ণরূপে তার উপর ছেড়ে দেওয়া উচিত।

বর্ণনা: কৃত্রিম বুদ্ধিমত্তা; একজন সহকারী যিনি পাঠ্যের সারসংক্ষেপ করেন, প্রতিলিপি সম্পাদনা করেন, কোড প্রস্তাব করেন এবং খসড়া লেখেন। গবেষণা প্রশ্ন, তাত্ত্বিক কাঠামো, নমুনা রায়, ব্যাখ্যা এবং নৈতিক সিদ্ধান্তের মতো সমালোচনামূলক কাজের দায়িত্ব গবেষকের। একটি অযাচাইকৃত আউটপুট একটি মিথ্যা রেফারেন্স, বানোয়াট পরিসংখ্যান, বা ভুল বণ্টন হতে পারে।

2. সাহিত্য স্ক্যান করার সময় কৃত্রিম বুদ্ধিমত্তাকে 'এই বিষয়ে সবচেয়ে গুরুত্বপূর্ণ 10টি নিবন্ধকে গ্রন্থপঞ্জির সাথে তালিকাভুক্ত করুন' বলা কেন ঝুঁকিপূর্ণ?

• ক) AI উৎস, লেখক এবং DOI তৈরি করতে পারে যা বাস্তবসম্মত দেখায় কিন্তু বিদ্যমান নয়; আপনাকে অবশ্যই ডাটাবেস থেকে উৎস খুঁজে বের করতে হবে ✔
• খ) কৃত্রিম বুদ্ধিমত্তা খুব ধীর গতিতে কাজ করে এবং সম্পদের তালিকা করার সময় সময় নষ্ট করে
• গ) কৃত্রিম বুদ্ধিমত্তা তুর্কি সাহিত্য মিস করে কারণ এটি শুধুমাত্র ইংরেজি উত্স খুঁজে পেতে পারে
• ঘ) কৃত্রিম বুদ্ধিমত্তা একই উৎসকে একাধিকবার পুনরাবৃত্তি করার কারণে তালিকাটি বৃদ্ধি পায়

বর্ণনা: সাহিত্য পর্যালোচনা হল সেই কাজ যেখানে AI সবচেয়ে বেশি হ্যালুসিনেশন তৈরি করে; নিবন্ধ, লেখক এবং DOI তৈরি করতে পারে যা বাস্তবসম্মত দেখায় কিন্তু বিদ্যমান নয়। উৎস খোঁজা ডাটাবেসের কাজ; AI শুধুমাত্র আপনার খুঁজে পাওয়া প্রকৃত সারাংশ সংশ্লেষিত করা উচিত।

3. কোন সমস্যার পরিপ্রেক্ষিতে একটি পৌরসভার ওয়েবসাইটে পোস্ট করা একটি সমীক্ষায় 78% সন্তুষ্টির ফলাফল সবচেয়ে সাবধানে ব্যাখ্যা করা উচিত?

• ক) শতাংশ গণনা ভুল; সন্তুষ্টি হার একক সংখ্যা হিসাবে প্রকাশ করা যাবে না
• খ) কারণ জরিপটি খুব দীর্ঘ ছিল, অংশগ্রহণকারীরা বিরক্ত হয়েছিলেন এবং এলোমেলোভাবে উত্তর দিয়েছিলেন
• গ) সন্তুষ্টি পরিমাপ করা সমাজতাত্ত্বিকভাবে অসম্ভব, তাই ফলাফলটি অবৈধ
• ঘ) নমুনা নির্বাচন পক্ষপাত বহন করে; যেহেতু শুধুমাত্র সাইটের ব্যবহারকারীরা অংশগ্রহণ করতে পারে, তাই অনুসন্ধান সমগ্র সমাজে সাধারণীকরণ করা যাবে না ✔

ব্যাখ্যা: ওয়েবসাইটে পোস্ট করা সমীক্ষাটি যারা ইতিমধ্যেই সাইটটি ব্যবহার করে তাদের বেশি প্রতিনিধিত্ব করে (যারা পরিষেবাটি অ্যাক্সেস করতে পারে এবং সম্ভবত আরও সন্তুষ্ট); এটি একটি নির্বাচন পক্ষপাত। অনুসন্ধান শুধুমাত্র 'সাইট ব্যবহারকারীদের' জন্য সাধারণীকরণ করা যেতে পারে এবং সমগ্র সমাজে নয়।

4. টেক্সট হিসাবে 300-সারির ডেটা সেট পেস্ট করা এবং AI কে 'গড় গণনা' করতে বলা কেন নিরাপদ নয়?

• ক) যেহেতু কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র 100 লাইন পর্যন্ত ডেটা পড়তে পারে, তাই এটি আরও বেশি পরিত্যাগ করে
• খ) ভাষা মডেল একটি ক্যালকুলেটর নয়; পাঠ্যে পাটিগণিত করার সময় ভুল সংখ্যা তৈরি হতে পারে, গণনাটি অবশ্যই প্রোগ্রামে করা উচিত ✔
• গ) গড় একটি সমাজতাত্ত্বিকভাবে অর্থহীন পরিমাপ এবং এটি মোটেই গণনা করা উচিত নয়।
• D) যখন ডেটা পাঠ্য হিসাবে আটকানো হয়, তখন AI স্বয়ংক্রিয়ভাবে এটি মুছে দেয়

ব্যাখ্যা: একটি ভাষা মডেল একটি ক্যালকুলেটর নয় এবং পাঠ্যে পাটিগণিত সম্পাদন করার সময় ভুলভাবে গড়, শতাংশ বা পি-মান তৈরি করতে পারে। প্রকৃত গণনা একটি পরিসংখ্যান প্রোগ্রাম বা টেবিলে করা উচিত; AI শুধুমাত্র পদ্ধতি এবং ব্যাখ্যার জন্য ব্যবহার করা উচিত।

5. গুণগত থিম বিশ্লেষণে কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রস্তাবিত একটি উদ্ধৃতি গ্রহণ করার আগে কী করা উচিত?

• ক) যদি উদ্ধৃতিটি সাবলীল এবং চিত্তাকর্ষক দেখায় তবে এটি সরাসরি প্রতিবেদনে যোগ করা যেতে পারে
• খ) উদ্ধৃতির দৈর্ঘ্য এক অনুচ্ছেদের বেশি না হলে যাচাইয়ের প্রয়োজন নেই
• গ) লাইন নম্বর দিয়ে নিশ্চিত হওয়া উচিত যে উদ্ধৃতিটি আসলে ট্রান্সক্রিপ্টে প্রদর্শিত হয় ✔
• ঘ) উদ্ধৃতিটি স্বয়ংক্রিয়ভাবে নির্ভরযোগ্য কারণ কৃত্রিম বুদ্ধিমত্তা উৎসটি উল্লেখ করে

ব্যাখ্যা: গুণগত গবেষণার হৃদয় হল অংশগ্রহণকারীর নিজের কথার প্রতি বিশ্বস্ততা। AI একটি উদ্ধৃতি তৈরি করতে পারে যা সাবলীল কিন্তু প্রতিলিপিতে একেবারেই বিদ্যমান নেই। অতএব, প্রতিটি উদ্ধৃতি পাঠ্যের প্রকৃত বিবৃতি এবং বিশেষভাবে লাইন নম্বরের সাথে সংযুক্ত এবং যাচাই করা উচিত।

6. যদি, একটি সমীক্ষায়, 72% একটি সমীক্ষায় 'আমি রিসাইকেল' বলে, কিন্তু সাক্ষাত্কারে তাদের বেশিরভাগই আসলে বলে যে তারা এটি অনিয়মিতভাবে করে, তাহলে এই দ্বন্দ্ব কীভাবে পরিচালনা করা উচিত?

• ক) দ্বন্দ্ব লুকানো উচিত নয়; সম্ভাব্য ব্যাখ্যা সহ একটি অনুসন্ধান হিসাবে উপস্থাপন করা উচিত যেমন সামাজিক আকাঙ্খিত পক্ষপাতিত্ব ✔
• খ) সাক্ষাত্কারের ডেটা ভুল হিসাবে বাতিল করা উচিত এবং শুধুমাত্র সমীক্ষার ফলাফল রিপোর্ট করা উচিত
• গ) জরিপ তথ্য বাতিল করা উচিত কারণ এটি ভুল, শুধুমাত্র সাক্ষাৎকার রিপোর্ট করা উচিত
• ঘ) উভয় ডেটা রিপোর্ট থেকে মুছে ফেলা উচিত কারণ দ্বন্দ্ব বিব্রতকর

ব্যাখ্যা: পরিমাণগত এবং গুণগত ফলাফলের মধ্যে পার্থক্য একটি ত্রুটি নয়, তবে প্রায়শই এটি সবচেয়ে মূল্যবান অনুসন্ধান। এখানে দ্বন্দ্ব একটি ঘটনাকে নির্দেশ করে যেমন 'সামাজিক আকাঙ্ক্ষার পক্ষপাতিত্ব' এবং এটি লুকিয়ে না রেখে একটি অনুসন্ধান হিসাবে উপস্থাপন করা উচিত।

7. যদি দুটি গ্রুপের মধ্যে পার্থক্য (51% বনাম 54%) 50 থেকে শুরু হওয়া y-অক্ষ সহ একটি গ্রাফে একটি 'দৈত্য ফাঁক'-এর মতো দেখায় তবে কী করা উচিত?

• ক) চার্টটিকে যেমনটি রেখে দেওয়া উচিত কারণ পার্থক্যটি ইতিমধ্যেই বড় দেখাচ্ছে৷
• খ) দুটি দলের পরিবর্তে একটি একক গড় দেখিয়ে পার্থক্যটি সম্পূর্ণরূপে লুকিয়ে রাখতে হবে
• গ) গ্রাফে একটি ত্রিমাত্রিক প্রভাব যোগ করে পার্থক্যটিকে আরও চিত্তাকর্ষক করা উচিত।
• ঘ) Y-অক্ষ শূন্য থেকে শুরু করা উচিত; ছোট অক্ষ অতিরঞ্জিত করে পাঠককে বিভ্রান্ত করে ✔

ব্যাখ্যা: একটি কাটা অক্ষ (শূন্য থেকে শুরু নয়) এটিকে বিশাল বলে মনে করে একটি ছোট পার্থক্যকে বিভ্রান্ত করে। একটি সৎ বার চার্টে, অক্ষটি শূন্য থেকে শুরু হওয়া উচিত; তাই পার্থক্যটি তার বাস্তব, ছোট আকারে দৃশ্যমান। চাক্ষুষ উদ্দেশ্য প্ররোচনা নয়, কিন্তু সঠিক যোগাযোগ.

8. কেন ট্রান্সক্রিপ্ট থেকে নাম মুছে ফেলা প্রায়ই যথেষ্ট বেনামী নয়?

• ক) একটি নাম মুছে ফেলা সর্বদা যথেষ্ট; অন্য কোন তথ্য পরিচয় প্রকাশ করে না
• খ) পরোক্ষ শনাক্তকারী (অনন্য ভূমিকা, অবস্থান, বিরল বৈশিষ্ট্য) একজন ব্যক্তিকে তাদের নাম ছাড়াই দিতে পারে ✔
• গ) ফোন নম্বর থাকলেই বেনামীকরণ প্রয়োজন
• ঘ) নাম মুছে ফেলা অর্থহীন কারণ এটি পাঠ্যটিকে অপঠিত করে তোলে

ব্যাখ্যা: শুধু নাম মুছে ফেলাই যথেষ্ট নয়; পরোক্ষ বর্ণনাকারী যেমন 'আশেপাশের X-এ একমাত্র ফার্মাসিস্ট' বা 'পৌরসভার একমাত্র মহিলা পরিদর্শক' ব্যক্তিকে নিজেরাই ছেড়ে দিতে পারে। সঠিক বেনামীকরণের জন্য সমস্ত প্রত্যক্ষ এবং পরোক্ষ শনাক্তকারী সাফ করা প্রয়োজন।

9. কৃত্রিম বুদ্ধিমত্তার সাহায্যে সম্পাদিত বিশ্লেষণে প্রম্পট, ব্যবহৃত মডেল এবং তারিখ রেকর্ড করা কেন গুরুত্বপূর্ণ?

• ক) যেহেতু এটি শুধুমাত্র একটি আইনি বাধ্যবাধকতা তাই এর কোন বৈজ্ঞানিক মূল্য নেই
• খ) প্রম্পটগুলি বাণিজ্যিক কারণে রাখা হয় কারণ তারা কপিরাইট বহন করে।
• গ) প্রক্রিয়াটিকে সনাক্তযোগ্য এবং পুনরুত্পাদনযোগ্য করে তোলে; অন্যথায়, 'AI তাই বলেছে' একটি বৈজ্ঞানিক ন্যায্যতা হবে না ✔
• ঘ) নিবন্ধন শুধুমাত্র একটি আনুষ্ঠানিকতা কারণ মডেল সবসময় একই উত্তর দেয়

ব্যাখ্যা: ভাষার মডেল প্রতিবার ঠিক একই উত্তর দেয় না; প্রম্পট এবং মডেল তথ্য রেকর্ড করা না হলে, প্রক্রিয়াটি একটি কালো বাক্সে পরিণত হয় এবং অন্য কেউ (এমনকি আপনি) কাজটি পুনরুত্পাদন করতে পারবেন না। এই রেকর্ডগুলি হল কাজের 'সামগ্রীর বিল' এবং প্রজননযোগ্যতার ভিত্তি।

10. একাডেমিক লেখায় কৃত্রিম বুদ্ধিমত্তার বৈধ ব্যবহার এবং একাডেমিক অখণ্ডতার লঙ্ঘনের মধ্যে লাইন কোথায়?

• ক) এআই আপনাকে আপনার নিজস্ব বিষয়বস্তু প্রকাশ করতে সাহায্য করতে পারে; যাইহোক, আপনার পক্ষে চিন্তা করা এবং সামগ্রী তৈরি করা এবং এটিকে আপনার কাজ হিসাবে উপস্থাপন করা আপনার পক্ষে লঙ্ঘন ✔
• খ) কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত যে কোনও পাঠ্য সরাসরি ব্যবহার করা যেতে পারে, যতক্ষণ না ব্যাকরণ সঠিক হয়
• গ) যতক্ষণ না কৃত্রিম বুদ্ধিমত্তা সম্পদ যোগ করে, ততক্ষণ এতে বিষয়বস্তু সম্পূর্ণরূপে মুদ্রণ সমস্যামুক্ত।
• ঘ) কৃত্রিম বুদ্ধিমত্তার ব্যবহার সব পরিস্থিতিতে নিষিদ্ধ এবং কোনো পর্যায়ে ব্যবহার করা যাবে না।

প্রকাশ: আপনার নিজের খসড়া স্পষ্ট করতে এবং ভাষা ও কাঠামো উন্নত করতে AI ব্যবহার করা বৈধ এবং স্বচ্ছ ঘোষণা করা হয়েছে। কৃত্রিম বুদ্ধিমত্তা দ্বারা লিখিত বিষয়বস্তু থাকা এবং এটিকে আপনার নিজের কাজ হিসাবে উপস্থাপন করা উভয়ই মৌলিকতা লঙ্ঘন করে এবং প্রায় অবশ্যই বানোয়াট উত্স তৈরি করে। লাইন: এআই আপনাকে আপনার চিন্তা প্রকাশ করতে সাহায্য করে, এটি আপনার জন্য চিন্তা করে না।

11. সামাজিক গবেষণায় 'এন্ড-টু-এন্ড কোয়ালিটি সবচেয়ে দুর্বল পর্যায়ে' নীতির অর্থ কী?

• ক) শুধুমাত্র শেষ পর্যায়, বানান, গুরুত্বপূর্ণ; পূর্ববর্তী পর্যায়ের ভুলগুলি বানান দ্বারা সংশোধন করা হয়।
• খ) পর্যায়গুলি একে অপরের থেকে স্বাধীন; একটির ত্রুটি অন্যকে প্রভাবিত করে না
• গ) শক্তিশালী পর্যায়টি পুরো চেইনটিকে সংরক্ষণ করে, তাই একটি একক পর্যায়ে ফোকাস করা যথেষ্ট
• ঘ) এক পর্যায়ে দুর্বলতা (পক্ষপাতমূলক নমুনা, অযাচাইকৃত উৎস) পরবর্তী পর্যায়ে সংশোধন করা যায় না এবং পুরো অধ্যয়নকে দুর্বল করে দেয় ✔

ব্যাখ্যা: প্রতিটি পর্যায়ে সিদ্ধান্ত পরবর্তীকে প্রভাবিত করে: একটি পক্ষপাতদুষ্ট নমুনা একটি নিখুঁত বিশ্লেষণ করেও সংরক্ষণ করা যায় না; একটি অযাচাইকৃত উৎস এমনকি সেরা লেখাকেও খণ্ডন করে। অতএব, ডিজাইন থেকে ডকুমেন্টেশন পর্যন্ত প্রতিটি পর্যায়ে দায়িত্বশীল ব্যবহারের একই নীতি প্রয়োগ করা উচিত।

12. যদি কৃত্রিম বুদ্ধিমত্তা আপনার দেওয়া একটি প্রতিলিপির সংক্ষিপ্তসার করে এবং একটি ফ্রেম যুক্ত করে যা পাঠ্যে নেই, যেমন 'বৃদ্ধরা প্রযুক্তিকে ভয় পায়', তাহলে এটি কীসের উদাহরণ?

• ক) এটি অংশগ্রহণকারীর সত্য মতামতের একটি সঠিক সারাংশ
• খ) এটি কৃত্রিম বুদ্ধিমত্তা দ্বারা বাহিত একটি স্টেরিওটাইপের প্রবর্তন যা নিজস্ব প্রশিক্ষণ ডেটা থেকে ডেটাতে ✔
• গ) এটি একটি পরিসংখ্যানগত তাৎপর্য পরীক্ষার ফলাফল
• ঘ) এটি প্রমাণ যে বেনামীকরণ সফলভাবে বাস্তবায়িত হয়েছে

ব্যাখ্যা: এটি একটি স্টেরিওটাইপ (স্টেরিওটাইপিক্যাল সাধারণীকরণ) এর একটি উদাহরণ যা এআই যে পাঠ্যগুলিতে প্রশিক্ষিত হয় তা থেকে বহন করে। মডেলটি এমন একটি রায় যোগ করতে পারে যা আসলে ডেটাতে উপস্থিত নয়। 'শুধু পাঠ্যের বিবৃতিগুলির উপর নির্ভর করুন' বলে এই সংযোজনটিকে গবেষকের উচিৎ।

13. নিচের কোনটি একটি সুসংকীর্ণ গবেষণা প্রশ্ন?

• ক) সমাজের এই অবস্থা কেন?
• খ) মানুষ কি সুখী?
• গ) 18-25 বছর বয়সী বিশ্ববিদ্যালয়ের শিক্ষার্থীদের স্থানীয় নির্বাচনে অংশগ্রহণ না করার কারণ কী? ✔
• ঘ) সামাজিক যোগাযোগ মাধ্যমের সাথে সবকিছুর সম্পর্ক কি?

ব্যাখ্যা: একটি ভাল গবেষণা প্রশ্ন উত্তরযোগ্য, সীমিত এবং অর্থপূর্ণ; এর জনসংখ্যা, প্রসঙ্গ এবং ফোকাস স্পষ্ট। 'তরুণরা কেন রাজনীতি থেকে দূরে সরে যাচ্ছে?'-এর মতো বিস্তৃত অনুরোধের পরিবর্তে, একটি নির্দিষ্ট বয়স, প্রসঙ্গ এবং নির্দিষ্ট ফোকাস অন্তর্ভুক্ত এমন একটি প্রশ্ন গবেষণাযোগ্য।

14. দুটি ভিন্ন অনলাইন সমীক্ষা যদি একই সোশ্যাল মিডিয়া গ্রুপ থেকে অংশগ্রহণকারীদের নিয়োগ করে এবং একই ফলাফল দেয় তবে কেন এটি সত্য ত্রিভুজ হয় না?

• ক) দুটি উত্স স্বাধীন নয় কারণ তারা একই পক্ষপাতমূলক নমুনা থেকে এসেছে; এটি একই পক্ষপাতের পুনরাবৃত্তি ✔
• খ) দুটি জরিপ ব্যবহার করা সর্বদা অপ্রয়োজনীয়, একটি জরিপই যথেষ্ট
• গ) অনলাইন সমীক্ষা কখনই বৈধ ডেটা তৈরি করে না
• ঘ) তারা যে একই ফলাফল দেয় তা প্রমাণ করে যে ফলাফলটি একেবারে সঠিক।

ব্যাখ্যা: ত্রিভুজকরণ হল সত্যিকারের স্বাধীন উত্সের সাথে একটি অনুসন্ধানের ক্রস-পরীক্ষা। যদি দুটি উত্স একই পক্ষপাতদুষ্ট নমুনা থেকে আসে, তবে একে অপরকে 'নিশ্চিত' করা তাদের জন্য বিভ্রান্তিকর; এটি একই পক্ষপাতের পুনরাবৃত্তি, একটি স্বাধীন নিশ্চিতকরণ নয়।