লাভ:
- পদ্ধতিগত সিদ্ধান্ত, প্রম্পট এবং মডেলের তথ্য রেকর্ড করে গবেষণাকে খুঁজে বের করার ক্ষমতা
- প্রক্রিয়াকৃত ডেটা থেকে কাঁচা ডেটা আলাদা করার ক্ষমতা এবং সমস্ত রূপান্তর পদক্ষেপ নথিভুক্ত করার ক্ষমতা
- পদ্ধতি বিভাগে কৃত্রিম বুদ্ধিমত্তার ভূমিকা স্বচ্ছভাবে ঘোষণা করতে এবং 'এটি কি পুনরুত্পাদনযোগ্য হতে পারে' পরীক্ষাটি প্রয়োগ করতে সক্ষম হওয়া
বিজ্ঞানের সবচেয়ে মৌলিক বৈশিষ্ট্য হল যে একটি অনুসন্ধান একটি একক ব্যক্তির কথার উপর ভিত্তি করে নয়, একটি প্রক্রিয়ার উপর ভিত্তি করে যা অন্যদের দ্বারা যাচাই করা যেতে পারে। প্রজননযোগ্যতা হল অন্য গবেষকের ক্ষমতা, একটি অধ্যয়নের ডেটা এবং পদ্ধতি গ্রহণ করে, একই পদক্ষেপগুলি অনুসরণ করে একই ফলাফলে পৌঁছাতে। একটি অনুরূপ ধারণা হল স্বচ্ছতা: গবেষক স্পষ্টভাবে নথিভুক্ত করেন যে তিনি কী করেছেন এবং কেন তিনি কোন সিদ্ধান্ত নিয়েছেন। এআই-এর যুগে, এই দুটি ধারণা সহজ এবং আরও সমালোচনামূলক হয়ে উঠেছে। সহজ, কারণ এআই ডকুমেন্ট প্রক্রিয়ায় সাহায্য করে; সমালোচনামূলক, কারণ আপনি যদি এআই-এর সিদ্ধান্তগুলির কোনও চিহ্ন না রাখেন তবে কেউ - এমনকি আপনিও না - আপনার কাজ পুনরুত্পাদন করতে পারবেন না। এই ইউনিটে আপনি শিখবেন কিভাবে আপনার গবেষণাকে পুনরুৎপাদনযোগ্য এবং স্বচ্ছ করা যায়।
সমস্যার মূল হল: যখন আপনি AI এর সাথে কাজ করেন, আপনি অনেক ছোট ছোট সিদ্ধান্ত নেন — কোন প্রম্পট আপনি ব্যবহার করেছেন, কোন মডেল, কোন সেটিংস, কোন আউটপুট আপনি গ্রহণ করেছেন এবং কোনটি প্রত্যাখ্যান করেছেন। যদি এই সিদ্ধান্তগুলি নথিভুক্ত না হয়, আপনি ভিন্ন দিনে একই প্রম্পট চালালে আপনি একটি ভিন্ন আউটপুট পেতে পারেন (ভাষার মডেলগুলি প্রতিবার একই প্রতিক্রিয়া দেয় না)। যখন একজন পর্যালোচক বা সহকর্মী জিজ্ঞাসা করেন "আপনি কীভাবে এই থিম বিশ্লেষণে পৌঁছেছেন", "এআই তাই বলেছে" এটি একটি বৈজ্ঞানিক উত্তর নয়। স্বচ্ছতা হল এই "ব্ল্যাক বক্স" খোলার এবং প্রক্রিয়াটিকে ট্রেসযোগ্য করে তোলার বিষয়ে।
ধাপে ধাপে: একটি সন্ধানযোগ্য গবেষণা প্রতিষ্ঠা করা
1. একটি সিদ্ধান্ত ডায়েরি রাখুন। প্রতিটি গুরুত্বপূর্ণ পদ্ধতিগত সিদ্ধান্ত লিখুন—কেন এই নমুনা, কেন এই কোড, কেন আপনি এই AI প্রস্তাবটি গ্রহণ করেছেন—একটি তারিখের জার্নালে। AI এই লগটি সংগঠিত করতে সাহায্য করে।
2. প্রম্পট এবং মডেল তথ্য সংরক্ষণ করুন. আপনার ব্যবহৃত প্রতিটি প্রম্পটের রেকর্ড রাখুন, আপনি কোন AI মডেলে এটি চালিয়েছেন এবং কোন তারিখে। এটি আপনার কাজের জন্য "উপাদান তালিকা"।
3. প্রক্রিয়াকৃত ডেটা থেকে কাঁচা ডেটা আলাদা করুন। মূল তথ্য অপরিবর্তিত রাখুন; নথিভুক্ত পদক্ষেপগুলির সাথে আলাদাভাবে সমস্ত রূপান্তর (পরিষ্কার, এনকোডিং) করুন। তাই সবাই প্রথম থেকে দেখতে পারেন।
4. AI এর ভূমিকা স্পষ্টভাবে লিখুন। পদ্ধতি বিভাগে, কোন কাজগুলিতে এবং কীভাবে আপনি AI ব্যবহার করেছেন তা সততার সাথে বলুন। বেশিরভাগ জার্নাল এবং প্রতিষ্ঠানের এখন এটি প্রয়োজন।
5. সম্ভব হলে ডেটা এবং কোড শেয়ার করুন। যখন নীতিশাস্ত্র এবং গোপনীয়তা অনুমতি দেয়, তখন খোলা সংগ্রহস্থলে বেনামী ডেটা এবং বিশ্লেষণ কোড ভাগ করা স্বচ্ছতার শীর্ষ।
টিপ: একটি সাধারণ পরীক্ষা: "আমি কি 6 মাসের মধ্যে এই গবেষণাটি আবার করতে পারি?" আপনি যদি আপনার প্রম্পট, সিদ্ধান্ত এবং পদক্ষেপগুলি নথিভুক্ত না করে থাকেন তবে উত্তরটি সম্ভবত "না"। এটি নিজের জন্য উত্পাদনযোগ্য করুন; তারপর অন্য কারো ক্ষেত্রেও তা ঘটে।
তিনটি মিনি কেস
কেস 1 — ট্রেসলেস বিশ্লেষণ ধসে গেছে। একজন গবেষক AI দিয়ে একটি থিম বিশ্লেষণ করেছেন কিন্তু তিনি কোন প্রম্পট ব্যবহার করেছেন তা রেকর্ড করেননি। যখন রেফারি জিজ্ঞাসা করলেন "আপনি এই থিমগুলিতে কীভাবে পৌঁছেছেন?" তিনি প্রক্রিয়াটি দেখাতে পারেননি; তাকে আবারও বিশ্লেষণ করতে হয়েছিল, এবার ডায়েরি রাখলেন। তিনি দুই সপ্তাহ হারিয়েছেন।
কেস 2 — সিদ্ধান্ত লগ আলোচনা শেষ করে। "কেন আমরা এই কোডগুলিকে একত্রিত করেছি?" কিন্তু সিদ্ধান্ত লগে প্রতিটি একীভূতকরণের সিদ্ধান্তের তারিখ এবং ন্যায্যতা রয়েছে। এআই লগটি সংক্ষিপ্ত করে এবং এটি কালানুক্রমিকভাবে প্রদর্শন করার সময় যুক্তিটি কয়েক মিনিটের মধ্যে সমাধান করা হয়েছিল।
কেস 3 — স্বচ্ছ প্রকাশ বিশ্বাস তৈরি করে। একটি নিবন্ধে, লেখক স্পষ্টভাবে লিখেছেন যে আমরা AI ব্যবহার করেছি "ট্রান্সক্রিপ্ট সম্পাদনা এবং প্রাথমিক কোড পরামর্শের জন্য, দুই গবেষক ম্যানুয়ালি সমস্ত কোড যাচাই করে।" পর্যালোচকরা এই স্বচ্ছতাকে ইতিবাচক মনে করেছেন; এটি একটি ক্লোকড এআই ব্যবহারের চেয়ে অনেক বেশি নির্ভরযোগ্য বলে প্রমাণিত হয়েছে।
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) সিদ্ধান্ত লগ টেমপ্লেট:
একটি পদ্ধতিগত সিদ্ধান্ত লগ টেবিল তৈরি করুন। কলাম: তারিখ, সিদ্ধান্ত, যুক্তি, বিকল্প, AI এর ভূমিকা (যদি থাকে), কে এটি অনুমোদন করেছে। এই সারণীতে নীচের আমার সিদ্ধান্তের নোটগুলি সন্নিবেশ করান এবং অনুপস্থিত যুক্তিগুলিকে "সম্পূর্ণ করা আবশ্যক" হিসাবে চিহ্নিত করুন। নোট: [এখানে]
2) খসড়া AI ব্যবহারের বিবৃতি:
একটি অনুচ্ছেদ খসড়া করুন যা পদ্ধতি বিভাগে রাখার জন্য আমার AI ব্যবহারকে স্বচ্ছভাবে ব্যাখ্যা করে। আমি এই কাজগুলিতে এটি ব্যবহার করেছি: [তালিকা]। আমি নিম্নলিখিত কাজগুলিতে এটি ব্যবহার করিনি: [তালিকা]। আমি ম্যানুয়ালি সমস্ত আউটপুট যাচাই করেছি। মডেল এবং তারিখ: [x]। সৎ, অবহেলিত, একাডেমিক ভাষা ব্যবহার করুন।
3) প্রজননযোগ্যতা পরিদর্শন:
আমি আমার গবেষণা প্রক্রিয়া বর্ণনা করি: [সারাংশ]। অন্য গবেষক এটি পুনরুত্পাদন করতে পারেন? অপ্রমাণিত, অস্পষ্ট বা অনুপস্থিত পদক্ষেপগুলি তালিকাভুক্ত করুন: কোন ডেটা, কোন রূপান্তর, কোন প্রম্পট, কোন সিদ্ধান্ত অনুপস্থিত? প্রতিটি স্থানের জন্য কী রেকর্ড করতে হবে তা আমাকে বলুন।
4) ডেটা প্রোভেনেন্স ম্যাপ:
একটি প্রবাহ হিসাবে কাঁচা ডেটা থেকে আমার চূড়ান্ত অনুসন্ধান পর্যন্ত সমস্ত রূপান্তর পদক্ষেপগুলি তালিকাভুক্ত করুন: কাঁচা ডেটা → পরিষ্কার করা → কোডিং → বিশ্লেষণ → অনুসন্ধান৷ প্রতিটি ধাপে কি করা হয়েছে, কোন টুল দিয়ে এবং কোন সিদ্ধান্ত নিয়ে দেখান। আনট্র্যাকযোগ্য পদক্ষেপ চিহ্নিত করুন। প্রক্রিয়া: [এখানে]
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
এই বিশ্লেষণের পদ্ধতিটি একটি অনুচ্ছেদে লিখুন।
AI প্রক্রিয়াটি নথিভুক্ত না করে একটি জেনেরিক পদ্ধতি অনুচ্ছেদ তৈরি করে; কীভাবে সিদ্ধান্ত নেওয়া হয়েছিল এবং কোথায় এআই ব্যবহার করা হয়েছিল তা এখনও স্পষ্ট নয়। এই উত্পাদনযোগ্য নয়.
শক্তিশালী প্রম্পট:
পদ্ধতি বিভাগের জন্য একটি উত্পাদনযোগ্য বিবরণ লিখুন। নিম্নলিখিত তথ্যগুলি ব্যবহার করুন: ডেটা উত্স [x], নমুনা [y], বিশ্লেষণের পদক্ষেপগুলি [z], আমি যে এআই মডেলটি ব্যবহার করেছি এবং এর তারিখ [t], AI [r] এর সঠিক ভূমিকা, মানুষের যাচাইকরণ প্রক্রিয়া [d]। পর্যাপ্তভাবে লিখুন যাতে অন্য কেউ এই পদক্ষেপগুলি অনুসরণ করতে পারে এবং তাদের পুনরুত্পাদন করতে পারে। আমি বাদ রেখেছি কোনো তথ্যের জন্য আমাকে জিজ্ঞাসা করুন.
পার্থক্য: দ্বিতীয় পদ্ধতিটি প্রক্রিয়াটিকে কংক্রিট, সন্ধানযোগ্য এবং সত্যই পুনরুত্পাদনযোগ্য করে তোলে।
স্বচ্ছতা স্তর
স্তর
কি নথিভুক্ত করা হয়
কেন এটা গুরুত্বপূর্ণ?
সিদ্ধান্ত ডায়েরি
পদ্ধতিগত সিদ্ধান্ত + যৌক্তিকতা
বিচার বিভাগকে রক্ষা করে
দ্রুত নিবন্ধন
প্রম্পট ব্যবহৃত, মডেল, তারিখ
AI ট্র্যাক্টেবল করে তোলে
ডেটার উৎপত্তি
কাঁচা → প্রক্রিয়াকৃত রূপান্তর
পদক্ষেপ খোলে
এআই বিবৃতি
AI এর ভূমিকা এবং সীমা
সততা
ভাগ করা
বেনামী ডেটা + কোড
চূড়ান্ত স্বচ্ছতা
সাধারণ ভুল
- প্রম্পট সংরক্ষণ না. আপনি যে নির্দেশনা ব্যবহার করেছেন তা না রাখলে, আপনি প্রক্রিয়াটি প্রদর্শন করতে পারবেন না।
- এর মানে "এআই তাই বলেছে।" বৈজ্ঞানিক ন্যায্যতা হল প্রক্রিয়া এবং বিচার, মডেলের শব্দ নয়।
- কাঁচা ডেটা ওভাররাইট করা হচ্ছে। মূল রাখুন; রূপান্তরগুলিকে আলাদা এবং নথিভুক্ত করুন।
- AI এর ব্যবহার লুকিয়ে রাখা। স্বচ্ছ বক্তব্য বিশ্বাস গড়ে তোলে; লুকানোর কারণে সুনাম নষ্ট হয়।
- এমনকি নিজের জন্য এটি অনুৎপাদনযোগ্য রেখে দেওয়া। যে কাজটি আপনি 6 মাস পরে আবার করতে পারবেন না তা বিজ্ঞান নয়।
সংক্ষেপে
প্রজননযোগ্যতা এবং স্বচ্ছতা একজন ব্যক্তির শব্দ থেকে একটি অধ্যয়নকে একটি বিজ্ঞানে রূপান্তরিত করে যা যে কেউ পরীক্ষা করতে পারে। AI এর সাথে কাজ করার সময় এটি আরও বেশি গুরুত্বপূর্ণ, কারণ যদি মডেলের সিদ্ধান্তগুলি অনুসরণ না করা হয় তবে প্রক্রিয়াটি একটি কালো বাক্সে পরিণত হয়। একটি সিদ্ধান্ত লগ রাখুন, প্রম্পট এবং মডেলের তথ্য রেকর্ড করুন, প্রক্রিয়াকৃত থেকে কাঁচা ডেটা আলাদা করুন, সততার সাথে AI এর ভূমিকা ঘোষণা করুন এবং নৈতিকতা অনুমতি দিলে ডেটা এবং কোড ভাগ করুন। "আমি কি 6 মাস পরে নিজেকে পুনরুত্পাদন করতে পারি" পরীক্ষায় উত্তীর্ণ একটি গবেষণা অন্যদের জন্যও নির্ভরযোগ্য।
আবেদন টাস্ক
একটি ছোট বিশ্লেষণের জন্য যা আপনি করছেন বা পরিকল্পনা করছেন, "সিদ্ধান্ত জার্নাল টেমপ্লেট" এর সাথে ন্যায্যতা সহ কমপক্ষে 5টি পদ্ধতিগত সিদ্ধান্ত রেকর্ড করুন। আপনি যে প্রম্পটগুলি ব্যবহার করেন, মডেল এবং তারিখ একটি আলাদা ফাইলে রাখুন৷ তারপরে AI আপনার প্রক্রিয়ায় অনথিভুক্ত ফাঁক খুঁজে পেতে এবং প্রতিটি ফাঁক বন্ধ করতে "পুনরুত্পাদনযোগ্যতা অডিট" টেমপ্লেটটি ব্যবহার করুন। পরিশেষে, "AI ব্যবহার বিবৃতি" এর একটি রূপরেখা এবং পদ্ধতি বিভাগে স্থাপন করার জন্য একটি স্বচ্ছ অনুচ্ছেদ লিখুন।
চেকলিস্ট
- [ ] আমি জার্নালে প্রতিটি গুরুত্বপূর্ণ পদ্ধতিগত সিদ্ধান্তের কারণ লিখেছি।
- [ ] আমি যে প্রম্পটগুলি ব্যবহার করেছি, মডেল এবং তারিখ রেকর্ড করেছি৷
- [ ] আমি অপরিবর্তিত কাঁচা ডেটা রেখেছি এবং রূপান্তরগুলি নথিভুক্ত করেছি৷
- [ ] আমি পদ্ধতি বিভাগে সততার সাথে AI এর ভূমিকা ঘোষণা করেছি।
- [ ] আমি "আমি কি 6 মাস পরে পুনরুত্পাদন করতে পারি" পরীক্ষাটি প্রয়োগ করেছি।