Dobici:
- Sposobnost korištenja umjetne inteligencije kao misaonog partnera u izoštravanju istraživačkog pitanja, generiranju hipoteza i definicija varijabli i opcija metoda
- Sposobnost dobijanja kvantitativnih, kvalitativnih i mešovitih opcija dizajna, uzorka i validnosti-pouzdanosti od veštačke inteligencije i procene ih u skladu sa njihovim poljem i etičkim pravilima.
- Sposobnost razumijevanja da odgovornost za metodološke odluke i etičku komisiju (IRB) pripada istraživaču i da je prijedlog umjetne inteligencije samo nacrt.
Nakon upoznavanja literature, vrijeme je da osmislite vlastitu studiju. Dizajn istraživanja je proces započinjanja s pitanjem i pretvaranja u mjerljivu studiju na koju se može odgovoriti: izoštravanje pitanja, uspostavljanje hipoteze, definiranje varijabli, odabir odgovarajućeg dizajna i metode, određivanje uzorka, uzimajući u obzir valjanost i pouzdanost. Ovo je mentalno najzahtjevniji dio istraživanja, a AI ovdje može biti moćan misaoni partner – generiranje opcija, izazivanje slijepih tačaka, upoređivanje alternativa. Ali osnovno pravilo ove jedinice je jasno: metodološke odluke i etička odgovornost pripadaju istraživaču; AI pruža samo opcije za procjenu.
Od pitanja do hipoteze
Dobro istraživačko pitanje je fokusirano, odgovorno i originalno. Uobičajeni okvir je PICO u eksperimentalnim/kliničkim studijama: Populacija, Intervencija, Poređenje, Ishod. U društvenim naukama, pitanje se općenito postavlja kao odnos između varijabli. AI vam pomaže da suzite široko pitanje i predlaže nekoliko alternativnih formulacija.
Hipoteza je transformacija problema u provjerljivo predviđanje; obično uključuje smjer („X povećava Y“). Varijable su stvari koje mjerite: nezavisna varijabla (na koju utječete), zavisna varijabla (ishod koji mjerite), kontrolne varijable (koje držite konstantnom). AI je korisna za izoštravanje hipoteze, destilaciju varijabli u operativne definicije (mjerljive definicije) i prisjećanje mogućih zbunjujućih faktora (treći faktor koji tajno utječe na ishod).
Savjet: Recite AI „također dajte argumente za opovrgavanje ove hipoteze“. Dragocjeno je rano uočiti slabosti vlastitog dizajna, tako da možete naučiti sada, a ne tokom procesa suđenja.
Dizajn, uzorak i valjanost
Dizajn istraživanja je način na koji će podaci biti prikupljeni i strukturirani da odgovore na vaše pitanje. Postoje tri široke porodice: kvantitativna (numerički podaci, statističko testiranje – eksperimentalno, kvazi-eksperimentalno, korelaciono, anketno), kvalitativna (tekst/zapažanje, značenje i iskustvo – intervju, studija slučaja, fenomenologija, utemeljena teorija) i mješovita metoda (kombinacija ova dva). AI može uporediti svaki obrazac sa njegovim prednostima i nedostacima i razgovarati o tome koji bi mogao bolje odgovarati vašem pitanju; ali konačni izbor je vaš, na osnovu vaših izvora, tradicije terena i prirode vašeg pitanja.
Uzorak je podskup iz vašeg univerzuma koji ispitujete. Kvantitativno, veličina uzorka se izračunava analizom snage—najmanji uzorak potreban da bi se uhvatio statistički značajan efekat; AI podsjeća na formulu i pretpostavke, ali trebate potvrditi broj pomoću softvera (kao što je GPower). Validnost (da li zaista merite ono što merite) i pouzdanost* (da li se merenje može ponoviti) su garancije kvaliteta dizajna; AI navodi prijetnje, vi poduzmite mjere opreza.
Najkritičnija tačka je etika. Svaka studija koja uključuje učesnike na ljudima ili životinjama zahtijeva odobrenje etičkog odbora (IRB): informirani pristanak, povjerljivost, nezlonamjernost. AI vam može pomoći da napravite nacrt prijave etičkog odbora, ali nikada nije zamjena za odobrenje i etičku odgovornost. AI ne može reći "ovaj dizajn je etički"; O tome odlučuje etički komitet vaše institucije.
Mješovite metode obrazloženja i predregistracija
Važno pitanje pri odabiru mješovite metode je zašto i kako kombinirati dva tipa podataka. Jednostavno reći „sproveo sam i anketu i intervju“ nije mješovita metoda; Dizajn mora imati logiku. Uobičajeni dizajni uključuju eksploratorni sekvencijalni (prvo kvantitativni, a zatim kvalitativni za produbljivanje nalaza), eksploratorni sekvencijalni (prvo kvalitativni, zatim razvoj na skali i kvantitativno testiranje) i istovremeni ugniježđeni dizajn. AI može uporediti ove obrasce prema vašem pitanju i razgovarati o tome koji od njih odgovara logici integracije; ali izbor zavisi od toga šta vaše pitanje zaista zahteva.
Moćan alat za metodološki integritet je predregistracija: registracija vaše hipoteze, varijabli i plana analize u otvorenom spremištu (kao što je OSF) prije prikupljanja podataka. Ovo sprečava traženje retrospektiva (HARKing — izmišljanje hipoteza nakon što se vidi rezultat) i povećava kredibilitet vašeg istraživanja. AI vam može pomoći da strukturirate nacrt obrasca za predregistraciju i uočite sve nejasnoće u vašem planu; Međutim, svaka odluka koju snimite je vaša i vaša je odgovornost da je se pridržavate nakon snimanja.
tri mini kofera
Slučaj 1 — Sužavanje pitanja. Pitanje studenta diplomskog studija bilo je "Kako društveni mediji utiču na mlade ljude?" Bilo je tako ogromno i neizmjerno. On je stavio AI u okvir sličan PICO; Pitanje je "Postoji li veza između dnevnog vremena korištenja Instagrama i kvaliteta sna kod srednjoškolaca od 14-17 godina?" je postao. Pitanje koje je mjerljivo, ograničeno i na koje se može odgovoriti; AI je pomogao da se suzi, učenik je donio odluku.
Slučaj 2 — Upozorenje na zbunjujuću varijablu. Jedan istraživač je postavio hipotezu „online kurs → nisko postignuće“. Pitao je AI o njegovim slabostima; AI nas je podsjetio da socioekonomski status može biti zbunjujuća stvar koja utiče i na tip kursa i na uspjeh. Istraživač to nije znao, ali je preskočio da to doda kao kontrolnu varijablu svom dizajnu. AI je služio kao podsjetnik; on je sam doneo metodološku odluku.
Slučaj 3 — Etička granica. Student je osmišljavao anketu o osjetljivom pitanju (upotreba supstanci) i pitao YZ: "Hoće li ova anketa proći etičku komisiju?" upitao je. AI je naveo opšta načela (pristanak, anonimnost, pravo na odustajanje), ali učenik ovo nije zamijenio za pristanak; Prava etička komisija se prijavila i odbor je tražio ispravke u dva člana. AI je pomogao u izradi, odbor je donio odluku.
Predlošci koji se mogu kopirati
1) Sužavanje pitanja:
Vaša uloga: konsultant za metodologiju. Moje široko područje interesovanja je: "[tema]". Suzite ovo na 3 fokusirana, mjerljiva alternativna istraživačka pitanja. Za svaki navedite uzorak, ključne varijable i mogući dizajn. Ovo su opcije; Ja ću odlučiti.
2) Hipoteza i višeznačna odrednica varijable:
Moje istraživačko pitanje: "[pitanje]". Predložite mi (a) provjerljivu hipotezu, (b) nezavisne/zavisne/kontrolne varijable, (c) operativnu (mjerljivu) definiciju za svaku varijablu. Također navedite moguće zbunjujuće varijable. Razgovarajte o opcijama, odluka je moja.
3) Poređenje uzoraka:
Uporedite dizajne kvantitativnih, kvalitativnih i mješovitih metoda za "[pitanje]" u tabeli: uklapanje, snaga, granica, potrebni resursi. Nemojte sigurno reći "izaberite ovo"; Recite mi prednosti i nedostatke, ja ću odlučiti.
4) Lista prijetnji valjanosti/pouzdanosti:
Navedite sljedeće prijetnje dizajna po internu valjanost, vanjsku valjanost i pouzdanost i predložite moguću protumjeru za svaku. Dizajn: [sažeti]. Ovo će biti moja kontrolna lista; Ja donosim odluku.
Slaba prompt / Jaka prompt
Slab upit:
Dajte mi istraživački dizajn.
Nema tema, pitanja, oblasti i ograničenja; AI stvara uobičajen, beskorisni šablon.
Snažan upit:
Vaša uloga: iskusan metodolog u obrazovnim naukama. Moje pitanje: "Uticaj kombinovanog učenja na postignuća iz nauke u 7. razredu". Za kvazi-eksperimentalni dizajn: razgovarajte o odgovarajućoj strategiji kontrolne grupe, vrsti mjernih instrumenata, mogućim zbunjujućim faktorima i internim prijetnjama valjanosti kao OPCIJAMA. Recite koje su informacije potrebne za analizu snage; Izračunat ću broj sa benG*Power. Označite tačke koje zahtijevaju etičko odobrenje.
Dizajnerska odluka
Uloga AI
Čija odgovornost
Suzite pitanje
proizvodi alternative
Istraživač bira
Hipoteza/varijabla
Nacrt + podsjetnik
Istraživač definiše
Izbor uzorka
upoređuje
Istraživač odlučuje
veličina uzorka
Formula podsjeća
Potvrđeno softverom
Etičko odobrenje
asistent pri nacrtu
Samo etički komitet
Uobičajene greške
- Natjerati AI da odabere uzorak. Metodološka odluka pripada istraživaču; AI predlaže, vi birate.
- Zaobilazeći etički odbor. AI ne može reći "etički"; Odobrenje dolazi od etičkog odbora institucije.
- Ignorisanje miksera. Ako kontrolne varijable nisu planirane, rezultat se ne može tumačiti.
- Dobivanje tačnog broja uzoraka od AI. Provjerite analizu snage odgovarajućim softverom.
- Ne sužavajući pitanje. Nemjerljivo široko pitanje znači studiju koja se ne može osmisliti.
Oprez: Metoda koju predlaže AI možda nije standardna u vašoj oblasti. Uporedite svaku preporuku sa metodološkim resursima u vašoj oblasti (udžbenik, konsultant, slične publikacije); AI govori općenito, konvencije domena su specifične.
Ukratko
Dizajn istraživanja je lanac koji ide od zaoštravanja pitanja do uzorkovanja i etike. AI je moćan misaoni partner koji proizvodi opcije u svakoj karici ovog lanca i podsjeća na slijepe tačke; pojašnjava hipotezu, upoređuje obrasce, navodi prijetnje. Ali odgovornost za odabir dizajna, potvrdu uzorka i posebno etičko odobrenje pripada istraživaču i etičkom komitetu. Najkraće pravilo: izbor je od AI, metodološka i etička odluka je od vas.
Zadatak aplikacije
Dobijte vlastitu ideju za istraživanje. Uz AI, suzite ga na 3 fokusirana pitanja i odaberite jedno. Generirajte hipoteze, varijable i operativne definicije za pitanje koje ste odabrali i ispravite ih u skladu sa svojim poljem. Zatražite kvantitativno/kvalitativno/mješovito poređenje dizajna i obrazložite koji ste odabrali i zašto u odlomku. Označite tačke koje zahtijevaju etičko odobrenje.
kontrolna lista
- [ ] Da li sam mjerljivo suzio svoje istraživačko pitanje?
- [ ] Da li sam pojasnio hipoteze i varijable sa operativnim definicijama?
- [ ] Jesam li planirao zbunjujuće varijable?
- [ ] Jesam li odabrao uzorak iz vlastitih razloga?
- [ ] Jesam li odredio tačke koje zahtijevaju odobrenje etičkog odbora?