zisky:
- Schopnost odhalit vedoucí, dvojité a nejednoznačné pasti v otázkách průzkumu a spojit každou otázku s konceptem
- Schopnost provádět skutečné statistické výpočty v programu a používat umělou inteligenci pouze pro výběr a interpretaci metod
- Schopnost odlišit statistickou významnost od praktické významnosti a zkontrolovat předpoklady testu
Kvantitativní výzkum je přístup, který měří sociální jevy pomocí čísel a analyzuje je pomocí statistik: hledá odpovědi na otázky, jako kolik lidí, v jakém poměru, jaký je rozdíl mezi kterými skupinami. Nejběžnějším nástrojem tohoto přístupu je průzkum – metoda sběru srovnatelných dat od velkého počtu lidí pomocí standardních otázek. Nastavení dobrého průzkumu a správná analýza příchozích dat vyžaduje dovednost; Špatná otázka kazí výsledek hned od začátku. V této jednotce se naučíte, jak používat umělou inteligenci k navrhování otázek průzkumu, konstrukci škál (možností odpovědí, které hodnotí postoj, např. „rozhodně souhlasím… rozhodně nesouhlasím“) a analyzovat příchozí data; ale dozvíte se, proč byste si měli zachovat statistický úsudek.
Kde je AI v kvantitativní analýze nejcennější, není ve výpočtu samotném, ale ve vysvětlení, jak výpočet provést a co výsledek znamená. Umělá inteligence vám může načrtnout analytický kód (např. příkazy pro spuštění v R nebo Pythonu), vysvětlit srozumitelným jazykem, kdy použít statistický test, a pomoci vám interpretovat výstup. Nikdy však nevěřte číslům, která AI generuje „z hlavy“ v textu: jazykový model není kalkulačka a může produkovat špatný průměr, procento nebo p-hodnotu. Vlastní výpočet se provádí v reálném statistickém programu.
Krok za krokem: od průzkumu k recenzi
1. Propojte každou otázku s konceptem. Každá otázka, kterou zadáte do průzkumu, by měla měřit koncept ve vaší výzkumné otázce. Nepřidávejte otázky jen proto, že „by to bylo zajímavé“. AI vám pomůže zkontrolovat mapování konceptu a otázky v tabulce.
2. Odstraňte špatné otázky. Úvodní („Jste spokojeni s touto skvělou službou?“), dvojotázkové („Byla služba rychlá a levná?“), vágní („Líbilo se vám často?“) otázky zkreslují údaje. Umělá inteligence je dobrá v označování těchto úskalí ve vašem návrhu průzkumu.
3. Důsledně stanovujte měřítko. Pokud používáte Likertovu škálu (5 nebo 7 bodová škála souhlasu), udržujte směr a hodnocení konzistentní v průběhu průzkumu. AI zachytí nesrovnalosti.
4. Vymažte data. Příchozí data mohou obsahovat chybějící odpovědi, nesrovnalosti nebo dva záznamy o stejné osobě. AI může vypsat kroky čištění a návrh kódu; Vy rozhodnete.
5. Vyberte správný test a INTERPRETUJETE jej. Porovnáváte dvě skupiny a hledáte vztah? AI vysvětluje, který test je vhodný; Vaším úkolem je spustit test v programu a přečíst a porozumět výstupu.
Pozor: Neříkejte AI „vypočítejte průměr těchto dat“ a výsledné číslo zapište přímo do zprávy. Jazykový model dělá chyby v aritmetice. Nechte výpočet provést v tabulkovém procesoru nebo statistickém programu; Používejte AI pouze pro její metodu a interpretaci.
tři mini pouzdra
Případ 1 – Opravena hlavní otázka. Návrh průzkumu se zeptal: "Jak jste spokojeni s dopravní obslužností naší úspěšné obce?" Měl otázku. AI označila, že přídavné jméno „úspěšný“ posunulo odpověď na kladnou. Otázka zní "Jak hodnotíte dopravní obslužnost obce?" byla neutralizována a výsledky byly vyrovnanější.
Případ 2 – Chybný výpočet AI. Výzkumník vložil 300 řádků dat jako text do AI a řekl „najít průměrný věk“; YZ řekl 34.2. Když byly stejné údaje uvedeny do tabulky, skutečný průměr byl 31,7. AI se v textu přepočítala; Bylo to opraveno při přesunu účtu do programu.
Případ 3 – Vyjasnění výběru testu. Jeden tým chtěl porovnat průměrné skóre dvou skupin, ale nevěděl, který test použít. YZ vysvětlil, že t-test (test, který testuje, zda je rozdíl mezi průměry dvou skupin náhodný) je vhodný pro „dvě nezávislé skupiny, spojitá proměnná“, uvedl své předpoklady a poskytl návrh kódu. Tým provedl test v programu a interpretoval výsledek.
Čtyři kopírovatelné šablony
1) Audit otázky průzkumu:
Zkontrolujte níže uvedené otázky průzkumu. U každé otázky zaškrtněte: vede, je to dvojitá otázka (dvě věci v jedné otázce), je nejednoznačná, překrývají se/chybí možnosti odpovědí? Dejte problém a lepší verzi vedle sebe. Zkontrolujte, zda je směr stupnice konzistentní. Otázky: [zde]
2) Tabulka mapování konceptu a otázek:
Moje výzkumná otázka: [otázka]. Moje klíčové pojmy: [seznam]. Uspořádejte následující otázky průzkumu do tabulky: jaký koncept jednotlivé otázky měří? Označte otázky, které nesouvisejí s žádným pojmem („navíc“), a pojmy, které nemají žádné otázky („nečinné“). Anketa: [zde]
3) Plán čištění dat (návrh kódu):
Mám soubor dat průzkumu s následujícími proměnnými: [proměnné]. Dejte mi kontrolní seznam čištění dat a návrh kódu S ŘÁDKY KOMENTÁŘ pro [R/Python]: chybějící data, odlehlé hodnoty, duplicitní záznamy, nekonzistentní kódování. Spustím kód a ověřím výstup; Nepočítat.
4) Statistický komentář (provedl jsem výpočet):
Spustil jsem [název testu] a dostal jsem následující výstup: [výstup]. Interpretujte tento výsledek srozumitelným jazykem: co to znamená v praxi, rozlišujte mezi statistickou významností a praktickou významností a připomeňte si, které předpoklady je třeba zkontrolovat. Nepřehánějte výsledek; Řekni mi také své limity.
Slabá výzva / Silná výzva
Slabá výzva:
Vypočítejte průměry skupin v těchto datech a řekněte, která z nich je vyšší. [500 řádků dat]
Umělá inteligence se pokouší počítat v textu a může vytvářet nesprávná čísla. Navíc je nespolehlivé odpovědět na otázku „Existuje významný rozdíl“ bez statistického testování.
Výkonná výzva:
Chci porovnat skóre dvou skupin: spojitá proměnná, dvě nezávislé skupiny. (1) Který statistický test je vhodný a proč? (2) Jaké jsou jeho předpoklady? (3) Návrh kódu komentáře pro [R/Python]. Výpočet provedu v programu; Stačí zadat metodu a kód, negenerovat čísla.
Rozdíl: AI se již nepoužívá jako nespolehlivá kalkulačka, ale jako spolehlivý poradce metod.
Dělba práce v kvantitativních úkolech
Quest
Je AI bezpečná?
Jak používat
Otázka auditu designu
Ano
Označení pastí
Konzistence měřítka
Ano
kontrolní seznam
Kód pro vymazání dat
Ano (koncept)
Spustíte kód
In-textový účet
ne
Nikdy nedůvěřuj
Výběr testu
Ano
Vysvětlete metodu
Závěrečný komentář
Ano (podpora)
Je na vás, abyste to posoudili
Časté chyby
- Přímo pomocí čísla generovaného AI. Jazykový model je chybný v aritmetice; Proveďte výpočet do programu.
- Položení hlavní otázky. Přídavná jména a domněnky zkreslují odpověď.
- Záměna statistické významnosti s praktickým významem. "Významný" může být i malý rozdíl; Podívejte se na velikost.
- Přeskakování předpokladů. Každý test má předpoklady; Bez kontroly nekomentujte.
- Pokládání doplňujících otázek. Každá otázka průzkumu by měla být spojena s konceptem; zbytek nafukuje data.
V souhrnu
AI v kvantitativním výzkumu; Je silným konzultantem při chytání úskalí průzkumných otázek, mapování pojmových otázek, navrhování kódu pro čištění dat a analýzy a interpretace výsledku srozumitelným jazykem. Ale nikdy nenechte AI provést skutečný výpočet; Jazykový model není kalkulačka. Vyberete si test, ale spustíte ho v programu, přečtete výstup a rozlišujete statistickou významnost a praktickou významnost. AI zrychluje metodu; Odpovědnost za problém a komentář je na vás.
Aplikační úkol
Napište návrh průzkumu s 10 otázkami. Použijte příznak AI a opravte úvodní, duplicitní a nejednoznačné otázky pomocí šablony „Audit dotazovací otázky“. Poté vytvořte malý soubor vzorků dat (20-30 řádků) a vypočítejte skutečný průměr a procenta v tabulkovém procesoru; Zadejte stejná data AI jako text, porovnejte je s výslednými čísly a nahlaste rozdíl. Nakonec si nechte interpretovat výstup testu pomocí šablony „interpretace statistik“.
kontrolní seznam
- [ ] Každou otázku průzkumu jsem propojil s konceptem.
- [ ] Odstranil jsem úvodní, dvojité a nejednoznačné otázky.
- [ ] Skutečný výpočet jsem provedl ve statistickém programu, ne v AI.
- [ ] Zkontroloval jsem předpoklady testu.
- [ ] Rozlišoval jsem statistickou významnost od významnosti praktické.