Gevinster:
- Evne til at opdage førende, dobbelte og tvetydige fælder i undersøgelsesspørgsmål og forbinde hvert spørgsmål med et koncept
- Evne til at udføre rigtige statistiske beregninger i et program og kun bruge kunstig intelligens til metodevalg og fortolkning
- Evne til at skelne statistisk signifikans fra praktisk signifikans og kontrollere testantagelser
Kvantitativ forskning er en tilgang, der måler sociale fænomener med tal og analyserer dem med statistik: den søger svar på spørgsmål som hvor mange mennesker, med hvilken hastighed, hvilken forskel er der mellem hvilke grupper. Det mest almindelige værktøj til denne tilgang er undersøgelsen - en metode til at indsamle sammenlignelige data fra et stort antal mennesker ved hjælp af standardspørgsmål. At opsætte en god undersøgelse og analysere indgående data korrekt kræver dygtighed; Et dårligt spørgsmål ødelægger resultatet lige fra begyndelsen. I denne enhed lærer du, hvordan du bruger AI til at designe undersøgelsesspørgsmål, konstruere skalaer (svarmuligheder, der vurderer en holdning, f.eks. "meget enig ... meget uenig") og analysere indgående data; men du vil lære, hvorfor du skal bevare statistisk dømmekraft.
Der, hvor AI er mest værdifuldt i kvantitativ analyse, er ikke i selve beregningen, men i at forklare, hvordan man laver beregningen, og hvad resultatet betyder. AI kan skitsere analysekode for dig (f.eks. kommandoer til at køre i R eller Python), forklare i almindeligt sprog, hvornår du skal bruge en statistisk test, og hjælpe dig med at fortolke outputtet. Men stol aldrig på de tal, AI'en genererer "fra toppen af dit hoved" i tekst: en sprogmodel er ikke en lommeregner og kan producere den forkerte middelværdi, procentdel eller p-værdi. Selve beregningen foretages i et rigtigt statistikprogram.
Trin for trin: fra undersøgelse til anmeldelse
1. Knyt hvert spørgsmål til et koncept. Hvert spørgsmål, du stiller i undersøgelsen, skal måle et begreb i dit forskningsspørgsmål. Tilføj ikke spørgsmål, bare fordi "det ville være interessant." AI hjælper dig med at tjekke koncept-spørgsmålsmappingen i en tabel.
2. Luk dårlige spørgsmål ud. Førende ("Er du tilfreds med denne fantastiske service?"), dobbeltspørgsmål ("Var tjenesten hurtig og billig?"), vage ("Kan du lide det ofte?") spørgsmål forvrænger dataene. AI er god til at markere disse faldgruber i dit udkast til undersøgelse.
3. Etabler skalaen konsekvent. Hvis du bruger en Likert-skala (en 5- eller 7-punkts overensstemmelsesskala), skal du holde retningen og vurderingerne konsekvente gennem hele undersøgelsen. AI fanger uoverensstemmelser.
4. Ryd data. Indgående data kan indeholde manglende svar, uoverensstemmelser eller to registreringer af den samme person. AI kan liste oprydningstrin og udkast til kode; Du bestemmer.
5. Vælg den korrekte test og FORTOLK den. Sammenligner du to grupper og leder efter et forhold? AI forklarer, hvilken test der er passende; Det er din opgave at køre testen i programmet og læse og give mening i outputtet.
Bemærk: Fortæl ikke AI "beregn gennemsnittet af disse data" og skriv det resulterende tal direkte ind i rapporten. Sprogmodellen laver fejl i regnestykket. Få foretaget beregningen i et regneark eller statistikprogram; Brug kun AI til dens metode og fortolkning.
tre minisager
Tilfælde 1 — Førende spørgsmål rettet. Et udkast til undersøgelse spurgte "Hvor tilfreds er du med transportservicen i vores succesrige kommune?" Han havde et spørgsmål. AI markerede, at adjektivet "succesfuld" skubbede svaret til det positive. Spørgsmålet er "Hvordan vurderer du kommunens befordringsservice?" blev neutraliseret, og resultaterne var mere afbalancerede.
Tilfælde 2 — AI fejlberegning fanget. En forsker indsatte 300 linjer med data som tekst i AI og sagde "find gennemsnitsalderen"; YZ sagde 34.2. Når de samme data blev lagt ind i en tabel, var det faktiske gennemsnit 31,7. AI’en havde beregnet forkert i teksten; Det blev rettet, da kontoen blev flyttet til programmet.
Case 3 — Testudvælgelse afklaret. Et hold ønskede at sammenligne den gennemsnitlige score for to grupper, men vidste ikke, hvilken test de skulle bruge. YZ forklarede, at t-testen (en test, der tester, om forskellen mellem middelværdierne for to grupper er tilfældig) var passende for "to uafhængige grupper, en kontinuerlig variabel", listede hans antagelser og gav et udkast til koden. Holdet kørte testen i programmet og fortolkede resultatet.
Fire kopierbare skabeloner
1) Revision af undersøgelsesspørgsmål:
Gennemgå undersøgelsens spørgsmål nedenfor. Tjek for hvert spørgsmål: er det førende, er det et dobbelt spørgsmål (to ting i ét spørgsmål), er det tvetydigt, er svarmulighederne overlappende/mangler? Giv problemet og en bedre version side om side. Tjek om skalaretningen er konsistent.Spørgsmål: [her]
2) Koncept-spørgsmål kortlægningstabel:
Mit forskningsspørgsmål: [spørgsmål]. Mine nøglebegreber: [liste]. Arranger følgende undersøgelsesspørgsmål i en tabel: hvilket koncept måler hvert spørgsmål? Marker spørgsmål, der ikke har forbindelse til noget begreb ("ekstra") og begreber, der ikke har nogen spørgsmål ("tomgang"). Afstemning: [her]
3) Dataoprydningsplan (kodeudkast):
Jeg har et undersøgelsesdatasæt med følgende variabler: [variabler]. Giv mig en tjekliste til udrensning af data og kodeudkast MED KOMMENTARELINJER for [R/Python]: manglende data, afvigelser, duplikerede poster, inkonsekvent kodning. Jeg vil køre koden og verificere outputtet; Gør ikke regnestykket.
4) Statistisk kommentar (jeg lavede beregningen):
Jeg kørte et [testnavn] og fik følgende output: [output]. Fortolk dette resultat i almindeligt sprog: hvad det betyder i praksis, skeln mellem statistisk signifikans og praktisk signifikans, og mind dig om, hvilke antagelser der skal kontrolleres. Overdriv ikke resultatet; Fortæl mig også dine grænser.
Svag prompt / Stærk prompt
Svag prompt:
Beregn gennemsnittet af grupperne i disse data, og fortæl hvilken der er højere. [500 linjer med data]
AI forsøger at beregne i teksten og kan producere forkerte tal. Desuden er det upålideligt at besvare spørgsmålet "Er der en signifikant forskel" uden statistisk test.
Kraftig prompt:
Jeg vil sammenligne scoren for to grupper: en kontinuerlig variabel, to uafhængige grupper. (1) Hvilken statistisk test er passende og hvorfor? (2) Hvad er dens antagelser? (3) Kommentarkodeudkast til [R/Python]. Jeg vil lave beregningen i programmet; Du giver bare metoden og koden, generer ikke tal.
Forskellen: AI bruges ikke længere som en upålidelig lommeregner, men som en pålidelig metoderådgiver.
Arbejdsdeling i kvantitative opgaver
Quest
Er AI sikker?
Sådan bruges
Spørgsmål design audit
Ja
Afmærkning af fælder
Skala konsistens
Ja
tjekliste
Data clearing kode
Ja (udkast)
Du kører koden
In-tekst konto
nej
Aldrig stole på
Testvalg
Ja
Forklar metoden
Afsluttende kommentar
Ja (support)
Det er op til dig at bedømme
Almindelige fejl
- Direkte ved hjælp af nummeret genereret af AI. Sprogmodellen er forkert i aritmetikken; Lav beregningen ind i programmet.
- At stille et ledende spørgsmål. Adjektiver og antagelser fordrejer svaret.
- Forveksler statistisk signifikans med praktisk signifikans. "Betydende" kan endda være en lille forskel; Se på størrelsen.
- Springer antagelserne over. Hver test har forudsætninger; Kommenter ikke uden at tjekke.
- Stiller ekstra spørgsmål. Hvert undersøgelsesspørgsmål bør være knyttet til et koncept; resten puster dataene op.
Sammenfattende
AI i kvantitativ forskning; Han er en stærk konsulent i at fange faldgruberne ved undersøgelsesspørgsmål, kortlægning af koncept-spørgsmål, udarbejdelse af datarensning og analysekode og fortolkning af resultatet i almindeligt sprog. Men lad aldrig AI udføre selve beregningen; Sprogmodellen er ikke en lommeregner. Du vælger testen, men du kører den i programmet, læser outputtet og skelner mellem statistisk signifikans og praktisk signifikans. AI fremskynder metoden; Ansvaret for spørgsmålet og kommentaren er dit.
Ansøgningsopgave
Skriv et udkast til undersøgelse med 10 spørgsmål. Få AI-flaget og ret ledende, duplikerede og tvetydige spørgsmål med skabelonen "Revision af afstemningsspørgsmål". Opret derefter et lille eksempeldatasæt (20-30 rækker) og beregn det faktiske gennemsnit og procenter i et regnearksprogram; Giv de samme data til AI som tekst, sammenlign dem med de resulterende tal og rapporter forskellen. Få endelig et testoutput fortolket med skabelonen "statistikfortolkning".
tjekliste
- [ ] Jeg knyttede hvert undersøgelsesspørgsmål til et koncept.
- [ ] Jeg eliminerede ledende, dobbelte og tvetydige spørgsmål.
- [ ] Jeg lavede selve beregningen i statistikprogrammet, ikke AI.
- [ ] Jeg tjekkede testantagelserne.
- [ ] Jeg skelnede statistisk signifikans fra praktisk signifikans.