Μονάδες
1. Τεχνητή Νοημοσύνη στην Ακαδημαϊκή Έρευνα: Ρόλοι, Όρια, Επικύρωση και Ακαδημαϊκή Ακεραιότητα 2. Στρατηγική αναζήτησης λογοτεχνίας: Λέξη-κλειδί, δυαδική αναζήτηση και εύρος 3. Ανάγνωση και σύνοψη άρθρου: Σύνθεση, κριτική ανάγνωση και μήτρα λογοτεχνίας 4. Υποστήριξη Ερευνητικού Σχεδιασμού: Ερώτηση, Υπόθεση, Μέθοδος και Δείγμα 5. Υποστήριξη Ανάλυσης Δεδομένων: Κώδικας, Στατιστικής Ερμηνείας και Ποιοτικής Κωδικοποίησης 6. Ακαδημαϊκή Γραφή: IMRaD Structure, Outline, and Argument Building 7. Γλώσσα, ύφος και οργάνωση: Ακαδημαϊκός τόνος, απλοποίηση και μετάφραση 8. Αναφορά και Βιβλιογραφία: Στυλ, Εργαλεία Διαχείρισης και Κίνδυνος Φανταστικής Αναφοράς 9. Επιλογή και υποβολή περιοδικού: Συμμόρφωση με το πεδίο εφαρμογής, Predatory Journal και Διαδικασία αξιολόγησης από ομοτίμους 10. Λογοκλοπή, Δεοντολογία Δημοσιεύσεων και Διαφάνεια ΤΝ 11. Πρωτόκολλο ροής εργασιών έρευνας και επαλήθευσης από άκρο σε άκρο
Μονάδα 4 / 11

Υποστήριξη Ερευνητικού Σχεδιασμού: Ερώτηση, Υπόθεση, Μέθοδος και Δείγμα

Κέρδη:

  • Ικανότητα χρήσης τεχνητής νοημοσύνης ως συνεργάτη σκέψης για την όξυνση του ερευνητικού ερωτήματος, τη δημιουργία υποθέσεων και ορισμού μεταβλητών και επιλογών μεθόδων
  • Δυνατότητα λήψης ποσοτικών, ποιοτικών και μικτών επιλογών σχεδίασης, δειγματοληψίας και εγκυρότητας-αξιοπιστίας από την τεχνητή νοημοσύνη και αξιολόγηση τους σύμφωνα με το πεδίο και τους ηθικούς κανόνες τους.
  • Ικανότητα κατανόησης ότι η ευθύνη των μεθοδολογικών αποφάσεων και της επιτροπής δεοντολογίας (IRB) ανήκει στον ερευνητή και ότι η πρόταση τεχνητής νοημοσύνης είναι μόνο ένα προσχέδιο.

Αφού γνωρίσετε τη βιβλιογραφία, ήρθε η ώρα να σχεδιάσετε τη δική σας μελέτη. Ο σχεδιασμός της έρευνας είναι η διαδικασία έναρξης με μια ερώτηση και μετατροπής της σε μια μετρήσιμη, απαντήσιμη μελέτη: όξυνση της ερώτησης, δημιουργία υπόθεσης, καθορισμός μεταβλητών, επιλογή του κατάλληλου σχεδιασμού και μεθόδου, προσδιορισμός του δείγματος, εξέταση εγκυρότητας και αξιοπιστίας. Αυτό είναι το πιο απαιτητικό διανοητικά μέρος της έρευνας και η τεχνητή νοημοσύνη μπορεί να είναι ένας ισχυρός συνεργάτης σκέψης εδώ — δημιουργώντας επιλογές, προκαλώντας τυφλά σημεία, συγκρίνοντας εναλλακτικές. Αλλά ο βασικός κανόνας αυτής της ενότητας είναι σαφής: Οι μεθοδολογικές αποφάσεις και η ηθική ευθύνη ανήκουν στον ερευνητή. Το AI παρέχει μόνο επιλογές για αξιολόγηση.

Από ερώτηση σε υπόθεση

Μια καλή ερευνητική ερώτηση είναι εστιασμένη, απαντήσιμη και πρωτότυπη. Ένα κοινό πλαίσιο είναι το PICO σε πειραματικές/κλινικές μελέτες: Πληθυσμός, Παρέμβαση, Σύγκριση, Έκβαση. Στις κοινωνικές επιστήμες, το ερώτημα γενικά τίθεται ως σχέση μεταξύ μεταβλητών. Η τεχνητή νοημοσύνη σάς βοηθά να περιορίσετε μια ευρεία ερώτηση και προτείνει διάφορες εναλλακτικές συνθέσεις.

Μια υπόθεση είναι ο μετασχηματισμός του προβλήματος σε μια ελεγχόμενη πρόβλεψη. συνήθως περιλαμβάνει μια κατεύθυνση (το «Χ αυξάνει το Υ»). Οι μεταβλητές είναι τα πράγματα που μετράτε: ανεξάρτητη μεταβλητή (την οποία επηρεάζετε), εξαρτημένη μεταβλητή (το αποτέλεσμα που μετράτε), μεταβλητές ελέγχου (τις οποίες κρατάτε σταθερές). Το AI είναι χρήσιμο για την όξυνση της υπόθεσης, την απόσταξη των μεταβλητών σε λειτουργικούς ορισμούς (μετρήσιμους ορισμούς) και την ανάκληση πιθανών συγχυτικών παραγόντων (ο τρίτος παράγοντας που επηρεάζει κρυφά το αποτέλεσμα).

Υπόδειξη: Πείτε στην τεχνητή νοημοσύνη «δώστε επίσης επιχειρήματα για να καταρρίψετε αυτήν την υπόθεση». Είναι πολύτιμο να δείτε νωρίς τις αδυναμίες του σχεδίου σας, ώστε να μπορείτε να μάθετε τώρα και όχι κατά τη διαδικασία του διαιτητή.

Σχεδιασμός, δείγμα και εγκυρότητα

Ο σχεδιασμός της έρευνας είναι πώς θα συλλεχθούν και θα δομηθούν τα δεδομένα για να απαντήσουν στην ερώτησή σας. Υπάρχουν τρεις ευρείες οικογένειες: ποσοτική (αριθμητικά δεδομένα, στατιστικός έλεγχος - πειραματικό, οιονεί πειραματικό, συσχετιστικό, έρευνα), ποιοτική (κείμενο/παρατήρηση, νόημα και εμπειρία - συνέντευξη, μελέτη περίπτωσης, φαινομενολογία, θεμελιωμένη θεωρία) και μικτή μέθοδος (συνδυασμός των δύο). Η τεχνητή νοημοσύνη μπορεί να συγκρίνει κάθε μοτίβο με τα πλεονεκτήματα και τα μειονεκτήματά του και να συζητήσει ποιο μπορεί να ταιριάζει καλύτερα στην ερώτησή σας. αλλά η τελική επιλογή είναι δική σας, με βάση τις πηγές σας, την παράδοση στον τομέα και τη φύση της ερώτησής σας.

Το δείγμα είναι το υποσύνολο από το σύμπαν σας που εξετάζετε. Ποσοτικά, το μέγεθος του δείγματος υπολογίζεται με ανάλυση ισχύος—το μικρότερο δείγμα που απαιτείται για να καταγραφεί ένα στατιστικά σημαντικό αποτέλεσμα. Το AI υπενθυμίζει τον τύπο και τις υποθέσεις, αλλά θα πρέπει να επιβεβαιώσετε τον αριθμό με ένα λογισμικό (όπως το GPower). Η εγκυρότητα (μετράτε πραγματικά αυτό που μετράτε) και η αξιοπιστία* (μπορεί να επαναληφθεί η μέτρηση) αποτελούν διασφάλιση ποιότητας του σχεδιασμού. Η τεχνητή νοημοσύνη καταγράφει τις απειλές, παίρνετε προφυλάξεις.

Το πιο κρίσιμο σημείο είναι η ηθική. Οποιαδήποτε μελέτη που περιλαμβάνει συμμετέχοντες ανθρώπους ή ζώα απαιτεί έγκριση από την επιτροπή δεοντολογίας (IRB): ενημερωμένη συγκατάθεση, εμπιστευτικότητα, μη κακοήθεια. Η τεχνητή νοημοσύνη μπορεί να σας βοηθήσει να συντάξετε μια αίτηση επιτροπής δεοντολογίας, αλλά ποτέ δεν υποκαθιστά την έγκριση και την ηθική ευθύνη. Η τεχνητή νοημοσύνη δεν μπορεί να πει "αυτός ο σχεδιασμός είναι ηθικός". Αυτό αποφασίζεται από την επιτροπή δεοντολογίας του ιδρύματός σας.

Μικτή μέθοδος λογική και προεγγραφή

Ένα σημαντικό ερώτημα κατά την επιλογή μιας μικτής μεθόδου είναι γιατί και πώς να συνδυάσετε τους δύο τύπους δεδομένων. Το να λέμε απλά «πραγματοποίησα και έρευνα και συνέντευξη» δεν είναι μικτή μέθοδος. Το σχέδιο πρέπει να έχει λογική. Τα κοινά σχέδια περιλαμβάνουν διερευνητικά διαδοχικά (πρώτα ποσοτικά, μετά ποιοτικά για να εμβαθύνουν τα ευρήματα), διερευνητικά διαδοχικά (πρώτα ποιοτικά, μετά ανάπτυξη κλίμακας και ποσοτικές δοκιμές) και ταυτόχρονα ένθετα σχέδια. Η τεχνητή νοημοσύνη μπορεί να συγκρίνει αυτά τα μοτίβα σύμφωνα με την ερώτησή σας και να συζητήσει ποιο ταιριάζει στη λογική ενσωμάτωσης. αλλά η επιλογή εξαρτάται από το τι πραγματικά απαιτεί η ερώτησή σας.

Ένα ισχυρό εργαλείο για τη μεθοδολογική ακεραιότητα είναι η προκαταχώριση: καταχώριση της υπόθεσής σας, των μεταβλητών και του σχεδίου ανάλυσης σε ένα ανοιχτό αποθετήριο (όπως το OSF) πριν από τη συλλογή δεδομένων. Αυτό αποτρέπει το εκ των υστέρων κυνήγι (HARKing — σχηματισμός υποθέσεων αφού δείτε το αποτέλεσμα) και αυξάνει την αξιοπιστία της μελέτης σας. Η τεχνητή νοημοσύνη μπορεί να σας βοηθήσει να δημιουργήσετε ένα προσχέδιο της φόρμας προεγγραφής και να εντοπίσετε τυχόν ασάφειες στο σχέδιό σας. Ωστόσο, κάθε απόφαση που καταγράφετε είναι δική σας και είναι δική σας ευθύνη να την τηρήσετε μετά την εγγραφή.

τρεις μίνι θήκες

Περίπτωση 1 — Περιορισμός της ερώτησης. Η ερώτηση ενός μεταπτυχιακού φοιτητή ήταν «Πώς επηρεάζουν τα μέσα κοινωνικής δικτύωσης τους νέους;». Ήταν τόσο απέραντο και αμέτρητο. Έβαλε την τεχνητή νοημοσύνη σε ένα πλαίσιο παρόμοιο με το PICO. Το ερώτημα είναι «Υπάρχει σχέση μεταξύ του ημερήσιου χρόνου χρήσης του Instagram και της ποιότητας ύπνου σε μαθητές λυκείου 14-17 ετών;». έχει γίνει. Μια μετρήσιμη, περιορισμένη και απαντώμενη ερώτηση. Το AI βοήθησε να περιοριστεί, ο μαθητής πήρε την απόφαση.

Περίπτωση 2 — Προειδοποίηση συγχυτικής μεταβλητής. Ένας ερευνητής υπέθεσε «διαδικτυακό μάθημα → χαμηλή επίδοση». Ρώτησε το AI για τις αδυναμίες του. Η τεχνητή νοημοσύνη μας υπενθύμισε ότι η κοινωνικοοικονομική κατάσταση μπορεί να είναι ένας παράγοντας σύγχυσης που επηρεάζει τόσο τον τύπο μαθημάτων όσο και την επιτυχία. Ο ερευνητής δεν το γνώριζε αυτό, αλλά παρέλειψε να το προσθέσει ως μεταβλητή ελέγχου στο σχέδιό του. Το AI χρησίμευσε ως υπενθύμιση. πήρε τη μεθοδολογική απόφαση μόνος του.

Περίπτωση 3 — Ηθικό όριο. Ένας μαθητής σχεδίαζε μια έρευνα για ένα ευαίσθητο θέμα (χρήση ουσίας) και ρώτησε τον YZ, "Θα περάσει αυτή η έρευνα στην επιτροπή δεοντολογίας;" ρώτησε. Το AI απαρίθμησε γενικές αρχές (συγκατάθεση, ανωνυμία, δικαίωμα υπαναχώρησης), αλλά ο μαθητής δεν το αντικατέστησε με τη συγκατάθεση. Η πραγματική επιτροπή δεοντολογίας έκανε αίτηση και το διοικητικό συμβούλιο ζήτησε διορθώσεις σε δύο άρθρα. Η τεχνητή νοημοσύνη βοήθησε στη σύνταξη, το διοικητικό συμβούλιο πήρε την απόφαση.

Αντιγράψιμα πρότυπα

1) Περιορίζοντας την ερώτηση:

Ο ρόλος σας: σύμβουλος μεθοδολογίας. Το ευρύ πεδίο ενδιαφέροντός μου είναι: "[θέμα]". Περιορίστε το σε 3 εστιασμένες, μετρήσιμες εναλλακτικές ερευνητικές ερωτήσεις. Για καθένα, καθορίστε το δείγμα, τις βασικές μεταβλητές και τον πιθανό σχεδιασμό. Αυτές είναι οι επιλογές. θα αποφασίσω.

2) Υπόθεση και αποσαφήνιση μεταβλητής:

Το ερευνητικό μου ερώτημα: «[ερώτηση]». Προτείνετε μου (α) μια ελεγχόμενη υπόθεση, (β) ανεξάρτητες/εξαρτώμενες/μεταβλητές ελέγχου, (γ) λειτουργικό (μετρήσιμο) ορισμό για κάθε μεταβλητή. Αναφέρετε επίσης πιθανές συγχυτικές μεταβλητές. Συζητήστε τις επιλογές, η απόφαση είναι δική μου.

3) Σύγκριση προτύπων:

Συγκρίνετε σχέδια ποσοτικών, ποιοτικών και μικτών μεθόδων για την "[ερώτηση]" σε έναν πίνακα: προσαρμογή, δύναμη, όριο, απαιτούμενος πόρος. Μην πείτε "διαλέξτε αυτό" σίγουρα. Δώσε μου τα υπέρ και τα κατά, θα κάνω την επιλογή.

4) Λίστα απειλών εγκυρότητας/αξιοπιστίας:

Καταγράψτε τις απειλές του παρακάτω σχεδίου για την εσωτερική εγκυρότητα, την εξωτερική εγκυρότητα και την αξιοπιστία και προτείνετε ένα πιθανό αντίμετρο για καθεμία. Σχεδιασμός: [συνοπτική]. Αυτά θα είναι η λίστα ελέγχου μου. Παίρνω την απόφαση.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Δώστε μου ένα σχέδιο έρευνας.

Δεν υπάρχουν θέματα, ερωτήσεις, τομείς και περιορισμοί. Το AI δημιουργεί ένα κοινό, άχρηστο πρότυπο.

Ισχυρή προτροπή:

Ο ρόλος σας: έμπειρος μεθοδολόγος στις επιστήμες της εκπαίδευσης. Η ερώτησή μου: «Η επίδραση της μικτής μάθησης στην επίδοση των Φυσικών Επιστημών της 7ης τάξης». Για έναν οιονεί πειραματικό σχεδιασμό: συζητήστε την κατάλληλη στρατηγική ομάδας ελέγχου, τον τύπο των οργάνων μέτρησης, τους πιθανούς συγχυτικούς παράγοντες και τις εσωτερικές απειλές εγκυρότητας ως ΕΠΙΛΟΓΕΣ. Πείτε ποιες πληροφορίες χρειάζονται για την ανάλυση ισχύος. Θα υπολογίσω τον αριθμό με το benG*Power. Σημειώστε σημεία που απαιτούν ηθική έγκριση.

Απόφαση σχεδιασμού

Ο ρόλος της AI

Ποιανού ευθύνη

Περιορίστε την ερώτηση

παράγει εναλλακτικές

Ο ερευνητής επιλέγει

Υπόθεση/μεταβλητή

Πρόχειρο + υπενθύμιση

Ο ερευνητής ορίζει

Επιλογή μοτίβου

συγκρίνει

Ο ερευνητής αποφασίζει

μέγεθος δείγματος

Η φόρμουλα θυμίζει

Επιβεβαιώθηκε από το λογισμικό

Ηθική έγκριση

πρόχειρος βοηθός

Μόνο επιτροπή δεοντολογίας

Συνήθη λάθη

  • Κάνοντας το AI να επιλέξει το μοτίβο. Η μεθοδολογική απόφαση ανήκει στον ερευνητή. Το AI προτείνει, εσείς επιλέξτε.
  • Παράκαμψη του πίνακα δεοντολογίας. Η τεχνητή νοημοσύνη δεν μπορεί να πει "ηθική". Η έγκριση προέρχεται από την επιτροπή δεοντολογίας του ιδρύματος.
  • Αγνοώντας τα μίξερ. Εάν δεν έχουν προγραμματιστεί μεταβλητές ελέγχου, το αποτέλεσμα δεν μπορεί να ερμηνευτεί.
  • Λήψη του ακριβούς αριθμού δειγμάτων από AI. Επαληθεύστε την ανάλυση ισχύος με κατάλληλο λογισμικό.
  • Χωρίς να περιορίζω την ερώτηση. Μια αμέτρητα ευρεία ερώτηση σημαίνει μια μελέτη που δεν μπορεί να σχεδιαστεί.
Προσοχή: Μια μέθοδος που προτείνεται από την τεχνητή νοημοσύνη μπορεί να μην είναι τυπική στον τομέα σας. Συγκρίνετε κάθε σύσταση με πόρους μεθοδολογίας στον τομέα σας (εγχειρίδιο, σύμβουλος, παρόμοιες δημοσιεύσεις). Το AI μιλάει γενικά, οι συμβάσεις τομέα είναι συγκεκριμένες.

Συνοπτικά

Ο σχεδιασμός της έρευνας είναι μια αλυσίδα που πηγαίνει από την όξυνση του ερωτήματος στη δειγματοληψία και την ηθική. Το AI είναι ένας ισχυρός συνεργάτης σκέψης που παράγει επιλογές σε κάθε κρίκο αυτής της αλυσίδας και θυμίζει τυφλά σημεία. διευκρινίζει την υπόθεση, συγκρίνει πρότυπα, παραθέτει απειλές. Όμως η ευθύνη για την επιλογή σχεδίου, την επιβεβαίωση του δείγματος και κυρίως την ηθική έγκριση ανήκει στον ερευνητή και στην επιτροπή δεοντολογίας. Ο πιο σύντομος εμπειρικός κανόνας: η επιλογή είναι από την τεχνητή νοημοσύνη, η μεθοδολογική και ηθική απόφαση είναι από εσάς.

Εργασία εφαρμογής

Πάρτε τη δική σας ερευνητική ιδέα. Με το AI, περιορίστε το σε 3 εστιασμένες ερωτήσεις και επιλέξτε μία. Δημιουργήστε υποθέσεις, μεταβλητές και λειτουργικούς ορισμούς για την ερώτηση που έχετε επιλέξει και διορθώστε τις ανάλογα με το πεδίο σας. Ζητήστε μια ποσοτική/ποιοτική/μικτή σύγκριση σχεδιασμού και αιτιολογήστε ποια από αυτές επιλέξατε και γιατί σε μια παράγραφο. Σημειώστε σημεία που απαιτούν ηθική έγκριση.

λίστα ελέγχου

  • [ ] Έχω περιορίσει μετρήσιμα το ερευνητικό μου ερώτημα;
  • [ ] Έχω διευκρινίσει τις υποθέσεις και τις μεταβλητές με λειτουργικούς ορισμούς;
  • [ ] Έχω προγραμματίσει συγχυτικές μεταβλητές;
  • [ ] Επέλεξα το μοτίβο για δικούς μου λόγους;
  • [ ] Έχω καθορίσει τα σημεία που απαιτούν έγκριση από την επιτροπή δεοντολογίας;