سود:
- توانایی برنامه ریزی تحقیق به عنوان یک گردش کار شش مرحله ای منسجم از طراحی تا مستندسازی
- امکان تعیین حد استفاده ایمن از هوش مصنوعی در هر مرحله و تأیید خروجی قبلی در انتقال مرحله
- توانایی ایجاد یک پروتکل استفاده مسئولانه در سطح تیم و خود ارزیابی طبق پنج اصل اساسی
در ده بخش قبلی، هوش مصنوعی را در هر مرحله از تحقیقات اجتماعی پوشش دادیم: سؤالات و ادبیات، نمونهگیری، بررسی و تحلیل کمی، کدگذاری کیفی و موضوع، روشهای ترکیبی، تجسم، اخلاق، تکرارپذیری و نوشتن. ما همه را در این واحد نهایی گرد هم می آوریم. هدف این است که مهارتهای فردی را به یک جریان کاری سرتاسر متصل کنیم - فرآیندی سازگار، ایمن و صادقانه از سؤال تحقیق تا یافتههای منتشر شده. ما همچنین از یک فرد فراتر خواهیم رفت و در مورد حکمرانی صحبت خواهیم کرد: قوانین مشترک برای اینکه چگونه یک تیم، یک بخش یا یک موسسه می تواند از هوش مصنوعی به طور مسئولانه در تحقیقات اجتماعی استفاده کند.
ارزش تفکر سرتاسر این است که تصمیمی که در هر مرحله می گیرید بر مرحله بعدی تأثیر می گذارد. یک نمونه مغرضانه را نمی توان حتی با تجزیه و تحلیل کامل نجات داد. یک منبع تایید نشده حتی بهترین نوشته ها را رد می کند. به همین دلیل است که لازم است در هر مرحله از هوش مصنوعی با اصول یکسان استفاده شود: آن را با منابع قدرتمند تغذیه کنید، هر خروجی را تأیید کنید، از قضاوت انسان محافظت کنید، از اخلاق و حریم خصوصی پیشاپیش مراقبت کنید، فرآیند را به طور شفاف مستند کنید. این اصول را می توان در یک جمله خلاصه کرد: هوش مصنوعی به تحقیق سرعت می بخشد، اما جایگزین محقق نمی شود.
گام به گام: جریان انتها به انتها
1. طرح (سوال + اخلاق + نمونه). پرسشهای واضح، تأیید اخلاقیات مجدد و برنامهریزی محرمانگی را تنظیم کنید، و نماینده بودن نمونه را ارزیابی کنید. در این مرحله، هوش مصنوعی به محدود کردن سؤال و غربالگری ریسک اخلاقی کمک می کند.
2. جمع آوری داده ها (نظرسنجی + مصاحبه). یک راهنمای نظرسنجی و مصاحبه قوی آماده کنید. هوش مصنوعی تله سوال را می گیرد. وظیفه جمع آوری داده ها و رابطه شرکت کننده با شماست.
3. پردازش (پاکسازی + کدگذاری + ناشناس سازی). داده ها را ناشناس، تمیز، رمزگذاری کنید. هوش مصنوعی نقشه ها را تولید می کند. شما هر تصمیم و کتاب کد را تایید می کنید.
4. تحلیل (کمی + کیفی + مثلث بندی). آمارها را از طریق برنامه اجرا کنید، تم ها را با نقل قول ها متصل کنید، یافته ها را اعتبارسنجی متقابل کنید. هوش مصنوعی روش را توضیح می دهد، نه محاسبه را.
5. ارائه (تجسم + نوشتن). گرافیک صادقانه و متن اصلی تولید کنید. هر منبع و شماره تایید شده است. نقش هوش مصنوعی اعلام شده است.
6. مستندات (ژورنال + ضبط سریع + اشتراک گذاری). تصمیمات، درخواستها و تبدیلها را مستند کنید و در صورت امکان دادهها و کدهای ناشناس را به اشتراک بگذارید.
نکته: یک چک لیست سرتاسر پشت میز خود نگه دارید. در انتقال هر مرحله بپرسید: "آیا خروجی این مرحله را تایید کرده ام، آیا نمونه/اخلاقی/منبع ایمن هستم، آیا هیچ ردی از خود باقی نگذاشته ام؟" سستی در یک مرحله کل زنجیره را ضعیف می کند.
سه کیف کوچک
مورد 1 - ضعیف ترین حلقه در زنجیره. یک تیم تجزیه و تحلیل کیفی عالی انجام داد، اما نمونه آنها از یک گروه آنلاین بود. مهم نیست چقدر خوب کد میکردند، این یافته در این گروه گیر کرده بود. درس: کیفیت پایان به انتها فقط به اندازه ضعیف ترین مرحله است. سوگیری در طراحی را نمی توان در تحلیل اصلاح کرد.
مورد 2 - حکمرانی تیم کار کرد. یک مرکز تحقیقاتی یک پروتکل مشترک استفاده از هوش مصنوعی برای کل تیم نوشت: کدام ابزار، کدام داده ناشناس، با کدام مرحله تأیید. دستیار تازه وارد از روز اول با رعایت پروتکل با خیال راحت کار کرد. خطاهای شخصی کاهش یافته است.
مورد 3 - زنجیره شفاف اعتماد داور را به دست آورد. یک مقاله گزارش تصمیم گیری، گزارش های سریع و بیانیه هوش مصنوعی را پیوست کرد. داوران توانستند این روند را از ابتدا تا انتها تماشا کنند و با آن موافقت کردند و آن را "قابل تولید و صادقانه" یافتند. شفافیت چسبی بود که تمام مراحل فردی را به هم گره می زد.
چهار قالب قابل کپی
1) تولید چک لیست پایان به انتها:
تحقیقات من مراحل زیر را طی می کند: طراحی، جمع آوری داده ها، پردازش، تجزیه و تحلیل، ارائه، مستندسازی. برای هر مرحله یک چک لیست تهیه کنید: کجا می توانم از هوش مصنوعی در آن مرحله به طور ایمن استفاده کنم، چه خروجی را باید تأیید کنم، چه خطر اخلاقی/حریم خصوصی را باید در نظر بگیرم، چه چیزی را باید مستند کنم؟ آن را در یک جدول بدهید.
2) پیش نویس پروتکل هوش مصنوعی تیم:
یک پروتکل استفاده از هوش مصنوعی برای یک تیم تحقیقاتی اجتماعی تهیه کنید. شامل: ابزارهای تایید شده، قانون ناشناس سازی داده ها، که در آن نقش هوش مصنوعی مجاز/محدود/ممنوع است، مراحل تایید اجباری، قانون اعلام هوش مصنوعی، پاسخگویی. موارد ساده و قابل اجرا بنویسید.
3) کنترل انتقال فاز:
من [فاز X] را تمام کردم، دارم به [فاز Y] می روم. مواردی را که باید قبل از این انتقال بررسی کنم فهرست کنید: آیا خروجی مرحله قبل را تأیید کردهام، آیا خطای (نمونه اشتباه، منبع تأیید نشده، تصمیم ردیابی نشده) دارم که مرحله بعدی را شکسته است؟ آیا من برای انتقال آماده هستم و اگر نه، چه چیزی را باید برطرف کنم؟
4) خودارزیابی استفاده مسئولانه:
تحقیقاتی را که برای استفاده مسئولانه از هوش مصنوعی تکمیل می کنم، حسابرسی کنید. نقاط ضعف را در برابر این پنج اصل امتیاز دهید و به آنها اشاره کنید: (1) تغذیه منبع قوی، (2) اعتبار هر خروجی، (3) حفظ قضاوت انسانی، (4) اخلاقیات و محرمانه بودن، (5) اسناد شفاف. فرآیند: [خلاصه]
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
این تحقیق را از ابتدا تا انتها با هوش مصنوعی انجام دهید و آن را به پایان برسانید.
با این کار تمام مسئولیت ها به مدل منتقل می شود. نتیجه: نمونه مغرضانه، منبع ساختگی، آمار تایید نشده و متن غیرقابل دفاع. هیچ مرحله انتها به انتها ایمن نیست.
اعلان قدرتمند:
من میخواهم تحقیقاتم را از پایان تا پایان برنامهریزی کنم. در هر مرحله (طراحی، دادهها، پردازش، تجزیه و تحلیل، ارائه، مستندسازی)، به عنوان یک نقشه راه برای اینکه کجا میتوانم از هوش مصنوعی به طور ایمن استفاده کنم، در جایی که قضاوت و تأیید انسانی مورد نیاز است، و چه خطرات اخلاقی و حریم خصوصی را باید در نظر بگیرم، عمل میکند. به یاد داشته باشید که من مسئول هستم.
تفاوت: رویکرد دوم هوش مصنوعی را به عنوان یک همراه قرار می دهد. از همان ابتدا می پذیرد که تصمیمات و راستی آزمایی متعلق به انسان است.
خطمشیهای استفاده مسئولانه سرتاسر
اصل
برنامه
در کدام واحد
تغذیه با منبع قدرتمند
داده/منبع خود را ارائه دهید
1، 2
نمونه را استعلام کنید
حسابرسی نمایندگی و جانبداری
3
محاسبه را وارد برنامه کنید
ساختن هوش مصنوعی اعداد تولید می کند
4
وفاداری را حفظ کنید
لینک نقل قول با شماره خط
5
تناقض را باز نگه دارید
مثلث سازی، ارائه صادقانه
6، 7
اول اخلاق و حریم خصوصی
ناشناس، ابزار تأیید شده
8
فرآیند را مستند کنید
دفتر خاطرات، ضبط سریع
9
اصالت را حفظ کنید
منبع، صدای خودتان را تأیید کنید
10
اشتباهات رایج
- در نظر گرفتن مراحل جدا و فراموشی زنجیره. تعصب در یک مرحله کل مطالعه را خراب می کند.
- انتقال مسئولیت به هوش مصنوعی تصمیم، تأیید و اخلاق همیشه بر عهده انسان است.
- هیچ قانون مشترکی در تیم وجود ندارد. استفاده فردی ناسازگاری و خطر ایجاد می کند.
- گذاشتن اسناد برای آخر ردیابی در طول فرآیند حفظ می شود. نمی توان بعداً به خاطر آورد
- وقتی یاد گرفتی و استراحت کردی. استفاده مسئولانه رشتهای است که در هر پروژه دوباره اعمال میشود.
به طور خلاصه
ارزش واقعی هوش مصنوعی در تحقیقات اجتماعی نه در تکالیف فردی، بلکه در یک جریان کاری سازگار و پاسخگو از انتها به انتها رخ می دهد. اصول یکسان را در هر مرحله، از طراحی تا مستندسازی، اعمال کنید: منبع قدرتمند، تأیید هر خروجی، حفظ قضاوت انسانی، اولویت دادن به اخلاق و محرمانگی، مستندسازی شفاف فرآیند. یک پروتکل مشترک در سطح تیم این اصول را دائمی می کند. این زنجیره به اندازه ضعیف ترین حلقه آن قوی است. در هیچ مرحله ای آرام نگیرید. هوش مصنوعی سرعت تحقیق را افزایش می دهد، اما هرگز جایگزین قضاوت، مسئولیت و صداقت محقق نمی شود.
وظیفه کاربردی
یک نقشه راه شش مرحله ای برای پروژه تحقیقاتی خود (واقعی یا برنامه ریزی شده) با یک الگوی "تولید چک لیست پایان به انتها" ایجاد کنید. در هر مرحله، محل استفاده از هوش مصنوعی، آنچه را که تأیید خواهید کرد و چه خطرات اخلاقی/حریم خصوصی را در نظر خواهید گرفت، بنویسید. سپس از الگوی «خودارزیابی استفاده مسئولانه» استفاده کنید تا به خود در برابر پنج اصل امتیاز دهید، دو نقطه ضعف خود را شناسایی کنید و چگونه آنها را تقویت کنید.
چک لیست
- [ ] من این تحقیق را به عنوان یک جریان شش مرحله ای از پایان به انتها برنامه ریزی کردم.
- [ ] من حد استفاده ایمن از هوش مصنوعی را در هر مرحله تعیین کردم.
- [ ] من خروجی قبلی را در هر انتقال مرحله تأیید کردم.
- [ ] رعایت اصول اخلاقی، محرمانه بودن و اسناد در سراسر.
- [ ] من استفاده مسئولانه در برابر پنج اصل را خود ارزیابی کرده ام.
امتحان ماژول
1. کدام یک از موارد زیر دقیق ترین موقعیت برای هوش مصنوعی در جامعه شناسی و تحقیقات اجتماعی است؟
- الف) هوش مصنوعی می تواند به تنهایی و بدون تایید انسان به سوال تحقیق، تفسیر و تصمیم اخلاقی پاسخ دهد.
- ب) هوش مصنوعی فقط در خلاصه سازی متن کار می کند، ربطی به سایر مراحل تحقیق ندارد
- ج) هوش مصنوعی دستیار خلاصه، رونوشت، کد و پیش نویس است. مسئولیت تفسیر، چارچوب و تصمیم اخلاقی بر عهده محقق است ✔
- د) از آنجایی که هوش مصنوعی همیشه بی طرف تر از انسان است، تفسیر را باید کاملاً به آن واگذار کرد.
توضیحات: هوش مصنوعی; یک دستیار است که متون را خلاصه می کند، رونوشت ها را ویرایش می کند، کد پیشنهاد می کند و پیش نویس می نویسد. مسئولیت کارهای حیاتی مانند سؤال تحقیق، چارچوب نظری، قضاوت نمونه، تفسیر و تصمیم اخلاقی به محقق تعلق دارد. یک خروجی تأیید نشده ممکن است به یک مرجع نادرست، آمار ساختگی یا تخصیص نادرست منجر شود.
2. چرا هنگام اسکن متون، گفتن مستقیم به هوش مصنوعی «لیست 10 مقاله مهم در این موضوع با کتابشناسی» خطرناک است؟
- الف) هوش مصنوعی میتواند منابع، نویسندگان و DOIهایی بسازد که واقعی به نظر میرسند اما وجود ندارند. شما باید منبع را از پایگاه داده پیدا کنید ✔
- ب) هوش مصنوعی بسیار کند عمل می کند و هنگام فهرست کردن منابع زمان را تلف می کند
- ج) هوش مصنوعی ادبیات ترکی را از دست می دهد زیرا فقط می تواند منابع انگلیسی را پیدا کند
- د) با تکرار چندین بار هوش مصنوعی یک منبع، این فهرست رشد می کند
توضیحات: بررسی ادبیات وظیفه ای است که در آن هوش مصنوعی بیشترین توهم را ایجاد می کند. می تواند مقالات، نویسندگان و DOIهایی را بسازد که واقعی به نظر می رسند اما وجود ندارند. یافتن منابع کار پایگاه های داده است. هوش مصنوعی فقط باید خلاصه های واقعی را که شما پیدا می کنید ترکیب کند.
3. از نظر کدام مشکل رضایت 78 درصدی در نظرسنجی درج شده در وب سایت شهرداری باید با دقت بیشتری تفسیر شود؟
- الف) محاسبه درصد نادرست است. نرخ رضایت هرگز نمی تواند به صورت یک عدد بیان شود
- ب) از آنجایی که نظرسنجی بسیار طولانی بود، شرکت کنندگان خسته شده و به صورت تصادفی پاسخ دادند
- ج) سنجش رضایت از نظر جامعه شناختی غیرممکن است، بنابراین نتیجه باطل است
- د) نمونه دارای سوگیری انتخاب است. از آنجایی که فقط کاربران سایت می توانند شرکت کنند، این یافته را نمی توان به کل جامعه تعمیم داد
توضیح: نظرسنجی ارسال شده در وب سایت بیش از حد کسانی است که قبلاً از سایت استفاده می کنند (که می توانند به خدمات دسترسی داشته باشند و احتمالاً رضایت بیشتری دارند). این یک سوگیری انتخاب است. این یافته را فقط می توان به «کاربران سایت» تعمیم داد و نه به کل جامعه.
4. چرا نمیتوان یک مجموعه داده 300 ردیفی را به عنوان متن چسباند و به هوش مصنوعی گفت که میانگین را محاسبه کند؟
- الف) از آنجایی که هوش مصنوعی فقط می تواند تا 100 خط داده را بخواند، تعداد بیشتری را دور می اندازد
- ب) مدل زبان یک ماشین حساب نیست. هنگامی که انجام محاسبات در متن ممکن است اعداد اشتباه تولید کند، محاسبه باید در برنامه انجام شود ✔
- ج) میانگین از نظر جامعه شناسی یک معیار بی معنی است و اصلاً نباید محاسبه شود.
- د) هنگامی که داده ها به عنوان متن چسبانده می شوند، هوش مصنوعی به طور خودکار آنها را حذف می کند
توضیح: یک مدل زبان یک ماشین حساب نیست و ممکن است میانگین، درصد یا p-value را هنگام انجام محاسبات در متن به اشتباه تولید کند. محاسبه واقعی باید در یک برنامه یا جدول آماری انجام شود. هوش مصنوعی باید فقط برای روش و تفسیر استفاده شود.
5. قبل از پذیرش نقل قول پیشنهادی هوش مصنوعی در تحلیل تم کیفی چه باید کرد؟
- الف) اگر نقل قول روان و چشمگیر به نظر می رسد، می توان آن را مستقیماً به گزارش اضافه کرد
- ب) اگر طول مظنه از یک پاراگراف تجاوز نکند، نیازی به تایید نیست
- ج) باید با شماره خط تأیید شود که نقل قول واقعاً در رونوشت آمده است ✔
- د) نقل قول به طور خودکار قابل اعتماد است زیرا هوش مصنوعی منبع را ذکر می کند
توضیح: قلب تحقیق کیفی وفاداری به سخنان خود شرکت کننده است. هوش مصنوعی می تواند نقل قولی درست کند که روان است اما اصلاً در رونوشت وجود ندارد. بنابراین، هر نقل قول باید به عبارت واقعی در متن و ترجیحاً شماره خط پیوند و تأیید شود.
6. اگر در یک مطالعه، 72 درصد در نظرسنجی بگویند «من بازیافت میکنم»، اما در مصاحبهها بیشتر آنها واقعاً میگویند که این کار را نامنظم انجام میدهند، چگونه باید با این تناقض برخورد کرد؟
- الف) تضاد نباید پنهان بماند; باید به عنوان یک یافته با توضیحات احتمالی مانند سوگیری مطلوبیت اجتماعی ✔ ارائه شود
- ب) داده های مصاحبه باید به عنوان نادرست کنار گذاشته شود و فقط نتیجه نظرسنجی باید گزارش شود
- ج) داده های نظرسنجی به دلیل نادرست بودن باید کنار گذاشته شود، فقط مصاحبه باید گزارش شود
- د) هر دو داده باید از گزارش حذف شوند زیرا تناقض شرم آور است
توضیح: اختلاف بین یافته های کمی و کیفی نقص نیست، بلکه اغلب با ارزش ترین یافته است. تناقض در اینجا به پدیده ای مانند "سوگیری مطلوبیت اجتماعی" اشاره می کند و باید به عنوان یافته ای بدون پنهان کردن آن ارائه شود.
7. اگر تفاوت بین دو گروه (51٪ در مقابل 54٪) مانند یک "شکاف غول پیکر" در نموداری با محور y از 50 به نظر برسد، چه باید کرد؟
- الف) نمودار باید همانطور که هست باقی بماند زیرا تفاوت در حال حاضر زیاد به نظر می رسد
- ب) تفاوت باید با نشان دادن میانگین واحد به جای دو گروه کاملاً پنهان شود
- ج) تفاوت را باید با افزودن یک افکت سه بعدی به نمودار، حتی چشمگیرتر کرد.
- د) محور Y باید از صفر مقداردهی شود. محور کوتاه با اغراق در تفاوت های کوچک خواننده را گمراه می کند ✔
توضیح: یک محور کوتاه (از صفر شروع نمی شود) با بزرگ جلوه دادن آن تفاوت کوچکی را گمراه می کند. در یک نمودار میله ای صادقانه، محور باید از صفر شروع شود. بنابراین تفاوت در اندازه واقعی و کوچک آن قابل مشاهده است. هدف بصری متقاعدسازی نیست، بلکه ارتباط صحیح است.
8. چرا صرفاً حذف نام ها از رونوشت ها اغلب ناشناس سازی کافی نیست؟
- الف) حذف یک نام همیشه کافی است. هیچ اطلاعات دیگری هویت را فاش نمی کند
- ب) شناسه های غیرمستقیم (نقش منحصر به فرد، مکان، ویژگی نادر) می توانند شخصی را بدون نام خود به دست آورند ✔
- ج) ناشناس تنها در صورت وجود شماره تلفن ضروری است
- د) حذف نام ها بی معنی است زیرا متن را ناخوانا می کند
توضیح: فقط حذف نام کافی نیست. توصیفگرهای غیرمستقیم مانند «تنها داروساز در محله X» یا «تنها بازرس زن در شهرداری» میتوانند شخص را به خودی خود رها کنند. ناشناس سازی مناسب نیاز به پاک کردن همه شناسه های مستقیم و غیرمستقیم دارد.
9. چرا ثبت دستورات، مدل استفاده شده و تاریخ در تحلیلی که با هوش مصنوعی انجام می شود مهم است؟
- الف) از آنجایی که فقط یک تکلیف قانونی است، ارزش علمی ندارد
- ب) درخواست ها به دلایل تجاری نگهداری می شوند زیرا دارای حق چاپ هستند.
- ج) فرآیند را قابل ردیابی و تکرار می کند. در غیر این صورت، "AI چنین گفته است" یک توجیه علمی نخواهد بود ✔
- د) ثبت نام فقط یک تشریفات است زیرا مدل همیشه یک پاسخ را می دهد
توضیح: مدل های زبانی هر بار دقیقاً پاسخ یکسانی را نمی دهند. اگر درخواستها و اطلاعات مدل ثبت نشود، فرآیند تبدیل به یک جعبه سیاه میشود و هیچ کس دیگری (حتی شما) نمیتواند کار را بازتولید کند. این سوابق «قبض مواد» کار هستند و اساس تکرارپذیری هستند.
10. مرز بین استفاده مشروع از هوش مصنوعی در نوشته های دانشگاهی و نقض تمامیت تحصیلی کجاست؟
- الف) هوش مصنوعی می تواند به شما در بیان محتوای خود کمک کند. اما اینکه از طرف شما فکر کنید و محتوا تولید کنید و به عنوان کار خود ارائه دهید تخلف است ✔
- ب) هر متنی که توسط هوش مصنوعی تولید می شود، می تواند مستقیماً مورد استفاده قرار گیرد، به شرطی که گرامر صحیح باشد
- ج) تا زمانی که هوش مصنوعی منابعی را اضافه کند، چاپ کامل محتوا روی آن بدون مشکل است.
- د) استفاده از هوش مصنوعی تحت هر شرایطی ممنوع است و در هیچ مرحله ای قابل استفاده نیست.
افشا: استفاده از هوش مصنوعی برای شفاف سازی پیش نویس خود و بهبود زبان و ساختار قانونی است و شفاف اعلام می شود. داشتن محتوای نوشته شده توسط هوش مصنوعی و ارائه آن به عنوان اثر خود، هم اصالت را نقض می کند و هم تقریباً به طور قطع منابع ساختگی تولید می کند. خط: هوش مصنوعی به شما کمک میکند افکارتان را بیان کنید، اما به جای شما فکر نمیکند.
11. اصل "کیفیت انتها به انتها تا ضعیف ترین مرحله است" در تحقیقات اجتماعی به چه معناست؟
- الف) فقط آخرین مرحله، املا، مهم است. اشتباهات مراحل قبل با املا تصحیح می شود.
- ب) مراحل مستقل از یکدیگر هستند; خطا در یکی تاثیری روی بقیه ندارد
- ج) قوی ترین فاز کل زنجیره را نجات می دهد، بنابراین تمرکز روی یک فاز کافی است
- د) ضعف در یک مرحله (نمونه مغرضانه، منبع تایید نشده) در مراحل بعدی قابل اصلاح نیست و کل مطالعه را ضعیف می کند.
توضیح: تصمیم در هر مرحله بر مرحله بعدی تأثیر می گذارد: یک نمونه مغرضانه را نمی توان حتی با تجزیه و تحلیل کامل نجات داد. یک منبع تایید نشده حتی بهترین نوشته ها را رد می کند. بنابراین، همان اصول استفاده مسئولانه باید در هر مرحله، از طراحی تا مستندسازی، اعمال شود.
12. اگر هوش مصنوعی متنی را که شما ارائه کرده اید خلاصه کند و فریمی را اضافه کند که در متن وجود ندارد، مثلاً «سالمندان از فناوری می ترسند»، این مثال چیست؟
- الف) خلاصه ای دقیق از نظر واقعی شرکت کننده است
- ب) معرفی کلیشه ای است که هوش مصنوعی از داده های آموزشی خود به داده ها حمل می کند.
- ج) نتیجه آزمون معناداری آماری است
- د) گواه این است که ناشناس سازی با موفقیت اجرا شده است
توضیح: این نمونهای از کلیشهای (تعمیم کلیشهای) است که هوش مصنوعی از متونی که روی آن آموزش دیده است حمل میکند. مدل ممکن است قضاوتی را اضافه کند که در واقع در داده ها وجود ندارد. محقق باید این افزوده را با گفتن «فقط به عبارات موجود در متن تکیه کنید» حذف کند.
13. کدام یک از سؤالات زیر یک سؤال تحقیق است؟
- الف) چرا جامعه در این وضعیت قرار دارد؟
- ب) آیا مردم خوشحال هستند؟
- ج) دلایل عدم شرکت دانشجویان 18 تا 25 ساله در انتخابات محلی چیست؟ ✔
- د) چه رابطه ای بین رسانه های اجتماعی و همه چیز وجود دارد؟
توضیح: یک سوال پژوهشی خوب پاسخپذیر، محدود و معنادار است. جمعیت، زمینه و تمرکز آن مشخص است. به جای یک درخواست گسترده مانند «چرا جوانان از سیاست رویگردان هستند؟»، سؤالی که شامل یک گروه سنی خاص، زمینه و تمرکز مشخص است، قابل تحقیق است.
14. چرا اگر دو نظرسنجی آنلاین مختلف شرکت کنندگانی را از یک گروه رسانه های اجتماعی جذب کنند و نتایج یکسانی داشته باشند، مثلث سازی درست نیست؟
- الف) این دو منبع مستقل نیستند زیرا از یک نمونه مغرضانه آمده اند. این تکرار همان تعصب است ✔
- ب) همیشه استفاده از دو نظرسنجی غیر ضروری است، یک نظرسنجی کافی است
- ج) نظرسنجی های آنلاین هرگز داده های معتبر تولید نمی کنند
- د) همین نتیجه را می دهند که نتیجه کاملاً صحیح است.
توضیح: مثلثسازی آزمایش متقابل یک یافته با منابع واقعاً مستقل است. اگر دو منبع از یک نمونه مغرضانه آمده باشند، "تأیید" یکدیگر برای آنها گمراه کننده است. این تکرار همان سوگیری است، نه یک تایید مستقل.