سود:
- توانایی استفاده از هوش مصنوعی به عنوان شریک فکری در تشدید سوال تحقیق، ایجاد فرضیه و تعریف متغیر و گزینه های روش
- امکان به دست آوردن طرح های کمی، کیفی و ترکیبی، نمونه و گزینه های روایی-پایایی از هوش مصنوعی و ارزیابی آنها با توجه به رشته و قوانین اخلاقی آنها.
- توانایی درک اینکه مسئولیت تصمیمات روش شناختی و کمیته اخلاق (IRB) متعلق به محقق است و پیشنهاد هوش مصنوعی فقط یک پیش نویس است.
پس از آشنایی با ادبیات، نوبت به طراحی مطالعه خود می رسد. طراحی تحقیق فرآیند شروع با یک سوال و تبدیل آن به یک مطالعه قابل اندازه گیری و پاسخگویی است: تیز کردن سوال، ایجاد فرضیه، تعریف متغیرها، انتخاب طرح و روش مناسب، تعیین نمونه، در نظر گرفتن روایی و پایایی. این بخش از نظر ذهنی سختترین بخش تحقیق است و هوش مصنوعی میتواند شریک فکری قدرتمندی در اینجا باشد - ایجاد گزینهها، برانگیختن نقاط کور، مقایسه گزینهها. اما قاعده اصلی این واحد روشن است: تصمیمات روش شناختی و مسئولیت اخلاقی متعلق به محقق است. هوش مصنوعی تنها گزینه هایی برای ارزیابی ارائه می دهد.
از سوال تا فرضیه
یک سوال پژوهشی خوب متمرکز، پاسخپذیر و اصلی است. یک چارچوب رایج PICO در مطالعات تجربی/بالینی است: جمعیت، مداخله، مقایسه، نتیجه. در علوم اجتماعی، این سؤال به طور کلی به عنوان رابطه بین متغیرها مطرح می شود. هوش مصنوعی به شما کمک می کند تا یک سوال گسترده را محدود کنید و چندین فرمول جایگزین را پیشنهاد می کند.
فرضیه تبدیل مسئله به یک پیشبینی قابل آزمایش است. معمولاً یک جهت را شامل می شود ("X Y را افزایش می دهد"). متغیرها چیزهایی هستند که شما اندازه گیری می کنید: متغیر مستقل (که شما بر آن تأثیر می گذارید)، متغیر وابسته (نتیجه ای که اندازه گیری می کنید)، متغیرهای کنترل (که آنها را ثابت نگه می دارید). هوش مصنوعی در تشدید فرضیه، تقطیر متغیرها به تعاریف عملیاتی (تعاریف قابل اندازه گیری)، و یادآوری عوامل مخدوش کننده احتمالی (سومین عاملی که مخفیانه بر نتیجه تأثیر می گذارد) مفید است.
نکته: به هوش مصنوعی بگویید "همچنین برای رد این فرضیه استدلال ارائه کنید." بسیار ارزشمند است که نقاط ضعف طراحی خود را زودتر ببینید، به طوری که بتوانید در حال حاضر و نه در طول فرآیند داوری یاد بگیرید.
طراحی، نمونه و اعتبار
طرح تحقیق این است که چگونه داده ها برای پاسخ به سوال شما جمع آوری و ساختار می شوند. سه خانواده کلی وجود دارد: کمی (داده های عددی، آزمون های آماری - تجربی، شبه تجربی، همبستگی، پیمایشی)، کیفی (متن/مشاهده، معنا و تجربه-مصاحبه، مطالعه موردی، پدیدارشناسی، نظریه زمینه ای) و روش ترکیبی (ترکیب این دو). هوش مصنوعی میتواند هر الگو را با مزایا و معایب آن مقایسه کند و در مورد اینکه کدام یک میتواند جوابگوی سؤال شما باشد، بحث کند. اما انتخاب نهایی با شماست، بر اساس منابع، سنت میدانی و ماهیت سؤال شما.
نمونه زیرمجموعه ای از جهان شما است که شما آن را بررسی می کنید. از نظر کمی، اندازه نمونه با تجزیه و تحلیل توان محاسبه می شود - کوچکترین نمونه مورد نیاز برای گرفتن یک اثر آماری معنی دار. هوش مصنوعی فرمول و فرضیات را یادآوری می کند، اما باید عدد را با یک نرم افزار (مانند GPower) تأیید کنید. اعتبار (آیا واقعاً آنچه را که اندازه میگیرید اندازه میگیرید) و قابلیت اطمینان* (آیا اندازهگیری میتواند تکرار شود) تضمینهای کیفیت طراحی هستند. هوش مصنوعی تهدیدات را فهرست می کند، شما اقدامات احتیاطی را انجام دهید.
مهم ترین نکته اخلاق است. هر مطالعهای که شامل شرکتکنندگان انسانی یا حیوانی باشد نیاز به تأیید کمیته اخلاق (IRB) دارد: رضایت آگاهانه، محرمانه بودن، عدم سوءاستفاده. هوش مصنوعی می تواند به شما در تهیه درخواست کمیته اخلاق کمک کند، اما هرگز جایگزینی برای تایید و مسئولیت اخلاقی نیست. هوش مصنوعی نمی تواند بگوید "این طراحی اخلاقی است". این توسط کمیته اخلاق موسسه شما تصمیم گیری می شود.
روش های ترکیبی منطقی و پیش ثبت نام
یک سوال مهم هنگام انتخاب یک روش ترکیبی این است که چرا و چگونه این دو نوع داده را ترکیب کنیم. صرف گفتن "من هم نظرسنجی و هم مصاحبه انجام دادم" روش ترکیبی نیست. طرح باید منطق داشته باشد. طرحهای متداول عبارتند از: ترتیبی اکتشافی (اول کمی، سپس کیفی برای تعمیق یافتهها)، ترتیبی اکتشافی (اول کیفی، سپس توسعه مقیاس و آزمایش کمی)، و طرحهای تودرتوی همزمان. هوش مصنوعی می تواند این الگوها را با توجه به سوال شما مقایسه کند و در مورد اینکه کدام یک با منطق یکپارچه سازی مطابقت دارد، بحث کند. اما انتخاب بستگی به این دارد که سؤال شما واقعاً به چه چیزی نیاز دارد.
یک ابزار قدرتمند برای یکپارچگی روش شناختی، پیش ثبت نام است: ثبت فرضیه، متغیرها و طرح تجزیه و تحلیل خود در یک مخزن باز (مانند OSF) قبل از جمع آوری داده ها. این امر از شکار گذشته (HARKing - فرضیه سازی پس از مشاهده نتیجه) جلوگیری می کند و اعتبار مطالعه شما را افزایش می دهد. هوش مصنوعی میتواند به شما کمک کند تا پیشنویس فرم پیشثبتنام را بسازید و هر گونه ابهام را در برنامه خود پیدا کنید. با این حال، هر تصمیمی که ضبط می کنید با شماست و این مسئولیت شماست که پس از ضبط به آن پایبند باشید.
سه کیف کوچک
مورد 1 - محدود کردن سؤال. سوال یکی از دانشجویان تحصیلات تکمیلی این بود که "شبکه های اجتماعی چه تاثیری بر جوانان دارند؟" بسیار وسیع و غیرقابل اندازه گیری بود. او هوش مصنوعی را در چارچوبی شبیه به PICO قرار داد. سوال این است که آیا بین زمان استفاده روزانه از اینستاگرام و کیفیت خواب دانش آموزان 14 تا 17 ساله دبیرستانی رابطه وجود دارد؟ تبدیل شده است. یک سوال قابل اندازه گیری، محدود و قابل پاسخ؛ هوش مصنوعی به محدود کردن آن کمک کرد، دانشآموز تصمیم گرفت.
مورد 2 - هشدار متغیر مخدوش کننده. یک محقق فرضیه "دوره آنلاین → موفقیت کم" را مطرح کرد. او از هوش مصنوعی در مورد نقاط ضعفش پرسید. هوش مصنوعی به ما یادآوری کرد که وضعیت اجتماعی-اقتصادی میتواند یک عامل مخدوشکننده باشد که بر نوع دوره و موفقیت تأثیر میگذارد. محقق این را نمی دانست، اما از اضافه کردن آن به عنوان متغیر کنترلی به طرح خود صرف نظر کرد. هوش مصنوعی به عنوان یک یادآوری عمل کرد. تصمیم روش شناختی را خودش گرفت.
مورد 3 - مرز اخلاقی. دانشجویی در حال طراحی یک نظرسنجی در مورد یک موضوع حساس (مصرف مواد) بود و از YZ پرسید: "آیا این نظرسنجی از کمیته اخلاق عبور خواهد کرد؟" او پرسید. هوش مصنوعی اصول کلی (رضایت، ناشناس بودن، حق انصراف) را فهرست کرد، اما دانشآموز این را جایگزین رضایت نکرد. کمیته اخلاق واقعی اعمال شد و هیئت مدیره در دو ماده درخواست اصلاح کرد. هوش مصنوعی به تهیه پیش نویس کمک کرد، هیئت مدیره تصمیم گرفت.
قالب های قابل کپی
1) محدود کردن سؤال:
نقش شما: مشاور روش شناسی حوزه وسیع مورد علاقه من این است: "[موضوع]". این را به 3 سؤال تحقیق جایگزین متمرکز و قابل اندازه گیری محدود کنید. برای هر کدام، نمونه، متغیرهای کلیدی و طراحی ممکن را مشخص کنید. اینها گزینه ها هستند. من تصمیم خواهم گرفت.
2) فرضیه و ابهام زدایی متغیر:
سوال تحقیق من: "[سوال]". (الف) یک فرضیه قابل آزمایش، (ب) متغیرهای مستقل/وابسته/کنترل، (ج) تعریف عملیاتی (قابل اندازه گیری) برای هر متغیر. همچنین متغیرهای مخدوش کننده احتمالی را فهرست کنید. در مورد گزینه ها بحث کنید، تصمیم با من است.
3) مقایسه الگو:
طرحهای روشهای کمی، کیفی و ترکیبی را برای «[سوال]» در جدول مقایسه کنید: تناسب، قدرت، مرز، منبع مورد نیاز. مطمئناً نگویید "این را انتخاب کنید". مزایا و معایب را به من بدهید، من انتخاب می کنم.
4) لیست تهدید اعتبار/قابلیت اطمینان:
تهدیدهای طرح زیر را برای اعتبار داخلی، اعتبار خارجی و قابلیت اطمینان فهرست کنید و یک اقدام متقابل احتمالی برای هر یک پیشنهاد کنید. طراحی: [خلاصه]. اینها چک لیست من خواهند بود. من تصمیم میگیرم
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
یک طرح تحقیقی به من بدهید.
هیچ موضوع، سؤال، حوزه و محدودیتی وجود ندارد. هوش مصنوعی یک الگوی رایج و بی فایده ایجاد می کند.
اعلان قدرتمند:
نقش شما: روش شناس مجرب در علوم تربیتی. سوال من: "تأثیر یادگیری ترکیبی بر پیشرفت علوم پایه هفتم". برای طراحی شبه تجربی: استراتژی گروه کنترل مناسب، نوع ابزار اندازه گیری، عوامل مخدوش کننده احتمالی و تهدیدهای اعتبار داخلی را به عنوان گزینه ها مورد بحث قرار دهید. بگویید چه اطلاعاتی برای تحلیل توان لازم است. من عدد را با benG*Power محاسبه خواهم کرد. نکاتی را که نیاز به تایید اخلاقی دارند علامت بزنید.
تصمیم طراحی
نقش هوش مصنوعی
مسئولیت کیست
سوال را محدود کنید
جایگزین تولید می کند
محقق انتخاب می کند
فرضیه/متغیر
پیش نویس + یادآوری
محقق تعریف می کند
انتخاب الگو
مقایسه می کند
محقق تصمیم می گیرد
اندازه نمونه
فرمول یادآوری می کند
تایید شده توسط نرم افزار
تایید اخلاقی
دستیار پیش نویس
فقط کمیته اخلاق
اشتباهات رایج
- ساختن AI الگو را انتخاب کنید. تصمیم روش شناختی متعلق به محقق است. هوش مصنوعی پیشنهاد می کند، شما انتخاب کنید.
- دور زدن هیئت اخلاق. هوش مصنوعی نمی تواند بگوید "اخلاقی"؛ تاییدیه از کمیته اخلاق موسسه می باشد.
- نادیده گرفتن میکسرها اگر متغیرهای کنترلی برنامه ریزی نشده باشند، نتیجه قابل تفسیر نیست.
- دریافت تعداد دقیق نمونه از هوش مصنوعی آنالیز توان را با نرم افزار مناسب بررسی کنید.
- سوال را محدود نمی کنم. یک سوال بی اندازه گسترده به معنای مطالعه ای است که قابل طراحی نیست.
احتیاط: روشی که توسط هوش مصنوعی پیشنهاد می شود ممکن است در زمینه شما استاندارد نباشد. هر توصیه را با منابع روش شناسی در زمینه خود مقایسه کنید (کتاب درسی، مشاور، انتشارات مشابه). هوش مصنوعی به طور کلی صحبت می کند، قراردادهای دامنه خاص هستند.
به طور خلاصه
طرح تحقیق زنجیره ای است که از تیز کردن سوال به نمونه گیری و اخلاق می رسد. هوش مصنوعی یک شریک فکری قدرتمند است که در هر حلقه از این زنجیره گزینه هایی را تولید می کند و نقاط کور را یادآوری می کند. فرضیه را روشن می کند، الگوها را مقایسه می کند، تهدیدها را فهرست می کند. اما مسئولیت انتخاب طرح، تایید نمونه و بویژه تایید اخلاقی بر عهده محقق و کمیته اخلاق است. کوتاه ترین قانون سرانگشتی: انتخاب از هوش مصنوعی است، تصمیم روش شناختی و اخلاقی با شماست.
وظیفه کاربردی
ایده تحقیق خود را دریافت کنید. با هوش مصنوعی، آن را به 3 سوال متمرکز محدود کنید و یکی را انتخاب کنید. فرضیه ها، متغیرها و تعاریف عملیاتی را برای سؤالی که انتخاب کرده اید ایجاد کنید و آنها را با توجه به رشته خود تصحیح کنید. یک مقایسه کمی / کیفی / ترکیبی از طرح بخواهید و در یک پاراگراف توضیح دهید که کدام یک را انتخاب کرده اید و چرا. نکاتی را که نیاز به تایید اخلاقی دارند علامت بزنید.
چک لیست
- [ ] آیا من سؤال تحقیق خود را به طور قابل اندازه گیری محدود کرده ام؟
- [ ] آیا فرضیه ها و متغیرها را با تعاریف عملیاتی روشن کرده ام؟
- [ ] آیا متغیرهای مخدوش کننده را برنامه ریزی کرده ام؟
- [ ] آیا من الگو را به دلایل خودم انتخاب کردم؟
- [ ] آیا من نکاتی را که نیاز به تایید کمیته اخلاق دارد تعیین کرده ام؟