Gains :
- Être capable de distinguer où l'intelligence artificielle fait gagner du temps dans la recherche sociale (résumé, transcription, codage, brouillon) et où les questions de recherche, les interprétations et les décisions éthiques sont laissées aux humains, en fonction du niveau de risque.
- Capacité à comprendre le risque d'hallucinations et de sources fabriquées dans le domaine humain et à appliquer une discipline qui vérifie de manière indépendante chaque fait, numéro et référence.
- Comprendre pourquoi il est nécessaire d'énoncer de manière transparente l'apport de l'intelligence artificielle, de préserver l'originalité et de ne laisser aucune trace dès le début
La sociologie étudie la façon dont les gens vivent ensemble ; C'est la branche de la science qui étudie systématiquement les groupes, les institutions, les inégalités, la culture et le changement social. La journée d'un chercheur en sciences sociales ; Elle consiste à collecter des enquêtes, à mener des entretiens, à parcourir la littérature (toutes les publications scientifiques déjà rédigées sur un sujet), à analyser les données et à rendre compte des résultats. Toutes ces tâches prennent du temps, et dans chacune d’elles, l’intelligence artificielle (IA) – ici, de grands modèles linguistiques qui comprennent le texte, le résument, l’encodent et génèrent des brouillons – peut être un sérieux accélérateur. Ce module vous apprendra à utiliser l'IA à chaque étape de la recherche sociale ; mais cela vous apprend pourquoi vous devez garder entre vos mains l’interprétation, le cadre théorique (basé sur la théorie), la responsabilité éthique et la découverte finale.
Les sciences humaines et sociales ont une particularité : ici, la « bonne réponse » n'est souvent pas une réponse unique et définitive ; l’interprétation, le contexte et la chaîne de preuves sont déterminants. C’est donc là que l’IA est la plus dangereuse. L’IA peut halluciner, c’est-à-dire qu’elle peut fabriquer une source, un auteur, une date ou une découverte inexistante comme un fait, et dans un langage extrêmement convaincant. Dans la recherche sociale, cela signifie qu’une fausse référence se glisse dans un article, qu’une statistique fabriquée se glisse dans un rapport ou que quelque chose est attribué à un participant qu’il n’a pas dit. C’est le thème principal de ce module : l’IA est un assistant, vous en êtes l’auteur et le chercheur.
Étape par étape : intégrer l’IA dans le processus de recherche
1. Séparez la tâche par niveau de risque. Toutes les tâches ne comportent pas le même risque. Demander à l'IA de résumer une transcription d'entretien présente un faible risque (puisque vous pouvez lire et vérifier la transcription). Demander à l'IA « que dit la littérature à ce sujet » est un risque élevé (car cela peut constituer des sources).
2. Donnez à l'IA les tâches pour lesquelles elle est forte. Résumer des textes longs, éditer des transcriptions, générer des suggestions de code, rédiger des brouillons de paragraphes, formater des tableaux : telles sont les tâches pour lesquelles l'IA est rapide et efficace.
3. Protégez le travail humain. Établir la question de recherche, choisir le cadre théorique, évaluer la représentativité de l’échantillon (le groupe d’individus ou d’unités inclus dans la recherche), interpréter les résultats et prendre la décision éthique : c’est à vous.
4. Vérifiez chaque sortie. Aucun fait, numéro ou citation produit par l’IA n’entre dans le rapport sans que vous en vérifiiez la source.
5. Gardez une trace. Notez l'invite (l'instruction que vous avez donnée à l'IA) que vous avez utilisée, le modèle que vous avez exécuté et à quelle date. Ceci est nécessaire pour une reproductibilité future.
Astuce : considérez l’IA comme un « stagiaire très rapide mais parfois peu fiable ». Vous lisez toujours le brouillon du stagiaire, demandez la source et signez-le. Appliquez la même discipline à l’IA.
trois mini-cases
Cas 1 — Référence fabriquée capturée. Un étudiant diplômé a demandé à AI de « suggérer 5 articles classiques sur la solitude urbaine ». L’IA a produit 5 articles avec de vrais noms d’auteurs qui n’existaient pas – les titres étaient crédibles. L'étudiant les a tous recherchés dans la base de données académique ; 4 sur 5 n’étaient pas là du tout. Sans vérification, de fausses références entreraient dans la thèse.
Cas 2 — Codage 3 fois plus rapide. Un chercheur disposait de 40 transcriptions d’entretiens. Il a donné les 5 premières transcriptions à YZ et a demandé des suggestions de code ; a retravaillé la liste de codes résultante selon son cadre théorique et a traité les 35 transcriptions restantes avec cet ensemble cohérent de codes. 3 semaines de travail réduites à 1 semaine ; les décisions appartenaient toujours aux humains.
Cas 3 — Avertissement concernant l'échantillonnage. Une équipe a demandé à l’IA de résumer 900 réponses à une enquête en ligne et a conclu que « les jeunes font confiance aux médias sociaux ». Un consultant a demandé : Qui est l’échantillon ? La plupart des réponses provenaient d’étudiants d’une seule université. Le résumé de l’IA était techniquement correct, mais l’échantillon n’était pas représentatif de tous les jeunes ; le résultat a été réécrit avec cette limite.
Quatre modèles copiables
1) Définition des rôles et des limites (au début de chaque session) :
Votre rôle : assistant de recherche sociale. Votre travail consiste à résumer, éditer et proposer du code et des plans. Fabrication des sources ; Écrivez « doit être vérifié » partout où vous n'êtes pas sûr. Fiez-vous simplement aux textes que je vous ai donnés ; n'ajoutez pas de statistiques ou de références à partir de votre propre mémoire. Je ferai l’interprétation et la décision finale.
2) Résumé du texte (faible risque, sûr) :
Résumez la transcription de l’entretien ci-dessous. Conservez les propres mots du participant, n'ajoutez pas de nouvelles informations. Résultat : (1) 5 thèmes principaux, (2) 3 citations directes notables (avec numéro de ligne), (3) points peu clairs. Texte : [ici]
3) Réflexe de vérification à la source :
Pour chacune des références que vous venez de suggérer : indiquez l'auteur, l'année, la revue/publication et le DOI (identifiant d'objet numérique). Si vous n'êtes pas sûr de l'authenticité d'une référence, écrivez « NON VÉRIFIÉ ». Je préférerais que tu dises "je ne sais pas" plutôt que d'inventer.
4) Examen des biais :
Examinez ce brouillon : [texte]. Marquez chaque généralisation et demandez : « Sur quel échantillon cette affirmation est-elle basée ? Y a-t-il des contre-preuves ? Décrit-elle un groupe social comme quelque chose dont il ne s'agit pas ? Dressez une liste de préjugés et de généralisations excessives.
Invite faible/Invite forte
Invite faible :
Résumer et référencer la littérature sur le genre et la vie professionnelle.
A partir de son ancienne mémoire, l'IA produit un texte invérifiable rempli de sources qu'elle n'a jamais lues ou qui n'existent pas. C’est là que le risque de références fabriquées est le plus élevé.
Invite puissante :
Votre rôle : assistant de recherche. SUR LA BASE des résumés des 6 articles que je collerai ci-dessous (tous téléchargés à partir de la base de données), je synthétiserai les conclusions communes, les conclusions contradictoires et les lacunes sur « le genre et la vie professionnelle ». Utilisez simplement ces 6 textes ; ajout de ressources externes. Affichez le texte sur lequel chaque revendication est basée avec la balise [M1]-[M6]. Résumés : [ici]
La différence est claire : l’IA n’invente plus, elle synthétise les textes réels que vous lui donnez et attribue chaque affirmation à la source.
Le rôle de l’IA : là où elle est puissante, là où les humains sont nécessaires
Quête
Apport de l'IA
responsabilité humaine
Niveau de risque
Résumé en texte long
brouillon rapide
vérification de l'exactitude
faible
Édition de la transcription
Nettoyage, formatage
préservation du sens
faible
Codage qualitatif
Suggestion de code
Décision théorique, cohérence
moyen
Synthèse de la littérature
Fusionner les textes donnés
vérification à la source
haut
Commentaire statistique
projet de compte
Jugement de méthode et de sens
haut
Décision éthique
—
seulement humain
critique
Erreurs courantes
- Utiliser la ressource fournie par l'IA sans la vérifier. L'erreur la plus courante et la plus grave ; Une fausse référence détruit votre réputation académique.
- Laissons l’interprétation à l’IA. La question « Qu'est-ce que cela signifie ? » C'est le travail du chercheur, pas du modèle.
- Faire des généralisations sans remettre en question l’échantillon. Même si le résumé de l’IA est exact, les données peuvent ne pas être représentatives de l’ensemble de la population.
- Négliger l'originalité. Présenter le texte généré par l’IA comme votre propre phrase viole l’intégrité académique ; Énoncez votre contribution de manière transparente.
- Ne laisse aucune trace. Si vous ne notez pas quelle invite vous avez utilisée et quand, personne ne pourra reproduire votre travail.
En résumé
L'IA dans la recherche sociale ; est un assistant puissant qui résume les textes, édite les transcriptions, suggère du code et rédige des brouillons. Mais la question de recherche, le cadre théorique, l’échantillon de jugement, l’interprétation, la décision éthique et le résultat final appartiennent aux humains. Le plus grand danger pour les domaines humains est la source des hallucinations et des fabrications ; C'est pourquoi chaque fait, numéro et référence n'entre nulle part sans être vérifié. Positionnez l'IA en fonction du niveau de risque, alimentez-la avec des ressources puissantes, maintenez l'authenticité et la transparence et signez chaque livrable avec votre propre jugement.
Tâche de candidature
Choisissez un sujet dans votre propre domaine de recherche. Dites d’abord à l’IA « suggérer 5 articles sur ce sujet » (la voie faible) et recherchez chaque source suggérée dans la base de données académique ; Comptez combien sont réels. Ensuite, donnez les 3 vrais résumés que vous avez téléchargés à l'IA et demandez la synthèse via le "strong prompt". Rédigez une note d’une demi-page comparant la fiabilité des deux approches.
liste de contrôle
- [ ] J'ai séparé les tâches par niveau de risque (faible/moyen/élevé/critique).
- [ ] J'ai donné à l'IA une invite de départ qui définissait le rôle et les limites.
- [ ] J'ai vérifié chaque source recommandée par rapport à une base de données indépendante.
- [ ] J'ai gardé l'interprétation, le cadre et la décision éthique entre mes mains.
- [ ] J'ai noté de manière transparente la contribution de l'IA et laissé une trace de mes invites.