Nyereség:
- Képes felismerni a vezető, kettős és kétértelmű csapdákat a felmérési kérdésekben, és minden kérdést összekapcsolni egy koncepcióval
- Képes programban valós statisztikai számításokat végezni, és mesterséges intelligenciát csak módszerválasztásra és -értelmezésre használni
- Képes megkülönböztetni a statisztikai szignifikanciát a gyakorlati szignifikanciatól és ellenőrizni a tesztfeltevéseket
A kvantitatív kutatás egy olyan megközelítés, amely a társadalmi jelenségeket számokkal méri és statisztikákkal elemzi: olyan kérdésekre keresi a választ, hogy hány ember, milyen ütemben, milyen csoportok között milyen különbség van. Ennek a megközelítésnek a legelterjedtebb eszköze a felmérés – egy olyan módszer, amellyel összehasonlítható adatokat gyűjtenek nagyszámú embertől szabványos kérdések segítségével. Egy jó felmérés összeállítása és a bejövő adatok helyes elemzése szakértelmet igényel; Egy rossz kérdés már az elején elrontja az eredményt. Ebben az egységben megtanulhatja, hogyan használhatja a mesterséges intelligenciát felmérési kérdések tervezésére, skálák (egy attitűdöt értékelő válaszlehetőségek, pl. "teljesen egyetértek… egyáltalán nem értek egyet") és a bejövő adatok elemzésére; de megtanulod, miért kell megtartanod a statisztikai ítélőképességet.
A kvantitatív elemzésben az MI a legértékesebb nem magában a számításban van, hanem abban, hogy elmagyarázzuk, hogyan kell elvégezni a számítást és mit jelent az eredmény. Az AI felvázolhatja az elemzési kódot (például az R vagy Python nyelven futtatható parancsokat), közérthető nyelven elmagyarázhatja, mikor kell statisztikai tesztet használni, és segít értelmezni a kimenetet. De soha ne bízzon azokban a számokban, amelyeket a mesterséges intelligencia generál a szövegben: a nyelvi modell nem egy számológép, és rossz átlagot, százalékot vagy p-értéket állíthat elő. A tényleges számítás egy valós statisztikai programban történik.
Lépésről lépésre: felméréstől áttekintésig
1. Kapcsoljon minden kérdést egy fogalomhoz! A felmérésben feltett minden kérdésnek mérnie kell egy fogalmat a kutatási kérdésében. Ne tegyél fel kérdéseket csak azért, mert „érdekes lenne”. Az AI segít ellenőrizni a fogalom-kérdés leképezést egy táblázatban.
2. Gyomláljuk ki a rossz kérdéseket. A vezető ("Elégedett-e ezzel a nagyszerű szolgáltatással?"), kettős kérdés ("Gyors és olcsó volt a szolgáltatás?"), homályos ("Gyakran tetszett?") kérdések torzítják az adatokat. Az AI jól jelzi ezeket a buktatókat a felméréstervezetben.
3. Állítsa be következetesen a skálát. Ha Likert-skálát (5 vagy 7 pontos egyetértési skála) használ, tartsa konzisztensnek az irányt és az értékeléseket a felmérés során. Az AI felfogja a következetlenségeket.
4. Adatok törlése. A bejövő adatok hiányzó válaszokat, következetlenségeket vagy ugyanarról a személyről két rekordot tartalmazhatnak. Az AI felsorolja a tisztítási lépéseket és a kódvázlatot; Te döntesz.
5. Válassza ki a megfelelő tesztet, és ÉRTELMEZZE. Két csoportot hasonlít össze, kapcsolatot keres? Az AI elmagyarázza, melyik teszt a megfelelő; Az Ön feladata, hogy lefuttassa a tesztet a programban, és elolvassa és értelmezze a kimenetet.
Figyelem: Ne mondja az AI-nak, hogy "számítsa ki az adatok átlagát", és írja be a kapott számot közvetlenül a jelentésbe. A nyelvi modell hibázik az aritmetika. Végezze el a számítást táblázatkezelőben vagy statisztikai programban; Az AI-t csak módszeréhez és értelmezéséhez használja.
három mini tok
1. eset – A bevezető kérdés javítva. Egy felmérés tervezete azt kérdezte: "Mennyire elégedett sikeres önkormányzatunk közlekedési szolgáltatásával?" Volt egy kérdése. Az AI azt jelölte meg, hogy a „sikeres” jelző pozitívra tolta a választ. A kérdés az, hogy "Hogyan értékeli az önkormányzat közlekedési szolgáltatását?" semlegesítették, és az eredmények kiegyensúlyozottabbak lettek.
2. eset – A mesterséges intelligencia téves számítása történt. Egy kutató 300 sornyi adatot illesztett be szövegként az MI-be, és azt mondta: "keresse meg az átlagos életkort"; YZ szerint 34,2. Amikor ugyanazokat az adatokat táblázatba helyeztük, a tényleges átlag 31,7 volt. Az AI rosszul számolt a szövegben; Javításra került, amikor a fiókot áthelyezték a programba.
3. eset – A tesztválasztás tisztázva. Egy csapat össze akarta hasonlítani két csoport átlagpontszámát, de nem tudta, melyik tesztet használja. YZ kifejtette, hogy a t-teszt (olyan teszt, amely azt vizsgálja, hogy a két csoport átlaga közötti különbség véletlenszerű-e) megfelelő "két független csoport, folytonos változó" esetén, felsorolta feltételezéseit, és bemutatta a kód vázlatát. A csapat lefuttatta a tesztet a programban, és értelmezte az eredményt.
Négy másolható sablon
1) A felmérés kérdésének ellenőrzése:
Tekintse át az alábbi felmérés kérdéseit. Minden kérdésnél ellenőrizze: vezet-e, kettős kérdés-e (két dolog egy kérdésben), nem egyértelmű-e, a válaszlehetőségek átfednek/hiányoznak? Add meg egymás mellett a problémát és egy jobb verziót. Ellenőrizze, hogy a skála iránya konzisztens-e. Kérdések: [itt]
2) Fogalom-kérdés leképezési táblázat:
Kutatási kérdésem: [kérdés]. Kulcsfogalmaim: [lista]. Rendezd táblázatba a következő felmérési kérdéseket: milyen fogalmat mérnek az egyes kérdések? Jelölje meg azokat a kérdéseket, amelyek nem kapcsolódnak semmilyen fogalomhoz ("extra"), és olyan fogalmakat, amelyekhez nincsenek kérdések ("tétlen"). Szavazás: [itt]
3) Adattisztítási terv (kódtervezet):
Van egy felmérési adatkészletem a következő változókkal: [változók]. Adjon egy adattisztítási ellenőrzőlistát és kódvázlatot MEGJEGYZÉSSORAKKAL az [R/Python]-hoz: hiányzó adatok, kiugró értékek, ismétlődő rekordok, következetlen kódolás. Lefuttatom a kódot és ellenőrizem a kimenetet; Ne számolj.
4) Statisztikai megjegyzés (én végeztem a számítást):
Futtattam egy [tesztnév]-et, és a következő kimenetet kaptam: [output]. Értelmezze ezt az eredményt közérthetően: mit jelent a gyakorlatban, tegyen különbséget a statisztikai szignifikancia és a gyakorlati szignifikancia között, és emlékeztesse, mely feltevéseket kell ellenőrizni. Ne vigye túlzásba az eredményt; Mondd el a határaidat is.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Számítsa ki az adatokban szereplő csoportok átlagát, és mondja meg, melyik a magasabb! [500 sornyi adat]
A mesterséges intelligencia a szövegen belül próbál számolni, és rossz számokat állíthat elő. Ezenkívül megbízhatatlan a „Van-e szignifikáns különbség” kérdés megválaszolása statisztikai tesztelés nélkül.
Erőteljes felszólítás:
Két csoport pontszámát szeretném összehasonlítani: egy folytonos változó, két független csoport. (1) Melyik statisztikai teszt megfelelő és miért? (2) Mik a feltételezései? (3) Megjegyzés kódtervezet az [R/Python] számára. Megcsinálom a számítást a programban; Csak megadja a módszert és a kódot, nem generál számokat.
A különbség: az AI-t már nem megbízhatatlan számológépként, hanem megbízható módszer-tanácsadóként használják.
Munkamegosztás mennyiségi feladatokban
Quest
Biztonságos az AI?
Hogyan kell használni
Kérdés tervezési audit
Igen
Csapdák jelölése
Skála konzisztencia
Igen
ellenőrző lista
Adattörlési kód
Igen (tervezet)
Ön futtatja a kódot
Szövegközi fiók
nem
Soha ne bízz
Tesztválasztás
Igen
Magyarázza el a módszert
Záró megjegyzés
Igen (támogatás)
Rajtad áll az ítélkezés
Gyakori hibák
- Közvetlenül az AI által generált szám használatával. A nyelvi modell hibás aritmetikában; Helyezze be a számítást a programba.
- Vezető kérdést feltenni. A melléknevek és a feltételezések torzítják a választ.
- A statisztikai szignifikancia összekeverése a gyakorlati jelentősséggel. A "jelentős" akár kis különbség is lehet; Nézd meg a méretet.
- Kihagyva a feltételezéseket. Minden tesztnek megvannak az előfeltételei; Ellenőrzés nélkül ne kommenteljen.
- További kérdések feltevése. Minden felmérési kérdést egy koncepcióhoz kell kötni; a többi felfújja az adatokat.
Összefoglalva
MI a kvantitatív kutatásban; Erős tanácsadó a felmérési kérdések buktatóinak megfogásában, a fogalom-kérdés feltérképezésében, az adattisztítási és -elemzési kód megfogalmazásában, valamint az eredmények közérthető nyelven történő értelmezésében. De soha ne hagyja, hogy az AI elvégezze a tényleges számítást; A nyelvi modell nem egy számológép. Ön kiválasztja a tesztet, de lefuttatja a programban, elolvassa a kimenetet, és különbséget tesz a statisztikai szignifikancia és a gyakorlati szignifikancia között. Az AI felgyorsítja a módszert; Öné a felelősség a problémáért és a megjegyzésért.
Pályázati feladat
Írjon 10 kérdésből álló felméréstervezetet. A „Szavazási kérdés auditálása” sablonnal rendelkezhet a mesterséges intelligencia jelzővel, és javíthatja a vezető, ismétlődő és kétértelmű kérdéseket. Ezután hozzon létre egy kis mintaadatkészletet (20-30 sor), és számítsa ki a tényleges átlagot és a százalékokat egy táblázatkezelő programban; Adja meg ugyanazokat az adatokat az AI-nak szövegként, hasonlítsa össze a kapott számokkal, és jelentse a különbséget. Végül értelmezzen egy tesztkimenetet a "statisztika értelmezése" sablonnal.
ellenőrző lista
- [ ] Minden felmérési kérdést egy fogalomhoz kötöttem.
- [ ] Kiiktattam a vezető, kettős és kétértelmű kérdéseket.
- [ ] A tényleges számítást a statisztikai programban végeztem, nem az AI-ban.
- [ ] Ellenőriztem a teszt feltevéseit.
- [ ] A statisztikai szignifikanciát megkülönböztettem a gyakorlati szignifikanciatól.