Keuntungan:
- Kemampuan untuk mendeteksi jebakan yang mengarah, ganda, dan ambigu dalam pertanyaan survei dan menghubungkan setiap pertanyaan dengan sebuah konsep
- Kemampuan untuk melakukan penghitungan statistik nyata dalam suatu program dan menggunakan kecerdasan buatan hanya untuk pemilihan dan interpretasi metode
- Kemampuan untuk membedakan signifikansi statistik dari signifikansi praktis dan memeriksa asumsi pengujian
Penelitian kuantitatif adalah suatu pendekatan yang mengukur fenomena sosial dengan angka-angka dan menganalisisnya dengan statistik: penelitian ini mencari jawaban atas pertanyaan-pertanyaan seperti berapa banyak orang, berapa kecepatannya, apa perbedaan antara kelompok mana. Alat yang paling umum untuk pendekatan ini adalah survei—suatu metode pengumpulan data pembanding dari sejumlah besar orang dengan menggunakan pertanyaan standar. Menyiapkan survei yang baik dan menganalisis data yang masuk dengan benar memerlukan keterampilan; Pertanyaan yang buruk merusak hasil sejak awal. Dalam unit ini, Anda akan mempelajari cara menggunakan AI untuk merancang pertanyaan survei, menyusun skala (opsi respons yang menilai suatu sikap, misalnya "sangat setuju … sangat tidak setuju"), dan menganalisis data yang masuk; namun Anda akan mengetahui mengapa Anda harus mempertahankan penilaian statistik.
Keunggulan AI dalam analisis kuantitatif bukanlah pada penghitungannya sendiri, namun dalam menjelaskan cara melakukan penghitungan dan apa arti hasilnya. AI dapat menguraikan kode analisis untuk Anda (misalnya perintah untuk dijalankan dalam R atau Python), menjelaskan dalam bahasa sederhana kapan harus menggunakan uji statistik, dan membantu Anda menafsirkan hasilnya. Namun jangan pernah mempercayai angka-angka yang dihasilkan AI “di luar pikiran Anda” dalam teks: model bahasa bukanlah kalkulator dan dapat menghasilkan mean, persentase, atau nilai p yang salah. Perhitungan sebenarnya dilakukan dalam program statistik nyata.
Langkah demi langkah: dari survei hingga peninjauan
1. Kaitkan setiap pertanyaan dengan sebuah konsep. Setiap pertanyaan yang Anda masukkan dalam survei harus mengukur konsep dalam pertanyaan penelitian Anda. Jangan menambahkan pertanyaan hanya karena "itu akan menarik". AI membantu Anda memeriksa pemetaan pertanyaan konsep dalam sebuah tabel.
2. Singkirkan pertanyaan-pertanyaan buruk. Leading (“Apakah Anda puas dengan layanan hebat ini?”), pertanyaan ganda (“Apakah layanannya cepat dan murah?”), pertanyaan samar (“Apakah Anda sering menyukainya?”) mendistorsi data. AI pandai menandai kendala ini dalam draf survei Anda.
3. Tetapkan skala secara konsisten. Jika Anda menggunakan skala Likert (skala kesepakatan 5 atau 7 poin), pertahankan konsistensi arah dan penilaian selama survei. AI menangkap ketidakkonsistenan.
4. Hapus data. Data yang masuk mungkin berisi jawaban yang hilang, inkonsistensi, atau dua catatan dari orang yang sama. AI dapat membuat daftar langkah-langkah pembersihan dan menyusun kode; Anda yang memutuskan.
5. Pilih tes yang benar dan INTERPRETASIKAN. Apakah Anda membandingkan dua kelompok, mencari hubungan? AI menjelaskan tes mana yang sesuai; Tugas Anda adalah menjalankan pengujian dalam program dan membaca serta memahami hasilnya.
Perhatian: Jangan suruh AI "menghitung rata-rata data ini" dan menulis angka yang dihasilkan langsung ke dalam laporan. Model bahasa membuat kesalahan dalam aritmatika. Lakukan penghitungan dalam spreadsheet atau program statistik; Gunakan AI hanya untuk metode dan interpretasinya.
tiga kasus mini
Kasus 1 — Pertanyaan utama diperbaiki. Draf survei bertanya, "Seberapa puaskah Anda dengan layanan transportasi di kota kami yang sukses?" Dia punya pertanyaan. AI menandai bahwa kata sifat “sukses” mendorong jawaban menjadi positif. Pertanyaannya adalah “Bagaimana Anda menilai pelayanan transportasi kotamadya?” dinetralkan dan hasilnya lebih seimbang.
Kasus 2 — Kesalahan perhitungan AI tertangkap. Seorang peneliti menempelkan 300 baris data sebagai teks ke dalam AI dan berkata "temukan usia rata-rata"; YZ mengatakan 34.2. Ketika data yang sama dimasukkan ke dalam tabel, rata-rata sebenarnya adalah 31,7. AI telah salah perhitungan dalam teks; Itu diperbaiki ketika akun dipindahkan ke program.
Kasus 3 — Pemilihan tes diklarifikasi. Sebuah tim ingin membandingkan skor rata-rata dua kelompok tetapi tidak mengetahui tes mana yang akan digunakan. YZ menjelaskan bahwa uji-t (uji yang menguji apakah perbedaan rata-rata dua kelompok bersifat acak) sesuai untuk "dua kelompok independen, sebuah variabel kontinu", mencantumkan asumsinya, dan memberikan rancangan kode. Tim menjalankan tes dalam program dan menafsirkan hasilnya.
Empat templat yang dapat disalin
1) Audit pertanyaan survei:
Tinjau pertanyaan survei di bawah ini. Periksa setiap pertanyaan: apakah pertanyaannya mengarah, apakah pertanyaannya ganda (dua hal dalam satu pertanyaan), apakah ambigu, apakah pilihan jawabannya tumpang tindih/hilang? Berikan masalah dan versi yang lebih baik secara berdampingan. Periksa apakah arah skalanya konsisten. Pertanyaan: [di sini]
2) Tabel pemetaan konsep-pertanyaan:
Pertanyaan penelitian saya: [pertanyaan]. Konsep utama saya: [daftar]. Susunlah pertanyaan survei berikut dalam sebuah tabel: konsep apa yang diukur setiap pertanyaan? Tandai pertanyaan yang tidak berhubungan dengan konsep apa pun (“ekstra”) dan konsep yang tidak memiliki pertanyaan (“idle”). Jajak pendapat: [di sini]
3) Rencana pembersihan data (draf kode):
Saya memiliki kumpulan data survei dengan variabel berikut: [variabel]. Beri saya daftar periksa pembersihan data dan draf kode DENGAN GARIS KOMENTAR untuk [R/Python]: data hilang, outlier, catatan duplikat, pengkodean tidak konsisten. Saya akan menjalankan kode dan memverifikasi hasilnya; Jangan menghitungnya.
4) Komentar statistik (Saya melakukan perhitungan):
Saya menjalankan [nama tes] dan mendapatkan keluaran berikut: [keluaran]. Tafsirkan hasil ini dalam bahasa yang sederhana: apa artinya dalam praktik, bedakan antara signifikansi statistik dan signifikansi praktis, dan ingatkan Anda asumsi mana yang perlu diperiksa. Jangan melebih-lebihkan hasilnya; Katakan padaku batasanmu juga.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Hitung rata-rata kelompok dalam data ini dan tentukan mana yang lebih tinggi. [500 baris data]
AI mencoba menghitung dalam teks dan mungkin menghasilkan angka yang salah. Selain itu, tidak dapat diandalkan untuk menjawab pertanyaan “Apakah terdapat perbedaan yang signifikan” tanpa pengujian statistik.
Perintah yang kuat:
Saya ingin membandingkan skor dari dua kelompok: variabel kontinu, dua kelompok independen. (1) Uji statistik manakah yang tepat dan mengapa? (2) Apa asumsinya? (3) Draf kode komentar untuk [R/Python]. Saya akan melakukan perhitungan dalam program; Anda cukup memberikan metode dan kodenya, jangan menghasilkan angka.
Bedanya: AI tidak lagi digunakan sebagai kalkulator yang tidak bisa diandalkan, melainkan sebagai penasihat metode yang andal.
Pembagian kerja dalam tugas-tugas kuantitatif
Pencarian
Apakah AI aman?
Cara menggunakan
Audit desain pertanyaan
Ya
Menandai jebakan
Konsistensi skala
Ya
daftar periksa
Kode pembersihan data
Ya (draf)
Anda menjalankan kodenya
Akun dalam teks
tidak
Jangan pernah percaya
Seleksi tes
Ya
Jelaskan metodenya
Komentar penutup
Ya (dukungan)
Terserah Anda untuk menilai
Kesalahan umum
- Langsung menggunakan nomor yang dihasilkan oleh AI. Model bahasanya salah dalam aritmatika; Masukkan perhitungannya ke dalam program.
- Mengajukan pertanyaan utama. Kata sifat dan asumsi mendistorsi jawabannya.
- Membingungkan signifikansi statistik dengan signifikansi praktis. “Signifikan” bahkan bisa berupa perbedaan kecil; Lihatlah ukurannya.
- Melewatkan asumsi. Setiap tes memiliki prasyarat; Jangan berkomentar tanpa memeriksa.
- Mengajukan pertanyaan tambahan. Setiap pertanyaan survei harus dikaitkan dengan sebuah konsep; sisanya menggembungkan data.
Singkatnya
AI dalam penelitian kuantitatif; Dia adalah konsultan yang kuat dalam menangkap kendala pertanyaan survei, pemetaan pertanyaan konsep, menyusun kode pembersihan dan analisis data, dan menafsirkan hasilnya dalam bahasa yang sederhana. Namun jangan biarkan AI melakukan perhitungan sebenarnya; Model bahasa bukanlah kalkulator. Anda memilih tesnya, tetapi Anda menjalankannya di program, membaca hasilnya, dan membedakan antara signifikansi statistik dan signifikansi praktis. AI mempercepat metode ini; Tanggung jawab atas masalah dan komentar ada di tangan Anda.
Tugas aplikasi
Tulis draf survei dengan 10 pertanyaan. Miliki tanda AI dan perbaiki pertanyaan awal, duplikat, dan ambigu dengan templat “Audit pertanyaan jajak pendapat”. Kemudian buat kumpulan data sampel kecil (20-30 baris) dan hitung rata-rata dan persentase sebenarnya dalam program spreadsheet; Berikan data yang sama ke AI seperti teks, bandingkan dengan angka yang dihasilkan dan laporkan perbedaannya. Terakhir, hasil pengujian diinterpretasikan dengan templat "interpretasi statistik".
daftar periksa
- [ ] Saya menghubungkan setiap pertanyaan survei dengan sebuah konsep.
- [ ] Saya menghilangkan pertanyaan-pertanyaan yang mengarah, ganda dan ambigu.
- [ ] Saya melakukan penghitungan sebenarnya di program statistik, bukan AI.
- [ ] Saya memeriksa asumsi pengujian.
- [ ] Saya membedakan signifikansi statistik dari signifikansi praktis.