Hagnaður:
- Geta til að nota gervigreind til að búa til greiningaráætlun, viðeigandi tölfræðilega prófunarval og R/Python/SPSS kóða uppkast og handvirkt staðfesta úttakið
- Geta til að taka þema- og kóðatillögur í eigindlegum gögnum, tengja og staðfesta túlkun gervigreindar við hrá gögn
- Hæfni til að skilja persónuverndaráhættu af deilingu hrágagna, hættuna á fölsuðum tölfræði og p-hakki og draga mörk ábyrgrar greiningar
Þegar gögnunum hefur verið safnað er kominn tími til að skilja þau. Gagnagreining er ferlið við að breyta hráum tölum eða texta í niðurstöður sem svara rannsóknarspurningunni. Á þessu stigi flýtir gervigreind fyrir þremur áþreifanlegum verkefnum: að búa til drög að kóða (R, Python, SPSS setningafræði), hjálpa til við að túlka tölfræðiúttak og koma með þema/kóðatillögur í eigindlegum gögnum. En greining er viðkvæmasta svið nákvæmni og trúnaðar í fræðasamfélaginu. Kjarnareglan í þessari einingu er tvíþætt: óunnin gögn eru trúnaðarmál, allar tölulegar niðurstöður eru staðfestar handvirkt. AI getur líka framleitt falsa tölfræði; Óstaðfest p-gildi er alveg jafn hættulegt og óstaðfest eign.
Búðu til drög að kóða
Gervigreind er mjög öflug við að þýða greiningaráætlun í vinnukóða. Að segja "Framkvæmdu sjálfstætt sýnishorn t-próf á milli þessara breyta og athugaðu forsendurnar" gefur þér hreina R eða Python útlínur. Þetta er mikil þægindi, sérstaklega fyrir vísindamenn sem eru ekki sérfræðingar í forritun. En það eru tvær reglur. Í fyrsta lagi: keyrðu kóðann í þínu eigin umhverfi með þínum eigin gögnum; Ekki hlaða upp hráum gögnum í tólið. Þú lýsir uppbyggingu gagna þinna fyrir gervigreindinni (breytuheiti, gerðir, nokkrar sýnislínur - engin auðkenni), það skrifar kóðann og þú keyrir hann á staðbundinni vél. Í öðru lagi: lestu og skildu kóðann; blind afritun færir þögla villu (röng breyta, rangt próf) inn í skýrsluna án þess að taka eftir því.
Val á tölfræðilegu prófi er mikilvæg ákvörðun: gerð gagna (samfelld/afdráttarlaus), fjöldi hópa, dreifingarforsendur ráða prófinu. Eins og ákvörðunartré segir gervigreind „í þessu tilviki getur eftirfarandi próf verið viðeigandi“ og útskýrir rökstuðning sinn; Þetta er lærdómsríkt. En þú staðfestir valið með því að athuga forsendur eigin gagna. Rangt próf gefur niðurstöðu sem virðist gild en er tilgangslaus.
Varúð: Þegar spurt er um tölu ("hvert er meðaltalið í þessu úrtaki"), getur gervigreind myndað tölu sem virðist sanngjarn án þess að gera raunverulega útreikninga. Aldrei láta gervigreindina „reikna“ gagnaupptökuna og nota niðurstöðuna; Tölfræðihugbúnaðurinn gerir stærðfræðina, gervigreindin framleiðir bara kóðann og túlkunina.
Tölfræðileg túlkun og eigindleg kóðun
Þegar hugbúnaðurinn þinn framleiðir úttak (t.d. t(48) = 2.31, p = .025), hjálpar gervigreind þér að túlka það á látlausu máli: hvað það þýðir, mikilvægi áhrifastærðarinnar, hvernig það verður tilkynnt (á APA sniði). Þú sannreynir þessa túlkun með því að skoða eigin framleiðslu; Þú gefur úttakið til gervigreindar, það túlkar það, þú veist að talan kom í raun frá greiningu þinni.
Í eigindlegri greiningu getur gervigreind dregið út mögulega kóða (endurteknar merkingareiningar) og þemu úr viðtalsafriti. Þetta er dýrmætt sem upphafspunktur í inductive coding; AI gæti stungið upp á mynstri sem þú misstir af. En hjarta eigindlegrar greiningar er djúplestur rannsakandans; Þú tengir hvern kóða sem gervigreindin leggur til aftur við hrá gögnin (raunverulega tilvitnun), athugar samhengi hans og síar það með þínum eigin túlkunarramma. Gervigreind „túlkar“ ekki eigindleg gögn, hún bendir til mynsturs; Þú skapar merkinguna.
p-hakk (að vinna með gögn á mismunandi vegu þar til marktækar niðurstöður fást) er alvarlegt siðferðisbrot. Að láta gervigreindina segja „reyndu mismunandi próf þar til þú finnur marktæka niðurstöðu“ er nákvæmlega það og er bannað. Ákvarðu greiningaráætlun þína áður en þú skoðar gögnin (með forskráningu ef mögulegt er) og notaðu gervigreind til að framkvæma þá áætlun, ekki til að "leita" eftir niðurstöðunni.
Afritunarhæfni og kóðaskjöl
Í nútíma fræðasamfélagi er endurgerðanleiki sífellt mikilvægari: geta annars rannsakanda til að komast að sömu niðurstöðu með gögnum þínum og kóða. AI er tvíhliða hjálpari hér. Í fyrsta lagi geturðu beðið það um að skrá kóðann sem það framleiðir með athugasemdalínum; Kóði sem útskýrir hvað hvert skref gerir auðveldar þér að skilja sex mánuðum síðar og endurskoðanda að fylgja eftir. Í öðru lagi ýtir gervigreind á greininguna þína til að byggjast á handriti frekar en handahófskenndum smellum (t.d. í SPSS valmyndum); Handritið er heildarskrá greiningar þinnar og hægt er að endurtaka það með einum smelli. Þetta útilokar óvissuna um "með hvaða stillingu fékk ég þessa niðurstöðu?"
Hluti af endurgerðanleika er að halda hrágögnum og unnum gögnum aðskildum: þú snertir aldrei hrá gögnin með höndunum, þú gerir allar umbreytingar (hreinsun, kóðun, undanskilin) í kóða. Á þennan hátt, þegar þú finnur villu, geturðu farið aftur í byrjun og keyrt hana aftur. AI getur lagt til verkflæðisramma sem varðveitir þennan aðgreining; En ákvarðanir eins og hvaða þátttakandi var útilokaður og hvers vegna eru vísindadómar sem þú verður að gera og skrá.
þrjú smámál
Tilvik 1 — Kóðahröðun, handvirk sannprófun. Einn rannsakandi vissi ekki hvernig á að gera endurtekna mælikvarða ANOVA í R. Hann lýsti gagnaskipulaginu (nafnlausu) fyrir gervigreindinni, tók kóðauppkastið og keyrði það á eigin vél. Hann endurtók einnig úttakið í SPSS; Niðurstöðurnar tvær voru sammála. Kóðinn var réttur, en rannsakandinn var aðeins öruggur með hann þegar hann staðfesti hann með öðru tæki.
Mál 2 — Tilbúin yfirlitstölfræði. Nemandi límdi gagnatöfluna inn í gervigreindina og sagði "reiknaðu meðaltal og staðalfrávik." Gervigreindin skilaði tölum sem virtust sanngjarnar; Þegar nemandinn athugaði það í hugbúnaðinum sá hann að nokkur meðaltöl voru röng. AI reiknaði reyndar ekki töfluna, það giskaði á það. Lærdómur: hugbúnaðurinn gerir útreikninginn, þú færð ekki niðurstöðuna frá gervigreindinni.
Mál 3 — Tillaga að eigindlegum kóða. Félagsvísindamaður kóðaði sjálfkóðað 30 viðtöl, gaf síðan gervigreindinni nafnlausan undirhóp og spurði „hvaða viðbótarþemu birtast. AI stakk upp á þema „stofnanatrausts“ sem hann skoðaði ekki sérstaklega. Rannsakandi sneri aftur að hráu tilvitnunum, fann að þemað var sannarlega stutt og bætti því við greiningu sína. AI bætt við sjónarhorni; Rannsakandi tók ákvörðun og sannprófun.
Afritanleg sniðmát
1) Samráð við prófval:
Afrakstur: [tegund háðrar breytu], [fjöldi hópa], [óháð/pöruð], [það sem ég veit um dreifinguna]. Spurning mín: er munur á hópunum? Skráðu þau tölfræðilegu próf sem gætu verið viðeigandi, með rökstuðningi þeirra, og skrifaðu niður forsendur hvers og eins. Ég tek valið.
2) Kóðauppkast (án auðkennis):
Ég er að nota R. Gagnaramminn minn hefur eftirfarandi dálka: [dálknöfn og gerðir, dæmi ÓDINKENNAR 2 línur]. Skrifaðu kóða með túlkun sem framkvæmir óháð sýnishorn t-próf og athugar forsendur (eðlileiki, einsleitni dreifni). Ég mun keyra kóðann á eigin vél.
3) Úttakstúlkun (APA):
Tölfræðihugbúnaðurinn minn framleiddi eftirfarandi úttak: [líma úttak]. Hvernig tilkynni ég þetta á APA 7 sniði? Útskýrðu áhrifastærðina og hagnýta merkingu þeirra á einföldu máli. Taktu tölurnar úr framleiðslunni minni, ekki framleiða nýjan.
4) Tillaga um eigindleg þema (nafnlaus):
Hér að neðan eru nafnlaus viðtalsbrot. Stingdu upp á inductively mögulegum kóða og þema CANDIDATES; Sýndu hvaða tilvitnun hver frambjóðandi byggir á. Þetta eru tillögur; Ég mun sannreyna það út frá hráum gögnum. Tilvitnanir: [nafnlaus texti]
Veik kvaðning / Sterk kvaðning
Veik kvaðning:
Greindu þessi gögn og segðu mér niðurstöðuna. [líma töflu]
AI gerir útreikninginn; Að auki eru hrá gögn send út í opna tólið. Tvöföld áhætta.
Öflug tilvitnun:
Ég er að nota Python (pandas + scipy). Gagnarammi minn: [óþekkt dálkaskilgreining]. Mig langar að bera saman tvo hópa. Skrifaðu TÚLKAN kóða sem (1) athugar forsendur, (2) beitir viðeigandi prófi, (3) reiknar út stærð áhrifa. Ég mun keyra það með eigin gögnum og tilkynna niðurstöðuna. Þú býrð EKKI til töluna; gefðu bara kóða og athugasemdir.
viðskipti
AI gerir það
þú gerir
Prófval
Valkostur + rökstuðningur
Athugun á forsendum, ákvörðun
Greiningarkóði
drög að kóða
Hlaup og lestur á staðnum
tölulegur útreikningur
ætti ekki
Útreikningur með hugbúnaði
Úttak athugasemd
Yfirlit á látlausu máli
Staðfestu með eigin útprentun
Eigindleg kóðun
Þema frambjóðandi
Staðfesting með hráum gögnum
Algeng mistök
- Hlaða upp hráum/auðkenndum gögnum í opna tólið. Trúnaður þátttakenda er brotinn; alvarlegustu mistökin.
- Að láta gervigreind reikna tölur. Framleiðir tilbúna tölfræði; Hugbúnaðurinn gerir útreikninginn.
- Keyrir kóðann án þess að lesa hann. Þögul villa lekur inn í skýrsluna.
- p-hakka. Að reyna að prófa til að finna marktækar niðurstöður er siðferðilegt brot.
- Að yfirgefa eigindlega túlkunina til gervigreindar. Rannsakandi smíðar merkinguna; AI bendir aðeins á mynstur.
Ábending: Geymdu greiningaráætlun þína og rökstuðning fyrir hvert próf sem þú notar skriflega. Þetta bæði verndar gegn p-hakka og veitir tilbúna skrá þegar þú skrifar aðferðarhlutann.
Í stuttu máli
AI flýtir mjög fyrir gagnagreiningu með kóðagerð, ráðgjöf um val á prófum, túlkun úttaks og eigindlegum þematillögum. En greining er viðkvæmasta nákvæmnisvið akademíunnar: hráum gögnum er haldið leyndum, útreikningar eru gerðir í hugbúnaði, allar tölulegar niðurstöður eru sannreyndar með höndunum, eigindleg túlkun er bundin við hrá gögn og forðast er að hakka. Stysta reglan: Kóðinn og túlkunin eru frá gervigreindinni, útreikningurinn og ákvörðunin eru frá þér.
Umsóknarverkefni
Lýstu uppbyggingu eigin (eða sýnishorns) gagna nafnlaust og biðjið gervigreindina um viðeigandi prófunartillögu og greiningarkóða með athugasemdum. Lestu kóðann og skrifaðu niður í einni setningu hvað hver lína gerir. Keyrðu kóðann og fáðu úttakið og staðfestu að minnsta kosti eina niðurstöðu á annan hátt (með hendi eða öðru tóli) ef mögulegt er. Ef þú ert að vinna eigindlega, stingdu upp á þema við nafnlaus tilvitnunarsett og berðu þær saman við hrá gögnin.
gátlisti
- [ ] Hef ég ekki hlaðið hráu/auðkenndu gögnunum í nein opin verkfæri?
- [ ] Hef ég staðfest prófvalið með því að athuga forsendurnar?
- [ ] Hef ég lesið og skilið kóðann og keyrt hann á staðnum?
- [ ] Hef ég sannreynt hvern tölfræðilegan niðurstöðuhugbúnað/efri hugbúnað?
- [ ] Hef ég tengt eigindleg þemu aftur við hráar tilvitnanir?