Guadagni:
- Capacità di individuare trappole ambigue, doppie e ambigue nelle domande del sondaggio e di collegare ciascuna domanda a un concetto
- Capacità di eseguire calcoli statistici reali in un programma e di utilizzare l'intelligenza artificiale solo per la selezione e l'interpretazione del metodo
- Capacità di distinguere la significatività statistica dalla significatività pratica e di verificare le ipotesi dei test
La ricerca quantitativa è un approccio che misura i fenomeni sociali con i numeri e li analizza con le statistiche: cerca risposte a domande come quante persone, a quale ritmo, quale differenza c’è tra quali gruppi. Lo strumento più comune per questo approccio è il sondaggio, un metodo per raccogliere dati comparabili da un gran numero di persone utilizzando domande standard. Impostare un buon sondaggio e analizzare correttamente i dati in arrivo richiede abilità; Una brutta domanda rovina il risultato fin dall’inizio. In questa unità imparerai come utilizzare l'intelligenza artificiale per progettare domande di sondaggio, costruire scale (opzioni di risposta che valutano un atteggiamento, ad esempio "fortemente d'accordo... fortemente in disaccordo") e analizzare i dati in arrivo; ma imparerai perché dovresti mantenere il giudizio statistico.
Il punto in cui l’intelligenza artificiale è più preziosa nell’analisi quantitativa non è nel calcolo stesso, ma nello spiegare come eseguire il calcolo e cosa significa il risultato. L'intelligenza artificiale può delineare per te il codice di analisi (ad esempio comandi da eseguire in R o Python), spiegare in un linguaggio semplice quando utilizzare un test statistico e aiutarti a interpretare l'output. Ma non fidatevi mai dei numeri che l’intelligenza artificiale genera “a mente fredda” nel testo: un modello linguistico non è una calcolatrice e potrebbe produrre una media, una percentuale o un valore p errati. Il calcolo vero e proprio viene effettuato in un vero programma statistico.
Passo dopo passo: dal sondaggio alla recensione
1. Collega ciascuna domanda a un concetto. Ogni domanda che inserisci nel sondaggio dovrebbe misurare un concetto nella tua domanda di ricerca. Non aggiungere domande solo perché "sarebbe interessante". L'intelligenza artificiale ti aiuta a controllare la mappatura concetto-domanda in una tabella.
2. Elimina le domande sbagliate. Le domande iniziali ("Sei soddisfatto di questo ottimo servizio?"), le domande doppie ("Il servizio era veloce ed economico?"), le domande vaghe ("Ti è piaciuto spesso?") distorcono i dati. L'intelligenza artificiale è efficace nel segnalare queste insidie nella bozza del sondaggio.
3. Stabilire la scala in modo coerente. Se utilizzi una scala Likert (una scala di accordo a 5 o 7 punti), mantieni la direzione e le valutazioni coerenti durante tutto il sondaggio. L’intelligenza artificiale rileva le incoerenze.
4. Cancella dati. I dati in arrivo potrebbero contenere risposte mancanti, incoerenze o due record della stessa persona. L'intelligenza artificiale può elencare i passaggi di pulizia e creare una bozza di codice; Decidi tu.
5. Scegli il test corretto e INTERPRETAlo. Stai confrontando due gruppi, cercando una relazione? L'intelligenza artificiale spiega quale test è appropriato; È tuo compito eseguire il test nel programma e leggere e dare un senso all'output.
Attenzione: non dire all'IA "calcola la media di questi dati" e scrivi il numero risultante direttamente nel rapporto. Il modello linguistico commette errori di aritmetica. Eseguire il calcolo in un foglio di calcolo o in un programma statistico; Utilizzare l'intelligenza artificiale solo per il suo metodo e la sua interpretazione.
tre mini custodie
Caso 1: domanda principale corretta. Una bozza del sondaggio chiedeva "Quanto sei soddisfatto del servizio di trasporto del nostro comune di successo?" Aveva una domanda. L'AI ha notato che l'aggettivo "di successo" spingeva la risposta al positivo. La domanda è: "Come valuti il servizio di trasporto del Comune?" è stato neutralizzato e i risultati sono stati più equilibrati.
Caso 2 – Rilevato errore di calcolo dell’IA. Un ricercatore ha incollato 300 righe di dati come testo nell'IA e ha detto "trova l'età media"; YZ ha detto 34.2. Quando gli stessi dati sono stati inseriti in una tabella, la media effettiva era 31,7. L’IA aveva sbagliato i calcoli all’interno del testo; Il problema è stato risolto quando l'account è stato spostato nel programma.
Caso 3: chiarita la selezione del test. Una squadra voleva confrontare il punteggio medio di due gruppi ma non sapeva quale test utilizzare. YZ ha spiegato che il t-test (un test che verifica se la differenza tra le medie di due gruppi è casuale) era appropriato per "due gruppi indipendenti, una variabile continua", ha elencato le sue ipotesi e ha fornito una bozza del codice. Il team ha eseguito il test nel programma e ha interpretato il risultato.
Quattro modelli copiabili
1) Verifica delle domande del sondaggio:
Esamina le domande del sondaggio riportate di seguito. Controlla per ogni domanda: è importante, è una domanda doppia (due cose in una domanda), è ambigua, le opzioni di risposta si sovrappongono/mancano? Affianca il problema e una versione migliore. Controlla se la direzione della scala è coerente. Domande: [qui]
2) Tabella di mappatura concetto-domande:
La mia domanda di ricerca: [domanda]. I miei concetti chiave: [elenco]. Disponi le seguenti domande del sondaggio in una tabella: quale concetto misura ciascuna domanda? Contrassegna le domande che non si collegano ad alcun concetto ("extra") e i concetti che non hanno domande ("idle"). Sondaggio: [qui]
3) Piano di pulizia dei dati (bozza di codice):
Ho un set di dati di sondaggio con le seguenti variabili: [variabili]. Forniscimi un elenco di controllo per la pulizia dei dati e una bozza di codice CON LINEE DI COMMENTO per [R/Python]: dati mancanti, valori anomali, record duplicati, codifica incoerente. Eseguirò il codice e verificherò l'output; Non fare i conti.
4) Commento statistico (ho fatto il calcolo):
Ho eseguito un [nome test] e ho ottenuto il seguente output: [output]. Interpreta questo risultato in un linguaggio semplice: cosa significa nella pratica, distingui tra significatività statistica e significatività pratica e ricorda quali presupposti devono essere verificati. Non esagerare il risultato; Raccontami anche i tuoi limiti.
Prompt debole / Prompt forte
Suggerimento debole:
Calcola le medie dei gruppi in questi dati e indica quale è più alta. [500 righe di dati]
L'intelligenza artificiale tenta di eseguire calcoli all'interno del testo e potrebbe produrre numeri errati. Inoltre, non è affidabile rispondere alla domanda “C’è una differenza significativa” senza test statistici.
Suggerimento potente:
Voglio confrontare i punteggi di due gruppi: una variabile continua, due gruppi indipendenti. (1) Quale test statistico è appropriato e perché? (2) Quali sono le sue ipotesi? (3) Bozza del codice di commento per [R/Python]. Farò il calcolo nel programma; Fornisci solo il metodo e il codice, non generare numeri.
La differenza: l’intelligenza artificiale non viene più utilizzata come calcolatore inaffidabile, ma come affidabile consulente di metodo.
Divisione del lavoro in compiti quantitativi
Ricerca
L’intelligenza artificiale è sicura?
Come usare
Verifica della progettazione delle domande
Sì
Segnalazione di trappole
Consistenza della scala
Sì
lista di controllo
Codice di cancellazione dati
Sì (bozza)
Esegui il codice
Conto nel testo
no
Non fidarti mai
Selezione della prova
Sì
Spiegare il metodo
Commento conclusivo
Sì (supporto)
Sta a te giudicare
Errori comuni
- Utilizzando direttamente il numero generato dall'IA. In aritmetica il modello linguistico è sbagliato; Effettuare il calcolo nel programma.
- Porre una domanda importante. Aggettivi e supposizioni distorcono la risposta.
- Confondere la significatività statistica con la significatività pratica. "Significativa" può essere anche una piccola differenza; Guarda le dimensioni.
- Tralasciando le ipotesi. Ogni test ha dei prerequisiti; Non commentare senza controllare.
- Fare domande extra. Ogni domanda del sondaggio dovrebbe essere collegata a un concetto; il resto gonfia i dati.
In sintesi
L'intelligenza artificiale nella ricerca quantitativa; È un valido consulente nel cogliere le insidie delle domande del sondaggio, nella mappatura delle domande concettuali, nella stesura del codice di pulizia e analisi dei dati e nell'interpretazione del risultato in un linguaggio semplice. Ma non lasciare mai che sia l’IA a fare il calcolo vero e proprio; Il modello linguistico non è una calcolatrice. Scegli il test, ma lo esegui nel programma, leggi l'output e distingui tra significatività statistica e significatività pratica. L’intelligenza artificiale accelera il processo; La responsabilità del problema e del commento è tua.
Compito dell'applicazione
Scrivi una bozza di sondaggio con 10 domande. Ottieni il flag AI e correggi le domande principali, duplicate e ambigue con il modello "Verifica delle domande del sondaggio". Quindi crea un piccolo set di dati di esempio (20-30 righe) e calcola la media e le percentuali effettive in un programma di fogli di calcolo; Fornisci all'IA gli stessi dati del testo, confrontali con i numeri risultanti e segnala la differenza. Infine, fai interpretare l'output del test con il modello di "interpretazione delle statistiche".
lista di controllo
- [ ] Ho collegato ciascuna domanda del sondaggio a un concetto.
- [ ] Ho eliminato le domande direttive, doppie e ambigue.
- [] I calcoli effettivi li ho eseguiti nel programma statistico, non nell'intelligenza artificiale.
- [ ] Ho controllato le ipotesi del test.
- [ ] Ho distinto la significatività statistica dalla significatività pratica.