Табыстар:
- Жасанды интеллект қолдауымен мақсатты аудиторияға (академиялық, саясаттық, басқарушылық) эмпирикалық нәтижелер туралы шынайы және бір мағыналы тілде хабарлау мүмкіндігі
- Қорытындыларды, шектеулерді және этикалық мәлімдемелерді толық жазу мүмкіндігі (деректер құпиялығы, мүдделер қақтығысы, жасанды интеллектті пайдалануды ашу) және жаңылыстыратын презентацияны болдырмау
- Жасанды интеллект асыра, біржақты немесе себеп-салдарлық тіл тудыратын есептер жобаларын тану және түпкілікті мәтін мен шағымдар үшін жауапкершілікті сақтау мүмкіндігі зерттеушіге жүктеледі.
Модуль емтиханы
1. Зерттеуші '2015 және 2020 жылдар аралығында Түркиядағы жұмыссыздық пен инфляция арасындағы корреляция коэффициенті қандай?' жасанды интеллектке ешқандай деректер бермей. деп сұрап, 0,62 санын тура мақаласына жазады. Бұл тәсілдегі негізгі қателік неде?
- A) Тексерілген мәліметтерді бермей, жасанды интеллекттен нақты статистиканы күту; ✔ Тексермей жасалған нөмірді пайдалану
- B) Корреляция коэффициентін мақалада ешқашан қолдануға болмайды.
- C) Жұмыссыздық пен инфляция арасындағы корреляцияны есептеу мүмкін емес
- D) Жасанды интеллект деректерге 2020 жылдан кейін ғана қол жеткізе алады
Түсініктеме: AI тіл үлгісі деректер жиынына қатынаусыз статистиканы жасай алмайды; Ол берген сан, ең алдымен, галлюцинация (ойдан шығарылған). Коэффициенттер, коэффициенттер және сынақ нәтижелері модель жадынан алынбай, зерттеушінің өзінің тексерілген деректерінен есептелуі керек.
2. Жетіспейтін деректердің «кездейсоқ жоғалмауы» (MNAR) нені білдіреді және бұл неліктен маңызды?
- A) Жетіспеушілік бақыланбаған мәннің өзінен болады; Сондықтан қарапайым тапсырма біржақтылықты тудыруы мүмкін ✔
- B) Мәліметтер толығымен кездейсоқ жоғалады және ешқандай ауытқуды тудырмайды.
- C) Жетіспейтін деректер әрқашан жолды жою арқылы шешілуі керек.
- D) Жетіспейтін деректер талдауға ешқандай әсер етпейді.
Түсініктеме: MNAR (Missing Not At Random) жағдайында жетіспеушіліктің өзі бақыланбаған мәннің шамасына байланысты болады (мысалы, табысы жоғары адамдар табысы туралы есеп бермейді). Бұл жағдайда қарапайым жою немесе орташа тағайындау біржақты нәтиже береді; Жетіспеушілік механизмін модельдеу керек. Жасанды интеллект ұсынған тағайындау әдісін осы механизмді білмей соқыр қолдануға болмайды.
3. Талдаушы AI бағаналы диаграмма жасайды, ал AI у осін нөлдің орнына 40-тан бастайды. Екі топ арасындағы нақты 2% айырмашылық графикте үлкен көрінеді. Дұрыс көзқарас қандай?
- A) Осьті нөлден бастау немесе диаграмма түрін өзгерту; ✔ жаңылыстырусыз айырмашылықтың шынайы өлшемін көрсету
- B) Диаграмманы сол қалпында пайдалану, өйткені AI ең жақсы таңдау жасайды
- C) Айырмашылықты ұлғайту үшін осьті 45-тен бастау
- D) Бағаналы диаграммалардың орнына ешқашан көрнекі құралдарды пайдаланбаңыз
Түсініктеме: Бағаналы диаграммада сызылған ось (нөлден басталмайтын y осі) шағын айырмашылықтарды асыра көрсету арқылы жаңылыстырады. Шынайы визуализацияда бағаналы диаграммалардың осі нөлден басталуы керек немесе айырмашылық саналы түрде анық айтылуы керек. Суретті тексеру және қажет болған жағдайда оны түзету талдаушының міндеті.
4. Жасанды интеллектті түсіндіруде сызықтық регрессиядағы коэффициенттің «маңызды» (p<0,05) фактісі қалай жиі бұрмаланады?
- A) Әсер үлкен және маңызды немесе себепті байланыс орнатылғандықтан, маңыздылықты асыра көрсету ✔
- B) Маңыздылық әрқашан әсердің аз екенін көрсетеді
- C) p<0,05 коэффициенттің абсолютті дұрыс екенін дәлелдейді
- D) Ешқашан маңызды коэффициенттерді хабарлауға болмайды.
Түсініктеме: Статистикалық маңыздылық әсердің нөлден айырмашылығы бар дәлелдемелердің күшімен байланысты; Бұл әсер үлкен, маңызды немесе себептік дегенді білдірмейді. AI жиі «маңызды» сөзін «маңызды/күшті әсер» ретінде ұсынады. Зерттеуші сонымен қатар әсер өлшемін, сенімділік интервалын және контекстті бағалауы керек.
5. «p-hacking» термині нені білдіреді және неліктен AI оны жеңілдетеді?
- A) Ақылға қонымды болғанша бірнеше талдау жасап көру; AI мұны өте тез жасайды, бұл тәуекелді арттырады ✔
- B) Деректерді бір рет және алдын ала белгіленген жоспармен талдау
- C) р-мәнін арттыру үшін таңдауды кеңейту
- D) Тек сипаттамалық статистиканы хабарлау
Түсініктеме: p-бұзу — мәнді нәтиже шыққанша әртүрлі айнымалыларды, ішкі үлгілерді, түрлендірулерді немесе үлгілерді қолданып көру; бұл кездейсоқтыққа негізделген жалған тұжырымдар жасайды. AI бірнеше секунд ішінде ондаған модель нұсқаларын сынап көре алатындықтан, ол адал жоспарсыз p-бұзуды жылдамдата алады. қорғаныс; алдын ала тіркеу, тұрақты талдау жоспары және бірнеше салыстыру түзету.
6. Неліктен екі стационарлық емес (бірлік түбір) уақыт қатары арасындағы жоғары R-квадрат регрессиясын табу жаңылыс болуы мүмкін?
- A) Жалпы тенденцияға байланысты жалған регрессия болуы мүмкін; ✔ Нақты қатынассыз жоғары R-квадрат шығысы
- B) Жоғары R квадраты әрқашан күшті себеп-салдарлық байланысты дәлелдейді.
- C) Стационарлық емес қатарларды регрессияға мүлдем енгізуге болмайды.
- D) R-квадратты уақыттық қатарда есептеу мүмкін емес
Түсініктеме: Стационарлық емес қатарлар арасында ортақ коинтеграциялық байланыс болмаса, жалған регрессия жалпы трендке байланысты жоғары R-квадратты және маңызды коэффициентті тудыруы мүмкін; ал нақты қарым-қатынас жоқ. Сондықтан алдымен стационарлық және бірлік түбірлік сынақтар жасалуы керек, қажет болған жағдайда айырмашылықтар алынуы немесе коинтеграция сыналуы керек.
7. «Айырмашылықтардағы айырмашылық» жобасының дұрыстығына қандай негізгі болжам негізделген?
- A) Параллель трендтер болжамы: егер араласу болмаса, топтар бір бағытты ұстанатын еді ✔
- B) Емдеу және бақылау топтары басында тура бірдей
- C) Үлгінің қалыпты таралуы
- D) Айнымалыларда жетіспейтін деректер болмайды
Түсініктеме: DiD араласу болмаған жағдайда емдеу және бақылау топтары үшін нәтиже айнымалысы уақыт өте параллельді болатынын болжайды (параллель трендтер болжамы). Егер бұл болжам орындалмаса, бағалау біржақты болады. AI DiD кодын жасай алады, бірақ бұл параллель трендтерді қорғау және сынау зерттеушінің міндеті.
8. Төмендегілердің қайсысы қайталанатын талдаудың міндетті тәжірибесі болып табылады?
- A) Тұқымды кездейсоқ қадамдармен бекіту, пакет нұсқалары мен кодты жазу ✔
- B) Нәтижелерді электрондық кестеге қолмен көшіру және кодты жою
- C) Әр жүгіруде әртүрлі нәтижелерді көру қалыпты жағдай.
- D) Мәліметтер мен кодты бөліспей, тек соңғы графиканы сақтау
Сипаттама: Қайта шығару мүмкіндігі; Дәл сол деректер мен кодпен бірдей нәтижені қайтадан алуға болады. Тұқымды кездейсоқ қадамдармен бекіту, бума нұсқаларын сақтау және құжаттағы кодты орындау (сауатты бағдарламалау) мұның іргетастары болып табылады. Нәтижелерді қолмен көшіру немесе нұқуға негізделген, журналға жазылмайтын қадамдар қайталануды нашарлатады.
9. Гетероскедастикалық сызықтық регрессияны нені бұрмалайды және оның жалпы шешімі қандай?
- A) Стандартты қателерді бұрмалайды; шешім сенімді стандартты қателер немесе тиісті түрлендіру ✔
- B) Ол коэффиценттік бағалауларды толығымен жоққа шығарады және шешімі жоқ
- C) Әрқашан R-квадратты нөлге дейін азайтады
- D) Үлгі өте аз және елемеу мүмкін болған жағдайда ғана пайда болады
Түсініктеме: Гетероскедастық коэффициентті бағалауды бейтарап қалдырады, бірақ стандартты қателерді қате есептейді; Бұл p-мәндері мен сенімділік интервалдарын сенімсіз етеді. Жалпы шешім сенімді/HC стандартты қателерін немесе сәйкес түрлендіруді пайдалану болып табылады. AI ұсынған шешім мәселені жасырмай, оны түзететінін тексеру керек.
10. Зерттеуші пациент деңгейіндегі сәйкестендіру ақпараты мен кірісі бар микродеректерді жалпыға ортақ AI чат құралына жүктеп салып, «регрессия жаса» дейді. Бұл мінез-құлықтың басты мәселесі неде?
- A) Жеке/лицензияланған деректерді сыртқы құралға жүктеп салу құпиялылық пен келісімшартты бұзу болып табылады ✔
- B) Регрессияны жасанды интеллект мүлде жасай алмайды
- C) Микромәлімет регрессияға мүлдем жарамайды
- D) AI әрқашан регрессияны қате есептейді
Түсініктеме: Жеке куәлік және кіріс сияқты жеке/арнайы деректер KVKK/GDPR және деректерді пайдалану келісімдерінің көпшілігі бойынша қорғалады; Оларды деректерді сақтай алатын сыртқы құрылғыға жүктеп салу бұзушылық болып табылады. Дұрыс жол; Деректерді анонимдеу, жергілікті/институционалдық қауіпсіз құралдарды пайдалану немесе жай ғана жасанды интеллекттен кодты сұрау және кодты өз ортасында іске қосу.
11. Мультиколлинеарлық жоғары болғанда не байқалады?
- A) Коэффициенттер тұрақсыз болады және стандартты қателер жоғарылайды; Жеке коэффициенттер мағынасыз болып шығуы мүмкін ✔
- B) R-квадрат әрқашан нөлге дейін азаяды
- C) Коэффициенттерді бағалау барлық уақытта дәлірек болады
- D) Тәуелді айнымалының масштабы өзгереді
Түсініктеме: Жоғары мультиколлинеарлық жағдайда тәуелсіз айнымалылар бір-бірімен күшті корреляцияланады; Коэффициенттерді бағалау тұрақсыз болады, стандартты қателер жоғарылайды және жеке коэффициенттер шамалы болып шығуы мүмкін, ал жалпы үлгі маңызды болуы мүмкін. Ол VIF сияқты критерийлер бойынша диагноз қойылады. Жасанды интеллект айнымалыларды жоюды ұсынуы мүмкін, бірақ қай айнымалының теориялық болып қалуы зерттеушіге байланысты.
12. Статистикалық қуат дегеніміз не және төмен қуатты зерттеудің қаупі қандай?
- A) Бар әсерді анықтау мүмкіндігі; төмен қуат шынайы әсерлерді жіберіп алады және нәтижелерді сенімсіз етеді ✔
- B) р-мәнін азайту ықтималдығы; төмен қуат әрқашан сенімдірек нәтиже береді
- C) Таңдама көлеміне тәуелсіз тұрақты шама
- D) Жасанды интеллект қолданылғанда ғана жарамды ұғым
Түсініктеме: Қуат – нақты бар әсерді анықтау ықтималдығы (1 минус II типті қате). Төмен қуатты зерттеулер шынайы әсерлерді жіберіп алуы мүмкін; Бұған қоса, бірнеше маңызды нәтижелер әсердің шамадан тыс мөлшерін («жеңімпаздың қарғысы») алып, жалған оң көрсеткішті арттыруы мүмкін. Сондықтан қуатты/үлгіні есептеу талдау алдында маңызды.
13. Неліктен мақалада жасанды интеллекттің қолданылуын ашу этикалық тұрғыдан қажет?
- A) Транспаренттілік пен есеп берушілік үшін; ✔ Оқырмандар мен төрешілер процесті бағалай алады және жауапкершілік авторда қалады
- B) Жасанды интеллектті қолдану нәтижелерді автоматты түрде жарамсыз етеді
- C) Журналдар тек жарнамалық мақсатта сұрайды
- D) Түсіндірменің авторлық құқығын жасанды интеллектке беру
Ақпаратты ашу: Оқырмандар мен шолушылар нәтижелердің қалай жасалғанын бағалай алуы үшін ашықтық қажет; Қазір көптеген журналдар мен мекемелер AI пайдалану туралы ақпаратты ашуды талап етеді. Сонымен қатар, жасанды интеллект қателер/галлюцинациялар тудыруы мүмкін болғандықтан, жауапкершілік авторда және қандай қадамдар тексерілгенін айту адалдық мәселесі болып табылады.
14. Құрал айнымалысы (IV) әдісінде «шығаруды шектеу» нені талап етеді?
- A) Құрал нәтижеге тек ішкі айнымалы арқылы әсер етеді, басқа тікелей жол жоқ ✔
- B) Құралдың нәтиже айнымалысымен байланысы жоқ.
- C) Құрал эндогендік айнымалыға қатысы жоқ.
- D) Орташа мән әрқашан екілік (0/1) айнымалы болып табылады
Түсініктеме: Шектеу шектеуі құралдың нәтиже айнымалысына кез келген басқа тікелей құралдар немесе бақыланбайтын факторлар арқылы емес, тек эндогендік түсіндірме айнымалы арқылы әсер етуін талап етеді. Бұл болжамды деректерден толық тексеру мүмкін емес; Ол теориялық және институционалдық негізде қорғалады. AI IV кодын жаза алады, бірақ бұл құралдың жарамдылығын қорғау зерттеушінің міндеті.
15. Алдын ала тіркелусіз икемді талдаулардағы «Айырық жолдар бағы» мәселесі нені білдіреді?
- A) Деректерге негізделген тым көп негізделген талдау таңдауы, тіпті байқаусызда жалған оң көрсеткішті арттырады ✔
- B) Талдау әдістері жалғыз және міндетті болуы керек
- C) Әдейі алдау орын алған кезде ғана туындайтын мәселе.
- D) Үлгі өскен сайын өздігінен жойылатын жағдай
Түсініктеме: Деректерді қарап шыққаннан кейін зерттеуші қандай айнымалыны, ішкі топты, түрлендіруді немесе шекті пайдалану керектігі туралы көптеген ақылға қонымды таңдау жасай алады. Тіпті жалғыз «әдейі p-бұзу» болмаса да, бұл икемділік жалған оң көрсеткішті арттырады, себебі маңыздысы көптеген талдаулар арасынан тиімді таңдалады. Алдын ала тіркелу және тұрақты талдау жоспары бұл икемділікті шектейді.