Пайдалар:
- Жасалма интеллекттин колдоосу менен максаттуу аудиторияга (академиялык, саясат, башкаруу) эмпирикалык жыйынтыктарды чынчыл жана ачык тилде билдирүү мүмкүнчүлүгү
- Корутундуларды, чектөөлөрдү жана этикалык билдирүүлөрдү толук жазуу жөндөмү (маалыматтын купуялыгы, кызыкчылыктардын кагылышы, жасалма интеллекттин колдонулушун ачыкка чыгаруу) жана адаштыруучу презентациядан качуу
- Жасалма интеллект апыртылган, бир жактуу же себептүү тилди жараткан отчеттордун долбоорлорун таануу жана жыйынтыктоочу текст жана дооматтар үчүн жоопкерчиликти сактоо жөндөмдүүлүгү изилдөөчүгө жүктөлөт.
Модуль экзамени
1. Бир изилдөөчү '2015-2020-жылдар аралыгында Түркиядагы жумушсуздук менен инфляциянын ортосундагы корреляция коэффициенти кандай?' жасалма интеллектке эч кандай маалымат бербестен. деп сурап, 0,62 санын туз эле макаласына жазат. Бул мамиледеги негизги ката эмнеде?
- A) Текшерилген маалыматтарды бербестен жасалма интеллекттен конкреттүү статистиканы күтүү; ✔ Текшербестен ойлоп табылган номерди колдонуу
- B) Корреляция коэффициенти эч качан макалада колдонулбашы керек.
- C) Жумыссыздык пен инфляция арасындагы корреляцияны есептеуге болмайды
- D) Жасалма интеллект маалыматтарга 2020-жылдан кийин гана кире алат
Түшүндүрмө: AI тил модели маалымат топтомуна кирбестен статистиканы чыгара албайт; Ал берген сан, кыязы, галлюцинация (ойдон чыгарылган). Коэффициенттер, катыштар жана тесттин натыйжалары моделдин эсинен алынбастан, изилдөөчүнүн өзүнүн текшерилген маалыматтарынан эсептелиши керек.
2. Жоголгон маалыматтардын "кокусунан жок болбошу" (MNAR) деген эмнени билдирет жана бул эмне үчүн маанилүү?
- А) Кемчилик байкалбаган нарктын өзүнөн келип чыгат; Ошондуктан жөнөкөй тапшырма бир тараптуулукту жаратышы мүмкүн ✔
- B) Берилиштер толугу менен туш келди жоголот жана эч кандай бурмалоо жаратпайт.
- C) Жетишпеген маалыматтар ар дайым сапты жок кылуу менен чечилиши керек.
- D) Берилбеген маалыматтар анализге эч кандай таасир этпейт.
Түшүндүрмө: MNAR (Missing Not At Random) учурда, жоголуунун өзү байкалбаган нарктын чоңдугунан көз каранды (мисалы, көп киреше алгандар кирешелери жөнүндө отчет беришпейт). Бул учурда, жөнөкөй өчүрүү же орточо дайындоо объективдүү натыйжаларды берет; Кемчиликтин механизмин моделдөө керек. Жасалма интеллект сунуш кылган дайындоо ыкмасын бул механизмди билбестен сокур колдонууга болбойт.
3. Аналитик AI штрих диаграммасын түзөт жана AI у огун нөлдүн ордуна 40тан баштайт. Эки топтун ортосундагы 2% иш жүзүндөгү айырма графикте чоң көрүнөт. Туура мамиле деген эмне?
- А) Окту нөлдөн баштоо же диаграмма түрүн өзгөртүү; ✔ адаштырбай айырманын чыныгы өлчөмүн көрсөтүү
- B) Диаграмманы колдонуу, анткени AI эң жакшы тандоону жасайт
- C) Айырмачылыкты дагы чоңураак кылуу үчүн окту 45тен баштоо
- D) Эч качан штрих диаграммалардын ордуна визуалдык сүрөттөрдү колдонбоңуз
Түшүндүрмө: Тилкелүү диаграммада сызылган огу (нөлдөн башталбаган y огу) кичинекей айырмачылыктарды көбүртүп-жабыртып, жаңылыштырат. Чынчыл визуализацияда штрих диаграммалардын огу нөлдөн башталышы керек же айырма аң-сезимдүү түрдө так көрсөтүлүшү керек. Сүрөттү текшерүү жана керек болсо аны оңдоо аналитиктин милдети.
4. Жасалма интеллекттин интерпретациясында сызыктуу регрессияда коэффициенттин "маанилүү" (p<0,05) экендиги кандайча туура эмес көрсөтүлөт?
- A) Эффект чоң жана маанилүү болгондуктан же себептүү байланыш аныкталгандыктан, маанисин апыртып көрсөтүү ✔
- B) Маанилүүлүк ар дайым эффекттин аз экенин көрсөтүп турат
- C) p<0,05 коэффициенттин абсолюттук туура экендигин далилдейт
- D) Маанилүү коэффициенттер эч качан билдирилбеши керек.
Түшүндүрмө: Статистикалык маани эффект нөлдөн айырмаланган далилдердин күчтүүлүгүнө тиешелүү; Бул таасир чоң, маанилүү же себептүү дегенди билдирбейт. AI көбүнчө "маанилүү" деген сөздү "маанилүү/күчтүү таасир" катары көрсөтөт. Изилдөөчү ошондой эле эффекттин көлөмүн, ишеним аралыгын жана контекстти баалашы керек.
5. "p-hacking" термини эмнени билдирет жана эмне үчүн AI аны жеңилдете алат?
- А) Маанилүү болгуча бир нече анализдерди жасоо; AI муну өтө тез жасап, тобокелдикти жогорулатат ✔
- B) Бир жолу жана алдын ала белгиленген план менен маалыматтарды талдоо
- C) р-бааны жогорулатуу үчүн үлгүнү кеңейтүү
- D) Сипаттама статистикасын гана билдирүү
Түшүндүрмө: p-hacking маанилүү натыйжа чыкканга чейин ар кандай өзгөрмөлөрдү, субүлгүлөрдү, трансформацияларды же моделдерди аракет кылуу; бул кокустукка негизделген жалган ачылыштарды жаратат. AI секунданын ичинде ондогон моделдердин варианттарын сынай алгандыктан, чынчыл плансыз эле p-хакерликти тездете алат. коргонуу; алдын ала каттоо, туруктуу талдоо планы жана бир нече салыштыруу түзөтүү.
6. Эмне үчүн эки стационардык эмес (бирдик тамыр) убакыт катарларынын ортосундагы жогорку R-квадраттык регрессияны табуу адаштырышы мүмкүн?
- A) Жалган регрессия жалпы тенденцияга байланыштуу болушу мүмкүн; ✔ Чыныгы байланышы жок жогорку R-квадрат чыгаруу
- B) Жогорку R-квадрат дайыма күчтүү себеп-салдар байланышын далилдейт.
- C) Стационардык эмес катарларды регрессияга таптакыр киргизүү мүмкүн эмес.
- D) R-квадратты убакыт катарларында эсептөө мүмкүн эмес
Түшүндүрмө: Эгерде стационардык эмес катарлардын ортосунда жалпы коинтеграциялык байланыш жок болсо, жасалма регрессия жалпы тенденциядан улам гана жогорку R-квадрат жана олуттуу коэффициентти жаратышы мүмкүн; ал эми чыныгы мамиле жок. Ошондуктан, алгач стационардуулук жана бирдик тамыр тесттери жүргүзүлүшү керек, керек болсо айырмачылыктар алынышы керек же коинтеграция сыналышы керек.
7. Айырмачылыктар дизайнынын негиздүүлүгү кандай негизги божомолго негизделген?
- A) Параллель тенденциялар болжолу: эч кандай кийлигишүү болбосо, топтор бирдей багытты карманмак ✔
- B) Дарылоо жана контролдоо топтору башында так бирдей
- C) Үлгүнүн нормалдуу таралышы
- D) Өзгөрмөлөр жетишпеген маалыматтарды камтыбайт
Түшүндүрмө: DiD кийлигишүү жок болгон учурда, дарылоо жана контролдоо топтору үчүн натыйжа өзгөрмөлөрү убакыттын өтүшү менен параллелдүү болгон (параллель тенденциялар болжолу) деп болжолдойт. Бул божомол аткарылбаса, баа бир тараптуу болуп саналат. AI DiD кодун чыгара алат, бирок параллелдүү тенденцияларды коргоо жана сыноо изилдөөчүнүн милдети.
8. Төмөнкүлөрдүн кайсынысы кайталануучу анализдин милдеттүү практикасы болуп саналат?
- A) Тукумду туш келди кадамдар менен бекитүү, пакеттин версияларын жана кодун жазуу ✔
- B) Натыйжаларды кол менен электрондук таблицага көчүрүү жана кодду өчүрүү
- C) Ар бир чуркоодо ар кандай жыйынтыктарды көрүү нормалдуу көрүнүш.
- D) Маалыматтарды жана кодду бөлүшпөстөн, акыркы графиканы гана сактоо
Сүрөттөмө: Кайра жаралуу; Ошол эле маалымат жана код менен ошол эле натыйжаны кайра алууга болот. Тукумду туш келди кадамдар менен бекитүү, пакеттин версияларын сактоо жана документтин ичиндеги кодду аткаруу (сабаттуу программалоо) мунун негизи болуп саналат. Натыйжаларды кол менен көчүрүү же чыкылдатууга негизделген, журналга кирбеген кадамдар кайталанууну начарлатат.
9. Гетероскедастика сызыктуу регрессияны эмнени бурмалайт жана анын жалпы чечими кандай?
- А) Стандарттык каталарды бурмалайт; чечим күчтүү стандарттык каталар же тиешелүү трансформация ✔
- B) Коэффициенттик эсептөөлөрдү толугу менен жокко чыгарат жана чечими жок
- C) Ар дайым R-квадратты нөлгө азайтат
- D) Үлгү өтө аз болгон учурда гана пайда болот жана ага көңүл бурбай коюуга болот
Түшүндүрмө: Гетероскедастика коэффициенттик баалоолорду калыс калтырбайт, бирок стандарттык каталарды туура эмес эсептейт; Бул p-баалуулуктарды жана ишеним интервалдарын ишенимсиз кылат. Жалпы чечим күчтүү/HC стандарттык каталарды же тиешелүү өзгөртүүнү колдонуу болуп саналат. AI тарабынан сунушталган чечим көйгөйдү жашырбастан, аны чечет деп ырастоо керек.
10. Изилдөөчү бейтаптын деңгээлиндеги идентификациялык маалыматты жана кирешени камтыган микромаалыматтарды коомдук AI чат куралына жүктөйт жана "регрессия кыл" дейт. Бул жүрүм-турумдун негизги көйгөйү эмнеде?
- A) Тышкы куралга жеке/лицензияланган маалыматтарды жүктөө купуялуулукту жана келишимди бузууну түзөт ✔
- B) Регрессияны жасалма интеллект такыр жасай албайт
- C) Микромаалыматтар регрессия үчүн таптакыр ылайыктуу эмес
- D) AI дайыма регрессияны туура эмес эсептейт
Түшүндүрмө: Инсандык жана киреше сыяктуу жеке/атайын маалыматтар KVKK/GDPR жана көпчүлүк маалыматтарды колдонуу келишимдеринде корголот; Аларды маалыматты сактай турган тышкы түзүлүшкө жүктөө мыйзам бузуу болуп саналат. туура жол; Маалыматтарды анонимдөө, жергиликтүү/институционалдык коопсуз куралдарды колдонуу же жөн гана жасалма интеллекттен кодду суроо жана кодду өз чөйрөсүндө иштетүү.
11. Мультиколлинеардуулук жогору болгондо эмне байкалат?
- А) Коэффиценттер туруксуз болуп, стандарттык каталар көбөйөт; Жеке коэффициенттер маанисиз болуп чыгышы мүмкүн ✔
- B) R-квадрат дайыма нөлгө чейин төмөндөйт
- C) Коэффициенттерди баалоо дайыма так болуп турат
- D) Көз каранды өзгөрмөнүн масштабы өзгөрөт
Түшүндүрмө: Жогорку мультиколлинеардуулукта көз карандысыз өзгөрмөлөр бири-бири менен катуу корреляцияланат; Коэффициенттерди баалоо туруксуз болуп, стандарттык каталар көбөйүп, жеке коэффициенттер анча маанилүү эмес болуп чыгышы мүмкүн, ал эми жалпы модель олуттуу болушу мүмкүн. VIF сыяктуу критерийлер боюнча диагноз коюлат. Жасалма интеллект өзгөрүлмөлөрдү жок кылууну сунуш кылышы мүмкүн, бирок кайсы өзгөрмө теориялык бойдон калаарын изилдөөчү чечет.
12. Статистикалык күч деген эмне жана аз кубаттуулуктагы изилдөөнүн коркунучу кандай?
- А) Бар эффектти табу мумкиндиги; аз кубаттуулук чыныгы эффекттерди өткөрүп жиберет жана табылгаларды ишенимсиз кылат ✔
- Б) р-баанын төмөндөтүү ыктымалдыгы; төмөнкү күч дайыма ишенимдүү натыйжаларды берет
- C) Тандоо өлчөмүнө көз карандысыз туруктуу чоңдук
- D) Жасанды интеллект колдонулганда гана жарактуу түшүнүк
Түшүндүрмө: Күч – бул иш жүзүндө бар эффектти аныктоо ыктымалдыгы (1 минус II типтеги ката). Төмөн кубаттуу изилдөөлөр чыныгы эффекттерди өткөрүп жибериши мүмкүн; Кошумчалай кетсек, бир нече олуттуу натыйжалар апыртылган эффект өлчөмүн («жеңүүчүнүн каргышы») алып келиши мүмкүн жана жалган оң көрсөткүч жогорулайт. Ошондуктан, күч/үлгү эсептөө талдоо алдында маанилүү болуп саналат.
13. Макалада жасалма интеллекттин колдонулушун ачыкка чыгаруу эмне үчүн этикалык жактан зарыл?
- А) Ачыктык жана отчеттуулук үчүн; ✔ Окурмандар жана калыстар процесске баа бере алышат жана жоопкерчилик автордо калат
- B) Жасалма интеллектти колдонуу натыйжаларды автоматтык түрдө жокко чыгарат
- C) Жарнамалык максатта гана журналдар тарабынан суралган
- D) Түшүндүрүүнүн автордук укугун жасалма интеллектке өткөрүп берүү
Ачыкка чыгаруу: Окурмандар жана рецензенттер жыйынтыктар кандайча чыгарылганын баалай алышы үчүн ачык-айкындык зарыл; Көптөгөн журналдар жана мекемелер азыр AI колдонуунун ачыкка чыгышын талап кылат. Кошумчалай кетсек, жасалма интеллект каталарды/галлюцинацияларды жаратышы мүмкүн болгондуктан, жоопкерчилик автордо калаарын жана кайсы кадамдар текшерилгенин айтуу чынчылдык маселеси.
14. Instrument Variable (IV) методунда "чыгаруу чектөөсү" эмнени талап кылат?
- A) Курал ички өзгөрмө аркылуу гана натыйжага таасирин тийгизет, башка түз жол жок ✔
- B) Куралдын жыйынтык өзгөрмөсү менен эч кандай байланышы жок.
- C) Курал эндогендик өзгөрмө менен байланышы жок.
- D) Орточо ар дайым экилик (0/1) өзгөрмө болуп саналат
Түшүндүрмө: Четтетүү чектөөсү инструменттин жыйынтык өзгөрмөсүнө башка түз каражаттар же байкалбаган факторлор аркылуу эмес, эндогендик түшүндүрмө өзгөрмө аркылуу гана таасир этүүсүн талап кылат. Бул божомолду маалыматтардан толук текшерүү мүмкүн эмес; Ал теориялык жана институттук негиздер боюнча корголот. AI IV кодун жаза алат, бирок бул куралдын жарактуулугун коргоо изилдөөчүнүн милдети.
15. Алдын ала каттоосу жок ийкемдүү анализдердеги "Айрылдуу жолдор бакчасы" көйгөйү эмнени билдирет?
- A) Маалыматтын негизинде жасалган өтө көп акылга сыярлык талдоо тандоосу жалган оң көрсөткүчтү кокусунан да жогорулатат ✔
- B) Талдоо методдору бирдиктүү жана милдеттүү болушу керек
- C) Атайылап алдоо пайда болгондо гана пайда болгон көйгөй.
- D) Үлгү өскөн сайын өзүнөн-өзү жок боло турган жагдай
Түшүндүрмө: Маалыматтарды көргөндөн кийин, изилдөөчү кайсы өзгөрмө, подгруппа, трансформация же босого колдонула тургандыгы боюнча көптөгөн акылга сыярлык тандоолорду жасай алат. Жалгыз “атайыл p-hacking” жок болсо да, бул ийкемдүүлүк жалган оң көрсөткүчтү жогорулатат, анткени көп сандагы анализдердин ичинен маанилүүсү натыйжалуу тандалат. Алдын ала каттоо жана туруктуу талдоо планы бул ийкемдүүлүктү чектейт.