Pelnas:
- Gebėti aiškiai apibrėžti visatą ir įvertinti atrankos metodo reprezentatyvumą ir kas yra sistemingai pašalinamas
- Gebėjimas atskirti duomenų šališkumą ir dirbtinio intelekto nešamus stereotipus ir abu valdyti
- Gebėjimas išreikšti išvadas, apribotas pavyzdžiu, be perdėto ir parašyti sąžiningą apribojimų skyrių.
Svarbiausia socialinio tyrimo koncepcija yra imtis – tai yra pogrupis, kurį pasirenkate, nes negalite išnagrinėti visos jus dominančios grupės (visatos/populiacijos: visų žmonių ar vienetų, apie kuriuos norima kalbėti tyrime) po vieną. Kam galima apibendrinti tyrimo išvadas (t.y. „ar šis rezultatas galioja tik šiems žmonėms, ar platesnei grupei“), visiškai priklauso nuo imties reprezentatyvumo. Klaidingo arba šališko mėginio rezultatas yra neteisingas, nesvarbu, kaip gerai jis analizuojamas. Šiame skyriuje išmoksite naudoti dirbtinį intelektą, kad galvotumėte apie pavyzdžio dizainą, aptiktumėte šališkumą – sistemingą duomenų ar interpretacijų poslinkį viena kryptimi ir sąžiningai išreikštumėte apibendrinimo ribas.
Čia būtina išskirti du išankstinio nusistatymo tipus. Pirmoji yra duomenų šališkumas: imtis vienai grupei atstovauja per daug, o kitai grupei – nepakankamai (pvz., tiems, kurie gali dalyvauti tik internetinėje apklausoje, t. y. turintiems interneto prieigą). Antrasis yra paties dirbtinio intelekto šališkumas: dirbtinis intelektas turi tekstų, pagal kuriuos jis buvo išmokytas, modelius ir gali pateikti stereotipinius apibendrinimus apie socialinę grupę. Geras socialinis tyrinėtojas turi būti budrus abiem; AI gali padėti atpažinti abu, arba gali padidinti abu.
Žingsnis po žingsnio: galvokite apie reprezentaciją
1. Apibūdinkite visatą. Kam norite papasakoti apie savo atradimą? „Visi rinkėjai Turkijoje“ ir „jaunieji rinkėjai Stambulo kaimynystėje“ yra labai skirtingos visatos. Pavyzdys negali būti nustatytas to aiškiai neparašius.
2. Pasirinkite mėginių ėmimo metodą. Tokie metodai kaip atsitiktinis (visi turi vienodą galimybę būti atrinktiems), stratifikacija (visatos suskirstymas į grupes ir atranka iš kiekvienos grupės), sniego gniūžtė (vienas dalyvis rekomenduoja kitą) suteikia skirtingas vaizdavimo galias. AI gali paaiškinti kiekvieno metodo privalumus ir trūkumus paprasta kalba.
3. Paklauskite, kas liko nuošalyje. Kiekvienas mėginys praleidžia ką nors. Internetinė apklausa pasigenda neturinčių interneto, telefoninė apklausa pasigenda neturinčių fiksuotojo ryšio, dienos apklausa pasigenda darbuotojų. AI sudaro gerą kontrolinį sąrašą, „kam šis metodas sistemingai neįtraukiamas?
4. Žemėlapio šališkumo šaltiniai. Išvardykite šaltinius, tokius kaip atrankos šališkumas (kas pasirinktas), atsakymo šališkumas (kas atsako), prisiminimo šališkumas (netinkamas praeities prisiminimas).
5. Parašykite apibendrinimo ribą. Išvadą suformuluokite kaip „jauni žmonės šiame pavyzdyje“, o ne „visi paaugliai“. AI gali pažymėti pernelyg didelius apibendrinimus jūsų juodraštyje.
Patarimas: gerą tyrimo ataskaitą sustiprina, o ne susilpnina skiltis „ribojimai“. Sąžiningai rašydami apie tai, kam jūsų imtis neatstovauja, jūsų tyrimas tampa patikimesnis. Turėkite AI parengti šio skyriaus projektą, bet patys patvirtinkite visus apribojimus.
trys mini dėklai
1 atvejis – paslėptas atrankos poslinkis. Siekdama įvertinti pasitenkinimą savivaldybės paslaugomis, viena komanda atliko apklausą savivaldybės tinklalapyje ir nustatė 78 proc. Kai paklausiau AI „kam trūksta šio pavyzdžio?“, paaiškėjo, kad segmentas, kuris jau naudoja svetainę (tai yra, turi prieigą prie paslaugos ir tikriausiai yra labiau patenkintas), yra per daug atstovaujamas. Išvada buvo pataisyta į „78% tarp svetainės vartotojų“.
2 atvejis – AI stereotipas. Kai tyrėjas AI apibendrino „kaimo pagyvenusių žmonių požiūrį į technologijas“, AI pridėjo stereotipinį rėmą, kurio duomenyse nebuvo, pavyzdžiui, „pagyvenę žmonės bijo technologijų“. Kai tyrėjas tai suprato ir pasakė „tiesiog pasikliauk stenogramoje esančiais teiginiais“, buvo matyti, kad iš tikrųjų duomenyse yra įvairiausių požiūrių.
3 atvejis. Stratifikuota atrankos korekcija. 500 žmonių imtyje moterų buvo 30%, palyginti su 51% gyventojų. AI paaiškino svorio logiką paprasta kalba, o komanda įvertino rezultatus pagal gyventojų proporcijas, todėl vaizdas buvo reprezentatyvesnis.
Keturi kopijuojami šablonai
1) Pavyzdžio kritika:
Mano tyrimo visata: [aprašymas]. Mano atrankos metodas yra: [metodas]. Jūsų užduotis: nurodykite, kam šis pavyzdys gali sistemingai atstovauti per mažai arba per daug. Atskirai apsvarstykite pasirinkimo, atsakymo ir atšaukimo klaidas. Pateikite kiekvienos rizikos mažinimo rekomendaciją. Neperdėk mano atradimo; Sąžiningai parodykite ribas.
2) Apibendrinimo valdymas:
Išnagrinėkite šiuos paieškos sakinius: [tekstas]. Pažymėkite kiekvieną perdėtą apibendrinimą. Perrašykite tokius teiginius kaip „visi/visi/jaunuoliai/moterys“ siauresniu teiginiu, kurį iš tikrųjų patvirtina duomenys. Pavyzdžiui, vietoj „jauni žmonės daro X“, „Y % paauglių šioje imtyje nurodė X“. Pažymėkite bet kokį neaiškios kilmės teiginį.
3) AI šališkumo fiksavimas:
Žemiau pateikiau jums santrauką. Patikrinkite: ar pateiktame tekste TIKRAI yra jūsų pridėtų sprendimų, būdvardžių ar apibendrinimų? Pažymėkite ir pašalinkite posakius, kurių nėra tekste, bet kurie atsiranda iš jūsų šablonų. Tiesiog laikykitės to, kas parašyta tekste.
4) Projekto apribojimų skyrius:
Parašykite juodraštį „Apribojimai“ remdamiesi tokia metodo informacija: imties dydis [n], metodas [x], kontekstas [y]. Paaiškinkite, kaip kiekvienas apribojimas gali turėti įtakos išvadoms. Nei perdėjimas, nei nuvertinimas; Būkite subalansuotas ir sąžiningas. Patvirtinsiu kiekvieną prekę.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Mano apklausos rezultatais rodo, kad tokios nuomonės laikosi dauguma jaunų žmonių. Parašykite tai stipriu sakiniu.
Tai sukelia pernelyg didelį apibendrinimą, niekada neabejojant imtimi. Dirbtinis intelektas lengvai pakliūna į teiginį, kad duomenys nėra pagrįsti, pvz., „Jauni žmonės Turkijoje...“
Galingas raginimas:
Mano pavyzdys: 220 bakalauro studijų studentų viename universitete, internetinė apklausa, savanoriškas dalyvavimas. Norėčiau išsakyti išvadą: 61% dalyvių išreiškė nuomonę X. Parašykite tai paprastu akademiniu sakiniu, kuriame aiškiai nurodomos imties ribos (atstovavimas, savanoriškos veiklos šališkumas). Apriboti apibendrinimą iki šio pavyzdžio.
Skirtumas: antrame sakinyje pateikiamas pagrįstas teiginys, kurį iš tikrųjų patvirtina duomenys.
Atrankos metodai ir reprezentatyvumas
Metodas
Kaip tai veikia
atstovavimo galia
Tipiška rizika
paprastas atsitiktinis
Visiems vienodos galimybės
aukštas
transportavimo kaina
stratifikuotas
Padalinkite ir pasirinkite į grupes
aukštas
Grupės apibrėžimo klaida
kvota
Grupinių įkainių pildymas
vidutinis
Grupės šališkumas
lengva
Neklauskite nieko, kas gali būti pasiekiama
žemas
Didelis atrankos šališkumas
sniego gniūžtė
Pagal dalyvio pasiūlymą
žemas
Intratinklo panašumas
Dažnos klaidos
- Pavyzdžio nustatymas neapibrėžiant visatos. Atstovavimas negali būti vertinamas nežinant, kam apibendrinsi.
- Patogaus atrankos apibendrinimas visai populiacijai. Dažniausia klaida; „apklausos respondentai“ yra painiojami su „visais“.
- Niekada neklausia, kas liko nuošalyje. Kiekvienas metodas ką nors pagrobia; Ieškokite to sąmoningai.
- Nepastebėti AI pridėto stereotipo. Modelis gali pridėti stereotipų, kurių nėra duomenyse.
- Slėpti apribojimus. Paslėpus imties silpnumą, tyrimas tampa trapus, nepatikimas.
Apibendrinant
Išvados vertė yra tiek pat, kiek ir imties, kuria ji grindžiama, reprezentatyvumas. AI; yra galinga pagalba paaiškinant atrankos metodus, nustatant, kas yra nepakankamai atstovaujama, pažymėti pernelyg didelius apibendrinimus ir sudaryti sąžiningų apribojimų skyrių. Tačiau saugokitės dviejų šališkumo: pačių duomenų šališkumo ir AI taikomų stereotipų. Aiškiai apibrėžkite visatą, paklauskite, kas liko nuošalyje, apibendrinkite tik pavyzdžiu ir sąžiningai užsirašykite apribojimus.
Taikymo užduotis
Apibūdinkite realaus ar hipotetinio tyrimo populiaciją ir atrankos metodą. Išskirkite iš AI, kas gali būti per mažai arba per daug atstovaujama, naudodami „atrankos kritikos“ šabloną ir nurodykite bent tris šališkumo šaltinius. Tada išverskite radinio teiginį į siaurą teiginį, kurį duomenys iš tikrųjų palaiko naudojant „apibendrinimo patikros“ modelį. Galiausiai parašykite sąžiningą pusės puslapio apribojimų skyrių.
kontrolinis sąrašas
- [ ] Aš aiškiai apibrėžiau visatą (kam apibendrinsiu).
- [ ] Įvertinau atrankos metodo reprezentatyvumą.
- [ ] Išvardijau, kas buvo sistemingai pašalintas.
- [ ] Išvadas išreiškiau tik imtyje ir neperdedu.
- [ ] Pašalinau AI pridėtus stereotipus / apibendrinimus.