Pelnas:
- Gebėjimas panaudoti dirbtinį intelektą kaip minčių partnerį aiškinant tyrimo klausimą, generuojant hipotezes ir kintamųjų apibrėžimus bei metodų parinktis
- Gebėjimas iš dirbtinio intelekto gauti kiekybinius, kokybinius ir mišrius projektavimo, pavyzdžio ir validumo-patikimumo variantus ir juos įvertinti pagal savo sritį ir etikos taisykles.
- Gebėjimas suprasti, kad metodiniai sprendimai ir etikos komiteto (IRB) atsakomybė priklauso tyrėjui ir kad dirbtinio intelekto pasiūlymas yra tik juodraštis.
Susipažinus su literatūra, laikas kurti savo studiją. Tyrimo planavimas – tai procesas, kai pradedama nuo klausimo ir paverčiama išmatuojamu, atsakomu tyrimu: klausimo aštrinimas, hipotezės nustatymas, kintamųjų apibrėžimas, tinkamo projekto ir metodo parinkimas, imties nustatymas, pagrįstumo ir patikimumo įvertinimas. Tai pati psichiškai sudėtingiausia tyrimų dalis, o dirbtinis intelektas čia gali būti galingas minčių partneris – generuoti galimybes, sužadinti akląsias vietas, lyginti alternatyvas. Tačiau pagrindinė šio skyriaus taisyklė yra aiški: metodiniai sprendimai ir etinė atsakomybė priklauso tyrėjui; AI suteikia tik vertinimo parinktis.
Nuo klausimo iki hipotezės
Geras tyrimo klausimas yra koncentruotas, atsakomas ir originalus. Bendra sistema yra PICO eksperimentiniuose / klinikiniuose tyrimuose: populiacija, intervencija, palyginimas, rezultatas. Socialiniuose moksluose klausimas paprastai keliamas kaip ryšys tarp kintamųjų. AI padeda susiaurinti platų klausimą ir siūlo keletą alternatyvių formuluočių.
Hipotezė – tai problemos pavertimas išbandoma prognoze; paprastai apima kryptį („X padidina Y“). Kintamieji yra dalykai, kuriuos matuojate: nepriklausomas kintamasis (kuriam darote įtaką), priklausomas kintamasis (rezultatas, kurį matuojate), kontroliniai kintamieji (kuriuos laikote pastovius). Dirbtinis intelektas yra naudingas paaštrinant hipotezę, paverčiant kintamuosius į operacinius apibrėžimus (išmatuojamus apibrėžimus) ir primenant galimus trikdžius (trečias veiksnys, kuris slapta įtakoja rezultatą).
Užuomina: pasakykite AI „taip pat pateikite argumentų, kad paneigtumėte šią hipotezę“. Verta anksti pastebėti savo dizaino trūkumus, kad galėtumėte mokytis dabar, o ne teisėjavimo proceso metu.
Dizainas, pavyzdys ir galiojimas
Tyrimo planas yra tai, kaip duomenys bus renkami ir struktūrizuojami, kad būtų galima atsakyti į jūsų klausimą. Yra trys plačios šeimos: kiekybinis (skaitiniai duomenys, statistinis tikrinimas – eksperimentinis, kvazieksperimentinis, koreliacinis, apklausa), kokybinis (tekstas/stebėjimas, prasmė ir patirtis – interviu, atvejo analizė, fenomenologija, pagrįsta teorija) ir mišrus metodas (sujungiant abu). AI gali palyginti kiekvieną modelį su privalumais ir trūkumais ir aptarti, kuris iš jų galėtų labiau atitikti jūsų klausimą; bet galutinis pasirinkimas priklauso nuo jūsų šaltinių, lauko tradicijų ir klausimo pobūdžio.
Pavyzdys yra jūsų visatos poaibis, kurį tiriate. Kiekybiškai imties dydis apskaičiuojamas pagal galios analizę – mažiausia imtį, reikalingą statistiškai reikšmingam poveikiui užfiksuoti; AI primena formulę ir prielaidas, bet jūs turėtumėte patvirtinti skaičių naudodami programinę įrangą (pvz., GPower). Galiojimas (ar tikrai matuojate tai, ką matuojate) ir patikimumas* (ar matavimas gali būti kartojamas) yra dizaino kokybės užtikrinimas; AI išvardija grėsmes, imatės atsargumo priemonių.
Svarbiausias dalykas yra etika. Bet kokiems tyrimams, kuriuose dalyvauja žmonės ar gyvūnai, reikalingas etikos komiteto (IRB) patvirtinimas: informuotas sutikimas, konfidencialumas, nepiktybiškumas. AI gali padėti parengti etikos komiteto paraišką, tačiau ji niekada nepakeičia patvirtinimo ir etinės atsakomybės. AI negali pasakyti, kad „šis dizainas yra etiškas“; Tai sprendžia jūsų įstaigos etikos komitetas.
Mišrių metodų pagrindimas ir išankstinė registracija
Svarbus klausimas renkantis mišrų metodą yra kodėl ir kaip derinti du duomenų tipus. Paprasčiausiai pasakymas „atlikiau ir apklausą, ir interviu“ nėra mišrus metodas; Dizainas turi turėti logiką. Įprasti modeliai apima tiriamąjį nuoseklųjį (pirmiausia kiekybinį, paskui kokybinį, kad būtų pagilinti išvados), tiriamąjį nuoseklųjį (pirmiausia kokybinį, tada masto kūrimą ir kiekybinį testavimą) ir vienu metu vykstančius įdėtus projektus. AI gali palyginti šiuos modelius pagal jūsų klausimą ir aptarti, kuris iš jų atitinka integravimo logiką; bet pasirinkimas priklauso nuo to, ko iš tikrųjų reikia jūsų klausimui.
Galingas metodinio vientisumo įrankis yra išankstinė registracija: hipotezės, kintamųjų ir analizės plano registravimas atviroje saugykloje (pvz., OSF) prieš renkant duomenis. Tai užkerta kelią įžvalgumui (HARKing – hipotezių kėlimas pamačius rezultatą) ir padidina jūsų tyrimo patikimumą. AI gali padėti susisteminti išankstinės registracijos formos projektą ir pastebėti bet kokius plano neaiškumus; Tačiau kiekvienas jūsų įrašytas sprendimas yra jūsų ir jūs esate atsakingi už jo laikytis po įrašymo.
trys mini dėklai
1 atvejis – klausimo susiaurinimas. Absolvento klausimas buvo „Kaip socialinė žiniasklaida veikia jaunus žmones? Jis buvo toks didelis ir neišmatuojamas. Jis įdėjo dirbtinį intelektą į PICO panašų pagrindą; Kyla klausimas: „Ar yra ryšys tarp kasdienio „Instagram“ naudojimo laiko ir miego kokybės 14–17 metų vidurinės mokyklos mokinių? tapo. Išmatuojamas, ribotas ir atsakomas klausimas; AI padėjo jį susiaurinti, studentas priėmė sprendimą.
2 atvejis – klaidinantis kintamojo įspėjimas. Vienas tyrėjas iškėlė hipotezę „internetinis kursas → žemi pasiekimai“. Jis paklausė AI apie jos trūkumus; AI mums priminė, kad socialinė ir ekonominė padėtis gali būti painiava, kuri turi įtakos ir kurso tipui, ir sėkmei. Tyrėjas to nežinojo, bet jis neįtraukė jo kaip valdymo kintamojo į savo dizainą. AI tarnavo kaip priminimas; metodinį sprendimą priėmė pats.
3 atvejis – etinė riba. Studentas rengė apklausą opiu klausimu (medžiagų vartojimo) ir paklausė YZ: „Ar ši apklausa bus sėkminga etikos komitetui? – paklausė jis. AI išvardijo bendruosius principus (sutikimas, anonimiškumas, teisė atsisakyti), tačiau studentas tuo nepakeitė sutikimo; Tikrasis etikos komitetas kreipėsi ir valdyba prašė pataisyti dviejuose straipsniuose. AI padėjo parengti projektą, valdyba priėmė sprendimą.
Kopijuojami šablonai
1) Klausimo susiaurinimas:
Jūsų vaidmuo: metodinis konsultantas. Mano plati domėjimosi sritis yra: „[tema]“. Susiaurinkite tai iki 3 tikslinių, išmatuojamų alternatyvių tyrimo klausimų. Kiekvienam nurodykite pavyzdį, pagrindinius kintamuosius ir galimą dizainą. Tai yra variantai; Aš nuspręsiu.
2) Hipotezė ir kintamųjų aiškinimas:
Mano tyrimo klausimas: „[klausimas]“. Pasiūlykite man (a) patikrinamą hipotezę, (b) nepriklausomus / priklausomus / kontroliuojamus kintamuosius, (c) kiekvieno kintamojo operacinį (išmatuojamą) apibrėžimą. Taip pat išvardykite galimus klaidinančius kintamuosius. Aptarkite galimybes, sprendimas yra mano.
3) Šablonų palyginimas:
Palyginkite kiekybinius, kokybinius ir mišrius metodus „[klausimas]“ lentelėje: tinkamumas, stiprumas, riba, reikalingi ištekliai. Tikrai nesakyk „pasirink tai“; Pasakyk man privalumus ir trūkumus, aš pasirinksiu.
4) Galiojimo / patikimumo grėsmių sąrašas:
Išvardykite toliau nurodytas dizaino grėsmes vidiniam pagrįstumui, išoriniam pagrįstumui ir patikimumui ir pasiūlykite galimą atsakomąją priemonę kiekvienam. Dizainas: [apibendrinti]. Tai bus mano kontrolinis sąrašas; Aš priimu sprendimą.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Duok man tyrimo dizainą.
Nėra temų, klausimų, sričių ir apribojimų; AI sukuria bendrą, nenaudingą šabloną.
Galingas raginimas:
Jūsų vaidmuo: patyręs ugdymo mokslų metodininkas. Mano klausimas: „Mišraus mokymosi poveikis 7 klasės gamtos mokslų pasiekimams“. Kvazieksperimentiniam projektui: aptarkite atitinkamą kontrolės grupės strategiją, matavimo priemonių tipą, galimus trikdžius ir vidines galiojimo grėsmes kaip OPTIONS. Pasakykite, kokios informacijos reikia galios analizei; Paskaičiuosiu skaičių su benG*Power. Pažymėkite taškus, kuriems reikalingas etinis patvirtinimas.
Dizaino sprendimas
AI vaidmuo
Kieno atsakomybė
Susiaurinkite klausimą
gamina alternatyvas
Tyrėjas pasirenka
Hipotezė/kintamasis
Juodraštis + priminimas
Tyrėjas apibrėžia
Rašto pasirinkimas
lygina
Tyrėjas nusprendžia
imties dydis
Formulė primena
Patvirtinta programine įranga
Etinis patvirtinimas
juodraščio padėjėjas
Tik etikos komisija
Dažnos klaidos
- Kurdami AI, pasirinkite modelį. Metodinis sprendimas priklauso tyrėjui; AI siūlo, jūs pasirenkate.
- Apeinant etikos tarybą. AI negali pasakyti „etiška“; Patvirtinimas gaunamas iš įstaigos etikos komiteto.
- Maišytuvų ignoravimas. Jei kontroliniai kintamieji neplanuojami, rezultatas negali būti interpretuojamas.
- Tikslaus mėginių skaičiaus gavimas iš AI. Patikrinkite galios analizę naudodami atitinkamą programinę įrangą.
- Nesusiaurindamas klausimo. Neišmatuojamai platus klausimas reiškia tyrimą, kurio neįmanoma sukurti.
Atsargiai: AI siūlomas metodas gali būti nestandartinis jūsų srityje. Palyginkite kiekvieną rekomendaciją su savo srities metodikos šaltiniais (vadovėliu, konsultantu, panašiais leidiniais); AI kalba paprastai, domenų sutartys yra specifinės.
Apibendrinant
Tyrimo planas – tai grandinė, einanti nuo klausimo aštrinimo iki atrankos ir etikos. AI yra galingas minčių partneris, kuris sukuria pasirinkimus kiekvienoje šios grandinės grandyje ir primena akląsias vietas; patikslina hipotezę, lygina modelius, išvardija grėsmes. Tačiau atsakomybė už projekto parinkimą, pavyzdžio patvirtinimą ir ypač etinį patvirtinimą priklauso tyrėjui ir etikos komitetui. Trumpiausia taisyklė: pasirinkimas priklauso nuo AI, metodologinis ir etinis sprendimas priklauso nuo jūsų.
Taikymo užduotis
Gaukite savo tyrimo idėją. Naudodami AI susiaurinkite iki 3 tikslinių klausimų ir pasirinkite vieną. Sukurkite hipotezes, kintamuosius ir operacinius apibrėžimus pasirinktam klausimui ir pataisykite juos pagal savo sritį. Paprašykite kiekybinio / kokybinio / mišraus dizaino palyginimo ir pastraipoje pagrįskite, kurį pasirinkote ir kodėl. Pažymėkite taškus, kuriems reikalingas etinis patvirtinimas.
kontrolinis sąrašas
- [ ] Ar išmatuojamai susiaurinau savo tyrimo klausimą?
- [ ] Ar išaiškinau hipotezes ir kintamuosius operatyviniais apibrėžimais?
- [ ] Ar aš suplanavau klaidinančius kintamuosius?
- [ ] Ar modelį pasirinkau dėl savo priežasčių?
- [ ] Ar nustačiau punktus, kuriems reikalingas etikos komiteto pritarimas?