Pelnas:
- Galimybė naudoti dirbtinį intelektą analizės planui generuoti, tinkamam statistinio testo pasirinkimui ir R/Python/SPSS kodo juodraščiui bei rankiniu būdu patvirtinti išvestį
- Gebėjimas priimti temų ir kodų pasiūlymus kokybiniais duomenimis, sujungti ir patvirtinti dirbtinio intelekto interpretaciją su neapdorotais duomenimis
- Gebėjimas suprasti dalijimosi neapdorotais duomenimis riziką privatumui, suklastotos statistikos ir p-hacking pavojų ir nubrėžti atsakingos analizės ribas
Surinkus duomenis, laikas juos suprasti. Duomenų analizė – tai neapdorotų skaičių ar teksto pavertimo išvadomis, atsakančiomis į tyrimo klausimą, procesas. Šiame etape dirbtinis intelektas pagreitina tris konkrečias užduotis: sukuria kodo juodraštį (R, Python, SPSS sintaksę), padeda interpretuoti statistinę išvestį ir teikia temų / kodų pasiūlymus kokybiniuose duomenyse. Tačiau analizė yra pati jautriausia tikslumo ir konfidencialumo sritis akademinėje bendruomenėje. Pagrindinė šio įrenginio taisyklė yra dvejopa: neapdoroti duomenys išlieka konfidencialūs, kiekvienas skaitinis rezultatas tikrinamas rankiniu būdu. AI taip pat gali pateikti netikrą statistiką; Nepatvirtinta p reikšmė yra tokia pat pavojinga kaip ir nepatvirtintas priskyrimas.
Sukurti kodo juodraštį
AI yra labai galingas paverčiant analizės planą veikiančiu kodu. Pasakius „Atlikite nepriklausomą šių kintamųjų pavyzdinį t testą ir patikrinkite prielaidas“, gausite aiškų R arba Python kontūrą. Tai puikus patogumas, ypač tyrėjams, kurie nėra programavimo ekspertai. Bet yra dvi taisyklės. Pirma: paleiskite kodą savo aplinkoje su savo duomenimis; Neįkelkite neapdorotų duomenų į įrankį. Jūs aprašote savo duomenų struktūrą AI (kintamųjų pavadinimai, tipai, kelios pavyzdinės eilutės – be ID), jis parašo kodą ir vykdote jį vietiniame kompiuteryje. Antra: perskaitykite ir supraskite kodą; aklas kopijavimas perkelia tyliąją klaidą (netinkamas kintamasis, neteisingas testas) į ataskaitą to nepastebėdamas.
Statistinio testo pasirinkimas yra kritinis sprendimas: duomenų tipas (nuolatinis / kategorinis), grupių skaičius, pasiskirstymo prielaidos lemia testą. Kaip ir sprendimų medis, AI sako „šiuo atveju gali būti tinkamas toks testas“ ir paaiškina jo motyvus; Tai pamokoma. Bet jūs patvirtinate pasirinkimą, patikrinę savo duomenų prielaidas. Neteisingas testas duoda rezultatą, kuris atrodo teisingas, bet beprasmis.
Atsargiai: paprašius skaičiaus („koks yra šios imties vidurkis“), AI gali sudaryti skaičių, kuris atrodo pagrįstas, neatlikęs jokių faktinių skaičiavimų. Niekada neleiskite AI „apskaičiuoti“ duomenų ir nenaudoti rezultato; Statistinė programinė įranga atlieka matematiką, AI tiesiog sukuria kodą ir interpretuoja.
Statistinis interpretavimas ir kokybinis kodavimas
Kai jūsų programinė įranga sukuria išvestį (pvz., t(48) = 2,31, p = 0,025), dirbtinis intelektas padeda jį interpretuoti paprasta kalba: ką tai reiškia, efekto dydžio reikšmę, kaip apie tai bus pranešama (APA formatu). Jūs patikrinate šį aiškinimą žiūrėdami į savo išvestį; Jūs pateikiate išvestį AI, ji ją interpretuoja, žinote, kad skaičius iš tikrųjų buvo gautas iš jūsų analizės.
Atlikdamas kokybinę analizę, AI gali išgauti galimus kodus (pasikartojančius reikšmės vienetus) ir temas iš interviu stenogramų. Tai vertinga kaip indukcinio kodavimo atskaitos taškas; AI gali pasiūlyti šabloną, kurį praleidote. Tačiau kokybinės analizės esmė yra gilus tyrėjo skaitymas; Kiekvieną kodą, kurį AI siūlo, susiejate su neapdorotais duomenimis (tikra citata), patikrinkite jo kontekstą ir filtruokite naudodami savo interpretacijos sistemą. AI „neinterpretuoja“ kokybinių duomenų, jis siūlo modelius; Jūs kuriate prasmę.
p-hacking (manipuliavimas duomenimis įvairiais būdais, kol gaunami reikšmingi rezultatai) yra rimtas etikos pažeidimas. Tai, kad dirbtinis intelektas pasakys „išbandykite skirtingus testus, kol rasi reikšmingą rezultatą“, yra būtent tai ir yra draudžiama. Prieš žiūrėdami duomenis, nustatykite savo analizės planą (jei įmanoma su išankstine registracija) ir naudokite dirbtinį intelektą, kad įvykdytumėte tą planą, o ne „medžiokite“ rezultatą.
Atkuriamumo ir kodo dokumentacija
Šiuolaikinėje akademinėje bendruomenėje vis svarbesnis tampa atkuriamumas: kito tyrėjo galimybė padaryti tą pačią išvadą su jūsų duomenimis ir kodu. AI čia yra dvipusis pagalbininkas. Pirma, galite paprašyti dokumentuoti sukurtą kodą su komentarų eilutėmis; Kodas, paaiškinantis, ką daro kiekvienas veiksmas, leidžia lengviau suprasti po šešių mėnesių, o auditoriui – sekti. Antra, dirbtinis intelektas skatina jūsų analizę pagrįsti scenarijais, o ne atsitiktiniu rankiniu paspaudimu (pvz., SPSS meniu); Scenarijus yra visas jūsų analizės įrašas ir gali būti kartojamas vienu paspaudimu. Tai pašalina netikrumą "su kokiu nustatymu gavau šį rezultatą?"
Dalis atkuriamumo yra neapdorotų ir apdorotų duomenų laikymas atskirai: jūs niekada neliečiate neapdorotų duomenų ranka, atliekate visas transformacijas (valymą, kodavimą, išskyrimą) kode. Tokiu būdu, radę klaidą, galite grįžti į pradžią ir paleisti ją dar kartą. AI gali pasiūlyti darbo eigos sistemą, kuri išsaugo šį skirtumą; Tačiau tokius sprendimus, kaip, kuris dalyvis buvo pašalintas, ir kodėl turite priimti ir įrašyti mokslinius sprendimus.
trys mini dėklai
1 atvejis – kodo pagreitis, rankinis patikrinimas. Vienas tyrėjas nežinojo, kaip atlikti pakartotinių matavimų ANOVA R. Jis apibūdino duomenų struktūrą (anoniminę) AI, paėmė kodo juodraštį ir paleido jį savo kompiuteryje. Jis taip pat pakartojo išvestį SPSS; Du rezultatai sutapo. Kodas buvo teisingas, tačiau tyrėjas juo pasitikėjo tik tada, kai patikrino jį antruoju įrankiu.
2 atvejis. Sugalvota suvestinė statistika. Studentas įklijavo duomenų lentelę į AI ir pasakė „apskaičiuokite vidurkius ir standartinius nuokrypius“. AI grąžino skaičius, kurie atrodė pagrįsti; Kai mokinys tai patikrino programinėje įrangoje, pamatė, kad keli vidurkiai buvo klaidingi. AI iš tikrųjų neapskaičiavo lentelės, ji atspėjo. Pamoka: programinė įranga atlieka skaičiavimus, jūs negaunate rezultato iš AI.
3 atvejis – kokybinio kodo pasiūlymas. Socialinis mokslininkas pats užkodavo 30 interviu, tada AI pateikė anoniminį pogrupį ir paklausė, „kokios papildomos temos atsiranda“. AI pasiūlė „institucinio pasitikėjimo“ temą, kurios jis atskirai nesvarstė. Tyrėjas grįžo prie neapdorotų citatų, išsiaiškino, kad tema tikrai palaikoma, ir įtraukė ją į savo analizę. AI pridėta perspektyva; Tyrėjas priėmė sprendimą ir patikrinimą.
Kopijuojami šablonai
1) Testo atrankos konsultacija:
Išeiga: [priklausomo kintamojo tipas], [grupių skaičius], [nepriklausomas/suporuotas], [ką aš žinau apie paskirstymą]. Mano klausimas: ar yra skirtumas tarp grupių? Išvardykite statistinius testus, kurie gali būti tinkami, su jų pagrindimu ir užrašykite kiekvieno iš jų prielaidas. Aš darau pasirinkimą.
2) Kodo projektas (be ID):
Naudoju R. Mano duomenų rėmelyje yra šie stulpeliai: [stulpelių pavadinimai ir tipai, pvz., UNDENTIFIED 2 eilutės]. Parašykite kodą su interpretacija, kuri atlieka nepriklausomą imties t testą ir patikrina prielaidas (normalumą, dispersijos homogeniškumą). Kodą paleisiu savo kompiuteryje.
3) Išvesties interpretacija (APA):
Mano statistikos programinė įranga sukūrė tokią išvestį: [įklijuoti išvestį]. Kaip pranešti apie tai APA 7 formatu? Paaiškinkite efekto dydį ir praktinę jo reikšmę paprasta kalba. Paimkite skaičius iš mano produkcijos, nekurkite naujo.
4) Kokybinis temos pasiūlymas (anoniminis):
Žemiau pateikiamos anoniminės interviu ištraukos. Induktyviai pasiūlyti galimą kodą ir temą KANDIDATAI; Parodykite, kokia citata remiasi kiekvienas kandidatas. Tai pasiūlymai; Aš tai patvirtinsiu iš neapdorotų duomenų. Citatos: [anoniminis tekstas]
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Išanalizuokite šiuos duomenis ir pasakykite man rezultatą. [įklijuoti lentelę]
AI atlieka skaičiavimus; Be to, neapdoroti duomenys išvedami į atvirą įrankį. Dviguba rizika.
Galingas raginimas:
Naudoju Python (pandas + scipy). Mano duomenų rėmelis: [neidentifikuotas stulpelio apibrėžimas]. Noriu palyginti dvi grupes. Parašykite IŠvertintą kodą, kuris (1) patikrina prielaidas, (2) taiko atitinkamą testą, (3) apskaičiuoja efekto dydį. Aš paleisiu jį su savo duomenimis ir pranešiu apie rezultatą. Jūs nesugalvojate skaičiaus; tiesiog duok kodą ir komentuok.
verslui
AI daro
tu darai
Testo pasirinkimas
Variantas + pagrindimas
Prielaidų patikrinimas, sprendimas
Analizės kodas
kodekso projektas
Bėgimas ir skaitymas vietoje
skaitinis skaičiavimas
neturėtų
Skaičiavimas su programine įranga
Išvesties komentaras
Paprasta kalba
Patvirtinkite savo spaudiniu
Kokybinis kodavimas
Temos kandidatas
Patvirtinimas naudojant neapdorotus duomenis
Dažnos klaidos
- Neapdorotų / identifikuotų duomenų įkėlimas į atvirą įrankį. Pažeidžiamas dalyvio konfidencialumas; didžiausia klaida.
- DI skaičiuoja skaičius. Rengia suplanuotą statistiką; Programinė įranga atlieka skaičiavimus.
- Kodo paleidimas jo neskaitant. Tylioji klaida nuteka į ataskaitą.
- p-hacking. Bandymas atlikti testus siekiant rasti reikšmingų rezultatų yra etikos pažeidimas.
- Kokybinį aiškinimą paliekame dirbtiniam intelektui. Tyrėjas konstruoja prasmę; AI siūlo tik modelius.
Patarimas: Išsaugokite analizės planą ir kiekvieno naudojamo testo pagrindimą raštu. Tai apsaugo nuo p įsilaužimo ir suteikia paruoštą įrašą rašant metodo skyrių.
Apibendrinant
AI labai pagreitina duomenų analizę rengiant kodą, konsultuojantis dėl testų pasirinkimo, išvesties interpretavimo ir kokybinės temos siūlymo. Tačiau analizė yra pati subtiliausia akademijos tikslumo sritis: neapdoroti duomenys laikomi paslaptyje, skaičiavimai atliekami programine įranga, kiekvienas skaitinis rezultatas tikrinamas ranka, kokybinė interpretacija susieta su neapdorotais duomenimis, išvengiama p-hacking. Trumpiausia taisyklė: kodas ir interpretacija yra iš AI, skaičiavimas ir sprendimas priklauso nuo jūsų.
Taikymo užduotis
Anonimiškai apibūdinkite savo (arba pavyzdžio) duomenų struktūrą ir paprašykite AI pateikti atitinkamą bandymo rekomendaciją ir komentuojamą analizės kodą. Perskaitykite kodą ir vienu sakiniu užsirašykite, ką daro kiekviena eilutė. Paleiskite kodą ir gaukite išvestį ir, jei įmanoma, patikrinkite bent vieną rezultatą kitu būdu (ranka ar kitu įrankiu). Jei dirbate kokybiškai, pasiūlykite temą anoniminiam citatų rinkiniui ir palyginkite jas su neapdorotais duomenimis.
kontrolinis sąrašas
- [ ] Ar neįkėliau neapdorotų / identifikuotų duomenų į jokius atvirus įrankius?
- [ ] Ar patikrinęs prielaidas patvirtinau testo pasirinkimą?
- [ ] Ar perskaičiau ir supratau kodą ir paleidau jį vietoje?
- [ ] Ar patikrinau kiekvieną skaitmeninių rezultatų programinę įrangą / antrinę?
- [ ] Ar kokybines temas susiejau su neapdorotomis citatomis?