Aliran Kerja Hujung-ke-Hujung, Tadbir Urus dan Penggunaan Bertanggungjawab — Kecerdasan Buatan dalam Sosiologi dan Penyelidikan Sosial

Keuntungan:

Keupayaan untuk merancang penyelidikan sebagai aliran kerja enam peringkat yang koheren daripada reka bentuk kepada dokumentasi
Keupayaan untuk menentukan had penggunaan selamat kecerdasan buatan pada setiap peringkat dan mengesahkan output sebelumnya pada peralihan peringkat
Keupayaan untuk mewujudkan protokol penggunaan yang bertanggungjawab di peringkat pasukan dan menilai sendiri mengikut lima prinsip asas

Dalam sepuluh unit sebelumnya, kami telah merangkumi AI pada setiap peringkat penyelidikan sosial: soalan dan literatur, persampelan, tinjauan dan analisis kuantitatif, pengekodan dan tema kualitatif, kaedah campuran, visualisasi, etika, kebolehulangan dan penulisan. Kami mengumpulkan semuanya dalam unit akhir ini. Matlamatnya adalah untuk menghubungkan kemahiran individu ke dalam aliran kerja hujung ke hujung—proses yang konsisten, selamat dan jujur daripada soalan penyelidikan kepada penemuan yang diterbitkan. Kami juga akan melangkaui individu dan bercakap tentang tadbir urus: peraturan yang dikongsi tentang cara pasukan, jabatan atau institusi boleh menggunakan AI secara bertanggungjawab dalam penyelidikan sosial.

Nilai pemikiran hujung ke hujung ialah keputusan yang anda buat pada setiap peringkat mempengaruhi peringkat seterusnya. Sampel berat sebelah tidak boleh disimpan walaupun dengan analisis yang sempurna; Sumber yang tidak disahkan menafikan walaupun tulisan terbaik. Itulah sebabnya adalah perlu untuk menggunakan AI dengan prinsip yang sama pada setiap peringkat: suapkannya dengan sumber yang berkuasa, sahkan setiap output, melindungi pertimbangan manusia, menjaga etika dan privasi terlebih dahulu, mendokumentasikan proses dengan telus. Prinsip ini boleh diringkaskan dalam satu ayat: AI mempercepatkan penyelidikan, tetapi tidak menggantikan penyelidik.

Langkah demi langkah: aliran hujung ke hujung

1. Reka bentuk (soalan + etika + sampel). Wujudkan soalan yang jelas, kelulusan etika kerja semula dan perancangan kerahsiaan, dan menilai keterwakilan sampel. Pada peringkat ini, AI membantu dalam mempersempit soalan dan saringan risiko etika.

2. Pengumpulan data (tinjauan + temu bual). Sediakan panduan tinjauan dan temuduga yang kukuh. AI menangkap perangkap soalan; Tugas mengumpul data dan hubungan peserta adalah milik anda.

3. Pemprosesan (pembersihan + pengekodan + tanpa nama). Anonimkan, bersihkan, pengekodan data. AI menghasilkan pelan tindakan; Anda meluluskan setiap keputusan dan buku kod.

4. Analisis (kuantitatif + kualitatif + triangulasi). Jalankan statistik melalui program, sambungkan tema dengan petikan, sahkan penemuan silang. AI menerangkan kaedah, bukan pengiraan.

5. Persembahan (visualisasi + penulisan). Menghasilkan grafik yang jujur dan teks asli. Setiap sumber dan nombor disahkan; Peranan AI diisytiharkan.

6. Dokumentasi (jurnal + rakaman segera + perkongsian). Dokumen keputusan, gesaan dan penukaran serta kongsi data dan kod tanpa nama jika boleh.

Petua: Simpan senarai semak hujung ke hujung di meja anda. Tanya pada setiap peralihan langkah: "Adakah saya telah mengesahkan output langkah ini, adakah saya sampel/etika/sumber selamat, adakah saya tidak meninggalkan kesan?" Kendur pada satu peringkat melemahkan keseluruhan rantai.

tiga kes mini

Kes 1 — Pautan paling lemah dalam rantai. Satu pasukan melakukan analisis kualitatif yang sangat baik, tetapi sampel mereka datang daripada satu kumpulan dalam talian. Tidak kira seberapa baik mereka membuat kod, penemuan itu tersekat dalam kumpulan ini. Pengajaran: kualiti hujung ke hujung hanya sebaik peringkat paling lemah; berat sebelah dalam reka bentuk tidak boleh diperbetulkan dalam analisis.

Kes 2 — Tadbir urus pasukan berjaya. Pusat penyelidikan menulis protokol penggunaan AI yang biasa untuk seluruh pasukan: alat mana, data mana tanpa nama, dengan langkah pengesahan yang mana. Pembantu yang baru tiba bekerja dengan selamat dari hari pertama dengan mengikuti protokol; Kesilapan peribadi telah berkurangan.

Kes 3 — Rantaian telus mendapat kepercayaan pengadil. Satu artikel melampirkan log keputusan, log segera dan pernyataan AI. Pengulas dapat melihat proses dari awal hingga akhir dan bersetuju, mendapati proses itu "boleh dihasilkan dan jujur". Ketelusan adalah gam yang mengikat semua langkah individu bersama-sama.

Empat templat yang boleh disalin

1) Penjanaan senarai semak hujung ke hujung:

Penyelidikan saya akan melalui peringkat berikut: reka bentuk, pengumpulan data, pemprosesan, analisis, pembentangan, dokumentasi. Hasilkan senarai semak untuk setiap peringkat: di manakah saya boleh menggunakan AI dengan selamat pada peringkat itu, apakah output yang perlu saya sahkan, apakah risiko etika/privasi yang harus saya pertimbangkan, apakah yang perlu saya dokumenkan? Berikan dalam jadual.

2) Draf protokol AI Pasukan:

Draf protokol penggunaan AI untuk pasukan penyelidikan sosial. Sertakan: alatan yang diluluskan, peraturan penanomaan data, yang roleAI dibenarkan/terhad/dilarang, langkah pengesahan mandatori, peraturan pengisytiharan AI, akauntabiliti. Tulis item yang mudah dan boleh diambil tindakan.

3) Kawalan peralihan fasa:

Saya selesai [Fasa X], saya beralih ke [Fasa Y]. Senaraikan perkara yang perlu saya periksa sebelum peralihan ini: adakah saya telah mengesahkan output peringkat sebelumnya, adakah saya membawa ralat (sampel yang salah, sumber tidak disahkan, keputusan tidak dikesan) yang akan memecahkan peringkat seterusnya? Adakah saya bersedia untuk peralihan, dan jika tidak, apakah yang perlu saya betulkan?

4) Penilaian kendiri penggunaan yang bertanggungjawab:

Audit penyelidikan yang saya selesaikan untuk penggunaan AI yang bertanggungjawab. Skor dan nyatakan kelemahan terhadap lima prinsip ini: (1) pemakanan sumber yang kukuh, (2) mengesahkan setiap output, (3) memelihara pertimbangan manusia, (4) etika dan kerahsiaan, (5) dokumentasi yang telus. Proses: [ringkasan]

Gesaan lemah / Gesaan kuat

Gesaan yang lemah:

Lakukan penyelidikan ini dari awal hingga akhir dengan AI dan selesaikannya.

Ini cuba untuk memindahkan semua tanggungjawab kepada model. Keputusan: sampel berat sebelah, sumber rekaan, statistik tidak disahkan dan teks tidak boleh dipertahankan. Tiada peringkat hujung ke hujung yang selamat.

Gesaan kuat:

Saya ingin merancang penyelidikan saya dari hujung ke hujung. Pada setiap peringkat (reka bentuk, data, pemprosesan, analisis, pembentangan, dokumentasi), ia berfungsi sebagai peta jalan untuk tempat saya boleh menggunakan AI dengan selamat, di mana pertimbangan dan pengesahan manusia diperlukan, dan risiko etika dan privasi yang harus saya pertimbangkan. Ingat saya bertanggungjawab.

Perbezaannya: pendekatan kedua meletakkan AI sebagai teman; Ia menerima sejak awal bahawa keputusan dan pengesahan adalah milik manusia.

Dasar penggunaan bertanggungjawab hujung ke hujung

prinsip

Permohonan

Dalam unit mana

Suap dengan sumber yang berkuasa

Sediakan data/sumber anda sendiri

1, 2

Tanya sampel

Pengauditan perwakilan dan berat sebelah

Buat pengiraan ke dalam program

Membuat AI menghasilkan nombor

jaga kesetiaan

Pautkan petikan dengan nombor baris

Pastikan percanggahan terbuka

Triangulasi, pembentangan jujur

6, 7

Etika dan privasi diutamakan

Anonimkan, alat yang disahkan

Dokumentasikan proses tersebut

Diari, rakaman segera

Kekalkan keaslian

Sahkan sumber, suara anda sendiri

Kesilapan biasa

Mempertimbangkan peringkat secara berasingan dan melupakan rantai. Bias pada satu peringkat merosakkan keseluruhan kajian.
Memindahkan tanggungjawab kepada AI. Keputusan, pengesahan dan etika sentiasa terletak pada manusia.
Tiada peraturan biasa dalam pasukan. Penggunaan individu menghasilkan ketidakkonsistenan dan risiko.
Meninggalkan dokumentasi untuk terakhir. Jejak dikekalkan sepanjang proses; tidak dapat dikenang kemudian hari.
Sebaik sahaja anda belajar dan berehat. Penggunaan yang bertanggungjawab adalah disiplin yang diterapkan semula dalam setiap projek.

Secara ringkasnya

Nilai sebenar AI dalam penyelidikan sosial tidak berlaku dalam tugas individu, tetapi dalam aliran kerja yang konsisten dan bertanggungjawab dari hujung ke hujung. Gunakan prinsip yang sama pada setiap peringkat, daripada reka bentuk hingga dokumentasi: sumber dengan kuat, sahkan setiap output, mengekalkan pertimbangan manusia, mengutamakan etika dan kerahsiaan, mendokumentasikan proses dengan telus. Protokol biasa di peringkat pasukan menjadikan prinsip ini kekal. Rantai itu hanya sekuat mata rantainya yang paling lemah; Jangan berehat pada mana-mana peringkat. AI mempercepatkan penyelidikan, tetapi ia tidak pernah menggantikan pertimbangan, tanggungjawab dan integriti penyelidik.

Tugasan permohonan

Buat peta jalan enam langkah untuk projek penyelidikan anda sendiri (sebenar atau dirancang) dengan templat "penjanaan senarai semak hujung ke hujung". Pada setiap peringkat, tuliskan tempat anda akan menggunakan AI, perkara yang akan anda sahkan dan risiko etika/privasi yang akan anda pertimbangkan. Kemudian gunakan templat "penilaian kendiri yang bertanggungjawab" untuk menilai diri anda terhadap lima prinsip, mengenal pasti dua perkara paling lemah anda dan cara mengukuhkannya.

senarai semak

[ ] Saya merancang penyelidikan sebagai aliran enam peringkat dari hujung ke hujung.
[ ] Saya menentukan had penggunaan selamat AI pada setiap peringkat.
[ ] Saya mengesahkan output sebelumnya pada setiap peralihan peringkat.
[ ] Mengekalkan etika, kerahsiaan dan dokumentasi sepanjang masa.
[ ] Saya telah menilai sendiri penggunaan bertanggungjawab terhadap lima prinsip.

Peperiksaan Modul

1. Antara berikut, yang manakah kedudukan paling tepat untuk kecerdasan buatan dalam sosiologi dan penyelidikan sosial?

A) Kecerdasan buatan boleh menjawab persoalan kajian, tafsiran dan keputusan etika dengan sendirinya tanpa kebenaran manusia.
B) Kecerdasan buatan hanya berfungsi dalam meringkaskan teks, ia tidak ada kaitan dengan peringkat penyelidikan lain
C) Kecerdasan buatan ialah ringkasan, transkrip, kod dan pembantu draf; Tanggungjawab untuk tafsiran, rangka kerja dan keputusan etika terletak pada penyelidik ✔
D) Memandangkan kecerdasan buatan sentiasa lebih saksama daripada manusia, tafsiran harus diserahkan sepenuhnya kepadanya.

Penerangan: Kepintaran buatan; ialah pembantu yang meringkaskan teks, mengedit transkrip, mencadangkan kod dan menulis draf. Tanggungjawab terhadap kerja kritikal seperti persoalan kajian, kerangka teori, pertimbangan sampel, tafsiran dan keputusan etika adalah milik penyelidik; Output yang tidak disahkan boleh membawa kepada rujukan palsu, statistik rekaan atau salah atribusi.

2. Mengapakah berisiko untuk memberitahu secara langsung kecerdasan buatan 'senarai 10 artikel paling penting mengenai subjek ini dengan bibliografi' semasa mengimbas kesusasteraan?

A) AI boleh membentuk sumber, pengarang dan DOI yang kelihatan realistik tetapi tidak wujud; Anda mesti mencari sumber dari pangkalan data ✔
B) Kepintaran buatan berfungsi dengan sangat perlahan dan membuang masa apabila menyenaraikan sumber
C) Kecerdasan buatan merindui sastera Turki kerana ia hanya boleh mencari sumber bahasa Inggeris
D) Senarai ini berkembang apabila kecerdasan buatan mengulangi sumber yang sama beberapa kali

Penerangan: Kajian literatur ialah tugas di mana AI menghasilkan paling banyak halusinasi; Boleh membuat artikel, pengarang dan DOI yang kelihatan realistik tetapi tidak wujud. Mencari sumber adalah tugas pangkalan data; AI sepatutnya hanya mensintesis ringkasan sebenar yang anda temui.

3. Dari segi masalah yang manakah 78% hasil kepuasan dalam tinjauan yang disiarkan di laman web majlis perbandaran harus ditafsirkan dengan paling teliti?

A) Pengiraan peratusan tidak betul; Kadar kepuasan tidak boleh dinyatakan sebagai satu nombor
B) Oleh kerana tinjauan terlalu panjang, peserta berasa bosan dan menjawab secara rawak
C) Secara sosiologi mustahil untuk mengukur kepuasan, jadi hasilnya tidak sah
D) Sampel membawa bias pemilihan; Memandangkan hanya pengguna tapak boleh mengambil bahagian, penemuan tidak boleh digeneralisasikan kepada seluruh masyarakat ✔

Penjelasan: Tinjauan yang disiarkan di tapak web mewakili mereka yang sudah menggunakan tapak (yang boleh mengakses perkhidmatan dan mungkin lebih berpuas hati); Ini adalah bias pemilihan. Penemuan ini hanya boleh digeneralisasikan kepada 'pengguna tapak' dan bukan kepada seluruh masyarakat.

4. Mengapakah tidak selamat untuk menampal set data 300 baris sebagai teks dan memberitahu AI untuk 'mengira min'?

A) Memandangkan kecerdasan buatan hanya boleh membaca sehingga 100 baris data, ia membuang lebih banyak lagi
B) Model bahasa bukan kalkulator; Apabila melakukan aritmetik dalam teks mungkin menghasilkan nombor yang salah, pengiraan mesti dilakukan dalam program ✔
C) Purata adalah ukuran yang tidak bermakna secara sosiologi dan tidak boleh dikira sama sekali.
D) Apabila data ditampal sebagai teks, AI secara automatik memadamkannya

Penjelasan: Model bahasa bukan kalkulator dan mungkin menghasilkan min, peratusan atau nilai p secara salah apabila melakukan aritmetik dalam teks. Pengiraan sebenar hendaklah dibuat dalam program atau jadual statistik; AI harus digunakan untuk kaedah dan tafsiran sahaja.

5. Apakah yang perlu dilakukan sebelum menerima petikan yang dicadangkan oleh kecerdasan buatan dalam analisis tema kualitatif?

A) Jika petikan itu kelihatan lancar dan mengagumkan, ia boleh ditambah terus ke laporan
B) Jika panjang petikan tidak melebihi satu perenggan, tidak ada keperluan untuk pengesahan
C) Ia harus disahkan dengan nombor baris bahawa petikan itu sebenarnya terdapat dalam transkrip ✔
D) Petikan itu boleh dipercayai secara automatik kerana kecerdasan buatan memetik sumbernya

Penjelasan: Inti penyelidikan kualitatif adalah kesetiaan kepada kata-kata peserta sendiri. AI boleh membuat petikan yang fasih tetapi tidak wujud dalam transkrip sama sekali. Oleh itu, setiap petikan hendaklah dikaitkan dan disahkan kepada pernyataan sebenar dalam teks dan sebaik-baiknya nombor baris.

6. Jika, dalam kajian, 72% mengatakan 'Saya mengitar semula' dalam tinjauan, tetapi dalam temu bual kebanyakan mereka sebenarnya mengatakan mereka melakukannya secara tidak teratur, bagaimana percanggahan ini harus dikendalikan?

A) Percanggahan tidak boleh disembunyikan; harus dibentangkan sebagai penemuan dengan penjelasan yang mungkin seperti kecenderungan sosial ✔
B) Data temu bual hendaklah dibuang sebagai tidak tepat dan hanya hasil tinjauan perlu dilaporkan
C) Data tinjauan perlu dibuang kerana tidak betul, hanya temu bual yang perlu dilaporkan
D) Kedua-dua data harus dialih keluar daripada laporan kerana percanggahan itu memalukan

Penjelasan: Percanggahan antara dapatan kuantitatif dan kualitatif bukanlah satu kecacatan, tetapi selalunya merupakan penemuan yang paling berharga. Percanggahan di sini menunjukkan fenomena seperti 'kecenderungan keinginan sosial' dan harus dibentangkan sebagai penemuan tanpa menyembunyikannya.

7. Apakah yang perlu dilakukan jika perbezaan antara dua kumpulan (51% vs 54%) kelihatan seperti 'jurang gergasi' pada graf dengan paksi-y bermula pada 50?

A) Carta hendaklah dibiarkan begitu sahaja kerana perbezaannya sudah kelihatan besar
B) Perbezaan harus disembunyikan sepenuhnya dengan menunjukkan purata tunggal dan bukannya dua kumpulan
C) Perbezaan harus dibuat lebih mengagumkan dengan menambahkan kesan tiga dimensi pada graf.
D) Paksi-Y hendaklah dimulakan daripada sifar; paksi terpotong mengelirukan pembaca dengan membesar-besarkan perbezaan kecil ✔

Penjelasan: Paksi terpotong (bukan bermula dari sifar) mengelirukan perbezaan kecil dengan menjadikannya kelihatan besar. Dalam carta bar yang jujur, paksi harus bermula pada sifar; jadi perbezaannya boleh dilihat pada saiz sebenar yang kecil. Tujuan visual bukan pemujukan, tetapi komunikasi yang betul.

8. Mengapakah pemadaman nama daripada transkrip selalunya tidak mencukupi tanpa nama?

A) Memadamkan nama sentiasa mencukupi; tiada maklumat lain mendedahkan identiti
B) Pengecam tidak langsung (peranan unik, lokasi, ciri jarang) boleh memberikan seseorang tanpa namanya ✔
C) Anonymization hanya perlu jika ada nombor telefon
D) Memadam nama tidak bermakna kerana ia menjadikan teks tidak boleh dibaca

Penjelasan: Memadam nama sahaja tidak mencukupi; Deskriptor tidak langsung seperti 'satu-satunya ahli farmasi di kawasan kejiranan X' atau 'satu-satunya pemeriksa wanita di majlis perbandaran' boleh memberi orang itu pergi sendiri. Anonimisasi yang betul memerlukan mengosongkan semua pengecam langsung dan tidak langsung.

9. Mengapakah penting untuk merekodkan gesaan, model yang digunakan dan tarikh dalam analisis yang dilakukan dengan kecerdasan buatan?

A) Oleh kerana ia hanya kewajipan undang-undang, ia tidak mempunyai nilai saintifik
B) Gesaan disimpan atas sebab komersial kerana ia mempunyai hak cipta.
C) Menjadikan proses itu boleh dikesan dan boleh dihasilkan semula; Jika tidak, 'AI berkata demikian' tidak akan menjadi justifikasi saintifik ✔
D) Pendaftaran hanyalah formaliti kerana model sentiasa memberikan jawapan yang sama

Penjelasan: Model bahasa tidak memberikan jawapan yang sama setiap kali; Jika gesaan dan maklumat model tidak direkodkan, proses itu menjadi kotak hitam dan tiada orang lain (walaupun anda) boleh menghasilkan semula kerja itu. Rekod ini adalah 'bil bahan' karya dan merupakan asas kebolehulangan.

10. Di manakah garisan antara penggunaan kecerdasan buatan yang sah dalam penulisan akademik dan pelanggaran integriti akademik?

A) AI boleh membantu anda menyatakan kandungan anda sendiri; Walau bagaimanapun, adalah satu pelanggaran untuk anda berfikir bagi pihak anda dan menghasilkan kandungan serta membentangkannya sebagai hasil kerja anda ✔
B) Sebarang teks yang dihasilkan oleh kecerdasan buatan boleh digunakan secara langsung, asalkan tatabahasanya betul
C) Selagi kecerdasan buatan menambah sumber, mencetak kandungan sepenuhnya kepadanya adalah bebas masalah.
D) Penggunaan kecerdasan buatan adalah dilarang dalam semua keadaan dan tidak boleh digunakan pada mana-mana peringkat.

Pendedahan: Menggunakan AI untuk menjelaskan draf anda sendiri dan menambah baik bahasa serta struktur adalah sah dan diisytiharkan telus. Mempunyai kandungan yang ditulis oleh kecerdasan buatan dan mempersembahkannya sebagai karya anda sendiri melanggar keaslian dan hampir pasti menghasilkan sumber rekaan. Talian: AI membantu anda meluahkan fikiran anda, ia tidak berfikir untuk anda.

11. Apakah yang dimaksudkan dengan prinsip 'Kualiti akhir-ke-akhir turun ke peringkat paling lemah' dalam penyelidikan sosial?

A) Hanya peringkat terakhir, ejaan, adalah penting; kesilapan pada peringkat sebelumnya dibetulkan dengan ejaan.
B) Peringkat adalah bebas antara satu sama lain; Ralat dalam satu tidak menjejaskan yang lain
C) Fasa terkuat menyelamatkan keseluruhan rantai, jadi fokus pada satu fasa sudah memadai
D) Kelemahan pada satu peringkat (sampel berat sebelah, sumber tidak disahkan) tidak boleh diperbaiki pada peringkat kemudian dan melemahkan keseluruhan kajian ✔

Penjelasan: Keputusan pada setiap peringkat mempengaruhi seterusnya: sampel berat sebelah tidak boleh disimpan walaupun dengan analisis yang sempurna; Sumber yang tidak disahkan menafikan walaupun tulisan terbaik. Oleh itu, prinsip penggunaan bertanggungjawab yang sama harus digunakan pada setiap peringkat, dari reka bentuk hingga dokumentasi.

12. Jika kecerdasan buatan meringkaskan transkrip yang anda berikan dan menambah bingkai yang tiada dalam teks, seperti 'orang tua takut teknologi', apakah ini contoh?

A) Ia adalah ringkasan tepat tentang pendapat sebenar peserta
B) Ia adalah pengenalan stereotaip yang dibawa oleh kecerdasan buatan daripada data latihannya sendiri ke dalam data ✔
C) Ia adalah hasil ujian keertian statistik
D) Ini adalah bukti bahawa anonimisasi telah berjaya dilaksanakan

Penjelasan: Ini ialah contoh stereotaip (generalisasi stereotaip) yang dibawa oleh AI daripada teks yang dilatihnya. Model mungkin menambah pertimbangan yang sebenarnya tidak terdapat dalam data. Pengkaji harus menyingkirkan tambahan ini dengan mengatakan 'hanya bergantung pada pernyataan dalam teks'.

13. Antara berikut, yang manakah merupakan persoalan kajian yang sempit?

A) Mengapakah masyarakat berada dalam situasi ini?
B) Adakah orang gembira?
C) Apakah sebab pelajar universiti yang berumur antara 18-25 tahun tidak menyertai pilihan raya tempatan? ✔
D) Apakah hubungan antara media sosial dan segala-galanya?

Penjelasan: Soalan kajian yang baik boleh dijawab, terhad dan bermakna; Populasi, konteks dan fokusnya jelas. Daripada permintaan luas seperti 'Mengapa orang muda berpaling daripada politik?', soalan yang merangkumi kumpulan umur tertentu, konteks dan fokus konkrit boleh diteliti.

14. Mengapakah triangulasi tidak benar jika dua tinjauan dalam talian yang berbeza merekrut peserta daripada kumpulan media sosial yang sama dan menghasilkan keputusan yang sama?

A) Kedua-dua sumber tidak bebas kerana ia datang daripada sampel berat sebelah yang sama; ini adalah ulangan bias yang sama ✔
B) Selalunya tidak perlu menggunakan dua tinjauan, satu tinjauan sudah memadai
C) Tinjauan dalam talian tidak pernah menghasilkan data yang sah
D) Fakta bahawa mereka memberikan keputusan yang sama membuktikan bahawa keputusan itu betul-betul betul.

Penjelasan: Triangulasi ialah menguji silang sesuatu penemuan dengan sumber yang benar-benar bebas. Jika dua sumber datang daripada sampel berat sebelah yang sama, adalah mengelirukan bagi mereka untuk 'mengesahkan' satu sama lain; ini adalah pengulangan berat sebelah yang sama, bukan pengesahan bebas.