Keuntungan:
- Keupayaan untuk menggunakan kecerdasan buatan sebagai rakan kongsi pemikiran dalam mempertajam soalan kajian, menjana hipotesis dan definisi berubah-ubah, dan pilihan kaedah
- Keupayaan untuk mendapatkan reka bentuk kuantitatif, kualitatif dan campuran, sampel dan pilihan kebolehpercayaan kesahan daripada kecerdasan buatan dan menilai mereka mengikut bidang dan peraturan etika mereka.
- Keupayaan untuk memahami bahawa keputusan metodologi dan tanggungjawab jawatankuasa etika (LHDN) adalah milik penyelidik dan cadangan kecerdasan buatan hanyalah draf.
Selepas mengenali literatur, sudah tiba masanya untuk mereka bentuk kajian anda sendiri. Reka bentuk penyelidikan ialah proses bermula dengan soalan dan mengubahnya menjadi kajian yang boleh diukur dan boleh dijawab: mempertajam soalan, mewujudkan hipotesis, mentakrifkan pembolehubah, memilih reka bentuk dan kaedah yang sesuai, menentukan sampel, mempertimbangkan kesahan dan kebolehpercayaan. Ini adalah bahagian penyelidikan yang paling menuntut secara mental, dan AI boleh menjadi rakan kongsi pemikiran yang berkuasa di sini — menjana pilihan, menimbulkan titik buta, membandingkan alternatif. Tetapi peraturan teras unit ini adalah jelas: Keputusan metodologi dan tanggungjawab etika adalah milik penyelidik; AI hanya menyediakan pilihan untuk menilai.
Daripada soalan kepada hipotesis
Soalan kajian yang baik adalah tertumpu, boleh dijawab dan asli. Rangka kerja biasa ialah PICO dalam kajian eksperimen/klinikal: Populasi, Intervensi, Perbandingan, Hasil. Dalam sains sosial, soalan itu secara amnya dikemukakan sebagai hubungan antara pembolehubah. AI membantu anda mengecilkan soalan yang luas dan mencadangkan beberapa rumusan alternatif.
Hipotesis ialah transformasi masalah kepada ramalan yang boleh diuji; biasanya melibatkan arah ("X meningkatkan Y"). Pembolehubah ialah perkara yang anda ukur: pembolehubah bebas (yang anda pengaruhi), pembolehubah bersandar (hasil yang anda ukur), pembolehubah kawalan (yang anda pegang tetap). AI berguna dalam mempertajam hipotesis, menyaring pembolehubah ke dalam definisi operasi (takrifan boleh diukur), dan mengingati kemungkinan pengacau (faktor ketiga yang secara rahsia mempengaruhi keputusan).
Petunjuk: Beritahu AI "juga berikan hujah untuk menyangkal hipotesis ini." Adalah berharga untuk melihat kelemahan reka bentuk anda sendiri lebih awal, supaya anda boleh belajar sekarang dan bukannya semasa proses pengadil.
Reka bentuk, sampel dan kesahan
Reka bentuk penyelidikan ialah bagaimana data akan dikumpul dan distrukturkan untuk menjawab soalan anda. Terdapat tiga keluarga luas: kuantitatif (data berangka, ujian statistik—eksperimen, kuasi-eksperimen, korelasi, tinjauan), kualitatif (teks/pemerhatian, makna dan pengalaman—temu bual, kajian kes, fenomenologi, teori asas) dan kaedah campuran (menggabungkan kedua-duanya). AI boleh membandingkan setiap corak dengan kebaikan dan keburukannya dan membincangkan yang mana satu mungkin lebih sesuai dengan soalan anda; tetapi pilihan muktamad adalah milik anda, berdasarkan sumber anda, tradisi bidang dan sifat soalan anda.
Sampel ialah subset dari alam semesta anda yang anda periksa. Secara kuantitatif, saiz sampel dikira dengan analisis kuasa—sampel terkecil yang diperlukan untuk menangkap kesan ketara secara statistik; AI mengingatkan formula dan andaian, tetapi anda harus mengesahkan nombor itu dengan perisian (seperti GPower). Kesahan (adakah anda benar-benar mengukur apa yang anda ukur) dan kebolehpercayaan* (bolehkah pengukuran diulang) adalah jaminan kualiti reka bentuk; AI menyenaraikan ancaman, anda mengambil langkah berjaga-jaga.
Perkara yang paling kritikal ialah etika. Mana-mana kajian yang melibatkan peserta manusia atau haiwan memerlukan kelulusan jawatankuasa etika (LHDN): persetujuan termaklum, kerahsiaan, bukan kejahatan. AI boleh membantu anda merangka permohonan jawatankuasa etika, tetapi ia tidak sekali-kali menggantikan kelulusan dan tanggungjawab etika. AI tidak boleh mengatakan "reka bentuk ini beretika"; Ini diputuskan oleh jawatankuasa etika institusi anda.
Kaedah campuran rasional dan prapendaftaran
Soalan penting apabila memilih kaedah campuran ialah mengapa dan bagaimana untuk menggabungkan kedua-dua jenis data. Sekadar mengatakan "Saya menjalankan kedua-dua tinjauan dan temu bual" bukanlah kaedah campuran; Reka bentuk mesti mempunyai logik. Reka bentuk biasa termasuk jujukan penerokaan (kuantitatif pertama, kemudian kualitatif untuk mendalami penemuan), jujukan penerokaan (kualitatif pertama, kemudian pembangunan skala dan ujian kuantitatif), dan reka bentuk bersarang serentak. AI boleh membandingkan corak ini mengikut soalan anda dan membincangkan mana yang sesuai dengan logik penyepaduan; tetapi pilihan bergantung pada apa yang benar-benar diperlukan oleh soalan anda.
Alat yang berkuasa untuk integriti metodologi ialah prapendaftaran: mendaftarkan hipotesis, pembolehubah dan pelan analisis anda dalam repositori terbuka (seperti OSF) sebelum pengumpulan data. Ini menghalang pemburuan ke belakang (HARKing — membuat hipotesis selepas melihat hasilnya) dan meningkatkan kredibiliti kajian anda. AI boleh membantu anda menyusun draf borang prapendaftaran dan melihat sebarang kekaburan dalam rancangan anda; Walau bagaimanapun, setiap keputusan yang anda rekod adalah milik anda dan menjadi tanggungjawab anda untuk mematuhinya selepas rakaman.
tiga kes mini
Kes 1 — Mengecilkan soalan. Soalan seorang pelajar siswazah ialah "Bagaimana media sosial mempengaruhi golongan muda?" Ia begitu luas dan tidak terukur. Dia meletakkan AI ke dalam rangka kerja seperti PICO; Persoalannya ialah "Adakah terdapat hubungan antara masa penggunaan Instagram harian dan kualiti tidur dalam pelajar sekolah menengah berumur 14-17 tahun?" telah menjadi. Soalan yang boleh diukur, terhad dan boleh dijawab; AI membantu mempersempitnya, pelajar itu membuat keputusan.
Kes 2 — Amaran pembolehubah yang mengelirukan. Seorang penyelidik membuat hipotesis "kursus dalam talian → pencapaian rendah." Dia bertanya kepada AI tentang kelemahannya; AI mengingatkan kita bahawa status sosioekonomi boleh menjadi pengacau yang mempengaruhi kedua-dua jenis kursus dan kejayaan. Penyelidik tidak mengetahui perkara ini, tetapi dia melangkau menambahkannya sebagai pembolehubah kawalan pada reka bentuknya. AI berkhidmat sebagai peringatan; dia membuat keputusan metodologi sendiri.
Kes 3 — Sempadan etika. Seorang pelajar sedang mereka bentuk tinjauan tentang isu sensitif (penggunaan bahan) dan bertanya kepada YZ, "Adakah tinjauan ini lulus jawatankuasa etika?" dia bertanya. AI menyenaraikan prinsip umum (persetujuan, tidak mahu namanya disiarkan, hak untuk menarik diri), tetapi pelajar tidak menggantikannya dengan persetujuan; Jawatankuasa etika sebenar memohon dan lembaga meminta pembetulan dalam dua artikel. AI membantu merangka, lembaga membuat keputusan.
Templat yang boleh disalin
1) Mengecilkan soalan:
Peranan anda: perunding metodologi. Bidang minat saya yang luas ialah: "[topik]". Kecilkan ini kepada 3 soalan penyelidikan alternatif tertumpu dan boleh diukur. Untuk setiap satu, nyatakan sampel, pembolehubah utama dan reka bentuk yang mungkin. Ini adalah pilihan; Saya akan membuat keputusan.
2) Hipotesis dan nyahkekaburan pembolehubah:
Soalan kajian saya: "[soalan]". Cadangkan saya (a) hipotesis yang boleh diuji, (b) pembolehubah bebas/bersandar/kawal, (c) definisi operasi (boleh diukur) bagi setiap pembolehubah. Senaraikan juga pembolehubah yang mungkin mengelirukan. Bincangkan pilihan, keputusan adalah milik saya.
3) Perbandingan corak:
Bandingkan reka bentuk kaedah kuantitatif, kualitatif dan campuran untuk "[soalan]" dalam jadual: kesesuaian, kekuatan, sempadan, sumber diperlukan. Jangan katakan "pilih ini" dengan pasti; Beri saya kebaikan dan keburukan, saya akan membuat pilihan.
4) Senarai ancaman kesahan/kebolehpercayaan:
Senaraikan ancaman reka bentuk berikut terhadap kesahan dalaman, kesahan luaran dan kebolehpercayaan dan cadangkan langkah balas yang mungkin untuk setiap satu. Reka bentuk: [ringkaskan]. Ini akan menjadi senarai semak saya; saya buat keputusan.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Beri saya reka bentuk penyelidikan.
Tiada topik, soalan, kawasan dan sekatan; AI mencipta templat biasa yang tidak berguna.
Gesaan kuat:
Peranan anda: metodologi berpengalaman dalam sains pendidikan. Soalan saya: "Kesan pembelajaran teradun terhadap pencapaian sains gred 7". Untuk reka bentuk kuasi eksperimen: bincangkan strategi kumpulan kawalan yang sesuai, jenis instrumen pengukuran, kemungkinan pengacau dan ancaman kesahan dalaman sebagai PILIHAN. Sebutkan maklumat yang diperlukan untuk analisis kuasa; Saya akan mengira nombor dengan benG*Power. Tandakan titik yang memerlukan kelulusan etika.
Keputusan reka bentuk
Peranan AI
Tanggungjawab siapa
Sempitkan soalan
menghasilkan alternatif
Pengkaji memilih
Hipotesis/pembolehubah
Draf + peringatan
Penyelidik mentakrifkan
Pemilihan corak
membandingkan
Penyelidik membuat keputusan
saiz sampel
Formula mengingatkan
Disahkan oleh perisian
Kelulusan etika
pembantu draf
Jawatankuasa etika sahaja
Kesilapan biasa
- Membuat AI memilih corak. Keputusan metodologi adalah milik penyelidik; AI mencadangkan, anda pilih.
- Melangkaui lembaga etika. AI tidak boleh mengatakan "beretika"; Kelulusan datang daripada jawatankuasa etika institusi.
- Mengabaikan pengadun. Jika pembolehubah kawalan tidak dirancang, hasilnya tidak boleh ditafsirkan.
- Mendapatkan bilangan sampel yang tepat daripada AI. Sahkan analisis kuasa dengan perisian yang sesuai.
- Bukan menyempitkan soalan. Soalan yang sangat luas bermaksud kajian yang tidak boleh direka bentuk.
Awas: Kaedah yang dicadangkan oleh AI mungkin tidak standard dalam bidang anda. Bandingkan setiap cadangan dengan sumber metodologi dalam bidang anda (buku teks, perunding, penerbitan yang serupa); AI bercakap secara umum, konvensyen domain adalah khusus.
Secara ringkasnya
Reka bentuk penyelidikan ialah rantaian yang bermula daripada menajamkan soalan kepada persampelan dan etika. AI ialah rakan kongsi pemikiran yang berkuasa yang menghasilkan pilihan dalam setiap pautan rantai ini dan mengingatkan titik buta; menjelaskan hipotesis, membandingkan corak, menyenaraikan ancaman. Tetapi tanggungjawab untuk pemilihan reka bentuk, pengesahan sampel dan terutamanya kelulusan etika adalah milik penyelidik dan jawatankuasa etika. Peraturan praktikal terpendek: pilihan adalah daripada AI, keputusan metodologi dan etika adalah daripada anda.
Tugasan permohonan
Dapatkan idea penyelidikan anda sendiri. Dengan AI, sempitkannya kepada 3 soalan berfokus dan pilih satu. Hasilkan hipotesis, pembolehubah dan definisi operasi untuk soalan yang telah anda pilih dan betulkan mengikut bidang anda. Minta perbandingan reka bentuk kuantitatif/kualitatif/campuran dan justifikasikan yang mana satu yang anda pilih dan mengapa dalam perenggan. Tandakan titik yang memerlukan kelulusan etika.
senarai semak
- [ ] Adakah saya telah mengecilkan soalan kajian saya secara terukur?
- [ ] Adakah saya telah menjelaskan hipotesis dan pembolehubah dengan definisi operasi?
- [ ] Adakah saya telah merancang pembolehubah yang mengelirukan?
- [ ] Adakah saya memilih corak atas sebab saya sendiri?
- [ ] Adakah saya telah menentukan perkara yang memerlukan kelulusan jawatankuasa etika?