लाभ:
- डिजाइन देखि दस्तावेज सम्म एक सुसंगत छ-चरण कार्यप्रवाह को रूप मा अनुसन्धान को योजना को लागी क्षमता
- प्रत्येक चरणमा कृत्रिम बुद्धिमत्ताको सुरक्षित प्रयोग सीमा निर्धारण गर्ने र चरण संक्रमणमा अघिल्लो आउटपुट प्रमाणित गर्ने क्षमता
- टोली स्तरमा जिम्मेवार प्रयोग प्रोटोकल स्थापना गर्ने र पाँच आधारभूत सिद्धान्तहरू अनुसार आत्म-मूल्याङ्कन गर्ने क्षमता
अघिल्लो दस एकाइहरूमा, हामीले सामाजिक अनुसन्धानको प्रत्येक चरणमा AI लाई कभर गरेका छौं: प्रश्न र साहित्य, नमूना, सर्वेक्षण र मात्रात्मक विश्लेषण, गुणात्मक कोडिङ र विषयवस्तु, मिश्रित विधिहरू, दृश्य, नैतिकता, पुनरुत्पादन, र लेखन। हामी यो अन्तिम एकाईमा सबैलाई सँगै ल्याउँछौं। लक्ष्य भनेको व्यक्तिगत सीपहरूलाई अन्त-देखि-अन्त कार्यप्रवाहमा जडान गर्नु हो—अनुसन्धान प्रश्नदेखि प्रकाशित खोजसम्मको निरन्तर, सुरक्षित र इमानदार प्रक्रिया। हामी एक व्यक्ति भन्दा बाहिर जान्छौं र शासनको बारेमा कुरा गर्नेछौं: कसरी एक टोली, विभाग, वा संस्थाले सामाजिक अनुसन्धानमा एआईलाई जिम्मेवारीपूर्वक प्रयोग गर्न सक्छ भन्ने साझा नियमहरू।
अन्त-देखि-अन्त सोच्ने मूल्य भनेको तपाईंले प्रत्येक चरणमा गर्ने निर्णयले अर्कोलाई असर गर्छ। एक पक्षपाती नमूना एक उत्तम विश्लेषण द्वारा पनि बचत गर्न सकिँदैन; एक अप्रमाणित स्रोतले उत्कृष्ट लेखनलाई पनि खण्डन गर्दछ। त्यसकारण प्रत्येक चरणमा एआईलाई समान सिद्धान्तहरूका साथ प्रयोग गर्न आवश्यक छ: यसलाई शक्तिशाली स्रोतहरूद्वारा खुवाउनुहोस्, प्रत्येक आउटपुट प्रमाणित गर्नुहोस्, मानव निर्णयको रक्षा गर्नुहोस्, नैतिकता र गोपनीयताको ख्याल राख्नुहोस्, प्रक्रियालाई पारदर्शी रूपमा दस्तावेज गर्नुहोस्। यी सिद्धान्तहरूलाई एक वाक्यमा संक्षेप गर्न सकिन्छ: एआईले अनुसन्धानलाई गति दिन्छ, तर अनुसन्धानकर्तालाई प्रतिस्थापन गर्दैन।
चरण-दर-चरण: अन्त-देखि-अन्त प्रवाह
1. डिजाइन (प्रश्न + नैतिकता + नमूना)। स्पष्ट प्रश्नहरू, पुन: कार्य नैतिकता स्वीकृति र गोपनीयता योजना स्थापना गर्नुहोस्, र नमूनाको प्रतिनिधित्वको मूल्याङ्कन गर्नुहोस्। यस चरणमा, एआईले प्रश्न संकीर्ण र नैतिक जोखिम स्क्रिनिङमा मद्दत गर्दछ।
२. डाटा सङ्कलन (सर्वेक्षण + अन्तर्वार्ता)। ठोस सर्वेक्षण र अन्तर्वार्ता गाइड तयार गर्नुहोस्। AI ले प्रश्नको जाल समात्छ; डाटा सङ्कलन गर्ने कार्य र सहभागी सम्बन्ध तपाईंको हो।
3. प्रशोधन (सफाई + कोडिङ + अज्ञातीकरण)। बेनामी, सफा, डेटा एन्कोड गर्नुहोस्। एआई ब्लुप्रिन्टहरू उत्पादन गर्दछ; तपाइँ हरेक निर्णय र कोडबुक अनुमोदन गर्नुहुन्छ।
४. विश्लेषण (मात्रात्मक + गुणात्मक + त्रिभुज)। कार्यक्रम मार्फत तथ्याङ्कहरू चलाउनुहोस्, विषयवस्तुहरू उद्धरणहरू, क्रस-मान्यता निष्कर्षहरू जडान गर्नुहोस्। AI ले विधिको व्याख्या गर्छ, गणना होइन।
5. प्रस्तुति (दृश्य + लेखन)। इमानदार ग्राफिक्स र मूल पाठ उत्पादन गर्नुहोस्। प्रत्येक स्रोत र संख्या प्रमाणित छ; AI को भूमिका घोषणा गरिएको छ।
६. दस्तावेजीकरण (जर्नल + प्रम्प्ट रेकर्डिङ + साझेदारी)। कागजात निर्णयहरू, प्रम्प्टहरू, र रूपान्तरणहरू र सम्भव भएमा बेनामी डाटा र कोड साझेदारी गर्नुहोस्।
सुझाव: आफ्नो डेस्कमा अन्त-देखि-अन्त चेकलिस्ट राख्नुहोस्। प्रत्येक चरण संक्रमणमा सोध्नुहोस्: "के मैले यो चरणको आउटपुट प्रमाणित गरेको छु, के म नमूना/नैतिक/स्रोत सुरक्षित छु, के मैले कुनै ट्रेस छोडेको छैन?" एक चरणमा ढिलोले सम्पूर्ण चेनलाई कमजोर बनाउँछ।
तीन मिनी केसहरू
केस १ - चेनमा सबैभन्दा कमजोर लिङ्क। एउटा टोलीले उत्कृष्ट गुणात्मक विश्लेषण गर्यो, तर तिनीहरूको नमूना एउटै अनलाइन समूहबाट आएको थियो। तिनीहरूले जति राम्रोसँग कोड गरे पनि, खोज यस समूहमा अड्किएको थियो। पाठ: अन्त-देखि-अन्त गुणस्तर सबैभन्दा कमजोर चरण जत्तिकै राम्रो छ; डिजाइनमा भएको पूर्वाग्रहलाई विश्लेषणमा सच्याउन सकिँदैन।
केस 2 - टीम गभर्नेन्सले काम गर्यो। एउटा अनुसन्धान केन्द्रले सम्पूर्ण टोलीको लागि एक साझा एआई प्रयोग प्रोटोकल लेख्यो: कुन उपकरण, कुन डाटा गुमनाम, कुन प्रमाणीकरण चरण संग। भर्खरै आएका सहायकले प्रोटोकल पछ्याएर पहिलो दिनबाट सुरक्षित रूपमा काम गरे; व्यक्तिगत गल्ती कम भएको छ।
केस 3 - पारदर्शी चेनले रेफरी विश्वास प्राप्त गर्यो। एउटा लेखले निर्णय लग, प्रम्प्ट लगहरू, र एआई कथन संलग्न गर्यो। समीक्षकहरूले प्रक्रियालाई सुरुदेखि अन्त्यसम्म हेर्न सक्षम थिए र यसलाई "उत्पादनयोग्य र इमान्दार" खोज्दै सहमत भए। पारदर्शिता गोंद थियो जसले सबै व्यक्तिगत चरणहरू एकसाथ बाँध्यो।
चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू
1) अन्त देखि अन्त चेकलिस्ट उत्पादन:
मेरो अनुसन्धान निम्न चरणहरू मार्फत जान्छ: डिजाइन, डेटा संग्रह, प्रशोधन, विश्लेषण, प्रस्तुतीकरण, कागजात। प्रत्येक चरणको लागि एक चेकलिस्ट उत्पादन गर्नुहोस्: म त्यो चरणमा AI कहाँ सुरक्षित रूपमा प्रयोग गर्न सक्छु, मैले कुन आउटपुट प्रमाणित गर्नुपर्छ, मैले कुन नैतिक/गोपनीयता जोखिमलाई विचार गर्नुपर्छ, मैले के कागजात गर्नुपर्छ? यसलाई टेबलमा दिनुहोस्।
२) टोली एआई प्रोटोकल मस्यौदा:
सामाजिक अनुसन्धान टोलीको लागि एआई प्रयोग प्रोटोकल ड्राफ्ट गर्नुहोस्। समावेश गर्नुहोस्: अनुमोदित उपकरणहरू, डेटा गुमनामकरण नियम, जसमा रोलएआईलाई अनुमति छ/प्रतिबन्धित/प्रतिबन्धित, अनिवार्य प्रमाणीकरण चरणहरू, एआई घोषणा नियम, जवाफदेहिता। सरल, कार्ययोग्य वस्तुहरू लेख्नुहोस्।
3) चरण संक्रमण नियन्त्रण:
मैले [चरण X] समाप्त गरें, म [चरण Y] मा जाँदैछु। यो संक्रमण अघि मैले जाँच गर्न आवश्यक चीजहरू सूचीबद्ध गर्नुहोस्: के मैले अघिल्लो चरणको आउटपुट प्रमाणित गरेको छु, के मैले अर्को चरण तोड्ने त्रुटि (गलत नमूना, अप्रमाणित स्रोत, अनट्र्याक गरिएको निर्णय) बोकिरहेको छु? के म संक्रमणको लागि तयार छु, र यदि छैन भने, मैले के ठीक गर्नुपर्छ?
4) जिम्मेवार प्रयोग आत्म-मूल्याङ्कन:
AI को जिम्मेवार प्रयोगको लागि मैले पूरा गरेको अनुसन्धान अडिट गर्नुहोस्। यी पाँच सिद्धान्तहरू विरुद्धको कमजोरीहरूलाई स्कोर र औंल्याउनुहोस्: (1) बलियो स्रोत फिडिङ, (2) प्रत्येक आउटपुट प्रमाणीकरण, (3) मानव निर्णयको संरक्षण, (4) नैतिकता र गोपनीयता, (5) पारदर्शी दस्तावेज। प्रक्रिया: [सारांश]
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
यस अनुसन्धानलाई एआईसँग सुरुदेखि अन्त्यसम्म गर्नुहोस् र यसलाई समाप्त गर्नुहोस्।
यसले सबै जिम्मेवारी मोडेलमा हस्तान्तरण गर्ने प्रयास गर्दछ। नतिजा: पक्षपाती नमूना, बनावटी स्रोत, अप्रमाणित तथ्याङ्क र एक अपरिहार्य पाठ। कुनै पनि अन्त देखि अन्त चरण सुरक्षित छैन।
शक्तिशाली प्रम्प्ट:
म मेरो अनुसन्धानलाई अन्त देखि अन्त सम्म योजना गर्न चाहन्छु। प्रत्येक चरणमा (डिजाइन, डाटा, प्रशोधन, विश्लेषण, प्रस्तुति, कागजात), यसले मैले AI लाई सुरक्षित रूपमा प्रयोग गर्न सक्छु, जहाँ मानवीय निर्णय र प्रमाणीकरण आवश्यक छ, र मैले के नैतिक र गोपनीयता जोखिमहरू विचार गर्नुपर्छ भन्ने रोडम्यापको रूपमा काम गर्दछ। सम्झनुहोस् कि म जिम्मेवार छु।
भिन्नता: दोस्रो दृष्टिकोणले एआईलाई साथीको रूपमा राख्छ; यसले सुरुदेखि नै स्वीकार गर्छ कि निर्णय र प्रमाणीकरण मानिसको हो।
अन्त-देखि-अन्त जिम्मेवार उपयोग नीतिहरू
सिद्धान्त
आवेदन
कुन इकाईमा
शक्तिशाली स्रोत संग फीड
तपाईंको आफ्नै डाटा/स्रोत प्रदान गर्नुहोस्
१, २
नमूना सोध्नुहोस्
प्रतिनिधित्व र पूर्वाग्रह लेखा परीक्षण
३
कार्यक्रममा गणना गर्नुहोस्
AI उत्पादन संख्याहरू बनाउने
४
वफादारी राख्नुहोस्
लाइन नम्बरको साथ लिङ्क उद्धरण
५
विरोधाभास खुला राख्नुहोस्
त्रिभुज, इमानदार प्रस्तुति
६, ७
पहिले नैतिकता र गोपनीयता
बेनामी, प्रमाणित उपकरण
८
प्रक्रिया कागजात गर्नुहोस्
डायरी, द्रुत रेकर्डिङ
९
मौलिकता कायम राख्नुहोस्
स्रोत प्रमाणित गर्नुहोस्, तपाईंको आफ्नै आवाज
१०
सामान्य गल्तीहरू
- चरणहरूलाई अलग-अलग विचार गर्दै र चेन बिर्सने। एक चरणमा पूर्वाग्रहले सम्पूर्ण अध्ययनलाई बिगार्छ।
- AI लाई जिम्मेवारी हस्तान्तरण गर्दै। निर्णय, प्रमाणीकरण र नैतिकता जहिले पनि मानिससँग हुन्छ।
- टोलीमा सामान्य नियमहरू छैनन्। व्यक्तिगत प्रयोगले असंगति र जोखिम उत्पन्न गर्दछ।
- अन्तिमका लागि कागजातहरू छोड्दै। ट्रेस प्रक्रिया भर राखिएको छ; पछि याद गर्न सकिदैन ।
- एकचोटि तपाईंले सिक्नुहोस् र आराम गर्नुहोस्। जिम्मेवार प्रयोग एउटा अनुशासन हो जुन हरेक परियोजनामा पुन: लागू हुन्छ।
संक्षेपमा
सामाजिक अनुसन्धानमा AI को वास्तविक मूल्य व्यक्तिगत कार्यहरूमा होइन, तर अन्त देखि अन्त सम्म एक सुसंगत र जवाफदेही कार्यप्रवाहमा हुन्छ। डिजाइन देखि कागजात सम्म हरेक चरणमा समान सिद्धान्तहरू लागू गर्नुहोस्: स्रोत शक्तिशाली, प्रत्येक आउटपुट प्रमाणित गर्नुहोस्, मानव निर्णय कायम राख्नुहोस्, नैतिकता र गोपनीयतालाई प्राथमिकता दिनुहोस्, प्रक्रियालाई पारदर्शी रूपमा दस्तावेज गर्नुहोस्। टोली स्तरमा एक साझा प्रोटोकलले यी सिद्धान्तहरूलाई स्थायी बनाउँछ। चेन यसको सबैभन्दा कमजोर लिङ्क जस्तै बलियो छ; कुनै पनि चरणमा आराम नगर्नुहोस्। एआईले अनुसन्धानलाई गति दिन्छ, तर यसले अनुसन्धानकर्ताको निर्णय, जिम्मेवारी र निष्ठालाई कहिल्यै प्रतिस्थापन गर्दैन।
आवेदन कार्य
"अन्त-देखि-अन्त चेकलिस्ट जेनेरेसन" टेम्प्लेटको साथ तपाईंको आफ्नै अनुसन्धान परियोजना (वास्तविक वा योजनाबद्ध) को लागि छ-चरण रोडम्याप सिर्जना गर्नुहोस्। प्रत्येक चरणमा, तपाईंले AI कहाँ प्रयोग गर्नुहुनेछ, तपाईंले के प्रमाणित गर्नुहुनेछ, र तपाईंले के नैतिक/गोपनीयता जोखिमहरू विचार गर्नुहुनेछ भनेर लेख्नुहोस्। त्यसपछि "जिम्मेवार प्रयोग आत्म-मूल्याङ्कन" टेम्प्लेट प्रयोग गर्नुहोस् पाँच सिद्धान्तहरू विरुद्ध आफैलाई स्कोर गर्न, तपाईंका दुई कमजोर बिन्दुहरू पहिचान गर्दै र तिनीहरूलाई कसरी बलियो बनाउने।
चेकलिस्ट
- [ ] मैले अनुसन्धानलाई छ-चरण प्रवाहको रूपमा छेउदेखि अन्त्यसम्म योजना बनाएको छु।
- [ ] मैले प्रत्येक चरणमा AI को सुरक्षित प्रयोग सीमा निर्धारण गरें।
- [] मैले प्रत्येक चरण संक्रमणमा अघिल्लो आउटपुट प्रमाणित गरें।
- [] नैतिकता, गोपनीयता र कागजात भरि राखिएको छ।
- [ ] मैले पाँच सिद्धान्तहरू विरुद्ध आत्म-मूल्यांकन जिम्मेवार प्रयोग गरेको छु।
मोड्युल परीक्षा
1. समाजशास्त्र र सामाजिक अनुसन्धानमा आर्टिफिसियल इन्टेलिजेन्सको लागि निम्न मध्ये कुन सबैभन्दा सही स्थिति हो?
- क) कृत्रिम बुद्धिमत्ताले मानव अनुमोदन बिना नै अनुसन्धान प्रश्न, व्याख्या र नैतिक निर्णयको जवाफ दिन सक्छ।
- ख) आर्टिफिसियल इन्टेलिजेन्सले पाठ संक्षेपमा मात्र काम गर्छ, यसको अन्य अनुसन्धान चरणहरूसँग कुनै सरोकार छैन।
- C) आर्टिफिसियल इन्टेलिजेन्स एक सारांश, ट्रान्सक्रिप्ट, कोड र ड्राफ्ट सहायक हो; व्याख्या, ढाँचा र नैतिक निर्णयको जिम्मेवारी शोधकर्ताको हो ✔
- घ) कृत्रिम बुद्धिमत्ता सधैं मानव भन्दा बढी निष्पक्ष हुने भएकोले, व्याख्या पूर्णतया यसमा छोडिनुपर्छ।
विवरण: कृत्रिम बुद्धि; एक सहायक हो जसले पाठ संक्षेप गर्दछ, ट्रान्सक्रिप्टहरू सम्पादन गर्दछ, कोड सुझाव दिन्छ र ड्राफ्टहरू लेख्छ। अनुसन्धान प्रश्न, सैद्धान्तिक ढाँचा, नमूना निर्णय, व्याख्या र नैतिक निर्णय जस्ता महत्वपूर्ण कार्यहरूको लागि जिम्मेवारी शोधकर्ताको हो; एक अप्रमाणित आउटपुटले गलत सन्दर्भ, बनावटी तथ्याङ्क, वा गलत वितरण हुन सक्छ।
२. साहित्य स्क्यान गर्दा आर्टिफिसियल इन्टेलिजेन्सलाई 'यस विषयमा १० सबैभन्दा महत्त्वपूर्ण लेखहरूलाई बिब्लियोग्राफीको साथ सूचीबद्ध गर्नुहोस्' भन्नु किन जोखिमपूर्ण छ?
- A) AI ले स्रोतहरू, लेखकहरू, र DOI बनाउन सक्छ जुन यथार्थपरक देखिन्छ तर अवस्थित छैन; तपाईंले डाटाबेसबाट स्रोत फेला पार्नु पर्छ ✔
- ख) कृत्रिम बुद्धिले धेरै ढिलो काम गर्दछ र स्रोतहरू सूचीबद्ध गर्दा समय बर्बाद गर्दछ
- C) आर्टिफिसियल इन्टेलिजेन्सले टर्की साहित्यलाई छुटेको छ किनभने यसले अंग्रेजी स्रोतहरू मात्र फेला पार्न सक्छ
- D) कृत्रिम बुद्धिमत्ताले एउटै स्रोतलाई धेरै पटक दोहोर्याउँदा सूची बढ्छ
विवरण: साहित्य समीक्षा एउटा कार्य हो जहाँ AI ले सबैभन्दा धेरै भ्रम उत्पन्न गर्दछ; लेख, लेखक र DOI बनाउन सक्छ जुन यथार्थपरक देखिन्छ तर अवस्थित छैन। स्रोतहरू खोज्नु डेटाबेसको काम हो; AI ले तपाईंले फेला पार्नुभएका वास्तविक सारांशहरूलाई मात्र संश्लेषण गर्नुपर्छ।
3. कुन समस्याको सन्दर्भमा नगरपालिकाको वेबसाइटमा पोस्ट गरिएको सर्वेक्षणमा 78% सन्तुष्टिको नतिजालाई सबैभन्दा सावधानीपूर्वक व्याख्या गर्नुपर्छ?
- क) प्रतिशत गणना गलत छ; सन्तुष्टि दरहरू कहिल्यै एकल संख्याको रूपमा व्यक्त गर्न सकिँदैन
- ख) सर्वेक्षण धेरै लामो भएकोले, सहभागीहरू बोर भए र अनियमित रूपमा जवाफ दिए
- ग) सन्तुष्टि मापन गर्न समाजशास्त्रीय रूपमा असम्भव छ, त्यसैले परिणाम अमान्य छ
- D) नमूनाले चयन पूर्वाग्रह राख्छ; साइटका प्रयोगकर्ताहरूले मात्र भाग लिन सक्ने भएकाले, खोजलाई सम्पूर्ण समाजमा सामान्यीकरण गर्न सकिँदैन ✔
स्पष्टीकरण: वेबसाइटमा पोष्ट गरिएको सर्वेक्षणले पहिले नै साइट प्रयोग गरिसकेकाहरूलाई (जसले सेवा पहुँच गर्न सक्छन् र सम्भवतः धेरै सन्तुष्ट छन्) लाई ओभरप्रिजेन्ट गर्छ; यो छनोट पूर्वाग्रह हो। खोजलाई 'साइट प्रयोगकर्ताहरू' मा मात्र सामान्यीकरण गर्न सकिन्छ र सम्पूर्ण समाजलाई होइन।
4. पाठको रूपमा 300-पङ्क्ति डेटा सेट टाँस्न र AI लाई 'मध्य गणना' गर्न भन्नु किन सुरक्षित छैन?
- A) आर्टिफिसियल इन्टेलिजेन्सले डाटाका १०० लाइनसम्म मात्र पढ्न सक्ने भएकाले यसले थप खारेज गर्छ
- ख) भाषा मोडेल क्यालकुलेटर होइन; पाठमा अंकगणित गर्दा गलत संख्याहरू उत्पन्न हुन सक्छ, गणना कार्यक्रममा गरिनुपर्छ ✔
- ग) औसत एक समाजशास्त्रीय अर्थहीन मापन हो र यसलाई गणना गर्नु हुँदैन।
- D) जब डाटा पाठको रूपमा टाँसिन्छ, AI ले स्वचालित रूपमा मेटाउँछ
स्पष्टीकरण: भाषा मोडेल क्यालकुलेटर होइन र पाठमा अंकगणित प्रदर्शन गर्दा गलत रूपमा औसत, प्रतिशत, वा p-मान उत्पादन गर्न सक्छ। वास्तविक गणना सांख्यिकीय कार्यक्रम वा तालिकामा गरिनु पर्छ; एआई विधि र व्याख्याको लागि मात्र प्रयोग गर्नुपर्छ।
५. गुणात्मक विषयवस्तु विश्लेषणमा आर्टिफिसियल इन्टेलिजेन्सले सुझाव दिएको उद्धरण स्वीकार गर्नुअघि के गर्नुपर्छ?
- A) यदि उद्धरण धाराप्रवाह र प्रभावशाली देखिन्छ भने, यसलाई सीधा रिपोर्टमा थप्न सकिन्छ
- ख) यदि उद्धरणको लम्बाइ एक अनुच्छेद भन्दा बढी छैन भने, प्रमाणीकरणको लागि कुनै आवश्यकता छैन
- ग) यो उद्धरण वास्तवमा ट्रान्सक्रिप्टमा देखा पर्दछ भनेर लाइन नम्बरको साथ पुष्टि गर्नुपर्छ ✔
- D) उद्धरण स्वचालित रूपमा विश्वसनीय छ किनभने कृत्रिम बुद्धिमत्ताले स्रोतलाई उद्धृत गर्दछ
स्पष्टीकरण: गुणात्मक अनुसन्धानको मुटु सहभागीको आफ्नै शब्दहरूमा निष्ठा हो। AI ले एउटा उद्धरण बनाउन सक्छ जुन धाराप्रवाह छ तर ट्रान्सक्रिप्टमा अवस्थित छैन। तसर्थ, प्रत्येक उद्धरणलाई पाठमा रहेको वास्तविक कथन र प्राथमिकतामा लाइन नम्बरसँग लिङ्क र प्रमाणित गरिनुपर्छ।
6. यदि, एक अध्ययनमा, सर्वेक्षणमा 72% ले 'म रिसाइकल गर्छु' भन्छन्, तर अन्तर्वार्तामा तिनीहरूमध्ये धेरैले वास्तवमा उनीहरूले यो अनियमित रूपमा गर्छन् भन्छन्, यो विरोधाभासलाई कसरी ह्यान्डल गर्नुपर्छ?
- क) विरोधाभास लुकाउनु हुँदैन; सामाजिक वांछनीयता पूर्वाग्रह ✔ जस्ता सम्भावित स्पष्टीकरणहरू सहितको खोजको रूपमा प्रस्तुत गर्नुपर्छ
- ख) अन्तर्वार्ताको तथ्याङ्कलाई गलत भनी खारेज गरि सर्वेक्षणको नतिजा मात्र रिपोर्ट गरिनुपर्छ
- ग) सर्वेक्षण तथ्याङ्क गलत भएकाले खारेज गर्नुपर्छ, अन्तर्वार्ता मात्रै रिपोर्ट गर्नुपर्छ
- घ) विरोधाभास लाजमर्दो भएकोले प्रतिवेदनबाट दुवै डेटा हटाइनुपर्छ
स्पष्टीकरण: मात्रात्मक र गुणात्मक निष्कर्षहरू बीचको भिन्नता कुनै त्रुटि होइन, तर प्रायः सबैभन्दा मूल्यवान खोज हो। यहाँको विरोधाभासले 'सामाजिक वांछनीयता पूर्वाग्रह' जस्ता घटनालाई औंल्याउँछ र यसलाई लुकाएर खोजको रूपमा प्रस्तुत गर्नुपर्छ।
7. यदि दुई समूहहरू बीचको भिन्नता (51% बनाम 54%) 50 मा सुरु हुने y-अक्षको ग्राफमा 'विशाल अन्तर' जस्तो देखिन्छ भने के गर्नुपर्छ?
- क) भिन्नता पहिले देखि नै ठुलो देखिने हुनाले चार्टलाई त्यस्तै छोड्नुपर्छ
- ख) दुई समूहको सट्टा एकल औसत देखाएर भिन्नता पूर्ण रूपमा लुकाउनु पर्छ
- C) ग्राफमा त्रि-आयामी प्रभाव थपेर फरकलाई अझ प्रभावशाली बनाउनु पर्छ।
- D) Y-अक्ष शून्यबाट सुरु गरिनुपर्छ; काटिएको अक्षले साना भिन्नताहरू बढाइचढाइ गरेर पाठकलाई बहकाउँछ ✔
स्पष्टीकरण: काटिएको अक्ष (शून्यबाट सुरु नभएको) ले सानो भिन्नतालाई ठूलो देखाएर भ्रामक बनाउँछ। इमानदार बार चार्टमा, अक्ष शून्यबाट सुरु हुनुपर्छ; त्यसैले भिन्नता यसको वास्तविक, सानो आकारमा देखिन्छ। दृश्यको उद्देश्य अनुकरण होइन, तर सही संचार हो।
8. किन ट्रान्सक्रिप्टबाट नामहरू मेटाउनु अक्सर पर्याप्त अज्ञातीकरण हुँदैन?
- क) नाम मेटाउन सधैं पर्याप्त छ; कुनै अन्य जानकारीले पहिचान प्रकट गर्दैन
- ख) अप्रत्यक्ष पहिचानकर्ताहरू (अद्वितीय भूमिका, स्थान, दुर्लभ सुविधा) ले व्यक्तिलाई उनीहरूको नाम बिना दिन सक्छ ✔
- C) फोन नम्बर छ भने मात्र अज्ञातकरण आवश्यक छ
- घ) नामहरू मेटाउनु अर्थहीन छ किनभने यसले पाठलाई पढ्न नसकिने बनाउँछ
स्पष्टीकरण: नाम मेटाएर मात्र पुग्दैन; अप्रत्यक्ष वर्णनकर्ताहरू जस्तै 'छिमेक X मा एक मात्र फार्मासिस्ट' वा 'नगरपालिकामा एक मात्र महिला निरीक्षक' व्यक्तिलाई आफैले दिन सक्छन्। उचित अनामीकरणले सबै प्रत्यक्ष र अप्रत्यक्ष पहिचानकर्ताहरू खाली गर्न आवश्यक छ।
९. आर्टिफिसियल इन्टेलिजेन्ससँग गरिएको विश्लेषणमा प्रम्प्ट, प्रयोग गरिएको मोडल र मिति रेकर्ड गर्न किन महत्त्वपूर्ण छ?
- क) यो कानुनी दायित्व मात्र भएको हुनाले यसको कुनै वैज्ञानिक मूल्य छैन
- B) प्रोम्प्टहरू व्यावसायिक कारणहरूका लागि राखिन्छन् किनभने तिनीहरू प्रतिलिपि अधिकार बोक्छन्।
- सी) प्रक्रिया ट्रेस योग्य र पुन: उत्पादन योग्य बनाउँछ; अन्यथा, 'एआईले त्यसो भन्यो' वैज्ञानिक औचित्य हुनेछैन ✔
- D) दर्ता केवल एक औपचारिकता हो किनभने मोडेलले सधैं एउटै जवाफ दिन्छ
स्पष्टीकरण: भाषा मोडेलहरूले हरेक पटक ठ्याक्कै एउटै जवाफ दिँदैनन्; यदि प्रम्प्ट र मोडेल जानकारी रेकर्ड गरिएन भने, प्रक्रिया ब्ल्याक बक्समा परिणत हुन्छ र अरू कसैले (तपाईं पनि) काम पुन: उत्पादन गर्न सक्दैन। यी अभिलेखहरू कामको 'सामग्रीको बिल' हुन् र पुन: उत्पादनशीलताको आधार हुन्।
10. शैक्षिक लेखनमा कृत्रिम बुद्धिमत्ताको वैध प्रयोग र शैक्षिक अखण्डताको उल्लङ्घन बीचको रेखा कहाँ छ?
- A) AI ले तपाईंलाई आफ्नो सामग्री व्यक्त गर्न मद्दत गर्न सक्छ; यद्यपि, तपाइँको तर्फबाट सोच्नु र सामग्री उत्पादन गर्नु र तपाइँको कामको रूपमा प्रस्तुत गर्नु तपाइँको लागि उल्लङ्घन हो ✔
- ख) आर्टिफिसियल इन्टेलिजेन्स द्वारा उत्पादित कुनै पनि पाठ सीधा प्रयोग गर्न सकिन्छ, जबसम्म व्याकरण सही छ।
- C) जबसम्म कृत्रिम बुद्धिमत्ताले स्रोतहरू थप्छ, त्यसमा सामग्री पूर्ण रूपमा छाप्नु समस्या-रहित हुन्छ।
- D) कृत्रिम बुद्धिमत्ताको प्रयोग सबै परिस्थितिहरूमा निषेध गरिएको छ र कुनै पनि चरणमा प्रयोग गर्न सकिँदैन।
खुलासा: तपाईंको आफ्नै मस्यौदा स्पष्ट गर्न र भाषा र संरचना सुधार गर्न AI प्रयोग गर्नु वैध र पारदर्शी घोषित छ। आर्टिफिसियल इन्टेलिजेन्सद्वारा लेखिएको सामग्री हुनु र यसलाई आफ्नै कामको रूपमा प्रस्तुत गर्नुले मौलिकतालाई उल्लङ्घन गर्छ र लगभग निश्चित रूपमा बनावटी स्रोतहरू उत्पादन गर्दछ। रेखा: AI ले तपाईंलाई आफ्नो विचार व्यक्त गर्न मद्दत गर्छ, यसले तपाईंको लागि सोच्दैन।
11. सामाजिक अनुसन्धानमा 'अन्त-देखि-अन्तको गुणस्तर सबैभन्दा कमजोर चरणमा छ' सिद्धान्तको अर्थ के हो?
- क) केवल अन्तिम चरण, हिज्जे, महत्त्वपूर्ण छ; अघिल्लो चरणहरूमा भएका गल्तीहरू हिज्जेद्वारा सच्याइन्छ।
- ख) चरणहरू एकअर्काबाट स्वतन्त्र छन्; एउटाको गल्तीले अर्कोलाई असर गर्दैन
- C) सबैभन्दा बलियो चरणले सम्पूर्ण चेनलाई बचाउँछ, त्यसैले एकल चरणमा ध्यान केन्द्रित गर्न पर्याप्त छ
- घ) एक चरणमा कमजोरी (पक्षपाती नमूना, अप्रमाणित स्रोत) पछिका चरणहरूमा सच्याउन सकिँदैन र सम्पूर्ण अध्ययनलाई कमजोर बनाउँछ ✔
स्पष्टीकरण: प्रत्येक चरणको निर्णयले अर्कोलाई असर गर्छ: एक पक्षपाती नमूनालाई पूर्ण विश्लेषण गरेर पनि बचत गर्न सकिँदैन; एक अप्रमाणित स्रोतले उत्कृष्ट लेखनलाई पनि खण्डन गर्दछ। तसर्थ, जिम्मेवारी प्रयोगको समान सिद्धान्तहरू डिजाइनदेखि कागजातसम्म प्रत्येक चरणमा लागू गरिनुपर्छ।
12. यदि आर्टिफिसियल इन्टेलिजेन्सले तपाईंले दिएको ट्रान्सक्रिप्टलाई सारांशित गर्छ र पाठमा नभएको फ्रेम थप्छ, जस्तै 'बूढापाकाहरू प्रविधिसँग डराउँछन्', यो केको उदाहरण हो?
- क) यो सहभागीको वास्तविक विचारको सही सारांश हो
- ख) यो आर्टिफिसियल इन्टेलिजेन्सको आफ्नै प्रशिक्षण डाटाबाट डाटामा लगाइने स्टेरियोटाइपको परिचय हो ✔
- C) यो सांख्यिकीय महत्व परीक्षणको नतिजा हो
- D) यो प्रमाण हो कि अज्ञातीकरण सफलतापूर्वक लागू गरिएको छ
स्पष्टीकरण: यो स्टेरियोटाइप (स्टेरियोटाइपिकल सामान्यीकरण) को एक उदाहरण हो जुन AI ले यसलाई प्रशिक्षित पाठहरूबाट लिन्छ। मोडेलले निर्णय थप्न सक्छ जुन वास्तवमा डाटामा अवस्थित छैन। अनुसन्धानकर्ताले 'पाठमा भएका कथनहरूमा भर पर्नुहोस्' भनेर यस थपलाई हटाउनु पर्छ।
13. तलका मध्ये कुन राम्रोसँग संकुचित अनुसन्धान प्रश्न हो?
- क) समाज किन यस्तो अवस्थामा छ ?
- ख) के मानिसहरू खुसी छन्?
- ग) विश्वविद्यालयका १८ देखि २५ वर्ष उमेर समूहका विद्यार्थीहरूले स्थानीय निर्वाचनमा भाग नलिनुको कारण के हो ? ✔
- घ) सामाजिक सञ्जाल र सबै कुराबीच के सम्बन्ध छ?
स्पष्टीकरण: राम्रो अनुसन्धान प्रश्न उत्तरदायी, सीमित र अर्थपूर्ण हुन्छ; यसको जनसंख्या, सन्दर्भ र फोकस स्पष्ट छ। 'युवाहरू किन राजनीतिबाट टाढा भइरहेका छन्?' जस्ता व्यापक अनुरोधको सट्टा, निश्चित उमेर समूह, सन्दर्भ र ठोस फोकस समावेश गर्ने प्रश्न अनुसन्धानयोग्य छ।
14. यदि दुई फरक अनलाइन सर्वेक्षणहरूले एउटै सोशल मिडिया समूहबाट सहभागीहरूलाई भर्ती गर्छ र समान परिणामहरू दिन्छ भने यो किन सत्य त्रिकोणात्मक होइन?
- ए) दुई स्रोतहरू स्वतन्त्र छैनन् किनभने तिनीहरू एउटै पक्षपाती नमूनाबाट आउँछन्; यो उही पूर्वाग्रहको दोहोरिने हो ✔
- ख) दुई सर्वेक्षणहरू प्रयोग गर्न सधैं अनावश्यक छ, एउटा सर्वेक्षण पर्याप्त छ
- C) अनलाइन सर्वेक्षणले कहिले पनि वैध डाटा उत्पादन गर्दैन
- D) तिनीहरूले समान नतिजा दिने तथ्यले परिणाम बिल्कुल सही छ भनेर प्रमाणित गर्दछ।
स्पष्टीकरण: त्रिभुज भनेको साँच्चिकै स्वतन्त्र स्रोतहरूको साथ खोजको क्रस-परीक्षण हो। यदि दुई स्रोतहरू एउटै पक्षपाती नमूनाबाट आउँछन् भने, तिनीहरूले एकअर्कालाई 'पुष्टि' गर्नु भ्रामक हुन्छ; यो उही पूर्वाग्रहको पुनरावृत्ति हो, स्वतन्त्र पुष्टि होइन।