Gevinster:
- Evne til å oppdage ledende, doble og tvetydige feller i spørreundersøkelsesspørsmål og koble hvert spørsmål til et konsept
- Evne til å utføre reelle statistiske beregninger i et program og bruke kunstig intelligens kun for metodevalg og tolkning
- Evne til å skille statistisk signifikans fra praktisk signifikans og kontrollere testforutsetninger
Kvantitativ forskning er en tilnærming som måler sosiale fenomener med tall og analyserer dem med statistikk: den søker svar på spørsmål som hvor mange mennesker, med hvilken hastighet, hvilken forskjell er det mellom hvilke grupper. Det vanligste verktøyet for denne tilnærmingen er undersøkelsen – en metode for å samle sammenlignbare data fra et stort antall mennesker ved å bruke standardspørsmål. Å sette opp en god spørreundersøkelse og analysere innkommende data riktig krever ferdigheter; Et dårlig spørsmål ødelegger resultatet helt fra begynnelsen. I denne enheten vil du lære hvordan du bruker AI til å designe spørreundersøkelsesspørsmål, konstruere skalaer (svaralternativer som vurderer en holdning, f.eks. "helt enig ... helt uenig"), og analysere innkommende data; men du vil lære hvorfor du bør beholde statistisk skjønn.
Der AI er mest verdifullt i kvantitativ analyse er ikke i selve beregningen, men i å forklare hvordan man gjør beregningen og hva resultatet betyr. AI kan skissere analysekode for deg (f.eks. kommandoer for å kjøre i R eller Python), forklare på vanlig språk når du skal bruke en statistisk test, og hjelpe deg med å tolke utdataene. Men stol aldri på tallene AI genererer "av toppen av hodet" i tekst: en språkmodell er ikke en kalkulator og kan produsere feil gjennomsnitt, prosent eller p-verdi. Selve utregningen gjøres i et ekte statistikkprogram.
Trinn for trinn: fra undersøkelse til anmeldelse
1. Knytt hvert spørsmål til et konsept. Hvert spørsmål du legger inn i undersøkelsen skal måle et konsept i forskningsspørsmålet ditt. Ikke legg til spørsmål bare fordi «det ville vært interessant». AI hjelper deg å sjekke konsept-spørsmålskartleggingen i en tabell.
2. Lukk ut dårlige spørsmål. Ledende ("Er du fornøyd med denne flotte tjenesten?"), dobbeltspørsmål ("Var tjenesten rask og billig?"), vage ("likte du det ofte?") spørsmål forvrenger dataene. AI er flinke til å markere disse fallgruvene i utkastet til undersøkelsen.
3. Etabler skalaen konsekvent. Hvis du bruker en Likert-skala (en 5- eller 7-punkts avtaleskala), hold retningen og vurderingene konsekvente gjennom hele undersøkelsen. AI fanger opp inkonsekvenser.
4. Slett data. Innkommende data kan inneholde manglende svar, inkonsekvenser eller to poster fra samme person. AI kan vise oppryddingstrinn og utkast til kode; Du bestemmer.
5. Velg riktig test og TOLK den. Sammenligner du to grupper, på jakt etter et forhold? AI forklarer hvilken test som er passende; Det er din jobb å kjøre testen i programmet og lese og forstå resultatet.
Oppmerksomhet: Ikke fortell AI "beregn gjennomsnittet av disse dataene" og skriv det resulterende tallet direkte inn i rapporten. Språkmodellen gjør feil i regnestykket. La utregningen gjøres i et regneark eller statistikkprogram; Bruk kun AI for metoden og tolkningen.
tre minisaker
Sak 1 – Ledende spørsmål rettet. Et undersøkelsesutkast spurte "Hvor fornøyd er du med transporttjenesten til vår vellykkede kommune?" Han hadde et spørsmål. AI markerte at adjektivet "vellykket" presset svaret til det positive. Spørsmålet er "Hvordan vurderer du kommunens transporttjeneste?" ble nøytralisert og resultatene var mer balanserte.
Tilfelle 2 – AI feilberegning fanget. En forsker limte inn 300 linjer med data som tekst i AI og sa "finn gjennomsnittsalderen"; YZ sa 34.2. Når de samme dataene ble satt inn i en tabell, var det faktiske gjennomsnittet 31,7. AI hadde feilberegnet i teksten; Det ble fikset da kontoen ble flyttet til programmet.
Case 3 — Testvalg avklart. Et team ønsket å sammenligne den gjennomsnittlige poengsummen for to grupper, men visste ikke hvilken test de skulle bruke. YZ forklarte at t-testen (en test som tester om forskjellen mellom middelverdiene til to grupper er tilfeldig) var passende for "to uavhengige grupper, en kontinuerlig variabel", listet opp forutsetningene hans og ga et utkast til koden. Teamet kjørte testen i programmet og tolket resultatet.
Fire kopierbare maler
1) Revisjon av undersøkelsesspørsmål:
Se gjennom undersøkelsesspørsmålene nedenfor. Sjekk for hvert spørsmål: er det ledende, er det et dobbelt spørsmål (to ting i ett spørsmål), er det tvetydig, er svaralternativene overlappende/mangler? Gi problemet og en bedre versjon side ved side. Sjekk om skalaretningen er konsistent. Spørsmål: [her]
2) Konsept-spørsmål kartleggingstabell:
Mitt forskningsspørsmål: [spørsmål]. Mine nøkkelbegreper: [liste]. Ordne følgende spørreundersøkelsesspørsmål i en tabell: hvilket konsept måler hvert spørsmål? Merk spørsmål som ikke knytter seg til noe konsept ("ekstra") og konsepter som ikke har noen spørsmål ("tomgang"). Avstemning: [her]
3) Datarenseplan (kodeutkast):
Jeg har et undersøkelsesdatasett med følgende variabler: [variabler]. Gi meg en sjekkliste for datarensing og kodeutkast MED KOMMENTARELINJER for [R/Python]: manglende data, uteliggere, dupliserte poster, inkonsekvent koding. Jeg vil kjøre koden og verifisere utdataene; Ikke gjør regnestykket.
4) Statistisk kommentar (jeg gjorde beregningen):
Jeg kjørte en [testnavn] og fikk følgende utgang: [output]. Tolk dette resultatet i klartekst: hva det betyr i praksis, skille mellom statistisk signifikans og praktisk signifikans, og minn deg på hvilke forutsetninger som må kontrolleres. Ikke overdriv resultatet; Fortell meg dine grenser også.
Svak forespørsel / Sterk forespørsel
Svak melding:
Regn ut gjennomsnittet av gruppene i disse dataene og fortell hvilken som er høyere. [500 linjer med data]
AI prøver å beregne i teksten og kan produsere feil tall. Dessuten er det upålitelig å svare på spørsmålet "Er det en signifikant forskjell" uten statistisk testing.
Kraftig ledetekst:
Jeg ønsker å sammenligne skårene til to grupper: en kontinuerlig variabel, to uavhengige grupper. (1) Hvilken statistisk test er passende og hvorfor? (2) Hva er dens antagelser? (3) Kommentarkodeutkast for [R/Python]. Jeg skal gjøre regnestykket i programmet; Du oppgir bare metoden og koden, ikke generer tall.
Forskjellen: AI brukes ikke lenger som en upålitelig kalkulator, men som en pålitelig metoderådgiver.
Arbeidsdeling i kvantitative oppgaver
Quest
Er AI trygt?
Hvordan bruke
Spørsmål design revisjon
Ja
Merking av feller
Skala konsistens
Ja
sjekkliste
Dataslettingskode
Ja (utkast)
Du kjører koden
Konto i tekst
nei
Aldri stol på
Testvalg
Ja
Forklar metoden
Avsluttende kommentar
Ja (støtte)
Det er opp til deg å dømme
Vanlige feil
- Direkte ved å bruke nummeret generert av AI. Språkmodellen er feil i aritmetikk; Gjør beregningen inn i programmet.
- Stiller et ledende spørsmål. Adjektiver og antakelser forvrenger svaret.
- Forveksler statistisk signifikans med praktisk signifikans. "Betydende" kan til og med være en liten forskjell; Se på størrelsen.
- Hopp over forutsetningene. Hver test har forutsetninger; Ikke kommenter uten å sjekke.
- Stiller ekstra spørsmål. Hvert undersøkelsesspørsmål bør knyttes til et konsept; resten blåser opp dataene.
Oppsummert
AI i kvantitativ forskning; Han er en sterk konsulent når det gjelder å fange opp fallgruvene ved spørreundersøkelsesspørsmål, kartlegging av konsept-spørsmål, utarbeide datarensing og analysekode, og tolke resultatet i klartekst. Men la aldri AI gjøre selve beregningen; Språkmodellen er ikke en kalkulator. Du velger testen, men du kjører den i programmet, leser utdataene og skiller mellom statistisk signifikans og praktisk signifikans. AI setter fart på metoden; Ansvaret for saken og kommentaren er ditt.
Søknadsoppgave
Skriv et utkast til spørreundersøkelse med 10 spørsmål. Ha AI-flagget og korriger ledende, dupliserte og tvetydige spørsmål med malen "Revisjon av avstemningsspørsmål". Lag deretter et lite eksempeldatasett (20-30 rader) og beregn det faktiske gjennomsnittet og prosentene i et regnearkprogram; Gi de samme dataene til AI som tekst, sammenlign dem med de resulterende tallene og rapporter forskjellen. Få til slutt en testutgang tolket med malen "statistikktolkning".
sjekkliste
- [ ] Jeg koblet hvert undersøkelsesspørsmål til et konsept.
- [ ] Jeg eliminerte ledende, doble og tvetydige spørsmål.
- [ ] Jeg gjorde selve beregningen i statistikkprogrammet, ikke AI.
- [ ] Jeg sjekket testforutsetningene.
- [ ] Jeg skilte statistisk signifikans fra praktisk signifikans.