ਲਾਭ:
- ਡਿਜ਼ਾਇਨ ਤੋਂ ਦਸਤਾਵੇਜ਼ਾਂ ਤੱਕ ਇੱਕ ਸੁਮੇਲ ਛੇ-ਪੜਾਅ ਦੇ ਵਰਕਫਲੋ ਵਜੋਂ ਖੋਜ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
- ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਸੀਮਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਪੜਾਅ ਦੇ ਪਰਿਵਰਤਨ 'ਤੇ ਪਿਛਲੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਟੀਮ ਪੱਧਰ 'ਤੇ ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਪ੍ਰੋਟੋਕੋਲ ਸਥਾਪਤ ਕਰਨ ਅਤੇ ਪੰਜ ਬੁਨਿਆਦੀ ਸਿਧਾਂਤਾਂ ਦੇ ਅਨੁਸਾਰ ਸਵੈ-ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਪਿਛਲੀਆਂ ਦਸ ਇਕਾਈਆਂ ਵਿੱਚ, ਅਸੀਂ ਸਮਾਜਿਕ ਖੋਜ ਦੇ ਹਰੇਕ ਪੜਾਅ 'ਤੇ AI ਨੂੰ ਕਵਰ ਕੀਤਾ ਹੈ: ਪ੍ਰਸ਼ਨ ਅਤੇ ਸਾਹਿਤ, ਨਮੂਨਾ, ਸਰਵੇਖਣ ਅਤੇ ਮਾਤਰਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ, ਗੁਣਾਤਮਕ ਕੋਡਿੰਗ ਅਤੇ ਥੀਮ, ਮਿਸ਼ਰਤ ਵਿਧੀਆਂ, ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ, ਨੈਤਿਕਤਾ, ਪ੍ਰਜਨਨਯੋਗਤਾ, ਅਤੇ ਲਿਖਣਾ। ਅਸੀਂ ਇਸ ਅੰਤਮ ਇਕਾਈ ਵਿੱਚ ਇਹ ਸਭ ਇਕੱਠੇ ਲਿਆਉਂਦੇ ਹਾਂ। ਟੀਚਾ ਵਿਅਕਤੀਗਤ ਹੁਨਰਾਂ ਨੂੰ ਅੰਤ-ਤੋਂ-ਅੰਤ ਦੇ ਵਰਕਫਲੋ ਵਿੱਚ ਜੋੜਨਾ ਹੈ- ਖੋਜ ਪ੍ਰਸ਼ਨ ਤੋਂ ਪ੍ਰਕਾਸ਼ਿਤ ਖੋਜ ਤੱਕ ਇੱਕ ਇਕਸਾਰ, ਸੁਰੱਖਿਅਤ, ਅਤੇ ਇਮਾਨਦਾਰ ਪ੍ਰਕਿਰਿਆ। ਅਸੀਂ ਇੱਕ ਵਿਅਕਤੀ ਤੋਂ ਵੀ ਅੱਗੇ ਜਾਵਾਂਗੇ ਅਤੇ ਸ਼ਾਸਨ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗੇ: ਇੱਕ ਟੀਮ, ਇੱਕ ਵਿਭਾਗ, ਜਾਂ ਇੱਕ ਸੰਸਥਾ ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰ ਸਕਦੀ ਹੈ ਦੇ ਸਾਂਝੇ ਨਿਯਮ।
ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਸੋਚਣ ਦਾ ਮੁੱਲ ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਜੋ ਫੈਸਲਾ ਲੈਂਦੇ ਹੋ ਉਹ ਅਗਲੇ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦਾ ਹੈ। ਇੱਕ ਪੱਖਪਾਤੀ ਨਮੂਨੇ ਨੂੰ ਇੱਕ ਸੰਪੂਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਵੀ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ; ਇੱਕ ਅਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਵੀ ਸਭ ਤੋਂ ਵਧੀਆ ਲਿਖਤ ਦਾ ਖੰਡਨ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕੋ ਜਿਹੇ ਸਿਧਾਂਤਾਂ ਨਾਲ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ: ਇਸਨੂੰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਰੋਤਾਂ ਨਾਲ ਫੀਡ ਕਰੋ, ਹਰ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਮਨੁੱਖੀ ਨਿਰਣੇ ਦੀ ਰੱਖਿਆ ਕਰੋ, ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦਾ ਪਹਿਲਾਂ ਤੋਂ ਧਿਆਨ ਰੱਖੋ, ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਦਸਤਾਵੇਜ਼ ਦਿਓ। ਇਹਨਾਂ ਸਿਧਾਂਤਾਂ ਨੂੰ ਇੱਕ ਵਾਕ ਵਿੱਚ ਸੰਖੇਪ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: AI ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਪਰ ਖੋਜਕਰਤਾ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ।
ਕਦਮ ਦਰ ਕਦਮ: ਸਿਰੇ ਤੋਂ ਅੰਤ ਦਾ ਪ੍ਰਵਾਹ
1. ਡਿਜ਼ਾਈਨ (ਸਵਾਲ + ਨੈਤਿਕਤਾ + ਨਮੂਨਾ)। ਸਪੱਸ਼ਟ ਸਵਾਲ, ਮੁੜ ਕੰਮ ਕਰਨ ਦੀ ਨੈਤਿਕਤਾ ਦੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਗੁਪਤਤਾ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣਾ, ਅਤੇ ਨਮੂਨੇ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ। ਇਸ ਪੜਾਅ 'ਤੇ, AI ਸਵਾਲਾਂ ਨੂੰ ਤੰਗ ਕਰਨ ਅਤੇ ਨੈਤਿਕ ਜੋਖਮ ਸਕ੍ਰੀਨਿੰਗ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
2. ਡਾਟਾ ਇਕੱਠਾ ਕਰਨਾ (ਸਰਵੇਖਣ + ਇੰਟਰਵਿਊ)। ਇੱਕ ਠੋਸ ਸਰਵੇਖਣ ਅਤੇ ਇੰਟਰਵਿਊ ਗਾਈਡ ਤਿਆਰ ਕਰੋ। AI ਸਵਾਲਾਂ ਦੇ ਜਾਲ ਨੂੰ ਫੜਦਾ ਹੈ; ਡੇਟਾ ਅਤੇ ਭਾਗੀਦਾਰ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦਾ ਕੰਮ ਤੁਹਾਡਾ ਹੈ।
3. ਪ੍ਰੋਸੈਸਿੰਗ (ਸਫਾਈ + ਕੋਡਿੰਗ + ਅਗਿਆਤਕਰਨ)। ਗੁਮਨਾਮ, ਸਾਫ਼, ਏਨਕੋਡ ਡਾਟਾ. AI ਬਲੂਪ੍ਰਿੰਟ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਤੁਸੀਂ ਹਰ ਫੈਸਲੇ ਅਤੇ ਕੋਡਬੁੱਕ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦਿੰਦੇ ਹੋ।
4. ਵਿਸ਼ਲੇਸ਼ਣ (ਗੁਣਾਤਮਕ + ਗੁਣਾਤਮਕ + ਤਿਕੋਣ)। ਪ੍ਰੋਗਰਾਮ ਰਾਹੀਂ ਅੰਕੜੇ ਚਲਾਓ, ਥੀਮਾਂ ਨੂੰ ਕੋਟਸ ਨਾਲ ਜੋੜੋ, ਖੋਜਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ। AI ਢੰਗ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਗਣਨਾ ਨਹੀਂ।
5. ਪੇਸ਼ਕਾਰੀ (ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ + ਲਿਖਣਾ)। ਇਮਾਨਦਾਰ ਗ੍ਰਾਫਿਕਸ ਅਤੇ ਮੂਲ ਟੈਕਸਟ ਤਿਆਰ ਕਰੋ। ਹਰ ਸਰੋਤ ਅਤੇ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; AI ਦੀ ਭੂਮਿਕਾ ਦਾ ਐਲਾਨ ਕੀਤਾ ਗਿਆ ਹੈ।
6. ਦਸਤਾਵੇਜ਼ (ਜਰਨਲ + ਪ੍ਰੋਂਪਟ ਰਿਕਾਰਡਿੰਗ + ਸ਼ੇਅਰਿੰਗ)। ਦਸਤਾਵੇਜ਼ ਫੈਸਲੇ, ਪ੍ਰੋਂਪਟ, ਅਤੇ ਪਰਿਵਰਤਨ ਅਤੇ ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਅਗਿਆਤ ਡੇਟਾ ਅਤੇ ਕੋਡ ਸਾਂਝਾ ਕਰੋ।
ਸੁਝਾਅ: ਆਪਣੇ ਡੈਸਕ 'ਤੇ ਇੱਕ ਸਿਰੇ ਤੋਂ ਅੰਤ ਤੱਕ ਚੈੱਕਲਿਸਟ ਰੱਖੋ। ਹਰ ਪੜਾਅ ਦੇ ਪਰਿਵਰਤਨ 'ਤੇ ਪੁੱਛੋ: "ਕੀ ਮੈਂ ਇਸ ਪੜਾਅ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਹੈ, ਕੀ ਮੈਂ ਨਮੂਨਾ/ਨੈਤਿਕ/ਸਰੋਤ ਸੁਰੱਖਿਅਤ ਹਾਂ, ਕੀ ਮੈਂ ਕੋਈ ਨਿਸ਼ਾਨ ਨਹੀਂ ਛੱਡਿਆ?" ਇੱਕ ਪੜਾਅ 'ਤੇ ਢਿੱਲ ਸਾਰੀ ਚੇਨ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਦਿੰਦੀ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਚੇਨ ਵਿੱਚ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਲਿੰਕ। ਇੱਕ ਟੀਮ ਨੇ ਇੱਕ ਸ਼ਾਨਦਾਰ ਗੁਣਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ, ਪਰ ਉਹਨਾਂ ਦਾ ਨਮੂਨਾ ਇੱਕ ਸਿੰਗਲ ਔਨਲਾਈਨ ਸਮੂਹ ਤੋਂ ਆਇਆ ਹੈ। ਭਾਵੇਂ ਉਹਨਾਂ ਨੇ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੋਡ ਕੀਤਾ ਹੈ, ਖੋਜ ਇਸ ਸਮੂਹ ਵਿੱਚ ਫਸ ਗਈ ਸੀ. ਸਬਕ: ਅੰਤ-ਤੋਂ-ਅੰਤ ਦੀ ਗੁਣਵੱਤਾ ਸਿਰਫ ਕਮਜ਼ੋਰ ਅਵਸਥਾ ਜਿੰਨੀ ਹੀ ਵਧੀਆ ਹੈ; ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਠੀਕ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ।
ਕੇਸ 2 - ਟੀਮ ਗਵਰਨੈਂਸ ਨੇ ਕੰਮ ਕੀਤਾ। ਇੱਕ ਖੋਜ ਕੇਂਦਰ ਨੇ ਪੂਰੀ ਟੀਮ ਲਈ ਇੱਕ ਸਾਂਝਾ AI ਵਰਤੋਂ ਪ੍ਰੋਟੋਕੋਲ ਲਿਖਿਆ: ਕਿਹੜਾ ਟੂਲ, ਕਿਹੜਾ ਡੇਟਾ ਅਗਿਆਤ, ਕਿਸ ਤਸਦੀਕ ਕਦਮ ਨਾਲ। ਇੱਕ ਨਵੇਂ ਆਏ ਸਹਾਇਕ ਨੇ ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਪਾਲਣਾ ਕਰਕੇ ਪਹਿਲੇ ਦਿਨ ਤੋਂ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕੰਮ ਕੀਤਾ; ਨਿੱਜੀ ਗਲਤੀਆਂ ਘਟੀਆਂ ਹਨ।
ਕੇਸ 3 - ਪਾਰਦਰਸ਼ੀ ਚੇਨ ਨੇ ਰੈਫਰੀ ਦਾ ਭਰੋਸਾ ਹਾਸਲ ਕੀਤਾ। ਇੱਕ ਲੇਖ ਵਿੱਚ ਫੈਸਲੇ ਦਾ ਲੌਗ, ਪ੍ਰੋਂਪਟ ਲੌਗ, ਅਤੇ AI ਸਟੇਟਮੈਂਟ ਸ਼ਾਮਲ ਹੈ। ਸਮੀਖਿਅਕ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦੇਖਣ ਦੇ ਯੋਗ ਸਨ ਅਤੇ ਇਸ ਨੂੰ "ਉਤਪਾਦਕ ਅਤੇ ਇਮਾਨਦਾਰ" ਲੱਭਦੇ ਹੋਏ ਸਹਿਮਤ ਹੋਏ। ਪਾਰਦਰਸ਼ਤਾ ਉਹ ਗੂੰਦ ਸੀ ਜੋ ਸਾਰੇ ਵਿਅਕਤੀਗਤ ਕਦਮਾਂ ਨੂੰ ਜੋੜਦੀ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਐਂਡ-ਟੂ-ਐਂਡ ਚੈਕਲਿਸਟ ਜਨਰੇਸ਼ਨ:
ਮੇਰੀ ਖੋਜ ਨਿਮਨਲਿਖਤ ਪੜਾਵਾਂ ਵਿੱਚੋਂ ਲੰਘੇਗੀ: ਡਿਜ਼ਾਈਨ, ਡੇਟਾ ਕਲੈਕਸ਼ਨ, ਪ੍ਰੋਸੈਸਿੰਗ, ਵਿਸ਼ਲੇਸ਼ਣ, ਪੇਸ਼ਕਾਰੀ, ਦਸਤਾਵੇਜ਼। ਹਰੇਕ ਪੜਾਅ ਲਈ ਇੱਕ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰੋ: ਮੈਂ ਉਸ ਪੜਾਅ 'ਤੇ AI ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕਿੱਥੇ ਵਰਤ ਸਕਦਾ ਹਾਂ, ਮੈਨੂੰ ਕਿਸ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਮੈਨੂੰ ਕਿਹੜੇ ਨੈਤਿਕ/ਗੋਪਨੀਯਤਾ ਜੋਖਮ 'ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਮੈਨੂੰ ਕੀ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ? ਇਸਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਦਿਓ.
2) ਟੀਮ ਏਆਈ ਪ੍ਰੋਟੋਕੋਲ ਡਰਾਫਟ:
ਇੱਕ ਸਮਾਜਿਕ ਖੋਜ ਟੀਮ ਲਈ ਇੱਕ AI ਵਰਤੋਂ ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ। ਸ਼ਾਮਲ ਕਰੋ: ਪ੍ਰਵਾਨਿਤ ਟੂਲ, ਡੇਟਾ ਅਨਾਮਾਈਜ਼ੇਸ਼ਨ ਨਿਯਮ, ਜਿਸ ਵਿੱਚ ਰੋਲ ਏਆਈ ਦੀ ਇਜਾਜ਼ਤ ਹੈ/ਪ੍ਰਤੀਬੰਧਿਤ/ਵਰਜਿਤ ਹੈ, ਲਾਜ਼ਮੀ ਤਸਦੀਕ ਕਦਮ, AI ਘੋਸ਼ਣਾ ਨਿਯਮ, ਜਵਾਬਦੇਹੀ। ਸਧਾਰਨ, ਕਾਰਵਾਈਯੋਗ ਆਈਟਮਾਂ ਲਿਖੋ।
3) ਪੜਾਅ ਤਬਦੀਲੀ ਨਿਯੰਤਰਣ:
ਮੈਂ [ਫੇਜ਼ X] ਨੂੰ ਪੂਰਾ ਕੀਤਾ, ਮੈਂ [ਫੇਜ਼ Y] ਵੱਲ ਵਧ ਰਿਹਾ ਹਾਂ। ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜਿਨ੍ਹਾਂ ਦੀ ਮੈਨੂੰ ਇਸ ਤਬਦੀਲੀ ਤੋਂ ਪਹਿਲਾਂ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਹੈ: ਕੀ ਮੈਂ ਪਿਛਲੇ ਪੜਾਅ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ, ਕੀ ਮੈਂ ਇੱਕ ਗਲਤੀ (ਗਲਤ ਨਮੂਨਾ, ਅਣ-ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ, ਅਣ-ਟਰੈਕ ਕੀਤਾ ਫੈਸਲਾ) ਲੈ ਰਿਹਾ ਹਾਂ ਜੋ ਅਗਲੇ ਪੜਾਅ ਨੂੰ ਤੋੜ ਦੇਵੇਗਾ? ਕੀ ਮੈਂ ਤਬਦੀਲੀ ਲਈ ਤਿਆਰ ਹਾਂ, ਅਤੇ ਜੇਕਰ ਨਹੀਂ, ਤਾਂ ਮੈਨੂੰ ਕੀ ਠੀਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
4) ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਸਵੈ-ਮੁਲਾਂਕਣ:
AI ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਲਈ ਮੇਰੇ ਵੱਲੋਂ ਪੂਰੀ ਕੀਤੀ ਗਈ ਖੋਜ ਦਾ ਆਡਿਟ ਕਰੋ। ਇਹਨਾਂ ਪੰਜ ਸਿਧਾਂਤਾਂ ਦੇ ਵਿਰੁੱਧ ਕਮਜ਼ੋਰੀਆਂ ਨੂੰ ਸਕੋਰ ਕਰੋ ਅਤੇ ਦਰਸਾਓ: (1) ਮਜ਼ਬੂਤ ਸਰੋਤ ਫੀਡਿੰਗ, (2) ਹਰ ਆਉਟਪੁੱਟ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ, (3) ਮਨੁੱਖੀ ਨਿਰਣੇ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣਾ, (4) ਨੈਤਿਕਤਾ ਅਤੇ ਗੁਪਤਤਾ, (5) ਪਾਰਦਰਸ਼ੀ ਦਸਤਾਵੇਜ਼। ਪ੍ਰਕਿਰਿਆ: [ਸਾਰਾਂਸ਼]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਖੋਜ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਲੈ ਕੇ ਅੰਤ ਤੱਕ AI ਨਾਲ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਪੂਰਾ ਕਰੋ।
ਇਹ ਸਾਰੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਾਡਲ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। ਨਤੀਜਾ: ਪੱਖਪਾਤੀ ਨਮੂਨਾ, ਮਨਘੜਤ ਸਰੋਤ, ਅਣ-ਪ੍ਰਮਾਣਿਤ ਅੰਕੜੇ ਅਤੇ ਇੱਕ ਅਸੁਰੱਖਿਅਤ ਟੈਕਸਟ। ਕੋਈ ਅੰਤ-ਤੋਂ-ਅੰਤ ਪੜਾਅ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਮੈਂ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਆਪਣੀ ਖੋਜ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਹਰ ਪੜਾਅ (ਡਿਜ਼ਾਈਨ, ਡੇਟਾ, ਪ੍ਰੋਸੈਸਿੰਗ, ਵਿਸ਼ਲੇਸ਼ਣ, ਪ੍ਰਸਤੁਤੀ, ਦਸਤਾਵੇਜ਼) 'ਤੇ ਇਹ ਇੱਕ ਰੋਡਮੈਪ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਮੈਂ AI ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਵਰਤ ਸਕਦਾ ਹਾਂ, ਜਿੱਥੇ ਮਨੁੱਖੀ ਨਿਰਣੇ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਮੈਨੂੰ ਕਿਹੜੇ ਨੈਤਿਕ ਅਤੇ ਗੋਪਨੀਯਤਾ ਜੋਖਮਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਯਾਦ ਰੱਖੋ ਕਿ ਮੈਂ ਜ਼ਿੰਮੇਵਾਰ ਹਾਂ।
ਅੰਤਰ: ਦੂਜੀ ਪਹੁੰਚ ਏਆਈ ਨੂੰ ਇੱਕ ਸਾਥੀ ਦੇ ਤੌਰ 'ਤੇ ਰੱਖਦੀ ਹੈ; ਇਹ ਸ਼ੁਰੂ ਤੋਂ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ ਕਿ ਫੈਸਲੇ ਅਤੇ ਤਸਦੀਕ ਮਨੁੱਖਾਂ ਨਾਲ ਸਬੰਧਤ ਹੈ.
ਅੰਤ-ਤੋਂ-ਅੰਤ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਨੀਤੀਆਂ
ਸਿਧਾਂਤ
ਐਪਲੀਕੇਸ਼ਨ
ਕਿਸ ਯੂਨਿਟ ਵਿੱਚ
ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਰੋਤ ਨਾਲ ਫੀਡ
ਆਪਣਾ ਖੁਦ ਦਾ ਡਾਟਾ/ਸਰੋਤ ਪ੍ਰਦਾਨ ਕਰੋ
1, 2
ਨਮੂਨੇ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰੋ
ਪ੍ਰਤੀਨਿਧਤਾ ਅਤੇ ਪੱਖਪਾਤ ਆਡਿਟਿੰਗ
3
ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਗਣਨਾ ਕਰੋ
AI ਉਤਪਾਦਨ ਨੰਬਰ ਬਣਾਉਣਾ
4
ਵਫ਼ਾਦਾਰੀ ਰੱਖੋ
ਲਾਈਨ ਨੰਬਰ ਦੇ ਨਾਲ ਹਵਾਲਾ ਲਿੰਕ ਕਰੋ
5
ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਖੁੱਲ੍ਹਾ ਰੱਖੋ
ਤਿਕੋਣਾ, ਇਮਾਨਦਾਰ ਪੇਸ਼ਕਾਰੀ
6, 7
ਨੈਤਿਕਤਾ ਅਤੇ ਗੋਪਨੀਯਤਾ ਪਹਿਲਾਂ
ਗੁਮਨਾਮ, ਪ੍ਰਮਾਣਿਤ ਟੂਲ
8
ਪ੍ਰਕਿਰਿਆ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ
ਡਾਇਰੀ, ਤੁਰੰਤ ਰਿਕਾਰਡਿੰਗ
9
ਮੌਲਿਕਤਾ ਬਣਾਈ ਰੱਖੋ
ਸਰੋਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਤੁਹਾਡੀ ਆਪਣੀ ਆਵਾਜ਼
10
ਆਮ ਗਲਤੀਆਂ
- ਪੜਾਵਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਵਿਚਾਰਨਾ ਅਤੇ ਚੇਨ ਨੂੰ ਭੁੱਲਣਾ. ਇੱਕ ਪੜਾਅ 'ਤੇ ਪੱਖਪਾਤ ਪੂਰੇ ਅਧਿਐਨ ਨੂੰ ਵਿਗਾੜ ਦਿੰਦਾ ਹੈ।
- AI ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਸੌਂਪੀ ਜਾ ਰਹੀ ਹੈ। ਫੈਸਲਾ, ਤਸਦੀਕ ਅਤੇ ਨੈਤਿਕਤਾ ਹਮੇਸ਼ਾਂ ਮਨੁੱਖ ਦੇ ਨਾਲ ਹੁੰਦੀ ਹੈ।
- ਟੀਮ ਵਿੱਚ ਕੋਈ ਆਮ ਨਿਯਮ ਨਹੀਂ ਹਨ। ਵਿਅਕਤੀਗਤ ਵਰਤੋਂ ਅਸੰਗਤਤਾ ਅਤੇ ਜੋਖਮ ਪੈਦਾ ਕਰਦੀ ਹੈ।
- ਆਖਰੀ ਲਈ ਦਸਤਾਵੇਜ਼ ਛੱਡ ਰਿਹਾ ਹੈ। ਸਾਰੀ ਪ੍ਰਕਿਰਿਆ ਦੌਰਾਨ ਟਰੇਸ ਬਰਕਰਾਰ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ; ਬਾਅਦ ਵਿੱਚ ਯਾਦ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ।
- ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਸਿੱਖੋ ਅਤੇ ਆਰਾਮ ਕਰੋ। ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਹੈ ਜੋ ਹਰ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਦੁਬਾਰਾ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ AI ਦਾ ਅਸਲ ਮੁੱਲ ਵਿਅਕਤੀਗਤ ਕਾਰਜਾਂ ਵਿੱਚ ਨਹੀਂ ਹੁੰਦਾ, ਪਰ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਇੱਕ ਨਿਰੰਤਰ ਅਤੇ ਜਵਾਬਦੇਹ ਵਰਕਫਲੋ ਵਿੱਚ ਹੁੰਦਾ ਹੈ। ਡਿਜ਼ਾਈਨ ਤੋਂ ਲੈ ਕੇ ਦਸਤਾਵੇਜ਼ਾਂ ਤੱਕ, ਹਰ ਪੜਾਅ 'ਤੇ ਇੱਕੋ ਜਿਹੇ ਸਿਧਾਂਤਾਂ ਨੂੰ ਲਾਗੂ ਕਰੋ: ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਰੋਤ, ਹਰ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਮਨੁੱਖੀ ਨਿਰਣੇ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੋ, ਨੈਤਿਕਤਾ ਅਤੇ ਗੁਪਤਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿਓ, ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ। ਟੀਮ ਪੱਧਰ 'ਤੇ ਇੱਕ ਸਾਂਝਾ ਪ੍ਰੋਟੋਕੋਲ ਇਹਨਾਂ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸਥਾਈ ਬਣਾਉਂਦਾ ਹੈ। ਚੇਨ ਸਿਰਫ ਇਸਦੇ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਲਿੰਕ ਦੇ ਰੂਪ ਵਿੱਚ ਮਜ਼ਬੂਤ ਹੈ; ਕਿਸੇ ਵੀ ਪੜਾਅ 'ਤੇ ਆਰਾਮ ਨਾ ਕਰੋ. AI ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਕਦੇ ਵੀ ਖੋਜਕਰਤਾ ਦੇ ਨਿਰਣੇ, ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਇਮਾਨਦਾਰੀ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ "ਐਂਡ-ਟੂ-ਐਂਡ ਚੈਕਲਿਸਟ ਜਨਰੇਸ਼ਨ" ਟੈਮਪਲੇਟ ਨਾਲ ਆਪਣੇ ਖੁਦ ਦੇ ਖੋਜ ਪ੍ਰੋਜੈਕਟ (ਅਸਲ ਜਾਂ ਯੋਜਨਾਬੱਧ) ਲਈ ਇੱਕ ਛੇ-ਪੜਾਅ ਵਾਲਾ ਰੋਡਮੈਪ ਬਣਾਓ। ਹਰ ਪੜਾਅ 'ਤੇ, ਲਿਖੋ ਕਿ ਤੁਸੀਂ AI ਦੀ ਵਰਤੋਂ ਕਿੱਥੇ ਕਰੋਗੇ, ਤੁਸੀਂ ਕੀ ਪੁਸ਼ਟੀ ਕਰੋਗੇ, ਅਤੇ ਤੁਸੀਂ ਕਿਹੜੇ ਨੈਤਿਕ/ਗੋਪਨੀਯਤਾ ਜੋਖਮਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰੋਗੇ। ਫਿਰ "ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਸਵੈ-ਮੁਲਾਂਕਣ" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰੋ ਤਾਂ ਕਿ ਪੰਜ ਸਿਧਾਂਤਾਂ ਦੇ ਵਿਰੁੱਧ ਆਪਣੇ ਆਪ ਨੂੰ ਸਕੋਰ ਕਰੋ, ਆਪਣੇ ਦੋ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਬਿੰਦੂਆਂ ਦੀ ਪਛਾਣ ਕਰੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਮਜ਼ਬੂਤ ਕੀਤਾ ਜਾਵੇ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਖੋਜ ਨੂੰ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਛੇ-ਪੜਾਅ ਦੇ ਪ੍ਰਵਾਹ ਵਜੋਂ ਯੋਜਨਾਬੱਧ ਕੀਤਾ।
- ਮੈਂ ਹਰੇਕ ਪੜਾਅ 'ਤੇ AI ਦੀ ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਸੀਮਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਹਰੇਕ ਪੜਾਅ ਦੇ ਪਰਿਵਰਤਨ 'ਤੇ ਪਿਛਲੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [] ਨੈਤਿਕਤਾ, ਗੁਪਤਤਾ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਕਾਇਮ ਰੱਖਿਆ।
- [ ] ਮੇਰੇ ਕੋਲ ਪੰਜ ਸਿਧਾਂਤਾਂ ਦੇ ਵਿਰੁੱਧ ਸਵੈ-ਮੁਲਾਂਕਣ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਹੈ।
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਸਮਾਜ ਸ਼ਾਸਤਰ ਅਤੇ ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਲਈ ਹੇਠ ਲਿਖੀਆਂ ਵਿੱਚੋਂ ਕਿਹੜੀ ਸਥਿਤੀ ਸਭ ਤੋਂ ਸਹੀ ਹੈ?
- ਏ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਮਨੁੱਖੀ ਪ੍ਰਵਾਨਗੀ ਤੋਂ ਬਿਨਾਂ ਖੋਜ ਪ੍ਰਸ਼ਨ, ਵਿਆਖਿਆ ਅਤੇ ਨੈਤਿਕ ਫੈਸਲੇ ਦਾ ਆਪਣੇ ਆਪ ਜਵਾਬ ਦੇ ਸਕਦੀ ਹੈ।
- ਅ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਰਫ ਟੈਕਸਟ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ, ਇਸਦਾ ਹੋਰ ਖੋਜ ਪੜਾਵਾਂ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ
- C) ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਸੰਖੇਪ, ਪ੍ਰਤੀਲਿਪੀ, ਕੋਡ ਅਤੇ ਡਰਾਫਟ ਸਹਾਇਕ ਹੈ; Responsibility for interpretation, framework and ethical decision lies with the researcher ✔
- ਡੀ) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਹਮੇਸ਼ਾ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਨਿਰਪੱਖ ਹੁੰਦੀ ਹੈ, ਵਿਆਖਿਆ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਇਸ 'ਤੇ ਛੱਡ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਵਰਣਨ: ਨਕਲੀ ਬੁੱਧੀ; ਇੱਕ ਸਹਾਇਕ ਹੈ ਜੋ ਟੈਕਸਟ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ, ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਦਾ ਹੈ, ਕੋਡ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਅਤੇ ਡਰਾਫਟ ਲਿਖਦਾ ਹੈ। ਆਲੋਚਨਾਤਮਕ ਕੰਮ ਜਿਵੇਂ ਕਿ ਖੋਜ ਪ੍ਰਸ਼ਨ, ਸਿਧਾਂਤਕ ਢਾਂਚੇ, ਨਮੂਨਾ ਨਿਰਣਾ, ਵਿਆਖਿਆ ਅਤੇ ਨੈਤਿਕ ਫੈਸਲੇ ਲਈ ਜ਼ਿੰਮੇਵਾਰੀ ਖੋਜਕਰਤਾ ਦੀ ਹੈ; ਇੱਕ ਅਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਇੱਕ ਗਲਤ ਸੰਦਰਭ, ਮਨਘੜਤ ਅੰਕੜੇ, ਜਾਂ ਗਲਤ ਅਨੁਪਾਤ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੀ ਹੈ।
2. Why is it risky to directly tell artificial intelligence 'list the 10 most important articles on this subject with bibliography' when scanning the literature?
- A) AI ਸਰੋਤ, ਲੇਖਕ ਅਤੇ DOI ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਯਥਾਰਥਵਾਦੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ ਪਰ ਮੌਜੂਦ ਨਹੀਂ ਹਨ; ਤੁਹਾਨੂੰ ਡੇਟਾਬੇਸ ਤੋਂ ਸਰੋਤ ਲੱਭਣਾ ਚਾਹੀਦਾ ਹੈ ✔
- ਅ) ਨਕਲੀ ਬੁੱਧੀ ਬਹੁਤ ਹੌਲੀ ਕੰਮ ਕਰਦੀ ਹੈ ਅਤੇ ਸਰੋਤਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨ ਵੇਲੇ ਸਮਾਂ ਬਰਬਾਦ ਕਰਦੀ ਹੈ
- C) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੁਰਕੀ ਸਾਹਿਤ ਨੂੰ ਖੁੰਝਦੀ ਹੈ ਕਿਉਂਕਿ ਇਹ ਸਿਰਫ ਅੰਗਰੇਜ਼ੀ ਸਰੋਤਾਂ ਨੂੰ ਲੱਭ ਸਕਦੀ ਹੈ
- ਡੀ) ਸੂਚੀ ਵਧਦੀ ਹੈ ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਇੱਕੋ ਸਰੋਤ ਨੂੰ ਕਈ ਵਾਰ ਦੁਹਰਾਉਂਦੀ ਹੈ
ਵਰਣਨ: ਸਾਹਿਤ ਸਮੀਖਿਆ ਉਹ ਕੰਮ ਹੈ ਜਿੱਥੇ AI ਸਭ ਤੋਂ ਵੱਧ ਭਰਮ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਲੇਖ, ਲੇਖਕ ਅਤੇ DOI ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਯਥਾਰਥਵਾਦੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ ਪਰ ਮੌਜੂਦ ਨਹੀਂ ਹਨ। ਸਰੋਤ ਲੱਭਣਾ ਡੇਟਾਬੇਸ ਦਾ ਕੰਮ ਹੈ; AI ਨੂੰ ਸਿਰਫ਼ ਅਸਲ ਸਾਰਾਂਸ਼ਾਂ ਦਾ ਸੰਸਲੇਸ਼ਣ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਲੱਭਦੇ ਹੋ।
3. ਨਗਰਪਾਲਿਕਾ ਦੀ ਵੈੱਬਸਾਈਟ 'ਤੇ ਪੋਸਟ ਕੀਤੇ ਗਏ ਸਰਵੇਖਣ ਦੇ 78% ਸੰਤੁਸ਼ਟੀ ਦੇ ਨਤੀਜੇ ਨੂੰ ਕਿਸ ਸਮੱਸਿਆ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਸਭ ਤੋਂ ਧਿਆਨ ਨਾਲ ਸਮਝਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
- ਏ) ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਗਣਨਾ ਗਲਤ ਹੈ; ਸੰਤੁਸ਼ਟੀ ਦੀਆਂ ਦਰਾਂ ਨੂੰ ਕਦੇ ਵੀ ਇੱਕ ਸੰਖਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਗਟ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ
- ਅ) ਕਿਉਂਕਿ ਸਰਵੇਖਣ ਬਹੁਤ ਲੰਬਾ ਸੀ, ਭਾਗੀਦਾਰ ਬੋਰ ਹੋ ਗਏ ਅਤੇ ਬੇਤਰਤੀਬੇ ਜਵਾਬ ਦਿੱਤੇ
- C) ਸੰਤੁਸ਼ਟੀ ਨੂੰ ਮਾਪਣਾ ਸਮਾਜਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੈ, ਇਸ ਲਈ ਨਤੀਜਾ ਅਵੈਧ ਹੈ
- ਡੀ) ਨਮੂਨਾ ਚੋਣ ਪੱਖਪਾਤ ਰੱਖਦਾ ਹੈ; ਕਿਉਂਕਿ ਸਾਈਟ ਦੇ ਸਿਰਫ਼ ਉਪਭੋਗਤਾ ਹੀ ਹਿੱਸਾ ਲੈ ਸਕਦੇ ਹਨ, ਇਸ ਲਈ ਖੋਜ ਨੂੰ ਸਮੁੱਚੇ ਸਮਾਜ ਲਈ ਆਮ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ✔
ਸਪੱਸ਼ਟੀਕਰਨ: ਵੈੱਬਸਾਈਟ 'ਤੇ ਪੋਸਟ ਕੀਤਾ ਗਿਆ ਸਰਵੇਖਣ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਪਹਿਲਾਂ ਹੀ ਸਾਈਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ (ਜੋ ਸੇਵਾ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸ਼ਾਇਦ ਵਧੇਰੇ ਸੰਤੁਸ਼ਟ ਹਨ); ਇਹ ਚੋਣ ਪੱਖਪਾਤ ਹੈ। ਖੋਜ ਨੂੰ ਸਿਰਫ਼ 'ਸਾਈਟ ਉਪਭੋਗਤਾਵਾਂ' ਲਈ ਆਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਨਾ ਕਿ ਪੂਰੇ ਸਮਾਜ ਲਈ।
4. ਟੈਕਸਟ ਦੇ ਤੌਰ 'ਤੇ 300-ਕਤਾਰਾਂ ਦੇ ਡੇਟਾ ਸੈੱਟ ਨੂੰ ਪੇਸਟ ਕਰਨਾ ਅਤੇ AI ਨੂੰ 'ਮੱਧ ਦੀ ਗਣਨਾ' ਕਰਨ ਲਈ ਕਹਿਣਾ ਸੁਰੱਖਿਅਤ ਕਿਉਂ ਨਹੀਂ ਹੈ?
- A) ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਸਿਰਫ 100 ਲਾਈਨਾਂ ਤੱਕ ਦੇ ਡੇਟਾ ਨੂੰ ਪੜ੍ਹ ਸਕਦੀ ਹੈ, ਇਹ ਹੋਰ ਨੂੰ ਰੱਦ ਕਰ ਦਿੰਦੀ ਹੈ
- ਅ) ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਨਹੀਂ ਹੈ; ਜਦੋਂ ਟੈਕਸਟ ਵਿੱਚ ਗਣਿਤ ਕਰਨ ਨਾਲ ਗਲਤ ਨੰਬਰ ਪੈਦਾ ਹੋ ਸਕਦੇ ਹਨ, ਤਾਂ ਗਣਨਾ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ✔
- C) ਔਸਤ ਇੱਕ ਸਮਾਜਕ ਤੌਰ 'ਤੇ ਅਰਥਹੀਣ ਮਾਪ ਹੈ ਅਤੇ ਇਸਦੀ ਗਣਨਾ ਬਿਲਕੁਲ ਨਹੀਂ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
- D) ਜਦੋਂ ਡੇਟਾ ਨੂੰ ਟੈਕਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਪੇਸਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ AI ਇਸਨੂੰ ਆਪਣੇ ਆਪ ਮਿਟਾ ਦਿੰਦਾ ਹੈ
ਵਿਆਖਿਆ: ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਨਹੀਂ ਹੁੰਦਾ ਹੈ ਅਤੇ ਟੈਕਸਟ ਵਿੱਚ ਅੰਕਗਣਿਤ ਕਰਦੇ ਸਮੇਂ ਗਲਤ ਢੰਗ ਨਾਲ ਮੱਧਮਾਨ, ਪ੍ਰਤੀਸ਼ਤ ਜਾਂ ਪੀ-ਮੁੱਲ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਅਸਲ ਗਣਨਾ ਇੱਕ ਅੰਕੜਾ ਪ੍ਰੋਗਰਾਮ ਜਾਂ ਸਾਰਣੀ ਵਿੱਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ; AI ਦੀ ਵਰਤੋਂ ਸਿਰਫ ਵਿਧੀ ਅਤੇ ਵਿਆਖਿਆ ਲਈ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
5. ਗੁਣਾਤਮਕ ਥੀਮ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਹਵਾਲੇ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
- A) ਜੇਕਰ ਹਵਾਲਾ ਪ੍ਰਵਾਹ ਅਤੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਲੱਗਦਾ ਹੈ, ਤਾਂ ਇਸ ਨੂੰ ਰਿਪੋਰਟ ਵਿੱਚ ਸਿੱਧਾ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ
- ਅ) ਜੇਕਰ ਹਵਾਲੇ ਦੀ ਲੰਬਾਈ ਇੱਕ ਪੈਰੇ ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੈ, ਤਾਂ ਤਸਦੀਕ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ
- C) ਲਾਈਨ ਨੰਬਰ ਨਾਲ ਇਹ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਹਵਾਲਾ ਅਸਲ ਵਿੱਚ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ✔
- ਡੀ) ਹਵਾਲਾ ਆਪਣੇ ਆਪ ਹੀ ਭਰੋਸੇਯੋਗ ਹੈ ਕਿਉਂਕਿ ਨਕਲੀ ਬੁੱਧੀ ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਦਿੰਦੀ ਹੈ
ਵਿਆਖਿਆ: ਗੁਣਾਤਮਕ ਖੋਜ ਦਾ ਦਿਲ ਭਾਗੀਦਾਰ ਦੇ ਆਪਣੇ ਸ਼ਬਦਾਂ ਪ੍ਰਤੀ ਵਫ਼ਾਦਾਰੀ ਹੈ। AI ਇੱਕ ਅਜਿਹਾ ਹਵਾਲਾ ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਪ੍ਰਵਾਹ ਹੈ ਪਰ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹੈ। ਇਸ ਲਈ, ਹਰੇਕ ਹਵਾਲੇ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਅਸਲ ਕਥਨ ਅਤੇ ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਲਾਈਨ ਨੰਬਰ ਨਾਲ ਜੋੜਿਆ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
6. ਜੇ, ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ, ਇੱਕ ਸਰਵੇਖਣ ਵਿੱਚ 72% ਕਹਿੰਦੇ ਹਨ ਕਿ 'ਮੈਂ ਰੀਸਾਈਕਲ ਕਰਦਾ ਹਾਂ', ਪਰ ਇੰਟਰਵਿਊਆਂ ਵਿੱਚ ਉਹਨਾਂ ਵਿੱਚੋਂ ਜ਼ਿਆਦਾਤਰ ਕਹਿੰਦੇ ਹਨ ਕਿ ਉਹ ਇਹ ਅਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਕਰਦੇ ਹਨ, ਤਾਂ ਇਸ ਵਿਰੋਧਤਾਈ ਨੂੰ ਕਿਵੇਂ ਸੰਭਾਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
- ਏ) ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਲੁਕਾਇਆ ਨਹੀਂ ਜਾਣਾ ਚਾਹੀਦਾ; ਸੰਭਾਵੀ ਸਪੱਸ਼ਟੀਕਰਨਾਂ ਜਿਵੇਂ ਕਿ ਸਮਾਜਿਕ ਲੋੜੀਂਦਾ ਪੱਖਪਾਤ ✔ ਦੇ ਨਾਲ ਇੱਕ ਖੋਜ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
- ਅ) ਇੰਟਰਵਿਊ ਡੇਟਾ ਨੂੰ ਗਲਤ ਮੰਨ ਕੇ ਰੱਦ ਕਰ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਸਰਵੇਖਣ ਨਤੀਜੇ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ
- C) ਸਰਵੇਖਣ ਡੇਟਾ ਨੂੰ ਰੱਦ ਕਰ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਗਲਤ ਹੈ, ਸਿਰਫ ਇੰਟਰਵਿਊ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ
- ਡੀ) ਦੋਵੇਂ ਡੇਟਾ ਨੂੰ ਰਿਪੋਰਟ ਤੋਂ ਹਟਾ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਵਿਰੋਧਾਭਾਸ ਸ਼ਰਮਨਾਕ ਹੈ
ਵਿਆਖਿਆ: ਗਿਣਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਖੋਜਾਂ ਵਿਚਕਾਰ ਅੰਤਰ ਕੋਈ ਨੁਕਸ ਨਹੀਂ ਹੈ, ਪਰ ਅਕਸਰ ਸਭ ਤੋਂ ਕੀਮਤੀ ਖੋਜ ਹੁੰਦੀ ਹੈ। ਇੱਥੇ ਵਿਰੋਧਾਭਾਸ ਇੱਕ ਵਰਤਾਰੇ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ 'ਸਮਾਜਿਕ ਇੱਛਾਸ਼ੀਲਤਾ ਪੱਖਪਾਤ' ਅਤੇ ਇਸਨੂੰ ਲੁਕਾਏ ਬਿਨਾਂ ਇੱਕ ਖੋਜ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
7. ਜੇਕਰ ਦੋ ਸਮੂਹਾਂ (51% ਬਨਾਮ 54%) ਵਿਚਕਾਰ ਅੰਤਰ 50 ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲੇ y-ਧੁਰੇ ਵਾਲੇ ਗ੍ਰਾਫ਼ 'ਤੇ 'ਜਾਇੰਟ ਗੈਪ' ਵਾਂਗ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਤਾਂ ਕੀ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
- A) ਚਾਰਟ ਨੂੰ ਉਸੇ ਤਰ੍ਹਾਂ ਛੱਡ ਦਿੱਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿਉਂਕਿ ਅੰਤਰ ਪਹਿਲਾਂ ਹੀ ਵੱਡਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
- ਅ) ਅੰਤਰ ਨੂੰ ਦੋ ਸਮੂਹਾਂ ਦੀ ਬਜਾਏ ਇੱਕ ਸਿੰਗਲ ਔਸਤ ਦਿਖਾ ਕੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਲੁਕਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ
- C) ਗ੍ਰਾਫ ਵਿੱਚ ਤਿੰਨ-ਅਯਾਮੀ ਪ੍ਰਭਾਵ ਜੋੜ ਕੇ ਅੰਤਰ ਨੂੰ ਹੋਰ ਵੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਇਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਡੀ) Y-ਧੁਰਾ ਨੂੰ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਕੱਟਿਆ ਹੋਇਆ ਧੁਰਾ ਛੋਟੇ ਅੰਤਰ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਪਾਠਕ ਨੂੰ ਗੁੰਮਰਾਹ ਕਰਦਾ ਹੈ ✔
ਵਿਆਖਿਆ: ਇੱਕ ਕੱਟਿਆ ਹੋਇਆ ਧੁਰਾ (ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਨਾ ਹੋਣ ਵਾਲਾ) ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਫਰਕ ਨੂੰ ਵਿਸ਼ਾਲ ਬਣਾ ਕੇ ਗੁੰਮਰਾਹ ਕਰਦਾ ਹੈ। ਇੱਕ ਇਮਾਨਦਾਰ ਬਾਰ ਚਾਰਟ ਵਿੱਚ, ਧੁਰਾ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਇਸ ਲਈ ਫਰਕ ਇਸਦੇ ਅਸਲੀ, ਛੋਟੇ ਆਕਾਰ ਵਿੱਚ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦਾ ਉਦੇਸ਼ ਪ੍ਰੇਰਣਾ ਨਹੀਂ ਹੈ, ਪਰ ਸਹੀ ਸੰਚਾਰ ਹੈ।
8. ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਤੋਂ ਸਿਰਫ਼ ਨਾਮਾਂ ਨੂੰ ਮਿਟਾਉਣਾ ਅਕਸਰ ਕਾਫ਼ੀ ਗੁਮਨਾਮਕਰਨ ਕਿਉਂ ਨਹੀਂ ਹੁੰਦਾ?
- ਏ) ਇੱਕ ਨਾਮ ਨੂੰ ਮਿਟਾਉਣਾ ਹਮੇਸ਼ਾ ਕਾਫੀ ਹੁੰਦਾ ਹੈ; ਕੋਈ ਹੋਰ ਜਾਣਕਾਰੀ ਪਛਾਣ ਨਹੀਂ ਦੱਸਦੀ
- ਅ) ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ (ਵਿਲੱਖਣ ਭੂਮਿਕਾ, ਸਥਾਨ, ਦੁਰਲੱਭ ਵਿਸ਼ੇਸ਼ਤਾ) ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਉਸਦੇ ਨਾਮ ਤੋਂ ਬਿਨਾਂ ਦੇ ਸਕਦੇ ਹਨ ✔
- C) ਅਗਿਆਤਕਰਨ ਤਾਂ ਹੀ ਜ਼ਰੂਰੀ ਹੈ ਜੇਕਰ ਕੋਈ ਫ਼ੋਨ ਨੰਬਰ ਹੋਵੇ
- ਡੀ) ਨਾਮਾਂ ਨੂੰ ਮਿਟਾਉਣਾ ਅਰਥਹੀਣ ਹੈ ਕਿਉਂਕਿ ਇਹ ਟੈਕਸਟ ਨੂੰ ਪੜ੍ਹਨਯੋਗ ਨਹੀਂ ਬਣਾਉਂਦਾ
ਵਿਆਖਿਆ: ਸਿਰਫ਼ ਨਾਮ ਨੂੰ ਮਿਟਾਉਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਅਸਿੱਧੇ ਵਰਣਨਕਰਤਾ ਜਿਵੇਂ ਕਿ 'ਗੁਆਂਢ X ਵਿੱਚ ਇੱਕਮਾਤਰ ਫਾਰਮਾਸਿਸਟ' ਜਾਂ 'ਮਿਊਨਿਸਪੈਲਿਟੀ ਵਿੱਚ ਇੱਕੋ ਇੱਕ ਮਹਿਲਾ ਇੰਸਪੈਕਟਰ' ਵਿਅਕਤੀ ਨੂੰ ਆਪਣੇ ਆਪ ਛੱਡ ਸਕਦੇ ਹਨ। ਸਹੀ ਗੁਮਨਾਮਕਰਨ ਲਈ ਸਾਰੇ ਸਿੱਧੇ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
9. ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਕੀਤੇ ਗਏ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਪ੍ਰੋਂਪਟ, ਵਰਤੇ ਗਏ ਮਾਡਲ ਅਤੇ ਮਿਤੀ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ?
- ਏ) ਕਿਉਂਕਿ ਇਹ ਸਿਰਫ ਇੱਕ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ, ਇਸ ਦਾ ਕੋਈ ਵਿਗਿਆਨਕ ਮੁੱਲ ਨਹੀਂ ਹੈ
- ਅ) ਪ੍ਰੋਂਪਟ ਵਪਾਰਕ ਕਾਰਨਾਂ ਕਰਕੇ ਰੱਖੇ ਜਾਂਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਕਾਪੀਰਾਈਟ ਰੱਖਦੇ ਹਨ।
- C) ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਖੋਜਣਯੋਗ ਅਤੇ ਪ੍ਰਜਨਨਯੋਗ ਬਣਾਉਂਦਾ ਹੈ; ਨਹੀਂ ਤਾਂ, 'AI ਨੇ ਅਜਿਹਾ ਕਿਹਾ' ਕੋਈ ਵਿਗਿਆਨਕ ਜਾਇਜ਼ ਨਹੀਂ ਹੋਵੇਗਾ ✔
- ਡੀ) ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਸਿਰਫ਼ ਇੱਕ ਰਸਮੀਤਾ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਵਾਬ ਦਿੰਦਾ ਹੈ
ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਮਾਡਲ ਹਰ ਵਾਰ ਬਿਲਕੁਲ ਇੱਕੋ ਜਿਹਾ ਜਵਾਬ ਨਹੀਂ ਦਿੰਦੇ ਹਨ; ਜੇਕਰ ਪ੍ਰੋਂਪਟ ਅਤੇ ਮਾਡਲ ਜਾਣਕਾਰੀ ਨੂੰ ਰਿਕਾਰਡ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਪ੍ਰਕਿਰਿਆ ਇੱਕ ਬਲੈਕ ਬਾਕਸ ਬਣ ਜਾਂਦੀ ਹੈ ਅਤੇ ਕੋਈ ਹੋਰ (ਤੁਸੀਂ ਵੀ) ਕੰਮ ਨੂੰ ਦੁਬਾਰਾ ਨਹੀਂ ਬਣਾ ਸਕਦੇ। ਇਹ ਰਿਕਾਰਡ ਕੰਮ ਦੇ 'ਸਮੱਗਰੀ ਦਾ ਬਿੱਲ' ਹਨ ਅਤੇ ਪ੍ਰਜਨਨਯੋਗਤਾ ਦਾ ਆਧਾਰ ਹਨ।
10. ਅਕਾਦਮਿਕ ਲਿਖਤਾਂ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਜਾਇਜ਼ ਵਰਤੋਂ ਅਤੇ ਅਕਾਦਮਿਕ ਅਖੰਡਤਾ ਦੀ ਉਲੰਘਣਾ ਵਿਚਕਾਰ ਰੇਖਾ ਕਿੱਥੇ ਹੈ?
- A) AI ਤੁਹਾਡੀ ਆਪਣੀ ਸਮੱਗਰੀ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ; However, it is a violation for you to think on your behalf and produce content and present it as your work ✔
- ਅ) ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਕੋਈ ਵੀ ਟੈਕਸਟ ਸਿੱਧਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਤੱਕ ਵਿਆਕਰਣ ਸਹੀ ਹੈ
- C) ਜਦੋਂ ਤੱਕ ਨਕਲੀ ਬੁੱਧੀ ਸਰੋਤਾਂ ਨੂੰ ਜੋੜਦੀ ਹੈ, ਸਮਗਰੀ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਛਾਪਣਾ ਸਮੱਸਿਆ-ਮੁਕਤ ਹੈ।
- ਡੀ) ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਹਰ ਹਾਲਤ ਵਿੱਚ ਮਨਾਹੀ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਪੜਾਅ 'ਤੇ ਵਰਤੀ ਨਹੀਂ ਜਾ ਸਕਦੀ।
ਖੁਲਾਸਾ: ਆਪਣੇ ਖੁਦ ਦੇ ਡਰਾਫਟ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ ਅਤੇ ਭਾਸ਼ਾ ਅਤੇ ਢਾਂਚੇ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜਾਇਜ਼ ਹੈ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਘੋਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਲਿਖੀ ਸਮੱਗਰੀ ਅਤੇ ਇਸਨੂੰ ਤੁਹਾਡੇ ਆਪਣੇ ਕੰਮ ਵਜੋਂ ਪੇਸ਼ ਕਰਨਾ ਮੌਲਿਕਤਾ ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ ਅਤੇ ਲਗਭਗ ਨਿਸ਼ਚਿਤ ਤੌਰ 'ਤੇ ਮਨਘੜਤ ਸਰੋਤ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਲਾਈਨ: AI ਤੁਹਾਡੇ ਵਿਚਾਰ ਪ੍ਰਗਟ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ, ਇਹ ਤੁਹਾਡੇ ਲਈ ਨਹੀਂ ਸੋਚਦਾ।
11. ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਸਿਧਾਂਤ 'ਐਂਡ-ਟੂ-ਐਂਡ ਕੁਆਲਿਟੀ ਸਭ ਤੋਂ ਕਮਜ਼ੋਰ ਪੜਾਅ' ਦਾ ਕੀ ਅਰਥ ਹੈ?
- ਏ) ਸਿਰਫ ਆਖਰੀ ਪੜਾਅ, ਸਪੈਲਿੰਗ, ਮਹੱਤਵਪੂਰਨ ਹੈ; ਪਿਛਲੇ ਪੜਾਵਾਂ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਸਪੈਲਿੰਗ ਦੁਆਰਾ ਠੀਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
- ਅ) ਪੜਾਅ ਇੱਕ ਦੂਜੇ ਤੋਂ ਸੁਤੰਤਰ ਹਨ; ਇੱਕ ਵਿੱਚ ਗਲਤੀ ਦੂਜੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰਦੀ
- C) ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਪੜਾਅ ਪੂਰੀ ਚੇਨ ਨੂੰ ਬਚਾਉਂਦਾ ਹੈ, ਇਸ ਲਈ ਇੱਕ ਸਿੰਗਲ ਪੜਾਅ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨਾ ਕਾਫ਼ੀ ਹੈ
- D) ਇੱਕ ਪੜਾਅ 'ਤੇ ਕਮਜ਼ੋਰੀ (ਪੱਖਪਾਤੀ ਨਮੂਨਾ, ਗੈਰ-ਪ੍ਰਮਾਣਿਤ ਸਰੋਤ) ਨੂੰ ਬਾਅਦ ਦੇ ਪੜਾਵਾਂ 'ਤੇ ਠੀਕ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਅਤੇ ਪੂਰੇ ਅਧਿਐਨ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਦਿੰਦਾ ਹੈ ✔
ਵਿਆਖਿਆ: ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਫੈਸਲਾ ਅਗਲੇ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ: ਇੱਕ ਪੱਖਪਾਤੀ ਨਮੂਨੇ ਨੂੰ ਇੱਕ ਸੰਪੂਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਵੀ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ; ਇੱਕ ਅਪ੍ਰਮਾਣਿਤ ਸਰੋਤ ਵੀ ਸਭ ਤੋਂ ਵਧੀਆ ਲਿਖਤ ਦਾ ਖੰਡਨ ਕਰਦਾ ਹੈ। ਇਸ ਲਈ, ਡਿਜ਼ਾਇਨ ਤੋਂ ਲੈ ਕੇ ਦਸਤਾਵੇਜ਼ਾਂ ਤੱਕ, ਹਰ ਪੜਾਅ 'ਤੇ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਦੇ ਉਹੀ ਸਿਧਾਂਤ ਲਾਗੂ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ।
12. ਜੇਕਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਤੁਹਾਡੇ ਦੁਆਰਾ ਦਿੱਤੀ ਗਈ ਪ੍ਰਤੀਲਿਪੀ ਦਾ ਸਾਰ ਦਿੰਦੀ ਹੈ ਅਤੇ ਇੱਕ ਫਰੇਮ ਜੋੜਦੀ ਹੈ ਜੋ ਟੈਕਸਟ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਜਿਵੇਂ ਕਿ 'ਬਜ਼ੁਰਗ ਲੋਕ ਤਕਨਾਲੋਜੀ ਤੋਂ ਡਰਦੇ ਹਨ', ਤਾਂ ਇਹ ਕਿਸ ਦੀ ਉਦਾਹਰਣ ਹੈ?
- ਏ) ਇਹ ਭਾਗੀਦਾਰ ਦੀ ਸੱਚੀ ਰਾਏ ਦਾ ਸਹੀ ਸੰਖੇਪ ਹੈ
- ਅ) ਇਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਇਸ ਦੇ ਆਪਣੇ ਸਿਖਲਾਈ ਡੇਟਾ ਤੋਂ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਸਟੀਰੀਓਟਾਈਪ ਦੀ ਜਾਣ-ਪਛਾਣ ਹੈ ✔
- C) ਇਹ ਇੱਕ ਅੰਕੜਾ ਮਹੱਤਤਾ ਟੈਸਟ ਦਾ ਨਤੀਜਾ ਹੈ
- ਡੀ) ਇਹ ਸਬੂਤ ਹੈ ਕਿ ਅਗਿਆਤਕਰਨ ਸਫਲਤਾਪੂਰਵਕ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ
ਵਿਆਖਿਆ: ਇਹ ਇੱਕ ਸਟੀਰੀਓਟਾਈਪ (ਸਟੀਰੀਓਟਾਈਪੀਕਲ ਜਨਰਲਾਈਜ਼ੇਸ਼ਨ) ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ ਜੋ AI ਉਹਨਾਂ ਟੈਕਸਟਾਂ ਤੋਂ ਲੈ ਕੇ ਜਾਂਦੀ ਹੈ ਜਿਸ 'ਤੇ ਇਸਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। The model may add a judgment that is not actually present in the data. ਖੋਜਕਾਰ ਨੂੰ ਇਹ ਕਹਿ ਕੇ ਇਸ ਜੋੜ ਨੂੰ ਖਤਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ 'ਪਾਠ ਵਿਚਲੇ ਕਥਨਾਂ 'ਤੇ ਭਰੋਸਾ ਕਰੋ'।
13. ਹੇਠਾਂ ਦਿੱਤੇ ਵਿੱਚੋਂ ਕਿਹੜਾ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਕੁਚਿਤ ਖੋਜ ਸਵਾਲ ਹੈ?
- ਅ) ਸਮਾਜ ਇਸ ਸਥਿਤੀ ਵਿੱਚ ਕਿਉਂ ਹੈ?
- ਅ) ਕੀ ਲੋਕ ਖੁਸ਼ ਹਨ?
- C) 18-25 ਸਾਲ ਦੀ ਉਮਰ ਦੇ ਵਿਚਕਾਰ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਸਥਾਨਕ ਚੋਣਾਂ ਵਿੱਚ ਹਿੱਸਾ ਨਾ ਲੈਣ ਦੇ ਕੀ ਕਾਰਨ ਹਨ? ✔
- ਡੀ) ਸੋਸ਼ਲ ਮੀਡੀਆ ਅਤੇ ਹਰ ਚੀਜ਼ ਵਿਚਕਾਰ ਕੀ ਸਬੰਧ ਹੈ?
ਵਿਆਖਿਆ: ਇੱਕ ਚੰਗਾ ਖੋਜ ਸਵਾਲ ਜਵਾਬਦੇਹ, ਸੀਮਤ ਅਤੇ ਅਰਥਪੂਰਨ ਹੁੰਦਾ ਹੈ; ਇਸ ਦੀ ਆਬਾਦੀ, ਸੰਦਰਭ ਅਤੇ ਫੋਕਸ ਸਪਸ਼ਟ ਹਨ। 'ਨੌਜਵਾਨ ਰਾਜਨੀਤੀ ਤੋਂ ਦੂਰ ਕਿਉਂ ਹੋ ਰਹੇ ਹਨ?' ਵਰਗੀ ਵਿਆਪਕ ਬੇਨਤੀ ਦੀ ਬਜਾਏ, ਇੱਕ ਅਜਿਹਾ ਸਵਾਲ ਜਿਸ ਵਿੱਚ ਇੱਕ ਖਾਸ ਉਮਰ ਸਮੂਹ, ਸੰਦਰਭ ਅਤੇ ਠੋਸ ਫੋਕਸ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਖੋਜਯੋਗ ਹੈ।
14. ਜੇਕਰ ਦੋ ਵੱਖ-ਵੱਖ ਔਨਲਾਈਨ ਸਰਵੇਖਣ ਇੱਕੋ ਸੋਸ਼ਲ ਮੀਡੀਆ ਸਮੂਹ ਦੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਭਰਤੀ ਕਰਦੇ ਹਨ ਅਤੇ ਉਹੀ ਨਤੀਜੇ ਦਿੰਦੇ ਹਨ ਤਾਂ ਇਹ ਸਹੀ ਤਿਕੋਣ ਕਿਉਂ ਨਹੀਂ ਹੈ?
- ਏ) ਦੋ ਸਰੋਤ ਸੁਤੰਤਰ ਨਹੀਂ ਹਨ ਕਿਉਂਕਿ ਉਹ ਇੱਕੋ ਪੱਖਪਾਤੀ ਨਮੂਨੇ ਤੋਂ ਆਉਂਦੇ ਹਨ; ਇਹ ਉਸੇ ਪੱਖਪਾਤ ਦੀ ਦੁਹਰਾਈ ਹੈ ✔
- ਅ) ਦੋ ਸਰਵੇਖਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹਮੇਸ਼ਾ ਬੇਲੋੜਾ ਹੁੰਦਾ ਹੈ, ਇੱਕ ਸਰਵੇਖਣ ਕਾਫੀ ਹੁੰਦਾ ਹੈ
- C) Online surveys never produce valid data
- ਡੀ) ਇਹ ਤੱਥ ਕਿ ਉਹ ਉਹੀ ਨਤੀਜਾ ਦਿੰਦੇ ਹਨ ਇਹ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਨਤੀਜਾ ਬਿਲਕੁਲ ਸਹੀ ਹੈ।
ਵਿਆਖਿਆ: ਤਿਕੋਣ ਅਸਲ ਵਿੱਚ ਸੁਤੰਤਰ ਸਰੋਤਾਂ ਦੇ ਨਾਲ ਇੱਕ ਖੋਜ ਦਾ ਕ੍ਰਾਸ-ਟੈਸਟ ਕਰਨਾ ਹੈ। ਜੇਕਰ ਦੋ ਸਰੋਤ ਇੱਕੋ ਪੱਖਪਾਤੀ ਨਮੂਨੇ ਤੋਂ ਆਉਂਦੇ ਹਨ, ਤਾਂ ਉਹਨਾਂ ਲਈ ਇੱਕ ਦੂਜੇ ਦੀ 'ਪੁਸ਼ਟੀ' ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ; ਇਹ ਉਸੇ ਪੱਖਪਾਤ ਦੀ ਦੁਹਰਾਈ ਹੈ, ਇੱਕ ਸੁਤੰਤਰ ਪੁਸ਼ਟੀ ਨਹੀਂ।