ਲਾਭ:
- ਸਰਵੇਖਣ ਪ੍ਰਸ਼ਨਾਂ ਵਿੱਚ ਮੋਹਰੀ, ਦੋਹਰੇ ਅਤੇ ਅਸਪਸ਼ਟ ਜਾਲਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਹਰੇਕ ਪ੍ਰਸ਼ਨ ਨੂੰ ਇੱਕ ਸੰਕਲਪ ਨਾਲ ਜੋੜਨ ਦੀ ਸਮਰੱਥਾ
- ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਅਸਲ ਅੰਕੜਾ ਗਣਨਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਸਿਰਫ ਵਿਧੀ ਦੀ ਚੋਣ ਅਤੇ ਵਿਆਖਿਆ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ
- ਅੰਕੜਾਤਮਕ ਮਹੱਤਤਾ ਨੂੰ ਵਿਹਾਰਕ ਮਹੱਤਤਾ ਤੋਂ ਵੱਖ ਕਰਨ ਅਤੇ ਟੈਸਟ ਧਾਰਨਾਵਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਯੋਗਤਾ
ਮਾਤਰਾਤਮਕ ਖੋਜ ਇੱਕ ਅਜਿਹੀ ਪਹੁੰਚ ਹੈ ਜੋ ਸਮਾਜਿਕ ਵਰਤਾਰਿਆਂ ਨੂੰ ਸੰਖਿਆਵਾਂ ਨਾਲ ਮਾਪਦੀ ਹੈ ਅਤੇ ਉਹਨਾਂ ਦਾ ਅੰਕੜਿਆਂ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ: ਇਹ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਮੰਗਦੀ ਹੈ ਜਿਵੇਂ ਕਿ ਕਿੰਨੇ ਲੋਕ, ਕਿਸ ਦਰ 'ਤੇ, ਕਿਹੜੇ ਸਮੂਹਾਂ ਵਿੱਚ ਕੀ ਅੰਤਰ ਹੈ। ਇਸ ਪਹੁੰਚ ਲਈ ਸਭ ਤੋਂ ਆਮ ਸਾਧਨ ਸਰਵੇਖਣ ਹੈ- ਮਿਆਰੀ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੋਕਾਂ ਤੋਂ ਤੁਲਨਾਤਮਕ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ। ਇੱਕ ਚੰਗਾ ਸਰਵੇਖਣ ਸਥਾਪਤ ਕਰਨ ਅਤੇ ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਦਾ ਸਹੀ ਢੰਗ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਹੁਨਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਇੱਕ ਮਾੜਾ ਸਵਾਲ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਨਤੀਜਾ ਵਿਗਾੜਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਰਵੇਖਣ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ, ਪੈਮਾਨੇ ਬਣਾਉਣ ਲਈ (ਜਵਾਬ ਦੇ ਵਿਕਲਪ ਜੋ ਕਿ ਇੱਕ ਰਵੱਈਏ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ, ਉਦਾਹਰਨ ਲਈ "ਪੁਰਜ਼ੋਰ ਤੌਰ 'ਤੇ ਸਹਿਮਤ ... ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਸਹਿਮਤ"), ਅਤੇ ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਿੱਖੋਗੇ; ਪਰ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਤੁਹਾਨੂੰ ਅੰਕੜਾ ਨਿਰਣਾ ਕਿਉਂ ਬਰਕਰਾਰ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ।
ਜਿੱਥੇ AI ਗਿਣਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਕੀਮਤੀ ਹੈ, ਉਹ ਆਪਣੇ ਆਪ ਵਿੱਚ ਗਣਨਾ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਹੈ ਕਿ ਗਣਨਾ ਕਿਵੇਂ ਕਰਨੀ ਹੈ ਅਤੇ ਨਤੀਜੇ ਦਾ ਕੀ ਅਰਥ ਹੈ। AI ਤੁਹਾਡੇ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਦੀ ਰੂਪਰੇਖਾ ਬਣਾ ਸਕਦਾ ਹੈ (ਜਿਵੇਂ ਕਿ R ਜਾਂ Python ਵਿੱਚ ਚੱਲਣ ਲਈ ਕਮਾਂਡਾਂ), ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਅੰਕੜਾ ਟੈਸਟ ਦੀ ਵਰਤੋਂ ਕਦੋਂ ਕਰਨੀ ਹੈ, ਅਤੇ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਪਰ ਕਦੇ ਵੀ ਉਹਨਾਂ ਨੰਬਰਾਂ 'ਤੇ ਭਰੋਸਾ ਨਾ ਕਰੋ ਜੋ AI ਟੈਕਸਟ ਵਿੱਚ "ਤੁਹਾਡੇ ਸਿਰ ਦੇ ਸਿਖਰ ਤੋਂ ਬਾਹਰ" ਤਿਆਰ ਕਰਦਾ ਹੈ: ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਨਹੀਂ ਹੈ ਅਤੇ ਗਲਤ ਮਤਲਬ, ਪ੍ਰਤੀਸ਼ਤ ਜਾਂ ਪੀ-ਮੁੱਲ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਅਸਲ ਗਣਨਾ ਇੱਕ ਅਸਲ ਅੰਕੜਾ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਸਰਵੇਖਣ ਤੋਂ ਸਮੀਖਿਆ ਤੱਕ
1. ਹਰੇਕ ਸਵਾਲ ਨੂੰ ਇੱਕ ਸੰਕਲਪ ਨਾਲ ਲਿੰਕ ਕਰੋ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਸਰਵੇਖਣ ਵਿੱਚ ਪਾਏ ਗਏ ਹਰ ਸਵਾਲ ਨੂੰ ਤੁਹਾਡੇ ਖੋਜ ਪ੍ਰਸ਼ਨ ਵਿੱਚ ਇੱਕ ਧਾਰਨਾ ਨੂੰ ਮਾਪਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਵਾਲ ਨਾ ਜੋੜੋ ਕਿਉਂਕਿ "ਇਹ ਦਿਲਚਸਪ ਹੋਵੇਗਾ।" AI ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਸੰਕਲਪ-ਪ੍ਰਸ਼ਨ ਮੈਪਿੰਗ ਦੀ ਜਾਂਚ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ।
2. ਮਾੜੇ ਸਵਾਲਾਂ ਨੂੰ ਖਤਮ ਕਰੋ। ਮੋਹਰੀ ("ਕੀ ਤੁਸੀਂ ਇਸ ਮਹਾਨ ਸੇਵਾ ਤੋਂ ਸੰਤੁਸ਼ਟ ਹੋ?"), ਦੋਹਰੇ ਸਵਾਲ ("ਕੀ ਸੇਵਾ ਤੇਜ਼ ਅਤੇ ਸਸਤੀ ਸੀ?"), ਅਸਪਸ਼ਟ ("ਕੀ ਤੁਸੀਂ ਇਸਨੂੰ ਅਕਸਰ ਪਸੰਦ ਕੀਤਾ?") ਸਵਾਲ ਡੇਟਾ ਨੂੰ ਵਿਗਾੜਦੇ ਹਨ। AI ਤੁਹਾਡੇ ਡਰਾਫਟ ਸਰਵੇਖਣ ਵਿੱਚ ਇਹਨਾਂ ਕਮੀਆਂ ਨੂੰ ਫਲੈਗ ਕਰਨ ਵਿੱਚ ਚੰਗਾ ਹੈ।
3. ਪੈਮਾਨੇ ਨੂੰ ਲਗਾਤਾਰ ਸਥਾਪਿਤ ਕਰੋ। ਜੇਕਰ ਤੁਸੀਂ ਲੀਕਰਟ ਸਕੇਲ (ਇੱਕ 5- ਜਾਂ 7-ਪੁਆਇੰਟ ਐਗਰੀਮੈਂਟ ਸਕੇਲ) ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਸਰਵੇਖਣ ਦੌਰਾਨ ਦਿਸ਼ਾ ਅਤੇ ਰੇਟਿੰਗਾਂ ਨੂੰ ਇਕਸਾਰ ਰੱਖੋ। AI ਅਸੰਗਤਤਾਵਾਂ ਨੂੰ ਫੜਦਾ ਹੈ।
4. ਡਾਟਾ ਸਾਫ਼ ਕਰੋ। ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਵਿੱਚ ਗੁੰਮ ਜਵਾਬ, ਅਸੰਗਤਤਾਵਾਂ, ਜਾਂ ਇੱਕੋ ਵਿਅਕਤੀ ਦੇ ਦੋ ਰਿਕਾਰਡ ਹੋ ਸਕਦੇ ਹਨ। AI ਸਫਾਈ ਦੇ ਕਦਮਾਂ ਅਤੇ ਡਰਾਫਟ ਕੋਡ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰ ਸਕਦਾ ਹੈ; ਤੁਸੀਂ ਫੈਸਲਾ ਕਰੋ।
5. ਸਹੀ ਟੈਸਟ ਦੀ ਚੋਣ ਕਰੋ ਅਤੇ ਇਸਦੀ ਵਿਆਖਿਆ ਕਰੋ। ਕੀ ਤੁਸੀਂ ਦੋ ਸਮੂਹਾਂ ਦੀ ਤੁਲਨਾ ਕਰ ਰਹੇ ਹੋ, ਇੱਕ ਰਿਸ਼ਤਾ ਲੱਭ ਰਹੇ ਹੋ? AI ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਟੈਸਟ ਢੁਕਵਾਂ ਹੈ; ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਟੈਸਟ ਚਲਾਉਣਾ ਅਤੇ ਆਉਟਪੁੱਟ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਸਮਝਣਾ ਤੁਹਾਡਾ ਕੰਮ ਹੈ।
ਧਿਆਨ ਦਿਓ: AI ਨੂੰ "ਇਸ ਡੇਟਾ ਦੀ ਔਸਤ ਦੀ ਗਣਨਾ ਕਰੋ" ਨਾ ਕਹੋ ਅਤੇ ਨਤੀਜਾ ਨੰਬਰ ਸਿੱਧੇ ਰਿਪੋਰਟ ਵਿੱਚ ਲਿਖੋ। ਭਾਸ਼ਾ ਮਾਡਲ ਗਣਿਤ ਵਿੱਚ ਗਲਤੀਆਂ ਕਰਦਾ ਹੈ। ਇੱਕ ਸਪ੍ਰੈਡਸ਼ੀਟ ਜਾਂ ਅੰਕੜਾ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਗਣਨਾ ਕਰੋ; AI ਦੀ ਵਰਤੋਂ ਸਿਰਫ਼ ਇਸਦੀ ਵਿਧੀ ਅਤੇ ਵਿਆਖਿਆ ਲਈ ਕਰੋ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਪ੍ਰਮੁੱਖ ਸਵਾਲ ਨੂੰ ਠੀਕ ਕੀਤਾ ਗਿਆ। ਇੱਕ ਸਰਵੇਖਣ ਡਰਾਫਟ ਨੇ ਪੁੱਛਿਆ "ਤੁਸੀਂ ਸਾਡੀ ਸਫਲ ਨਗਰਪਾਲਿਕਾ ਦੀ ਆਵਾਜਾਈ ਸੇਵਾ ਤੋਂ ਕਿੰਨੇ ਸੰਤੁਸ਼ਟ ਹੋ?" ਉਸਦਾ ਸਵਾਲ ਸੀ। AI ਨੇ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ ਕਿ ਵਿਸ਼ੇਸ਼ਣ "ਸਫਲ" ਨੇ ਜਵਾਬ ਨੂੰ ਸਕਾਰਾਤਮਕ ਵੱਲ ਧੱਕਿਆ। ਸਵਾਲ ਇਹ ਹੈ ਕਿ "ਤੁਸੀਂ ਨਗਰਪਾਲਿਕਾ ਦੀ ਆਵਾਜਾਈ ਸੇਵਾ ਦਾ ਮੁਲਾਂਕਣ ਕਿਵੇਂ ਕਰਦੇ ਹੋ?" ਨਿਰਪੱਖ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਨਤੀਜੇ ਵਧੇਰੇ ਸੰਤੁਲਿਤ ਸਨ।
ਕੇਸ 2 - AI ਗਲਤ ਗਣਨਾ ਫੜੀ ਗਈ। ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ AI ਵਿੱਚ ਟੈਕਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਡੇਟਾ ਦੀਆਂ 300 ਲਾਈਨਾਂ ਪੇਸਟ ਕੀਤੀਆਂ ਅਤੇ ਕਿਹਾ ਕਿ "ਔਸਤ ਉਮਰ ਲੱਭੋ"; YZ ਨੇ ਕਿਹਾ 34.2. ਜਦੋਂ ਉਹੀ ਡੇਟਾ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਸੀ, ਤਾਂ ਅਸਲ ਔਸਤ 31.7 ਸੀ। ਏਆਈ ਨੇ ਟੈਕਸਟ ਦੇ ਅੰਦਰ ਗਲਤ ਗਣਨਾ ਕੀਤੀ ਸੀ; ਜਦੋਂ ਖਾਤੇ ਨੂੰ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਤਬਦੀਲ ਕੀਤਾ ਗਿਆ ਸੀ ਤਾਂ ਇਹ ਠੀਕ ਹੋ ਗਿਆ ਸੀ।
ਕੇਸ 3 - ਟੈਸਟ ਦੀ ਚੋਣ ਸਪਸ਼ਟ ਕੀਤੀ ਗਈ। ਇੱਕ ਟੀਮ ਦੋ ਸਮੂਹਾਂ ਦੇ ਔਸਤ ਸਕੋਰ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਚਾਹੁੰਦੀ ਸੀ ਪਰ ਇਹ ਨਹੀਂ ਪਤਾ ਸੀ ਕਿ ਕਿਹੜਾ ਟੈਸਟ ਵਰਤਣਾ ਹੈ। YZ ਨੇ ਸਮਝਾਇਆ ਕਿ ਟੀ-ਟੈਸਟ (ਇੱਕ ਟੈਸਟ ਜੋ ਇਹ ਜਾਂਚਦਾ ਹੈ ਕਿ ਕੀ ਦੋ ਸਮੂਹਾਂ ਦੇ ਸਾਧਨਾਂ ਵਿੱਚ ਅੰਤਰ ਬੇਤਰਤੀਬ ਹੈ) "ਦੋ ਸੁਤੰਤਰ ਸਮੂਹਾਂ, ਇੱਕ ਨਿਰੰਤਰ ਪਰਿਵਰਤਨਸ਼ੀਲ" ਲਈ ਉਚਿਤ ਸੀ, ਆਪਣੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕੀਤਾ, ਅਤੇ ਕੋਡ ਦਾ ਇੱਕ ਖਰੜਾ ਪ੍ਰਦਾਨ ਕੀਤਾ। ਟੀਮ ਨੇ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਟੈਸਟ ਕੀਤਾ ਅਤੇ ਨਤੀਜੇ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸਰਵੇਖਣ ਪ੍ਰਸ਼ਨ ਆਡਿਟ:
ਹੇਠਾਂ ਦਿੱਤੇ ਸਰਵੇਖਣ ਸਵਾਲਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰੋ। ਹਰੇਕ ਸਵਾਲ ਦੀ ਜਾਂਚ ਕਰੋ: ਕੀ ਇਹ ਮੋਹਰੀ ਹੈ, ਕੀ ਇਹ ਦੋਹਰਾ ਸਵਾਲ ਹੈ (ਇੱਕ ਸਵਾਲ ਵਿੱਚ ਦੋ ਚੀਜ਼ਾਂ), ਕੀ ਇਹ ਅਸਪਸ਼ਟ ਹੈ, ਕੀ ਜਵਾਬ ਵਿਕਲਪ ਓਵਰਲੈਪਿੰਗ/ਗੁੰਮ ਹਨ? ਸਮੱਸਿਆ ਅਤੇ ਇੱਕ ਬਿਹਤਰ ਸੰਸਕਰਣ ਦੇ ਨਾਲ-ਨਾਲ ਦਿਓ। ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ ਪੈਮਾਨੇ ਦੀ ਦਿਸ਼ਾ ਇਕਸਾਰ ਹੈ। ਸਵਾਲ: [ਇੱਥੇ]
2) ਸੰਕਲਪ-ਪ੍ਰਸ਼ਨ ਮੈਪਿੰਗ ਟੇਬਲ:
ਮੇਰਾ ਖੋਜ ਸਵਾਲ: [ਸਵਾਲ]। ਮੇਰੀਆਂ ਮੁੱਖ ਧਾਰਨਾਵਾਂ: [ਸੂਚੀ]। ਹੇਠਾਂ ਦਿੱਤੇ ਸਰਵੇਖਣ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਵਿਵਸਥਿਤ ਕਰੋ: ਹਰੇਕ ਪ੍ਰਸ਼ਨ ਕਿਸ ਸੰਕਲਪ ਨੂੰ ਮਾਪਦਾ ਹੈ? ਉਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਕਿਸੇ ਵੀ ਸੰਕਲਪ ("ਵਾਧੂ") ਨਾਲ ਨਹੀਂ ਜੁੜਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਸੰਕਲਪਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜਿਹਨਾਂ ਵਿੱਚ ਕੋਈ ਪ੍ਰਸ਼ਨ ਨਹੀਂ ਹਨ ("ਵਿਹਲੇ")। ਪੋਲ: [ਇੱਥੇ]
3) ਡਾਟਾ ਸਫਾਈ ਯੋਜਨਾ (ਕੋਡ ਡਰਾਫਟ):
ਮੇਰੇ ਕੋਲ ਹੇਠਾਂ ਦਿੱਤੇ ਵੇਰੀਏਬਲਾਂ ਵਾਲਾ ਇੱਕ ਸਰਵੇਖਣ ਡੇਟਾਸੈਟ ਹੈ: [ਵੇਰੀਏਬਲ]। ਮੈਨੂੰ [R/Python] ਲਈ ਟਿੱਪਣੀ ਲਾਈਨਾਂ ਦੇ ਨਾਲ ਇੱਕ ਡੇਟਾ ਕਲੀਨਿੰਗ ਚੈਕਲਿਸਟ ਅਤੇ ਕੋਡ ਡਰਾਫਟ ਦਿਓ: ਗੁੰਮ ਡੇਟਾ, ਆਊਟਲੀਅਰ, ਡੁਪਲੀਕੇਟ ਰਿਕਾਰਡ, ਅਸੰਗਤ ਕੋਡਿੰਗ। ਮੈਂ ਕੋਡ ਚਲਾਵਾਂਗਾ ਅਤੇ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਰਾਂਗਾ; ਗਣਿਤ ਨਾ ਕਰੋ.
4) ਅੰਕੜਾ ਟਿੱਪਣੀ (ਮੈਂ ਗਣਨਾ ਕੀਤੀ):
ਮੈਂ ਇੱਕ [ਟੈਸਟ ਨਾਮ] ਚਲਾਇਆ ਅਤੇ ਹੇਠਾਂ ਦਿੱਤੀ ਆਉਟਪੁੱਟ ਪ੍ਰਾਪਤ ਕੀਤੀ: [ਆਉਟਪੁੱਟ]। ਇਸ ਨਤੀਜੇ ਦੀ ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਵਿਆਖਿਆ ਕਰੋ: ਅਭਿਆਸ ਵਿੱਚ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ, ਅੰਕੜਾਤਮਕ ਮਹੱਤਤਾ ਅਤੇ ਵਿਹਾਰਕ ਮਹੱਤਤਾ ਵਿੱਚ ਫਰਕ ਕਰੋ, ਅਤੇ ਤੁਹਾਨੂੰ ਯਾਦ ਦਿਵਾਓ ਕਿ ਕਿਹੜੀਆਂ ਧਾਰਨਾਵਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਨਤੀਜੇ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਨਾ ਕਹੋ; ਆਪਣੀ ਸੀਮਾ ਵੀ ਦੱਸੋ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਡੇਟਾ ਵਿੱਚ ਸਮੂਹਾਂ ਦੇ ਸਾਧਨਾਂ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਦੱਸੋ ਕਿ ਕਿਹੜਾ ਉੱਚਾ ਹੈ। [ਡੇਟਾ ਦੀਆਂ 500 ਲਾਈਨਾਂ]
AI ਟੈਕਸਟ ਦੇ ਅੰਦਰ ਗਣਨਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਗਲਤ ਨੰਬਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅੰਕੜਿਆਂ ਦੀ ਜਾਂਚ ਤੋਂ ਬਿਨਾਂ "ਕੀ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਹੈ" ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣਾ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਮੈਂ ਦੋ ਸਮੂਹਾਂ ਦੇ ਅੰਕਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ: ਇੱਕ ਨਿਰੰਤਰ ਵੇਰੀਏਬਲ, ਦੋ ਸੁਤੰਤਰ ਸਮੂਹ। (1) ਕਿਹੜਾ ਅੰਕੜਾ ਟੈਸਟ ਢੁਕਵਾਂ ਹੈ ਅਤੇ ਕਿਉਂ? (2) ਇਸ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਕੀ ਹਨ? (3) [R/Python] ਲਈ ਟਿੱਪਣੀ ਕੋਡ ਡਰਾਫਟ। ਮੈਂ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਗਣਨਾ ਕਰਾਂਗਾ; ਤੁਸੀਂ ਸਿਰਫ ਢੰਗ ਅਤੇ ਕੋਡ ਦਿਓ, ਨੰਬਰ ਨਾ ਬਣਾਓ।
ਅੰਤਰ: AI ਨੂੰ ਹੁਣ ਇੱਕ ਭਰੋਸੇਯੋਗ ਕੈਲਕੁਲੇਟਰ ਵਜੋਂ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਇੱਕ ਭਰੋਸੇਯੋਗ ਵਿਧੀ ਸਲਾਹਕਾਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਮਾਤਰਾਤਮਕ ਕੰਮਾਂ ਵਿੱਚ ਕਿਰਤ ਦੀ ਵੰਡ
ਖੋਜ
ਕੀ AI ਸੁਰੱਖਿਅਤ ਹੈ?
ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ
ਸਵਾਲ ਡਿਜ਼ਾਇਨ ਆਡਿਟ
ਹਾਂ
ਨਿਸ਼ਾਨਦੇਹੀ ਜਾਲ
ਸਕੇਲ ਇਕਸਾਰਤਾ
ਹਾਂ
ਚੈੱਕਲਿਸਟ
ਡਾਟਾ ਕਲੀਅਰਿੰਗ ਕੋਡ
ਹਾਂ (ਖਰੜਾ)
ਤੁਸੀਂ ਕੋਡ ਚਲਾਓ
ਇਨ-ਟੈਕਸਟ ਖਾਤਾ
ਨਹੀਂ
ਕਦੇ ਭਰੋਸਾ ਨਾ ਕਰੋ
ਟੈਸਟ ਦੀ ਚੋਣ
ਹਾਂ
ਵਿਧੀ ਦੀ ਵਿਆਖਿਆ ਕਰੋ
ਸਮਾਪਤੀ ਟਿੱਪਣੀ
ਹਾਂ (ਸਮਰਥਨ)
ਇਹ ਨਿਰਣਾ ਕਰਨਾ ਤੁਹਾਡੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ
ਆਮ ਗਲਤੀਆਂ
- AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਨੰਬਰ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ। ਗਣਿਤ ਵਿੱਚ ਭਾਸ਼ਾ ਮਾਡਲ ਗਲਤ ਹੈ; ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਗਣਨਾ ਕਰੋ।
- ਇੱਕ ਪ੍ਰਮੁੱਖ ਸਵਾਲ ਪਾ ਰਿਹਾ ਹੈ. ਵਿਸ਼ੇਸ਼ਣ ਅਤੇ ਧਾਰਨਾਵਾਂ ਜਵਾਬ ਨੂੰ ਵਿਗਾੜਦੀਆਂ ਹਨ।
- ਵਿਹਾਰਕ ਮਹੱਤਤਾ ਦੇ ਨਾਲ ਅੰਕੜਾਤਮਕ ਮਹੱਤਤਾ ਨੂੰ ਉਲਝਾਉਣਾ। "ਮਹੱਤਵਪੂਰਨ" ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਅੰਤਰ ਵੀ ਹੋ ਸਕਦਾ ਹੈ; ਆਕਾਰ 'ਤੇ ਦੇਖੋ.
- ਧਾਰਨਾਵਾਂ ਨੂੰ ਛੱਡਣਾ. ਹਰ ਟੈਸਟ ਦੀਆਂ ਸ਼ਰਤਾਂ ਹਨ; ਬਿਨਾਂ ਜਾਂਚ ਕੀਤੇ ਟਿੱਪਣੀ ਨਾ ਕਰੋ।
- ਵਾਧੂ ਸਵਾਲ ਪੁੱਛਣਾ। ਹਰੇਕ ਸਰਵੇਖਣ ਪ੍ਰਸ਼ਨ ਨੂੰ ਇੱਕ ਧਾਰਨਾ ਨਾਲ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਬਾਕੀ ਡਾਟਾ ਵਧਾਉਂਦਾ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਮਾਤਰਾਤਮਕ ਖੋਜ ਵਿੱਚ AI; ਉਹ ਸਰਵੇਖਣ ਦੇ ਪ੍ਰਸ਼ਨਾਂ, ਸੰਕਲਪ-ਪ੍ਰਸ਼ਨ ਮੈਪਿੰਗ, ਡੇਟਾ ਕਲੀਨਿੰਗ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਅਤੇ ਨਤੀਜੇ ਦੀ ਸਾਦੀ ਭਾਸ਼ਾ ਵਿੱਚ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਇੱਕ ਮਜ਼ਬੂਤ ਸਲਾਹਕਾਰ ਹੈ। ਪਰ ਕਦੇ ਵੀ ਏਆਈ ਨੂੰ ਅਸਲ ਗਣਨਾ ਨਾ ਕਰਨ ਦਿਓ; ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਕੈਲਕੁਲੇਟਰ ਨਹੀਂ ਹੈ। ਤੁਸੀਂ ਟੈਸਟ ਦੀ ਚੋਣ ਕਰਦੇ ਹੋ, ਪਰ ਤੁਸੀਂ ਇਸਨੂੰ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਚਲਾਉਂਦੇ ਹੋ, ਆਉਟਪੁੱਟ ਪੜ੍ਹਦੇ ਹੋ, ਅਤੇ ਅੰਕੜਾ ਮਹੱਤਵ ਅਤੇ ਵਿਹਾਰਕ ਮਹੱਤਤਾ ਵਿੱਚ ਅੰਤਰ ਕਰਦੇ ਹੋ। AI ਵਿਧੀ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ; ਮੁੱਦੇ ਅਤੇ ਟਿੱਪਣੀ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਤੁਹਾਡੀ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
10 ਸਵਾਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਡਰਾਫਟ ਸਰਵੇਖਣ ਲਿਖੋ। "ਪੋਲ ਸਵਾਲ ਆਡਿਟ" ਟੈਮਪਲੇਟ ਦੇ ਨਾਲ AI ਫਲੈਗ ਅਤੇ ਸਹੀ ਪ੍ਰਮੁੱਖ, ਡੁਪਲੀਕੇਟ ਅਤੇ ਅਸਪਸ਼ਟ ਸਵਾਲ ਰੱਖੋ। ਫਿਰ ਇੱਕ ਛੋਟਾ ਨਮੂਨਾ ਡਾਟਾ ਸੈੱਟ (20-30 ਕਤਾਰਾਂ) ਬਣਾਓ ਅਤੇ ਇੱਕ ਸਪ੍ਰੈਡਸ਼ੀਟ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਅਸਲ ਮਤਲਬ ਅਤੇ ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਗਣਨਾ ਕਰੋ; ਟੈਕਸਟ ਦੇ ਤੌਰ 'ਤੇ AI ਨੂੰ ਉਹੀ ਡੇਟਾ ਦਿਓ, ਨਤੀਜੇ ਵਾਲੇ ਨੰਬਰਾਂ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰੋ ਅਤੇ ਅੰਤਰ ਦੀ ਰਿਪੋਰਟ ਕਰੋ। ਅੰਤ ਵਿੱਚ, "ਅੰਕੜੇ ਦੀ ਵਿਆਖਿਆ" ਟੈਮਪਲੇਟ ਨਾਲ ਵਿਆਖਿਆ ਕੀਤੀ ਇੱਕ ਟੈਸਟ ਆਉਟਪੁੱਟ ਲਵੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਹਰੇਕ ਸਰਵੇਖਣ ਪ੍ਰਸ਼ਨ ਨੂੰ ਇੱਕ ਧਾਰਨਾ ਨਾਲ ਜੋੜਿਆ ਹੈ।
- [ ] ਮੈਂ ਪ੍ਰਮੁੱਖ, ਦੋਹਰੇ ਅਤੇ ਅਸਪਸ਼ਟ ਸਵਾਲਾਂ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਹੈ।
- [ ] ਮੈਂ ਅਸਲ ਗਣਨਾ ਅੰਕੜਾ ਪ੍ਰੋਗਰਾਮ ਵਿੱਚ ਕੀਤੀ, ਨਾ ਕਿ AI ਵਿੱਚ।
- [ ] ਮੈਂ ਟੈਸਟ ਧਾਰਨਾਵਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਅੰਕੜਾਤਮਕ ਮਹੱਤਤਾ ਨੂੰ ਵਿਹਾਰਕ ਮਹੱਤਤਾ ਤੋਂ ਵੱਖ ਕੀਤਾ ਹੈ।