ਲਾਭ:
- ਇਹ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ ਦੀ ਯੋਗਤਾ ਕਿ ਕੀ ਇੱਕ ਖੋਜ ਸਵਾਲ ਨੂੰ ਅਸਲ ਵਿੱਚ ਮਿਸ਼ਰਤ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਹੈ
- ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਗਿਣਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਖੋਜਾਂ ਨੂੰ ਨਾਲ-ਨਾਲ ਰੱਖਣ ਅਤੇ ਵਿਰੋਧਤਾਈਆਂ ਨੂੰ ਲੁਕਾਏ ਬਿਨਾਂ ਇੱਕ ਖੋਜ ਵਜੋਂ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਹ ਜਾਂਚ ਕੇ ਝੂਠੇ ਤਿਕੋਣ ਤੋਂ ਬਚਣ ਦੀ ਸਮਰੱਥਾ ਕਿ ਕੀ ਸਰੋਤ ਸੱਚਮੁੱਚ ਸੁਤੰਤਰ ਹਨ
ਸਮਾਜਿਕ ਘਟਨਾਵਾਂ ਨੂੰ ਅਕਸਰ ਇੱਕ ਲੈਂਸ ਦੁਆਰਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ। ਕਿਸੇ ਵਰਤਾਰੇ ਨੂੰ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਮਾਪਣਾ (ਕਿੰਨੇ ਲੋਕ, ਕਿਸ ਅਨੁਪਾਤ ਵਿੱਚ) ਅਤੇ ਇਸ ਨੂੰ ਡੂੰਘਾਈ ਨਾਲ ਸਮਝਣਾ (ਕਿਉਂ, ਕਿਵੇਂ) ਦੋਵੇਂ ਜ਼ਰੂਰੀ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਬਿਲਕੁਲ ਉਹੀ ਹੈ ਜੋ ਮਿਸ਼ਰਤ ਢੰਗ ਹਨ: ਇੱਕੋ ਖੋਜ ਵਿੱਚ ਗਿਣਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਪਹੁੰਚ ਨੂੰ ਸੁਚੇਤ ਰੂਪ ਵਿੱਚ ਜੋੜਨਾ। ਇੱਕ ਨਜ਼ਦੀਕੀ ਸੰਬੰਧਿਤ ਸੰਕਲਪ ਤਿਕੋਣ ਹੈ — ਵੱਖ-ਵੱਖ ਡੇਟਾ ਸਰੋਤਾਂ, ਤਰੀਕਿਆਂ, ਜਾਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਨਾਲ ਇੱਕੋ ਸਵਾਲ ਦੀ ਕ੍ਰਾਸ-ਚੈਕਿੰਗ ਕਰਕੇ ਇੱਕ ਖੋਜ ਦੀ ਮਜ਼ਬੂਤੀ ਦੀ ਜਾਂਚ ਕਰਨਾ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਹਾਈਬ੍ਰਿਡ ਡਿਜ਼ਾਈਨ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ, ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਜੋੜਨ, ਅਤੇ ਖੋਜਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।
ਮਿਸ਼ਰਤ ਵਿਧੀ ਦੀ ਤਾਕਤ ਇਹ ਹੈ ਕਿ ਜਿੱਥੇ ਇੱਕ ਵਿਧੀ ਕਮਜ਼ੋਰ ਹੈ, ਦੂਜੀ ਮਜ਼ਬੂਤ ਹੈ. ਸਰਵੇਖਣ ਤੁਹਾਨੂੰ "ਪ੍ਰਸਾਰ" ਦਿੰਦਾ ਹੈ ਪਰ "ਕਿਉਂ" ਨਹੀਂ; ਇੰਟਰਵਿਊ "ਕਿਉਂ" ਦੀ ਖੋਜ ਕਰਦੀ ਹੈ ਪਰ ਇਹ ਨਹੀਂ ਦੱਸਦੀ ਕਿ ਇਹ ਕਿੰਨੇ ਲੋਕਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦੀ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਦੋਵਾਂ ਨੂੰ ਇਕੱਠੇ ਵਰਤਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਇੱਕ ਪੇਂਟਿੰਗ ਮਿਲਦੀ ਹੈ ਜੋ ਵਿਆਪਕ ਅਤੇ ਡੂੰਘੀ ਹੁੰਦੀ ਹੈ। AI ਇੱਥੇ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਲਾਭਦਾਇਕ ਹੈ ਕਿਉਂਕਿ ਇਹ ਤੁਹਾਨੂੰ ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ (ਨੰਬਰਾਂ ਦੀਆਂ ਟੇਬਲ ਅਤੇ ਟੈਕਸਟ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ) ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਨਾਲ-ਨਾਲ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਅਤੇ "ਕੀ ਇਹ ਇੱਕ ਦੂਜੇ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ ਜਾਂ ਇੱਕ ਦੂਜੇ ਦਾ ਵਿਰੋਧ ਕਰਦਾ ਹੈ" ਇੱਕ ਤਰਤੀਬਵਾਰ ਢੰਗ ਨਾਲ? ਪਰ ਅੰਤਮ ਸੰਸਲੇਸ਼ਣ - "ਇਹ ਦੋ ਸਰੋਤ ਇਕੱਠੇ ਕੀ ਕਹਿੰਦੇ ਹਨ" ਦਾ ਨਿਰਣਾ - ਤੁਹਾਡਾ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਡਿਜ਼ਾਈਨ ਸਥਾਪਤ ਕਰਨਾ
1. ਦੱਸੋ ਕਿ ਇਹ ਕਿਉਂ ਮਿਲਾਇਆ ਜਾਂਦਾ ਹੈ। ਮਿਕਸਡ ਢੰਗ ਚੁਣੇ ਗਏ ਹਨ "ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਚਲਿਤ ਹੈ" ਪਰ ਕਿਉਂਕਿ ਤੁਹਾਡੇ ਖੋਜ ਪ੍ਰਸ਼ਨ ਲਈ ਚੌੜਾਈ ਅਤੇ ਡੂੰਘਾਈ ਦੋਵਾਂ ਦੀ ਲੋੜ ਹੈ। AI ਤੁਹਾਨੂੰ ਇਹ ਸਵਾਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਤੁਹਾਡੇ ਸਵਾਲ ਨੂੰ ਅਸਲ ਵਿੱਚ ਮਿਲਾਉਣ ਦੀ ਲੋੜ ਹੈ।
2. ਛਾਂਟੀ ਚੁਣੋ। ਕੀ ਇਹ ਪਹਿਲਾਂ ਗਿਣਾਤਮਕ ਹੈ, ਫਿਰ ਗੁਣਾਤਮਕ (ਨੰਬਰ ਲੱਭੋ, ਫਿਰ ਇੰਟਰਵਿਊਆਂ ਦੇ ਨਾਲ "ਕਿਉਂ" ਨੂੰ ਡੂੰਘਾ ਕਰੋ), ਜਾਂ ਕੀ ਇਹ ਪਹਿਲਾਂ ਗੁਣਾਤਮਕ ਹੈ, ਫਿਰ ਮਾਤਰਾਤਮਕ (ਥੀਮਾਂ ਦੀ ਖੋਜ ਕਰਨਾ, ਫਿਰ ਉਹਨਾਂ ਦੇ ਪ੍ਰਸਾਰ ਨੂੰ ਮਾਪਣਾ)? AI ਹਰੇਕ ਡਿਜ਼ਾਈਨ ਦੇ ਤਰਕ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ।
3. ਮਾਊਂਟ ਪੁਆਇੰਟ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਦੋ ਡਾਟਾ ਕਿਸਮਾਂ ਕਿਸ ਬਿੰਦੂ 'ਤੇ ਮਿਲਣਗੀਆਂ? ਉਦਾਹਰਨ ਲਈ, ਸਰਵੇਖਣ ਵਿੱਚ ਘੱਟ ਸਕੋਰ ਦੇਣ ਵਾਲੇ ਗਰੁੱਪ ਨੂੰ ਇੰਟਰਵਿਊ ਲਈ ਸੱਦਾ ਦੇਣਾ। AI ਇਹਨਾਂ ਕੁਨੈਕਸ਼ਨ ਰਣਨੀਤੀਆਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ।
4. ਇੱਕ ਤਿਕੋਣ ਯੋਜਨਾ ਬਣਾਓ। ਤੁਸੀਂ ਕਿੰਨੇ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਨਾਲ ਉਸੇ ਖੋਜ ਦੀ ਜਾਂਚ ਕਰੋਗੇ? AI ਸਵਾਲ ਲਈ ਇੱਕ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ "ਕਿਹੜਾ ਸੈਕੰਡਰੀ ਸਰੋਤ ਇਸ ਦਾਅਵੇ ਦਾ ਸਮਰਥਨ ਕਰ ਸਕਦਾ ਹੈ?"
5. ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਨਾ ਲੁਕਾਓ, ਉਹਨਾਂ ਨੂੰ ਸਮਝਾਓ। ਮਾਤਰਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਖੋਜਾਂ ਕਦੇ-ਕਦਾਈਂ ਟਕਰਾਅ ਕਰਦੀਆਂ ਹਨ; ਇਹ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ, ਇਹ ਇੱਕ ਖੋਜ ਹੈ। AI ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ; ਇਸਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਤੁਹਾਡਾ ਕੰਮ ਹੈ।
ਸਾਵਧਾਨ: ਤਿਕੋਣਾ "ਇੱਕੋ ਗਲਤੀ ਦੋ ਵਾਰ ਕਰਨਾ" ਨਹੀਂ ਹੈ। ਜੇਕਰ ਤੁਹਾਡੇ ਦੋਵੇਂ ਸਰੋਤ ਇੱਕੋ ਪੱਖਪਾਤੀ ਨਮੂਨੇ ਤੋਂ ਆਉਂਦੇ ਹਨ, ਤਾਂ ਤੁਸੀਂ ਉਹਨਾਂ ਦੁਆਰਾ ਇੱਕ ਦੂਜੇ ਦੀ "ਪੁਸ਼ਟੀ" ਕਰਕੇ ਗੁੰਮਰਾਹ ਹੋ ਜਾਵੋਗੇ. ਸੱਚਾ ਤਿਕੋਣਾ ਅਸਲ ਵਿੱਚ ਸੁਤੰਤਰ ਸਰੋਤਾਂ ਦਾ ਓਵਰਲੈਪ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਨੰਬਰ ਅਤੇ ਕਹਾਣੀ ਮਿਲਾ ਦਿੱਤੀ ਗਈ। ਇੱਕ ਟੀਮ ਨੇ ਇੱਕ ਆਂਢ-ਗੁਆਂਢ ਵਿੱਚ 400 ਲੋਕਾਂ (38%) ਦੇ ਸਰਵੇਖਣ ਵਿੱਚ "ਘੱਟ ਗੁਆਂਢੀ ਟਰੱਸਟ" ਪਾਇਆ। ਫਿਰ ਉਸਨੇ 15 ਇੰਟਰਵਿਊਆਂ ਨਾਲ "ਕਿਉਂ" ਦੀ ਜਾਂਚ ਕੀਤੀ। ਜਦੋਂ YZ ਨੇ ਸਰਵੇਖਣ ਸਾਰਣੀ ਅਤੇ ਇੰਟਰਵਿਊ ਦੇ ਥੀਮ ਨੂੰ ਨਾਲ-ਨਾਲ ਰੱਖਿਆ, ਤਾਂ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ "ਤੇਜ਼ ਆਬਾਦੀ ਤਬਦੀਲੀ" ਦਾ ਵਿਸ਼ਾ ਘੱਟ ਭਰੋਸੇ ਦੇ ਪਿੱਛੇ ਖੜ੍ਹਾ ਸੀ। ਗਿਣਤੀ ਦੇ ਪ੍ਰਚਲਨ ਨੇ ਇੰਟਰਵਿਊ ਦਾ ਕਾਰਨ ਦਿੱਤਾ।
ਕੇਸ 2 - ਵਿਰੋਧਾਭਾਸ ਖੋਜ ਵਿੱਚ ਬਦਲ ਗਿਆ। ਸਰਵੇਖਣ ਵਿੱਚ, 72% ਲੋਕਾਂ ਨੇ ਕਿਹਾ ਕਿ "ਮੈਂ ਰੀਸਾਈਕਲ ਕਰਦਾ ਹਾਂ"; ਪਰ ਜਦੋਂ ਉਹ ਜ਼ਿਆਦਾਤਰ ਇੰਟਰਵਿਊਆਂ ਵਿੱਚ ਵਿਸਥਾਰ ਵਿੱਚ ਗਿਆ, ਤਾਂ ਉਸਨੇ ਦੱਸਿਆ ਕਿ ਉਸਨੇ ਅਸਲ ਵਿੱਚ ਇਹ ਅਨਿਯਮਿਤ ਢੰਗ ਨਾਲ ਕੀਤਾ ਸੀ। AI ਨੇ ਇਸ ਵਿਰੋਧਤਾਈ ਨੂੰ ਫਲੈਗ ਕੀਤਾ ਹੈ। ਟੀਮ ਨੇ ਇਸਦੀ ਵਿਆਖਿਆ "ਸਮਾਜਿਕ ਲੋੜੀਂਦਾ ਪੱਖਪਾਤ" (ਲੋਕਾਂ ਦਾ ਜਵਾਬ ਦੇਣ ਦੀ ਪ੍ਰਵਿਰਤੀ ਜਿਸ ਨੂੰ ਮਨਜ਼ੂਰ ਕੀਤਾ ਜਾਵੇਗਾ); ਵਿਰੋਧਾਭਾਸ ਇੱਕ ਖੋਜ ਸੀ ਜੋ ਇਕੱਲੇ ਸਰਵੇਖਣ ਵਿੱਚ ਨਹੀਂ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਸੀ.
ਕੇਸ 3 — ਗਲਤ ਤਿਕੋਣ ਖੋਜਿਆ ਗਿਆ। ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਦੋ ਵੱਖ-ਵੱਖ ਔਨਲਾਈਨ ਸਰਵੇਖਣਾਂ ਵਿੱਚ ਇੱਕੋ ਨਤੀਜਾ ਪਾਇਆ ਅਤੇ ਸੋਚਿਆ ਕਿ ਇਹ "ਪ੍ਰਮਾਣਿਤ" ਸੀ। ਜਦੋਂ ਮੈਂ ਏਆਈ ਨੂੰ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਪੁੱਛਿਆ, ਤਾਂ ਇਹ ਪਤਾ ਚਲਿਆ ਕਿ ਦੋਵੇਂ ਸਰਵੇਖਣਾਂ ਨੇ ਉਸੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਸਮੂਹ ਦੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਭਰਤੀ ਕੀਤਾ। ਸਰੋਤ ਸੁਤੰਤਰ ਨਹੀਂ ਸਨ; "ਤਿਕੋਣ" ਅਸਲ ਵਿੱਚ ਉਸੇ ਪੱਖਪਾਤ ਦੀ ਦੁਹਰਾਈ ਸੀ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਮਿਸ਼ਰਤ ਡਿਜ਼ਾਈਨ ਤਰਕ:
ਮੇਰਾ ਖੋਜ ਸਵਾਲ: [ਸਵਾਲ]। ਕੀ ਇਸ ਸਵਾਲ ਨੂੰ ਅਸਲ ਵਿੱਚ ਮਿਸ਼ਰਤ ਵਿਧੀ ਦੀ ਲੋੜ ਹੈ? (1) ਸਮਝਾਓ ਕਿ ਕਿਹੜੇ ਹਿੱਸੇ ਨੂੰ ਮਾਤਰਾਤਮਕ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਕਿਹੜੇ ਹਿੱਸੇ ਨੂੰ ਗੁਣਾਤਮਕ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੈ। (2) ਗਿਣਾਤਮਕ-ਗੁਣਾਤਮਕ ਦਰਜਾਬੰਦੀ ਕੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਕਿਉਂ? (3) ਜੇਕਰ ਮਿਸ਼ਰਤ ਵਿਧੀ ਬੇਲੋੜੀ ਹੈ, ਤਾਂ ਇਮਾਨਦਾਰੀ ਨਾਲ ਕਹੋ।
2) ਲਿੰਕਿੰਗ ਰਣਨੀਤੀ:
ਮੇਰਾ ਮਾਤਰਾਤਮਕ ਪੜਾਅ: [ਸਰਵੇਖਣ ਵਰਣਨ]। ਮੇਰਾ ਗੁਣਾਤਮਕ ਪੜਾਅ: [ਇੰਟਰਵਿਊ ਵੇਰਵਾ]। ਮੈਂ ਇਹਨਾਂ ਦੋ ਪੜਾਵਾਂ ਨੂੰ ਕਿਸ ਬਿੰਦੂ ਤੇ ਜੋੜ ਸਕਦਾ ਹਾਂ? ਉਦਾਹਰਨ ਲਈ, ਮੈਨੂੰ ਮੀਟਿੰਗ ਲਈ ਕਿਹੜੇ ਉਪ ਸਮੂਹ ਨੂੰ ਸੱਦਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ? ਮੈਨੂੰ 3 ਲਿੰਕ ਕਰਨ ਦੀਆਂ ਰਣਨੀਤੀਆਂ ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਦੱਸੋ ਕਿ ਹਰ ਇੱਕ ਕੀ ਕਰਦਾ ਹੈ.
3) ਤਿਕੋਣਾ ਨਕਸ਼ਾ:
ਮੇਰੀ ਹੁਣ ਤੱਕ ਦੀ ਮੁੱਖ ਖੋਜ ਹੈ: [ਲੱਭਣਾ]। ਮੈਂ ਸੁਤੰਤਰ ਸਰੋਤਾਂ ਨਾਲ ਇਸਦੀ ਜਾਂਚ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ। (1) ਕਿਹੜੇ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਸਰੋਤ ਇਸ ਖੋਜ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦੇ ਹਨ? (2) ਮੈਂ ਕਿਵੇਂ ਜਾਂਚ ਕਰਾਂਗਾ ਕਿ ਸਰੋਤ ਸੱਚਮੁੱਚ ਸੁਤੰਤਰ ਹਨ? ਮੈਨੂੰ ਝੂਠੇ ਤਿਕੋਣ ਦੇ ਵਿਰੁੱਧ ਚੇਤਾਵਨੀ ਦਿਓ, ਜੋ ਇੱਕੋ ਪੱਖਪਾਤ ਰੱਖਦਾ ਹੈ।
4) ਵਿਰੋਧਾਭਾਸੀ ਵਿਸ਼ਲੇਸ਼ਣ:
ਮੇਰੀ ਮਾਤਰਾਤਮਕ ਖੋਜ: [ਸਾਰਣੀ/ਨੰਬਰ]। ਮੇਰੀ ਗੁਣਾਤਮਕ ਖੋਜ: [ਥੀਮ]. ਕੀ ਇਹ ਦੋਵੇਂ ਇੱਕ ਦੂਜੇ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਵਿਰੋਧ ਕਰਦੇ ਹਨ ਜਾਂ ਪੂਰਕ ਹਨ? ਜੇਕਰ ਕੋਈ ਮਤਭੇਦ ਹੈ, ਤਾਂ ਸੰਭਾਵਿਤ ਸਪੱਸ਼ਟੀਕਰਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ (ਜਿਵੇਂ ਕਿ ਸਮਾਜਿਕ ਇੱਛਾ ਪੱਖਪਾਤ, ਵੱਖਰਾ ਨਮੂਨਾ)। ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਨਾ ਲੁਕਾਓ; ਇਸ ਨੂੰ ਇੱਕ ਖੋਜ ਵਜੋਂ ਪੇਸ਼ ਕਰੋ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਮੇਰੇ ਕੋਲ ਸਰਵੇਖਣ ਨਤੀਜੇ ਅਤੇ ਇੰਟਰਵਿਊ ਹਨ। ਇਹਨਾਂ ਨੂੰ ਮਿਲਾ ਕੇ ਇੱਕ ਨਤੀਜਾ ਲਿਖੋ।
AI ਬੇਤਰਤੀਬੇ ਦੋ ਸਰੋਤਾਂ ਨੂੰ ਮਿਲਾਉਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜੋ ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਛੁਪਾਉਂਦਾ ਹੈ ਅਤੇ ਅਸਪਸ਼ਟ ਹੈ ਕਿ ਕਿਹੜਾ ਦਾਅਵਾ ਕਿਸ ਡੇਟਾ ਤੋਂ ਆਉਂਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਮੇਰੇ ਕੋਲ ਮਿਸ਼ਰਤ ਵਿਧੀਆਂ ਦਾ ਅਧਿਐਨ ਹੈ। ਮਾਤਰਾਤਮਕ ਖੋਜ: [ਸਾਰਣੀ]. ਯੋਗ ਥੀਮ: [ਸੂਚੀ]। ਤੁਹਾਡਾ ਕੰਮ: ਹਰੇਕ ਮੁੱਖ ਖੋਜ ਲਈ, ਉਹਨਾਂ ਬਿੰਦੂਆਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਦਿਖਾਉਣਾ ਜਿੱਥੇ ਮਾਤਰਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਸਰੋਤ (a) ਸਮਰਥਨ, (b) ਵਿਰੋਧਾਭਾਸ, ਅਤੇ (c) ਇੱਕ ਦੂਜੇ ਦੇ ਪੂਰਕ ਹਨ। ਹਰੇਕ ਲਾਈਨ 'ਤੇ ਸਰੋਤ ਦਿਓ। ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਨਾ ਛੁਪਾਓ, ਉਹਨਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਮੈਂ ਸਿੰਥੇਸਿਸ ਟਿੱਪਣੀ ਕਰਾਂਗਾ; ਤੁਸੀਂ ਸਰੋਤਾਂ ਨੂੰ ਇਕਸਾਰ ਕਰਦੇ ਹੋ।
ਅੰਤਰ: ਦੂਜੀ ਪਹੁੰਚ ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਦੋ ਡਾਟਾ ਕਿਸਮਾਂ ਨੂੰ ਜੋੜਦੀ ਹੈ ਅਤੇ ਇੱਕ ਖੋਜ ਦੇ ਰੂਪ ਵਿੱਚ ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਦੀ ਹੈ।
ਮਿਸ਼ਰਤ ਢੰਗ ਡਿਜ਼ਾਈਨ
ਡਿਜ਼ਾਈਨ
ਦੁਆਰਾ ਕ੍ਰਮਬੱਧ
ਇਹ ਕਿਸ ਲਈ ਚੰਗਾ ਹੈ
ਧਿਆਨ
ਵਿਆਖਿਆਤਮਕ
ਮਾਤਰਾਤਮਕ → ਗੁਣਾਤਮਕ
ਨੰਬਰ ਨੂੰ "ਕਿਉਂ" ਨਾਲ ਸਮਝਾਉਣਾ
ਇੰਟਰਵਿਊ ਨਮੂਨਾ ਚੋਣ
ਖੋਜੀ
ਗੁਣਾਤਮਕ → ਮਾਤਰਾਤਮਕ
ਥੀਮ ਨੂੰ ਸਕੇਲ 'ਤੇ ਕਾਸਟ ਕਰੋ
ਸਕੇਲ ਵੈਧਤਾ
ਨਾਲ ਹੀ
ਨਾਲ ਹੀ
ਚੌੜਾ + ਡੂੰਘਾ ਚਿੱਤਰ
ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ
ਆਪਸ ਵਿੱਚ ਜੁੜਿਆ
ਇੱਕ ਪ੍ਰਭਾਵੀ
ਵਾਧੂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ
ਸੈਕੰਡਰੀ ਡਾਟਾ ਦੀ ਭੂਮਿਕਾ
ਆਮ ਗਲਤੀਆਂ
- ਬਿਨਾਂ ਕਿਸੇ ਤਰਕ ਦੇ ਮਿਸ਼ਰਤ ਢੰਗ ਦੀ ਚੋਣ ਕਰਨਾ। ਜੇਕਰ ਸਵਾਲ ਨੂੰ ਇਸਦੀ ਲੋੜ ਨਹੀਂ ਹੈ, ਤਾਂ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਸਿਰਫ ਕੰਮ ਦਾ ਬੋਝ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ।
- ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਲੁਕਾਉਣਾ. ਗਿਣਾਤਮਕ-ਗੁਣਾਤਮਕ ਵਿਰੋਧਾਭਾਸ ਇੱਕ ਨੁਕਸ ਨਹੀਂ ਹੈ, ਪਰ ਅਕਸਰ ਸਭ ਤੋਂ ਕੀਮਤੀ ਖੋਜ ਹੈ।
- ਸੂਡੋ-ਤਿਕੋਣ. ਇੱਕੋ ਪੱਖਪਾਤੀ ਸਰੋਤ ਨੂੰ ਦੋ ਵਾਰ ਵਰਤਣਾ ਤਸਦੀਕ ਨਹੀਂ ਹੈ।
- ਹਾਰਨ ਦਾ ਦਾਅਵਾ ਕਿੱਥੋਂ ਆਉਂਦਾ ਹੈ। ਹਰ ਖੋਜ ਨੂੰ ਇਸਦੇ ਸਰੋਤ ਲਈ ਸੱਚਾ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਇਹ ਸੋਚਣਾ ਕਿ ਦੋ ਡੇਟਾ ਬਰਾਬਰ ਡੂੰਘਾਈ ਦੇ ਹਨ. ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ਪ੍ਰਬਲ ਹੁੰਦਾ ਹੈ ਅਤੇ ਦੂਜਾ ਸਹਾਇਕ ਹੁੰਦਾ ਹੈ; ਉਨ੍ਹਾਂ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ।
ਸੰਖੇਪ ਵਿੱਚ
ਮਿਸ਼ਰਤ ਵਿਧੀ ਕਿਸੇ ਵਰਤਾਰੇ ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ (ਗੁਣਾਤਮਕ ਤੌਰ' ਤੇ) ਅਤੇ ਡੂੰਘਾਈ ਨਾਲ (ਗੁਣਾਤਮਕ ਤੌਰ 'ਤੇ) ਦੇਖਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ; ਤਿਕੋਣ ਸੁਤੰਤਰ ਸਰੋਤਾਂ ਦੇ ਨਾਲ ਖੋਜ ਦੀ ਕਰਾਸ-ਟੈਸਟਿੰਗ ਕਰ ਰਿਹਾ ਹੈ। AI; ਇਹ ਡਿਜ਼ਾਇਨ ਦੇ ਤਰਕ ਨੂੰ ਸਵਾਲ ਕਰਨ, ਪੜਾਵਾਂ ਨੂੰ ਜੋੜਨ ਲਈ ਰਣਨੀਤੀਆਂ ਤਿਆਰ ਕਰਨ, ਦੋ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਜੋੜਨ, ਅਤੇ ਵਿਰੋਧਤਾਈਆਂ ਨੂੰ ਫਲੈਗ ਕਰਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ। ਪਰ ਸੰਸਲੇਸ਼ਣ ਦਾ ਨਿਰਣਾ, ਇਹ ਦੇਖਣ ਦਾ ਕਿ ਕੀ ਸਰੋਤ ਸੱਚਮੁੱਚ ਸੁਤੰਤਰ ਹਨ, ਅਤੇ ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਸਮਝਣਾ ਤੁਹਾਡਾ ਹੈ। ਜਾਇਜ਼ਤਾ ਦੇ ਨਾਲ ਮਿਸ਼ਰਤ ਢੰਗ ਦੀ ਚੋਣ ਕਰੋ, ਵਿਰੋਧਾਭਾਸ ਨੂੰ ਨਾ ਲੁਕਾਓ, ਅਤੇ ਝੂਠੇ ਤਿਕੋਣ ਤੋਂ ਬਚੋ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਖੋਜ ਪ੍ਰਸ਼ਨ ਤਿਆਰ ਕਰੋ ਜਿਸ ਲਈ ਮਿਸ਼ਰਤ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਹੈ। AI ਸਵਾਲ ਕਰੋ ਕਿ ਕੀ ਸਵਾਲ ਨੂੰ ਅਸਲ ਵਿੱਚ "ਮਿਕਸਡ ਡਿਜ਼ਾਈਨ ਜਾਇਜ਼ਤਾ" ਟੈਮਪਲੇਟ ਦੇ ਨਾਲ ਮਿਸ਼ਰਤ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਹੈ। ਇੱਕ ਛੋਟੀ ਮਾਤਰਾਤਮਕ ਖੋਜ (ਕੁਝ ਪ੍ਰਤੀਸ਼ਤ) ਅਤੇ ਕੁਝ ਗੁਣਾਤਮਕ ਥੀਮ ਬਣਾਓ; ਉਹਨਾਂ ਨੂੰ ਜਾਂਚ ਕਰਨ ਲਈ ਕਹੋ ਕਿ ਕੀ ਉਹ "ਵਿਰੋਧ ਵਿਸ਼ਲੇਸ਼ਣ" ਟੈਮਪਲੇਟ ਨਾਲ ਇੱਕ ਦੂਜੇ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਅੰਤ ਵਿੱਚ, ਯੋਜਨਾ ਬਣਾਓ ਕਿ ਤੁਸੀਂ "ਤਿਕੋਣ ਨਕਸ਼ੇ" ਦੇ ਨਾਲ ਸੁਤੰਤਰ ਸਰੋਤਾਂ ਦੇ ਵਿਰੁੱਧ ਖੋਜ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰੋਗੇ ਅਤੇ ਗਲਤ ਤਿਕੋਣ ਦੇ ਜੋਖਮ ਨੂੰ ਨੋਟ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਖੋਜ ਪ੍ਰਸ਼ਨ ਦੇ ਅਧਾਰ ਤੇ ਮਿਸ਼ਰਤ ਵਿਧੀ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਇਆ।
- [ ] ਮੈਂ ਮਾਤਰਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਪੜਾਵਾਂ ਦੇ ਕਨੈਕਸ਼ਨ ਬਿੰਦੂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਹੈ।
- ਮੈਂ ਹਰੇਕ ਖੋਜ ਨੂੰ ਇਸਦੇ ਸਰੋਤ ਨਾਲ ਜੋੜਿਆ ਹੈ।
- [ ] ਮੈਂ ਗਿਣਾਤਮਕ-ਗੁਣਾਤਮਕ ਵਿਰੋਧਤਾਈਆਂ ਨੂੰ ਨਹੀਂ ਛੁਪਾਇਆ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਖੋਜਾਂ ਵਜੋਂ ਮੰਨਿਆ।
- [ ] ਮੈਂ ਜਾਂਚ ਕੀਤੀ ਕਿ ਸਰੋਤ ਸੱਚਮੁੱਚ ਸੁਤੰਤਰ ਹਨ।