ਯੂਜ਼ਰ ਰਿਸਰਚ ਸਿੰਥੇਸਿਸ ਅਤੇ ਇਨਸਾਈਟ ਜਨਰੇਸ਼ਨ

ਲਾਭ:

• ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਇੰਟਰਵਿਊ, ਸਰਵੇਖਣ ਅਤੇ ਨਿਰੀਖਣ ਡੇਟਾ ਨੂੰ ਕੋਡ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਥੀਮ ਅਤੇ ਪੈਟਰਨਾਂ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਸਮਰਥਨ ਨਾਲ ਵਿਅਕਤੀ, ਉਪਭੋਗਤਾ ਯਾਤਰਾ ਅਤੇ ਸੂਝ ਦੇ ਬਿਆਨਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਸੂਝ ਨੂੰ ਕੱਚੇ ਡੇਟਾ ਨਾਲ ਜੋੜ ਕੇ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਕੇ ਮਨਘੜਤ ਅਤੇ ਪੱਖਪਾਤ ਤੋਂ ਬਚਾਅ ਕਰਨਾ

ਚੰਗੇ ਉਤਪਾਦ ਉਪਭੋਗਤਾ ਦੀ ਅਸਲ ਲੋੜ ਤੋਂ ਪੈਦਾ ਹੁੰਦੇ ਹਨ, ਡਿਜ਼ਾਈਨਰ ਦੇ ਸੁਆਦ ਤੋਂ ਨਹੀਂ. ਇਸ ਲੋੜ ਨੂੰ ਸਮਝਣ ਦਾ ਤਰੀਕਾ ਉਪਭੋਗਤਾ ਖੋਜ ਦੁਆਰਾ ਹੈ: ਇੰਟਰਵਿਊ, ਸਰਵੇਖਣ, ਫੀਲਡ ਨਿਰੀਖਣ, ਉਪਯੋਗਤਾ ਟੈਸਟ। ਪਰ ਖੋਜ ਦਾ ਸਭ ਤੋਂ ਔਖਾ ਹਿੱਸਾ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਨਾ ਨਹੀਂ ਹੈ, ਪਰ ਇਸ ਨੂੰ ਸਮਝਣਾ ਹੈ. ਇੰਟਰਵਿਊ ਪ੍ਰਤੀਲਿਪੀਆਂ ਦੇ ਹਜ਼ਾਰਾਂ ਪੰਨਿਆਂ ਅਤੇ ਸਰਵੇਖਣ ਦੇ ਸੈਂਕੜੇ ਜਵਾਬਾਂ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਅਸਲ ਪੈਟਰਨ, ਲੋੜਾਂ ਅਤੇ ਸੂਝ (ਸੂਝ; ਡੇਟਾ ਦੇ ਪਿੱਛੇ "ਆਹਾ" ਦਾ ਮਤਲਬ) ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ ਅਨੁਭਵ ਅਤੇ ਸਮਾਂ ਲੱਗਦਾ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੰਸਲੇਸ਼ਣ ਸਹਾਇਕ ਹੈ: ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਟੈਕਸਟ ਦੇ ਵੱਡੇ ਹਿੱਸੇ, ਸਮੂਹ ਥੀਮ, ਨਮੂਨੇ ਪੁਆਇੰਟ ਕਰਦਾ ਹੈ। ਪਰ ਇਹੀ ਸ਼ਕਤੀ, ਜੇਕਰ ਸਾਵਧਾਨੀ ਨਾਲ ਨਹੀਂ ਵਰਤੀ ਜਾਂਦੀ, ਤਾਂ ਨਕਲੀ ਹਵਾਲੇ, ਵਿਗਾੜਿਆ ਜ਼ੋਰ ਅਤੇ ਪੱਖਪਾਤ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਇਹ ਇਕਾਈ ਦੱਸਦੀ ਹੈ ਕਿ ਖੋਜ ਸੰਸਲੇਸ਼ਣ ਵਿੱਚ AI ਨੂੰ ਇੱਕ ਐਕਸਲੇਟਰ ਵਜੋਂ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਹਰ ਸੂਝ ਨੂੰ ਕੱਚੇ ਡੇਟਾ ਨਾਲ ਕਿਉਂ ਜੋੜਨਾ ਚਾਹੀਦਾ ਹੈ।

ਖੋਜ ਸੰਸਲੇਸ਼ਣ ਕੀ ਹੈ ਅਤੇ ਏਆਈ ਕਿੱਥੇ ਫਿੱਟ ਹੈ?

ਕੱਚਾ ਖੋਜ ਡੇਟਾ ਗੜਬੜ ਹੈ: ਇੱਕ ਉਪਭੋਗਤਾ ਕਹਿੰਦਾ ਹੈ ਕਿ ਉਹ "ਹਰ ਵਾਰ ਚਾਰਜਿੰਗ ਕੇਬਲ ਦੀ ਭਾਲ ਕਰਦਾ ਹੈ," ਦੂਜਾ ਕਹਿੰਦਾ ਹੈ "ਰਾਤ ਦੀ ਰੋਸ਼ਨੀ ਬਹੁਤ ਚਮਕਦਾਰ ਹੈ," ਇੱਕ ਹੋਰ ਸ਼ਿਕਾਇਤ ਕਰਦਾ ਹੈ ਕਿ ਉਹ "ਹਨੇਰੇ ਵਿੱਚ ਬਟਨ ਨਹੀਂ ਲੱਭ ਸਕਦਾ।" ਸੰਸਲੇਸ਼ਣ ਇਹਨਾਂ ਸਿੰਗਲ ਕਥਨਾਂ ਨੂੰ ਸਮੂਹਿਕ ਕਰਨ ਦਾ ਕੰਮ ਹੈ ("ਰਾਤ ਦੀ ਵਰਤੋਂ ਸਮੱਸਿਆ ਵਾਲੀ ਹੈ") ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਮਝ ਵਿੱਚ ਬਦਲਣਾ ("ਉਪਭੋਗਤਾ ਇਸ ਉਤਪਾਦ ਨੂੰ ਹਨੇਰੇ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਵਰਤਦੇ ਹਨ, ਪਰ ਉਤਪਾਦ ਦਿਨ ਵੇਲੇ ਵਰਤੋਂ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ")। ਕਲਾਸੀਕਲ ਵਿਧੀ ਵਿੱਚ, ਡਿਜ਼ਾਇਨਰ ਇੱਕ ਐਫੀਨਿਟੀ ਡਾਇਗ੍ਰਾਮ (ਸਮਾਨ ਨੋਟਸ ਦੀ ਭੌਤਿਕ/ਡਿਜੀਟਲ ਗਰੁੱਪਿੰਗ) ਨਾਲ ਅਜਿਹਾ ਕਰਦੇ ਹਨ।

AI ਇਸ ਪ੍ਰਕਿਰਿਆ ਦੇ ਕਈ ਪੜਾਵਾਂ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ:

1. ਕੋਡਿੰਗ: ਹਰੇਕ ਸਟੇਟਮੈਂਟ ਨੂੰ ਥੀਮ ਟੈਗ ਨਿਰਧਾਰਤ ਕਰਨਾ ("ਰਾਤ ਦੀ ਵਰਤੋਂ", "ਇੰਸਟਾਲ ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ")। AI ਮਿੰਟਾਂ ਵਿੱਚ ਸੈਂਕੜੇ ਵਾਕਾਂਸ਼ਾਂ ਨੂੰ ਪ੍ਰੀ-ਟੈਗ ਕਰਦਾ ਹੈ।
2. ਥੀਮਿੰਗ: ਟੈਗਸ ਨੂੰ ਸੁਪਰਸੈੱਟਾਂ ਵਿੱਚ ਇਕੱਠਾ ਕਰਨਾ। AI ਦੁਹਰਾਉਣ ਵਾਲੇ ਪੈਟਰਨਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।
3. ਇਨਸਾਈਟ ਸਕੈਚ: ਥੀਮ ਤੋਂ "ਆਹਾ" ਵਾਕਾਂ ਦਾ ਸੁਝਾਅ ਦੇਣਾ। AI ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਤੁਸੀਂ ਫਿਲਟਰ ਕਰਦੇ ਹੋ।
4. ਸ਼ਖਸੀਅਤ ਅਤੇ ਯਾਤਰਾ ਦੀ ਰੂਪਰੇਖਾ: ਖਾਸ ਉਪਭੋਗਤਾ ਪ੍ਰੋਫਾਈਲਾਂ ਅਤੇ ਵਰਤੋਂ ਦੇ ਕਦਮਾਂ ਦਾ ਸਕੈਚ ਕਰਨਾ।

ਨਾਜ਼ੁਕ ਨਿਯਮ: AI ਸੰਖੇਪ ਅਤੇ ਸਮੂਹ, ਪਰ ਕੱਚਾ ਡੇਟਾ ਸੱਚ ਦੱਸਦਾ ਹੈ। ਹਰ ਥੀਮ ਅਤੇ ਹਰ ਹਵਾਲੇ ਨੂੰ ਅਸਲ ਇੰਟਰਵਿਊ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਨਾਲ ਜੋੜਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਤਸਦੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.

ਦੋ ਸਭ ਤੋਂ ਵੱਡੇ ਜੋਖਮ: ਜਾਅਲੀ ਹਵਾਲੇ ਅਤੇ ਪੱਖਪਾਤ

ਖੋਜ ਸੰਸਲੇਸ਼ਣ ਵਿੱਚ AI ਦੇ ਦੋ ਖਤਰਨਾਕ ਨੁਕਸਾਨ ਹਨ। ਪਹਿਲਾ ਹੈ ਮੇਕ-ਅੱਪ ਕੋਟ (ਭਰਮ): AI ਇੱਕ ਉਪਭੋਗਤਾ ਹਵਾਲਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਡੇਟਾ ਵਿੱਚ ਨਹੀਂ ਹੈ ਪਰ "ਸਹੀ ਲੱਗਦਾ ਹੈ।" ਖੋਜ ਵਿੱਚ ਇਹ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਗਲਤੀ ਹੈ ਕਿਉਂਕਿ ਤੁਸੀਂ ਜਾਅਲੀ ਸਬੂਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਅਸਲੀ ਡਿਜ਼ਾਈਨ ਦਾ ਫੈਸਲਾ ਕਰਦੇ ਹੋ। ਦੂਜਾ ਵਿਗਾੜ ਅਤੇ ਪੱਖਪਾਤ ਹੈ: AI ਬਹੁਗਿਣਤੀ ਦੀ ਰਾਏ ਨੂੰ ਵਧਾ-ਚੜ੍ਹਾ ਕੇ ਦੱਸ ਸਕਦਾ ਹੈ ਅਤੇ ਘੱਟ-ਗਿਣਤੀ ਦੀ ਮਹੱਤਵਪੂਰਨ ਪਰ ਘੱਟ-ਬੋਲੀ ਲੋੜ ਨੂੰ ਮਿਟਾ ਸਕਦਾ ਹੈ; ਜਾਂ ਸਿਖਲਾਈ ਡੇਟਾ ("ਬੁੱਢੇ ਲੋਕ ਤਕਨਾਲੋਜੀ ਤੋਂ ਡਰਦੇ ਹਨ") ਵਿੱਚ ਰੂੜ੍ਹੀਵਾਦੀ ਕਿਸਮਾਂ ਤੁਹਾਡੀ ਖੋਜ ਵਿੱਚ ਲੀਕ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਦੋਵਾਂ ਤੋਂ ਬਚਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ: ਹਰੇਕ ਆਉਟਪੁੱਟ ਨੂੰ ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਪਲੱਗ ਕਰੋ ਅਤੇ ਪੁੱਛੋ "ਕਿਹੜੀ ਗੱਲਬਾਤ ਵਿੱਚ, ਕਿਸ ਲਾਈਨ 'ਤੇ, ਇਹ ਹਵਾਲਾ ਅਸਲ ਵਿੱਚ ਵਾਪਰਦਾ ਹੈ?" ਸਵਾਲ ਪੁੱਛਣਾ ਹੈ।

ਸਾਵਧਾਨ: ਕਿਸੇ ਰਿਪੋਰਟ, ਵਿਅਕਤੀ ਜਾਂ ਪ੍ਰਸਤੁਤੀ ਵਿੱਚ ਕਿਸੇ ਵੀ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਉਪਭੋਗਤਾ ਹਵਾਲੇ ਨੂੰ ਕੱਚੇ ਇੰਟਰਵਿਊ ਟੈਕਸਟ ਵਿੱਚ ਖੋਜਣ ਅਤੇ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਸ਼ਾਮਲ ਨਾ ਕਰੋ। ਇੱਕ apocryphal ਹਵਾਲਾ ਇੱਕ ਅਸਲ ਡਿਜ਼ਾਇਨ ਫੈਸਲੇ ਨੂੰ ਗਲਤ ਪੇਸ਼ ਕਰਦਾ ਹੈ.

ਸੁਰੱਖਿਅਤ ਸੰਸਲੇਸ਼ਣ ਪ੍ਰਵਾਹ ਕਦਮ ਦਰ ਕਦਮ

1. ਗੁਮਨਾਮ ਬਣਾਓ: ਇੰਟਰਵਿਊ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ ਤੋਂ ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ, ਸੰਪਰਕ, ਪਛਾਣ ਵੇਰਵੇ) ਨੂੰ ਸਾਫ਼ ਕਰੋ। ਉਪਭੋਗਤਾ ਡੇਟਾ ਨਿੱਜੀ ਡੇਟਾ ਹੈ; ਗੁਪਤਤਾ ਜ਼ਰੂਰੀ ਹੈ।
2. ਏਨਕੋਡ ਕਰੋ, ਪਰ ਸਰੋਤ ਦੀ ਬੇਨਤੀ ਕਰੋ: AI ਨੂੰ ਹਰੇਕ ਟੈਗ ਨਾਲ ਸੰਬੰਧਿਤ ਕੱਚੇ ਸਮੀਕਰਨ ਅਤੇ ਲਾਈਨ/ਸਰੋਤ ਹਵਾਲੇ ਦੀ ਬੇਨਤੀ ਕਰਨ ਲਈ ਕਹੋ।
3. ਥੀਮਾਂ ਦੀ ਗਿਣਤੀ ਕਰੋ: "ਕਿੰਨੇ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਇਸਦਾ ਜ਼ਿਕਰ ਕੀਤਾ?" ਪੁੱਛੋ; ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਆਪਣੀ ਰਾਏ ਨੂੰ ਇੱਕ ਆਮ ਪੈਟਰਨ ਵਜੋਂ ਪੇਸ਼ ਨਾ ਕਰਨ ਦਿਓ।
4. ਇਨਸਾਈਟ ਨੂੰ ਬੈਕ ਕਰੋ: ਹਰੇਕ ਇਨਸਾਈਟ ਵਾਕ ਦੇ ਹੇਠਾਂ, ਅਸਲ ਕੋਟਸ ਪਾਓ ਜਿਸ 'ਤੇ ਇਹ ਅਧਾਰਤ ਹੈ।
5. ਜਵਾਬੀ ਉਦਾਹਰਨਾਂ ਲਈ ਦੇਖੋ: AI ਨੂੰ ਪੁੱਛੋ "ਕੀ ਕੋਈ ਕਥਨ ਹੈ ਜੋ ਇਸ ਥੀਮ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹਨ, ਉਲਟ ਕਹਿੰਦੇ ਹਨ?" ਪੁੱਛੋ; ਇਹ ਪੱਖਪਾਤ ਅਤੇ ਆਮਕਰਨ ਨੂੰ ਤੋੜਦਾ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਮਨਘੜਤ ਹਵਾਲਾ ਫੜਿਆ ਗਿਆ। ਇੱਕ ਟੀਮ ਏਆਈ ਨਾਲ 12 ਵਾਰਤਾਲਾਪਾਂ ਦਾ ਸਾਰ ਦਿੰਦੀ ਹੈ; AI ਇੱਕ ਸ਼ਾਨਦਾਰ ਹਵਾਲਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, “ਇੱਕ ਉਪਭੋਗਤਾ ਨੇ ਕਿਹਾ, ‘ਮੈਂ ਇਸ ਉਤਪਾਦ ਨੂੰ ਤੋਹਫ਼ੇ ਵਜੋਂ ਖਰੀਦਾਂਗਾ,’” ਅਤੇ ਟੀਮ ਇਸਨੂੰ ਪੇਸ਼ਕਾਰੀ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੁੰਦੀ ਸੀ। ਇੱਕ ਖੋਜਕਾਰ ਕੱਚੇ ਟੈਕਸਟ ਨੂੰ ਸਕੈਨ ਕਰਦਾ ਹੈ; ਅਜਿਹਾ ਵਾਕ ਕਿਸੇ ਵੀ ਗੱਲਬਾਤ ਵਿੱਚ ਨਹੀਂ ਮਿਲਦਾ। ਏਆਈ ਨੇ ਸਮੁੱਚੇ ਸਕਾਰਾਤਮਕ ਟੋਨ ਤੋਂ ਇੱਕ ਹਵਾਲਾ "ਬਣਾਇਆ" ਹੈ। ਕੋਟਿ ਹਟਾਇਆ ਹੈ। ਪਾਠ: ਹਰ ਹਵਾਲੇ ਨੂੰ ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਜ਼ੁਬਾਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਕੇਸ 2 - ਘੱਟ ਗਿਣਤੀ ਦੀ ਲੋੜ ਨੂੰ ਮਿਟਾਉਣਾ। ਇੱਕ ਡਿਜ਼ਾਈਨ ਟੀਮ 20 ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਨਾਲ ਇੱਕ ਰਸੋਈ ਉਪਕਰਣ ਅਧਿਐਨ ਕਰਦੀ ਹੈ। AI ਸੰਖੇਪ "ਉਪਭੋਗਤਾ ਗਤੀ ਦੀ ਪਰਵਾਹ ਕਰਦੇ ਹਨ" ਦੇ ਥੀਮ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਪਰ ਜਦੋਂ ਟੀਮ ਕੱਚੇ ਡੇਟਾ 'ਤੇ ਵਾਪਸ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਉਹ ਦੇਖਦੇ ਹਨ ਕਿ 3 ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਇਕ-ਹੱਥ ਵਰਤੋਂ ਦੀ ਜ਼ਰੂਰਤ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ ਹੈ (ਇੱਕ ਅਪਾਹਜ ਬਾਂਹ ਵਾਲਾ, ਇੱਕ ਲਗਾਤਾਰ ਬੱਚੇ ਨੂੰ ਚੁੱਕ ਰਿਹਾ ਹੈ); ਏਆਈ ਨੇ ਇਸ ਨੂੰ "ਘੱਟ ਗਿਣਤੀ" ਵਜੋਂ ਖਾਰਜ ਕਰ ਦਿੱਤਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਪਹੁੰਚਯੋਗਤਾ ਸਮਝ ਹੈ ਜੋ ਉਤਪਾਦ ਨੂੰ ਵੱਖਰਾ ਕਰੇਗੀ। ਸਬਕ: ਸੰਖਿਆਤਮਕ ਭਾਰ ਦਾ ਮਤਲਬ ਹਮੇਸ਼ਾ ਮਹੱਤਵ ਨਹੀਂ ਹੁੰਦਾ; ਘੱਟ ਗਿਣਤੀ ਦੀ ਲੋੜ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸਮਝ ਹੋ ਸਕਦੀ ਹੈ।

ਕੇਸ 3 - ਸਹੀ ਵਰਤੋਂ। ਇੱਕ ਖੋਜਕਰਤਾ AI ਲਈ 300 ਸਰਵੇਖਣਾਂ ਦੇ ਓਪਨ-ਐਂਡ ਜਵਾਬਾਂ ਨੂੰ ਫੀਡ ਕਰਦਾ ਹੈ ਅਤੇ ਕਹਿੰਦਾ ਹੈ "ਇਹਨਾਂ ਥੀਮਾਂ ਦੇ ਹਰੇਕ ਜਵਾਬ ਨੂੰ ਲੇਬਲ ਕਰੋ, ਗਿਣੋ ਕਿ ਹਰੇਕ ਥੀਮ ਲਈ ਕਿੰਨੇ ਜਵਾਬ ਆਉਂਦੇ ਹਨ, ਅਤੇ ਹਰੇਕ ਥੀਮ ਤੋਂ 3 ਅਸਲ ਨਮੂਨੇ ਦੇ ਜਵਾਬਾਂ ਦਾ ਹਵਾਲਾ ਦਿਓ।" AI 8 ਥੀਮ, ਨੰਬਰ ਅਤੇ ਅਸਲੀ ਹਵਾਲੇ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਖੋਜਕਰਤਾ ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਨਮੂਨੇ ਦੇ ਹਵਾਲੇ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ, ਉਹ ਸਾਰੇ ਅਸਲੀ ਹਨ. ਇਹ ਸਾਰਣੀ ਨੂੰ ਸਬੰਧ ਅਧਿਐਨ ਦੀ ਸ਼ੁਰੂਆਤ ਬਣਾਉਂਦਾ ਹੈ। ਪਾਠ: ਗਣਨਾ ਲਈ ਪੁੱਛਣ ਵਾਲਾ ਢਾਂਚਾਗਤ ਪ੍ਰੋਂਪਟ + ਵਰਬੈਟਿਮ ਹਵਾਲਾ ਭਰੋਸੇਯੋਗ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸੰਸਲੇਸ਼ਣ ਪੈਦਾ ਕਰਦਾ ਹੈ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਸੁਰੱਖਿਅਤ ਕੋਡਿੰਗ ਟੈਮਪਲੇਟ "ਹੇਠਾਂ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ (ਗੁਮਨਾਮ) ਇੰਟਰਵਿਊ ਸਟੇਟਮੈਂਟਾਂ ਨੂੰ ਟੈਗ ਕਰੋ। ਹਰੇਕ ਕਥਨ ਲਈ: (1) ਤੁਹਾਡੇ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਥੀਮ, (2) ਸਟੇਟਮੈਂਟ ਦਾ ਸਹੀ ਟੈਕਸਟ, (3) ਸਰੋਤ ਸੰਦਰਭ [ਇੰਟਰਵਿਊ ਨੰਬਰ/ਲਾਈਨ]। ਕੋਈ ਵੀ ਅਜਿਹਾ ਬਿਆਨ ਨਾ ਬਣਾਓ ਜੋ ਟੈਕਸਟ ਵਿੱਚ ਨਹੀਂ ਹੈ। ਲੇਬਲ 'ਅਨਿਸ਼ਚਿਤ' ਬਿਆਨ ਦਾ ਲੇਬਲ ਲਗਾਓ: [Dastepa] de uncertain'.

ਥੀਮ ਕਾਊਂਟਿੰਗ ਟੈਮਪਲੇਟ "ਹੇਠ ਦਿੱਤੇ ਕੋਡ ਕੀਤੇ ਡੇਟਾ ਤੋਂ ਥੀਮ ਐਕਸਟਰੈਕਟ ਕਰੋ। ਹਰੇਕ ਥੀਮ ਲਈ: ਕਿੰਨੇ ਵੱਖਰੇ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਇਸ ਨੂੰ ਪ੍ਰਗਟ ਕੀਤਾ, ਉਦਾਹਰਨ ਲਈ 3 ਸ਼ਬਦਾਵਲੀ ਹਵਾਲੇ (ਸਰੋਤ ਦੇ ਨਾਲ)। 'ਆਮ ਪੈਟਰਨ' ਵਜੋਂ ਇੱਕ ਵਿਅਕਤੀ ਦੁਆਰਾ ਪ੍ਰਗਟ ਕੀਤੀ ਗਈ ਰਾਏ ਨੂੰ ਪੇਸ਼ ਨਾ ਕਰੋ; ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖੋ। ਡੇਟਾ: [ਪੇਸਟ]।"

ਜਵਾਬੀ-ਉਦਾਹਰਣ / ਪੱਖਪਾਤ ਤੋੜਨ ਵਾਲਾ ਟੈਮਪਲੇਟ "ਮੈਂ ਹੇਠਾਂ ਦਿੱਤੇ ਇਨਸਾਈਟ ਟੈਮਪਲੇਟ ਦੀ ਜਾਂਚ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ: '[ਇਨਸਾਈਟ]'। ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਅਜਿਹੇ ਬਿਆਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਇਸ ਸੂਝ ਦੇ ਵਿਰੁੱਧ ਹਨ, ਇਸ ਦੇ ਉਲਟ ਸੰਕੇਤ ਕਰਦੇ ਹਨ, ਜਾਂ ਘੱਟ ਗਿਣਤੀ ਵਿੱਚ ਹਨ ਪਰ ਮਹੱਤਵਪੂਰਨ ਹੋ ਸਕਦੇ ਹਨ। ਟੀਚਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਾਧਾਰਨੀਕਰਨ ਅਤੇ [ਦਾਅਸਟੇ] ਨੂੰ ਫੜਨਾ ਹੈ।

ਇਨਸਾਈਟ ਬੈਕ-ਲਿੰਕਿੰਗ ਟੈਮਪਲੇਟ "ਹੇਠਾਂ ਦਿੱਤੀ ਗਈ ਸੂਝ ਵਾਲਾ ਵਾਕ ਲਿਖੋ: [ਇਨਸਾਈਟ]। ਤੁਰੰਤ ਹੇਠਾਂ, ਅਸਲ ਕੋਟਸ (ਸ਼ਬਦਿਕ, ਸਰੋਤ ਦੇ ਨਾਲ) ਪਾਓ ਜੋ ਇਸ ਸੂਝ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਕਾਫ਼ੀ ਪ੍ਰਤੱਖ ਸਬੂਤ ਨਹੀਂ ਹਨ, ਤਾਂ 'ਨਾਕਾਫ਼ੀ ਸਬੂਤ' ਕਹੋ। ਬਣਾਏ ਗਏ ਸਬੂਤ ਨੂੰ ਨਾ ਜੋੜੋ।"

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਇਹਨਾਂ ਗੱਲਾਂਬਾਤਾਂ ਨੂੰ ਸੰਖੇਪ ਕਰੋ ਅਤੇ ਮੈਨੂੰ ਸਮਝ ਦਿਓ।"

ਮਜ਼ਬੂਤ ਸੰਕੇਤ: "ਹੇਠਾਂ 12 ਅਗਿਆਤ ਇੰਟਰਵਿਊਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰੋ। (1) ਕਥਨਾਂ ਨੂੰ ਥੀਮਾਂ ਵਿੱਚ ਲੇਬਲ ਕਰੋ। (2) ਗਿਣਤੀ ਕਰੋ ਕਿ ਕਿੰਨੇ ਵੱਖ-ਵੱਖ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਹਰੇਕ ਥੀਮ ਦਾ ਜ਼ਿਕਰ ਕੀਤਾ ਹੈ। (3) ਹਰੇਕ ਥੀਮ ਲਈ 2 ਸਹੀ ਹਵਾਲੇ ਦਿਓ (ਇੰਟਰਵਿਊ ਨੰਬਰ ਦੇ ਨਾਲ)। (4) ਇੱਕ ਵੱਖਰੇ ਸਿਰਲੇਖ ਹੇਠ ਘੱਟ ਗਿਣਤੀ ਪਰ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਲੋੜਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰੋ। ਟੈਕਸਟ ਵਿੱਚ ਕੋਈ ਵੀ ਹਵਾਲਾ ਨਾ ਬਣਾਓ ਜੋ ਮੌਜੂਦ ਨਹੀਂ ਹੈ: [ਪੇਸਟ]।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ ਏਆਈ ਨੂੰ ਵਿਗਾੜਨ ਅਤੇ ਘੜਨ ਦੀ ਆਜ਼ਾਦੀ ਦਿੰਦਾ ਹੈ; ਇਹ ਸੰਸਲੇਸ਼ਣ ਨੂੰ ਮਜ਼ਬੂਤ ​​​​ਪ੍ਰਾਪਟ ਕਾਉਂਟਿੰਗ, ਵਰਬੈਟਿਮ ਹਵਾਲੇ, ਘੱਟ ਗਿਣਤੀ ਸੁਰੱਖਿਆ, ਅਤੇ "ਫੈਬਰੀਕੇਸ਼ਨ ਬੈਨ" ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਬਣਾਉਂਦਾ ਹੈ।

ਆਮ ਗਲਤੀਆਂ

• ਕੱਚੇ ਡੇਟਾ ਵਿੱਚ ਇਸਦੀ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਹਵਾਲੇ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਮਨਘੜਤ ਹਵਾਲਾ ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਖੋਜ ਗਲਤੀ ਹੈ।
• ਇਹ ਸੋਚ ਕੇ ਕਿ ਸੰਖਿਆਤਮਕ ਬਹੁਮਤ ਹੀ ਮਹੱਤਤਾ ਦਾ ਮਾਪਦੰਡ ਹੈ। ਘੱਟ ਗਿਣਤੀ ਦੀ ਲੋੜ ਅਕਸਰ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸਮਝ ਹੁੰਦੀ ਹੈ।
• AI ਨੂੰ ਬਿਨਾਂ ਗੁਪਤ ਰੱਖੇ ਨਿੱਜੀ ਡੇਟਾ ਦੇਣਾ। ਉਪਭੋਗਤਾ ਡੇਟਾ ਨਿੱਜੀ ਡੇਟਾ ਹੈ; ਗੁਪਤਤਾ ਲਾਜ਼ਮੀ ਹੈ।
• ਜਵਾਬੀ ਉਦਾਹਰਨਾਂ ਨਹੀਂ ਲੱਭ ਰਹੇ। ਸੰਸਲੇਸ਼ਣ ਜੋ ਇਸ ਦੇ ਉਲਟ ਪਰਖ ਨਹੀਂ ਕਰਦਾ, ਪੱਖਪਾਤ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ​​ਕਰਦਾ ਹੈ।
• "ਖੋਜ" ਲਈ ਇੱਕ AI ਸੰਖੇਪ ਨੂੰ ਭੁੱਲਣਾ. ਸੰਸਲੇਸ਼ਣ ਇੱਕ ਸ਼ੁਰੂਆਤ ਹੈ; ਇਨਸਾਈਟ ਕੱਚੇ ਡੇਟਾ 'ਤੇ ਅਧਾਰਤ ਹੈ।

ਨੁਕਤਾ: ਹਰੇਕ ਸੂਝ ਦੇ ਤਹਿਤ, ਪੁੱਛੋ "ਕਿਹੜੇ 2-3 ਅਸਲ ਹਵਾਲੇ ਇਸਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ?" ਸਵਾਲ ਲਿਖੋ। ਜੇਕਰ ਕੋਈ ਜਵਾਬ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਹ ਸਮਝ ਅਜੇ ਵੀ ਇੱਕ ਪਰਿਕਲਪਨਾ ਹੈ, ਇੱਕ ਖੋਜ ਨਹੀਂ।

ਸੰਖੇਪ ਵਿੱਚ

AI ਉਪਭੋਗਤਾ ਖੋਜ ਸੰਸਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਵੇਗਕ ਹੈ: ਇਹ ਸੈਂਕੜੇ ਵਾਕਾਂਸ਼ਾਂ, ਸਮੂਹ ਥੀਮ ਨੂੰ ਕੋਡ ਕਰਦਾ ਹੈ, ਅਤੇ ਸੂਝ ਅਤੇ ਵਿਅਕਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਪਰ ਦੋ ਵੱਡੇ ਜੋਖਮ ਹਨ: ਮਨਘੜਤ ਹਵਾਲੇ ਅਤੇ ਵਿਗਾੜ/ਪੱਖਪਾਤ। ਇਹਨਾਂ ਤੋਂ ਬਚਣ ਦਾ ਤਰੀਕਾ ਹੈ ਹਰੇਕ ਥੀਮ ਨੂੰ ਲਿੰਕ ਕਰਨਾ ਅਤੇ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਵਾਪਸ ਹਵਾਲਾ ਦੇਣਾ, ਬਾਰੰਬਾਰਤਾ ਦੀ ਗਿਣਤੀ ਕਰਨਾ, ਘੱਟ ਗਿਣਤੀ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣਾ, ਅਤੇ ਜਵਾਬੀ ਉਦਾਹਰਨਾਂ ਦੀ ਭਾਲ ਕਰਨਾ। ਉਪਭੋਗਤਾ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰੋ, AI ਨੂੰ ਜ਼ੁਬਾਨੀ ਹਵਾਲੇ ਅਤੇ ਸਰੋਤਾਂ ਲਈ ਪੁੱਛੋ, ਇੱਕ "ਨੋ-ਫੈਬਰੀਕੇਸ਼ਨ" ਨਿਯਮ ਲਾਗੂ ਕਰੋ, ਅਤੇ ਸਬੂਤ ਦੇ ਨਾਲ ਉਹਨਾਂ ਦਾ ਸਮਰਥਨ ਕੀਤੇ ਬਿਨਾਂ ਕਿਸੇ ਵੀ ਸੂਝ ਨੂੰ ਖੋਜਾਂ ਵਜੋਂ ਨਾ ਗਿਣੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

8-10 ਛੋਟੇ ਉਪਭੋਗਤਾ ਪ੍ਰਸੰਸਾ ਪੱਤਰ, ਅਸਲੀ ਜਾਂ ਕਾਲਪਨਿਕ ਹਨ। ਪਹਿਲਾਂ ਉਹਨਾਂ ਸਾਰਿਆਂ ਨੂੰ ਅਗਿਆਤ ਕਰੋ। "ਸੁਰੱਖਿਅਤ ਕੋਡਿੰਗ" ਟੈਂਪਲੇਟ ਦੇ ਨਾਲ AI ਟੈਗ ਥੀਮ ਰੱਖੋ; ਫਿਰ "ਥੀਮ ਕਾਉਂਟ" ਟੈਮਪਲੇਟ ਨਾਲ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਜ਼ੁਬਾਨੀ ਹਵਾਲੇ ਮੰਗੋ। ਕੱਚੇ ਟੈਕਸਟ ਵਿੱਚ AI ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਹਵਾਲਿਆਂ ਨੂੰ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਚੈੱਕ ਕਰੋ ਅਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਕਿ ਉਹ ਅਸਲ ਹਨ ਜਾਂ ਨਹੀਂ। ਅੰਤ ਵਿੱਚ, "ਵਿਰੋਧੀ-ਉਦਾਹਰਣ" ਟੈਮਪਲੇਟ ਦੇ ਨਾਲ, ਉਹਨਾਂ ਕਥਨਾਂ ਦੀ ਭਾਲ ਕਰੋ ਜੋ ਤੁਹਾਡੇ ਮੁੱਖ ਥੀਮ ਦੇ ਉਲਟ ਹਨ ਅਤੇ ਲਿਖੋ ਕਿ ਕੀ ਤੁਹਾਨੂੰ ਘੱਟ ਗਿਣਤੀ ਦੀ ਲੋੜ ਹੈ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ AI ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਉਪਭੋਗਤਾ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ।
• [ ] ਮੈਂ AI ਨੂੰ ਹਰ ਥੀਮ ਲਈ ਜ਼ੁਬਾਨੀ ਹਵਾਲੇ ਅਤੇ ਸਰੋਤ ਹਵਾਲੇ ਲਈ ਕਿਹਾ।
• [ ] ਮੈਂ ਹਰੇਕ ਹਵਾਲੇ ਨੂੰ ਕੱਚੇ ਡੇਟਾ (ਫਿੱਟ ਚੈੱਕ) ਵਿੱਚ ਲੱਭ ਕੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਥੀਮਾਂ ਦੀ ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਗਿਣਿਆ ਅਤੇ ਘੱਟ ਗਿਣਤੀ ਦੀਆਂ ਲੋੜਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਰੱਖਿਆ।
• [ ] ਮੈਂ ਆਪਣੇ ਮੁੱਖ ਥੀਮਾਂ ਲਈ ਵਿਰੋਧੀ-ਉਦਾਹਰਨਾਂ ਦੀ ਭਾਲ ਕਰਕੇ ਪੱਖਪਾਤ ਲਈ ਟੈਸਟ ਕੀਤਾ।
• [ ] ਮੈਂ ਉਹਨਾਂ ਅਨੁਮਾਨਾਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕੀਤੀ ਜੋ ਸਬੂਤ 'ਤੇ ਆਧਾਰਿਤ ਨਹੀਂ ਸਨ "ਕਲਪਨਾ" ਵਜੋਂ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਖੋਜਾਂ ਵਜੋਂ ਨਹੀਂ ਗਿਣਿਆ ਗਿਆ।