ලාභ:
- p-හැකින්ග්, HARKing, වරණාත්මක වාර්තාකරණය සහ ෆෝකින් මාර්ගවල උද්යානය ව්යාජ සොයාගැනීම් ඇති කරන බව තේරුම් ගෙන කෘතිම බුද්ධිය මෙම උගුල් වේගවත් කරන්නේ කෙසේදැයි බලන්න.
- පූර්ව ලියාපදිංචිය, විශ්ලේෂණ සැලැස්ම, බහු සංසන්දනාත්මක විනය සහ කෘත්රිම බුද්ධි සහය සමඟ සංවේදීතා විශ්ලේෂණය වැනි ආරක්ෂාවන් ස්ථාපිත කිරීමේ හැකියාව
- කෘත්රිම බුද්ධියට 'අර්ථවත් ප්රතිඵල සොයන්න' ආකාරයේ ඉල්ලීම් ප්රතික්ෂේප කිරීමට සහ අවසාන වගකීම පර්යේෂකයාට පැවරෙන අවංක ඉල්ලීම් සැලසුම අභ්යන්තරීකරණය කිරීමට හැකි වීම.
පෙර ඒකකයේ අපි දැක්කා p-අගය යනු කුමක්ද සහ එය නොවේ. මෙම ඒකකය තුළ අපි අඳුරු මාතෘකාවක් දෙස බලමු, සංඛ්යානමය අඛණ්ඩතාවට තර්ජනයක් වන ක්රමානුකූල උගුල්. මේවායින් බොහොමයක් හිතාමතා වංචා කිරීම් නොවේ; මේවා හොඳ චේතනාවෙන් යුත් පර්යේෂකයන් පවා නොදැනුවත්වම වැටෙන කූට යාන්ත්රණ වේ. කෘත්රිම බුද්ධිය (AI) තත්පර කිහිපයකින් විශ්ලේෂණ දුසිම් ගණනක් ක්රියාත්මක කිරීමට හැකි වන බැවින් මෙම අන්තරායන් පහසු සහ වේගවත් කරයි. මෙම ඒකකයේ පරමාර්ථය වන්නේ AI "අර්ථවත් ප්රතිඵල සෙවීමේ යන්ත්රයක්" සිට අවංක සහායකයෙකු බවට පරිවර්තනය කරන විනය ස්ථාපිත කිරීමයි.
මූලික උගුල්
p-hacking (p-value hunting): සැලකිය යුතු ප්රතිඵලයක් (p<0.05) ලැබෙන තෙක් එය නැවත විවිධ ආකාරවලින් විශ්ලේෂණය උත්සාහ කරයි. විචල්ය එකතු කිරීම සහ ඉවත් කිරීම, උප නියැදි තේරීම, පිටස්තරයන්ගේ නිර්වචනය වෙනස් කිරීම, විවිධ පරිවර්තන උත්සාහ කිරීම, විවිධ ප්රතිඵල විචල්යයන් භාවිතා කිරීම, අර්ථවත් වූ විට දත්ත රැස් කිරීම නැවැත්වීම... සෑම උත්සාහයක්ම නව "අවස්ථාවක්" ලබා දෙයි; ඔබ ප්රමාණවත් තරම් උත්සාහ කළහොත්, ඒවායින් එකක් අර්ථවත් වනු ඇත, එය සැබවින්ම බලපෑමක් නොමැති වුවද. ප්රතිඵලය: ප්රකාශිත නමුත් ප්රතිනිෂ්පාදනය කළ නොහැකි ව්යාජ සොයාගැනීම්.
HARKing (ප්රතිඵල දැනගත් පසු උපකල්පනය කිරීම): ප්රතිඵල දැකීමෙන් පසු උපකල්පනයක් සාදා එය "මම මුල සිටම මෙසේ අනාවැකි කීවෙමි" ලෙස ඉදිරිපත් කිරීම. ඔබ දත්ත දෙස බලා වඩාත්ම කැපී පෙනෙන සම්බන්ධතාවය සොයා ගන්න, පසුව එම උපකල්පනය පරීක්ෂා කිරීමට සැලසුම් කර ඇති පරිදි කඩදාසි ලියන්න. මෙම සොයා ගැනීම තහවුරු කිරීමක් ලෙස පෙනෙන පරිදි පාඨකයා නොමඟ යවයි.
වරණාත්මක වාර්තාකරණය (චෙරි තෝරා ගැනීම): දුසිම් ගණනක විශ්ලේෂණ වලින් "හොඳ" ඒවා පමණක් වාර්තා කිරීම සහ ඉතිරිය නිහඬව වළලනු ලැබේ. මෙය "ගොනු ලාච්චුවේ ගැටලුව" ලෙසද හැඳින්වේ: අර්ථ විරහිත ප්රතිඵල ලාච්චුවේ පවතින අතර, සාහිත්යය ක්රමානුකූලව පක්ෂග්රාහී වේ.
දෙබලක මාර්ග උයන: ඇන්ඩෲ ජෙල්මන්ගේ පදය. තනි චේතනාන්විත p-හැක් කිරීමක් නොමැතිව වුවද, පර්යේෂකයා දත්ත මත පදනම්ව බොහෝ සාධාරණ තේරීම් කරයි (කුමන විචල්යය, කුමන සීමාව, කුමන උප සමූහය, කුමන පරිවර්තනයද). මෙම ගවේෂණාත්මක නිදහස කෙතරම්ද යත්, ඔබ කිසිදු අයහපත් චේතනාවකින් තොරව වුවද, විශ්ලේෂණ රාශියකින් අර්ථවත් එකක් ඵලදායී ලෙස තෝරා ගනී. එහි ප්රතිඵලය වන්නේ නැවතත් ව්යාජ ධනාත්මක අනුපාතය ඉහළ යාමයි.
අවවාදයයි: මෙම උගුල් බොහොමයක් හිතාමතා උපක්රම නොවේ. "මම තව මාදිලි කිහිපයක් උත්සාහ කළා", "මම පිටස්තරය ඉවත් කළ විට එය පිරිසිදු විය", "මෙම උප සමූහයේ බලපෑම වඩාත් පැහැදිලිය" වැනි අහිංසක ලෙස පෙනෙන පියවරවල එකතුව ව්යාජ සොයාගැනීමක් ඇති කළ හැකිය. අවංකකම යනු ක්රමයේ කාරණයක් මිස චේතනාවක් නොවේ.
AI මෙම උගුල් විශාල කරන්නේ ඇයි?
අතින් මාදිලි 3 ක් උත්සාහ කිරීම කාලය ගතවේ; YZ විසින් ආකෘති ප්රභේද 50ක්, විවිධ පරිවර්තන 10ක්, මිනිත්තු කිහිපයකින් උප කණ්ඩායම් 8ක් නිෂ්පාදනය කරයි. අවංක සැලැස්මක් නොමැතිව මෙම බලය විනාශකාරී ය: "මෙම දත්තවල අර්ථවත් සම්බන්ධතාවයක් සොයා ගන්න" හෝ "මෙම කල්පිතයට සහය වන ආකෘතියක් ගොඩනඟන්න" වැනි ඉල්ලීමක් AI සෘජුවම p-හැකිං එන්ජිමක් බවට පත් කරයි. AI හටද උපකාර කිරීමට අවශ්යයි; ඔබව තෘප්තිමත් කරන "අර්ථවත්" ප්රතිඵලයක් සොයා ගැනීමට නැඹුරු වේ. ඔබේ කඩිනම් නිර්මාණය අවංකභාවයේ පළමු ආරක්ෂක මාර්ගය වන්නේ එබැවිනි.
ආරක්ෂාව: සාධාරණ ව්යාපාරයක්
1. පෙර-ලියාපදිංචිය: එයින් අදහස් වන්නේ විශ්ලේෂණය සිදු කිරීමට පෙර ඔබේ කල්පිතය, විචල්යයන්, ආකෘතිය සහ පරීක්ෂණ ලිඛිතව (සමහර විට කාල මුද්රා තැබූ වේදිකාවක් මත) සටහන් කිරීමයි. මේ අනුව, සොයාගැනීම තහවුරු කිරීමෙන් වෙන් කරනු ලැබේ; ඔබ පසුව වෙනස් කරන ඕනෑම දෙයක් "ගවේෂක" ලෙස ටැග් කර ඇත.
2. විශ්ලේෂණ සැලැස්ම: ඔබට පූර්ව-වාර්තාගත කළ නොහැකි වුවද, දත්ත වලට කිමිදීමට පෙර විශ්ලේෂණ සැලැස්මක් ලියන්න: ප්රාථමික කල්පිතය, ප්රාථමික ප්රතිඵල විචල්යය, ප්රධාන ආකෘතිය. මුල සිටම "ප්රධාන විශ්ලේෂණය" සහ "අතිරේක/ගවේෂණාත්මක විශ්ලේෂණය" අතර වෙනස ස්ථාපිත කර එය වාර්තාවේ පවත්වා ගන්න.
3. සියල්ල වාර්තා කරන්න: ඔබ උත්සාහ කළ මාදිලි සඟවන්න එපා. "සංවේදීතා විශ්ලේෂණය" (ශක්තිමත් බව පරීක්ෂා කිරීම) කොටසෙහි, විවිධ පිරිවිතරයන් ප්රතිඵලය වෙනස් කරන ආකාරය පෙන්වන්න. සොයා ගැනීම ශක්තිමත් වන්නේ එය බොහෝ පිළිගත හැකි තේරීම් යටතේ පවතී නම් පමණි.
4. බහු සංසන්දන විනය: ඔබ බොහෝ පරීක්ෂණ සිදු කර ඇත්නම්, ඒවා නිවැරදි කරන්න (ඒකකය 6). "මම පරීක්ෂණ කීයක් කරලා තියෙනවද?" යන ප්රශ්නයට පිළිතුරු දෙන්න. අවංකව.
5. සංවේදීතා විශ්ලේෂණය: වෙනස් නියැදියක්, වෙනස් පාලන කට්ටලයක් සහ වෙනස් පරිවර්තනයක් සමඟ ඔබේ ප්රධාන සොයා ගැනීම නැවත කරන්න. ප්රතිඵලය වෙනස් වුවහොත්, එය සඟවන්න එපා, එය වාර්තා කරන්න.
සංසන්දනාත්මක සටහන: අවංක එදිරිව උගුල
යෙදුම
උගුලේ හැඩය
අවංක සමාන
ආදර්ශ තේරීම
එය අර්ථවත් වන තෙක් උත්සාහ කරන්න (p-හැක් කිරීම)
පෙර සැලසුම් කළ මාස්ටර් ආකෘතිය
උපකල්පනය
කාරණයෙන් පසුව සවි කිරීම (HARKing)
දත්ත වලට පෙර, පූර්ව වාර්තාගත
වාර්තා කිරීම
ලස්සන ඒවා විතරක් පෙන්නන්න එපා
සියලුම පිරිවිතර + සංවේදීතාව
උප සමූහය
වඩාත්ම කැපී පෙනෙන දේ තෝරා ගැනීම
පූර්ව නිශ්චිත, නිවැරදි කළ හැකි
දත්ත එකතු කිරීම
එය තේරුමක් ඇති විට නවත්වන්න
කලින් තීරණය කළ නියැදිය
පිටපත් කළ හැකි විමසීම් හතරක්
1. අවංක හිමිකම් රාමුව:
ඔබේ කාර්යභාරය: අවංක සංඛ්යාලේඛන සහකාර. මගේ අරමුණ අර්ථවත් ප්රතිඵලයක් සොයා ගැනීම නොව නිවැරදි ප්රතිඵලය සොයා ගැනීමයි. රීති:- මට "අර්ථවත් වන තුරු ආකෘති උත්සාහ කරන්න" ආකාරයේ යෝජනා ලබා නොදෙන්න,- ඔබ බහුවිධ පිරිවිතරයන් යෝජනා කරන්නේ නම්, ඒවා සියල්ල වාර්තා කළ යුතු බව මට කියන්න,- p-හැක් කිරීමට තුඩු දිය හැකි ඕනෑම පියවරක් ගැන මට අනතුරු අඟවන්න. මගේ ප්රධාන ආකෘතිය පළමුව පැහැදිලි කිරීමට මට උදවු කරන්න, සොයා ගැනීම තහවුරු කිරීමෙන් වෙන් කරන්න.
2. විශ්ලේෂණ සැලසුම් කෙටුම්පත:
අධ්යයනයක් සඳහා මූලික විශ්ලේෂණ සැලැස්මක් කෙටුම්පත් කිරීමට මට උදවු කරන්න: ප්රාථමික කල්පිතය, ප්රාථමික ප්රතිඵල විචල්ය, ප්රධාන ආදර්ශ පිරිවිතර, පූර්ව නිශ්චිත උප සමූහ, බහු සංසන්දන උපාය මාර්ගය. "ගවේෂණාත්මක" සහ "තහවුරු කිරීමේ" විශ්ලේෂණ වෙනම මාතෘකා වලට දමන්න. දත්ත දෙස නොබලා මෙය පිරවීමට මට මතක් කරන්න.
3. සංවේදීතා විශ්ලේෂණය:
මගේ ප්රධාන සොයාගැනීම නම් සංවේදීතා විශ්ලේෂණ කේතය (R) ලිවීමයි. මගේ ඉලක්කය වන්නේ ප්රතිඵලය කෙතරම් ශක්තිමත් දැයි බැලීම මිස හොඳම එක තෝරා ගැනීම නොවේ; සියලු ප්රතිඵල පෙන්වන්න.
4. ස්වයං අධීක්ෂණය:
මම මගේ විශ්ලේෂණ ක්රියාවලිය පැහැදිලි කරන්නම්; මට p-hacking / HARKing / වරණාත්මක වාර්තාකරණය සඳහා පිරික්සුම් ලැයිස්තුවක් ලබා දී මගේ කුමන පියවර අවදානම්දැයි සලකුණු කරන්න. මා උත්සාහ කර ඇති මාදිලි/පරීක්ෂණ කීයක් සහ මා වාර්තා කිරීමට අදහස් කරන්නේ කුමන ඒවාදැයි නැවත මගෙන් අසන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම දත්තවල සැලකිය යුතු සම්බන්ධතා පෙන්වන විචල්යයන් මොනවාද, හොඳම ආකෘතිය සොයා ගන්න.
මෙම විමසුම සෘජු p-හැක් කිරීමේ උපදෙස් වේ: AI සංයෝජන දුසිම් ගණනක් උත්සාහ කර "වඩාත්ම අර්ථවත්" එකක් ඉදිරිපත් කරයි. එහි ප්රතිඵලය නිසැකව ම පාහේ ප්රතිනිර්මාණය කළ නොහැකි ව්යාජ සොයා ගැනීමකි.
බලවත් විමසුම:
ඔබේ භූමිකාව: අවංක සහකාර. මා කලින් තීරණය කර ඇති ප්රධාන මාදිලිය වන්නේ: Y ~ X + පාලන. මෙම ආකෘතිය පුරෝකථනය කරන කේතය ලියන්න. වෙනත් "වඩා අර්ථවත්" ආකෘතියක් සොයන්න එපා. මට ප්රතිඵලයේ ශක්තිමත් බව පෙනෙන පරිදි සංවේදීතා විශ්ලේෂණයක් ද යෝජනා කරන්න, නමුත් මම හොඳම එක තෝරා නොගෙන සියලුම ප්රතිඵල වාර්තා කරන බව දනිමි. ගවේෂණාත්මක සොයාගැනීම් කිසිවක් 'තහවුරු කළ' ලෙස ලිවීමට මට ඉඩ නොදෙන්න.
වෙනස: ශක්තිමත් කැමැත්ත ප්රධාන ආකෘතිය නිවැරදි කරයි, සෙවීම තහනම් කරයි, සහ සියලු ප්රතිඵල වාර්තා කිරීම අවශ්ය වේ.
කුඩා නඩු තුනක්
නඩුව 1 - උප කණ්ඩායම් දඩයම් කිරීම. එක් පර්යේෂකයෙක් සමස්ත නියැදිය තුළ කිසිදු බලපෑමක් සොයා ගත්තේ නැත; ඔහු AI වෙතින් විමසුවේ "එය වැදගත් වන්නේ කුමන උප සමූහයෙහිද?" YZ වයස, ස්ත්රී පුරුෂ භාවය සහ කලාපීය සංයෝජන පරිලෝකනය කළ අතර වයස අවුරුදු 35-44 අතර නාගරික කාන්තාවන්ගේ "p = 0.03" සොයා ගන්නා ලදී. ලිපිය මෙම උප සමූහය මත පදනම් විය. ඔහුගේ ප්රතිනිර්මාණයෙන් කිසිදු බලපෑමක් සිදු නොවීය: මෙය උප කණ්ඩායම් දුසිම් ගණනක අහඹු ප්රතිඵලයකි. පාඩම: දත්ත වලට පසුව තෝරාගත් උප සමූහය HARKing, තහවුරු නොකරයි.
නඩුව 2 - පරිවර්තන දඩයම් කිරීම. ශිෂ්ය මට්ටමේ ස්වරූපයෙන් අර්ථ විරහිත බවට හැරෙන සම්බන්ධතාවය; ලඝු, වර්ග මූල, හතරැස් සහ පසුගාමී ආකාරවලින් එය උත්සාහ කළා; ඔහු log-log ආකාරයෙන් p=0.048 සොයා ගත් අතර එය පමණක් වාර්තා කළේය. වාසනාවකට මෙන්, උත්සාහ කළ ආකාර 5න් එකක් එළිපත්ත තරණය කළේය. නිවැරදි ක්රමය වූයේ: න්යාය සමඟ පෝරමය පූර්ව-තෝරා ගැනීම සහ සංවේදීතා වගුවේ සියලු ආකාරවල ප්රතිඵලය පෙන්වීමයි. පාඩම: තෝරාගත් වාර්තාකරණය ව්යාජ වැදගත්කමක් ඇති කරයි.
නඩුව 3 - අවංක රාමු කිරීම ක්රියා කරන ආකාරය. විශ්ලේෂණයට පෙර එක් කණ්ඩායමක් පූර්ව ලියාපදිංචි විය: තනි ප්රාථමික කල්පිතය, තනි ප්රධාන ආකෘතිය, පූර්ව නිර්වචනය කළ උප කණ්ඩායම් දෙකක්, බොන්ෆෙරෝනි නිවැරදි කිරීම. ප්රධාන බලපෑම සැලකිය යුතු නොවේ, නමුත් කණ්ඩායම එය අවංකව වාර්තා කළේය; ගවේෂණශීලී පුද්ගලයා එක් සොයාගැනීමක් "අනාගතයේදී පරීක්ෂා කළ යුතු" ලෙස සලකුණු කළේය. අධ්යයනය නැවත සකස් කළ හැකි සහ විශ්වසනීය විය. පාඩම: අවංක සැලසුම් කිරීම "අසාර්ථක" ප්රතිඵලය පවා වටිනවා.
පොදු වැරදි
- AI හට "අර්ථවත් ප්රතිඵල සොයන්න" යැයි පැවසීම. මෙය කෙළින්ම p-හැක් කිරීම; AI අවංක රාමුවකට දමන්න, නිරවද්යතාව ඉල්ලා, ප්රතිඵල නොවේ.
- සොයාගැනීම තහවුරු කිරීමක් ලෙස ඉදිරිපත් කිරීම (HARKing). දත්ත වලට පසුව ස්ථාපිත කල්පිතය "මම එය මුල සිටම පුරෝකථනය කළෙමි" ලෙස ලිවීම නොමඟ යවන සුළුය; ගවේෂණාත්මක සොයාගැනීම ලේබල් කරන්න.
- හොඳ ප්රතිඵල වාර්තා කිරීම පමණි. පරීක්ෂා කර ඇති සියලුම පිරිවිතර පෙන්වන්න; හැඟීම් විශ්ලේෂණය සැඟවීම අඛණ්ඩතාවයට බාධා කරයි.
- උප සමූහ/පරිවර්තන පිරික්සීම. උප කණ්ඩායම් දුසිම් ගනනක් හෝ පරිවර්තන වලින් වඩාත්ම වැදගත් දේ තෝරාගැනීම ව්යාජ සොයාගැනීම් ඇති කරයි; කල්තියා හඳුනාගෙන නිවැරදි කරන්න.
- ඔබ කොපමණ පරීක්ෂණ කළාද යන්න අමතක වීම. මුළු උත්සාහයන් ගණන නිරීක්ෂණය කරන්න; මෙම අංකය නොදැන කිසිදු p අගයක් අවංකව අර්ථ දැක්විය නොහැක.
ඉඟිය: සොයා ගැනීමක් ලිවීමට පෙර, ඔබෙන්ම මෙසේ අසන්න: "මම මෙම ප්රතිඵලය සොයා ගන්නා තෙක් මම කොපමණ ක්රම නිහඬව උත්සාහ කර ඇත්ද, මම ඒවා සියල්ලම වාර්තා කරනවාද?" සමහර රචනා ලාච්චුවේ තිබේ නම්, ඔබේ වාර්තාව ඊට වඩා ශක්තිමත් බව පෙනේ.
සාරාංශයක් ලෙස
p-හැකින්ග්, HARKing, වරණාත්මක වාර්තාකරණය සහ දෙබලක මාර්ග උයන; බොහෝ ඒවා නොදැනුවත්වම ක්රියාත්මක වන නමුත් ව්යාජ, ප්රතිනිෂ්පාදනය කළ නොහැකි සොයාගැනීම් ඇති කරන උගුල් වේ. AI මෙම අන්තරායන් වේගවත් කරන්නේ එයට ක්ෂණිකව විශ්ලේෂණ දුසිම් ගණනක් උත්සාහ කළ හැකි බැවිනි. "අර්ථවත් ප්රතිඵල සොයන්න" ආකාරයේ ඉල්ලීම් AI p-හැකිං එන්ජිමක් බවට පත් කරයි. ආරක්ෂක; පෙර-ලියාපදිංචිය සහ විශ්ලේෂණ සැලැස්මක් සමඟින් සොයාගැනීම් තහවුරු කිරීම වෙන් කිරීම, සියලු පිරිවිතරයන් සහ සංවේදීතා විශ්ලේෂණයන් වාර්තා කිරීම, බහු සංසන්දනයන් නිවැරදි කිරීම සහ AI "නිවැරදි ප්රතිඵලය" ඉල්ලා සිටින අවංක රාමුවක් තුළ තැබීම. අවසාන වගකීම සෑම විටම පර්යේෂකයා වෙත පැවරේ.
යෙදුම් කාර්යය
පර්යේෂණ ප්රශ්නයක් තෝරා දත්ත බැලීමට පෙර කෙටි විශ්ලේෂණ සැලැස්මක් ලියන්න: ප්රාථමික කල්පිතය, ප්රධාන ආකෘතිය, ප්රාථමික ප්රතිඵල විචල්ය, පූර්ව නිර්වචනය කළ උප කණ්ඩායම්, බහු සංසන්දන උපාය මාර්ගය. ඉන්පසු ප්රධාන ආකෘතිය තක්සේරු කරන්න. ඉන්පසු සංවේදීතා විශ්ලේෂණයක් කරන්න (විවිධ පාලනයන්, පිටස්තර ඇතුළත්/බැහැර, විවිධ ක්රියාකාරී ආකාරය) සහ සියලුම ප්රතිඵල තනි වගුවක පෙන්වන්න. එක් ඡේදයකින්, p-හැක් කිරීමේ අවදානමක් ඇති පියවර මොනවාද සහ ඔබේ අවංක රාමුව ඒවා සීමා කරන්නේ කෙසේද යන්න තක්සේරු කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම දත්ත වලට කිමිදීමට පෙර විශ්ලේෂණ සැලැස්ම/ප්රධාන ආකෘතිය ලිව්වෙමි.
- [ ] මම ගවේෂණාත්මක සහ තහවුරු කිරීමේ විශ්ලේෂණ වෙන වෙනම ලේබල් කළෙමි; මම HARKing කළේ නැහැ.
- [ ] මම උත්සාහ කළ සියලු පිරිවිතර මම වාර්තා කර ඇත; මම තෝරගත්තෙ ලස්සන එක විතරක් නෙවෙයි.
- [ ] මම උප සමූහ සහ පරිවර්තනයන් කලින් නිර්වචනය කළෙමි, දත්ත වලින් පසුව මම ඒවා පරිලෝකනය නොකළෙමි.
- [ ] මම පරීක්ෂණ කීයක් ක්රියාත්මක කළාද යන්න පිළිබඳව සොයා බලා අවශ්ය නිවැරදි කිරීම් යෙදුවෙමි.
- [ ] මම AI භාවිතා කළේ "එය අර්ථවත් ලෙස සොයන්න" වෙනුවට "සත්යය සොයන්න" යන සන්දර්භය තුළ ය; මම වගකීම ගත්තා.