Mtiririko wa Kazi wa Mwisho-hadi-Mwisho, Utawala na Matumizi ya Kuwajibika — Akili Bandia katika Sosholojia na Utafiti wa Kijamii

Faida:

Uwezo wa kupanga utafiti kama mtiririko madhubuti wa hatua sita kutoka kwa muundo hadi hati
Uwezo wa kuamua kikomo cha matumizi salama cha akili ya bandia katika kila hatua na kuthibitisha matokeo ya awali katika mabadiliko ya hatua.
Uwezo wa kuanzisha itifaki ya uwajibikaji katika kiwango cha timu na kujitathmini kulingana na kanuni tano za msingi

Katika vitengo kumi vilivyotangulia, tumeshughulikia AI katika kila hatua ya utafiti wa kijamii: maswali na fasihi, sampuli, uchunguzi na uchanganuzi wa kiasi, usimbaji wa ubora na mandhari, mbinu mseto, taswira, maadili, reproducibility, na kuandika. Tunayaleta yote pamoja katika kitengo hiki cha mwisho. Lengo ni kuunganisha ujuzi wa mtu binafsi katika mtiririko wa kazi wa mwisho hadi mwisho-mchakato thabiti, salama na mwaminifu kutoka kwa swali la utafiti hadi matokeo yaliyochapishwa. Pia tutaenda zaidi ya mtu binafsi na kuzungumza kuhusu utawala: sheria zinazoshirikiwa za jinsi timu, idara au taasisi inavyoweza kutumia AI kwa kuwajibika katika utafiti wa kijamii.

Thamani ya kufikiria mwisho-mwisho ni kwamba uamuzi unaofanya katika kila hatua unaathiri inayofuata. Sampuli ya upendeleo haiwezi kuokolewa hata kwa uchambuzi kamili; Chanzo ambacho hakijathibitishwa kinakanusha hata maandishi bora zaidi. Ndio maana inahitajika kutumia AI yenye kanuni sawa katika kila hatua: ilisha kwa rasilimali zenye nguvu, thibitisha kila matokeo, linda uamuzi wa kibinadamu, utunzaji wa maadili na faragha mapema, andika mchakato kwa uwazi. Kanuni hizi zinaweza kufupishwa katika sentensi moja: AI huharakisha utafiti, lakini haichukui nafasi ya mtafiti.

Hatua kwa hatua: mtiririko wa mwisho hadi mwisho

1. Ubunifu (swali + maadili + sampuli). Anzisha maswali wazi, uidhinishaji wa maadili ya kazi upya na kupanga usiri, na tathmini uwakilishi wa sampuli. Katika hatua hii, AI husaidia katika swali kupunguza na uchunguzi wa hatari wa maadili.

2. Ukusanyaji wa data (utafiti + mahojiano). Tayarisha utafiti thabiti na mwongozo wa mahojiano. AI inashika mitego ya maswali; Kazi ya kukusanya data na uhusiano wa mshiriki ni yako.

3. Usindikaji (kusafisha + coding + kutokujulikana). Ondoa utambulisho, safi, usimba data. AI inazalisha michoro; Unaidhinisha kila uamuzi na kitabu cha msimbo.

4. Uchambuzi (kiasi + cha ubora + triangulation). Tekeleza takwimu kupitia programu, unganisha mada na nukuu, thibitisha matokeo. AI inaelezea njia, sio hesabu.

5. Uwasilishaji ( taswira + kuandika). Tengeneza michoro ya uaminifu na maandishi asilia. Kila chanzo na nambari imethibitishwa; Jukumu la AI linatangazwa.

6. Nyaraka (jarida + kurekodi haraka + kushiriki). Maamuzi ya hati, vidokezo na ubadilishaji na ushiriki data na msimbo bila majina ikiwezekana.

Kidokezo: Weka orodha hakiki ya mwisho hadi mwisho kwenye dawati lako. Uliza katika kila mpito wa hatua: "Je, nimethibitisha matokeo ya hatua hii, je, mimi ni sampuli/kimaadili/chanzo salama, sijaacha alama yoyote?" Ulegevu katika hatua moja hudhoofisha mnyororo mzima.

kesi tatu ndogo

Kesi ya 1 - Kiungo dhaifu zaidi kwenye mnyororo. Timu moja ilifanya uchanganuzi bora wa ubora, lakini sampuli yao ilitoka kwa kundi moja la mtandaoni. Haijalishi jinsi walivyoandika vyema, matokeo yalikwama katika kikundi hiki. Somo: ubora wa mwisho hadi mwisho ni mzuri tu kama hatua dhaifu; upendeleo katika muundo hauwezi kusahihishwa katika uchambuzi.

Kesi ya 2 - Utawala wa timu ulifanya kazi. Kituo cha utafiti kiliandika itifaki ya kawaida ya utumiaji wa AI kwa timu nzima: ni zana gani, ambayo data haikutambulisha, kwa kutumia hatua gani ya uthibitishaji. Msaidizi mpya aliyewasili alifanya kazi kwa usalama kutoka siku ya kwanza kwa kufuata itifaki; Makosa ya kibinafsi yamepungua.

Kesi ya 3 - Msururu wa uwazi ulipata uaminifu wa mwamuzi. Nakala moja iliambatisha kumbukumbu ya uamuzi, kumbukumbu za papo hapo, na taarifa ya AI. Wakaguzi waliweza kutazama mchakato kuanzia mwanzo hadi mwisho na wakakubali, na kuupata "unaozalisha na wa uaminifu". Uwazi ulikuwa gundi iliyounganisha hatua zote za kibinafsi.

Violezo vinne vinavyoweza kunakiliwa

1) Uzalishaji wa orodha ya mwisho hadi mwisho:

Utafiti wangu utapitia hatua zifuatazo: muundo, ukusanyaji wa data, usindikaji, uchambuzi, uwasilishaji, uwekaji kumbukumbu. Tengeneza orodha ya ukaguzi kwa kila hatua: ni wapi ninaweza kutumia AI kwa usalama katika hatua hiyo, ni matokeo gani ninayopaswa kuthibitisha, ni hatari gani ya kimaadili/faragha ninayopaswa kuzingatia, ni nini ninachopaswa kuandika? Ipe kwenye meza.

2) Rasimu ya itifaki ya Timu ya AI:

Rasimu ya itifaki ya matumizi ya AI kwa timu ya utafiti wa kijamii. Jumuisha: zana zilizoidhinishwa, sheria ya kutokutambulisha data, ambapo jukumuAI linaruhusiwa/ limezuiwa/ limepigwa marufuku, hatua za lazima za uthibitishaji, sheria ya kutangaza AI, uwajibikaji. Andika vitu rahisi, vinavyoweza kutekelezeka.

3) Udhibiti wa mpito wa awamu:

Nimemaliza [Awamu ya X], ninaendelea na [Awamu Y]. Orodhesha mambo ninayohitaji kuangalia kabla ya mabadiliko haya: je, nimethibitisha matokeo ya hatua ya awali, je, ninabeba hitilafu (sampuli isiyo sahihi, chanzo ambacho hakijathibitishwa, uamuzi ambao haujafuatiliwa) ambao utavunja hatua inayofuata? Je, niko tayari kwa mpito, na ikiwa sivyo, nifanye nini kurekebisha?

4) Tathmini ya uwajibikaji ya matumizi:

Kagua utafiti ninaokamilisha kwa matumizi ya kuwajibika ya AI. Alama na uonyeshe udhaifu dhidi ya kanuni hizi tano: (1) ulishaji wa chanzo dhabiti, (2) kuthibitisha kila matokeo, (3) kuhifadhi uamuzi wa binadamu, (4) maadili na usiri, (5) uwekaji hati wazi. Mchakato: [muhtasari]

Mwongozo dhaifu / Mwongozo thabiti

Agizo dhaifu:

Fanya utafiti huu kuanzia mwanzo hadi mwisho na AI na umalize.

Hii inajaribu kuhamisha wajibu wote kwa mfano. Matokeo: sampuli yenye upendeleo, chanzo kilichobuniwa, takwimu ambazo hazijathibitishwa na maandishi yasiyotetewa. Hakuna hatua ya mwisho hadi mwisho iliyo salama.

Agizo lenye nguvu:

Ninataka kupanga utafiti wangu kutoka mwisho hadi mwisho. Katika kila hatua (muundo, data, usindikaji, uchanganuzi, uwasilishaji, uwekaji kumbukumbu), hutumika kama ramani ya mahali ninapoweza kutumia AI kwa usalama, ambapo uamuzi wa kibinadamu na uthibitishaji unahitajika, na ni hatari gani za kimaadili na za faragha ninazopaswa kuzingatia. Kumbuka kwamba ninawajibika.

Tofauti: mbinu ya pili inaweka AI kama mshirika; Inakubali tangu mwanzo kwamba maamuzi na uthibitishaji ni wa wanadamu.

Sera za utumiaji zinazowajibika za mwisho hadi mwisho

kanuni

Maombi

Katika kitengo gani

Lisha na chanzo chenye nguvu

Toa data/chanzo chako mwenyewe

1, 2

Swali kwa sampuli

Ukaguzi wa uwakilishi na upendeleo

Fanya hesabu kwenye programu

Kufanya AI kutoa nambari

weka uaminifu

Unganisha nukuu na nambari ya mstari

Weka utata wazi

Triangulation, uwasilishaji wa uaminifu

6, 7

Maadili na faragha kwanza

Bila jina, chombo kilichothibitishwa

Andika mchakato

Diary, kurekodi kwa haraka

Dumisha uhalisi

Thibitisha chanzo, sauti yako mwenyewe

Makosa ya kawaida

Kuzingatia hatua tofauti na kusahau mnyororo. Upendeleo katika hatua moja huharibu utafiti mzima.
Kuhamisha jukumu kwa AI. Uamuzi, uthibitishaji na maadili daima hulala kwa mwanadamu.
Hakuna sheria za kawaida katika timu. Matumizi ya mtu binafsi hutoa kutofautiana na hatari.
Kuacha nyaraka kwa mwisho. Ufuatiliaji huhifadhiwa katika mchakato wote; haiwezi kukumbukwa baadaye.
Mara tu unapojifunza na kupumzika. Matumizi ya kuwajibika ni taaluma ambayo inatumika tena katika kila mradi.

Kwa muhtasari

Thamani halisi ya AI katika utafiti wa kijamii hutokea si katika kazi za mtu binafsi, lakini katika mtiririko thabiti na wa uwajibikaji kutoka mwisho hadi mwisho. Tumia kanuni sawa katika kila hatua, kutoka kwa muundo hadi uwekaji hati: chanzo kwa nguvu, thibitisha kila matokeo, uhifadhi uamuzi wa kibinadamu, weka kipaumbele cha maadili na usiri, andika mchakato kwa uwazi. Itifaki ya pamoja katika ngazi ya timu hufanya kanuni hizi kuwa za kudumu. Mlolongo huo una nguvu tu kama kiungo chake dhaifu; Usipumzike katika hatua yoyote. AI huharakisha utafiti, lakini haichukui nafasi ya uamuzi, uwajibikaji na uadilifu wa mtafiti.

Jukumu la maombi

Unda ramani ya hatua sita ya mradi wako mwenyewe wa utafiti (halisi au uliopangwa) na kiolezo cha "kizazi cha orodha ya mwisho hadi mwisho". Katika kila hatua, andika ni wapi utatumia AI, utakayothibitisha, na ni hatari gani za kimaadili/faragha utakazozingatia. Kisha tumia kiolezo cha "kujitathmini kwa uwajibikaji" ili kujipatia alama dhidi ya kanuni tano, kubainisha pointi zako mbili dhaifu na jinsi ya kuziimarisha.

orodha ya ukaguzi

[ ] Nilipanga utafiti kama mtiririko wa hatua sita kutoka mwisho hadi mwisho.
[ ] Nilibainisha kikomo cha matumizi salama cha AI katika kila hatua.
[ ] Nilithibitisha toleo la awali katika kila mpito wa hatua.
[ ] Kudumishwa kwa maadili, usiri na nyaraka kote.
[ ] Nimejitathmini matumizi ya uwajibikaji dhidi ya kanuni tano.

Mtihani wa Moduli

1. Ni ipi kati ya zifuatazo ni nafasi sahihi zaidi ya akili bandia katika sosholojia na utafiti wa kijamii?

A) Akili Bandia inaweza kujibu swali la utafiti, tafsiri na uamuzi wa kimaadili peke yake bila idhini ya mwanadamu.
B) Akili ya bandia hufanya kazi tu katika muhtasari wa maandishi, haina uhusiano wowote na hatua zingine za utafiti.
C) Akili bandia ni muhtasari, nakala, kanuni na msaidizi wa rasimu; Wajibu wa tafsiri, mfumo na uamuzi wa kimaadili ni wa mtafiti ✔
D) Kwa kuwa akili ya bandia daima haina upendeleo kuliko wanadamu, tafsiri inapaswa kuachwa kwake kabisa.

Maelezo: Akili ya bandia; ni msaidizi ambaye hufanya muhtasari wa maandishi, kuhariri nakala, kupendekeza kanuni na kuandika rasimu. Wajibu wa kazi muhimu kama vile swali la utafiti, mfumo wa kinadharia, uamuzi wa sampuli, tafsiri na uamuzi wa kimaadili ni wa mtafiti; Toleo ambalo halijathibitishwa linaweza kusababisha marejeleo ya uwongo, takwimu za kubuni au kupotosha.

2. Kwa nini ni hatari kueleza moja kwa moja akili ya bandia 'kuorodhesha makala 10 muhimu zaidi kuhusu somo hili na bibliografia' wakati wa kuchanganua maandiko?

A) AI inaweza kuunda vyanzo, waandishi, na DOI ambazo zinaonekana kuwa za kweli lakini hazipo; Lazima utafute chanzo kutoka kwa hifadhidata ✔
B) Upelelezi wa Bandia hufanya kazi polepole sana na hupoteza wakati wakati wa kuorodhesha rasilimali
C) Akili za Bandia hukosa fasihi ya Kituruki kwa sababu inaweza tu kupata vyanzo vya Kiingereza
D) Orodha hukua kadri akili ya bandia inavyorudia chanzo kile kile mara kadhaa

Maelezo: Mapitio ya fasihi ni kazi ambapo AI hutoa maonyesho mengi zaidi; Inaweza kuunda makala, waandishi na DOI ambazo zinaonekana kuwa za kweli lakini hazipo. Kutafuta vyanzo ni kazi ya hifadhidata; AI inapaswa kuunganisha tu muhtasari halisi unaopata.

3. Ni kwa kuzingatia tatizo gani matokeo ya kuridhika kwa 78% katika utafiti uliowekwa kwenye tovuti ya manispaa yanapaswa kutafsiriwa kwa makini zaidi?

A) Hesabu ya asilimia si sahihi; Viwango vya kuridhika haviwezi kamwe kuonyeshwa kama nambari moja
B) Kwa sababu utafiti ulikuwa mrefu sana, washiriki walichoshwa na kujibu bila mpangilio
C) Kijamii haiwezekani kupima kuridhika, kwa hivyo matokeo ni batili
D) Sampuli hubeba upendeleo wa uteuzi; Kwa kuwa ni watumiaji wa tovuti pekee wanaoweza kushiriki, matokeo hayawezi kujumlishwa kwa jamii nzima ✔

Ufafanuzi: Uchunguzi uliowekwa kwenye tovuti unawakilisha wale ambao tayari wanatumia tovuti (ambao wanaweza kupata huduma na pengine wameridhika zaidi); Huu ni upendeleo wa uteuzi. Ugunduzi huo unaweza kujumuishwa tu kwa 'watumiaji wa tovuti' na sio kwa jamii nzima.

4. Kwa nini si salama kubandika data ya safu mlalo 300 kama maandishi na kuiambia AI 'ikokotoe maana'?

A) Kwa kuwa akili ya bandia inaweza tu kusoma hadi mistari 100 ya data, inatupilia mbali zaidi.
B) Mfano wa lugha sio kikokotoo; Wakati wa kufanya hesabu katika maandishi inaweza kutoa nambari zisizo sahihi, hesabu lazima ifanyike katika mpango ✔
C) Wastani ni kipimo kisicho na maana kijamii na haipaswi kuhesabiwa hata kidogo.
D) Wakati data inabandikwa kama maandishi, AI huifuta kiotomatiki

Maelezo: Muundo wa lugha si kikokotoo na huenda ukatoa kimakosa wastani, asilimia, au thamani ya p wakati wa kufanya hesabu katika maandishi. Hesabu halisi inapaswa kufanyika katika mpango wa takwimu au meza; AI inapaswa kutumika kwa mbinu na tafsiri tu.

5. Nini kifanyike kabla ya kukubali nukuu iliyopendekezwa na akili ya bandia katika uchanganuzi wa mandhari ya ubora?

A) Ikiwa nukuu inaonekana kwa ufasaha na ya kuvutia, inaweza kuongezwa moja kwa moja kwenye ripoti
B) Ikiwa urefu wa nukuu hauzidi aya moja, hakuna haja ya uthibitishaji
C) Inapaswa kuthibitishwa na nambari ya mstari kwamba nukuu inaonekana kwenye nakala ✔
D) Nukuu inategemewa kiotomatiki kwa sababu akili ya bandia inataja chanzo

Maelezo: Moyo wa utafiti wa ubora ni uaminifu kwa maneno ya mshiriki mwenyewe. AI inaweza kutengeneza nukuu ambayo ni fasaha lakini haipo kabisa katika nakala. Kwa hivyo, kila nukuu inapaswa kuunganishwa na kuthibitishwa kwa taarifa halisi katika maandishi na ikiwezekana nambari ya mstari.

6. If, in a study, 72% say 'I recycle' in a survey, but in interviews most of them actually say they do it irregularly, how should this contradiction be handled?

A) Mkanganyiko haupaswi kufichwa; inapaswa kuwasilishwa kama matokeo yenye maelezo yanayowezekana kama vile upendeleo wa kijamii ✔
B) Data ya mahojiano inapaswa kutupwa kama si sahihi na ni matokeo ya uchunguzi pekee ndiyo yanapaswa kuripotiwa
C) Data ya utafiti inapaswa kutupwa kwa sababu si sahihi, ni mahojiano pekee ndiyo yanapaswa kuripotiwa
D) Data zote mbili zinapaswa kuondolewa kwenye ripoti kwa sababu ukinzani huo ni wa kuaibisha

Ufafanuzi: Tofauti kati ya matokeo ya kiasi na ubora sio dosari, lakini mara nyingi ni matokeo ya thamani zaidi. Ukinzani hapa unaelekeza kwenye jambo kama vile 'upendeleo wa kuhitajika kwa jamii' na unapaswa kuwasilishwa kama matokeo bila kuficha.

7. Nini kifanyike ikiwa tofauti kati ya makundi mawili (51% dhidi ya 54%) inaonekana kama 'pengo kubwa' kwenye grafu na mhimili wa y kuanzia 50?

A) Chati inapaswa kuachwa kama ilivyo kwani tofauti tayari inaonekana kubwa
B) Tofauti inapaswa kufichwa kabisa kwa kuonyesha wastani mmoja badala ya vikundi viwili
C) Tofauti inapaswa kufanywa kuwa ya kuvutia zaidi kwa kuongeza athari ya pande tatu kwenye grafu.
D) Mhimili wa Y unapaswa kuanzishwa kutoka sifuri; mhimili uliopunguzwa hupotosha msomaji kwa kutia chumvi tofauti ndogo ✔

Maelezo: Mhimili uliopunguzwa (sio kuanzia sifuri) hupotosha tofauti ndogo kwa kuifanya ionekane kuwa kubwa. Katika chati ya bar ya uaminifu, mhimili unapaswa kuanza kwa sifuri; hivyo tofauti inaonekana katika ukubwa wake halisi, mdogo. Kusudi la taswira sio ushawishi, lakini mawasiliano sahihi.

8. Kwa nini kufuta tu majina kutoka kwa nakala mara nyingi haitoshi kutokujulikana?

A) Kufuta jina kunatosha kila wakati; hakuna taarifa nyingine inayoonyesha utambulisho
B) Indirect identifiers (unique role, location, rare feature) can give away a person without their name ✔
C) Kuficha utambulisho ni muhimu tu ikiwa kuna nambari ya simu
D) Kufuta majina hakuna maana kwa sababu kunafanya maandishi kutosomeka

Maelezo: Kufuta jina tu haitoshi; Indirect descriptors such as 'the only pharmacist in neighborhood X' or 'the only female inspector in the municipality' can give the person away on their own. Kuficha utambulisho sahihi kunahitaji kufuta vitambulishi vyote vya moja kwa moja na visivyo vya moja kwa moja.

9. Kwa nini ni muhimu kurekodi vidokezo, mfano uliotumiwa na tarehe katika uchambuzi uliofanywa na akili ya bandia?

A) Kwa kuwa ni wajibu wa kisheria tu, haina thamani ya kisayansi
B) Vidokezo huwekwa kwa sababu za kibiashara kwa sababu vina hakimiliki.
C) Hufanya mchakato ufuatiliwe na uweze kuzaliana tena; Vinginevyo, 'AI nilisema' haingekuwa uhalali wa kisayansi ✔
D) Usajili ni utaratibu tu kwa sababu mtindo daima hutoa jibu sawa

Maelezo: Miundo ya lugha haitoi jibu sawa kila mara; Ikiwa vidokezo na maelezo ya mfano hayatarekodiwa, mchakato unakuwa kisanduku cheusi na hakuna mtu mwingine (hata wewe) anayeweza kuzalisha kazi tena. Rekodi hizi ndio 'bili ya nyenzo' ya kazi na ndio msingi wa kuzaliana.

10. Uko wapi mstari kati ya matumizi halali ya akili ya bandia katika uandishi wa kitaaluma na ukiukaji wa uadilifu wa kitaaluma?

A) AI inaweza kukusaidia kueleza maudhui yako mwenyewe; Hata hivyo, ni ukiukaji kwako kufikiria kwa niaba yako na kutoa maudhui na kuyawasilisha kama kazi yako ✔
B) Maandishi yoyote yanayotolewa na akili ya bandia yanaweza kutumika moja kwa moja, mradi tu sarufi ni sahihi.
C) Maadamu akili ya bandia inaongeza rasilimali, kuchapisha yaliyomo kabisa kwake hakuna shida.
D) Matumizi ya akili ya bandia ni marufuku chini ya hali zote na haiwezi kutumika katika hatua yoyote.

Ufichuzi: Kutumia AI kufafanua rasimu yako mwenyewe na kuboresha lugha na muundo ni halali na kutangazwa kwa uwazi. Having content written by artificial intelligence and presenting it as your own work both violates originality and almost certainly produces fabricated sources. Line: AI hukusaidia kueleza mawazo yako, haikufikirii.

11. Je, kanuni ya 'Ubora wa mwisho-hadi-mwisho ni chini ya hatua dhaifu' inamaanisha nini katika utafiti wa kijamii?

A) Hatua ya mwisho tu, tahajia, ni muhimu; makosa katika hatua za awali hurekebishwa na tahajia.
B) Hatua zinajitegemea; Hitilafu katika moja haiathiri wengine
C) Awamu yenye nguvu zaidi huokoa mlolongo mzima, hivyo kuzingatia awamu moja ni ya kutosha
D) Udhaifu katika hatua moja (sampuli ya upendeleo, chanzo kisichothibitishwa) hauwezi kusahihishwa katika hatua za baadaye na kudhoofisha utafiti mzima ✔

Ufafanuzi: Uamuzi katika kila hatua huathiri ijayo: sampuli ya upendeleo haiwezi kuokolewa hata kwa uchambuzi kamili; Chanzo ambacho hakijathibitishwa kinakanusha hata maandishi bora zaidi. Kwa hiyo, kanuni sawa za matumizi ya kuwajibika zinapaswa kutumika katika kila hatua, kutoka kwa kubuni hadi nyaraka.

12. If the artificial intelligence summarizes a transcript you gave and adds a frame that is not in the text, such as 'elderly people are afraid of technology', what is this an example of?

A) Ni muhtasari sahihi wa maoni ya kweli ya mshiriki
B) Ni utangulizi wa dhana potofu inayobebwa na akili ya bandia kutoka kwa data yake ya mafunzo hadi data ✔
C) Ni matokeo ya mtihani wa umuhimu wa takwimu
D) Ni uthibitisho kwamba kutokutambulisha kumetekelezwa kwa mafanikio

Ufafanuzi: Huu ni mfano wa dhana potofu (stereotypical generalization) ambayo AI hubeba kutoka kwa maandishi ambayo imefunzwa. Mfano unaweza kuongeza hukumu ambayo haipo kwenye data. Mtafiti apalilie nyongeza hii kwa kusema 'tegemea tu kauli zilizo katika maandishi'.

13. Ni lipi kati ya yafuatayo ambalo ni swali la utafiti lenye finyu?

A) Kwa nini jamii iko katika hali hii?
B) Je, watu wana furaha?
C) Je, ni sababu zipi za wanafunzi wa vyuo vikuu wenye umri wa kati ya miaka 18-25 kutoshiriki katika chaguzi za mitaa? ✔
D) What is the relationship between social media and everything?

Ufafanuzi: Swali zuri la utafiti linajibiwa, lina mipaka, na lina maana; Idadi ya watu, muktadha na umakini wake ni wazi. Rather than a broad request such as 'Why are young people turning away from politics?', a question that includes a specific age group, context and concrete focus is researchable.

14. Why isn't it true triangulation if two different online surveys recruit participants from the same social media group and yield the same results?

A) Vyanzo hivi viwili si huru kwa sababu vinatoka kwa sampuli moja ya upendeleo; hii ni marudio ya upendeleo huo ✔
B) Siku zote sio lazima kutumia tafiti mbili, uchunguzi mmoja unatosha
C) Uchunguzi wa mtandaoni kamwe hautoi data halali
D) Ukweli kwamba wanatoa matokeo sawa inathibitisha kuwa matokeo ni sahihi kabisa.

Ufafanuzi: Utatuzi ni kupima matokeo yaliyo na vyanzo huru vya kweli. Ikiwa vyanzo viwili vinatoka kwa sampuli moja ya upendeleo, ni kupotosha kwao 'kuthibitisha' kila mmoja; hii ni marudio ya upendeleo sawa, si uthibitisho huru.