Faida:
- Uwezo wa kugundua mitego inayoongoza, mara mbili na isiyoeleweka katika maswali ya uchunguzi na kuunganisha kila swali kwa dhana
- Uwezo wa kufanya mahesabu halisi ya takwimu katika programu na kutumia akili ya bandia tu kwa uteuzi wa mbinu na tafsiri.
- Uwezo wa kutofautisha umuhimu wa takwimu kutoka kwa umuhimu wa vitendo na kuangalia mawazo ya mtihani
Utafiti wa kiasi ni mkabala unaopima matukio ya kijamii na nambari na kuyachanganua kwa takwimu: hutafuta majibu ya maswali kama vile watu wangapi, kwa kiwango gani, kuna tofauti gani kati ya vikundi gani. Chombo cha kawaida cha mbinu hii ni uchunguzi-mbinu ya kukusanya data linganifu kutoka kwa idadi kubwa ya watu kwa kutumia maswali ya kawaida. Kuweka uchunguzi mzuri na kuchambua data zinazoingia kwa usahihi kunahitaji ujuzi; Swali mbaya linaharibu matokeo tangu mwanzo. Katika kitengo hiki, utajifunza jinsi ya kutumia AI kuunda maswali ya uchunguzi, kuunda mizani (chaguo za majibu zinazokadiria mtazamo, k.m. "nakubali kabisa ... sikubaliani kabisa"), na kuchambua data inayoingia; lakini utajifunza kwa nini unapaswa kuhifadhi hukumu ya takwimu.
Ambapo AI ni ya thamani zaidi katika uchanganuzi wa kiasi sio katika hesabu yenyewe, lakini katika kuelezea jinsi ya kufanya hesabu na nini maana ya matokeo. AI inaweza kukuelezea msimbo wa uchanganuzi (k.m. amri za kutumia R au Python), kuelezea kwa lugha rahisi wakati wa kutumia jaribio la takwimu, na kukusaidia kutafsiri matokeo. Lakini usiamini kamwe nambari ambazo AI hutengeneza "juu ya kichwa chako" katika maandishi: muundo wa lugha sio kikokotoo na unaweza kutoa maana isiyo sahihi, asilimia au thamani ya p. Hesabu halisi inafanywa katika mpango halisi wa takwimu.
Hatua kwa hatua: kutoka kwa uchunguzi hadi ukaguzi
1. Unganisha kila swali na dhana. Kila swali unaloweka katika utafiti linapaswa kupima dhana katika swali lako la utafiti. Usiongeze maswali kwa sababu tu "itapendeza." AI hukusaidia kuangalia ramani ya swali-maswali kwenye jedwali.
2. Palilia maswali mabaya. Maswali yanayoongoza ("Je, umeridhika na huduma hii kuu?"), maswali mawili ("Je, huduma ilikuwa ya haraka na ya bei nafuu?"), maswali yasiyoeleweka ("Je, uliipenda mara nyingi?") hupotosha data. AI ni mzuri katika kuripoti hitilafu hizi katika rasimu ya utafiti wako.
3. Weka kipimo mara kwa mara. Iwapo unatumia kipimo cha Likert (kipimo cha makubaliano cha pointi 5 au 7), weka mwelekeo na ukadiriaji sawia katika utafiti wote. AI hupata kutokwenda.
4. Futa data. Data inayoingia inaweza kuwa na majibu yanayokosekana, kutofautiana, au rekodi mbili za mtu mmoja. AI inaweza kuorodhesha hatua za kusafisha na msimbo wa rasimu; Unaamua.
5. Chagua kipimo sahihi na UTAFSIRI. Je, unalinganisha makundi mawili, unatafuta uhusiano? AI inaelezea ni mtihani gani unaofaa; Ni kazi yako kuendesha jaribio katika programu na kusoma na kupata maana ya matokeo.
Makini: Usiambie AI "hesabu wastani wa data hii" na uandike nambari inayotokana moja kwa moja kwenye ripoti. Mfano wa lugha hufanya makosa katika hesabu. Fanya hesabu katika lahajedwali au mpango wa takwimu; Tumia AI kwa njia na tafsiri yake pekee.
kesi tatu ndogo
Kesi 1 - Swali kuu limesahihishwa. Rasimu ya uchunguzi iliuliza "Umeridhishwa kwa kiasi gani na huduma ya usafiri ya manispaa yetu iliyofaulu?" Alikuwa na swali. AI ilitia alama kuwa kivumishi "imefaulu" kilisukuma jibu kuwa chanya. Swali ni "Je, unatathminije huduma ya usafiri ya manispaa?" ilibadilishwa na matokeo yalikuwa ya usawa zaidi.
Kesi ya 2 - Hesabu isiyo sahihi ya AI imepatikana. Mtafiti alibandika mistari 300 ya data kama maandishi kwenye AI na kusema "pata umri wa wastani"; YZ ilisema 34.2. Wakati data sawa iliwekwa kwenye jedwali, wastani halisi ulikuwa 31.7. AI ilikuwa imekosea ndani ya maandishi; Ilirekebishwa akaunti ilipohamishwa hadi kwenye programu.
Kesi ya 3 - Uchaguzi wa jaribio umefafanuliwa. Timu ilitaka kulinganisha wastani wa alama za vikundi viwili lakini haikujua ni mtihani upi wa kutumia. YZ alielezea kuwa mtihani wa t (jaribio ambalo hujaribu ikiwa tofauti kati ya njia za vikundi viwili ni za nasibu) lilikuwa sahihi kwa "vikundi viwili huru, tofauti inayoendelea", iliyoorodhesha mawazo yake, na kutoa rasimu ya kanuni. Timu iliendesha jaribio katika programu na kutafsiri matokeo.
Violezo vinne vinavyoweza kunakiliwa
1) Ukaguzi wa maswali ya uchunguzi:
Kagua maswali ya utafiti hapa chini. Angalia kwa kila swali: inaongoza, ni swali mara mbili (mambo mawili katika swali moja), ni utata, chaguzi za majibu zinapishana/hazina? Toa tatizo na toleo bora zaidi bega kwa bega. Angalia ikiwa mwelekeo wa kipimo ni thabiti.Maswali: [hapa]
2) Jedwali la ramani ya dhana-maswali:
Swali langu la utafiti: [swali]. Dhana zangu kuu: [orodha]. Panga maswali ya utafiti yafuatayo katika jedwali: kila swali hupima dhana gani? Weka alama kwenye maswali ambayo hayaunganishi na dhana yoyote ("ziada") na dhana ambazo hazina maswali ("bila kazi"). Kura ya maoni: [hapa]
3) Mpango wa kusafisha data (rasimu ya kanuni):
Nina data ya uchunguzi iliyo na vijiti vifuatavyo: [vigezo]. Nipe orodha hakiki ya kusafisha data na rasimu ya msimbo ILIYO NA MISTARI YA MAONI ya [R/Python]: kukosa data, viambajengo, rekodi nakala, usimbaji usiolingana. Nitaendesha nambari na kuthibitisha matokeo; Usifanye hesabu.
4) Maoni ya takwimu (nilifanya hesabu):
Niliendesha [jina la jaribio] na nikapata matokeo yafuatayo: [pato]. Tafsiri tokeo hili kwa lugha rahisi: maana yake katika mazoezi, tofautisha kati ya umuhimu wa takwimu na umuhimu wa kiutendaji, na ukukumbushe ni mawazo gani yanahitaji kuangaliwa. Do not exaggerate the result; Niambie mipaka yako pia.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Kuhesabu njia za vikundi katika data hii na ueleze ni ipi iliyo ya juu zaidi. [mistari 500 ya data]
AI inajaribu kukokotoa ndani ya maandishi na inaweza kutoa nambari zisizo sahihi. Aidha, ni uhakika kujibu swali "Je, kuna tofauti kubwa" bila kupima takwimu.
Agizo lenye nguvu:
Ninataka kulinganisha alama za vikundi viwili: tofauti inayoendelea, vikundi viwili huru. (1) Ni mtihani gani wa takwimu unafaa na kwa nini? (2) Mawazo yake ni yapi? (3) Rasimu ya msimbo wa maoni ya [R/Python]. Nitafanya hesabu katika programu; You just give the method and code, don't generate numbers.
Tofauti: AI haitumiki tena kama kikokotoo kisichotegemewa, lakini kama mshauri wa njia inayotegemewa.
Mgawanyiko wa kazi katika kazi za kiasi
Jitihada
Je, AI iko salama?
Jinsi ya kutumia
Ukaguzi wa muundo wa maswali
Ndiyo
Kuashiria mitego
Uthabiti wa mizani
Ndiyo
orodha ya ukaguzi
Msimbo wa kufuta data
Ndiyo (rasimu)
Unaendesha msimbo
Akaunti ya maandishi
hapana
Usiamini kamwe
Uchaguzi wa mtihani
Ndiyo
Eleza mbinu
Kuhitimisha maoni
Ndio (msaada)
Ni juu yako kuhukumu
Makosa ya kawaida
- Moja kwa moja kwa kutumia nambari inayotokana na AI. Kielelezo cha lugha si sahihi katika hesabu; Fanya hesabu kwenye programu.
- Kuweka swali la kuongoza. Vivumishi na dhana hupotosha jibu.
- Inachanganya umuhimu wa takwimu na umuhimu wa vitendo. "Muhimu" inaweza hata kuwa tofauti ndogo; Angalia ukubwa.
- Kuruka mawazo. Kila mtihani una sharti; Usitoe maoni bila kuangalia.
- Kuuliza maswali ya ziada. Kila swali la uchunguzi linapaswa kuunganishwa na dhana; iliyobaki inaongeza data.
Kwa muhtasari
AI katika utafiti wa kiasi; Yeye ni mshauri dhabiti katika kukamata mitego ya maswali ya uchunguzi, ramani ya maswali ya dhana, kuandaa msimbo wa kusafisha na uchanganuzi wa data, na kutafsiri matokeo kwa lugha rahisi. Lakini usiruhusu AI ifanye hesabu halisi; Mfano wa lugha sio kikokotoo. Unachagua jaribio, lakini unaendesha katika programu, soma matokeo, na utofautishe kati ya umuhimu wa takwimu na umuhimu wa vitendo. AI huharakisha njia; Jukumu la suala na maoni ni lako.
Jukumu la maombi
Andika rasimu ya utafiti yenye maswali 10. Kuwa na bendera ya AI na sahihi maswali yanayoongoza, yaliyorudiwa na yenye utata kwa kutumia kiolezo cha "Ukaguzi wa maswali ya kura". Kisha unda sampuli ndogo ya data (safu 20-30) na uhesabu wastani na asilimia halisi katika mpango wa lahajedwali; Toa data sawa kwa AI kama maandishi, linganisha na nambari zinazotokana na uripoti tofauti. Mwishowe, towe la jaribio litafsiriwe na kiolezo cha "tafsiri ya takwimu".
orodha ya ukaguzi
- [ ] Niliunganisha kila swali la uchunguzi na dhana.
- [ ] Niliondoa maswali yanayoongoza, mawili na yenye utata.
- [ ] Nilifanya hesabu halisi katika mpango wa takwimu, sio AI.
- [ ] Niliangalia mawazo ya mtihani.
- [ ] Nilitofautisha umuhimu wa takwimu na umuhimu wa vitendo.