ขั้นตอนการทำงานแบบครบวงจร การกำกับดูแล และการใช้งานอย่างมีความรับผิดชอบ

กำไร:

• ความสามารถในการวางแผนการวิจัยเป็นขั้นตอนการทำงานหกขั้นตอนที่สอดคล้องกันตั้งแต่การออกแบบไปจนถึงเอกสาร
• ความสามารถในการกำหนดขีดจำกัดการใช้งานอย่างปลอดภัยของปัญญาประดิษฐ์ในแต่ละขั้นตอน และตรวจสอบผลลัพธ์ก่อนหน้าในการเปลี่ยนขั้นตอน
• ความสามารถในการสร้างเกณฑ์วิธีการใช้งานอย่างรับผิดชอบในระดับทีมและประเมินตนเองตามหลักการพื้นฐาน 5 ประการ

ในสิบหน่วยก่อนหน้านี้ เราได้ครอบคลุม AI ในแต่ละขั้นตอนของการวิจัยทางสังคม: คำถามและวรรณกรรม การสุ่มตัวอย่าง การสำรวจและการวิเคราะห์เชิงปริมาณ การเข้ารหัสและธีมเชิงคุณภาพ วิธีการแบบผสมผสาน การสร้างภาพ จริยธรรม การทำซ้ำ และการเขียน เรานำทุกอย่างมารวมกันในหน่วยสุดท้ายนี้ เป้าหมายคือการเชื่อมโยงทักษะส่วนบุคคลเข้ากับขั้นตอนการทำงานแบบ end-to-end ซึ่งเป็นกระบวนการที่สอดคล้องกัน ปลอดภัย และซื่อสัตย์ ตั้งแต่คำถามในการวิจัยไปจนถึงผลการวิจัยที่ตีพิมพ์ นอกจากนี้เรายังจะพูดถึงมากกว่าแค่ตัวบุคคลและพูดคุยเกี่ยวกับการกำกับดูแล: กฎที่ใช้ร่วมกันสำหรับวิธีที่ทีม แผนก หรือสถาบันสามารถใช้ AI อย่างมีความรับผิดชอบในการวิจัยทางสังคม

คุณค่าของการคิดตั้งแต่ต้นจนจบคือการตัดสินใจในแต่ละขั้นจะส่งผลต่อขั้นต่อไป ไม่สามารถบันทึกตัวอย่างที่มีความเอนเอียงได้แม้จะทำการวิเคราะห์ที่สมบูรณ์แบบก็ตาม แหล่งที่มาที่ไม่ได้รับการยืนยันจะหักล้างแม้แต่งานเขียนที่ดีที่สุด นั่นเป็นเหตุผลว่าทำไมจึงจำเป็นต้องใช้ AI ด้วยหลักการเดียวกันในทุกขั้นตอน: ป้อนทรัพยากรที่มีประสิทธิภาพ ตรวจสอบทุกผลลัพธ์ ปกป้องวิจารณญาณของมนุษย์ ดูแลหลักจริยธรรมและความเป็นส่วนตัวล่วงหน้า บันทึกกระบวนการอย่างโปร่งใส หลักการเหล่านี้สามารถสรุปได้เป็นประโยคเดียว: AI เร่งการวิจัย แต่ไม่ได้แทนที่ผู้วิจัย

ทีละขั้นตอน: การไหลแบบ end-to-end

1. การออกแบบ (คำถาม + จริยธรรม + ตัวอย่าง) ตั้งคำถามที่ชัดเจน ทบทวนการอนุมัติด้านจริยธรรมและการวางแผนการรักษาความลับ และประเมินความเป็นตัวแทนของกลุ่มตัวอย่าง ในขั้นตอนนี้ AI จะช่วยจำกัดคำถามและคัดกรองความเสี่ยงด้านจริยธรรม

2. การเก็บรวบรวมข้อมูล (แบบสำรวจ + สัมภาษณ์) เตรียมแบบสำรวจและคู่มือการสัมภาษณ์ที่ชัดเจน AI จับกับดักคำถาม งานรวบรวมข้อมูลและความสัมพันธ์ของผู้เข้าร่วมเป็นของคุณ

3. การประมวลผล (การทำความสะอาด + การเขียนโค้ด + การไม่เปิดเผยชื่อ) ไม่ระบุชื่อ ทำความสะอาด เข้ารหัสข้อมูล AI สร้างพิมพ์เขียว คุณอนุมัติทุกการตัดสินใจและ codebook

4. การวิเคราะห์ (เชิงปริมาณ + เชิงคุณภาพ + สามเหลี่ยม) รันสถิติผ่านโปรแกรม เชื่อมต่อธีมด้วยเครื่องหมายคำพูด ตรวจสอบความถูกต้องของผลการวิจัย AI อธิบายวิธีการ ไม่ใช่การคำนวณ

5. การนำเสนอ (การแสดงภาพ + การเขียน) สร้างกราฟิกที่ตรงไปตรงมาและข้อความต้นฉบับ ทุกแหล่งที่มาและหมายเลขได้รับการตรวจสอบแล้ว มีการประกาศบทบาทของ AI

6. เอกสารประกอบ (บันทึกประจำวัน + การบันทึกพร้อมท์ + การแชร์) บันทึกการตัดสินใจ การแจ้ง และการแปลง และแบ่งปันข้อมูลและรหัสที่ไม่ระบุชื่อหากเป็นไปได้

เคล็ดลับ: เก็บรายการตรวจสอบตั้งแต่ต้นจนจบไว้ที่โต๊ะของคุณ ถามการเปลี่ยนแปลงแต่ละขั้นตอน: "ฉันได้ตรวจสอบผลลัพธ์ของขั้นตอนนี้แล้วหรือยัง ตัวอย่าง/จริยธรรม/แหล่งข้อมูลปลอดภัยหรือไม่ ฉันไม่ทิ้งร่องรอยไว้หรือไม่" Slack at one stage weakens the entire chain.

มินิเคสสามอัน

กรณีที่ 1 — จุดอ่อนที่สุดในสายโซ่ ทีมหนึ่งทำการวิเคราะห์เชิงคุณภาพที่ยอดเยี่ยม แต่กลุ่มตัวอย่างมาจากกลุ่มออนไลน์กลุ่มเดียว ไม่ว่าพวกเขาจะเขียนโค้ดได้ดีแค่ไหน การค้นพบก็ยังติดอยู่ในกลุ่มนี้ บทเรียน: คุณภาพแบบ end-to-end จะดีพอๆ กับระดับที่อ่อนแอที่สุดเท่านั้น อคติในการออกแบบไม่สามารถแก้ไขได้ในการวิเคราะห์

กรณีที่ 2 — การกำกับดูแลทีมทำงาน ศูนย์วิจัยแห่งหนึ่งได้เขียนโปรโตคอลการใช้งาน AI ทั่วไปสำหรับทั้งทีม: เครื่องมือใด ข้อมูลใดที่ไม่ระบุชื่อ และขั้นตอนการตรวจสอบใด ผู้ช่วยที่เพิ่งมาใหม่ทำงานอย่างปลอดภัยตั้งแต่วันแรกโดยปฏิบัติตามระเบียบการ ข้อผิดพลาดส่วนบุคคลลดลง

กรณีที่ 3 — โซ่โปร่งใสได้รับความไว้วางใจจากผู้ตัดสิน บทความหนึ่งแนบบันทึกการตัดสินใจ บันทึกพร้อมท์ และคำสั่ง AI ผู้ตรวจสอบสามารถดูกระบวนการตั้งแต่ต้นจนจบและตกลงกันว่ากระบวนการนี้ "มีประสิทธิผลและซื่อสัตย์" ความโปร่งใสคือกาวที่เชื่อมโยงแต่ละขั้นตอนเข้าด้วยกัน

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การสร้างรายการตรวจสอบแบบครบวงจร:

การวิจัยของฉันจะผ่านขั้นตอนต่อไปนี้: การออกแบบ การรวบรวมข้อมูล การประมวลผล การวิเคราะห์ การนำเสนอ และการจัดทำเอกสาร สร้างรายการตรวจสอบสำหรับแต่ละขั้นตอน: ฉันจะใช้ AI ได้อย่างปลอดภัยในขั้นตอนนั้นได้ที่ไหน ฉันควรตรวจสอบผลลัพธ์ใด ฉันควรพิจารณาความเสี่ยงด้านจริยธรรม/ความเป็นส่วนตัวใดบ้าง ฉันควรจัดทำเอกสารอะไรบ้าง ให้มันอยู่ในตาราง

2) ร่างโปรโตคอล AI ของทีม:

ร่างโปรโตคอลการใช้งาน AI สำหรับทีมวิจัยทางสังคม รวมถึง: เครื่องมือที่ได้รับอนุมัติ กฎการลบข้อมูลระบุตัวตน ซึ่งในบทบาท AI ได้รับอนุญาต/จำกัด/ห้าม ขั้นตอนการตรวจสอบบังคับ กฎการประกาศ AI ความรับผิดชอบ เขียนรายการที่เรียบง่ายและนำไปปฏิบัติได้

3) การควบคุมการเปลี่ยนเฟส:

ฉันเสร็จสิ้น [ระยะ X] แล้ว ฉันกำลังไปยัง [ระยะ Y] แสดงรายการสิ่งที่ฉันต้องตรวจสอบก่อนการเปลี่ยนแปลงนี้: ฉันได้ตรวจสอบผลลัพธ์ของขั้นตอนก่อนหน้าแล้วหรือยัง ฉันมีข้อผิดพลาด (ตัวอย่างผิด แหล่งที่มาที่ไม่ได้รับการยืนยัน การตัดสินใจที่ไม่ได้ติดตาม) ที่จะทำลายขั้นตอนถัดไปหรือไม่ ฉันพร้อมสำหรับการเปลี่ยนแปลงแล้วหรือยัง หากไม่ ฉันควรแก้ไขอะไรบ้าง

4) การประเมินตนเองในการใช้งานอย่างรับผิดชอบ:

ตรวจสอบงานวิจัยที่ฉันทำเพื่อการใช้ AI อย่างมีความรับผิดชอบ ให้คะแนนและชี้ให้เห็นจุดอ่อนโดยเทียบกับหลักการทั้ง 5 ประการนี้: (1) การจัดหาแหล่งที่มาที่แข็งแกร่ง (2) การตรวจสอบความถูกต้องของทุกผลลัพธ์ (3) การรักษาวิจารณญาณของมนุษย์ (4) จริยธรรมและการรักษาความลับ (5) เอกสารที่โปร่งใส กระบวนการ: [สรุป]

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

ทำวิจัยนี้ตั้งแต่ต้นจนจบด้วย AI และเสร็จสิ้น

นี่เป็นการพยายามถ่ายโอนความรับผิดชอบทั้งหมดให้กับโมเดล ผลลัพธ์: ตัวอย่างที่มีอคติ แหล่งที่มาที่ประดิษฐ์ขึ้น สถิติที่ไม่ได้รับการยืนยัน และข้อความที่ไม่สามารถป้องกันได้ ไม่มีขั้นตอนจากต้นทางถึงปลายทางที่ปลอดภัย

พรอมต์อันทรงพลัง:

ฉันต้องการวางแผนการวิจัยตั้งแต่ต้นจนจบ ในทุกขั้นตอน (การออกแบบ ข้อมูล การประมวลผล การวิเคราะห์ การนำเสนอ และการจัดทำเอกสาร) ข้อมูลนี้ทำหน้าที่เป็นแผนงานว่าฉันสามารถใช้ AI ได้อย่างปลอดภัยที่ไหน ที่ซึ่งจำเป็นต้องมีวิจารณญาณและการตรวจสอบจากมนุษย์ และความเสี่ยงด้านจริยธรรมและความเป็นส่วนตัวใดบ้างที่ฉันควรพิจารณา จำไว้ว่าฉันมีความรับผิดชอบ

ความแตกต่าง: แนวทางที่สองทำให้ AI เป็นเพื่อน ยอมรับตั้งแต่ต้นว่าการตัดสินใจและการตรวจสอบเป็นของมนุษย์

นโยบายการใช้งานอย่างมีความรับผิดชอบตั้งแต่ต้นทางถึงปลายทาง

หลักการ

ใบสมัคร

ในหน่วยไหน

ฟีดด้วยแหล่งอันทรงพลัง

ระบุข้อมูล/แหล่งที่มาของคุณเอง

1, 2

สอบถามตัวอย่าง

การเป็นตัวแทนและการตรวจสอบอคติ

3

ทำการคำนวณเข้าโปรแกรม

ทำให้ AI ผลิตตัวเลข

4

รักษาความภักดี

ลิงค์ใบเสนอราคาพร้อมหมายเลขบรรทัด

5

เปิดความขัดแย้งไว้

สามเหลี่ยมการนำเสนอที่ซื่อสัตย์

6, 7

จริยธรรมและความเป็นส่วนตัวมาก่อน

ไม่ระบุชื่อเครื่องมือที่ได้รับการตรวจสอบแล้ว

8

บันทึกกระบวนการ

ไดอารี่ บันทึกพร้อมท์

9

รักษาความคิดริเริ่ม

ตรวจสอบแหล่งที่มาเสียงของคุณเอง

10

ข้อผิดพลาดทั่วไป

• พิจารณาแยกขั้นตอนและลืมโซ่ อคติในระยะหนึ่งจะทำลายการศึกษาทั้งหมด
• การโอนความรับผิดชอบให้กับ AI การตัดสินใจ การตรวจสอบ และจริยธรรมขึ้นอยู่กับมนุษย์เสมอ
• ไม่มีกฎทั่วไปในทีม การใช้งานส่วนบุคคลทำให้เกิดความไม่สอดคล้องและความเสี่ยง
• ทิ้งเอกสารไว้เป็นครั้งสุดท้าย ร่องรอยจะยังคงอยู่ตลอดกระบวนการ ไม่สามารถจำได้ในภายหลัง
• เมื่อคุณเรียนรู้และผ่อนคลาย การใช้งานอย่างมีความรับผิดชอบเป็นวินัยที่นำมาใช้ใหม่ในทุกโครงการ

โดยสรุป

คุณค่าที่แท้จริงของ AI ในการวิจัยทางสังคมไม่ได้เกิดขึ้นในแต่ละงาน แต่ในขั้นตอนการทำงานที่สอดคล้องกันและมีความรับผิดชอบตั้งแต่ต้นจนจบ ใช้หลักการเดียวกันในทุกขั้นตอน ตั้งแต่การออกแบบไปจนถึงการจัดทำเอกสาร: แหล่งที่มาอย่างมีประสิทธิภาพ ตรวจสอบทุกผลลัพธ์ รักษาวิจารณญาณของมนุษย์ จัดลำดับความสำคัญด้านจริยธรรมและการรักษาความลับ บันทึกกระบวนการอย่างโปร่งใส ระเบียบปฏิบัติทั่วไปในระดับทีมทำให้หลักการเหล่านี้ถาวร โซ่จะแข็งแรงพอๆ กับจุดอ่อนที่สุดเท่านั้น อย่าผ่อนคลายในทุกขั้นตอน AI เร่งการวิจัยให้เร็วขึ้น แต่ไม่เคยแทนที่วิจารณญาณ ความรับผิดชอบ และความซื่อสัตย์ของผู้วิจัย

งานสมัคร

สร้างแผนงานหกขั้นตอนสำหรับโครงการวิจัยของคุณเอง (จริงหรือที่วางแผนไว้) ด้วยเทมเพลต "การสร้างรายการตรวจสอบจากต้นทางถึงปลายทาง" ในแต่ละขั้นตอน ให้จดบันทึกว่าคุณจะใช้ AI ที่ใด คุณจะตรวจสอบอะไร และคุณจะพิจารณาถึงความเสี่ยงด้านจริยธรรม/ความเป็นส่วนตัวใดบ้าง จากนั้นใช้เทมเพลต “การประเมินตนเองในการใช้งานอย่างมีความรับผิดชอบ” เพื่อให้คะแนนตัวเองเทียบกับหลักการทั้ง 5 ประการ ระบุจุดอ่อนที่สุด 2 ประการของคุณ และวิธีการเสริมความแข็งแกร่ง

รายการตรวจสอบ

• [ ] ฉันวางแผนการวิจัยเป็นหกขั้นตอนตั้งแต่ต้นจนจบ
• [ ] ฉันกำหนดขีดจำกัดการใช้งานอย่างปลอดภัยของ AI ในแต่ละขั้นตอน
• [ ] ฉันตรวจสอบผลลัพธ์ก่อนหน้าในแต่ละช่วงการเปลี่ยนภาพ
• [ ] รักษาจริยธรรม การรักษาความลับ และเอกสารประกอบตลอด
• [ ] ฉันได้ประเมินตนเองในการใช้งานอย่างมีความรับผิดชอบโดยยึดหลักห้าประการ

การสอบโมดูล

1. ข้อใดต่อไปนี้คือตำแหน่งที่ถูกต้องที่สุดสำหรับปัญญาประดิษฐ์ในสังคมวิทยาและการวิจัยทางสังคม

• ก) ปัญญาประดิษฐ์สามารถตอบคำถามการวิจัย การตีความ และการตัดสินใจทางจริยธรรมได้ด้วยตัวเองโดยไม่ต้องได้รับการอนุมัติจากมนุษย์
• B) ปัญญาประดิษฐ์ใช้งานได้เฉพาะในการสรุปข้อความเท่านั้น ไม่เกี่ยวข้องกับขั้นตอนการวิจัยอื่นๆ
• C) ปัญญาประดิษฐ์คือข้อมูลสรุป การถอดเสียง รหัส และผู้ช่วยแบบร่าง ผู้วิจัยมีหน้าที่รับผิดชอบในการตีความ กรอบการทำงาน และการตัดสินใจด้านจริยธรรม ✔
• ง) เนื่องจากปัญญาประดิษฐ์มีความเป็นกลางมากกว่ามนุษย์เสมอ การตีความจึงควรปล่อยให้เป็นหน้าที่ของมันโดยสิ้นเชิง

คำอธิบาย: ปัญญาประดิษฐ์; เป็นผู้ช่วยสรุปข้อความ แก้ไขทรานสคริปต์ แนะนำโค้ด และเขียนแบบร่าง ความรับผิดชอบในงานวิพากษ์วิจารณ์ เช่น คำถามวิจัย กรอบทฤษฎี การตัดสินตัวอย่าง การตีความ และการตัดสินใจทางจริยธรรมเป็นของผู้วิจัย ผลลัพธ์ที่ไม่ได้รับการยืนยันอาจนำไปสู่การอ้างอิงที่เป็นเท็จ สถิติที่ประดิษฐ์ขึ้น หรือการระบุแหล่งที่มาที่ไม่ถูกต้อง

2. เหตุใดจึงมีความเสี่ยงที่จะบอกปัญญาประดิษฐ์โดยตรงว่า 'แสดงรายการบทความที่สำคัญที่สุด 10 อันดับแรกในเรื่องนี้พร้อมบรรณานุกรม' เมื่อสแกนวรรณกรรม

• ก) AI สามารถสร้างแหล่งที่มา ผู้เขียน และ DOI ที่ดูสมจริงแต่ไม่มีอยู่จริง คุณต้องค้นหาแหล่งที่มาจากฐานข้อมูล✔
• B) ปัญญาประดิษฐ์ทำงานช้ามากและเสียเวลาในการจัดทำรายการทรัพยากร
• C) ปัญญาประดิษฐ์คิดถึงวรรณกรรมตุรกีเพราะสามารถค้นหาได้เฉพาะแหล่งข้อมูลภาษาอังกฤษเท่านั้น
• ง) รายการเติบโตขึ้นเมื่อปัญญาประดิษฐ์ทำซ้ำแหล่งเดียวกันหลายครั้ง

Description: Literature review is the task where AI produces the most hallucinations; สามารถสร้างบทความ ผู้เขียน และ DOI ที่ดูสมจริงแต่ไม่มีอยู่จริง การค้นหาแหล่งที่มาเป็นงานของฐานข้อมูล AI ควรสังเคราะห์เฉพาะข้อมูลสรุปจริงที่คุณพบเท่านั้น

3. ในแง่ของปัญหาใดผลความพึงพอใจ 78% ในการสำรวจที่โพสต์บนเว็บไซต์ของเทศบาลควรได้รับการตีความอย่างระมัดระวังที่สุด?

• A) การคำนวณเปอร์เซ็นต์ไม่ถูกต้อง อัตราความพึงพอใจไม่สามารถแสดงเป็นตัวเลขเดียวได้
• B) เนื่องจากแบบสำรวจยาวเกินไป ผู้เข้าร่วมรู้สึกเบื่อและสุ่มตอบ
• C) เป็นไปไม่ได้ในเชิงสังคมวิทยาที่จะวัดความพึงพอใจ ดังนั้นผลลัพธ์จึงไม่ถูกต้อง
• D) ตัวอย่างมีความลำเอียงในการเลือก เนื่องจากมีเพียงผู้ใช้เว็บไซต์เท่านั้นที่สามารถเข้าร่วมได้ การค้นพบนี้จึงไม่สามารถสรุปได้ทั่วไปในสังคมทั้งหมด ✔

คำอธิบาย: แบบสำรวจที่โพสต์บนเว็บไซต์แสดงถึงผู้ที่ใช้งานเว็บไซต์อยู่แล้ว (ผู้ที่สามารถเข้าถึงบริการและน่าจะพึงพอใจมากกว่า) นี่คือความลำเอียงในการเลือก การค้นพบนี้สามารถสรุปได้เฉพาะกับ 'ผู้ใช้ไซต์' เท่านั้น ไม่ใช่กับสังคมทั้งหมด

4. ทำไมการวางชุดข้อมูล 300 แถวเป็นข้อความแล้วบอก AI ให้ 'คำนวณค่าเฉลี่ย' จึงไม่ปลอดภัย

• ตอบ) เนื่องจากปัญญาประดิษฐ์สามารถอ่านข้อมูลได้มากถึง 100 บรรทัดเท่านั้น จึงละทิ้งไปมากกว่านี้
• B) โมเดลภาษาไม่ใช่เครื่องคิดเลข เมื่อทำเลขคณิตในข้อความแล้วอาจได้ตัวเลขผิดต้องคำนวณในโปรแกรม✔
• C) ค่าเฉลี่ยเป็นการวัดที่ไม่มีความหมายทางสังคมวิทยา และไม่ควรคำนวณเลย
• D) เมื่อข้อมูลถูกวางเป็นข้อความ AI จะลบข้อมูลนั้นโดยอัตโนมัติ

คำอธิบาย: แบบจำลองภาษาไม่ใช่เครื่องคิดเลขและอาจสร้างค่าเฉลี่ย เปอร์เซ็นต์ หรือค่า p ไม่ถูกต้องเมื่อคำนวณทางคณิตศาสตร์ในข้อความ การคำนวณจริงควรทำในโปรแกรมหรือตารางทางสถิติ AI ควรใช้สำหรับวิธีการและการตีความเท่านั้น

5. สิ่งที่ควรทำก่อนที่จะยอมรับคำพูดที่แนะนำโดยปัญญาประดิษฐ์ในการวิเคราะห์ธีมเชิงคุณภาพ?

• A) หากใบเสนอราคาดูคล่องและน่าประทับใจ คุณสามารถเพิ่มลงในรายงานได้โดยตรง
• B) หากความยาวของใบเสนอราคาไม่เกินหนึ่งย่อหน้า ก็ไม่จำเป็นต้องตรวจสอบ
• C) ควรยืนยันด้วยหมายเลขบรรทัดว่าใบเสนอราคาปรากฏจริงในการถอดเสียง ✔
• D) ใบเสนอราคามีความน่าเชื่อถือโดยอัตโนมัติเนื่องจากปัญญาประดิษฐ์อ้างอิงแหล่งที่มา

คำอธิบาย: หัวใจของการวิจัยเชิงคุณภาพคือความซื่อสัตย์ต่อคำพูดของผู้เข้าร่วมเอง AI สามารถเรียบเรียงคำพูดได้คล่องแต่ไม่มีอยู่ใน Transcript เลย ดังนั้นแต่ละคำพูดควรเชื่อมโยงและตรวจสอบกับข้อความจริงในข้อความและควรเป็นหมายเลขบรรทัด

6. หากในการศึกษา 72% พูดว่า 'ฉันรีไซเคิล' ในแบบสำรวจ แต่ในการสัมภาษณ์ส่วนใหญ่บอกว่าพวกเขาทำมันไม่สม่ำเสมอ ควรจัดการกับความขัดแย้งนี้อย่างไร

• ก) ไม่ควรซ่อนความขัดแย้ง ควรนำเสนอเป็นข้อค้นพบพร้อมคำอธิบายที่เป็นไปได้ เช่น อคติต่อความพึงพอใจทางสังคม ✔
• B) ข้อมูลการสัมภาษณ์ควรถูกยกเลิกเนื่องจากไม่ถูกต้อง และควรรายงานเฉพาะผลการสำรวจเท่านั้น
• C) ควรทิ้งข้อมูลการสำรวจเนื่องจากไม่ถูกต้อง ควรรายงานเฉพาะการสัมภาษณ์เท่านั้น
• ง) ข้อมูลทั้งสองควรถูกลบออกจากรายงานเนื่องจากความขัดแย้งเป็นเรื่องที่น่าอาย

คำอธิบาย: ความแตกต่างระหว่างการค้นพบเชิงปริมาณและเชิงคุณภาพไม่ใช่ข้อบกพร่อง แต่มักเป็นการค้นพบที่มีค่าที่สุด ความขัดแย้งในที่นี้ชี้ไปที่ปรากฏการณ์ เช่น 'อคติต่อความปรารถนาทางสังคม' และควรนำเสนอเป็นข้อค้นพบโดยไม่ต้องปิดบัง

7. ควรทำอย่างไรหากความแตกต่างระหว่างสองกลุ่ม (51% เทียบกับ 54%) ดูเหมือน 'ช่องว่างขนาดยักษ์' บนกราฟที่มีแกน y เริ่มต้นที่ 50

• A) ควรปล่อยแผนภูมิไว้เหมือนเดิมเนื่องจากความแตกต่างดูใหญ่อยู่แล้ว
• B) ความแตกต่างควรถูกซ่อนไว้อย่างสมบูรณ์โดยการแสดงค่าเฉลี่ยเดียวแทนที่จะเป็นสองกลุ่ม
• C) ควรสร้างความแตกต่างให้น่าประทับใจยิ่งขึ้นด้วยการเพิ่มเอฟเฟกต์สามมิติให้กับกราฟ
• D) แกน Y ควรเริ่มต้นจากศูนย์ แกนที่ถูกตัดทอนทำให้ผู้อ่านเข้าใจผิดโดยพูดเกินจริงถึงความแตกต่างเล็กๆ น้อยๆ ✔

คำอธิบาย: แกนที่ถูกตัดทอน (ไม่ได้เริ่มต้นจากศูนย์) ทำให้เกิดความเข้าใจผิดเล็กน้อยโดยทำให้ดูเหมือนใหญ่มาก ในแผนภูมิแท่งแบบตรงไปตรงมา แกนควรเริ่มต้นที่ศูนย์ จึงเห็นความแตกต่างได้ในขนาดจริงที่เล็ก จุดประสงค์ของการมองเห็นไม่ใช่การโน้มน้าวใจ แต่เป็นการสื่อสารที่ถูกต้อง

8. เหตุใดการลบชื่อออกจากใบรับรองผลการเรียนจึงไม่เพียงพอต่อการไม่เปิดเผยตัวตน?

• A) การลบชื่อก็เพียงพอแล้ว ไม่มีข้อมูลอื่นใดที่เปิดเผยตัวตน
• B) ตัวระบุทางอ้อม (บทบาทเฉพาะ ตำแหน่ง คุณลักษณะที่หายาก) สามารถเปิดเผยบุคคลที่ไม่มีชื่อได้ ✔
• C) การไม่เปิดเผยตัวตนจำเป็นเฉพาะในกรณีที่มีหมายเลขโทรศัพท์เท่านั้น
• D) การลบชื่อไม่มีความหมายเพราะจะทำให้อ่านข้อความไม่ได้

คำอธิบาย: แค่ลบชื่อยังไม่เพียงพอ คำอธิบายทางอ้อม เช่น 'เภสัชกรเพียงคนเดียวในละแวก X' หรือ 'สารวัตรหญิงเพียงคนเดียวในเขตเทศบาล' สามารถให้บุคคลนั้นออกไปได้ด้วยตนเอง การลบข้อมูลระบุตัวตนอย่างเหมาะสมจำเป็นต้องล้างตัวระบุทั้งทางตรงและทางอ้อมทั้งหมด

9. เหตุใดการบันทึกคำแนะนำ แบบจำลองที่ใช้ และวันที่ในการวิเคราะห์ที่ดำเนินการด้วยปัญญาประดิษฐ์จึงมีความสำคัญ

• ก) เนื่องจากเป็นเพียงข้อผูกพันทางกฎหมาย จึงไม่มีคุณค่าทางวิทยาศาสตร์
• B) ข้อความแจ้งจะถูกเก็บไว้เพื่อเหตุผลทางการค้าเนื่องจากมีลิขสิทธิ์
• C) ทำให้กระบวนการสามารถตรวจสอบย้อนกลับและทำซ้ำได้ ไม่เช่นนั้น 'AI พูดอย่างนั้น' จะไม่ใช่เหตุผลทางวิทยาศาสตร์ ✔
• D) การลงทะเบียนเป็นเพียงพิธีการเพราะแบบจำลองจะให้คำตอบเดียวกันเสมอ

คำอธิบาย: โมเดลภาษาไม่ได้ให้คำตอบที่เหมือนกันทุกครั้ง หากไม่ได้บันทึกข้อความแจ้งและข้อมูลโมเดล กระบวนการจะกลายเป็นกล่องดำและไม่มีใครอื่น (แม้แต่คุณ) ที่สามารถทำซ้ำงานได้ บันทึกเหล่านี้เป็น 'รายการวัสดุ' ของงานและเป็นพื้นฐานของความสามารถในการทำซ้ำ

10. เส้นแบ่งระหว่างการใช้ปัญญาประดิษฐ์อย่างถูกกฎหมายในการเขียนเชิงวิชาการและการละเมิดความซื่อสัตย์ทางวิชาการอยู่ที่ไหน?

• ก) AI สามารถช่วยคุณแสดงเนื้อหาของคุณเองได้ อย่างไรก็ตาม การคิดแทนคุณและผลิตเนื้อหาและนำเสนอเป็นผลงานของคุณถือเป็นการละเมิด ✔
• B) ข้อความใดๆ ที่สร้างขึ้นโดยปัญญาประดิษฐ์สามารถนำมาใช้โดยตรงได้ ตราบใดที่ไวยากรณ์ถูกต้อง
• C) ตราบใดที่ปัญญาประดิษฐ์เพิ่มทรัพยากร การพิมพ์เนื้อหาลงไปทั้งหมดก็ไม่มีปัญหา
• D) ห้ามใช้ปัญญาประดิษฐ์ในทุกสถานการณ์และไม่สามารถใช้งานได้ในทุกขั้นตอน

การเปิดเผยข้อมูล: การใช้ AI เพื่อชี้แจงร่างของคุณเองและปรับปรุงภาษาและโครงสร้างนั้นถูกต้องตามกฎหมายและประกาศว่าโปร่งใส การมีเนื้อหาที่เขียนโดยปัญญาประดิษฐ์และนำเสนอเป็นผลงานของคุณเองถือเป็นการละเมิดความคิดริเริ่มและเกือบจะก่อให้เกิดแหล่งที่มาที่ปลอมแปลงอย่างแน่นอน Line : AI ช่วยคุณแสดงความคิด มันไม่คิดแทนคุณ

11. หลักการ 'คุณภาพจากต้นทางถึงปลายทางจนถึงระดับที่อ่อนแอที่สุด' หมายถึงอะไรในการวิจัยทางสังคม

• A) เฉพาะขั้นตอนสุดท้ายเท่านั้น การสะกดคำ จึงมีความสำคัญ ข้อผิดพลาดในขั้นตอนก่อนหน้าได้รับการแก้ไขด้วยการสะกดคำ
• B) ขั้นตอนต่างๆ มีความเป็นอิสระจากกัน ข้อผิดพลาดในอันหนึ่งไม่ส่งผลกระทบต่ออันอื่น
• C) เฟสที่แข็งแกร่งที่สุดจะบันทึกทั้งเชน ดังนั้นการมุ่งเน้นไปที่เฟสเดียวก็เพียงพอแล้ว
• D) ความอ่อนแอในระยะหนึ่ง (ตัวอย่างเอนเอียง แหล่งที่มาที่ไม่ได้รับการยืนยัน) ไม่สามารถแก้ไขได้ในภายหลัง และทำให้การศึกษาทั้งหมดอ่อนแอลง ✔

คำอธิบาย: การตัดสินใจในแต่ละขั้นตอนจะส่งผลต่อขั้นตอนถัดไป: ไม่สามารถบันทึกตัวอย่างที่มีความเอนเอียงได้แม้จะวิเคราะห์ได้อย่างสมบูรณ์แบบก็ตาม แหล่งที่มาที่ไม่ได้รับการยืนยันจะหักล้างแม้แต่งานเขียนที่ดีที่สุด ดังนั้นควรใช้หลักการเดียวกันของการใช้งานอย่างรับผิดชอบในทุกขั้นตอน ตั้งแต่การออกแบบไปจนถึงการจัดทำเอกสาร

12. หากปัญญาประดิษฐ์สรุปข้อความที่คุณให้มาและเพิ่มกรอบที่ไม่มีอยู่ในข้อความ เช่น 'ผู้สูงอายุกลัวเทคโนโลยี' นี่เป็นตัวอย่างของอะไร

• A) เป็นบทสรุปที่ถูกต้องของความคิดเห็นที่แท้จริงของผู้เข้าร่วม
• B) เป็นการแนะนำแบบเหมารวมที่นำโดยปัญญาประดิษฐ์จากข้อมูลการฝึกอบรมของตัวเองมาสู่ข้อมูล ✔
• C) เป็นผลจากการทดสอบนัยสำคัญทางสถิติ
• D) เป็นข้อพิสูจน์ว่ามีการนำการลบข้อมูลระบุตัวตนไปใช้สำเร็จแล้ว

คำอธิบาย: นี่เป็นตัวอย่างแบบเหมารวม (ลักษณะทั่วไปแบบเหมารวม) ที่ AI นำมาจากข้อความที่ได้รับการฝึก The model may add a judgment that is not actually present in the data. ผู้วิจัยควรกำจัดส่วนเพิ่มเติมนี้โดยพูดว่า 'เพียงอาศัยข้อความในข้อความ'

13. ข้อใดต่อไปนี้เป็นคำถามวิจัยที่จำกัดขอบเขตอย่างดี

• ก) ทำไมสังคมถึงอยู่ในสถานการณ์เช่นนี้?
• B) ผู้คนมีความสุขไหม?
• C) อะไรคือสาเหตุที่ทำให้นักศึกษามหาวิทยาลัยที่มีอายุระหว่าง 18-25 ปี ไม่เข้าร่วมการเลือกตั้งท้องถิ่น? ✔
• D) ความสัมพันธ์ระหว่างโซเชียลมีเดียกับทุกสิ่งคืออะไร?

คำอธิบาย: คำถามวิจัยที่ดีต้องตอบได้ มีข้อจำกัด และมีความหมาย จำนวนประชากร บริบท และการมุ่งเน้นมีความชัดเจน แทนที่จะถามคำถามกว้างๆ เช่น 'เหตุใดคนหนุ่มสาวจึงหันหลังให้กับการเมือง' คำถามที่มีกลุ่มอายุ บริบท และการมุ่งเน้นที่เป็นรูปธรรมเป็นสิ่งที่สามารถค้นคว้าได้

14. เหตุใดจึงไม่เป็นรูปสามเหลี่ยมจริงหากแบบสำรวจออนไลน์สองแบบคัดเลือกผู้เข้าร่วมจากกลุ่มโซเชียลมีเดียเดียวกันและให้ผลลัพธ์เหมือนกัน

• A) แหล่งข้อมูลทั้งสองไม่เป็นอิสระต่อกันเนื่องจากมาจากกลุ่มตัวอย่างที่มีอคติเดียวกัน นี่เป็นการทำซ้ำของอคติเดียวกัน ✔
• B) ไม่จำเป็นต้องใช้แบบสำรวจสองครั้งเสมอไป แบบสำรวจเดียวก็เพียงพอแล้ว
• C) แบบสำรวจออนไลน์ไม่เคยให้ข้อมูลที่ถูกต้อง
• D) ข้อเท็จจริงที่ว่าพวกเขาให้ผลลัพธ์เดียวกันพิสูจน์ว่าผลลัพธ์นั้นถูกต้องอย่างแน่นอน

คำอธิบาย: สามเหลี่ยมคือการทดสอบข้ามการค้นพบกับแหล่งข้อมูลที่เป็นอิสระอย่างแท้จริง หากแหล่งข้อมูลสองแห่งมาจากตัวอย่างที่มีอคติเดียวกัน ถือเป็นการเข้าใจผิดสำหรับพวกเขาที่จะ 'ยืนยัน' ซึ่งกันและกัน นี่เป็นการทำซ้ำของอคติเดียวกัน ไม่ใช่การยืนยันโดยอิสระ