Mga nadagdag:
- Kakayahang gumamit ng artificial intelligence bilang kasosyo sa pag-iisip sa pagpapatalas ng tanong sa pananaliksik, pagbuo ng mga hypotheses at variable na kahulugan, at mga pagpipilian sa pamamaraan
- Kakayahang makakuha ng quantitative, qualitative at mixed design, sample at validity-reliability option mula sa artificial intelligence at suriin ang mga ito ayon sa kanilang field at ethical rules.
- Kakayahang maunawaan na ang mga metodolohikal na desisyon at responsibilidad ng komite sa etika (IRB) ay pagmamay-ari ng mananaliksik at ang panukalang artificial intelligence ay isang draft lamang.
Matapos makilala ang panitikan, oras na upang magdisenyo ng iyong sariling pag-aaral. Ang disenyo ng pananaliksik ay ang proseso ng pagsisimula sa isang tanong at ginagawa itong isang masusukat, masasagot na pag-aaral: pagpapatalas ng tanong, pagtatatag ng hypothesis, pagtukoy ng mga variable, pagpili ng naaangkop na disenyo at pamamaraan, pagtukoy ng sample, isinasaalang-alang ang bisa at pagiging maaasahan. Ito ang pinakamahirap sa pag-iisip na bahagi ng pananaliksik, at ang AI ay maaaring maging isang makapangyarihang kasosyo sa pag-iisip dito — pagbuo ng mga opsyon, pag-uudyok ng mga blind spot, paghahambing ng mga alternatibo. Ngunit ang pangunahing tuntunin ng yunit na ito ay malinaw: Ang mga metodolohikal na desisyon at etikal na responsibilidad ay pag-aari ng mananaliksik; Nagbibigay lamang ang AI ng mga opsyon upang suriin.
Mula sa tanong hanggang sa hypothesis
Ang isang mahusay na tanong sa pananaliksik ay nakatuon, masasagot at orihinal. Isang karaniwang balangkas ang PICO sa mga eksperimental/klinikal na pag-aaral: Populasyon, Pamamagitan, Paghahambing, Kinalabasan. Sa mga agham panlipunan, ang tanong ay karaniwang ibinibigay bilang isang relasyon sa pagitan ng mga variable. Tinutulungan ka ng AI na paliitin ang isang malawak na tanong at nagmumungkahi ng ilang alternatibong formulation.
Ang hypothesis ay isang pagbabago ng problema sa isang masusubok na hula; karaniwang nagsasangkot ng isang direksyon ("Ang X ay nagdaragdag ng Y"). Ang mga variable ay ang mga bagay na iyong sinusukat: independent variable (na iyong naiimpluwensyahan), dependent variable (ang kinalabasan na iyong sinusukat), control variables (na pinaniniwalaan mong pare-pareho). Ang AI ay kapaki-pakinabang sa pagpapatalas ng hypothesis, pag-distill ng mga variable sa mga operational na kahulugan (mga masusukat na kahulugan), at pag-alala sa mga posibleng confounder (ang ikatlong salik na lihim na nakakaimpluwensya sa kinalabasan).
Hint: Sabihin sa AI "magbigay din ng mga argumento upang pabulaanan ang hypothesis na ito." Mahalagang makita nang maaga ang mga kahinaan ng iyong sariling disenyo, para matuto ka ngayon kaysa sa proseso ng referee.
Disenyo, sample at bisa
Ang disenyo ng pananaliksik ay kung paano kokolektahin at i-istruktura ang data upang masagot ang iyong tanong. May tatlong malawak na pamilya: quantitative (numerical data, statistical testing—experimental, quasi-experimental, correlational, survey), qualitative (text/observation, meaning and experience—interview, case study, phenomenology, grounded theory), at mixed method (pagsasama-sama ng dalawa). Maaaring ihambing ng AI ang bawat pattern sa mga kalamangan at kahinaan nito at talakayin kung alin ang mas angkop sa iyong tanong; ngunit ang pinakahuling pagpipilian ay sa iyo, batay sa iyong mga mapagkukunan, tradisyon sa larangan, at likas na katangian ng iyong tanong.
Ang sample ay ang subset mula sa iyong uniberso na iyong sinusuri. Sa quantitative, ang laki ng sample ay kinakalkula sa pamamagitan ng power analysis—ang pinakamaliit na sample na kinakailangan upang makuha ang isang makabuluhang epekto sa istatistika; Ipinapaalala ng AI ang formula at mga pagpapalagay, ngunit dapat mong kumpirmahin ang numero gamit ang isang software (tulad ng GPower). Ang bisa (talagang sinusukat mo kung ano ang iyong sinusukat) at pagiging maaasahan* (maaari bang ulitin ang pagsukat) ay mga kasiguruhan sa kalidad ng disenyo; Naglilista ang AI ng mga banta, nag-iingat ka.
Ang pinakamahalagang punto ay ang etika. Ang anumang pag-aaral na kinasasangkutan ng mga kalahok ng tao o hayop ay nangangailangan ng pag-apruba ng komite sa etika (IRB): may kaalamang pahintulot, pagiging kompidensiyal, hindi pagkakasala. Matutulungan ka ng AI na mag-draft ng aplikasyon ng komite sa etika, ngunit hindi ito kailanman kapalit ng pag-apruba at responsibilidad sa etika. Hindi masasabi ng AI na "etikal ang disenyong ito"; Ito ay napagpasyahan ng komite ng etika ng iyong institusyon.
Pinaghalong mga pamamaraan na makatwiran at paunang pagpaparehistro
Ang isang mahalagang tanong kapag pumipili ng pinaghalong paraan ay kung bakit at paano pagsamahin ang dalawang uri ng data. Ang simpleng pagsasabi na "Nagsagawa ako ng parehong survey at isang pakikipanayam" ay hindi magkahalong paraan; Ang disenyo ay dapat may lohika. Kasama sa mga karaniwang disenyo ang exploratory sequential (unang quantitative, pagkatapos ay qualitative para palalimin ang mga natuklasan), exploratory sequential (unang qualitative, pagkatapos ay scale development at quantitative testing), at concurrent nested designs. Maaaring ihambing ng AI ang mga pattern na ito ayon sa iyong tanong at talakayin kung alin ang akma sa logic ng integration; ngunit ang pagpili ay depende sa kung ano talaga ang kailangan ng iyong tanong.
Ang isang mahusay na tool para sa metodolohikal na integridad ay ang preregistration: pagrerehistro ng iyong hypothesis, variable, at plano sa pagsusuri sa isang bukas na repository (gaya ng OSF) bago ang pangongolekta ng data. Pinipigilan nito ang hindsight hunting (HARKing — paggawa ng mga hypotheses pagkatapos makita ang resulta) at pinapataas ang kredibilidad ng iyong pag-aaral. Matutulungan ka ng AI na bumuo ng draft ng form ng pre-registration at makita ang anumang mga ambiguity sa iyong plano; Gayunpaman, ang bawat desisyon na iyong itatala ay sa iyo at responsibilidad mong manatili dito pagkatapos i-record.
tatlong mini case
Case 1 — Pagpapaliit ng tanong. Ang tanong ng isang nagtapos na estudyante ay "Paano nakakaapekto ang social media sa mga kabataan?" Napakalawak at hindi nasusukat. Inilagay niya ang AI sa isang balangkas na tulad ng PICO; Ang tanong ay "May kaugnayan ba sa pagitan ng pang-araw-araw na oras ng paggamit ng Instagram at kalidad ng pagtulog sa 14-17 taong gulang na mga mag-aaral sa high school?" naging. Isang masusukat, limitado at masasagot na tanong; Tinulungan ng AI na paliitin ito, ginawa ng estudyante ang desisyon.
Kaso 2 — Nakalilito na variable na babala. Ang isang mananaliksik ay nag-hypothesize ng "online na kurso → mababang tagumpay." Tinanong niya ang AI tungkol sa mga kahinaan nito; Ipinaalala sa amin ng AI na ang socioeconomic status ay maaaring maging isang confounder na nakakaapekto sa parehong uri ng kurso at tagumpay. Hindi ito alam ng mananaliksik, ngunit nilaktawan niya ang pagdaragdag nito bilang control variable sa kanyang disenyo. Nagsilbing paalala ang AI; siya mismo ang gumawa ng metodolohikal na desisyon.
Kaso 3 — Etikal na hangganan. Isang estudyante ang nagdidisenyo ng survey sa isang sensitibong isyu (substance use) at nagtanong kay YZ, "Mapapasa ba ang survey na ito sa ethics committee?" tanong niya. Ang AI ay naglista ng mga pangkalahatang prinsipyo (pahintulot, hindi nagpapakilala, karapatang mag-withdraw), ngunit hindi ito pinalitan ng mag-aaral para sa pahintulot; Ang tunay na komite ng etika ay nag-apply at ang lupon ay humiling ng mga pagwawasto sa dalawang artikulo. Tumulong ang AI sa pag-draft, ginawa ng board ang desisyon.
Mga nakopyang template
1) Pagpapaliit ng tanong:
Ang iyong tungkulin: isang consultant ng pamamaraan. Ang aking malawak na lugar ng interes ay: "[paksa]". Paliitin ito sa 3 nakatuon, masusukat na alternatibong tanong sa pananaliksik. Para sa bawat isa, tukuyin ang sample, mga pangunahing variable, at posibleng disenyo. Ito ang mga pagpipilian; Ako ang magpapasya.
2) Hypothesis at variable na disambiguation:
Ang aking tanong sa pananaliksik: "[tanong]". Imungkahi sa akin (a) isang masusubok na hypothesis, (b) independyente/umaasa/kontrol na mga variable, (c) pagpapatakbo (nasusukat) na kahulugan para sa bawat variable. Ilista din ang mga posibleng nakakalito na variable. Talakayin ang mga pagpipilian, ang desisyon ay akin.
3) Paghahambing ng pattern:
Paghambingin ang mga disenyo ng quantitative, qualitative, at mixed method para sa "[tanong]" sa isang table: fit, strength, boundary, resource na kailangan. Huwag sabihing "piliin ito" para sigurado; Bigyan mo ako ng mga kalamangan at kahinaan, ako ang pipili.
4) Listahan ng banta sa pagiging wasto/pagkakatiwalaan:
Ilista ang mga banta ng sumusunod na disenyo sa internal validity, external validity at reliability at magmungkahi ng posibleng countermeasure para sa bawat isa. Disenyo: [summarize]. Ito ang aking magiging checklist; Ako ang gumagawa ng desisyon.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Bigyan mo ako ng disenyo ng pananaliksik.
Walang mga paksa, tanong, lugar at paghihigpit; Lumilikha ang AI ng isang karaniwan at walang silbi na template.
Napakahusay na prompt:
Ang iyong tungkulin: may karanasang metodologo sa mga agham pang-edukasyon. Ang tanong ko: "Ang epekto ng pinaghalong pag-aaral sa tagumpay ng agham sa ika-7 baitang". Para sa isang mala-eksperimentong disenyo: talakayin ang naaangkop na diskarte sa control group, uri ng mga instrumento sa pagsukat, posibleng mga confounder, at mga banta sa panloob na validity bilang mga OPSYON. Sabihin kung anong impormasyon ang kailangan para sa pagtatasa ng kapangyarihan; Kakalkulahin ko ang numero gamit ang benG*Power. Lagyan ng tsek ang mga punto na nangangailangan ng etikal na pag-apruba.
Desisyon sa disenyo
Papel ng AI
Kaninong responsibilidad
Paliitin ang tanong
gumagawa ng mga alternatibo
Pumili ang mananaliksik
Hypothesis/variable
Draft + paalala
Tinutukoy ng mananaliksik
Pagpili ng pattern
nagkukumpara
Nagpasya ang mananaliksik
laki ng sample
Paalala ng formula
Kinumpirma ng software
Etikal na pag-apruba
draft assistant
Ethics committee lamang
Mga karaniwang pagkakamali
- Ang paggawa ng AI ay pumili ng pattern. Ang metodolohikal na desisyon ay pag-aari ng mananaliksik; Iminumungkahi ng AI, pumili ka.
- Pag-bypass sa ethics board. Hindi masasabi ng AI ang "etikal"; Ang pag-apruba ay mula sa komite ng etika ng institusyon.
- Hindi pinapansin ang mga mixer. Kung ang mga variable ng kontrol ay hindi binalak, ang resulta ay hindi maaaring bigyang-kahulugan.
- Pagkuha ng eksaktong bilang ng mga sample mula sa AI. I-verify ang power analysis gamit ang naaangkop na software.
- Hindi pinakipot ang tanong. Ang isang napakalawak na tanong ay nangangahulugang isang pag-aaral na hindi maaaring idisenyo.
Babala: Ang isang paraan na iminungkahi ng AI ay maaaring hindi pamantayan sa iyong larangan. Ihambing ang bawat rekomendasyon sa mga mapagkukunan ng pamamaraan sa iyong larangan (textbook, consultant, mga katulad na publikasyon); Ang AI ay nagsasalita sa pangkalahatan, ang mga kumbensyon ng domain ay partikular.
Sa buod
Ang disenyo ng pananaliksik ay isang chain na nagmumula sa pagpapatalas ng tanong hanggang sa sampling at etika. Ang AI ay isang makapangyarihang kasosyo sa pag-iisip na gumagawa ng mga opsyon sa bawat link ng chain na ito at nagpapaalala ng mga blind spot; nililinaw ang hypothesis, naghahambing ng mga pattern, naglilista ng mga pagbabanta. Ngunit ang responsibilidad para sa pagpili ng disenyo, pagkumpirma ng sample at lalo na ang pag-apruba sa etika ay pag-aari ng mananaliksik at ng komite ng etika. Ang pinakamaikling tuntunin ng hinlalaki: ang pagpipilian ay mula sa AI, ang metodolohikal at etikal na desisyon ay mula sa iyo.
Gawain ng aplikasyon
Kumuha ng iyong sariling ideya sa pananaliksik. Gamit ang AI, paliitin ito sa 3 nakatutok na tanong at pumili ng isa. Bumuo ng mga hypotheses, variable at operational na mga kahulugan para sa tanong na iyong pinili at itama ang mga ito ayon sa iyong field. Humingi ng quantitative/qualitative/mixed design comparison at bigyang-katwiran kung alin ang iyong pinili at bakit sa isang talata. Lagyan ng tsek ang mga punto na nangangailangan ng etikal na pag-apruba.
checklist
- [ ] Nasusukat ko ba ang aking tanong sa pananaliksik?
- [ ] Nilinaw ko ba ang mga hypotheses at variable na may mga operational na kahulugan?
- [ ] Nagplano ba ako ng mga nakakalito na variable?
- [ ] Pinili ko ba ang pattern para sa sarili kong mga dahilan?
- [ ] Natukoy ko ba ang mga puntong nangangailangan ng pag-apruba ng komite ng etika?