Daromadlar:
- Sun'iy intellekt yordamida maqsadli auditoriyaga (akademik, siyosat, boshqaruv) empirik topilmalar haqida halol va aniq tilda xabar berish qobiliyati
- Xulosalarni, cheklovlarni va axloqiy bayonotlarni to'liq yozish qobiliyati (ma'lumotlarning maxfiyligi, manfaatlar to'qnashuvi, sun'iy intellektdan foydalanishni oshkor qilish) va noto'g'ri taqdimotdan qochish
- Sun'iy intellektning bo'rttirilgan, bir tomonlama yoki sababiy so'zlarni keltirib chiqaradigan hisobot loyihalarini tan olish va yakuniy matn va da'volar uchun javobgarlikni saqlab qolish qobiliyati tadqiqotchiga tegishli.
Modul imtihoni
1. Tadqiqotchi '2015-2020 yillar oralig'ida Turkiyada ishsizlik va inflyatsiya o'rtasidagi korrelyatsiya koeffitsienti qanday?' sun'iy intellektga hech qanday ma'lumot bermasdan. so'raydi va 0,62 raqamini to'g'ridan-to'g'ri maqolasiga yozadi. Ushbu yondashuvning asosiy xatosi nimada?
- A) Tasdiqlangan ma’lumotlarni bermasdan sun’iy intellektdan aniq statistik ma’lumotlarni kutish; ✔ Tekshirilmasdan tuzilgan boʻlishi mumkin boʻlgan raqamdan foydalanish
- B) Korrelyatsiya koeffitsienti hech qachon maqolada ishlatilmasligi kerak.
- C) Ishsizlik va inflyatsiya o'rtasidagi korrelyatsiyani hisoblab bo'lmaydi
- D) Sun'iy intellekt ma'lumotlarga faqat 2020 yildan keyin kirishi mumkin
Izoh: AI tili modeli ma'lumotlar to'plamiga kirmasdan statistik ma'lumotlarni ishlab chiqa olmaydi; U bergan raqam, ehtimol, gallyutsinatsiya (to'qima). Koeffitsientlar, nisbatlar va test natijalari model xotirasidan olinmagan holda tadqiqotchining o'zi tasdiqlangan ma'lumotlari asosida hisoblanishi kerak.
2. Yo'qolgan ma'lumotlarning "tasodifiy yo'qolib qolmasligi" (MNAR) nimani anglatadi va bu nima uchun muhim?
- A) Kamchilik kuzatilmagan qiymatning o‘zi bilan bog‘liq; Shuning uchun oddiy topshiriq noto'g'rilikni keltirib chiqarishi mumkin ✔
- B) Ma'lumotlar butunlay tasodifiy yo'qoladi va hech qanday tarafkashlik yaratmaydi.
- C) etishmayotgan ma'lumotlar har doim qatorni o'chirish orqali hal qilinishi kerak.
- D) Yo'qolgan ma'lumotlar tahlilga hech qanday ta'sir ko'rsatmaydi.
Izoh: MNAR (Missing Not At Random) holatida etishmayotganlikning o'zi kuzatilmagan qiymatning kattaligiga bog'liq (masalan, yuqori maosh oluvchilar o'z daromadlari haqida hisobot bermaydilar). Bunday holda, oddiy o'chirish yoki o'rtacha tayinlash noxolis natijalar beradi; Kamchilik mexanizmini modellashtirish kerak. Sun'iy intellekt tomonidan taklif qilingan tayinlash usuli bu mexanizmni bilmasdan ko'r-ko'rona qo'llanilmasligi kerak.
3. Tahlilchi AI shtrixli diagrammani yaratadi va AI y o'qini nol o'rniga 40 dan boshlaydi. Ikki guruh o'rtasidagi haqiqiy farq 2% grafikda juda katta ko'rinadi. To'g'ri yondashuv nima?
- A) O'qni noldan boshlash yoki diagramma turini o'zgartirish; ✔ chalg'itmasdan farqning haqiqiy hajmini ko'rsatish
- B) Jadvaldan shunday foydalanish, chunki AI eng yaxshi tanlov qiladi
- C) Farqni yanada kattalashtirish uchun o'qni 45 dan boshlash
- D) Hech qachon shtrixli diagrammalar o‘rniga vizual tasvirlardan foydalanmang
Izoh: Chiziqli diagrammada chiziqli o'q (noldan boshlanmaydigan y o'qi) kichik farqlarni bo'rttirib ko'rsatib, chalg'itadi. Halol vizualizatsiyada shtrixli diagrammalarning o'qi noldan boshlanishi kerak yoki farq ongli ravishda aniq ko'rsatilishi kerak. Tasvirni tekshirish va kerak bo'lganda uni tuzatish tahlilchining zimmasida.
4. Chiziqli regressiyada koeffitsientning «muhim» (p<0,05) ekanligi qanday qilib sun'iy intellektni talqin qilishda noto'g'ri ko'rsatiladi?
- A) Ahamiyatni bo'rttirib ko'rsatish, chunki ta'sir katta va muhim yoki sababiy bog'liqlik o'rnatilgan ✔
- B) Ahamiyatlilik har doim ta'sirning kichik ekanligini ko'rsatadi
- C) p<0,05 koeffitsientning mutlaqo to'g'ri ekanligini isbotlaydi
- D) Muhim koeffitsientlar hech qachon xabar qilinmasligi kerak.
Izoh: Statistik ahamiyatga ega bo'lgan ta'sir noldan farq qiladigan dalillarning kuchi bilan bog'liq; Bu ta'sir katta, muhim yoki sababchi ekanligini anglatmaydi. AI ko'pincha "muhim" so'zini "muhim/kuchli ta'sir" sifatida taqdim etadi. Tadqiqotchi, shuningdek, ta'sir hajmini, ishonch oralig'ini va kontekstni baholashi kerak.
5. “P-hacking” atamasi nimani anglatadi va nima uchun AI buni osonlashtirishi mumkin?
- A) Mantiqiy bo'lgunga qadar bir nechta tahlillarni sinab ko'rish; AI buni juda tez bajaradi va xavfni oshiradi ✔
- B) Ma'lumotlarni bir marta va oldindan belgilangan reja bilan tahlil qilish
- C) p-qiymatini oshirish uchun namunani kengaytirish
- D) Faqat tavsiflovchi statistik ma’lumotlarni taqdim etish
Izoh: p-xakerlik - bu muhim natija olinmaguncha turli o'zgaruvchilar, kichik namunalar, transformatsiyalar yoki modellarni sinab ko'rish; bu tasodifga asoslangan soxta topilmalarni keltirib chiqaradi. AI bir necha soniya ichida o'nlab model variantlarini sinab ko'rishi mumkinligi sababli, u halol rejasiz p-hackingni tezlashtirishi mumkin. mudofaa; oldindan ro'yxatga olish, qat'iy tahlil rejasi va bir nechta taqqoslash tuzatish.
6. Nima uchun ikkita statsionar bo'lmagan (birlik ildiz) vaqt qatorlari o'rtasida yuqori R-kvadrat regressiyani topish noto'g'ri bo'lishi mumkin?
- A) Umumiy tendentsiya tufayli soxta regressiya yuzaga kelishi mumkin; ✔ Haqiqiy aloqasiz yuqori R-kvadrat chiqishi
- B) Yuqori R-kvadrat har doim kuchli sabab munosabatlarini isbotlaydi.
- C) Statsionar bo'lmagan qatorlarni regressiyaga umuman kiritish mumkin emas.
- D) R-kvadratni vaqt qatorida hisoblash mumkin emas
Tushuntirish: Agar statsionar bo'lmagan qatorlar o'rtasida umumiy kointegratsiya munosabatlari mavjud bo'lmasa, soxta regressiya faqat umumiy tendentsiya tufayli yuqori R-kvadrat va muhim koeffitsientni keltirib chiqarishi mumkin; holbuki haqiqiy munosabatlar yo'q. Shuning uchun, birinchi navbatda, statsionarlik va birlik ildiz sinovlari o'tkazilishi kerak va agar kerak bo'lsa, farqlarni olish yoki kointegratsiyani sinab ko'rish kerak.
7. Farqlardagi farq loyihasining haqiqiyligiga qanday asosiy taxmin asoslanadi?
- A) Parallel tendentsiyalar taxmini: agar aralashuv bo'lmasa, guruhlar bir xil yo'nalishda bo'lishadi ✔
- B) Davolanish va nazorat guruhlari boshida aynan bir xil
- C) Namunaning normal taqsimlanishi
- D) O'zgaruvchilarda etishmayotgan ma'lumotlar mavjud emas
Tushuntirish: DiD, aralashuv bo'lmaganda, davolash va nazorat guruhlari uchun natija o'zgaruvchisi vaqt o'tishi bilan parallel bo'lishini taxmin qiladi (parallel tendentsiyalar taxmini). Agar bu taxmin bajarilmasa, taxmin noto'g'ri hisoblanadi. AI DiD kodini ishlab chiqishi mumkin, ammo parallel tendentsiyalarni himoya qilish va sinab ko'rish tadqiqotchining ishi.
8. Qaysi biri takrorlanuvchi tahlil uchun majburiy amaliyot hisoblanadi?
- A) Urug'ni tasodifiy bosqichlarda tuzatish, paket versiyalari va kodni yozish ✔
- B) Natijalarni elektron jadvalga qo'lda ko'chirish va kodni o'chirish
- C) Har bir yugurishda turli natijalarni ko'rish odatiy holdir.
- D) Ma'lumotlar va kodlarni almashish emas, faqat yakuniy grafiklarni saqlash
Tavsif: Qayta ishlab chiqarish qobiliyati; Xuddi shu natijani yana bir xil ma'lumotlar va kod bilan olish mumkin. Urug'ni tasodifiy bosqichlarda tuzatish, paket versiyalarini saqlash va hujjat ichidagi kodni bajarish (savodli dasturlash) buning asosidir. Natijalarni qo'lda nusxalash yoki bosishga asoslangan, jurnalga yozilmagan qadamlar takrorlanishni buzadi.
9. Geteroskedastiklik chiziqli regressiyani nimani buzadi va uning umumiy yechimi nima?
- A) Standart xatolarni buzadi; yechim mustahkam standart xatolar yoki tegishli transformatsiya ✔
- B) U koeffitsient baholarini butunlay bekor qiladi va hech qanday yechimga ega emas
- C) R-kvadratni har doim nolga kamaytiradi
- D) Namuna juda kichik bo'lsa va uni e'tiborsiz qoldirish mumkin bo'lgan taqdirdagina yuzaga keladi
Izoh: Geteroskedastiklik koeffitsient baholarini xolis qoldiradi, lekin standart xatolarni noto'g'ri hisoblaydi; Bu p-qiymatlari va ishonch oraliqlarini ishonchsiz qiladi. Umumiy yechim - bu mustahkam/HC standart xatolaridan yoki tegishli konvertatsiyadan foydalanish. Tasdiqlash kerakki, AI tomonidan taklif qilingan yechim muammoni yashirishdan ko'ra, aslida uni hal qiladi.
10. Tadqiqotchi bemor darajasidagi identifikatsiya ma'lumotlari va daromadlarini o'z ichiga olgan mikroma'lumotlarni AI chat vositasiga yuklaydi va "regressiya qiling" deydi. Ushbu xatti-harakatlarning asosiy muammosi nima?
- A) Shaxsiy/litsenziyalangan ma'lumotlarni tashqi vositaga yuklash maxfiylik va shartnomaning buzilishi hisoblanadi ✔
- B) Sun'iy intellekt bilan regressiyani umuman amalga oshirib bo'lmaydi
- C) Mikroma'lumotlar regressiyaga umuman mos kelmaydi
- D) AI har doim regressiyani noto'g'ri hisoblaydi
Izoh: Shaxs va daromad kabi shaxsiy/maxsus ma'lumotlar KVKK/GDPR va ko'pchilik ma'lumotlardan foydalanish shartnomalari ostida himoyalangan; Ularni ma'lumotlarni saqlay oladigan tashqi qurilmaga yuklash qoidabuzarlik hisoblanadi. To'g'ri yo'l; Ma'lumotlarni anonimlashtirish, mahalliy/institutsional xavfsiz vositalardan foydalanish yoki oddiygina sun'iy intellektdan kod so'rash va kodni o'z muhitida ishlatish.
11. Multikollinearlik yuqori bo'lganda nima kuzatiladi?
- A) Koeffitsientlar beqaror bo'lib, standart xatolar ko'payadi; Individual koeffitsientlar ma'nosiz bo'lib chiqishi mumkin ✔
- B) R-kvadrat har doim nolga kamayadi
- C) Koeffitsientlarni baholash har doim aniqroq bo'ladi
- D) Bog'liq o'zgaruvchining masshtabi o'zgaradi
Izoh: Yuqori multikollinearlikda mustaqil o'zgaruvchilar bir-biri bilan kuchli korrelyatsiya qilinadi; Koeffitsientlarni baholash beqaror bo'lib qoladi, standart xatolar ko'payadi va individual koeffitsientlar ahamiyatsiz bo'lib chiqishi mumkin, umumiy model muhim bo'lishi mumkin. VIF kabi mezonlarga ko'ra tashxis qilinadi. Sun'iy intellekt o'zgaruvchilarni yo'q qilishni taklif qilishi mumkin, ammo qaysi o'zgaruvchining nazariy bo'lib qolishi tadqiqotchiga bog'liq.
12. Statistik quvvat nima va kam quvvatli o'rganish xavfi qanday?
- A) Mavjud effektni aniqlash imkoniyati; kam quvvat haqiqiy effektlarni o'tkazib yuboradi va topilmalarni ishonchsiz qiladi ✔
- B) p-qiymatini kamaytirish ehtimoli; past quvvat har doim yanada ishonchli natijalar beradi
- C) Tanlanma hajmiga bog'liq bo'lmagan doimiy qiymat
- D) Sun'iy intellekt qo'llanilgandagina amal qiladigan tushuncha
Tushuntirish: Quvvat - bu haqiqatda mavjud bo'lgan effektni aniqlash ehtimoli (1 minus II turdagi xato). Kam quvvatli tadqiqotlar haqiqiy effektlarni o'tkazib yuborishi mumkin; Bundan tashqari, bir nechta muhim natijalar bo'rttirilgan effekt hajmiga ega bo'lishi mumkin ("g'olibning la'nati") va noto'g'ri musbat ko'rsatkich oshadi. Shuning uchun tahlildan oldin quvvat/namuna hisoblash muhim ahamiyatga ega.
13. Nima uchun maqolada sun'iy intellektdan foydalanishni oshkor qilish axloqiy jihatdan zarur?
- A) Shaffoflik va hisobdorlik uchun; ✔ o'quvchilar va hakamlar jarayonni baholashlari mumkin va javobgarlik muallifda qoladi
- B) Sun'iy intellektdan foydalanish natijalarni avtomatik ravishda bekor qiladi
- C) Jurnallar tomonidan faqat reklama maqsadida so'ralgan
- D) Tushuntirishning mualliflik huquqini sun'iy intellektga o'tkazish
Oshkoralik: O'quvchilar va sharhlovchilar natijalar qanday yaratilganligini baholashlari uchun shaffoflik zarur; Ko'pgina jurnallar va muassasalar AIdan foydalanishni oshkor qilishni talab qilmoqda. Bundan tashqari, sun'iy intellekt xatolar/gallyutsinatsiyalar keltirib chiqarishi mumkinligi sababli, javobgarlik muallifda qolishi va qaysi qadamlar tekshirilganligini aytish halollik masalasidir.
14. Instrument Variable (IV) usulida “istisno cheklash” nimani talab qiladi?
- A) Asbob natijaga faqat ichki o'zgaruvchi orqali ta'sir qiladi, boshqa to'g'ridan-to'g'ri yo'l yo'q✔
- B) Asbobning natija o‘zgaruvchisi bilan aloqasi yo‘q.
- C) Asbob endogen o'zgaruvchiga bog'liq emas.
- D) O'rtacha har doim ikkilik (0/1) o'zgaruvchidir
Izoh: Istisno cheklovi asbobning natija o'zgaruvchisiga faqat endogen tushuntirish o'zgaruvchisi orqali ta'sir qilishini talab qiladi, boshqa to'g'ridan-to'g'ri vositalar yoki kuzatilmagan omillar orqali emas. Ushbu taxminni ma'lumotlardan to'liq tekshirish mumkin emas; U nazariy va institutsional asoslarda himoya qilinadi. AI IV kodni yozishi mumkin, ammo bu vositaning haqiqiyligini himoya qilish tadqiqotchining ishi.
15. Oldindan ro'yxatdan o'tmagan holda moslashuvchan tahlillarda "Ajralishlar bog'i" muammosi nimani anglatadi?
- A) Ma'lumotlarga asoslangan juda ko'p oqilona tahlil tanlovlari noto'g'ri ijobiy ko'rsatkichni, hatto beixtiyor ham oshiradi ✔
- B) Tahlil usullari yagona va majburiy bo'lishi kerak
- C) Qasddan aldash sodir bo'lgandagina yuzaga keladigan muammo.
- D) Namuna o'sishi bilan o'z-o'zidan yo'qolib ketadigan holat
Izoh: Ma'lumotlarni ko'rib chiqqandan so'ng, tadqiqotchi qaysi o'zgaruvchi, kichik guruh, transformatsiya yoki chegaradan foydalanish haqida ko'plab oqilona tanlovlarni amalga oshirishi mumkin. Yagona "qasddan p-hacking" bo'lmasa ham, bu moslashuvchanlik noto'g'ri ijobiy ko'rsatkichni oshiradi, chunki muhimi ko'p sonli tahlillardan samarali tanlanadi. Oldindan ro'yxatdan o'tish va qat'iy tahlil rejasi bu moslashuvchanlikni cheklaydi.