Lợi nhuận:
- Khả năng phát hiện các bẫy dẫn dắt, bẫy kép, mơ hồ trong các câu hỏi khảo sát và kết nối từng câu hỏi với một khái niệm
- Khả năng thực hiện các phép tính thống kê thực tế trong một chương trình và chỉ sử dụng trí tuệ nhân tạo để lựa chọn và giải thích phương pháp
- Khả năng phân biệt ý nghĩa thống kê với ý nghĩa thực tế và kiểm tra các giả định kiểm tra
Nghiên cứu định lượng là một cách tiếp cận đo lường các hiện tượng xã hội bằng các con số và phân tích chúng bằng số liệu thống kê: nó tìm kiếm câu trả lời cho các câu hỏi như có bao nhiêu người, ở mức độ nào, có sự khác biệt nào giữa các nhóm nào. Công cụ phổ biến nhất cho phương pháp này là khảo sát—một phương pháp thu thập dữ liệu có thể so sánh được từ một số lượng lớn người sử dụng các câu hỏi tiêu chuẩn. Việc thiết lập một cuộc khảo sát tốt và phân tích dữ liệu đến một cách chính xác đòi hỏi phải có kỹ năng; Một câu hỏi tồi sẽ làm hỏng kết quả ngay từ đầu. Trong đơn vị này, bạn sẽ học cách sử dụng AI để thiết kế các câu hỏi khảo sát, xây dựng thang đo (các tùy chọn phản hồi đánh giá thái độ, ví dụ: "hoàn toàn đồng ý … hoàn toàn không đồng ý") và phân tích dữ liệu đến; nhưng bạn sẽ biết tại sao bạn nên giữ lại phán đoán thống kê.
Điểm mà AI có giá trị nhất trong phân tích định lượng không nằm ở bản thân phép tính mà ở việc giải thích cách thực hiện phép tính và ý nghĩa của kết quả. AI có thể phác thảo mã phân tích cho bạn (ví dụ: các lệnh chạy trong R hoặc Python), giải thích bằng ngôn ngữ đơn giản khi nào nên sử dụng bài kiểm tra thống kê và giúp bạn diễn giải kết quả đầu ra. Nhưng đừng bao giờ tin vào những con số mà AI tạo ra “ngoài ý muốn của bạn” trong văn bản: mô hình ngôn ngữ không phải là một máy tính và có thể tạo ra giá trị trung bình, tỷ lệ phần trăm hoặc giá trị p sai. Việc tính toán thực tế được thực hiện trong một chương trình thống kê thực tế.
Từng bước: từ khảo sát đến đánh giá
1. Liên kết mỗi câu hỏi với một khái niệm. Mỗi câu hỏi bạn đưa ra trong cuộc khảo sát phải đo lường một khái niệm trong câu hỏi nghiên cứu của bạn. Đừng thêm câu hỏi chỉ vì "nó sẽ thú vị." AI giúp bạn kiểm tra ánh xạ khái niệm-câu hỏi trong bảng.
2. Loại bỏ những câu hỏi tồi. Câu hỏi dẫn đầu ("Bạn có hài lòng với dịch vụ tuyệt vời này không?"), câu hỏi kép ("Dịch vụ này có nhanh và rẻ không?"), câu hỏi mơ hồ ("Bạn có thường xuyên thích nó không?") làm sai lệch dữ liệu. AI rất giỏi trong việc gắn cờ những cạm bẫy này trong bản khảo sát dự thảo của bạn.
3. Thiết lập thang đo một cách nhất quán. Nếu bạn đang sử dụng thang đo Likert (thang đo đồng ý 5 hoặc 7 điểm), hãy giữ định hướng và xếp hạng nhất quán trong suốt cuộc khảo sát. AI nắm bắt được sự không nhất quán.
4. Xóa dữ liệu. Dữ liệu đến có thể chứa câu trả lời bị thiếu, mâu thuẫn hoặc hai bản ghi của cùng một người. AI có thể liệt kê các bước dọn dẹp và soạn thảo mã; Bạn quyết định.
5. Chọn bài kiểm tra đúng và GIẢI THÍCH nó. Bạn đang so sánh hai nhóm, tìm kiếm một mối quan hệ? AI giải thích bài kiểm tra nào là phù hợp; Công việc của bạn là chạy thử nghiệm trong chương trình, đọc và hiểu kết quả đầu ra.
Chú ý: Đừng bảo AI "tính trung bình của dữ liệu này" và ghi trực tiếp số kết quả vào báo cáo. Mô hình ngôn ngữ mắc lỗi về số học. Thực hiện tính toán trong bảng tính hoặc chương trình thống kê; Chỉ sử dụng AI cho phương pháp và cách giải thích của nó.
ba trường hợp nhỏ
Trường hợp 1 - Câu hỏi dẫn đầu đã được sửa. Một bản dự thảo khảo sát có câu hỏi "Bạn hài lòng đến mức nào với dịch vụ vận tải của khu đô thị thành công của chúng ta?" Anh ấy có một câu hỏi. AI đánh dấu tính từ "thành công" đã đẩy câu trả lời về phía tích cực. Câu hỏi đặt ra là "Bạn đánh giá dịch vụ vận tải của đô thị như thế nào?" đã được trung hòa và kết quả cân bằng hơn.
Trường hợp 2 - Tính toán sai của AI bị phát hiện. Một nhà nghiên cứu dán 300 dòng dữ liệu dưới dạng văn bản vào AI và nói "tìm độ tuổi trung bình"; YZ cho biết 34,2. Khi dữ liệu tương tự được đưa vào bảng, giá trị trung bình thực tế là 31,7. AI đã tính toán sai trong văn bản; Nó đã được sửa khi tài khoản được chuyển sang chương trình.
Trường hợp 3 - Lựa chọn thử nghiệm được làm rõ. Một đội muốn so sánh điểm trung bình của hai nhóm nhưng không biết nên sử dụng bài kiểm tra nào. YZ giải thích rằng thử nghiệm t (một thử nghiệm kiểm tra xem sự khác biệt giữa giá trị trung bình của hai nhóm có phải là ngẫu nhiên hay không) có phù hợp với "hai nhóm độc lập, một biến liên tục", liệt kê các giả định của anh ấy và cung cấp bản phác thảo mã. Nhóm đã chạy thử nghiệm trong chương trình và diễn giải kết quả.
Bốn mẫu có thể sao chép
1) Kiểm tra câu hỏi khảo sát:
Xem lại các câu hỏi khảo sát dưới đây. Kiểm tra từng câu hỏi: nó có dẫn dắt không, có phải là câu hỏi kép (hai câu hỏi trong một câu hỏi), có mơ hồ không, các lựa chọn trả lời có chồng chéo/thiếu không? Đặt vấn đề và một phiên bản tốt hơn cạnh nhau. Kiểm tra xem hướng tỷ lệ có nhất quán hay không. Câu hỏi: [tại đây]
2) Bảng ánh xạ khái niệm-câu hỏi:
Câu hỏi nghiên cứu của tôi: [câu hỏi]. Khái niệm chính của tôi: [danh sách]. Sắp xếp các câu hỏi khảo sát sau vào một bảng: mỗi câu hỏi đo lường khái niệm gì? Đánh dấu những câu hỏi không liên quan đến bất kỳ khái niệm nào (“bổ sung”) và những khái niệm không có câu hỏi (“nhàn rỗi”). Thăm dò ý kiến: [tại đây]
3) Kế hoạch làm sạch dữ liệu (dự thảo mã):
Tôi có tập dữ liệu khảo sát với các biến sau: [biến]. Cung cấp cho tôi danh sách kiểm tra làm sạch dữ liệu và bản nháp mã CÓ DÒNG BÌNH LUẬN cho [R/Python]: dữ liệu bị thiếu, ngoại lệ, bản ghi trùng lặp, mã hóa không nhất quán. Tôi sẽ chạy mã và xác minh kết quả đầu ra; Đừng làm toán.
4) Nhận xét thống kê (tôi đã tính toán):
Tôi đã chạy [tên thử nghiệm] và nhận được kết quả sau: [đầu ra]. Giải thích kết quả này bằng ngôn ngữ đơn giản: nó có ý nghĩa gì trong thực tế, phân biệt giữa ý nghĩa thống kê và ý nghĩa thực tế, đồng thời nhắc nhở bạn những giả định nào cần được kiểm tra. Đừng phóng đại kết quả; Hãy cho tôi biết giới hạn của bạn quá.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Tính giá trị trung bình của các nhóm trong dữ liệu này và cho biết nhóm nào cao hơn. [500 dòng dữ liệu]
AI cố gắng tính toán trong văn bản và có thể tạo ra những con số sai. Hơn nữa, sẽ không đáng tin cậy khi trả lời câu hỏi “Có sự khác biệt đáng kể” nếu không kiểm tra thống kê.
Lời nhắc mạnh mẽ:
Tôi muốn so sánh điểm số của hai nhóm: một biến liên tục, hai nhóm độc lập. (1) Kiểm định thống kê nào là phù hợp và tại sao? (2) Giả định của nó là gì? (3) Bản nháp mã nhận xét cho [R/Python]. Tôi sẽ thực hiện phép tính trong chương trình; Bạn chỉ đưa ra phương thức và mã, không tạo ra số.
Sự khác biệt: AI không còn được sử dụng như một máy tính không đáng tin cậy nữa mà được sử dụng như một cố vấn phương pháp đáng tin cậy.
Phân công lao động trong nhiệm vụ định lượng
Nhiệm vụ
AI có an toàn không?
Cách sử dụng
Kiểm tra thiết kế câu hỏi
Có
Đánh dấu bẫy
Tính nhất quán của quy mô
Có
danh sách kiểm tra
Mã xóa dữ liệu
Có (dự thảo)
Bạn chạy mã
Tài khoản trong văn bản
không
Không bao giờ tin tưởng
Lựa chọn thử nghiệm
Có
Giải thích phương pháp
Nhận xét kết luận
Có (hỗ trợ)
Tùy bạn phán xét
Những lỗi thường gặp
- Trực tiếp sử dụng số do AI tạo ra. Mô hình ngôn ngữ sai về mặt số học; Đưa phép tính vào chương trình.
- Đặt câu hỏi dẫn dắt. Những tính từ và giả định làm sai lệch câu trả lời.
- Nhầm lẫn ý nghĩa thống kê với ý nghĩa thực tế. “Đáng kể” thậm chí có thể là một sự khác biệt nhỏ; Nhìn vào kích thước.
- Bỏ qua các giả định Mọi bài kiểm tra đều có điều kiện tiên quyết; Không bình luận mà không kiểm tra.
- Đặt thêm câu hỏi. Mỗi câu hỏi khảo sát nên được liên kết với một khái niệm; phần còn lại làm tăng dữ liệu.
Tóm lại
AI trong nghiên cứu định lượng; Anh ấy là một nhà tư vấn giỏi trong việc nắm bắt những cạm bẫy của các câu hỏi khảo sát, lập bản đồ câu hỏi khái niệm, soạn thảo mã phân tích và làm sạch dữ liệu cũng như diễn giải kết quả bằng ngôn ngữ đơn giản. Nhưng đừng bao giờ để AI thực hiện việc tính toán thực tế; Mô hình ngôn ngữ không phải là một máy tính. Bạn chọn bài kiểm tra, nhưng bạn chạy nó trong chương trình, đọc kết quả đầu ra và phân biệt giữa ý nghĩa thống kê và ý nghĩa thực tế. AI tăng tốc quá trình; Trách nhiệm về vấn đề và bình luận là của bạn.
Nhiệm vụ ứng dụng
Viết bản khảo sát dự thảo gồm 10 câu hỏi. Có cờ AI và sửa các câu hỏi dẫn đầu, trùng lặp, mơ hồ với mẫu “Kiểm tra câu hỏi thăm dò ý kiến”. Sau đó, tạo một tập dữ liệu mẫu nhỏ (20-30 hàng) và tính giá trị trung bình và tỷ lệ phần trăm thực tế trong chương trình bảng tính; Cung cấp dữ liệu tương tự cho AI dưới dạng văn bản, so sánh dữ liệu đó với các số kết quả và báo cáo sự khác biệt. Cuối cùng, yêu cầu diễn giải kết quả thử nghiệm bằng mẫu "giải thích thống kê".
danh sách kiểm tra
- [ ] Tôi đã liên kết mỗi câu hỏi khảo sát với một khái niệm.
- [ ] Tôi đã loại bỏ những câu hỏi dẫn dắt, kép và mơ hồ.
- [ ] Tôi đã tính toán thực tế trong chương trình thống kê chứ không phải AI.
- [ ] Tôi đã kiểm tra các giả định thử nghiệm.
- [ ] Tôi phân biệt ý nghĩa thống kê với ý nghĩa thực tế.