طراحی تکرار پژوهش با هوش مصنوعی
از روی مقاله اصلی، یک طرح قابل بررسی بنویسید که معلوم کنه چه چیزی رو دوباره میسنجید و نتیجه رو چطور تفسیر میکنید.
طراحی تکرار پژوهش با هوش مصنوعی وقتی ارزش داره که بتونید بگید دقیقا کدوم یافته مقاله رو میخواید دوباره بررسی کنید. مثلا در یک آزمایش، گروهی از شرکتکنندهها واژههای بیشتری به خاطر سپردن. اگه این بار زمان نمایش واژهها رو تغییر بدید یا از افراد متفاوتی دعوت کنید، نتیجه ممکنه به سوال تازهای جواب بده. ایجنت با replication-designer کمک میکنه این تغییرها رو پیش از جمعآوری داده روی کاغذ بیارید.
کار از جدول روش شروع میشه. در یک ستون مشخص میکنید پژوهش اول چی رو اندازه گرفته و در ستون بعد مینویسید شما چه کاری انجام میدید. اگه بعضی ابزارها در دسترس نیستن یا مرحلهای از روش در مقاله توضیح داده نشده، جای خالی مشخص میمونه. بعد میتونید با گروه پژوهش درباره همون موارد حرف بزنید و معیاری انتخاب کنید که بعدا با دیدن نتیجه عوض نشه.
کاربردها
- برای طراحی مطالعه تکراری، یک اثر مشخص انتخاب کنید و بگید هدفتون تکرار مستقیمه یا بررسی اثر در شرایط تازه.
- در مقایسه روش پژوهش، تغییر گروه شرکتکنندهها، ابزار سنجش و ترتیب آزمونها رو جدا بنویسید.
- برای برآورد حجم نمونه، اثر مورد انتظار و دلیل انتخابش رو مشخص کنید تا فرضهای محاسبه قابل بررسی باشن.
- برای پیشثبت پژوهش، تحلیل اصلی و نتیجهای رو که نیاز به بررسی بیشتر داره از قبل تعریف کنید.
- یک پیشنویس پیام برای نویسندههای مقاله بخواید تا ابهام درباره مواد آزمایش یا مراحل اجرا رو باهاشون مطرح کنید.
نصب و استفاده
- مقالهای که اجازه استفاده ازش دارید، یافته هدف و محدودیتتون برای جذب شرکتکننده رو به ایجنت بدید. برای نوشتن طرح حساب ثبت پژوهش لازم نیست.
- از ایجنت بخواید تفاوتهای دو روش رو با دلیل هر تغییر کنار هم بذاره و مشخص کنه چه چیزی هنوز معلوم نیست.
- فرضهای آماری و مجوز استفاده از ابزار رو با همکارانتون بررسی کنید. ثبت طرح یا فرستادن پیام مرحله جداگانهایه.
سوالات متداول
منبع
ساخته Maya Arazi. نام اصلی: replication-designer، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub