如何负责任地使用人工智能解读调查结果
在不夸大显著性、因果性、分组模式或现实世界结果的前提下，将估计值转化为审慎的表述。
简要回答
在不夸大显著性、因果性、分组模式或现实世界结果的前提下，将估计值转化为审慎的表述。 给出估计值、参照条件、置信区间，以及结局定义。 请求与随机设计相联系的、通俗语言的解读。 核查答案是在区分已测量的态度与行为、安全性、有效性或其他未测量的结局。
适用对象
起草结果、制作演示、撰写审稿回复，或基于离散选择联合分析与实验输出提出建议的研究人员。
步骤
- 给出估计值、参照条件、置信区间，以及结局定义。
- 请求与随机设计相联系的、通俗语言的解读。
- 核查答案是在区分已测量的态度与行为、安全性、有效性或其他未测量的结局。
- 将非预先计划的分组发现视为探索性结果。
- 拒绝为提高显著性而删除样本、调整结局，或仅为优化显著性而检索规格的建议。
- 根据实际表格、代码、预先注册信息与研究局限性，对最终措辞进行编辑。
为何重要
人工智能可以让统计表述更清晰，但不应把不确定的估计“说成确定”，也不应帮助研究人员制造其偏好的结论。负责任的使用应将主张限定在设计所生成的证据范围之内。
开展调查前
- 以估计值开头。
- 纳入不确定性。
- 命名已测量的结局。
- 避免缺乏依据的因果性主张。
- 不要挑选性呈现或编造。
- 由研究人员本人复核最终措辞。
常见问题
本指南有什么用途？
起草结果、制作演示、撰写审稿回复，或基于离散选择联合分析与实验输出提出建议的研究人员。
基本流程是什么？
给出估计值、参照条件、置信区间，以及结局定义。 请求与随机设计相联系的、通俗语言的解读。 核查答案是在区分已测量的态度与行为、安全性、有效性或其他未测量的结局。 将非预先计划的分组发现视为探索性结果。
开展调查前应检查什么？
以估计值开头。 纳入不确定性。 命名已测量的结局。 避免缺乏依据的因果性主张。
相关指南
产品和平台名称归其各自所有者所有。Conjoint Survey 是独立工具，与这些服务不存在隶属、赞助或认可关系。