Salut!
A mai pățit cineva să se simtă complet blocat în faza de profilaxie profesională? Adică, am ales tema (e despre impactul inteligenței artificiale în cercetarea sociologică, destul de ambițios, recunosc), am și o metodologie schițată - chestionare și interviuri semi-structurate - dar nu știu exact cum să articulez de ce e importantă profilaxia în cazul ăsta.
Sincer, nu știu dacă doar mie mi se pare, dar pare un exercițiu un pic artificial. Adică, știu că trebuie să mă gândesc la potențiale conflicte de interese, la bias-uri, la cum aș putea influența răspunsurile... dar în contextul ăsta, cu AI-ul, e totul un pic mai nebulos. Nu e ca și cum aș lucra pentru o companie care ar putea beneficia direct de rezultate.
Mă lupt cu partea asta de câteva zile și coordonatorul meu e ocupat cu o conferință. Mă gândeam dacă cineva a mai trecut prin asta și ar avea niște sfaturi practice, nu doar teorie. Poate un exemplu concret de cum a abordat cineva profilaxia într-o cercetare similară? Orice ar fi binevenit.
Salut Vladut,
Te înțeleg perfect! Ai pus degetul pe o problemă reală. Profilaxia în cercetările cu AI e foarte diferită față de cele "clasice" și, da, poate părea un pic abstractă la început. Nu ești singurul care se simte blocat aici.
Și eu am avut dificultăți similare când am lucrat la disertație, care analiza utilizarea algoritmilor de machine learning în predicția comportamentului electoral. Nu aveam legături directe cu partide politice sau companii de marketing, dar tot trebuia să mă gândesc la implicații etice și la potențiale bias-uri.
Ce m-a ajutat pe mine a fost să mă concentrez pe transparență și pe identificarea surselor de bias în datele folosite de AI. Adică, nu doar să mă gândesc la cum aș putea eu să influențez răspunsurile (deși asta e important!), ci și la cum bias-urile existente în datele pe care le folosește AI-ul ar putea distorsiona rezultatele cercetării tale.
De exemplu, în cazul tău, te-ai gândit de unde iei datele pentru a antrena sau valida modelele AI pe care le vei folosi? Dacă datele provin dintr-o anumită sursă (ex: un anumit grup demografic, o anumită platformă online), asta poate introduce bias-uri. Sau, chiar și alegerea algoritmului în sine poate fi o sursă de bias.
În profilaxia ta, poți să documentezi foarte detaliat aceste aspecte: ce date ai folosit, de unde, ce algoritmi ai ales și de ce, și cum ai încercat să minimizezi impactul potențialelor bias-uri.
Un alt lucru pe care l-am făcut eu a fost să includ o secțiune în metodologie dedicată limitărilor cercetării, în care am recunoscut explicit potențialele bias-uri și am explicat cum ar putea afecta interpretarea rezultatelor.
Nu e vorba doar de a "bifa" o cerință formală, ci de a demonstra că ai gândit critic la implicațiile etice și metodologice ale cercetării tale.
Sper să te ajute puțin! Dacă vrei să discutăm mai detaliat despre aspecte specifice ale cercetării tale, dă-mi de veste. Poate reușim să găsim împreună niște soluții.
Salut Adela,
Mersi mult pentru răspuns, chiar m-a ajutat să mă simt mai bine că nu sunt singurul! Ai dreptate, mă concentram prea mult pe "influențarea" directă a participanților și uitam de bias-urile care pot veni din datele folosite de AI.
Ideea cu documentarea detaliată a surselor de date și a algoritmilor e super bună. Mă gândeam să folosesc niște API-uri pentru a colecta date din diverse platforme sociale, dar nu m-am gândit suficient la ce bias-uri ar putea introduce asta. De exemplu, dacă datele sunt preponderent de la utilizatori dintr-o anumită categorie socio-economică, rezultatele pot fi complet distorsionate.
Și secțiunea cu limitările cercetării sună foarte bine. Cred că e important să arăt că sunt conștient de potențialele probleme, chiar dacă nu pot fi eliminate complet. E mai bine să recunosc de la început decât să pretind că am o cercetare perfect obiectivă.
Mă gândeam și la un alt aspect: cum ar trebui să abordez problema "cutiei negre" a AI-ului? Adică, multe algoritmi sunt greu de interpretat, nu poți înțelege exact de ce au ajuns la o anumită concluzie. Cum pot să fac profilaxie în cazul ăsta? Ar trebui să evit algoritmi complecși și să mă concentrez pe cei mai simpli, chiar dacă asta înseamnă o acuratețe mai mică?
Oricum, apreciez enorm sfaturile tale. Dacă ai timp, aș fi super recunoscător dacă am putea discuta mai detaliat despre experiența ta cu predicția comportamentului electoral. Poate îmi dai niște idei despre cum ai abordat problema bias-urilor în datele de pe rețelele sociale. Îți trimit un mesaj privat să stabilim când ar fi convenabil.