我们该如何处理调查研究中的AI污染？ 以下是一些前进的思考： 1) @YouGov 和 @Prolific 正在努力确保高质量的回应。（声明：我与这两家公司没有个人财务关系，但我曾使用这两家公司收集数据。）其他像 @pewresearch 的机构则维护经过严格审查的面板。 2) 拥有专有收集工具的面板提供商具有重大优势。例如，YouGov 可以直接监控回应模式，而依赖第三方平台如 Qualtrics 的公司则无法做到这一点。 3) 在我看来，Qualtrics 已成为一个脆弱环节。他们的机器人检测能力较弱——它将我（一个人类）标记为机器人，却漏掉了我的实际机器人。该平台也缺乏研究人员实施自定义机器人检测协议所需的灵活性，而不必经历复杂的程序。对于一个价格高昂且近年来几乎没有进展的产品，其价值主张正变得越来越可疑。 4) 不透明的转售网络削弱了质量。当面板仅仅从未知来源中经纪最便宜的可用受访者时，研究人员如何验证数据的完整性？ 5) 考虑更安全的抽样方法：学生样本、通过短信招募建立的自定义面板、基于地址的抽样和选民文件匹配提供了更好的受访者验证。 6) 我们应该向比较研究者学习，他们早已接受严格的数据收集通常需要耗时的面对面实地工作。 7) 我们不能指望早期职业学者在使用廉价便利样本的简单实验上建立职业生涯。我们对论文、招聘和终身职位的标准必须演变，以反映高质量数据收集的真实成本。