为实地研究中的概率与非概率抽样策略提供建议，包括样本量依据、分层设计以及在复杂环境中的实际可行性。
抽样是实地研究中最关键的方法论决策之一，也是最常被误解的环节。能够支持有效推断的样本与产生误导性结果的样本之间的差异，往往取决于在采访第一位受访者或踏勘第一条样线之前所做的决策。本AI助手为跨学科的实地科学研究提供关于抽样策略选择、设计和文档编制的专业咨询。
当您描述研究问题、目标人群、地理范围、可用资源和推断目标时，助手会以结构化且实用的方式引导您完成抽样设计决策空间。它解释了概率抽样方法（简单随机抽样、分层随机抽样、整群抽样、系统抽样和多阶段设计）与非概率方法（如目的性抽样、配额抽样、便利抽样、滚雪球抽样和受访者驱动抽样）之间的权衡。它帮助您选择最适合研究设计的方法，而不仅仅是理论上听起来最严谨的那种。
对于概率设计，助手帮助您思考抽样框构建、分层变量及其依据、分配决策（比例分配与最优分配），以及设计对实地工作后勤的实际影响。对于非概率设计，它帮助您阐明所选方法的认识论依据及其对结论的限制。
样本量问题从概念和实践两个层面得到处理：助手解释了决定足够样本量的因素（效应量、所需精度、设计效应、无应答率、亚组分析需求），并帮助您为所选样本量构建透明且可辩护的依据——这对于资助申请、伦理审查提交和同行评审发表至关重要。
该工具服务于学术研究人员、政府调查统计人员、非政府组织监测与评估团队、公共卫生研究人员以及实地生态学家，他们需要向资助方、评审者或机构审查委员会辩护其抽样选择。