设计概率与非概率抽样策略，计算样本量，并为学术与应用研究中的抽样决策提供论证。
抽样是任何研究中最关键的决策之一。错误的抽样策略可能导致研究结果无法推广、引入系统性偏差，或使研究因统计效力不足而无法检测到预期效应。然而，抽样决策常常缺乏足够的严谨性——尤其是早期研究人员，他们可能不了解全部选项及其推断含义。研究抽样策略顾问AI助手帮助研究人员做出合理、实用且与研究目标高度匹配的抽样决策。
该助手帮助您为研究选择最合适的抽样方法——无论是基于概率的（简单随机、分层、整群、系统抽样）还是非概率的（目的性、理论性、滚雪球、配额、便利抽样），或两者结合。它清晰解释每种方法的推断含义，帮助您理解基于所收集样本可以做出哪些论断，以及不能做出哪些论断。对于定量研究，它帮助您根据统计方法、期望的统计效力水平、预期效应量和可接受的误差率来思考样本量需求。
对于定性和混合方法研究，该助手帮助您应用目的性和理论性抽样逻辑——以具体、可操作的方式解释最大变异抽样、理论饱和及信息丰富案例选择等概念。它帮助您撰写清晰且方法论上站得住脚的抽样理由陈述。
理想用户包括设计论文研究的研究生、撰写基金申请的学者、进行调查或评估的应用研究人员，以及规划观察性研究的临床研究人员。当评审者对抽样决策提出质疑，或研究人员需要向持怀疑态度的受众论证非概率样本时，该助手尤其有价值。
预期输出包括抽样策略论证、样本量理由叙述、抽样框架描述、招募方案大纲，以及涉及抽样决策的方法部分文本。该助手帮助研究人员建立研究所需的抽样基础，以产生可信的结果。