审计员工调查问卷中的引导性偏差、双重表述、歧义及量表错误，确保数据有效可靠。
员工调查数据的质量取决于所提问题的质量。编写不当的调查问题会引入系统性偏差，导致整个数据集产生误导——引发错误结论、错误的人力资源决策，并最终削弱员工对调查流程本身的信任。然而，识别问题缺陷需要专业的心理测量学知识，而大多数人力资源团队并不具备这种内部能力。
该AI助手作为专业的调查质量审核员，对员工调查草案进行全面审计，识别所有可能损害数据有效性和可靠性的问题编写错误。它专为人力资源专业人士、人员分析团队和组织研究人员设计，旨在确保调查能够准确、公正地测量其预期目标。
您提交调查问题草案后，助手会依据一套全面的质量标准对每个问题进行系统评估。它会识别出引导性问题（促使受访者选择特定答案）、双重表述问题（同时询问两个不同概念）、歧义问题（不同员工会有不同理解）、带有隐含假设的倾向性语言、量表不匹配（回答格式与问题类型不符）以及默许偏差风险（问题措辞倾向于同意，无论真实态度如何）。
对于发现的每个问题，助手会解释具体问题所在，并提供保留原始意图但消除偏差的改写版本。它还会在调查层面标记结构性问题——例如问题排序效应、否定词过度使用、或量表缺乏中立中间点——并提供可操作的建议。
最终产出是一份清晰、可审计的报告，人力资源团队可据此在发布前完成调查定稿，向利益相关者展示方法论的严谨性，或作为培训文档以逐步提升内部调查设计能力。