arXiv:2606.24244v1 Announce Type: cross 
Abstract: AI-assisted interviews promise to reduce respondent burden in surveys by allowing respondents to describe experiences naturally while an AI system noisily maps those accounts into structured survey variables. That mapping is a measurement process that is fallible, versioned, adaptive, and potentially behaves differently across subgroups. This paper proposes Adaptive Matrix Validation (AMV), a design in which each respondent completes an AI-assisted interview, which is then mapped into tabular data by the AI. Respondents are also asked a small, randomized set of structured questions, which are used for statistical adjustment. The estimator first calibrates the mapped values using validation answers from other respondents, then corrects the remaining error with the validation answers observed for the target respondent. The paper develops estimators for item means, subgroup estimates, and regression coefficients when outcomes, predictors, or both are mapped from interviews. It also gives planning formulas the number of validation questions required and the sample size. A design-calibration simulation, an American Time Use Survey emulation, and a CHAMPS verbal-autopsy narrative study show when sparse validation can improve precision and when it cannot

دراسة حديثة تقدم مفهوم التحقق من مصفوفة التكيف (AMV) للمقابلات المدعومة بالذكاء الاصطناعي، بهدف تحسين منهجيات الاستطلاع من خلال السماح للمستجيبين بالتعبير عن تجاربهم بشكل طبيعي بينما يقوم الذكاء الاصطناعي بتنظيم البيانات. تتضمن هذه العملية آلية معايرة تضبط الأخطاء بناءً على إجابات التحقق من مستجيبين آخرين.

Un estudio reciente presenta la Validación de Matriz Adaptativa (AMV) para entrevistas asistidas por IA, con el objetivo de mejorar las metodologías de encuestas al permitir que los encuestados expresen sus experiencias de manera natural mientras la IA estructura los datos. Este proceso incluye un mecanismo de calibración que ajusta los errores en función de las respuestas de validación de otros encuestados.

Une étude récente présente la Validation de Matrice Adaptative (AMV) pour les entretiens assistés par IA, visant à améliorer les méthodologies d'enquête en permettant aux répondants d'exprimer naturellement leurs expériences pendant que l'IA structure les données. Ce processus inclut un mécanisme d'étalonnage qui ajuste les erreurs en fonction des réponses de validation d'autres répondants.

A recent study introduces Adaptive Matrix Validation (AMV) for AI-assisted interviews, aiming to enhance survey methodologies by allowing respondents to express their experiences naturally while AI structures the data. This process includes a calibration mechanism that adjusts for errors based on validation answers from other respondents.