के ChatGPT ले भविष्यको भविष्यवाणी गर्न सक्छ?

लिङ्कहरूको तालिका

सारांश र १ परिचय

२ प्रत्यक्ष बनाम कथा भविष्यवाणी

३ प्रम्प्टिङ विधि र डेटा सङ्कलन

४ नतिजाहरू

४.१ झूटा कुराहरूको साथ प्रशिक्षण डेटा सीमा स्थापना गर्ने

४.२ २०२२ एकेडेमी अवार्ड पूर्वानुमानको नतिजा

५ समष्टिगत आर्थिक चरहरूको भविष्यवाणी गर्ने

५.१ अर्थशास्त्रका प्राध्यापकसँग मुद्रास्फीतिको भविष्यवाणी गर्ने

५.२ फेड अध्यक्ष जेरोम पावेलसँग मुद्रास्फीतिको भविष्यवाणी

५.३ जेरोम पावेलसँग मुद्रास्फीतिको भविष्यवाणी गर्ने र युक्रेनमा रूसको आक्रमणको बारेमा जानकारी दिने

५.४ अर्थशास्त्रका प्राध्यापकसँग बेरोजगारीको भविष्यवाणी गर्ने

कथात्मक रूपमा ChatGPT-4 को भविष्यवाणी गर्ने क्षमताहरूमा ६ अनुमान

७ निष्कर्ष र स्वीकृतिहरू

परिशिष्ट

क. अनुमानित एकेडेमी पुरस्कार विजेताहरूको वितरण

ख. अनुमानित समष्टिगत आर्थिक चरहरूको वितरण

सन्दर्भ सामग्रीहरू

सार

यो अध्ययनले OpenAI को ChatGPT-3.5 र ChatGPT-4 ले दुई फरक प्रम्प्टिङ रणनीतिहरू प्रयोग गरेर भविष्यका घटनाहरूको सही भविष्यवाणी गर्न सक्छ कि सक्दैन भनेर अनुसन्धान गर्छ। भविष्यवाणीहरूको शुद्धता मूल्याङ्कन गर्न, हामी प्रयोगको समयमा प्रशिक्षण डेटा सेप्टेम्बर २०२१ मा रोकिएको तथ्यको फाइदा लिन्छौं, र ChatGPT-3.5 र ChatGPT-4 प्रयोग गरेर २०२२ मा भएका घटनाहरूको बारेमा सोध्छौं। हामीले दुई प्रम्प्टिङ रणनीतिहरू प्रयोग गर्यौं: प्रत्यक्ष भविष्यवाणी र हामी भविष्यका कथाहरू भनिने कुराहरू जसले ChatGPT लाई भविष्यमा सेट गरिएका काल्पनिक कथाहरू भन्न लगाउँछन् जसले पात्रहरूसँग उनीहरूसँग भएका घटनाहरू साझा गर्छन्, तर ChatGPT को प्रशिक्षण डेटा सङ्कलन गरिसकेपछि। २०२२ मा भएका घटनाहरूमा ध्यान केन्द्रित गर्दै, हामीले ChatGPT लाई कथा कथनमा संलग्न हुन प्रेरित गर्यौं, विशेष गरी आर्थिक सन्दर्भहरूमा। १०० प्रम्प्टहरूको विश्लेषण गरेपछि, हामीले पत्ता लगायौं कि भविष्यका कथा प्रम्प्टहरूले ChatGPT-4 को पूर्वानुमान शुद्धतालाई उल्लेखनीय रूपमा बढाएको छ। यो विशेष गरी प्रमुख एकेडेमी अवार्ड विजेताहरूको भविष्यवाणी र आर्थिक प्रवृत्तिहरूमा स्पष्ट थियो, पछिल्लोले परिदृश्यहरूबाट अनुमान लगाएको थियो जहाँ मोडेलले फेडरल रिजर्भ अध्यक्ष जेरोम पावेल जस्ता सार्वजनिक व्यक्तित्वहरूको प्रतिरूपण गरेको थियो। यी निष्कर्षहरूले संकेत गर्दछ कि कथाले मोडेलहरूको भ्रामक कथा निर्माणको क्षमतालाई लाभ उठाउँछ, सीधा भविष्यवाणीहरू भन्दा बढी प्रभावकारी डेटा संश्लेषण र एक्स्ट्रापोलेसनलाई सहज बनाउँछ। हाम्रो अनुसन्धानले LLMs को भविष्यवाणी क्षमताहरूको नयाँ पक्षहरू प्रकट गर्दछ र विश्लेषणात्मक सन्दर्भहरूमा सम्भावित भविष्यका अनुप्रयोगहरू सुझाव दिन्छ।

१ परिचय

कृत्रिम बुद्धिमत्तामा भएको द्रुत प्राविधिक प्रगतिले यसको प्रयोगका केसहरूको हाम्रो बुझाइलाई पार गरेको छ। OpenAI को GPT-4 जस्ता ठूला भाषा मोडेलहरू (LLMs) ले बुद्धिमान मानव बोलीको नक्कल गर्न सक्छन् र संज्ञानात्मक रूपमा महँगो कार्यहरू पनि गर्न सक्छन् जसले कामदारहरूको सीमान्त उत्पादनहरूलाई परिवर्तन गर्दछ, तर ती कार्यहरूको पहुँच स्पष्ट छैन। सिद्धान्तमा, यी मोडेलहरू भविष्यवाणी गर्ने मेसिनहरू हुन्, तिनीहरूले मानिसहरूलाई नयाँ पूर्वानुमान उपकरण प्रदान गर्न सक्छन् (अग्रवाल एट अल।, २०१८)। तर तिनीहरू कति सही छन् भन्ने कुरा आंशिक रूपमा अज्ञात छ किनभने यी नयाँ प्रविधिहरू यसका सिर्जनाकर्ताहरूले पनि राम्ररी बुझेका छैनन्।

LLM हरूको हालको अग्रभागको मेरुदण्ड जेनेरेटिभ प्रि-ट्रेन गरिएको ट्रान्सफर्मर, वा GPT भनिने वास्तुकला हो। यो वास्तुकलाले आत्म-ध्यान संयन्त्रहरू मार्फत जटिल पाठ सम्बन्धहरू कब्जा गरेर प्राकृतिक भाषा प्रशोधन (NLP) मा क्रान्तिकारी परिवर्तन ल्यायो (वासवानी एट अल।, २०१७)। नोभेम्बर २०२२ मा OpenAI को GPT-3.5 र मार्च २०२३ मा यसको उत्तराधिकारी, GPT-4 को परिचयले GPT को विकासमा महत्त्वपूर्ण कोसेढुङ्गा चिन्ह लगायो। विविध पाठ्य कर्पोरामा पूर्व-प्रशिक्षित तिनीहरूको विशाल तंत्रिका नेटवर्कहरूको साथ, यी मोडेलहरूमा भाषा बुझ्ने र उत्पन्न गर्ने अतुलनीय क्षमता छ, यद्यपि पूर्वानुमानमा तिनीहरूको प्रयोग, विशेष गरी भविष्यका घटनाहरू, तिनीहरूको प्रशिक्षण डेटाको अन्तर्निहित सीमितताहरूको कारणले गर्दा कम अन्वेषण गरिएको छ।

LLM हरूलाई अद्वितीय बनाउने एउटा कुरा के हो भने धेरैजसो इनपुटहरू मोडेलहरूको पूर्व प्रशिक्षण डेटासेटहरूमा हुन्छन्। यी प्रशिक्षण डेटासेटहरूमा अरबौं अज्ञात पाठहरू छन् जुन अनलाइन उपलब्ध सामग्रीको विशाल मात्रालाई समेट्ने सोचाइ छ (ह्युजेस, २०२३)। OpenAI ले कुन डेटासेटहरूमा तालिम दिइएको थियो भनेर ठ्याक्कै लुकाउँछ (Schaul et al., २०२३), तर मोडेलहरूको कथित आकारहरू, साथै कुराकानीत्मक भाषण प्राप्त गर्ने यसको सफल क्षमतालाई ध्यानमा राख्दै, यो सोचिएको छ कि प्रशिक्षण डेटासेटहरूमा अनलाइन सामग्रीको ठूलो हिस्सा समावेश छ।

यो अध्ययनले LLM हरूको उत्पादन क्षमता र भविष्यवाणी विश्लेषणको लागि तिनीहरूको सम्भावनाको प्रतिच्छेदनमा आफूलाई विशिष्ट रूपमा राख्छ। GPT-3.5 र GPT-4 प्रयोग गरेर, हामी विभिन्न प्रम्प्टिंग रणनीतिहरूले ChatGPT लाई भविष्यका घटनाहरूलाई अझ सही रूपमा भविष्यवाणी गर्न बाध्य पार्न सक्छ कि भनेर अनुसन्धान गर्छौं। हाम्रो पूर्वानुमान सफलता परीक्षण गर्न, हामीले OpenAI द्वारा सेट गरिएको प्राकृतिक सीमाको फाइदा उठायौं। हाम्रो २०२३ को मध्य प्रयोगको समयमा, OpenAI को अन्तिम प्रशिक्षण अपडेट सेप्टेम्बर २०२१ (OpenAI, २०२४a) थियो।[1] त्यस समयमा ChatGPT को प्रशिक्षण डेटामा २०२२ का घटनाहरूको बारेमा जानकारी नभएको कारणले गर्दा, हामीले सेप्टेम्बर २०२१ मा रोकिएको यसको प्रशिक्षण डेटामा ढाँचाहरू शोषण गर्न सक्छ कि भनेर अन्वेषण गर्न सक्षम भयौं, जुन २०२२ एकेडेमी पुरस्कारका विजेताहरू, मासिक बेरोजगारी दरहरू र सेप्टेम्बर २०२२ सम्म मासिक मुद्रास्फीति दरहरू जस्ता सामाजिक र आर्थिक मूल्य भएका घटनाहरूको सही रूपमा भविष्यवाणी गर्न सकिन्छ।

यद्यपि, LLM हरूको एउटा विशेषता भनेको तिनीहरू अत्यधिक रचनात्मक हुन्छन्। यो रचनात्मकता एक विशेषता र बग दुवै हो। यस्तो देखिन्छ कि यसको रचनात्मकताले यसलाई बुद्धिमान मानव बोलीको नक्कल गर्न सफल बनाउने कुराको अंश हो। तर यो पनि देखिन्छ कि यो रचनात्मकताले यसलाई नियमित रूपमा भ्रमित बनाउँछ - एक शब्द जसले झूटा घटनाहरू वा गलत तथ्यहरूलाई दृढतापूर्वक दाबी गर्ने यसको प्रवृत्तिलाई वर्णन गर्दछ (लेवी, २०२४)। यसको रचनात्मकता र भ्रमित गर्ने प्रवृत्ति भविष्यवाणीको लागि बाधा हुन सक्छ यदि यो कुनै तरिकाले व्यवस्थित रूपमा विकृत छ जुन हाम्रो वर्तमान प्रविधिहरू भन्दा खराब छ। यद्यपि स्पष्ट भविष्यवाणीले OpenAI को सेवा सर्तहरू प्रत्यक्ष रूपमा उल्लङ्घन गर्दैन, हामीलाई लाग्छ कि हाम्रो प्रयोगको आधारमा OpenAI ले यसलाई धेरै गाह्रो बनाउने प्रयास गरेको छ। यो हुन सक्छ किनभने मानिसहरूले भविष्यवाणी गर्ने उद्देश्यका लागि ChatGPT लाई गहन रूपमा प्रयोग गरेमा यसको सेवा सर्तहरू मध्ये तीन उल्लङ्घनहरू प्रत्यक्ष रूपमा उल्लङ्घन भएको देखिन्छ। ती तीन उल्लङ्घनहरू ओपनएआईको नियम अन्तर्गत पर्छन् कि सफ्टवेयरलाई "अरूको सुरक्षा, कल्याण, वा अधिकारलाई उल्लेखनीय रूपमा हानि पुर्‍याउन सक्ने गतिविधिहरू प्रदर्शन गर्न वा सहजीकरण गर्न" प्रयोग गर्नु हुँदैन (ओपनएआई, २०२४बी) जसले त्यसपछि भविष्यवाणीसँग सम्बन्धित तीनवटा केसहरू सूचीबद्ध गर्दछ।

क. योग्य पेशेवरद्वारा समीक्षा नगरी र एआई सहायताको प्रयोग र यसको सम्भावित सीमितताहरूको खुलासा बिना अनुकूलित कानुनी, चिकित्सा/स्वास्थ्य, वा वित्तीय सल्लाह प्रदान गर्ने।

ख. व्यक्तिको सुरक्षा, अधिकार वा कल्याणलाई असर गर्ने क्षेत्रहरूमा उच्च-दांव स्वचालित निर्णयहरू लिने (जस्तै, कानून प्रवर्तन, बसाइँसराइ, महत्वपूर्ण पूर्वाधारको व्यवस्थापन, उत्पादनहरूको सुरक्षा घटकहरू, आवश्यक सेवाहरू, क्रेडिट, रोजगारी, आवास, शिक्षा, सामाजिक स्कोरिङ, वा बीमा)

ग. वास्तविक पैसा जुवा वा तलब दिन ऋण सहजीकरण गर्ने

यदि ChatGPT मा उच्च पूर्वानुमान क्षमता भएको पाइयो भने, कसैले सजिलै कल्पना गर्न सक्छ कि यसलाई तुरुन्तै माथिका एक वा सबै सर्तहरू उल्लङ्घन गर्ने तरिकाहरूमा प्रयोग गरिनेछ, र यसरी हामीलाई शंका छ कि OpenAI ले धेरै प्रकारका प्रत्यक्ष भविष्यवाणी कार्यहरूमा संलग्न हुने ChatGPT को इच्छालाई रोकेको छ।

तर यसको सेवाका सर्तहरू उल्लङ्घन नगर्ने एउटा कुरा भनेको कथाहरू सुनाउनु हो। उदाहरणका लागि, यसले OpenAI को सेवाका सर्तहरू उल्लङ्घन गर्न सक्छ, उदाहरणका लागि, "अनुकूलित चिकित्सा सल्लाह" खोज्ने, र यसरी ChatGPT ले यो गर्न अस्वीकार गर्न सक्छ, यसले कथाको सन्दर्भमा त्यस्ता भविष्यवाणीहरू गरिएको कथाको काम सिर्जना गर्नबाट रोक्न सक्दैन। हाम्रो परियोजनाले ChatGPT लाई कथाहरू सुनाउन अनुरोध गर्नाले, वास्तवमा, सही पूर्वानुमान गर्ने क्षमता अनलक गर्न सक्छ कि भनेर परीक्षण गर्दछ। मोडेलहरूको प्रशिक्षण डेटा कटअफ प्रयोग गरेर, र पछि के भयो र के भएन भनेर जान्न ("ग्राउन्ड ट्रुथ"), हामी ChatGPT लाई भविष्यको भविष्यवाणी गर्न सिधै सोध्ने प्रम्प्टहरूको प्रदर्शन तुलना गर्न सक्षम छौं जसले भविष्यको बारेमा कथाहरू भन्न सोध्नेहरूसँग भविष्यको भविष्यवाणी गर्न सोध्छ।

हाम्रा कथात्मक प्रम्प्टहरू अद्वितीय छन् किनकि हामी ChatGPT लाई भविष्यमा घट्ने घटनाहरूको बारेमा कथा भन्न वा भविष्यमा सेट गरिएका आधिकारिक व्यक्तित्वहरूद्वारा तिनीहरूको विगत (तर हाम्रो भविष्य) बारे कथाहरू सुनाउन आग्रह गर्छौं। हाम्रा कथात्मक प्रम्प्टहरूले वक्ताको पहिचान वा २०२२ राजनीतिक घटनाहरूको बारेमा जानकारी जारी गर्ने जस्ता देखिने साना विवरणहरूमा भिन्नता प्रयोग गरे, कथात्मक प्रम्प्टका कुन तत्वहरूले महत्त्व राख्छन् भनेर थप अनुसन्धान गर्न। उत्तरहरूको वितरण सिर्जना गर्न, हामीसँग दुई अनुसन्धान सहायकहरू थिए जसले प्रति प्रम्प्ट ५० पटक क्वेरी गर्न दुई अलग ChatGPT खाताहरू प्रयोग गर्थे जसले प्रति प्रम्प्ट १०० कुल परीक्षणहरू सिर्जना गर्थे। हामी हाम्रा निष्कर्षहरूलाई प्रत्येक प्रम्प्टको उत्तरहरूको पूर्ण वितरण देखाउने बक्स प्लटको रूपमा प्रस्तुत गर्छौं।

हाम्रो खोजले सुझाव दिन्छ कि यी भविष्यवाणी मेसिनहरू ChatGPT-4 अन्तर्गत असामान्य रूपमा सटीक हुन्छन् जब विगतको बारेमा भविष्यमा सेट गरिएका कथाहरू भन्न प्रेरित गरिन्छ। पहिले हामी २०२२ एकेडेमी अवार्डका प्रमुख कोटीहरूका विजेताहरूको भविष्यवाणी गर्न ChatGPT-3.5 र ChatGPT4 प्रयोग गरेर प्रत्यक्ष र कथात्मक प्रम्प्टिङको शुद्धता देखाउँछौं। उत्कृष्ट अभिनेता, उत्कृष्ट अभिनेत्री, र दुवै सहायक अभिनेता कोटीहरूका लागि, कथात्मक प्रम्प्टिङ विजेताको भविष्यवाणी गर्न अत्यन्तै सटीक थियो। तुलनात्मक रूपमा प्रत्यक्ष प्रम्प्टिङ धेरै खराब प्रदर्शन गरिएको छ, प्रायः अनियमित अनुमानहरू भन्दा खराब। तर ChatGPT-4 सँग कथात्मक प्रम्प्टिङले एउटा अपवाद बाहेक ४२% (सर्वश्रेष्ठ अभिनेत्री, चेस्टेन) देखि १००% (सर्वश्रेष्ठ अभिनेता, विल स्मिथ) सम्मको शुद्धता देखाउँछ। यो उत्कृष्ट चलचित्र विजेताको सही भविष्यवाणी गर्न असफल भयो।

त्यसपछि हामी तीन अलग-अलग प्रकारका कथात्मक प्रम्प्टहरू प्रयोग गरेर मासिक बेरोजगारी दर र मासिक मुद्रास्फीति दरको आर्थिक घटनामा लाग्यौं: फिलिप्स कर्भको बारेमा स्नातक विद्यार्थीहरूलाई व्याख्यान दिने कलेजका प्राध्यापक, र फेडरल रिजर्भका अध्यक्ष, जेरोम पावेल, गत वर्षको आर्थिक डेटाको बारेमा गभर्नर बोर्डलाई भाषण दिने। जेरोम पावेलको सन्दर्भमा, हामीले थप विवरणहरू परिवर्तन गर्यौं: एउटा प्रम्प्टमा हामीले पहिले च्याटजीपीटीलाई रूसको २०२२ मा युक्रेनमा आक्रमणको बारेमा बताएका थियौं र त्यसपछि जेरोम पावेललाई गत वर्षको म्याक्रो डेटाको बारेमा गभर्नर बोर्डलाई आफ्नो भाषण दिन आग्रह गर्यौं। र अर्कोमा, हामीले त्यो जानकारी छोड्यौं। सबै अवस्थामा, प्रत्यक्ष प्रम्प्टिङ एकेडेमी अवार्डको तुलनामा भविष्यवाणीमा अझ कम प्रभावकारी थियो किनभने प्रत्येक समष्टिगत आर्थिक चरको भविष्यको समय श्रृंखलाको प्रत्यक्ष भविष्यवाणी गर्न सोध्दा च्याटजीपीटीले प्रम्प्टको जवाफ दिन अस्वीकार गर्‍यो।

यी गुमनाम अर्थशास्त्रीले LLM प्रयोग गरेर मुद्रास्फीतिको भविष्यवाणी गर्न विरलै सफल भए।

तर जब जेरोम पावेललाई एक वर्षको भविष्यको बेरोजगारी र मुद्रास्फीतिको तथ्याङ्क सुनाउने कथा सुनाउन भनियो, मानौं उनी विगतका घटनाहरूको बारेमा कुरा गरिरहेका थिए, चीजहरू उल्लेखनीय रूपमा परिवर्तन हुन्छन्। पावेलको महिना-दर-महिना मुद्रास्फीतिको भविष्यवाणीको वितरण औसतमा मिशिगन विश्वविद्यालयको मासिक उपभोक्ता अपेक्षा सर्वेक्षणमा समावेश तथ्यहरूसँग तुलनात्मक छ। रोचक कुरा के छ भने, यो क्लिभल्याण्ड फेडद्वारा सङ्कलन गरिएको तथ्याङ्कको आधारमा वास्तविक मुद्रास्फीतिको भविष्यवाणी गर्नु भन्दा UM उपभोक्ता अपेक्षा सर्वेक्षणको सही भविष्यवाणी गर्ने नजिक छ। अनौठो कुरा, युक्रेनमा रूसको आक्रमणको बारेमा जानकारीको साथ प्रोम्प्ट गर्दा, पावेलको भविष्यवाणीहरू व्यवस्थित रूपमा कम र कम सटीक थिए जब त्यो जानकारी ChatGPT लाई प्राइम गर्न प्रयोग गरिएको थिएन।

मासिक बेरोजगारीको भविष्यवाणी गर्ने क्रममा ती अज्ञात अर्थशास्त्रीको शुद्धता सटीक थियो र धेरैजसो समय गलत पनि थियो। तर मुद्रास्फीतिको सन्दर्भमा जस्तै, श्रम तथ्याङ्क ब्यूरो (BLS) द्वारा महिना-दर-महिना प्रकाशित बेरोजगारी दरहरू जेरोम पावेलले आफ्नो भाषणमा गरेका दाबीहरूको वितरण भित्र थिए। र युक्रेनको तथ्याङ्क समावेश गर्नाले बेरोजगारीको भविष्यवाणी गर्ने मोडेल मुद्रास्फीतिको सन्दर्भमा जस्तै झनै खराब भयो।

अर्थशास्त्र र व्यावसायिक अनुप्रयोगहरूमा जेनेरेटिभ एआईको प्रयोगको अनुसन्धान हालैका धेरै अध्ययनहरूले गर्छन्। उदाहरणहरूमा प्रयोगशाला प्रयोगहरूमा आर्थिक एजेन्टको रूपमा ChatGPT प्रयोग गर्नु (Horton, 2023), मार्केटिङ अनुसन्धानको लागि ChatGPT सर्वेक्षण गर्नु (Brand et al., 2023), ChatGPT लाई कमाई कल ट्रान्सक्रिप्टहरूबाट जोखिम मूल्याङ्कन गर्न भन्नु (Kim et al., 2023) र स्टक मूल्य आन्दोलनहरूको भविष्यवाणी गर्न LLMs को प्रयोग (Lopez-Lira and Tang, 2023) समावेश छन्। हाम्रा निष्कर्षहरूले भविष्यवाणी कार्यहरूको लागि LLMs को उपयोगमा द्रुत डिजाइनको महत्त्वलाई जोड दिएर यस नवजात अन्वेषणमा थप्छन्, सुझाव दिन्छन् कि मोडेलहरूको "भ्रमपूर्ण" कथा निर्माणको क्षमतालाई उनीहरूको प्रशिक्षण डेटाबाट भविष्य-हेर्ने अन्तर्दृष्टिहरू निकाल्न रणनीतिक रूपमा प्रयोग गर्न सकिन्छ। तर यसले यो पनि सुझाव दिन्छ कि OpenAI को बाहिरी अनुहार उपभोक्ता उत्पादन मुनि, ChatGPT-4, एक धेरै शक्तिशाली भविष्यवाणी मेसिन हो। यो खुलासाले आर्थिक पूर्वानुमान, नीति योजना, र त्यसभन्दा बाहिर LLMs को प्रयोगको लागि नयाँ बाटो खोल्छ, जसले हामीलाई यी परिष्कृत मोडेलहरूको क्षमताहरूसँग कसरी अन्तरक्रिया गर्छौं र कसरी शोषण गर्छौं भन्ने बारेमा पुनर्विचार गर्न चुनौती दिन्छ।

अर्को खण्डले प्रत्यक्ष बनाम कथात्मक प्रम्प्टिङको उदाहरण प्रस्तुत गर्दछ। यसपछि हाम्रो कार्यप्रणाली र डेटा सङ्कलनको विस्तृत विवरण प्रस्तुत गरिएको छ। हामी ओस्कर विजेताहरू र मुद्रास्फीति र बेरोजगारीको भविष्यवाणी गर्ने प्रयोगहरूको नतिजा प्रस्तुत गर्दछौं र त्यसपछि ChatGPT-4 को कथात्मक रूपमा भविष्यवाणी गर्ने क्षमताहरूमा हाम्रो अनुमान प्रस्तुत गर्दछौं। हामी हाम्रा निष्कर्षहरूलाई संक्षेप गर्छौं र निष्कर्षमा भविष्यको अनुसन्धानको लागि बाटोहरू सुझाव दिन्छौं।

[1] हाम्रा अनुसन्धान सहायकहरूले प्रयोग गर्ने एक्सेल स्प्रेडसिटहरूमा टाइम स्ट्याम्पहरू प्रयोग गरेर हामी हाम्रो डेटा सङ्कलन २०२३ को मध्यमा भएको देखाउन सक्छौं।