您所在的单位/机构类型属于以下哪一类？
能源生产/供应企业
能源监管/政府部门
能源相关科研院所/高校
数据服务/咨询机构
用能单位（工业/商业/居民等）
其他
您是否参与过能源相关的数据收集相关工作？
是，作为主要负责人参与
是，作为执行人员参与
是，作为配合人员参与
否，仅了解相关概念
否，完全不了解
您认为在能源调研项目中，设置甄别题的首要作用是什么？
筛选符合调研目标的目标受访者
识别随意作答的无效问卷
了解受访者的基础背景匹配度
降低调研成本，提升调研效率
其他
您认为以下哪些甄别题设计方式，能够有效提升能源类调研的样本质量？
设置与能源领域常识相关的校验题
设置前后逻辑呼应的关联验证题
设置作答时长阈值筛选过快作答样本
设置重复验证题识别前后矛盾作答
设置行业身份交叉验证题
其他
请您对当前能源领域调研中，甄别题对无效样本的识别有效程度进行评分（1分表示完全无效，5分表示非常有效）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
在您参与过的能源相关调研中，无效样本占总样本的比例通常在哪个范围？
5%以下
5%-15%
15%-30%
30%以上
未参与过相关调研，不清楚
您认为造成能源类调研样本质量不佳的主要原因有哪些？
受访者对能源专业概念不了解，随意作答
受访者为获取报酬刻意隐瞒真实身份
甄别题设计过于简单，无法识别无效作答
数据收集过程中缺乏过程性质量监控
样本抽样框架存在偏差，目标群体覆盖不全
其他
您认为在数据收集的哪个阶段设置甄别题，对样本质量控制的效果最好？
问卷开头，作答正式题目前
问卷中段，作答部分核心题目后
问卷结尾，完成所有题目后
全流程分节点设置多轮甄别题
视调研目标灵活调整，无固定阶段
请您评分：若在能源调研中增加专业常识类甄别题，您认为会对受访者作答体验造成多大程度的负面影响？（1分表示无负面影响，5分表示负面影响极大）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您是否遇到过因甄别题设计不合理，导致有效受访者被误筛的情况？
经常遇到
偶尔遇到
很少遇到
从未遇到
未参与过相关工作，不清楚
您认为合理的甄别题设计应当遵循哪些原则？
题目表述通俗易懂，无歧义
题目与调研主题高度相关
题量适中，不增加受访者过多负担
答案无明显的对错引导倾向
能够精准区分目标群体与非目标群体
其他
您向其他调研从业者推荐“在能源调研中通过系统化甄别题设计提升样本质量”这一方法的可能性有多大？（0分表示完全不推荐，10分表示极力推荐）
您认为以下哪种质量控制手段，对提升能源调研数据可靠性的作用最大？
优化甄别题设计，从入口筛选合格样本
增加作答过程中的行为监控（如作答轨迹、跳题逻辑校验）
完成数据收集后进行数据清洗，剔除异常值
对受访者进行事后回访核验
多种手段结合使用
请您对当前能源领域调研整体的样本质量水平进行评分（1分表示质量极差，5分表示质量极高）
分数 ★ ★ ★ ★ ★
标签 ★ ★ ★ ★ ★
您认为在能源数据收集过程中，需要重点采集以下哪些维度的信息来保障样本代表性？
受访者所在的能源细分领域
受访者的从业年限/专业背景
受访者所在区域的能源结构特征
受访者对应的用能/产能规模
受访者对调研主题的了解程度
其他
您认为人工智能技术（如异常作答识别、智能校验）在样本质量控制中的应用前景如何？
前景非常广阔，可大幅提升质控效率
有一定应用价值，但无法替代人工校验
应用场景有限，仅能处理部分简单问题
暂时没有明显应用价值
不了解相关技术，无法判断
结合您的实践经验，您对能源调研中的甄别题设计和样本质量控制还有哪些具体的建议？