คำแนะนำในการร่วมมือกับนักวิทยาศาสตร์ประยุกต์


14

ฉันเป็นนักศึกษาระดับบัณฑิตศึกษาในสถิติและมีส่วนร่วมในความร่วมมือกับนักวิทยาศาสตร์ประยุกต์ (นักเศรษฐศาสตร์ผู้พิทักษ์…) ความร่วมมือเหล่านี้สนุก (ส่วนใหญ่) และฉันเรียนรู้มาก แต่ก็มีบางอย่างที่ซับซ้อนเช่น:

  • บางครั้งฉันเห็นว่าแบบจำลองทางสถิติที่ดีนั้นแตกต่างจากภูมิหลังของผู้ทำงานร่วมกันและการปฏิบัติทั่วไปในสาขาของตน มันยากที่จะโน้มน้าวให้พวกเขาลองทำสิ่งใหม่ ๆ เพราะพวกเขาพยายามเข้าใจรูปแบบหรือเพราะพวกเขาลังเลที่จะเปลี่ยนนิสัย
  • เมื่อเสนอให้ใช้วิธีการทางสถิติที่แตกต่างกันฉันมักจะรู้สึกว่าผู้ทำงานร่วมกันพิจารณาว่าเป็นการวิพากษ์วิจารณ์วิธีการ "มาตรฐาน" ของพวกเขา อย่างไรก็ตามฉันไม่ได้ตั้งใจที่จะวิพากษ์วิจารณ์ใครก็ตามสำหรับความรู้ทางสถิติหรือนิสัยของพวกเขา
  • และในที่สุดก็มีอีกอันหนึ่ง: บางคนคาดหวังมากเกินไป พวกเขาคิดว่าฉันสามารถดึงข้อมูลที่น่าสนใจจากข้อมูลของพวกเขาได้อย่างน่าอัศจรรย์โดยปราศจากความช่วยเหลือ แน่นอนว่านี่ไม่เป็นความจริงโดยเฉพาะอย่างยิ่งถ้าฉันคิดถึงฉากหลังที่เฉพาะเจาะจง

ฉันอาจคิดคะแนนเพิ่มเติม แต่สิ่งเหล่านี้เป็นครั้งแรกที่มาถึงใจของฉัน

คำถามที่ฉันถามคุณคือ:

  1. คุณประสบปัญหาเดียวกันหรือคล้ายกันในการร่วมมือของคุณหรือไม่? คุณเผชิญหน้ากับพวกเขาอย่างไร โดยทั่วไปแล้วคุณจะทำอย่างไรเพื่อเป็นผู้ทำงานร่วมกันทางสถิติที่ดี
  2. มีทรัพยากรบุคคลที่สามในหัวข้อนี้หรือไม่เช่นทักษะอ่อน ๆ ที่จำเป็นในการทำงานร่วมกันระหว่างนักสถิติและนักวิทยาศาสตร์ประยุกต์?

หมายเหตุ: คำถามนี้จะมากหรือน้อยสนทนาของคนนี้

คำตอบ:


7

คุณได้รับคำแนะนำที่ดี แต่เมื่อประสบการณ์ของคุณกว้างขึ้นมันก็จะเปลี่ยน

ความเป็นไปได้อื่น ๆ ได้แก่ :

  1. นักวิทยาศาสตร์ควรมีความเชี่ยวชาญในสาระการเรียนรู้เช่นการวัดและความสัมพันธ์แบบไหนที่ทำให้เกิดความรู้สึกทางกายภาพ (ทางชีวภาพอะไรก็ตาม) แสดงให้เห็นว่าคุณเคารพในความเชี่ยวชาญของพวกเขาเป็นวิธีที่เป็นธรรมชาติและน่าพึงพอใจในการสร้างความสัมพันธ์ที่ดี

  2. นักวิทยาศาสตร์อาจรู้เรื่องทางสถิติที่คุณไม่ชอบ ตัวอย่างเช่นนักดาราศาสตร์ส่วนใหญ่รู้มากขึ้นเกี่ยวกับอนุกรมเวลาที่ผิดปกติและปัญหาที่ไม่สามารถตรวจจับได้มากกว่าที่นักสถิติหลายคนทำ หลายสาขาใช้สถิติแบบวงกลมซึ่งแม้แต่การศึกษาทางสถิติเต็มรูปแบบก็ไม่ค่อยมีเช่นกัน

  3. กราฟมักจะเป็นภาษากลาง อยากรู้อยากเห็นหรือไม่นักเศรษฐศาสตร์มักจะไม่ไว้วางใจกราฟในขณะที่พวกเขาได้รับการศึกษาเพื่อรักษาสถิติในแบบที่เป็นทางการสูง (ระยะของคุณอาจแตกต่างกันไป) และเพื่อหลีกเลี่ยงการกระทำ

  4. บางครั้งคุณต้องถอยกลับ หากนักวิทยาศาสตร์ไม่รู้ว่าสิ่งที่พวกเขาคาดหวัง แต่เพียงขอการวิเคราะห์หรือสิ่งที่เผยแพร่ได้พวกเขากำลังเสียเวลาของคุณและคุณจะทำสิ่งที่ดีกว่า หากข้อมูลเป็นระเบียบจับจดแล้วก็ไม่สามารถได้รับการช่วยเหลือโดยการวิเคราะห์ที่ชาญฉลาดใด ๆ

สร้างเส้นทางหลบหนีเสมอ เงื่อนไขของคุณอาจรวมถึง (a) ยอมรับเฉพาะการอภิปรายเบื้องต้น (b) จำกัด เวลาของคุณหรือข้อผูกพันอื่น ๆ (c) สิทธิ์ในการถอยกลับหากพวกเขาไม่ปฏิบัติตามคำแนะนำของคุณ (d) ความคิดบางประการเกี่ยวกับเงื่อนไขสำหรับ บริษัท -authorship ระวังสถานการณ์เมื่อนักวิทยาศาสตร์เพิ่งกลับมาอีกหน่อย นอกจากนี้ระวังสถานการณ์ที่คุณปฏิบัติเหมือนคนจาก บริษัท แก๊สหรือช่างประปา: คุณถูกเรียกให้เข้ามาทำความสะอาด แต่พวกเขารู้สึกว่าไม่มีภาระผูกพันในการรักษาความสัมพันธ์เมื่อทำเสร็จแล้ว

ฉันไม่ใช่นักสถิติ แต่เขียนจากประสบการณ์ในขณะที่ฉันรู้สถิติมากกว่าเพื่อนร่วมงานนักวิทยาศาสตร์ส่วนใหญ่ของฉัน หากแต่ละฝ่ายเคารพซึ่งกันและกันความสัมพันธ์สามารถเกิดขึ้นได้อย่างมาก


คำแนะนำที่ดี ฉันจะสะท้อน # 4 ... ช่วงเวลาที่ฉันรู้สึกว่าฉันกำลังได้รับการปฏิบัติเหมือนลิงเต้น p-value (aka ลูกค้าเพียงต้องการแฮ็ค p) ... ฉันยุติการทำงานร่วมกัน กุญแจสำคัญคือการทำเช่นนั้นด้วยความเคารพและไม่เผาสะพานใด ๆ (เพราะพวกเขาอาจแนะนำให้คุณรู้จักกับคนอื่น ๆ และนั่นอาจเป็นการร่วมมือที่เกิดผล) ด้วยเหตุนี้ความคิดเห็นใน pen สุดท้ายจะเป็นกุญแจสำคัญ
เกร็ก H

ความคาดหวังทั่วไปคือ (a) มีหนึ่งการทดสอบ [sic] หรือวิธีหนึ่งที่เป็นวิธีการแก้ปัญหา (b) อธิบายสิ่งที่ต้องการและสิ่งที่คำตอบจะใช้เวลาเพียงไม่กี่นาที ตัวอย่างตอบโต้: เพื่อนร่วมงานนักวิทยาศาสตร์คนหนึ่งถามความโด่งดังของการแจกแจงแบบเดียวกันและ 1.8 ปรากฏตัวออกมาจากความทรงจำของฉันเป็นคำตอบ เวลาในการสนทนาทั้งหมด: ประมาณ 10 วินาที (แม้ว่าฉันจะทำการตรวจสอบภายหลังก็ตาม)
Nick Cox

3

แน่นอนว่าทัศนคติของคุณคือทุกสิ่ง หากลูกค้า / ผู้ทำงานร่วมกันรู้สึกว่าคุณอยู่ที่นั่นเพื่อสนับสนุน - ซึ่งต่างกับผู้ตัดสิน - นั่นจะเป็นหนทางไกล แต่ถึงอย่างนั้นก็มีปัญหาที่ปรากฏขึ้น กระสุนสองนัดที่คุณพูดถึงเป็นกุญแจสำคัญ

ขั้นแรกให้เน้นเสมอว่าคุณต้องการให้พวกเขาสร้างวิทยาศาสตร์ที่ดีที่สุดและในขณะที่คุณรับรู้ว่าอาจมีระเบียบวินัยเฉพาะที่ไม่ได้หมายความว่าอาจไม่มีวิธีที่ดีกว่าในการทำงานให้สำเร็จ ด้วยเหตุนี้เพื่อนที่ดีที่สุดสองคนของคุณจะเป็น: (1) คำถามการวิจัยและ (2) สมมติฐานของโมเดลใด ๆ และทั้งหมด หากคำตอบของ RQs สามารถทำได้ (แม้จะไม่สมบูรณ์) จากวิธีการ "ธรรมดา" มันอาจจะสมเหตุสมผล หากการละเมิดข้อสันนิษฐานนั้นรุนแรงเกินไป ... จากนั้นคุณสามารถอ้างอิงกลับไปที่ต้องการผลิตวิทยาศาสตร์ที่ดีที่สุด

หวังว่าภาพสะท้อนของฉันจะเป็นประโยชน์กับคุณ


1

ทักษะที่หนักหน่วงเป็นประตูของคุณและทักษะที่อ่อนนุ่มเป็นกุญแจสำคัญในการใช้โซลูชันอย่างแท้จริง การเป็นคนที่ฉลาดที่สุดในห้องไม่ได้รับคะแนนจากคุณ

ดังที่ได้กล่าวมาคุณไม่จำเป็นต้องเรียนรู้ด้วยตัวเอง ในฐานะที่เป็นถ้อยคำที่เบื่อหูเช่นนี้ Dale Carnegie เป็นHow to Win Friends และ Influence Peopleจริง ๆ แล้วสามารถทำให้คุณเป็นคนดีขึ้น ในหลอดเลือดดำเดียวกันพอดคาสต์ประเภทเศรษฐศาสตร์เชิงพฤติกรรมนั้นสามารถทำการวิจัยได้ดีทำให้คุณคิดอย่างมีวิจารณญาณและทำให้มันมีชีวิตชีวา ดู Freakonomics เช่น

การอ่านและการฟังนั้นยอดเยี่ยม แต่คุณต้องเปลี่ยนวิธีการปฏิบัติของคุณเพื่อให้ได้ผลลัพธ์ที่ดี

โดยเฉพาะกับกรณีของคุณฉันประสบความสำเร็จโดยลองใช้วิธีการทั้งหมดและเปรียบเทียบกับตัวชี้วัดที่ได้รับการยอมรับของ "ความดี" ไม่จำเป็นต้องโต้แย้งว่าคุณสามารถทดสอบว่าแบบจำลองใดดีที่สุด สิ่งนี้สามารถลดข้อผิดพลาดให้น้อยที่สุดมีค่าที่อธิบายได้ดีที่สุดให้ "เรื่องราว" ที่ดีที่สุด ฯลฯ

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.