Uygulamalı bilim adamları ile işbirlikleri konusunda tavsiyeler

İstatistikte yüksek lisans öğrencisiyim ve bu yüzden uygulamalı bilim adamları (ekonomistler, ormancılar,…) ile birkaç işbirliğine katıldım. Bu işbirlikleri eğlencelidir (çoğu zaman) ve çok şey öğreniyorum, ancak bazı komplikasyonlar da var, örneğin:

• Bazen iyi bir istatistiksel modelin ne olduğuna ilişkin görüşüm, ortak çalışanların geçmişinden ve alanlarındaki ortak uygulamalardan farklıdır. Onları yeni bir şey denemeye ikna etmek zordur, çünkü ya modeli anlamaya çalışıyorlar ya da alışkanlıklarını değiştirme konusunda isteksiz oldukları için
• Farklı istatistiksel yöntemler kullanmayı önerirken, ortak çalışanların bunu “standart” yöntemlerine yönelik bir eleştiri olarak gördükleri izlenimini edindim. Bununla birlikte, niyetim hiç kimseyi istatistiksel bilgileri veya alışkanlıkları için eleştirmemek
• Ve son olarak başka bir uç daha var: Bazı insanlar çok fazla şey bekliyor. Yardımlarından mucizevi bir şekilde verilerinden ilginç bilgiler çıkarabileceğimi düşünüyorlar. Tabii ki, bu doğru değil, özellikle konuya özgü arka planı özlüyorsam

Muhtemelen daha fazla nokta düşünebilirdim ama bunlar aklıma ilk gelenler.

Size sorduğum sorular:

1. İşbirliklerinizde aynı veya benzer zorluklarla karşılaşıyor musunuz? Onlarla nasıl yüzleşiyorsun? Genel olarak, iyi bir istatistiksel ortak olmak için ne yapıyorsunuz?
2. Bu konuda üçüncü taraf kaynaklar var mı , yani istatistikçiler ve uygulamalı bilim adamları arasındaki işbirliklerinde ihtiyaç duyulan yumuşak beceriler?

Not: Bu soru daha az ya da tersi olan bu bir .

İyi tavsiye alıyorsunuz, ancak deneyiminiz genişledikçe çeşitlenecek.

Diğer olasılıklar:

1. Bilim adamları, örneğin ölçüm ve ne tür ilişkilerin fiziksel (biyolojik, ne olursa olsun) mantıklı olduğu konusunda önemli bir konu uzmanlığına sahip olmalıdır. Uzmanlıklarına saygı duyduğunuzu göstermek, iyi bir ilişki kurmanın doğal ve doğuştan bir yoludur.

2. Bilim adamları bilmediğiniz istatistiksel şeyleri bilebilirler. Örneğin, çoğu gökbilimci düzensiz zaman serileri ve tespit dışı problemler hakkında birçok istatistikçiden daha fazla şey biliyor. Birçok alanda, tam bir istatistik eğitiminin bile nadiren içerdiği dairesel istatistikler kullanılır.

3. Grafikler genellikle bir lingua franca'dır . İlginçtir ya da değil, ekonomistler genellikle istatistiklere son derece resmi bir şekilde (kilometreniz değişebilir) ve öznellikten (anlam, yargı) kaçınmak için okula devam ettikleri için grafiklere güvenmezler.

4. Bazen geri çekilmeniz gerekir. Bilim adamları ne beklediklerini bilmiyorlarsa, sadece analiz veya yayınlanabilir bir şey isterse, zamanınızı boşa harcıyorlar ve yapmanız gereken daha iyi şeyler var. Veriler gelişigüzel bir karmaşa ise, herhangi bir akıllı analizle kurtarılamaz.

Her zaman bir kaçış yolu belirleyin. Koşullarınız şunları içerebilir: (a) yalnızca ön tartışmayı kabul etme (b) zamanınıza veya diğer taahhütlerinize ilişkin bir sınır (c) tavsiyelerinize uymazlarsa geri çekilme hakkı (d) ortak şartlar hakkında bir tür fikir -authorship. Bir bilim insanının biraz daha fazlası için geri gelmeye devam etmesine dikkat edin. Ayrıca, gaz şirketinden veya bir tesisatçıdan biri gibi muamele gördüğünüz duruma dikkat edin: bir karışıklığı gidermek için çağrılırsınız, ancak bir kez yapıldıktan sonra bir ilişki sürdürmek zorunda değildirler.

Bir istatistikçi değilim, bilim insanı meslektaşlarımdan daha fazla istatistik bildiğim kadarıyla deneyimden yazıyorum. Taraflardan her biri diğerine saygı duyarsa, ilişki son derece verimli olabilir.

Tabii ki tavrınız her şeydir. Müşterileriniz / ortak çalışanlarınız, yargının aksine, destek için orada olduğunuzu düşünüyorsa, bu çok yol kat edecektir. Ancak, o zaman bile, ortaya çıkan sorunlar var. Bahsettiğiniz iki mermi anahtardır.

İlk olarak, her zaman en iyi bilimi üretmelerini istediğinizi vurgulayın ve disipline özgü sözleşmeler olabileceğini fark etseniz de, bu, görevi yerine getirmenin daha iyi yolları olmayabileceği anlamına gelmez. Bu amaçla, en iyi iki arkadaşınız: (1) araştırma sorusu ve (2) model varsayımlarının herhangi biri ve tümü. RQ'ların cevabı "kusurlu olsa bile" "geleneksel" yaklaşımdan elde edilebilirse, muhtemelen makul olacaktır. Varsayımların ihlalleri çok acımasız hale gelirse ... o zaman en iyi bilimi üretmek istemeye geri dönebilirsiniz.

Umarım düşüncelerim sizin için yararlıdır.

Zor beceriler kapıda ayağınızdır ve yumuşak beceriler aslında bir çözüm uygulamanın anahtarıdır. Odadaki en zeki kişi olmak size puan kazandırmaz.

Bununla birlikte, kendi başınıza öğrenmek zorunda değilsiniz. Oldukça klişe olduğu gibi, Dale Carnegie'nin Arkadaş Kazanma ve Etkileme İnsanlar aslında sizi daha iyi bir insan yapabilir. Aynı şekilde, davranışsal ekonomi tipi podcast'ler, yüzey araştırmalarında iyidir, sizi eleştirel düşünmenizi ve canlı tutmanızı sağlar. Örneğin, Freakonomi'ye bakınız.

Okumak ve dinlemek harikadır, ama aslında iyi sonuçları etkilemek için davranış biçiminizi değiştirmek zorundasınız.

Durumunuza özel olarak, tüm yöntemleri deneyerek ve üzerinde anlaşılan "iyilik" metriğiyle karşılaştırarak başarılı oldum. Hangi modelin en iyi olduğunu objektif olarak test edip edemeyeceğinizi tartışmaya gerek yoktur. Bu, hatayı en aza indirgemek, en iyi açıklayıcı değere sahip olmak, en iyi "hikayeyi" vermek vb.