Nasihat tentang kolaborasi dengan ilmuwan terapan

Saya seorang mahasiswa pascasarjana dalam statistik dan karena itu terlibat dalam beberapa kolaborasi dengan ilmuwan terapan (ekonom, rimbawan, ...). Kolaborasi ini menyenangkan (sebagian besar waktu) dan saya belajar banyak, tetapi ada juga beberapa komplikasi, misalnya:

• Terkadang pandangan saya tentang apa model statistik yang baik berbeda dari latar belakang kolaborator saya dan praktik umum di bidangnya. Maka sulit meyakinkan mereka untuk mencoba sesuatu yang baru, baik karena mereka kesulitan memahami model atau karena mereka enggan mengubah kebiasaan mereka.
• Ketika mengusulkan untuk menggunakan metode statistik yang berbeda, saya sering mendapat kesan bahwa kolaborator saya menganggap ini sebagai kritik terhadap metode "standar" mereka. Namun, bukan maksud saya untuk mengkritik siapa pun karena pengetahuan atau kebiasaan statistik mereka
• Dan akhirnya ada yang ekstrem lainnya: Beberapa orang berharap terlalu banyak. Mereka berpikir bahwa saya secara ajaib dapat mengekstrak informasi menarik dari data mereka tanpa bantuan mereka. Tentu saja, ini tidak benar, terutama jika saya melewatkan latar belakang subjek tertentu

Saya mungkin bisa memikirkan lebih banyak poin tetapi ini adalah yang pertama muncul di pikiran saya.

Pertanyaan yang saya ajukan kepada Anda adalah:

1. Apakah Anda mengalami kesulitan yang sama atau serupa dalam kolaborasi Anda? Bagaimana Anda menghadapi mereka? Secara umum, apa yang Anda lakukan untuk menjadi kolaborator statistik yang baik?
2. Apakah ada sumber daya pihak ketiga tentang topik ini , yaitu, soft skill yang dibutuhkan dalam kolaborasi antara ahli statistik dan ilmuwan terapan?

Catatan: Pertanyaan ini sedikit banyak merupakan kebalikan dari pertanyaan ini .

Anda mendapatkan saran yang bagus, tetapi seiring bertambahnya pengalaman Anda, itu akan beragam.

Kemungkinan lain termasuk:

1. Para ilmuwan harus memiliki keahlian subjek yang cukup, misalnya pada pengukuran dan hubungan seperti apa yang masuk akal secara fisik (biologis, apa pun). Menunjukkan bahwa Anda menghargai keahlian mereka adalah cara yang alami dan menyenangkan untuk membangun hubungan yang baik.

2. Para ilmuwan mungkin tahu hal-hal statistik yang tidak Anda ketahui. Sebagai contoh, sebagian besar astronom tahu lebih banyak tentang deret waktu tidak teratur dan masalah non-deteksi daripada banyak statistik lakukan. Banyak bidang menggunakan statistik sirkuler, yang jarang termasuk pendidikan statistik lengkap.

3. Grafik seringkali merupakan lingua franca . Aneh atau tidak, para ekonom sering tidak mempercayai grafik karena mereka dididik untuk memperlakukan statistik dengan cara yang sangat formal (jarak tempuh Anda mungkin beragam) dan untuk menghindari subjektivitas (artinya, penilaian).

4. Terkadang Anda perlu mundur. Jika para ilmuwan tidak tahu apa yang mereka harapkan, tetapi hanya meminta analisis atau sesuatu yang dapat dipublikasikan, mereka membuang-buang waktu Anda dan Anda memiliki hal-hal yang lebih baik untuk dilakukan. Jika data berantakan, maka tidak dapat diselamatkan dengan analisis cerdas.

Selalu tentukan rute pelarian. Ketentuan Anda dapat mencakup (a) menyetujui hanya untuk diskusi awal (b) batas waktu Anda atau komitmen lain (c) hak untuk mundur jika mereka tidak akan mengikuti saran Anda (d) semacam ide tentang persyaratan untuk -kepengarangan. Waspadalah terhadap situasi ketika seorang ilmuwan terus datang kembali untuk sedikit lebih banyak. Selain itu, waspadalah terhadap situasi di mana Anda diperlakukan seperti orang dari perusahaan gas atau tukang ledeng: Anda dipanggil untuk membereskan kekacauan tetapi mereka tidak merasa berkewajiban untuk mempertahankan hubungan setelah selesai.

Saya bukan ahli statistik tetapi menulis dari pengalaman sejauh saya tahu lebih banyak statistik daripada kebanyakan rekan ilmuwan saya. Jika masing-masing pihak menghormati yang lain, hubungan itu bisa sangat bermanfaat.

Tentu saja, sikap Anda adalah segalanya. Jika klien / kolaborator Anda merasa bahwa Anda ada di sana untuk mendukung — dan bukannya menilai — itu akan berpengaruh besar. Tapi, meski begitu, ada masalah yang muncul. Dua peluru yang Anda sebutkan adalah kuncinya.

Pertama, selalu tekankan bahwa Anda ingin mereka menghasilkan sains terbaik, dan sementara Anda mengakui bahwa mungkin ada konvensi khusus disiplin, itu tidak berarti mungkin tidak ada cara yang lebih baik untuk menyelesaikan tugas. Untuk itu, dua teman terbaik Anda adalah: (1) pertanyaan penelitian, dan (2) setiap dan semua asumsi model. Jika jawaban untuk RQ dapat diperoleh (bahkan tidak sempurna) dari pendekatan "konvensional", mungkin akan masuk akal. Jika pelanggaran terhadap asumsi menjadi terlalu mengerikan ... maka Anda dapat merujuk kembali ke keinginan untuk menghasilkan ilmu terbaik.

Semoga refleksi saya bermanfaat bagi Anda.

Keterampilan keras adalah langkah Anda, dan keterampilan lunak adalah kunci untuk benar-benar menerapkan solusi. Menjadi orang terpintar di ruangan itu tidak memberi Anda poin.

Yang sedang berkata, Anda tidak harus belajar sendiri. Sama klisenya dengan itu, Cara Mendapatkan Teman dan Pengaruh Dale Carnegie Orang - orang sebenarnya dapat membuat Anda menjadi orang yang lebih baik. Dalam nada yang sama, podcast tipe ekonomi perilaku bagus dalam memunculkan penelitian, membuat Anda berpikir kritis, dan menjaganya tetap hidup. Lihat Freakonomics, misalnya.

Membaca dan mendengarkan itu bagus, tetapi Anda sebenarnya harus mengubah cara Anda bertindak untuk memengaruhi hasil yang baik.

Khusus untuk kasus Anda, saya telah sukses dengan mencoba semua metode dan membandingkan dengan metrik "kebaikan" yang disepakati. Tidak perlu berdebat jika Anda dapat menguji model mana yang terbaik secara objektif. Ini bisa dalam meminimalkan kesalahan, memiliki nilai penjelas terbaik, menghasilkan "cerita" terbaik, dll.