Поради щодо співпраці з прикладними вченими

Я аспірант зі статистики і як такий брав участь у парі співпраці з прикладними вченими (економістами, лісниками,…). Ці співпраці - це забава (більшість часу), і я багато вчиться, але є і деякі ускладнення, наприклад:

• Іноді мій погляд на те, що є хорошою статистичною моделлю, відрізняється від досвіду моїх співробітників та загальних практик у їхній галузі. Тоді важко переконати їх спробувати щось нове, або тому, що вони намагаються зрозуміти модель, або тому, що вони неохоче змінюють свої звички
• Пропонуючи використовувати різні статистичні методи, у мене часто виникає враження, що мої співробітники вважають це критикою своїх «стандартних» методів. Однак я аж ніяк не маю намір критикувати когось за їхні статистичні знання чи звички
• І, нарешті, є інша крайність: Деякі люди очікують занадто багато. Вони думають, що я можу дивом витягти цікаву інформацію з їхніх даних без їхньої допомоги. Звичайно, це неправда, особливо якщо я пропускаю предметну основу

Можливо, я міг би придумати більше моментів, але це перше, що мені прийшло в голову.

Питання, які я вам задаю:

1. Чи відчуваєте ви однакові чи подібні труднощі у співпраці? Як ви протистояти їм? Як правило, що ви робите, щоб бути хорошим статистичним співробітником?
2. Чи є сторонні ресурси на цю тему , тобто м'які навички, необхідні у співпраці між статистиками та прикладними вченими?

Примітка. Це питання є більш-менш зворотним для цього .

Ви отримуєте гарну пораду, але у міру того, як ваш досвід розшириться, це збільшиться.

Інші можливості включають:

1. Вчені повинні мати значну предметну експертизу, наприклад, щодо вимірювання та того, які відносини мають фізичний (біологічний і будь-який) сенс. Показати, що ви поважаєте їхній досвід, це природний і природний спосіб налагодити добрі стосунки.

2. Вчені можуть знати статистичні дані, яких ви не маєте. Наприклад, більшість астрономів знають більше про нерегулярні часові ряди та проблеми виявлення, ніж багато статистиків. У багатьох галузях використовується кругова статистика, яка навіть повна статистична освіта рідко включає.

3. Графіки часто є lingua franca . Цікаво чи ні, економісти часто недовіряють графікам, оскільки навчаються ставитись до статистики високо формально (ваш пробіг може відрізнятися) та уникати суб'єктивності (сенс, судження).

4. Іноді вам потрібно відмовитися. Якщо вчені не знають, чого вони очікують, а просто просять аналіз або щось, що можна оприлюднити, вони витрачають ваш час і вам краще робити справи. Якщо дані є випадковим безладом, їх не вдасться врятувати будь-яким розумним аналізом.

Завжди встановлюйте маршрут втечі. Ваші умови можуть включати: (а) згоду лише на попереднє обговорення (б) обмеження вашого часу чи іншого зобов'язання (в) право відступати, якщо вони не будуть слідувати вашим порадам; (г) якесь уявлення про умови співпраці -авторство. Остерігайтеся ситуації, коли вчений просто продовжує повертатися ще трохи. Крім того, остерігайтеся ситуації, коли до вас ставляться як до людини з газової компанії чи сантехніки: вас закликають виправити безлад, але вони не відчувають зобов'язання підтримувати відносини, як тільки це буде зроблено.

Я не статистик, але пишу з досвіду, наскільки я знаю більше статистики, ніж більшість моїх колег вчених. Якщо кожна сторона поважає іншу, відносини можуть бути дуже плідними.

Звичайно, ваше ставлення - це все. Якщо ваші клієнти / співпрацівники вважають, що ви готові підтримати - а не судити - це піде на довгий шлях. Але навіть тоді виникають проблеми, які спливають. Дві кулі, які ви згадуєте, є ключовими.

По-перше, завжди підкреслюйте, що ви хочете, щоб вони здобули найкращу науку, і, хоча ви визнаєте, що можуть існувати конкретні конвенції, що стосуються дисципліни, це не означає, що не може бути кращих способів виконання завдання. З цією метою вашими двома найкращими друзями були б: (1) дослідницьке питання та (2) будь-які та всі припущення щодо моделі. Якщо відповідь на RQ можна отримати (навіть недосконало) за допомогою «звичайного» підходу, ймовірно, це буде розумним. Якщо порушення припущень стають занадто кричущими ... тоді ви можете посилатися на те, що бажаєте здобути найкращу науку.

Сподіваюся, мої роздуми вам корисні.

Важкі навички - це ваша нога у дверях, а м'які навички - запорука реальної реалізації рішення. Будучи найрозумнішою людиною в кімнаті, ви не отримуєте балів.

Коли це говориться, ви не повинні вчитися самостійно. Як і кліше, Дейл Карнегі " Як перемогти друзів і впливати на людей" насправді може зробити вас кращою людиною. У той же самий спосіб, поведінкові подкасти з економічним типом добре допомагають наближатися до досліджень, змушуючи вас критично мислити та підтримувати його живим. Наприклад, див. Freakonomics.

Читання та прослуховування - це чудово, але ви насправді повинні змінити, як діяти, щоб вплинути на хороші результати.

Для вашого випадку я мав успіх, спробувавши всі методи та порівнявши узгоджений показник "доброти". Не потрібно сперечатися, чи можна об’єктивно перевірити, яка модель найкраща. Це може полягати в мінімізації помилок, маючи найкраще пояснювальне значення, отримуючи найкращу "історію" тощо.