Muchos han escrito y hablado sobre la ciencia de datos como un deporte de equipo. Escuchamos historias de científicos, ingenieros, investigadores y estadísticos sobre el trabajo en equipo. A veces, es inspirador escuchar acerca de estas colaboraciones bellamente logradas. Otras veces, es doloroso escuchar acerca de frustraciones, malentendidos y errores que desperdician recursos y conducen a ideas perdidas o preguntas sin respuesta.
Después de haber tomado el excelente curso corto del capítulo de Ann Arbor de la Asociación Estadounidense de Estadística, Navegando Conversaciones Difíciles en Colaboración Estadística , impartido por las profesoras Julia Sharp y Emily Griffith, pensé que sería un tema útil para Estadísticamente hablando . ¡Fue! Tuvimos tantos comentarios y preguntas para este episodio que no pudimos responder a todos. Por lo tanto, nuestros brillantes invitados acordaron responder más de ellas en esta publicación de blog.
Experts in statistical collaboration share best practices.Expertos en colaboración estadística comparten mejores prácticas.
La Dra. Emily Griffith trabaja en el Departamento de Estadística y la Academia de Ciencias de la Información en la Universidad Estatal de Carolina del Norte y fue elegida para servir como Vicepresidenta del Distrito 5 de la Junta de Gobierno del Consejo de Capítulos de la ASA a partir de 2023. La Dra. Julia Sharp trabaja en el Departamento de Estadística de la Universidad Estatal de Colorado y recientemente fue seleccionada como miembro de ASA. Actualmente también se desempeña como expresidenta de la Junta de Gobierno del Consejo de Capítulos de ASA y del Grupo de Alcance de Justicia, Equidad, Diversidad e Inclusión, que formó en 2020.
Los datos son una construcción humana; debe identificar el problema con precisión para obtener los mejores resultados. ¿Cómo hacer las preguntas correctas para asegurar los mejores resultados?
emily : No creo que haya una pregunta correcta o una forma de obtener los mejores resultados. Creo que es importante construir una relación y hacer muchas preguntas, mostrar que estás interesado en el contenido y permitir que las personas con las que trabajas también hagan preguntas.
julia : Estoy de acuerdo. Hacer preguntas que nos ayuden a comprender los objetivos, el diseño y el contexto del estudio es importante para conectarse con los análisis apropiados. La pregunta "correcta" puede depender de varios factores, incluida la relación con el colaborador (es decir, si es una relación nueva o de larga data), la diferencia de poder entre usted y el colaborador, el tono en el que se hace la pregunta , y cuánto entendemos el contexto antes de hacer la pregunta. Debido a que hay tantas cosas que podrían contribuir a hacer la pregunta "correcta", es importante hacer muchas preguntas de manera empática para obtener la información que necesitamos para ayudar a guiar y asesorar a los colaboradores.
Un problema que encontramos con frecuencia al recopilar las necesidades de recursos de los científicos/modeladores de datos es obtener el tamaño de la muestra; por ejemplo, hacer preguntas como "¿Cuántas muestras necesita para abordar su hipótesis con el nivel de confianza estadística que desea?" A menudo, la investigación es tan nueva que el científico/modelador no tiene una base para generar con confianza una estimación del tamaño de la muestra. ¿Alguna idea sobre cómo avanzar y alinearse con el tamaño de la muestra en esta situación? Además, la recolección de muestras grandes suele llevar mucho tiempo y depende del presupuesto; ¿Cómo podemos convencer a los clientes para que adopten un enfoque estadístico?
julia : ¡Las discusiones sobre el tamaño de la muestra pueden ser difíciles! Tenemos un video relacionado con el tamaño de la muestra en nuestra colección de conversaciones difíciles videos de entrenamiento . En algunas circunstancias, he trabajado con suficientes investigadores en un campo en particular para saber que hacer un cálculo del tamaño de la muestra no será productivo. Por ejemplo, al trabajar con algunos veterinarios, sé que en el pasado ha habido un máximo de seis caballos con los que pueden trabajar en un tipo de estudio. Sería contraproducente para mí hacer un cálculo del tamaño de la muestra para decirles que necesitan 500 caballos. Mi enfoque en estas circunstancias es discutir el tamaño del efecto y lo que pueden obtener de los resultados de sus estudios.
emily : ¡Gran respuesta, Julia! También utilizo el enfoque del tamaño del efecto con mis colaboradores cuando el tamaño de la muestra es algo fijo debido a limitaciones de costo, tiempo o espacio. Cuando surja este problema, lo alentaría a considerar hacer más preguntas y realmente tratar de comprender cuál es la causa de la resistencia a un tamaño de muestra más grande. A veces, las cosas realmente no son factibles, pero otras veces puede esforzarse un poco para obtener un tamaño de muestra más grande si puede demostrar el valor que agregaría.
En cuanto a la cuestión de calcular el tamaño del efecto cuando un tema es nuevo, a veces solo tiro un número: "¿Qué pasa si el cambio fuera nueve?" Luego, el experto en la materia a menudo responderá con algo como: “¡Nunca serían las nueve! Espero que esté entre 0,1 y 0,8”. Esa técnica me ha ayudado a precisar números específicos al asegurarles a mis propios colaboradores que, si bien la incertidumbre está bien, a menudo saben lo que esperan que suceda con un grado razonable de precisión.
Cuando escuchas y no eres agresivo, ¿cuáles son las formas de ser percibido como un comunicador no pasivo o directo?
julia : Incluso cuando somos oyentes empáticos, podemos demostrar que participamos activamente en la conversación proporcionando señales no verbales (por ejemplo, asentir con la cabeza), haciendo preguntas oportunas y tomando notas.
emily : Absolutamente. También podemos esperar nuestro turno y luego expresar con calma y claridad nuestras opiniones, pensamientos y hallazgos. La comunicación directa no tiene que ser agresiva, pero es importante ser un participante activo en sus conversaciones para evitar parecer demasiado pasivo o desinteresado.
Usted mencionó mantener una lista actualizada de lo que está trabajando. ¿Tiene alguna orientación sobre qué herramientas ha encontrado que son más efectivas para dicha lista?
emily : Utilizo un diario de viñetas simplificado. Mi configuración es básicamente una lista semanal de tareas pendientes, y luego agrego cosas a medida que avanza la semana y tacho las cosas a medida que las termino. Cada semana muevo primero cualquier trabajo inacabado y luego continúo usando la lista durante toda la semana. Ese tiempo de planificación del lunes es realmente útil para mí. También pongo todas mis citas personales y de trabajo en un calendario de Google.
julia : He perdido el hábito de usar una lista de cosas por hacer, pero espero reincorporar esto a mi rutina este otoño. Uso mi calendario para ayudar a enumerar y bloquear el tiempo para los proyectos. Al igual que Emily, uso un calendario para citas personales y de trabajo.
Agradecemos a Emily y Julia que se hayan tomado el tiempo de ampliar la conversación a través de esta publicación de blog. Incluso han compartido más recursos útiles a continuación.
Aunque este material trata principalmente sobre la colaboración para obtener información a partir de los datos, las conclusiones son relevantes para todos nosotros. Como escribió George Bernard Shaw: “El problema más grande en la comunicación es la ilusión de que ha tenido lugar”. La sabiduría de Julia y Emily lo ayudará a perfeccionar sus habilidades de comunicación y colaboración, y creemos que es tan valioso que no es necesario registrarse. Esperamos que vea este episodio extremadamente útil y nos envíe sus comentarios, como lo hicieron muchos de los participantes en vivo.
Referencias y lecturas sugeridas:
Directrices Éticas para la Práctica Estadística de la ASA
Derr, J. (2000), Consultoría estadística: una guía para la comunicación eficaz, Pacific Grove, CA: Brooks/Cole Press.
Sharp, JL, Griffith, E. y Higgs, MD (2021). “ Preparando el escenario: videos de colaboración estadística para capacitar a la próxima generación de estadísticos aplicados ”, Revista de Educación en Estadística y Ciencias de Datos, 29(2): 165-170.
Sharp, JL, Griffith, E. y Higgs, MD (2021). “ Preparando el escenario: videos de capacitación en colaboración estadística ”
