多くの人が、チーム スポーツとしてのデータ サイエンスについて書いたり話したりしています。 チームでの作業について、科学者、エンジニア、研究者、統計学者から話を聞きます。 時々、これらの見事に完成したコラボレーションについて聞くと、刺激を受けます。 場合によっては、フラストレーション、誤解、リソースを浪費するミスによって洞察が失われたり、質問に答えられなかったりするという話を聞くのはつらいものです。
米国統計協会アナーバー支部の優れた短期コースを受講した後、統計的コラボレーションにおける厳しい会話のナビゲート、ジュリア・シャープ教授とエミリー・グリフィス教授によって教えられました。統計的に言えば. そうだった！ 今回のエピソードについては、非常に多くのコメントと質問がありましたが、すべてを把握することはできませんでした。 そのため、私たちの優秀なゲストは、このブログ投稿でさらに回答することに同意しました.
Experts in statistical collaboration share best practices.統計コラボレーションの専門家がベスト プラクティスを共有します。
エミリー・グリフィス博士は、ノースカロライナ州立大学の統計学科とデータ サイエンス アカデミーで働いており、2023 年から ASA 支部理事会理事会第 5 地区副議長に選出されました。 Julia Sharp 博士は、コロラド州立大学の統計学科に勤務しており、最近 ASA フェローに選ばれました。 また、彼女は現在、2020 年に彼女が結成した ASA 支部評議会運営委員会と、正義、公平、多様性、および包含アウトリーチ グループの両方の元議長を務めています。
データは人間の構成要素です。最良の結果を得るには、問題を正確に特定する必要があります。 最良の結果を確実にするために、どのように適切な質問をしますか?
エミリー: 最良の結果を得るための正しい質問や方法は 1 つではないと思います。 関係を築き、多くの質問をし、コンテンツに興味があることを示し、一緒に働いている人にも質問できるようにすることが重要だと思います.
ジュリア： 同意します。 研究の目的、デザイン、文脈を理解するのに役立つ質問をすることは、適切な分析につなげるために重要です。 「正しい」質問は、協力者との関係 (つまり、それが新しい関係なのか、長年の関係なのか)、あなたと協力者の間の力の差、質問のトーンなど、いくつかの要因によって異なる場合があります。 、質問をする前に文脈をどれだけ理解しているか。 「正しい」質問をするために役立つことはたくさんあるため、協力者を導き、助言するために必要な情報を得るには、共感的な方法で多くの質問をすることが重要です。
データ サイエンティストやモデラーからリソースのニーズを収集する際によく遭遇する問題の 1 つは、サンプル サイズを引き出すことです。多くの場合、研究は非常に新しいため、科学者/モデル作成者は、自信を持ってサンプル サイズを推定するための根拠を持っていません。 この状況で前進し、サンプルサイズを調整する方法について何か考えはありますか? さらに、大規模なサンプル収集は通常、時間がかかり、予算に依存します。顧客に統計的アプローチを採用するよう説得するにはどうすればよいでしょうか?
ジュリア: サンプル サイズに関する議論は難しい場合があります。 厳しい会話のコレクションに、サンプルサイズに関連するビデオがありますトレーニングビデオ. 状況によっては、特定の分野の十分な数の研究者と協力して、サンプルサイズの計算が生産的ではないことを知っています. たとえば、何人かの獣医師と協力して、過去には、1 つのタイプの研究で最大 6 頭の馬を扱うことができたことを知っています。 500頭の馬が必要だと彼らに伝えるためにサンプルサイズの計算を行うのは逆効果です. このような状況での私のアプローチは、効果の大きさと、彼らの研究結果から何が得られるかについて議論することです.
エミリー：素晴らしい答え、ジュリア！ また、コスト、時間、またはスペースの制限によりサンプルサイズがある程度固定されている場合、共同研究者と一緒にエフェクトサイズアプローチを使用します. この問題が発生した場合は、より多くの質問をすることを検討し、より大きなサンプルサイズに対する抵抗の原因が何であるかを実際に理解しようとすることをお勧めします. 実際には実現不可能な場合もありますが、付加価値を示すことができれば、サンプル サイズを大きくするために少しプッシュできる場合もあります。
対象が新しい場合の効果の大きさを把握するという問題については、「変化が 9 だったらどうなるでしょうか?」というように、単に数字を捨てることがあります。すると、対象分野の専門家は、次のような返事をすることがよくあります。 0.1 から 0.8 の間になると思います。」この手法は、不確実性は問題ありませんが、実際には合理的な精度で何が起こるかを知っていることが多いということを協力者に安心させることで、特定の数値を突き止めるのに役立ちました.
耳を傾け、攻撃的でない場合、受動的または直接的なコミュニケーターではないと認識される方法は何ですか?
ジュリア: 共感的な聞き手であっても、非言語的な合図 (例: 頭をうなずく) を提供したり、タイムリーな質問をしたり、メモを取ったりすることで、積極的に会話に参加していることを示すことができます。
エミリー： 絶対。 また、自分の順番を待ってから、落ち着いてはっきりと自分の意見、考え、発見を述べることができます。 直接的なコミュニケーションは攻撃的である必要はありませんが、受動的または無関心に見えないように、会話に積極的に参加することが重要です。
あなたは、あなたが取り組んでいることの実行中のリストを維持することに言及しました。 そのようなリストに最も効果的であることがわかったツールについて、何かガイダンスはありますか?
エミリー：流線型のバレットジャーナルを使用しています。 私のセットアップは基本的に毎週のやることリストで、週が進むにつれて何かを追加し、終わったら取り消し線を引いていきます。 毎週、最初に未完成の作業を移動し、そのリストを 1 週間ずっと使用し続けます。 月曜日のその計画時間は、私にとって本当に役に立ちます。 また、個人の予定と仕事の予定をすべて 1 つの Google カレンダーにまとめています。
ジュリア: やることリストを使う習慣がなくなったけど、今秋からこれをルーティーンに取り入れたいと思っています。 私は自分のカレンダーを使って、プロジェクトの時間を一覧表示したりブロックしたりしています。 エミリーと同じように、私は個人的な予定と仕事の予定の両方に 1 つのカレンダーを使用しています。
Emily と Julia が、このブログ投稿を通じて会話を進めるために時間を割いてくれたことに感謝します。 さらに役立つリソースを以下で共有しています。
この資料は主に、データから洞察を得ることに関するコラボレーションに関するものですが、重要なことは私たち全員に関係があります。 ジョージ・バーナード・ショーが書いたように、「コミュニケーションにおける唯一最大の問題は、それが起こったという錯覚です。」 Julia と Emily の知恵は、コミュニケーションとコラボレーションのスキルを磨くのに役立ちます。登録が不要なほど価値があると考えています。 多くのライブ参加者と同様に、この非常に有益なエピソードをご覧になり、フィードバックをお寄せください。
参考文献と推奨資料:
ASA の統計業務に関する倫理ガイドライン
Derr, J. (2000), Statistical Consulting: A Guide to Effective Communication, Pacific Grove, CA: Brooks/Cole Press.
シャープ、JL、 Griffith, E.、および Higgs, MD (2021)。 「ステージの設定: 次世代の応用統計学者をトレーニングするための統計コラボレーション ビデオ、統計とデータ科学教育のジャーナル、29(2): 165-170。
シャープ、JL、 Griffith, E.、および Higgs, MD (2021)。 「準備: 統計コラボレーションのトレーニング ビデオ」
