Beaucoup ont écrit et parlé de la science des données en tant que sport d'équipe. Nous entendons des histoires de scientifiques, d'ingénieurs, de chercheurs et de statisticiens sur le travail en équipe. Parfois, il est inspirant d'entendre parler de ces collaborations magnifiquement accomplies. D'autres fois, il est douloureux d'entendre parler de frustrations, de malentendus et d'erreurs de gaspillage de ressources conduisant à des idées manquées ou à des questions sans réponse.
Après avoir suivi l'excellent cours abrégé de l'American Statistical Association Ann Arbor Chapter, Naviguer dans des conversations difficiles dans la collaboration statistique , enseigné par les professeurs Julia Sharp et Emily Griffith, j'ai pensé que ce serait un sujet utile pour Statistiquement parlant . C'était! Nous avons eu tellement de commentaires et de questions pour cet épisode, nous n'avons pas pu tous les atteindre. Ainsi, nos brillants invités ont accepté d'en répondre davantage dans cet article de blog.
Experts in statistical collaboration share best practices.Des experts en collaboration statistique partagent les meilleures pratiques.
Le Dr Emily Griffith travaille au département de statistique et à la Data Science Academy de la North Carolina State University et a été élue vice-présidente du conseil d'administration du district 5 du conseil des chapitres de l'ASA à partir de 2023. Le Dr Julia Sharp travaille au département de statistique de la Colorado State University et a récemment été sélectionnée comme ASA Fellow. Elle est également actuellement présidente sortante du conseil d'administration du conseil des chapitres de l'ASA et du groupe de sensibilisation sur la justice, l'équité, la diversité et l'inclusion, qu'elle a formé en 2020.
Les données sont une construction humaine ; vous devez identifier le problème avec précision pour obtenir les meilleurs résultats. Comment poser les bonnes questions pour garantir les meilleurs résultats ?
Emilie : Je ne pense pas qu'il y ait une seule bonne question ou une seule façon d'obtenir les meilleurs résultats. Je pense qu'il est important de construire une relation et de poser beaucoup de questions, de montrer que vous êtes intéressé par le contenu et de permettre aux personnes avec lesquelles vous travaillez de poser des questions aussi.
Julia : Je suis d'accord. Poser des questions qui nous aident à comprendre les objectifs, la conception et le contexte de l'étude est important pour se connecter aux analyses appropriées. La "bonne" question peut dépendre de plusieurs facteurs, notamment la relation avec le collaborateur (c'est-à-dire, est-ce une nouvelle relation ou une relation de longue date), le rapport de force entre vous et le collaborateur, le ton avec lequel la question est posée , et combien nous comprenons le contexte avant de poser la question. Parce qu'il y a tellement de choses qui pourraient contribuer à poser la « bonne » question, poser beaucoup de questions avec empathie est important pour obtenir les informations dont nous avons besoin pour aider à guider et conseiller les collaborateurs.
Un problème que nous rencontrons fréquemment lors de la collecte des besoins en ressources auprès des data scientists/modélisateurs est la taille de l'échantillon - par exemple, poser des questions telles que "De combien d'échantillons avez-vous besoin pour répondre à votre hypothèse au niveau de confiance statistique que vous souhaitez ?" Souvent, la recherche est si nouvelle que le scientifique/modélisateur n'a pas de base pour générer en toute confiance une estimation de la taille de l'échantillon. Des idées sur la façon d'aller de l'avant et de s'aligner sur la taille de l'échantillon dans cette situation ? En outre, la collecte d'échantillons importants prend généralement du temps et dépend du budget ; comment convaincre les clients d'adopter une approche statistique ?
Julia : Les discussions sur la taille de l'échantillon peuvent être difficiles ! Nous avons une vidéo liée à la taille de l'échantillon dans notre collection de conversations difficiles vidéos de formation . Dans certaines circonstances, j'ai travaillé avec suffisamment de chercheurs dans un domaine particulier pour savoir que faire un calcul de la taille de l'échantillon ne serait pas productif. Par exemple, en travaillant avec certains vétérinaires, je sais que dans le passé, il y avait un maximum de six chevaux avec lesquels ils pouvaient travailler dans un type d'étude. Il serait contre-productif pour moi de faire un calcul de taille d'échantillon pour leur dire qu'ils ont besoin de 500 chevaux. Mon approche dans ces circonstances est de discuter de la taille de l'effet et de ce qu'ils peuvent tirer des résultats de leurs études.
Emilie : Excellente réponse, Julia ! J'utilise également l'approche de la taille d'effet avec mes collaborateurs lorsque la taille de l'échantillon est quelque peu fixe en raison de contraintes de coût, de temps ou d'espace. Lorsque ce problème surgit, je vous encourage à poser plus de questions et à vraiment essayer de comprendre quelle est la cause de la résistance à un échantillon de plus grande taille. Parfois, les choses ne sont vraiment pas réalisables, mais d'autres fois, vous pouvez pousser un peu pour obtenir une taille d'échantillon plus grande si vous pouvez démontrer la valeur que cela ajouterait.
Sur la question de déterminer une taille d'effet lorsqu'un sujet est nouveau, parfois je lance simplement un chiffre : "Et si le changement était de neuf ?" Ensuite, l'expert en la matière répondra souvent par quelque chose comme : « Il ne sera jamais neuf ! Je m'attendrais à ce qu'il soit entre 0,1 et 0,8. Cette technique m'a aidé à déterminer des chiffres précis en rassurant mes propres collaborateurs sur le fait que même si l'incertitude est bonne, ils savent souvent ce qu'ils s'attendent à voir avec un degré raisonnable de précision.
Lorsque vous écoutez et que vous n'êtes pas agressif, quelles sont les façons d'être perçu comme non passif ou comme un communicateur direct ?
Julia : Même en étant un auditeur empathique, nous pouvons montrer que nous sommes activement engagés dans la conversation en fournissant des indices non verbaux (par exemple, en hochant la tête), en posant des questions opportunes et en prenant des notes.
Emilie : Absolument. Nous pouvons également attendre notre tour, puis exprimer calmement et clairement nos opinions, nos pensées et nos conclusions. La communication directe n'a pas besoin d'être agressive, mais il est important de participer activement à vos conversations pour éviter de paraître trop passif ou désintéressé.
Vous avez mentionné la tenue d'une liste courante de ce sur quoi vous travaillez. Avez-vous des conseils sur les outils que vous avez trouvés les plus efficaces pour une telle liste ?
Emilie : J'utilise un bullet journal simplifié. Ma configuration est essentiellement une liste de tâches hebdomadaire, puis j'ajoute des choses au fil de la semaine et je barre les choses au fur et à mesure que je les termine. Chaque semaine, je déplace d'abord tout travail inachevé, puis je continue à utiliser la liste tout au long de la semaine. Ce temps de planification le lundi est vraiment utile pour moi. J'ai également mis tous mes rendez-vous personnels et professionnels sur un seul calendrier Google.
Julia : J'ai perdu l'habitude d'utiliser une liste de choses à faire, mais j'espère réintégrer cela dans ma routine cet automne. J'utilise mon calendrier pour m'aider à répertorier et à bloquer du temps pour les projets. Comme Emily, j'utilise un calendrier pour les rendez-vous personnels et professionnels.
Nous apprécions qu'Emily et Julia aient pris le temps de poursuivre la conversation à travers ce billet de blog. Ils ont même partagé des ressources plus utiles ci-dessous.
Bien que ce matériel concerne principalement la collaboration autour de l'obtention d'informations à partir de données, les plats à emporter sont pertinents pour nous tous. Comme l'a écrit George Bernard Shaw, "Le plus gros problème de la communication est l'illusion qu'elle a eu lieu." La sagesse de Julia et Emily vous aidera à perfectionner vos compétences en communication et en collaboration, et nous pensons que c'est si précieux qu'aucune inscription n'est requise ! Nous espérons que vous regarderez cet épisode extrêmement utile et que vous nous ferez part de vos commentaires, comme l'ont fait tant de participants en direct.
Références et lectures suggérées :
Directives éthiques de l'ASA pour la pratique statistique
Derr, J. (2000), Consultation statistique : Un guide pour une communication efficace, Pacific Grove, Californie : Brooks/Cole Press.
Sharp, JL, Griffith, E., et Higgs, MD (2021). " Préparer le terrain : vidéos de collaboration statistique pour former la prochaine génération de statisticiens appliqués ”, Journal of Statistics and Data Science Education, 29(2): 165-170.
Sharp, JL, Griffith, E., et Higgs, MD (2021). " Préparer le terrain : vidéos de formation sur la collaboration statistique ”
