許多人寫過並談到數據科學是一項團隊運動。 我們從科學家、工程師、研究人員和統計學家那裡聽到關於團隊合作的故事。 有時，聽到這些出色完成的合作會令人鼓舞。 其他時候，聽到挫折、誤解和浪費資源的錯誤導致錯過洞察力或未回答的問題是很痛苦的。
參加了優秀的美國統計協會安娜堡分會短期課程，在統計協作中導航艱難的對話，由 Julia Sharp 和 Emily Griffith 教授教授，我認為這將是一個有用的話題統計學上講. 它是！ 我們對這一集有很多評論和問題，我們無法全部解決。 因此，我們傑出的客人同意在這篇博文中回答更多問題。
Experts in statistical collaboration share best practices.統計合作專家分享最佳實踐。
Emily Griffith 博士在北卡羅來納州立大學統計系和數據科學學院工作，並於 2023 年當選為 ASA 分會理事會第 5 區理事會副主席。 Julia Sharp 博士在科羅拉多州立大學統計系工作，最近被選為 ASA 研究員。 她目前還擔任 ASA 分會理事會和她於 2020 年成立的司法、公平、多樣性和包容性外展小組的前任主席。
數據是人類的構造；您必須準確識別問題以獲得最佳結果。 您如何提出正確的問題以確保獲得最佳結果？
艾米麗: 我認為沒有一個正確的問題或方法可以得到最好的結果。 我確實認為建立關係並提出很多問題很重要，表明您對內容感興趣，並允許與您一起工作的人也提出問題。
朱莉婭： 我同意。 提出有助於我們理解研究目標、設計和背景的問題對於與適當的分析聯繫起來很重要。 “正確”的問題可能取決於幾個因素，包括與合作者的關係（即是新關係還是長期關係）、您與合作者之間的權力差異、提問的語氣，以及在提出問題之前我們對上下文的了解程度。 因為有很多事情可以幫助提出“正確”的問題，所以以同理心的方式提出許多問題對於獲得我們需要的信息來幫助指導和建議合作者很重要。
在從數據科學家/建模者那裡收集資源需求時，我們經常遇到的一個問題是引出樣本量——例如，提出諸如“您需要多少樣本才能在您希望的統計置信度水平上解決您的假設？”之類的問題。通常，這項研究太新了，以至於科學家/建模者沒有自信地生成樣本量估計的基礎。 在這種情況下如何推進和調整樣本量有什麼想法嗎？ 此外，大樣本採集通常耗時且依賴預算；我們如何說服客戶採用統計方法？
朱莉婭: 關於樣本量的討論可能很艱難！ 我們的艱難對話集中有一個與樣本量相關的視頻培訓視頻. 在某些情況下，我與特定領域的足夠多的研究人員合作，知道進行樣本量計算不會有成效。 例如，在與一些獸醫合作時，我知道在過去，他們最多可以在一種研究中使用六匹馬。 如果我做一個樣本量計算告訴他們他們需要 500 匹馬，那會適得其反。 在這種情況下，我的方法是討論效應大小以及他們可以從研究結果中得到什麼。
艾米麗: 很好的答案，朱莉婭！ 當樣本量由於成本、時間或空間限製而有些固定時，我也會與我的合作者一起使用效應量方法。 當這個問題出現時，我會鼓勵您考慮提出更多問題，並真正嘗試了解抵制更大樣本量的原因。 有時事情確實不可行，但其他時候，如果你能證明它會增加的價值，你可以稍微推動一下以獲得更大的樣本量。
關於當一個主題是新的時計算效果大小的問題，有時我會拋出一個數字：“如果變化是九怎麼辦？”然後，主題專家經常會回答：“永遠不會是九點！ 我預計它會在 0.1 到 0.8 之間。”這種技術幫助我確定了具體的數字，讓我自己的合作者放心，雖然不確定性很好，但他們通常確實知道他們期望發生的事情具有合理的精確度。
當你傾聽並且不咄咄逼人時，有什麼方法可以被認為不是被動的或直接的溝通者？
朱莉婭：即使是一個善解人意的傾聽者，我們也可以通過提供非語言暗示（例如點頭）、及時提問和做筆記來表明我們正在積極參與對話。
艾米麗： 絕對地。 我們也可以等待輪到我們，然後冷靜而清晰地陳述我們的觀點、想法和發現。 直接溝通不一定要咄咄逼人，但重要的是要積極參與對話，以免顯得過於被動或冷漠。
你提到要保留一份你正在做的事情的運行清單。 對於您發現哪些工具對此類列表最有效，您有任何指導嗎？
艾米麗: 我使用流線型的子彈日記。 我的設置基本上是一個每週的待辦事項清單，然後我會隨著一周的進行添加一些東西，並在完成它們時劃掉它們。 每週我都會先將所有未完成的工作移開，然後在整個星期內繼續使用該列表。 星期一的計劃時間對我真的很有幫助。 我還將我所有的個人和工作約會都放在了一個 Google 日曆上。
朱莉婭：我已經擺脫了使用待辦事項列表的習慣，但我希望今年秋天能將其重新納入我的日常工作中。 我使用我的日曆來幫助列出和阻止項目的時間。 像 Emily 一樣，我使用一個日曆來進行個人和工作約會。
我們感謝 Emily 和 Julia 抽出時間通過這篇博文進一步展開對話。 他們甚至在下面分享了更多有用的資源。
儘管本材料主要是關於圍繞從數據中獲得洞察力的協作，但其中的要點與我們所有人都息息相關。 正如蕭伯納（George Bernard Shaw）所寫，“溝通中最大的一個問題是它已經發生的錯覺。” Julia 和 Emily 的智慧將幫助您磨練溝通和協作技巧，我們認為它非常有價值，無需註冊！ 我們希望您能像許多現場參與者一樣觀看這一非常有用的插曲並給我們您的反饋。
參考資料和建議閱讀：
ASA 的統計實踐道德準則
Derr, J. (2000)，統計諮詢：有效溝通指南，加利福尼亞州太平洋格羅夫：布魯克斯/科爾出版社。
夏普，JL， Griffith, E. 和 Higgs, MD (2021)。 “搭建舞台：培訓下一代應用統計學家的統計協作視頻,” 統計與數據科學教育雜誌, 29(2): 165-170。
夏普，JL， Griffith, E. 和 Higgs, MD (2021)。 “搭建舞台：統計協作培訓視頻”
