많은 사람들이 팀 스포츠로서의 데이터 과학에 대해 글을 쓰고 이야기했습니다. 우리는 과학자, 엔지니어, 연구원, 통계학자로부터 팀 작업에 대한 이야기를 듣습니다. 때로는 이렇게 아름답게 완성된 콜라보레이션에 대해 듣는 것이 영감을 주기도 합니다. 때로는 좌절감, 오해, 자원 낭비 실수로 인해 통찰력을 놓치거나 답을 얻지 못한 질문에 대해 듣는 것이 고통스럽습니다.
우수한 미국 통계 협회 앤아버 장 단기 강좌를 수강한 후, 통계적 협업에서 어려운 대화 탐색하기 , Julia Sharp 교수와 Emily Griffith 교수가 가르치는 이 주제는 다음과 같은 학생들에게 유용한 주제가 될 것이라고 생각했습니다. 통계적으로 말하면 . 그랬어요! 이번 에피소드에 대한 댓글과 질문이 너무 많아서 모두 답변할 수 없었습니다. 그래서 우리의 훌륭한 손님들은 이 블로그 게시물에서 더 많은 질문에 답변하기로 동의했습니다.
Experts in statistical collaboration share best practices.Experts in statistical collaboration share best practices.Experts in statistical collaboration share best practices.Experts in statistical collaboration share best practices.통계 협업 전문가들이 모범 사례를 공유합니다.
Emily Griffith 박사는 노스캐롤라이나 주립대학교 통계학과 및 데이터 과학 아카데미에서 근무하고 있으며 2023년부터 ASA 협의회 운영 이사회 제5구역 부의장으로 선출되었습니다. Julia Sharp 박사는 콜로라도 주립대학교 통계학과에서 근무하며 최근 ASA 펠로우로 선정되었습니다. 그녀는 또한 현재 ASA 이사회 이사회와 2020년에 결성한 정의, 형평성, 다양성 및 포용 지원 그룹의 전 의장직을 맡고 있습니다.
데이터는 인간이 구성한 것입니다. 최상의 결과를 얻으려면 문제를 정확하게 식별해야 합니다. 최상의 결과를 얻기 위해 어떻게 올바른 질문을 합니까?
에밀리 : 최선의 결과를 얻기 위한 올바른 질문이나 방법은 없다고 생각합니다. 관계를 구축하고, 질문을 많이 하고, 콘텐츠에 관심이 있다는 것을 보여주고, 함께 일하는 사람들도 질문할 수 있도록 하는 것이 중요하다고 생각합니다.
줄리아 : 나는 동의한다. 연구 목표, 설계, 맥락을 이해하는 데 도움이 되는 질문을 하는 것은 적절한 분석과 연결하는 데 중요합니다. "올바른" 질문은 협력자와의 관계(즉, 새로운 관계인지 아니면 오래된 관계인지), 귀하와 협력자 사이의 권력 차이, 질문하는 어조 등 여러 요인에 따라 달라질 수 있습니다. , 그리고 질문을 하기 전에 우리가 맥락을 얼마나 이해하고 있는지. "올바른" 질문을 하는 데 기여할 수 있는 것들이 너무 많기 때문에, 공동 작업자를 안내하고 조언하는 데 필요한 정보를 얻으려면 공감하는 방식으로 많은 질문을 하는 것이 중요합니다.
데이터 과학자/모델러로부터 리소스 요구 사항을 수집할 때 자주 직면하는 문제 중 하나는 샘플 크기를 도출하는 것입니다. 예를 들어 "원하는 통계적 신뢰도 수준에서 가설을 해결하려면 몇 개의 샘플이 필요합니까?"와 같은 질문을 하는 것입니다. 종종 연구는 너무 새로운 것이므로 과학자/모델러가 표본 크기 추정치를 자신있게 생성할 수 있는 근거가 없습니다. 이 상황에서 앞으로 나아가고 표본 크기를 조정하는 방법에 대한 생각이 있으십니까? 또한 대규모 샘플 수집은 일반적으로 시간이 많이 걸리고 예산에 따라 달라집니다. 고객이 통계적 접근 방식을 채택하도록 어떻게 설득할 수 있습니까?
줄리아 : 표본 크기에 대한 논의는 어려울 수 있습니다! 힘든 대화 모음집에 표본 크기와 관련된 영상이 있습니다 훈련 비디오 . 어떤 상황에서는 특정 분야의 충분한 연구자들과 협력하여 표본 크기 계산이 생산적이지 않다는 것을 알았습니다. 예를 들어, 일부 수의사와 함께 작업하면서 과거에는 한 유형의 연구에서 작업할 수 있는 말이 최대 6마리였다는 것을 알고 있습니다. 그들에게 말 500마리가 필요하다고 말하기 위해 표본 크기 계산을 하는 것은 비생산적일 것입니다. 이러한 상황에서 나의 접근 방식은 효과 크기와 연구 결과에서 얻을 수 있는 것이 무엇인지 논의하는 것입니다.
에밀리 : 좋은 대답이에요, 줄리아! 또한 비용, 시간 또는 공간 제한으로 인해 표본 크기가 어느 정도 고정되어 있는 경우 공동 작업자와 함께 효과 크기 접근 방식을 사용합니다. 이 문제가 발생하면 더 많은 질문을 하고 더 큰 표본 크기에 대한 저항의 원인이 무엇인지 실제로 이해하려고 노력하는 것이 좋습니다. 때로는 실제로 실현 가능하지 않은 경우도 있지만, 추가할 가치를 입증할 수 있다면 더 큰 샘플 크기를 얻기 위해 조금 더 노력할 수도 있습니다.
주제가 새로운 경우 효과 크기를 알아내는 문제에 대해 때로는 숫자를 버립니다. "변화가 9라면 어떨까요?" 그러면 해당 분야 전문가는 종종 다음과 같이 대답할 것입니다. “절대 9가 아닐 거예요! 0.1에서 0.8 사이가 될 것으로 예상합니다.” 이 기술은 불확실성은 괜찮지만 실제로는 합리적인 수준의 정확성으로 어떤 일이 발생할 것으로 예상하는지 알고 있다는 사실을 공동 작업자에게 확신시켜 구체적인 수치를 계산하는 데 도움이 되었습니다.
당신이 경청하고 공격적이지 않을 때, 수동적이지 않거나 직접적인 의사소통자로 인식되는 방법은 무엇입니까?
줄리아 : 공감하는 경청자일지라도 비언어적 단서(예: 고개 끄덕임)를 제공하고 시기적절하게 질문하고 메모함으로써 대화에 적극적으로 참여하고 있음을 보여줄 수 있습니다.
에밀리 : 전적으로. 우리는 또한 우리 차례를 기다린 다음 우리의 의견, 생각, 발견을 차분하고 명확하게 말할 수도 있습니다. 직접적인 의사소통이 공격적일 필요는 없지만, 너무 수동적이거나 무관심해 보이지 않도록 대화에 적극적으로 참여하는 것이 중요합니다.
당신은 당신이 하고 있는 일의 실행 목록을 유지한다고 언급했습니다. 그러한 목록에 가장 효과적인 도구가 무엇인지에 대한 지침이 있습니까?
에밀리 : 유선형의 불렛저널을 사용하고 있습니다. 내 설정은 기본적으로 주간 할 일 목록이며, 일주일이 지나면서 항목을 추가하고 완료되면 선을 그어 지웁니다. 매주 나는 완료되지 않은 작업을 먼저 옮긴 다음 일주일 내내 계속해서 목록을 사용합니다. 월요일에 계획을 세우는 시간이 나에게 정말 도움이 됐다. 또한 개인 및 업무 약속을 하나의 Google 캘린더에 모두 담았습니다.
줄리아 : 나는 할 일 목록을 사용하는 습관에서 벗어났지만, 올 가을에는 이것을 내 일상에 다시 포함시키고 싶습니다. 나는 달력을 사용하여 프로젝트 시간을 나열하고 차단하는 데 도움을 줍니다. Emily처럼 나도 개인 약속과 업무 약속 모두에 하나의 달력을 사용합니다.
이 블로그 게시물을 통해 시간을 내어 대화를 진행해 주신 Emily와 Julia에게 감사드립니다. 아래에서 더 유용한 리소스도 공유했습니다.
이 자료는 주로 데이터에서 통찰력을 얻기 위한 협업에 관한 것이지만 요점은 우리 모두에게 관련이 있습니다. 조지 버나드 쇼(George Bernard Shaw)는 “의사소통에서 가장 큰 문제는 그것이 일어났다는 착각이다”라고 썼습니다. Julia와 Emily의 지혜는 여러분의 의사소통 및 협업 기술을 연마하는 데 도움이 될 것이며 등록이 필요하지 않을 정도로 매우 가치 있다고 생각합니다! 많은 라이브 참가자들이 그랬듯이 여러분도 이 매우 유용한 에피소드를 시청하고 피드백을 제공해 주시기를 바랍니다.
참고 자료 및 추천 자료:
ASA의 통계 실무에 대한 윤리 지침
Derr, J. (2000), 통계 컨설팅: 효과적인 의사소통을 위한 가이드, Pacific Grove, CA: Brooks/Cole Press.
샤프, JL, 그리피스, E. 및 힉스, MD(2021). “ 무대 설정: 차세대 응용 통계학자 교육을 위한 통계 협업 비디오 ,” 통계 및 데이터 과학 교육 저널, 29(2): 165-170.
샤프, JL, 그리피스, E. 및 힉스, MD(2021). “ 무대 설정: 통계 협업 교육 비디오 ”
