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, resulta inspirador escuchar acerca de estas colaboraciones maravillosamente logradas. Otras veces, es doloroso escuchar acerca de frustraciones, malentendidos y errores que desperdician recursos y que conducen a conocimientos perdidos o preguntas sin respuesta.
Habiendo tomado el excelente curso corto del Capítulo 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 responderlos a todos. Por eso, nuestros brillantes invitados aceptaron responder más preguntas en esta publicación de blog.
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.Los expertos en colaboración estadística comparten las mejores prácticas.
La Dra. Emily Griffith trabaja en el Departamento de Estadística y la Academia de Ciencias de Datos de la Universidad Estatal de Carolina del Norte y fue elegida para ocupar el cargo de vicepresidenta del Distrito 5 de la Junta Directiva 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 la ASA. Actualmente también se desempeña como expresidenta de la Junta Directiva del Consejo de Capítulos de la ASA y del Grupo de Divulgación sobre Justicia, Equidad, Diversidad e Inclusión, que formó en 2020.
Los datos son una construcción humana; debe identificar el problema con precisión para obtener mejores resultados. ¿Cómo se hacen las preguntas correctas para garantizar los mejores resultados?
emily : No creo que haya una sola pregunta o forma correcta de obtener los mejores resultados. Creo que es importante construir una relación y hacer muchas preguntas, demostrar 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 conectarnos con los análisis apropiados. La pregunta “correcta” puede depender de varios factores, incluida la relación con el colaborador (es decir, si se trata de una relación nueva o de larga data), la diferencia de poder entre usted y el colaborador, el tono en el que se formula 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 cuando recopilamos 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 alinear el tamaño de la muestra en esta situación? Además, la recopilación de muestras grandes suele llevar mucho tiempo y depender del presupuesto; ¿Cómo podemos convencer a los clientes de 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. vídeos de entrenamiento . En algunas circunstancias, he trabajado con suficientes investigadores en un campo particular como 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 había un máximo de seis caballos con los que podían 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, le animo a que considere 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 puedes esforzarte un poco para obtener un tamaño de muestra más grande si puedes demostrar el valor que agregaría.
Cuando se trata de determinar el tamaño del efecto cuando un tema es nuevo, a veces simplemente descarto un número: "¿Qué pasaría si el cambio fuera nueve?" Entonces, el experto en la materia suele responder algo como: “¡Nunca serían nueve! Yo esperaría que estuviera entre 0,1 y 0,8”. Esa técnica me ha ayudado a concretar cifras específicas 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 escuchamos con empatía, podemos demostrar que participamos activamente en la conversación proporcionando señales no verbales (p. ej., 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 por qué ser agresiva, pero es importante participar activamente en las conversaciones para evitar parecer demasiado pasivo o desinteresado.
Mencionaste mantener una lista actualizada de en qué estás trabajando. ¿Tiene alguna orientación sobre qué herramientas le parecen más efectivas para dicha lista?
emily : Utilizo un diario de viñetas simplificado. Mi configuración es básicamente una lista de tareas pendientes semanales, y luego agrego cosas a medida que avanza la semana y las tacho a medida que las termino. Cada semana, primero muevo cualquier trabajo sin terminar y luego sigo 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 laborales en un calendario de Google.
Julia : He perdido la costumbre de utilizar una lista de tareas pendientes, pero espero reincorporarla a mi rutina este otoño. Utilizo mi calendario para ayudarme a enumerar y reservar tiempo para proyectos. Al igual que Emily, uso un calendario tanto para citas personales como laborales.
Agradecemos a Emily y Julia que se hayan tomado el tiempo de profundizar 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 conocimientos a partir de datos, las conclusiones son relevantes para todos nosotros. Como escribió George Bernard Shaw: "El mayor problema de la comunicación es la ilusión de que ha tenido lugar". La sabiduría de Julia y Emily te ayudará a perfeccionar tus habilidades de comunicación y colaboración, ¡y creemos que es tan valiosa que no es necesario registrarte! Esperamos que vea este episodio extremadamente útil y nos dé su opinión, como lo hicieron muchos de los participantes en vivo.
Referencias y lecturas sugeridas:
Directrices éticas de la ASA para la práctica estadística
Derr, J. (2000), Consultoría estadística: una guía para una comunicación eficaz, Pacific Grove, CA: Brooks/Cole Press.
Afilado, JL, Griffith, E. y Higgs, MD (2021). “ Preparando el escenario: vídeos de colaboración estadística para formar a la próxima generación de estadísticos aplicados ”, Revista de educación en estadística y ciencia de datos, 29 (2): 165-170.
Afilado, JL, Griffith, E. y Higgs, MD (2021). “ Preparando el escenario: vídeos de formación sobre colaboración estadística "
