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, c'est inspirant d'entendre parler de ces collaborations magnifiquement réalisées. D'autres fois, il est douloureux d'entendre parler de frustrations, de malentendus et d'erreurs qui gaspillent des ressources et qui conduisent à des informations manquées ou à des questions sans réponse.
Après avoir suivi l'excellent cours de courte durée de l'American Statistical Association, Ann Arbor Chapter, Naviguer dans des conversations difficiles dans le cadre de 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 que nous n'avons pas pu tous les aborder. Ainsi, nos brillants invités ont accepté de répondre à davantage de questions dans cet article 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.Des experts en collaboration statistique partagent leurs meilleures pratiques.
Le Dr Emily Griffith travaille au Département de statistiques et à la Data Science Academy de l'Université d'État de Caroline du Nord et a été élue vice-présidente du conseil d'administration 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 statistiques de la Colorado State University et a récemment été sélectionnée comme boursière ASA. Elle est également actuellement présidente sortante du conseil d'administration du Conseil des sections de l'ASA et du groupe de sensibilisation à la justice, à l'équité, à la diversité et à 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 bonne 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 également des questions.
Julia : Je suis d'accord. Il est important de poser des questions qui nous aident à comprendre les objectifs, la conception et le contexte de l'étude pour établir un lien avec des analyses appropriées. La « bonne » question peut dépendre de plusieurs facteurs, notamment de la relation avec le collaborateur (c'est-à-dire s'il s'agit d'une nouvelle relation ou d'une relation de longue date), du différentiel de pouvoir entre vous et le collaborateur, du ton avec lequel la question est posée. , et dans quelle mesure 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 de nombreuses questions de manière empathique est important pour obtenir les informations dont nous avons besoin pour orienter et conseiller les collaborateurs.
Un problème que nous rencontrons fréquemment lors de la collecte des besoins en ressources auprès des scientifiques/modélistes de données est d'obtenir la taille de l'échantillon - par exemple, en posant des questions telles que : « De combien d'échantillons avez-vous besoin pour répondre à votre hypothèse au niveau de confiance statistique que vous désirez ? Souvent, la recherche est si nouvelle que le scientifique/modéliste ne dispose pas de base pour générer avec confiance une estimation de la taille de l’échantillon. Avez-vous des idées sur la manière d'avancer et de s'aligner sur la taille de l'échantillon dans cette situation ? De plus, la collecte d’échantillons à grande échelle 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 relative 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 d’un échantillon ne serait pas productif. Par exemple, en travaillant avec certains vétérinaires, je sais que dans le passé, ils pouvaient travailler sur un maximum de six chevaux dans un même type d'étude. Il serait contre-productif de ma part de faire un calcul de la taille d'un échantillon pour leur dire qu'ils ont besoin de 500 chevaux. Mon approche dans ces circonstances consiste à discuter de l’ampleur 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 de l'effet avec mes collaborateurs lorsque la taille de l'échantillon est quelque peu fixe en raison de limitations de coût, de temps ou d'espace. Lorsque ce problème surgit, je vous encourage à envisager de poser davantage de questions et d’essayer réellement de comprendre quelle est la cause de la résistance à un échantillon plus grand. Parfois, les choses ne sont vraiment pas réalisables, mais d'autres fois, vous pouvez pousser un peu pour obtenir un échantillon plus grand si vous pouvez démontrer la valeur que cela ajouterait.
Sur la question de déterminer l'ampleur de l'effet lorsqu'un sujet est nouveau, je me contente parfois de lancer un chiffre : "Et si le changement était de neuf ?" Ensuite, l'expert en la matière répondra souvent quelque chose comme : « Il ne serait jamais neuf heures ! Je m'attendrais à ce qu'il se situe entre 0,1 et 0,8. Cette technique m'a aidé à établir des chiffres précis en rassurant mes propres collaborateurs sur le fait que même si l'incertitude est acceptable, ils savent souvent ce à quoi ils s'attendent avec un degré de précision raisonnable.
Lorsque vous écoutez et n'êtes pas agressif, comment pouvez-vous être perçu comme non passif ou comme 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 au bon moment et en prenant des notes.
Emilie : Absolument. Nous pouvons également attendre notre tour, puis exprimer calmement et clairement nos opinions, nos pensées et nos découvertes. La communication directe ne doit pas nécessairement être agressive, mais il est important de participer activement à vos conversations pour éviter de paraître trop passive ou désintéressée.
Vous avez mentionné tenir 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 éléments au fil de la semaine et je les raye 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 de lundi m'est vraiment utile. Je mets également tous mes rendez-vous personnels et professionnels sur un seul agenda 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 le temps consacré aux projets. Comme Emily, j'utilise un seul 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 document porte principalement sur la collaboration pour obtenir des informations à partir des données, les enseignements à retenir sont pertinents pour nous tous. Comme l’écrivait George Bernard Shaw : « Le plus gros problème en matière de 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 qu'elle est si précieuse 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 de nombreux participants en direct.
Références et lectures suggérées :
Lignes directrices éthiques de l'ASA pour la pratique statistique
Derr, J. (2000), Conseil 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 de l'enseignement des statistiques et de la science des données, 29(2) : 165-170.
Sharp, JL, Griffith, E. et Higgs, MD (2021). " Préparer le terrain : vidéos de formation sur la collaboration statistique »
