Viele haben über Data Science als Mannschaftssport geschrieben und gesprochen. Wir hören Geschichten von Wissenschaftlern, Ingenieuren, Forschern und Statistikern über die Arbeit in Teams. Manchmal ist es inspirierend, von diesen wunderbar gelungenen Kooperationen zu hören. In anderen Fällen ist es schmerzhaft, von Frustrationen, Missverständnissen und ressourcenverschwendenden Fehlern zu hören, die zu verpassten Erkenntnissen oder unbeantworteten Fragen führen.
Nachdem ich den hervorragenden Kurzkurs „Ann Arbor Chapter“ der American Statistical Association absolviert habe, Schwierige Gespräche in der statistischen Zusammenarbeit meistern , unterrichtet von den Professorinnen Julia Sharp und Emily Griffith, dachte ich, es wäre ein nützliches Thema für Statistisch gesehen . Es war! Wir hatten so viele Kommentare und Fragen zu dieser Folge, dass wir nicht alle beantworten konnten. Deshalb haben unsere brillanten Gäste zugestimmt, in diesem Blogbeitrag weitere Fragen zu beantworten.
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.Experten für statistische Zusammenarbeit tauschen Best Practices aus.
Dr. Emily Griffith arbeitet in der Statistikabteilung und der Data Science Academy der North Carolina State University und wurde ab 2023 zur stellvertretenden Vorsitzenden des ASA Council of Chapters Governing Board für Distrikt 5 gewählt. Dr. Julia Sharp arbeitet in der Statistikabteilung der Colorado State University und wurde kürzlich als ASA Fellow ausgewählt. Derzeit ist sie außerdem ehemalige Vorsitzende des ASA Council of Chapters Governing Board und der Justice, Equity, Diversity, and Inclusion Outreach Group, die sie 2020 gegründet hat.
Daten sind ein menschliches Konstrukt; Um die besten Ergebnisse zu erzielen, müssen Sie das Problem genau identifizieren. Wie stellen Sie die richtigen Fragen, um die besten Ergebnisse zu erzielen?
Emily : Ich glaube nicht, dass es die eine richtige Frage oder den richtigen Weg gibt, um die besten Ergebnisse zu erzielen. Ich halte es für wichtig, eine Beziehung aufzubauen und viele Fragen zu stellen, zu zeigen, dass man sich für den Inhalt interessiert, und den Menschen, mit denen man arbeitet, die Möglichkeit zu geben, auch Fragen zu stellen.
Julia : Ich stimme zu. Es ist wichtig, Fragen zu stellen, die uns helfen, die Ziele, das Design und den Kontext der Studie zu verstehen, um eine Verbindung zu geeigneten Analysen herzustellen. Die „richtige“ Frage kann von mehreren Faktoren abhängen, einschließlich der Beziehung zum Mitarbeiter (z. B. handelt es sich um eine neue oder langjährige Beziehung), dem Machtgefälle zwischen Ihnen und dem Mitarbeiter und dem Ton, in dem die Frage gestellt wird und wie gut wir den Kontext verstehen, bevor wir die Frage stellen. Da es so viele Dinge gibt, die dazu beitragen können, die „richtige“ Frage zu stellen, ist es wichtig, viele Fragen auf einfühlsame Weise zu stellen, um die Informationen zu erhalten, die wir benötigen, um unsere Mitarbeiter anzuleiten und zu beraten.
Ein Problem, auf das wir bei der Erfassung des Ressourcenbedarfs von Datenwissenschaftlern/Modellierern häufig stoßen, ist die Ermittlung der Stichprobengröße – beispielsweise durch das Stellen von Fragen wie: „Wie viele Stichproben benötigen Sie, um Ihre Hypothese mit dem von Ihnen gewünschten statistischen Konfidenzniveau zu beantworten?“ Oft ist die Forschung so neu, dass der Wissenschaftler/Modellierer nicht über die Grundlage verfügt, um zuverlässig eine Schätzung der Stichprobengröße zu erstellen. Irgendwelche Gedanken darüber, wie wir in dieser Situation vorankommen und die Stichprobengröße anpassen können? Darüber hinaus ist die Sammlung umfangreicher Proben in der Regel zeitaufwändig und budgetabhängig; Wie können wir Kunden davon überzeugen, einen statistischen Ansatz zu übernehmen?
Julia : Diskussionen über die Stichprobengröße können hart sein! In unserer Sammlung schwieriger Gespräche gibt es ein Video zum Thema Stichprobengröße Schulungsvideos . Unter bestimmten Umständen habe ich mit genügend Forschern in einem bestimmten Bereich zusammengearbeitet, um zu wissen, dass die Berechnung der Stichprobengröße nicht produktiv sein wird. Durch die Zusammenarbeit mit einigen Tierärzten weiß ich beispielsweise, dass sie in der Vergangenheit maximal sechs Pferde in einer Art von Studie bearbeiten konnten. Es wäre für mich kontraproduktiv, eine Stichprobengröße zu berechnen, um ihnen zu sagen, dass sie 500 Pferde brauchen. Mein Ansatz unter diesen Umständen besteht darin, die Effektgröße zu diskutieren und zu diskutieren, was sie aus den Ergebnissen ihrer Studien ziehen können.
Emily : Tolle Antwort, Julia! Ich verwende bei meinen Mitarbeitern auch den Effektgrößenansatz, wenn die Stichprobengröße aufgrund von Kosten-, Zeit- oder Platzbeschränkungen einigermaßen festgelegt ist. Wenn dieses Problem auftritt, würde ich Sie ermutigen, darüber nachzudenken, weitere Fragen zu stellen und wirklich zu verstehen, was die Ursache für den Widerstand gegen eine größere Stichprobe ist. Manchmal sind Dinge wirklich nicht machbar, aber manchmal können Sie etwas Druck ausüben, um eine größere Stichprobengröße zu erhalten, wenn Sie den Mehrwert nachweisen können, den es mit sich bringen würde.
Wenn es darum geht, die Effektstärke zu ermitteln, wenn ein Thema neu ist, schmeiße ich manchmal einfach eine Zahl weg: „Was wäre, wenn die Änderung neun wäre?“ Dann antwortet der Fachexperte oft mit etwas wie: „Es wäre nie neun!“ Ich würde erwarten, dass es zwischen 0,1 und 0,8 liegt.“ Diese Technik hat mir geholfen, bestimmte Zahlen zu ermitteln, indem sie meinen eigenen Mitarbeitern versichert hat, dass Unsicherheit zwar in Ordnung ist, sie aber oft tatsächlich mit einem angemessenen Maß an Präzision wissen, was sie erwarten.
Wenn Sie zuhören und nicht aggressiv sind, welche Möglichkeiten gibt es, als nicht passiv oder als direkter Kommunikator wahrgenommen zu werden?
Julia : Selbst wenn wir ein einfühlsamer Zuhörer sind, können wir zeigen, dass wir uns aktiv an der Konversation beteiligen, indem wir nonverbale Hinweise geben (z. B. Kopfnicken), zeitnahe Fragen stellen und Notizen machen.
Emily : Absolut. Wir können auch warten, bis wir an der Reihe sind, und dann ruhig und klar unsere Meinungen, Gedanken und Erkenntnisse äußern. Direkte Kommunikation muss nicht aggressiv sein, aber es ist wichtig, aktiv an Ihren Gesprächen teilzunehmen, um nicht zu passiv oder desinteressiert zu wirken.
Sie haben erwähnt, dass Sie eine laufende Liste darüber führen, woran Sie gerade arbeiten. Haben Sie Hinweise dazu, welche Tools Ihrer Meinung nach für eine solche Liste am effektivsten sind?
Emily : Ich verwende ein optimiertes Bullet Journal. Mein Aufbau besteht im Grunde aus einer wöchentlichen To-Do-Liste. Im Laufe der Woche füge ich Dinge hinzu und streiche Dinge durch, wenn ich sie erledige. Jede Woche verschiebe ich zuerst alle unvollendeten Arbeiten und verwende die Liste dann die ganze Woche über weiter. Diese Planungszeit am Montag ist für mich wirklich hilfreich. Außerdem habe ich alle meine persönlichen und geschäftlichen Termine in einem Google-Kalender gespeichert.
Julia : Ich habe es mir nicht mehr angewöhnt, eine To-do-Liste zu erstellen, aber ich hoffe, dass ich das diesen Herbst wieder in meine Routine integrieren kann. Ich nutze meinen Kalender, um Zeit für Projekte aufzulisten und zu blockieren. Wie Emily verwende ich einen Kalender sowohl für private als auch für geschäftliche Termine.
Wir freuen uns, dass Emily und Julia sich die Zeit genommen haben, das Gespräch durch diesen Blogbeitrag voranzutreiben. Sie haben unten sogar noch weitere nützliche Ressourcen geteilt.
Obwohl es in diesem Material in erster Linie um die Zusammenarbeit bei der Gewinnung von Erkenntnissen aus Daten geht, sind die Erkenntnisse für uns alle relevant. Wie George Bernard Shaw schrieb: „Das größte Problem der Kommunikation ist die Illusion, dass sie stattgefunden hat.“ Die Weisheit von Julia und Emily wird Ihnen dabei helfen, Ihre Kommunikations- und Zusammenarbeitsfähigkeiten zu verbessern, und wir halten sie für so wertvoll, dass keine Registrierung erforderlich ist! Wir hoffen, dass Sie sich diese äußerst nützliche Folge ansehen und uns Ihr Feedback geben, wie es so viele der Live-Teilnehmer getan haben.
Referenzen und empfohlene Lektüre:
Ethische Richtlinien der ASA für die statistische Praxis
Derr, J. (2000), Statistical Consulting: A Guide to Effective Communication, Pacific Grove, CA: Brooks/Cole Press.
Sharp, JL, Griffith, E. und Higgs, MD (2021). „ Den Grundstein legen: Videos zur statistischen Zusammenarbeit zur Ausbildung der nächsten Generation angewandter Statistiker “, Journal of Statistics and Data Science Education, 29(2): 165-170.
Sharp, JL, Griffith, E. und Higgs, MD (2021). „ Den Grundstein legen: Schulungsvideos zur statistischen Zusammenarbeit ”
