Molti hanno scritto e parlato della scienza dei dati come sport di squadra. Sentiamo storie di scienziati, ingegneri, ricercatori e statistici sul lavoro in team. A volte, è stimolante sentire parlare di queste collaborazioni meravigliosamente realizzate. Altre volte, è doloroso sentire parlare di frustrazioni, incomprensioni ed errori di spreco di risorse che portano a intuizioni mancate o domande senza risposta.
Dopo aver frequentato l'eccellente corso breve dell'Ann Arbor Chapter dell'American Statistical Association, Navigare in conversazioni difficili nella collaborazione statistica , tenuto dalle professoresse Julia Sharp ed Emily Griffith, ho pensato che sarebbe stato un argomento utile per Statisticamente parlando . Era! Abbiamo avuto così tanti commenti e domande per questo episodio, non siamo riusciti a leggerli tutti. Quindi, i nostri brillanti ospiti hanno accettato di rispondere di più in questo post sul 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.Gli esperti in collaborazione statistica condividono le migliori pratiche.
La dottoressa Emily Griffith lavora presso il Dipartimento di Statistica e la Data Science Academy della North Carolina State University ed è stata eletta vicepresidente del distretto 5 del consiglio di amministrazione dell'ASA Council of Chapters a partire dal 2023. La dottoressa Julia Sharp lavora presso il Dipartimento di Statistica della Colorado State University ed è stata recentemente selezionata come ASA Fellow. Attualmente è anche presidente del consiglio direttivo del Consiglio dei capitoli dell'ASA e del gruppo di sensibilizzazione sulla giustizia, l'equità, la diversità e l'inclusione, che ha formato nel 2020.
I dati sono un costrutto umano; è necessario identificare il problema con precisione per ottenere i migliori risultati. Come si pongono le domande giuste per garantire i migliori risultati?
Emilia : Non credo ci sia una domanda o un modo giusto per ottenere i migliori risultati. Penso che sia importante costruire una relazione e porre molte domande, mostrare che sei interessato al contenuto e consentire anche alle persone con cui lavori di fare domande.
Giulia : Sono d'accordo. Porre domande che ci aiutino a comprendere gli obiettivi dello studio, la progettazione e il contesto è importante per connettersi con analisi appropriate. La domanda “giusta” può dipendere da diversi fattori, tra cui il rapporto con il collaboratore (ad esempio, è un rapporto nuovo o di vecchia data), il differenziale di potere tra te e il collaboratore, il tono con cui viene posta la domanda e quanto comprendiamo il contesto prima di porre la domanda. Poiché ci sono tante cose che potrebbero contribuire a porre la domanda “giusta”, porre molte domande in modo empatico è importante per ottenere le informazioni di cui abbiamo bisogno per aiutare a guidare e consigliare i collaboratori.
Un problema che incontriamo frequentemente quando raccogliamo le esigenze di risorse da data scientist/modellisti è suscitare la dimensione del campione, ad esempio ponendo domande come "Quanti campioni hai bisogno per affrontare la tua ipotesi al livello di confidenza statistica che desideri?" Spesso la ricerca è così nuova che lo scienziato/modellista non ha una base per generare con sicurezza una stima della dimensione del campione. Qualche idea su come andare avanti e allinearsi alla dimensione del campione in questa situazione? Inoltre, un'ampia raccolta di campioni di solito richiede tempo e dipende dal budget; come possiamo convincere i clienti ad adottare un approccio statistico?
Giulia : Le discussioni sulla dimensione del campione possono essere difficili! Abbiamo un video relativo alla dimensione del campione nella nostra raccolta di conversazioni difficili video di formazione . In alcune circostanze, ho lavorato con un numero sufficiente di ricercatori in un campo particolare per sapere che fare un calcolo della dimensione del campione non sarà produttivo. Ad esempio, lavorando con alcuni veterinari, so che in passato c'erano un massimo di sei cavalli con cui potevano lavorare in un tipo di studio. Sarebbe controproducente per me fare un calcolo della dimensione del campione per dire loro che hanno bisogno di 500 cavalli. Il mio approccio in queste circostanze è di discutere la dimensione dell'effetto e cosa possono ottenere dai risultati dei loro studi.
Emilia : Ottima risposta, Giulia! Uso l'approccio della dimensione dell'effetto anche con i miei collaboratori quando la dimensione del campione è in qualche modo fissa a causa di limiti di costo, tempo o spazio. Quando si presenta questo problema, ti incoraggio a prendere in considerazione la possibilità di porre più domande e di provare davvero a capire qual è la causa della resistenza a una dimensione del campione più ampia. A volte le cose non sono davvero fattibili, ma altre volte puoi spingere un po' per ottenere una dimensione del campione più grande se puoi dimostrare il valore che aggiungerebbe.
Sulla questione di capire una dimensione dell'effetto quando un soggetto è nuovo, a volte butto fuori un numero: "E se il cambiamento fosse nove?" Quindi l'esperto in materia risponderà spesso con qualcosa del tipo: "Non sarebbero mai le nove! Mi aspetto che sia compreso tra 0,1 e 0,8". Questa tecnica mi ha aiutato a definire numeri specifici rassicurando i miei stessi collaboratori che, sebbene l'incertezza vada bene, spesso in realtà sanno cosa si aspettano che accada con un ragionevole grado di precisione.
Quando ascolti e non sei aggressivo, quali sono i modi per essere percepito come non passivo o come un comunicatore diretto?
Giulia : Anche quando siamo un ascoltatore empatico, possiamo dimostrare di essere attivamente coinvolti nella conversazione fornendo segnali non verbali (ad es. annuire con la testa), ponendo domande tempestive e prendendo appunti.
Emilia : Assolutamente. Possiamo anche aspettare il nostro turno e poi esprimere con calma e chiarezza le nostre opinioni, pensieri e risultati. La comunicazione diretta non deve essere aggressiva, ma è importante partecipare attivamente alle conversazioni per evitare di sembrare troppo passivi o disinteressati.
Hai menzionato di tenere una lista continua di ciò su cui stai lavorando. Hai qualche guida su quali strumenti hai trovato più efficaci per un tale elenco?
Emilia : Uso un diario dei proiettili semplificato. La mia configurazione è fondamentalmente un elenco di cose da fare settimanali, quindi aggiungo cose man mano che la settimana va avanti e le cancello quando le finisco. Ogni settimana sposto prima i lavori incompiuti, quindi continuo a utilizzare l'elenco per tutta la settimana. Quel tempo di pianificazione di lunedì è davvero utile per me. Metto anche tutti i miei appuntamenti personali e di lavoro su un calendario di Google.
Giulia : Ho perso l'abitudine di usare una lista di cose da fare, ma spero di reinserirla nella mia routine questo autunno. Uso il mio calendario per aiutare a elencare e bloccare il tempo per i progetti. Come Emily, uso un calendario sia per gli appuntamenti personali che di lavoro.
Apprezziamo che Emily e Julia abbiano dedicato del tempo per approfondire la conversazione attraverso questo post sul blog. Hanno anche condiviso risorse più utili di seguito.
Sebbene questo materiale riguardi principalmente la collaborazione per ottenere informazioni dai dati, i risultati sono rilevanti per tutti noi. Come ha scritto George Bernard Shaw, "Il problema più grande nella comunicazione è l'illusione che si sia verificata". La saggezza di Julia ed Emily ti aiuterà ad affinare le tue capacità di comunicazione e collaborazione e pensiamo che sia così prezioso che non è richiesta alcuna registrazione! Ci auguriamo che guarderai questo episodio estremamente utile e ci fornirai il tuo feedback, come hanno fatto molti dei partecipanti dal vivo.
Riferimenti e Letture consigliate:
Linee guida etiche di ASA per la pratica statistica
Derr, J. (2000), Consulenza statistica: una guida per una comunicazione efficace, Pacific Grove, CA: Brooks/Cole Press.
Sharp, JL, Griffith, E. e Higgs, MD (2021). “ Preparare il terreno: video di collaborazione statistica per la formazione della prossima generazione di statistici applicati ,” Journal of Statistics and Data Science Education, 29(2): 165-170.
Sharp, JL, Griffith, E. e Higgs, MD (2021). “ Preparare il terreno: video di formazione sulla collaborazione statistica "
