4.6 Съвети

Дали го правят сами или работят с партньор, бих искал да предложи две парчета от съвети, които съм намерени особено полезен в моята собствена работа. Първо, мисля, че възможно най-много преди всички данни са събрани. Този съвет вероятно изглежда очевидно за изследователи свикнали с провеждане на експерименти, но това е много важно за учените свикнали да работят с големи източници на данни (виж глава 2). С големи източници на данни по-голямата част от работата се случва, след като имате данни, но експерименти са обратното; голямата част от работата трябва да се случи преди да се събират данни. Един от най-добрите начини да се принуждават да мислим внимателно за вашия проект и анализ е да се създаде и регистър на план за анализ на вашия експеримент. За щастие, много от най-добрите практики за анализ на експериментални данни са формализирани в насоки за докладване, и че тези насоки са страхотно място да започнете, когато създавате своя план анализ (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

Второто парче съвети е, че никой експеримент ще бъде перфектно, и поради това, трябва да се опитате да се изработи серия от експерименти, които подсилват взаимно. Дори съм чувал това е описано като стратегията за армада; вместо да се опитва да изгради една масивна линеен, може да бъде по-добре за изграждане на много по-малки кораби с допълнителни предимства. Тези видове проучвания мулти-експеримента са рутинни в областта на психологията, но те са рядкост другаде. За щастие, ниската цена на някои цифрови експерименти прави тези вид на мулти-експеримент изследва по-лесно.

Също така, бих искал да предложи две парчета от съвети, които са по-рядко срещани, но сега са особено важни за проектирането на цифрови експерименти възрастови: създаване на нула маргиналните данни за разходите и изграждане на етиката в своя дизайн.