4.6 Cyngor

P'un a ydych yn ei wneud eich hun neu weithio gyda phartner, hoffwn i gynnig dau ddarn o gyngor yr wyf wedi dod o hyd yn arbennig o ddefnyddiol wrth fy ngwaith fy hun. Yn gyntaf, meddyliwch gymaint ag y bo modd cyn i unrhyw ddata wedi'i gasglu. Mae'n debyg bod hyn gyngor ymddangos yn amlwg i ymchwilwyr gyfarwydd â rhedeg arbrofion, ond mae'n bwysig iawn i ymchwilwyr gyfarwydd â gweithio gyda ffynonellau data mawr (gweler Pennod 2). Gyda ffynonellau data mawr y rhan fwyaf o'r gwaith yn digwydd ar ôl i chi gael y data, ond arbrofion yn y gwrthwyneb; dylai'r rhan fwyaf o'r gwaith yn digwydd cyn i chi gasglu data. Un o'r ffyrdd gorau i orfodi eich hun i feddwl yn ofalus am eich dyluniad a dadansoddi yw creu a chofrestru cynllun ddadansoddi ar gyfer eich arbrawf. Yn ffodus, mae llawer o'r gorau-arferion ar gyfer y dadansoddiad o ddata arbrofol wedi cael eu ffurfioli i ganllawiau adrodd, a'r canllawiau hyn yn lle gwych i ddechrau wrth greu eich cynllun dadansoddiad (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

Mae'r ail ddarn o gyngor yw nad oes neb arbrawf yn mynd i fod yn berffaith, ac oherwydd hynny, dylech geisio gynllunio cyfres o arbrofion sy'n atgyfnerthu ei gilydd. Rydw i wedi clywed hyd yn oed hyn a ddisgrifiwyd fel y strategaeth armada; yn hytrach na cheisio i adeiladu un rhyfel enfawr, efallai y byddwch yn well adeiladu llawer o longau llai gyda chryfderau cyflenwol. Mae'r mathau hyn o astudiaethau aml-arbrawf yn rheolaidd mewn seicoleg, ond eu bod yn brin mewn mannau eraill. Yn ffodus, mae'r gost isel o rhai arbrofion digidol yn gwneud y math o aml-arbrawf Astudiaethau haws.

Hefyd, hoffwn i gynnig dau ddarn o gyngor sy'n llai cyffredin erbyn hyn, ond yn arbennig o bwysig ar gyfer dylunio arbrofion oes ddigidol: creu data cost ymylol sero ac adeiladu moeseg i mewn i'ch cynllun.