4.6 Beratung

Ob Sie es selbst oder die Zusammenarbeit mit einem Partner tun, würde Ich mag zwei Ratschläge anzubieten, die ich gefunden habe, besonders hilfreich in meiner eigenen Arbeit. Zuerst denken, so viel wie möglich, bevor alle Daten gesammelt wurden. Dieser Rat scheint wohl klar, Forscher zu laufen Experimente gewöhnt, aber es ist sehr wichtig für die mit großen Datenquellen gewöhnt Forscher zu arbeiten (siehe Kapitel 2). Mit großen Datenquellen die meiste Arbeit geschieht , nachdem Sie die Daten haben, aber Experimente sind das Gegenteil; die meiste Arbeit sollte geschehen , bevor Sie Daten zu sammeln. Eine der besten Möglichkeiten, sich zu zwingen, sorgfältig über Ihre Konstruktion und Analyse zu denken, ist zu erstellen und einen Analyseplan für Ihr Experiment registrieren. Glücklicherweise wurden in Richtlinien für die Berichterstattung viele der Best Practices für die Analyse von experimentellen Daten formalisiert, und diese Richtlinien sind ein großartiger Ort zu starten , wenn die Analyse Plan erstellen (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

Der zweite Ratschlag ist, dass niemand Experiment perfekt sein wird, und aus diesem Grund sollten Sie versuchen, eine Reihe von Experimenten zu entwerfen, die sich gegenseitig verstärken. Ich habe sogar gehört , dies als die Armada Strategie beschrieben; anstatt zu versuchen, ein massiver Schlachtschiff zu bauen, könnten Sie besser Gebäude viele kleinere Schiffe mit sich ergänzenden Stärken sein. Diese Arten von Multi-Experiment Studien sind Routine in der Psychologie, aber sie sind anderswo selten. Glücklicherweise macht die niedrigen Kosten von einigen digitalen Experimenten diese Art von Multi-Experiment leichter untersucht.

Außerdem würde ich gerne zwei Ratschläge anzubieten, die weniger häufig jetzt sind aber besonders wichtig für digitale Zeitalter Experimente entwerfen: schaffen ohne Grenzkosten Daten und bauen Ethik in Ihr Design.