4.6 Consellos

Se está facendo iso só ou traballar cun compañeiro, gustaríame ofrecer dous consellos que eu atope útil no meu propio traballo. En primeiro lugar, creo que, na medida do posible antes de calquera dato foi traído. Este consello, probablemente, parece evidente para investigadores afeitos realizar experiencias, pero é moi importante para investigadores afeitos a traballar con fontes de datos grandes (ver capítulo 2). Fontes de datos grandes maior parte do traballo pasa despois tes os datos, pero as experiencias son o contrario; maior parte do traballo debe pasar antes de recoller datos. Unha das mellores formas de facer-se a pensar coidadosamente sobre o seu proxecto e análise é crear e rexistrar un plan de análise para a súa experiencia. Afortunadamente, moitas das mellores prácticas para a análise de datos experimentais foron formalizados en directrices para informes, e esas directrices son un gran lugar para comezar a crear o seu plan de análise (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

O segundo consello é que ninguén experimento vai ser perfecto, e por iso, ten que tentar proxectar unha serie de experimentos que se reforzan mutuamente. Eu mesmo oín esa descrita como a estratexia armada; ao contrario de tentar construír un barco de guerra masiva, pode ser mellor lotes de construción de buques menores con forzas complementarias. Estes tipos de estudos multi-experimentais son rutineiras en psicoloxía, pero son raros noutros lugares. Afortunadamente, o baixo custo de algunhas experiencias dixitais fai este tipo de multi-experimento estuda máis fácil.

Ademais, gustaríame ofrecer dous consellos que son menos comúns, pero agora son particularmente importantes para o deseño de experimentos era dixital: crear cero de datos de custos marxinais e construír a ética no seu deseño.