4.6 સલાહ

તમે તેને જાતે કરી રહ્યા છે અથવા પાર્ટનર સાથે કામ કે નહીં, હું મારા પોતાના કામ ખાસ કરીને મદદરૂપ મળ્યાં સલાહ બે ટુકડાઓ ઓફર કરવા માંગો છો. પ્રથમ, શક્ય તેટલી લાગે છે કે કોઇ માહિતી એકત્રિત કરવામાં આવી છે તે પહેલાં. આ સલાહ કદાચ પ્રયોગો ચાલી ટેવાયેલું સંશોધકો સ્પષ્ટ જણાય છે, પરંતુ તે મોટા માહિતી સ્રોતો સાથે કામ કરવા માટે ટેવાયેલું સંશોધકો માટે ખૂબ જ મહત્વપૂર્ણ છે (2 પ્રકરણ જુઓ). મોટા ડેટા સ્રોતો સાથે કામ મોટા ભાગના તમે માહિતી છે પછી થાય છે, પરંતુ પ્રયોગો વિરુદ્ધ છે; કામ સૌથી પહેલાં તમે માહિતી એકત્રિત થાય છે જોઈએ. તમારી જાતને તમારા ડિઝાઇન અને વિશ્લેષણ વિશે ધ્યાનપૂર્વક વિચારો માટે દબાણ કરવા માટે શ્રેષ્ઠ રીતે એક બનાવવા અને તમારા પ્રયોગ માટે એક વિશ્લેષણ યોજના રજીસ્ટર છે. સદનસીબે, પ્રાયોગિક માહિતી વિશ્લેષણ માટે શ્રેષ્ઠ પદ્ધતિઓ ઘણા રિપોર્ટિંગ દિશાનિર્દેશો માં ઔપચારિક કરવામાં આવી છે, અને આ માર્ગદર્શિકા એક મહાન સ્થળ છે જ્યારે તમારા વિશ્લેષણ યોજના બનાવવાનું શરૂ કરવા માટે છે (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

સલાહ બીજા ભાગ છે કે જે કોઈ એક પ્રયોગ માટે સંપૂર્ણ પ્રયત્ન રહ્યું છે, અને તે કારણે, તમે પ્રયોગો કે દરેક અન્ય મજબૂતી શ્રેણીબદ્ધ ડિઝાઇન કરવાનો પ્રયાસ કરવો જોઈએ. હું પણ આ આર્મડાના વ્યૂહરચના તરીકે વર્ણવવામાં સાંભળ્યું કર્યું; તેના બદલે એક વિશાળ યુદ્ધ બિલ્ડ કરવાનો પ્રયાસ કરતાં, તમે પૂરક શક્તિ સાથે નાના જહાજો સારી મકાન ઘણાં હોઈ શકે છે. મલ્ટી પ્રયોગ અભ્યાસ આ પ્રકારના મનોવિજ્ઞાન નિયમિત હોય છે, પરંતુ તેઓ અન્યત્ર દુર્લભ છે. સદનસીબે, કેટલાક ડિજીટલ પ્રયોગો ઓછા ખર્ચે મલ્ટી પ્રયોગ આ પ્રકારની સરળ અભ્યાસ કરે છે.

પણ, હું કે જે હવે ઓછા સામાન્ય છે પરંતુ ડિજિટલ વય પ્રયોગો ડિઝાઇન માટે ખાસ કરીને મહત્વનું છે સલાહ બે ટુકડાઓ ઓફર કરવા માંગો છો: શૂન્ય સીમાંત ખર્ચ માહિતી બનાવો અને તમારી ડિઝાઇન માં નીતિશાસ્ત્ર બિલ્ડ.