4.6 सलाह

आप इसे अपने आप कर रहे हैं या एक साथी के साथ काम कर रहे हैं, मुझे लगता है कि मैं अपने खुद के काम में विशेष रूप से उपयोगी पाया है की सलाह के दो टुकड़े पेशकश करना चाहते हैं। सबसे पहले, जितना संभव हो उतना लगता है कि किसी भी डेटा एकत्र किया गया है पहले। यह सलाह शायद प्रयोगों चलाने के आदी शोधकर्ताओं के लिए स्पष्ट लगता है, लेकिन यह बड़ा डेटा स्रोतों के साथ काम करने के आदी शोधकर्ताओं के लिए बहुत महत्वपूर्ण है (अध्याय 2 देखें)। बड़ा डेटा स्रोतों के साथ काम करने का सबसे आप डेटा के बाद होता है, लेकिन प्रयोगों विपरीत हैं; काम के सबसे पहले आप डेटा एकत्र होना चाहिए। अपने आप को अपने डिजाइन और विश्लेषण के बारे में ध्यान से सोचने के लिए मजबूर करने के लिए सबसे अच्छे तरीके से बनाने के लिए और अपने प्रयोग के लिए एक विश्लेषण योजना रजिस्टर करने के लिए है। सौभाग्य से, प्रयोगात्मक डेटा के विश्लेषण के लिए सर्वोत्तम प्रथाओं के कई रिपोर्टिंग के दिशा-निर्देशों में औपचारिक रूप दिया गया है, और इन दिशा निर्देशों का एक महान जगह जब अपने विश्लेषण की योजना बनाने शुरू कर रहे हैं (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) ।

सलाह का दूसरा टुकड़ा है कि कोई भी प्रयोग सही होने जा रहा है, और उसकी वजह से, आप प्रयोगों है कि एक दूसरे को सुदृढ़ की एक श्रृंखला डिजाइन करने के लिए प्रयास करना चाहिए। मैं भी इस अरमाडा रणनीति के रूप में वर्णित सुना है; बल्कि एक विशाल रथ का निर्माण करने के लिए कोशिश कर रहा से, आप पूरक शक्तियों के साथ छोटे जहाजों के बेहतर इमारत बहुत हो सकता है। बहु-प्रयोग के अध्ययन के इन प्रकार के मनोविज्ञान में नियमित हैं, लेकिन वे कहीं और दुर्लभ हैं। सौभाग्य से, कुछ डिजिटल प्रयोगों की कम लागत के बहु-प्रयोग के इन प्रकार के आसान अध्ययन करता है।

इसके अलावा, मुझे लगता है कि अब कम आम हैं, लेकिन डिजिटल युग प्रयोगों को डिजाइन करने के लिए विशेष रूप से महत्वपूर्ण हैं सलाह के दो टुकड़े पेशकश करने के लिए करना चाहते हैं: शून्य सीमांत लागत डेटा बनाने के लिए और अपने डिजाइन में नैतिकता का निर्माण।