4.6 ഉപദേശം

നിങ്ങൾ സ്വയം ചെയ്യുന്നത് അല്ലെങ്കിൽ ഒരു ജീവിതപങ്കാളിയെ പ്രവർത്തിച്ചും എന്ന്, ഞാൻ എന്റെ സ്വന്തം സൃഷ്ടി പ്രത്യേകിച്ച് സഹായകരമായ കണ്ടെത്തിയതായി ഉപദേശം രണ്ടു കഷണങ്ങളായി ഓഫർ ആഗ്രഹിക്കുന്നു. ആദ്യം, ഏതെങ്കിലും ഡാറ്റ ശേഖരിച്ചു മുമ്പ് കഴിയുന്നത്ര കരുതുന്നു. ഈ ഉപദേശം ഒരുപക്ഷേ പരീക്ഷണങ്ങൾ പ്രവർത്തിക്കുന്ന ശീലിച്ചു ഗവേഷകർ വ്യക്തമായ തോന്നുന്നു, എന്നാൽ അതു (അധ്യായം 2 കാണുക) വലിയ ഡാറ്റ ഉറവിടങ്ങളിൽ പ്രവർത്തിച്ചും ശീലിച്ചു ഗവേഷകർ വളരെ പ്രധാനമാണ്. നിങ്ങൾ ഡാറ്റ ഉണ്ട് ശേഷം ബിഗ് ഡാറ്റ ഉറവിടങ്ങളിൽ സൃഷ്ടിയുടെ ഏറ്റവും സംഭവിക്കുന്നു, പക്ഷേ പരീക്ഷണങ്ങൾ സഹായമല്ല; നിങ്ങൾ ഡാറ്റ ശേഖരിച്ച് മുമ്പ് സൃഷ്ടിയുടെ ഏറ്റവും എന്തുസംഭവിക്കും. നിങ്ങളുടെ ഡിസൈന് വിശകലനം ധ്യാനിക്കാനും സ്വയം നിർബ്ബന്ധമായും ഏറ്റവും നല്ല മാർഗ്ഗം സൃഷ്ടിക്കാനും നിങ്ങളുടെ പരീക്ഷണത്തിനായി ഒരു വിശകലനം പ്ലാൻ രജിസ്റ്റർ എന്നതാണ്. ഭാഗ്യവശാൽ, പരീക്ഷണാത്മക ഡാറ്റ വിശകലനം മികച്ച-സമ്പ്രദായങ്ങൾ പല റിപ്പോർട്ടിംഗ് മാർഗനിർദ്ദേശങ്ങൾ കടന്നു formalized നഷ്ടപ്പെട്ട്, ഈ മാർഗ്ഗനിർദ്ദേശങ്ങൾ നിങ്ങളുടെ വിശകലനം പ്ലാൻ സൃഷ്ടിക്കുമ്പോൾ ആരംഭിക്കാൻ ഒരു വലിയ സ്ഥലം ഉണ്ട് (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

ഉപദേശം രണ്ടാം കഷണം ആരും പരീക്ഷണം തികഞ്ഞ പോകുന്ന എന്നും അതുമൂലം, നിങ്ങൾ പരസ്പരം കൂടിച്ചേർന്ന് പരീക്ഷണങ്ങൾ ഒരു പരമ്പര രൂപകൽപ്പന ശ്രമിക്കണം ആണ്. ഞാൻ ഈ Armada തന്ത്രങ്ങളും വിവരിച്ചിരിക്കുന്ന കേട്ട; പകരം ഒരു വലിയ ബാറ്റിൽഷിപ്പ് പണിയാൻ ശ്രമിക്കുന്ന അധികം, നിങ്ങൾ തീർക്കുന്ന അതിവിശാലമായ ചെറിയ കപ്പലുകൾ മെച്ചപ്പെട്ട കെട്ടിടം ഒത്തിരി ആകേണ്ടതിന്നു. മൾട്ടി-പരീക്ഷണം പഠനങ്ങൾ ഈ തരത്തിലുള്ള സൈക്കോളജിയിൽ പതിവ്, എന്നാൽ അവ മറ്റെവിടെയെങ്കിലും അപൂർവ്വമാണ്. ഭാഗ്യവശാൽ, ചില ഡിജിറ്റൽ പരീക്ഷണങ്ങളുടെ കുറഞ്ഞ ചിലവിൽ മൾട്ടി-പരീക്ഷണം പഠനങ്ങൾ ഇത്തരം എളുപ്പമാക്കുന്ന.

എതിരെ, ഞാൻ ഇപ്പോൾ കുറവ് സാധാരണമാണ് എന്നാൽ ഡിജിറ്റൽ യുഗത്തിൽ പരീക്ഷണങ്ങൾ രൂപകൽപന പ്രത്യേകിച്ച് പ്രധാനപ്പെട്ട ഉപദേശം രണ്ടു കഷണങ്ങളായി ഓഫർ ആഗ്രഹിക്കുന്നു: പൂജ്യം നാമമാത്ര കുറഞ്ഞ ഡാറ്റ സൃഷ്ടിക്കാനും നിങ്ങളുടെ ഡിസൈൻ കയറി എത്തിക്സ് പണിയും.