4.6 सल्ला

आपण स्वत: करत आहेत किंवा भागीदार काम आहे की नाही, मी माझ्या स्वत: काम विशेषतः उपयोगी सापडला आहे की सल्ला दोन तुकडे ऑफर आवडेल. प्रथम, कोणताही डेटा गोळा केले गेले आहे आधी शक्य तितकी वाटते. हा सल्ला कदाचित प्रयोग चालू नित्याचा संशोधक स्पष्ट दिसते, परंतु ती मोठी डेटा स्रोत काम करण्यासाठी नित्याचा संशोधक अतिशय महत्त्वाचे आहे (धडा 2 पहा). आपण डेटा नंतर मोठे डेटा स्रोत काम सर्वात घडते, पण प्रयोग उलट आहेत; आपण डेटा गोळा आधी काम सर्वात घडू. आपल्या रचना आणि विश्लेषण काळजीपूर्वक विचार करणे स्वत: ला सक्ती एक उत्तम मार्ग तयार करा आणि आपल्या प्रयोगासाठी एक विश्लेषण योजना नोंदणी करणे आहे. सुदैवाने, प्रायोगिक माहिती विश्लेषण उत्कृष्ट-पद्धती अनेक अहवाल मार्गदर्शक तत्त्वे मध्ये औपचारिक गेले आहेत, आणि या मार्गदर्शक तत्त्वे आपल्या विश्लेषण योजना तयार करताना सुरू करण्यासाठी एक उत्तम जागा आहे (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

सल्ला दुसरा तुकडा कोणीही प्रयोग होणार आहे की परिपूर्ण असणे, आणि कारण की, आपण एकमेकांना अधिक मजबूत करणारे प्रयोग मालिका डिझाइन प्रयत्न करावा आहे. मी अगदी हे आरमार धोरण म्हणून वर्णन ऐकले आहे; ऐवजी एक भव्य युद्धनौका तयार करण्याचा प्रयत्न पेक्षा, आपण पूरक सामर्थ्यावर लहान जहाजे चांगले इमारत बरेच असू शकते. मल्टि-प्रयोग अभ्यास या प्रकारच्या मानसशास्त्र नियमानुसार आहेत, पण ते इतरत्र दुर्मिळ आहेत. सुदैवाने, काही डिजिटल प्रयोग कमी खर्च मल्टि-प्रयोग या प्रकारची सोपे अभ्यास करते.

तसेच, मी आता कमी सामान्य आहेत पण डिजिटल वय प्रयोग रचना विशेषतः महत्वाचे आहेत सल्ला दोन तुकडे ऑफर आवडेल: शून्य सीमान्त खर्च डेटा तयार करा आणि आपल्या रचना मध्ये आचारसंहिता तयार.