4.6 Doradztwo

Czy robisz to sam lub pracując z partnerem, chciałbym zaproponować dwa rad, które znalazłem szczególnie pomocne w mojej pracy. Po pierwsze, że tak bardzo, jak to możliwe, zanim jakiekolwiek dane zostały zebrane. Ta rada zapewne wydaje się oczywiste dla badaczy przyzwyczajonych do prowadzenia eksperymentów, ale to jest bardzo ważne dla badaczy przyzwyczajonych do pracy z dużych źródeł danych (patrz rozdział 2). Z dużych źródeł danych większość pracy dzieje się po masz dane, ale eksperymenty są przeciwieństwem; większość prac powinno nastąpić przed zbierania danych. Jednym z najlepszych sposobów, aby zmusić się, aby dokładnie zastanowić projektowania i analizy jest stworzenie i zarejestrować plan analizy dla eksperymentu. Na szczęście, wiele z najlepszych praktyk do analizy danych eksperymentalnych zostały sformalizowane w wytycznych dotyczących sprawozdawczości, a wytyczne te są doskonałym miejscem, aby rozpocząć podczas tworzenia planu analizy (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011) .

Druga rada jest taka, że ​​nikt nie Eksperyment będzie idealny, a ze względu, że należy starać się zaprojektować serię eksperymentów, które wzmacniają się wzajemnie. Słyszałem nawet tego opisać jako strategii armada; zamiast próbować zbudować jeden ogromny okręt, może być lepiej działki budowlane mniejszych statków o komplementarnych mocnych. Te rodzaje badań są wielu eksperymentów rutynowych psychologię, ale są one rzadko w innym miejscu. Na szczęście, niski koszt niektórych eksperymentów cyfrowych sprawia to rodzaj eksperymentu wielofunkcyjnego studia łatwiejsze.

Ponadto, chciałbym zaproponować dwa rad, które są mniej popularne, ale teraz są szczególnie ważne przy projektowaniu cyfrowych eksperymentów Wiek: stworzyć zerowe marginalne danych kosztowych i budowania etyki do swojego projektu.