4.6 Advice

Kung gumagawa ka man ng mga bagay o nagtatrabaho sa isang kapareha, nais kong mag-alok ng apat na piraso ng payo na natuklasan ko lalo na nakakatulong sa sarili kong gawain. Ang unang dalawang piraso ng payo ay nalalapat sa anumang eksperimento, habang ang ikalawang dalawa ay mas tiyak sa mga eksperimento sa digital na edad.

Ang aking unang piraso ng payo para sa kapag ikaw ay gumagawa ng isang eksperimento ay na dapat mong isipin hangga't maaari bago ang anumang data ay nakolekta. Marahil ito ay halatang-halata sa mga mananaliksik na nakasanayan na sa pagpapatakbo ng mga eksperimento, ngunit napakahalaga para sa mga nakasanayan na nagtatrabaho sa mga malalaking data source (tingnan ang kabanata 2). Sa ganitong mga mapagkukunan ang karamihan sa trabaho ay ginagawa pagkatapos ng iyong data, ngunit ang mga eksperimento ay kabaligtaran: ang karamihan sa trabaho ay dapat gawin bago mo mangolekta ng data. Ang isa sa mga pinakamahusay na paraan upang pilitin ang iyong sarili na mag-isip nang maingat bago ka mangolekta ng data ay upang lumikha at magparehistro ng isang pre-analysis plan para sa iyong eksperimento na kung saan ay karaniwang naglalarawan sa pag-aaral na iyong isasagawa (Schulz et al. 2010; Gerber et al. 2014; Simmons, Nelson, and Simonsohn 2011; Lin and Green 2016) .

Ang aking ikalawang piraso ng pangkalahatang payo ay walang perpektong eksperimento, at, dahil dito, dapat mong isaalang-alang ang pagdisenyo ng isang serye ng mga eksperimento na nagpapatibay sa bawat isa. Narinig ko ang inilarawan bilang ang diskarte ng armada ; sa halip na subukan na bumuo ng isang napakalaking battleship, dapat kang bumuo ng maraming mga mas maliit na barko na may kakontra lakas. Ang mga uri ng pag-aaral ng multi-eksperimento ay karaniwan sa sikolohiya, ngunit ang mga ito ay bihirang sa ibang lugar. Sa kabutihang palad, ang mas mababang halaga ng ilang mga digital na eksperimento ay ginagawang madali ang mga pag-aaral ng multi-eksperimento.

Dahil sa pangkalahatang background, gusto ko ngayon na mag-alok ng dalawang piraso ng payo na mas tiyak sa pagdidisenyo ng mga digital na eksperimento sa edad: lumikha ng zero variable na data ng gastos (seksyon 4.6.1) at bumuo ng etika sa iyong disenyo (seksyon 4.6.2).