लागू वैज्ञानिकों के साथ सहयोग पर सलाह


14

मैं सांख्यिकी में स्नातक छात्र हूं और इस तरह लागू वैज्ञानिकों (अर्थशास्त्रियों, वनपाल,…) के साथ सहयोग के एक जोड़े में शामिल हूं। ये सहयोग मज़ेदार हैं (ज्यादातर समय) और मैं बहुत कुछ सीखता हूं, लेकिन कुछ जटिलताएं भी हैं, उदाहरण के लिए:

  • कभी-कभी किसी अच्छे सांख्यिकीय मॉडल के बारे में मेरा विचार मेरे सहयोगियों और उनके क्षेत्र में आम प्रथाओं की पृष्ठभूमि से भिन्न होता है। फिर उन्हें कुछ नया करने की कोशिश करना मुश्किल है, या तो वे मॉडल को समझने के लिए संघर्ष करते हैं या क्योंकि वे अपनी आदतों को बदलने के लिए अनिच्छुक हैं
  • विभिन्न सांख्यिकीय विधियों का उपयोग करने का प्रस्ताव करते समय, मुझे अक्सर यह धारणा होती है कि मेरे सहयोगी इसे उनके "मानक" तरीकों की आलोचना मानते हैं। हालांकि, यह किसी भी तरह से उनके सांख्यिकीय ज्ञान या आदतों के लिए किसी की आलोचना करने के मेरे इरादे से नहीं है
  • और अंत में दूसरा चरम है: कुछ लोग बहुत ज्यादा उम्मीद करते हैं। उन्हें लगता है कि मैं चमत्कारिक रूप से उनकी सहायता के बिना उनके डेटा से दिलचस्प जानकारी निकाल सकता हूं। बेशक, यह सच नहीं है, खासकर अगर मैं विषय-विशिष्ट पृष्ठभूमि को याद करता हूं

मैं शायद अधिक बिंदुओं के बारे में सोच सकता था लेकिन ये मेरे दिमाग में सबसे पहले आए।

मैं आपसे जो सवाल पूछ रहा हूं:

  1. क्या आप अपने सहयोग में समान या समान कठिनाइयों का अनुभव करते हैं? आप उनका सामना कैसे करते हैं? आम तौर पर, आप एक अच्छे सांख्यिकीय सहयोगी होने के लिए क्या करते हैं?
  2. क्या इस विषय पर कोई तृतीय-पक्ष संसाधन हैं , अर्थात, सांख्यिकीविदों और अनुप्रयुक्त वैज्ञानिकों के बीच सहयोग में आवश्यक नरम कौशल?

नोट: यह सवाल कमोबेश इस एक के उलट है ।

जवाबों:


7

आपको अच्छी सलाह मिल रही है, लेकिन जैसे-जैसे आपका अनुभव चौड़ा होता है, इसमें विविधता आएगी।

अन्य संभावनाओं में शामिल हैं:

  1. वैज्ञानिकों के पास विषय-वस्तु विशेषज्ञता होनी चाहिए, उदाहरण के लिए माप पर और किस तरह के रिश्ते भौतिक (जैविक, जो भी हो) समझ में आते हैं। यह दर्शाता है कि आप उनकी विशेषज्ञता का सम्मान करते हैं और एक अच्छे संबंध स्थापित करने का एक स्वाभाविक और सरल तरीका है।

  2. वैज्ञानिकों को पता है कि सांख्यिकीय सामान आप नहीं कर सकते हैं। उदाहरण के लिए, अधिकांश खगोलविद अनियमित समय श्रृंखला और गैर-पहचान की समस्याओं के बारे में अधिक जानते हैं, जो कई सांख्यिकीविदों की तुलना में है। कई क्षेत्र परिपत्र आँकड़ों का उपयोग करते हैं, जिसमें एक पूर्ण सांख्यिकीय शिक्षा भी शायद ही कभी शामिल होती है।

  3. रेखांकन अक्सर एक लिंगुआ फ्रेंका होते हैं । उत्सुकता से या नहीं, अर्थशास्त्री अक्सर ग्राफ़ को अविश्वास करते हैं क्योंकि वे एक उच्च औपचारिक फैशन में आंकड़ों का इलाज करने के लिए स्कूल जाते हैं (आपका माइलेज भिन्न हो सकता है) और व्यक्तिपरकता (अर्थ, निर्णय) से बचने के लिए।

  4. कभी-कभी आपको बैकअप लेने की आवश्यकता होती है। यदि वैज्ञानिकों को यह पता नहीं है कि वे क्या उम्मीद करते हैं, लेकिन केवल विश्लेषण के लिए कहें या ऐसा कुछ जो युवावस्था में हो, वे आपका समय बर्बाद कर रहे हैं और आपके लिए बेहतर काम करना है। यदि डेटा एक अव्यवस्थित गड़बड़ी है, तो उन्हें किसी भी स्मार्ट विश्लेषण द्वारा बचाया नहीं जा सकता है।

हमेशा एक भागने का मार्ग स्थापित करें। आपकी शर्तों में शामिल हो सकते हैं (ए) केवल प्रारंभिक चर्चा के लिए सहमत होना (बी) आपके समय या अन्य प्रतिबद्धता पर एक सीमा (सी) वापस लेने का अधिकार अगर वे आपकी सलाह का पालन नहीं करेंगे (डी) सह के लिए शर्तों पर किसी तरह का विचार -authorship। उस स्थिति से सावधान रहें जब एक वैज्ञानिक बस थोड़ा और पीछे आता रहे। इसके अलावा, उस स्थिति से सावधान रहें, जिसमें आपको गैस कंपनी या प्लंबर से एक व्यक्ति की तरह व्यवहार किया जाता है: आपको गड़बड़ करने के लिए बुलाया जाता है, लेकिन वे एक बार संबंध बनाने के लिए कोई दायित्व नहीं समझते हैं।

मैं एक सांख्यिकीविद् नहीं हूं, लेकिन अब तक के अनुभव से लिखता हूं क्योंकि मैं अपने अधिकांश वैज्ञानिक सहयोगियों की तुलना में अधिक आंकड़े जानता हूं। यदि प्रत्येक पक्ष दूसरे का सम्मान करता है, तो संबंध अत्यधिक फलदायी हो सकते हैं।


अच्छी सलाह। मैं # 4 गूंजूंगा ... जिस क्षण मुझे लगता है कि मुझे पी-वैल्यू डांसिंग मंकी (उर्फ, क्लाइंट सिर्फ पी-हैकिंग चाहता है) के रूप में माना जा रहा है ... मैं सहयोग समाप्त करता हूं। कुंजी इतना सम्मानपूर्वक करना है, और किसी भी पुल को जलाना नहीं है (जैसा कि वे आपको दूसरों के लिए सुझा सकते हैं, और वे उपयोगी सहयोगी हो सकते हैं)। यह अंत करने के लिए, ऊपर के comments में टिप्पणी महत्वपूर्ण होगी।
ग्रीग एच

सामान्य अपेक्षाएँ (ए) एक परीक्षण [एसआईसी] या एक विधि है जो समाधान (बी) है जो यह बताती है कि क्या चाहता है और इसका उत्तर बस कुछ ही मिनटों में होगा। प्रति-उदाहरण: एक वैज्ञानिक सहयोगी ने एक समान वितरण के कुर्तोसिस से पूछा और जवाब के रूप में मेरी स्मृति से 1.8 उभरा। कुल बातचीत का समय: लगभग 10 सेकंड (हालाँकि मैंने जाँच के बाद इसे देखा था)।
निक कॉक्स

3

बेशक, आपका दृष्टिकोण ही सब कुछ है। यदि आपके मुवक्किलों / सहयोगियों को लगता है कि आप जज के रूप में समर्थन करने के लिए वहां मौजूद हैं - तो यह बहुत लंबा रास्ता तय करेगा। लेकिन, फिर भी, ऐसे मुद्दे हैं जो पॉप अप करते हैं। आपके द्वारा उल्लिखित दो गोलियां महत्वपूर्ण हैं।

सबसे पहले, हमेशा इस बात पर ज़ोर दें कि आप चाहते हैं कि वे बहुत अच्छे विज्ञान का उत्पादन करें, और जब आप यह पहचानें कि अनुशासन विशिष्ट सम्मेलन हो सकते हैं, तो इसका मतलब यह नहीं है कि कार्य को पूरा करने के बेहतर तरीके नहीं हो सकते हैं। उस अंत तक, आपके दो सबसे अच्छे दोस्त होंगे: (1) अनुसंधान प्रश्न, और (2) किन्हीं और सभी मॉडल मान्यताओं के। यदि "पारंपरिक" दृष्टिकोण से आरक्यूएस का उत्तर (यहां तक ​​कि अपूर्ण रूप से) प्राप्त किया जा सकता है, तो यह संभवतः उचित होगा। यदि मान्यताओं का उल्लंघन बहुत अधिक गंभीर हो जाता है ... तो आप सबसे अच्छा विज्ञान का उत्पादन करने की इच्छा का संदर्भ दे सकते हैं।

आशा है कि मेरे विचार आपके लिए उपयोगी हैं।


1

कठिन कौशल दरवाजे में आपके पैर हैं, और नरम कौशल वास्तव में एक समाधान को लागू करने की कुंजी है। कमरे में सबसे चतुर व्यक्ति होने के नाते आप अंक अर्जित नहीं करते हैं।

कहा जा रहा है, आपको अपने दम पर सीखने की ज़रूरत नहीं है। जैसा भी हो, डेल कार्नेगी की विन फ्रेंड्स एंड इन्फ्लुएंस पीपल वास्तव में आपको एक बेहतर व्यक्ति बना सकती है। एक ही नस में, व्यवहार अर्थशास्त्र-प्रकार के पॉडकास्ट शोध में सरफेसिंग में अच्छे होते हैं, जिससे आप गंभीर रूप से सोचते हैं, और इसे जीवंत रखते हैं। उदाहरण के लिए, फ्रीकॉनॉमिक्स देखें।

पढ़ना और सुनना बहुत अच्छा है, लेकिन आपको वास्तव में बदलना होगा कि अच्छे परिणामों को प्रभावित करने के लिए आप कैसे कार्य करते हैं।

आपके मामले में विशिष्ट, मैंने सभी तरीकों की कोशिश करके और "अच्छाई" के एक सहमति-प्राप्त मीट्रिक की तुलना करके सफलता प्राप्त की है। यदि आप उद्देश्यपूर्वक परीक्षण कर सकते हैं कि कौन सा मॉडल सबसे अच्छा है, तो बहस करने की कोई आवश्यकता नहीं है। यह त्रुटि को कम करने में हो सकता है, सबसे अच्छा व्याख्यात्मक मूल्य है, सबसे अच्छी "कहानी", आदि।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.