शैक्षणिक पत्रों में प्रकाशित आंकड़े


44

मैंने कई विकासवादी / पारिस्थितिक अकादमिक पत्रों को पढ़ा, कभी-कभी यह देखने के विशिष्ट उद्देश्य के साथ कि पाठ्यपुस्तक के बाहर 'वास्तविक दुनिया में' आँकड़ों का उपयोग कैसे किया जा रहा है। मैं आम तौर पर कागजात में आँकड़ों को सुसमाचार के रूप में लेता हूँ और अपने सांख्यिकीय सीखने में मदद करने के लिए कागजात का उपयोग करता हूँ। आखिरकार, अगर एक पेपर को लिखने में सालों लग गए हैं और कठोर सहकर्मी समीक्षा के माध्यम से चले गए हैं, तो निश्चित रूप से आंकड़े रॉक ठोस होने जा रहे हैं? लेकिन पिछले कुछ दिनों में, मैंने अपनी धारणा पर सवाल उठाया है, और सोचा है कि शैक्षणिक पत्रों में प्रकाशित सांख्यिकीय विश्लेषण कितनी बार संदिग्ध है? विशेष रूप से, यह उम्मीद की जा सकती है कि पारिस्थितिकी और विकास जैसे क्षेत्रों में कम समय सीखने के आँकड़े और अधिक समय अपने क्षेत्रों को सीखने में बिताया है।

शैक्षणिक कागजात में लोग कितनी बार संदिग्ध आँकड़े पाते हैं?



18
समीक्षक अक्सर ऐसे लोग होते हैं जो आंकड़े लिखने वालों के बारे में ज्यादा नहीं जानते हैं, इसलिए वे अक्सर खराब आंकड़ों को प्रकाशित करना आसान हो सकते हैं।
बहकाद

9
प्रकाशित किया गया पेपर प्राप्त करना वैज्ञानिक समुदाय द्वारा अपनी स्वीकृति की दिशा में पहला कदम है, अंतिम नहीं। अधिकांश प्रकाशित पत्रों में किसी न किसी क्षेत्र में महत्वपूर्ण दोष होंगे, आंकड़ों का उपयोग कोई अपवाद नहीं है।
डिक्रान मार्सुपियल

3
आपकी धारणा है कि कागजात "लिखने में वर्षों लगते हैं" निशान से दूर है। डेटा एकत्रित करने में लंबा समय लग सकता है लेकिन डेटा का विश्लेषण करना और लिखना वर्षों के बजाय आमतौर पर सप्ताह है।
डेविड रिचरबी

2
यह आजकल अच्छी तरह से जाना जाता है कि कई मनोविज्ञान और दवा के कागजात में आंकड़े कम से कम, सादे गलत या यहां तक ​​कि अक्सर भी संदिग्ध हैं। पी-वैल्यू और एनएचएसटी का गरीब-आदमी उपयोग समस्याओं का एक प्रमुख उदाहरण है, इस नोट को देखें ।
क्वार्ट्ज

जवाबों:


38

आखिरकार, अगर एक पेपर को लिखने में वर्षों लग गए और कठोर सहकर्मी की समीक्षा के माध्यम से चले गए, तो निश्चित रूप से आंकड़े ठोस हो रहे हैं?

विभिन्न प्रकार के क्षेत्रों (राजनीतिक विज्ञान, अर्थशास्त्र, मनोविज्ञान, चिकित्सा, जीव विज्ञान, वित्त, बीमांकिक विज्ञान, लेखा, प्रकाशिकी, खगोल विज्ञान, और कई, कई अन्य) में विभिन्न प्रकार के आंकड़े लागू करने का प्रयास करने वाले मेरे पढ़ने के अनुभव। सांख्यिकीय विश्लेषण स्पेक्ट्रम पर कहीं भी उत्कृष्ट और अच्छी तरह से किया जा सकता है। मैंने जिन क्षेत्रों का उल्लेख किया है उनमें से हर एक में मैंने अच्छा विश्लेषण देखा है, और उनमें से लगभग सभी में बहुत खराब विश्लेषण किया है।

कुछ पत्रिकाएँ आम तौर पर बहुत अच्छी होती हैं, और कुछ को एक आंखों पर पट्टी के साथ खेलना पसंद होता है - आपको उनमें से अधिकांश लक्ष्य से बहुत दूर नहीं मिल सकते हैं, लेकिन दीवार, फर्श और छत में कुछ होने जा रहा है। और शायद बिल्ली।

मैं किसी भी अपराधी के नामकरण की योजना नहीं बना रहा हूं, लेकिन मैं कहूंगा कि मैंने शैक्षणिक करियर को आंकड़ों के गलत इस्तेमाल पर बनाया है (यानी जहां एक ही गलती और गलतफहमी को कागज के बाद एक दशक से अधिक समय से दोहराया गया था)।

इसलिए मेरी सलाह पाठक को सावधान रहने दें ; विश्वास मत करो कि संपादकों और सहकर्मी समीक्षकों को पता है कि वे क्या कर रहे हैं। समय के साथ आपको अच्छी समझ मिल सकती है कि कौन से लेखक आम तौर पर बहुत चौंकाने वाले कुछ भी नहीं करने के लिए भरोसा कर सकते हैं और किन लोगों के साथ विशेष रूप से युद्धपूर्ण व्यवहार किया जाना चाहिए। आपको समझ में आ सकता है कि कुछ पत्रिकाओं में आमतौर पर उनके आँकड़े के लिए बहुत उच्च मानक होते हैं।

लेकिन आम तौर पर अच्छा लेखक भी गलती कर सकता है, या रेफरी और संपादक त्रुटियों को लेने में विफल हो सकते हैं जो वे आमतौर पर पा सकते हैं; आम तौर पर अच्छी पत्रिका एक हिटलर को प्रकाशित कर सकती है।

[कभी-कभी, आप वास्तव में खराब पेपरों को पुरस्कार या पुरस्कार जीतते हुए भी देखेंगे ... जो पुरस्कार को देखते हुए लोगों की गुणवत्ता के लिए बहुत कुछ नहीं कहता है।]

मैं अनुमान नहीं लगाना चाहूंगा कि "खराब" आँकड़ों का जो अंश मैंने देखा है (विभिन्न प्रकारों में, और प्रश्न को परिभाषित करने से लेकर अध्ययन के डिजाइन, डेटा संग्रह, डेटा प्रबंधन, ...) के माध्यम से हर स्तर पर ... विश्लेषण और निष्कर्ष), लेकिन मुझे आराम महसूस करने के लिए यह लगभग छोटा नहीं है।

मैं उदाहरणों को इंगित कर सकता हूं, लेकिन मुझे नहीं लगता कि ऐसा करने के लिए यह सही मंच है। (यह अच्छा होगा यदि उसके लिए एक अच्छा मंच था , वास्तव में, लेकिन फिर से, यह संभवतः "राजनीतिक रूप से" बहुत जल्दी हो जाएगा, और जल्द ही अपने उद्देश्य की पूर्ति करने में विफल हो जाएगा।)

मैंने कुछ समय पीएलओएस वन के माध्यम से फँसाने में बिताया है ... और फिर से, विशिष्ट कागजात पर इंगित करने के लिए नहीं। कुछ बातें जिन पर मैंने गौर किया: ऐसा लग रहा है कि कागजों के एक बड़े हिस्से में उनके आँकड़े हैं, शायद आधे से अधिक परिकल्पना परीक्षण हैं। मुख्य खतरे बहुत सारे परीक्षण प्रतीत होते हैं , या तो प्रत्येक पर 0.05 जैसे उच्च साथ (जो स्वचालित रूप से एक समस्या नहीं है जब तक हम समझते हैं कि काफी कुछ छोटे प्रभाव संयोग से महत्वपूर्ण के रूप में दिखाई दे सकते हैं), या एक अविश्वसनीय रूप से कम व्यक्तिगत महत्व स्तर, जो कम शक्ति देने के लिए होगा। मैंने कई मामलों को भी देखा जहां लगभग आधा दर्जन विभिन्न परीक्षण किए गए थेαजाहिरा तौर पर एक ही सवाल को हल करने के लिए लागू किया गया। यह मुझे एक बुरे विचार के रूप में प्रभावित करता है। कुल मिलाकर मानक कुछ दर्जन कागजों में बहुत अच्छा था, लेकिन अतीत में मैंने वहां एक बहुत ही भयानक कागज देखा है।

[शायद मैं अप्रत्यक्ष रूप से सिर्फ एक उदाहरण में लिप्त हो सकता हूं। यह प्रश्न किसी को कुछ संदिग्ध करने के बारे में पूछता है। यह मैंने देखी सबसे बुरी चीज़ से बहुत दूर है।]

दूसरी ओर, मैं यह भी देखता हूं (यहां तक ​​कि अक्सर) ऐसे मामले हैं जहां लोगों को अपने विश्लेषण को स्वीकार करने के लिए सभी प्रकार के अनावश्यक हुप्स के माध्यम से कूदने के लिए मजबूर किया जाता है; पूरी तरह से उचित चीजों को स्वीकार नहीं किया जाता है क्योंकि एक समीक्षक या एक संपादक या एक पर्यवेक्षक के अनुसार चीजों को करने का एक "सही" तरीका है, या सिर्फ किसी विशेष क्षेत्र की अनिर्दिष्ट संस्कृति में।


2
" कैविट लेक्टर ", ओपन-एक्सेस जर्नल्स की बढ़ती संख्या को देखते हुए?
Scortchi - को पुनः स्थापित मोनिका

1
@scortchi मैंने केवल अंग्रेजी में लिखकर इस मुद्दे को पूरी तरह से टालने का फैसला किया। यह एक सुधार है।
Glen_b

10
विशिष्ट दोषियों का नाम लिए बिना, मुझे लगता है कि संकाय .vassar.edu/abbaird/about/publications/pdfs/… एक उल्लेख के हकदार हैं। अपने क्षेत्र में आंकड़ों के दुरुपयोग के बारे में एक बिंदु साबित करने के लिए, उन्होंने एक मृत सैल्मन के एफएमआरआई स्कैन के परिणामों का विश्लेषण करने के लिए व्यापक रूप से उपयोग किए जाने वाले सांख्यिकीय प्रोटोकॉल का उपयोग किया। उन्हें "सांख्यिकीय रूप से महत्वपूर्ण" मस्तिष्क गतिविधि मिली। analytdonewrong.com भी दिलचस्प रीडिंग बनाता है।
जेम्स_पिक

1
@James_pic को +1 में शामिल होना पड़ा, जो स्टेटमेंट्सऑनवॉन्ग लिंक के लिए टिप्पणी करता है; बेस रेट के गिरने की चर्चा विशेष रूप से दिलचस्प है।
दान ब्रायंट

1
@KennyPeanuts: न तो - केवल यह इंगित करते हुए कि आजकल कई व्याख्यान अप्रत्यक्ष रूप से खाली नहीं हैं ।
Scortchi - को पुनः स्थापित मोनिका

16

मैं यहां जवाब देने के लिए सही तरीके से @ Glen_b के रुख का सम्मान करता हूं (और निश्चित रूप से इससे अलग होने का इरादा नहीं है), लेकिन मैं अपने घर के करीब एक विशेष रूप से मनोरंजक उदाहरण की ओर इशारा करते हुए काफी विरोध नहीं कर सकता। चीजों का राजनीतिकरण करने और इस प्रश्न के उद्देश्य को भंग करने के जोखिम पर, मैं Wagenmakers, Wetzels, Boorsboom और Van Der Maas (2011) की सलाह देता हूं । मैंने इसे संज्ञानात्मक विज्ञान बीटा एसई पर एक संबंधित पोस्ट में उद्धृत किया है ( संज्ञानात्मक विज्ञान कैसे प्राप्तकर्ताओं में दूर के इरादे और मस्तिष्क के कार्य को समझाता है? ), जो "बिल्ली को मारने वाले डार्ट" का एक और उदाहरण मानता है। Wagenmakers और सहकर्मियों के लेख सीधे एक वास्तविक "हाउलर" पर टिप्पणी करते हैं: यह JPSP ( मनोविज्ञान में सबसे बड़ी पत्रिकाओं में से एक) में प्रकाशित हुआ था) कुछ साल पहले। वे बायेसियन विश्लेषण के पक्ष में और अधिक बहस करते हैं और कहा कि:

एक विवादास्पद दावे के संदेहपूर्ण दर्शकों को समझाने के लिए, किसी को कड़ाई से पुष्टित्मक अध्ययन करने और सांख्यिकीय परीक्षणों के साथ परिणामों का विश्लेषण करने की आवश्यकता है जो उदार के बजाय रूढ़िवादी हैं।

मुझे शायद आपको यह बताने की आवश्यकता नहीं है कि यह गाना बजानेवालों को उपदेश के रूप में बिल्कुल नहीं आया था। एफडब्ल्यूआईडब्ल्यू, एक खंडन के रूप में अच्छी तरह से है (जैसा कि हमेशा बायेसियन और आवृत्तियों के बीच लगता है; ( बेम, यूट्स, और जॉनसन, 2011 ) , लेकिन मुझे यह महसूस होता है कि इसने बहस को बिल्कुल सही नहीं किया

एक वैज्ञानिक समुदाय के रूप में मनोविज्ञान हाल ही में एक प्रतिकृति किक के एक बिट पर रहा है, आंशिक रूप से इस और अन्य हाई-प्रोफाइल पद्धतिगत कमियों के कारण। यहाँ अन्य टिप्पणियां क्या एक बार के रूप में जाने जाते थे करने के लिए इसी तरह के मामलों को इंगित सामाजिक तंत्रिका विज्ञान में वूडू सहसंबंध (तरीका बताया गया है कि के लिए राजनैतिक रूप से गलत BTW कागज retitled किया गया है;? Vul, हैरिस, Winkielman, और Pashler, 2009 )। वह भी इसके खंडन को आकर्षित करता है , जिसे आप अत्यधिक बहस योग्य प्रथाओं की अधिक बहस के लिए देख सकते हैं।

(छद्म) सांख्यिकीविद् (अधिक छद्म) खर्च करने वाले (और अधिक प्रतिरूपित) व्यय के लिए और भी अधिक edutainment के लिए बुरी तरह से हमारे वर्तमान में 8 वें-सबसे-उत्क्रमित प्रश्न को सीवी (दूसरे) के साथ राजनीतिक रूप से गलत शीर्षक, " सामान्य सांख्यिकीय पाप क्या है? " @ माइकलाइवेंस मनोविज्ञान और सांख्यिकी के अपने समानांतर अध्ययन के लिए उनकी प्रेरणा का श्रेय देता है। यह मेरे व्यक्तिगत पसंदीदा में से एक है, और इसके जवाब खुद के असंख्य नुकसान से बचने के लिए बहुत उपयोगी हैं।


व्यक्तिगत तौर पर, मैं अपने पिछले पांच महीनों का अधिकांश समय यहां बड़े पैमाने पर बिता रहा हूं क्योंकि कुछ डेटा-एनालिटिक प्रश्नों पर रॉक-सॉलिड आंकड़े प्राप्त करना आश्चर्यजनक रूप से मुश्किल है। सच कहूँ तो, सहकर्मी की समीक्षा अक्सर बहुत कठोर नहीं होती है, विशेष रूप से जटिल प्रश्नों के साथ युवा विज्ञान में अनुसंधान की सांख्यिकीय जांच और बहुत अधिक महामारी संबंधी जटिलताओं के कारण। इसलिए मैंने अपने काम में तरीकों को चमकाने के लिए व्यक्तिगत जिम्मेदारी लेने की आवश्यकता महसूस की।

अपने शोध प्रबंध को प्रस्तुत करते समय , मुझे यह समझ में आया कि सांख्यिकीय जांच के लिए व्यक्तिगत जिम्मेदारी कितनी महत्वपूर्ण है। मेरे अल्मा मेटर के दो असाधारण मनोवैज्ञानिकों ने यह अनुमान लगाया कि मैं सहसंबंधों की व्याख्या में सबसे बुनियादी पापों में से एक है। मैंने खुद को इसके ऊपर सोचा था, और इसके बारे में पहले से ही कई बार अंडरग्रेन्ड का व्याख्यान किया था, लेकिन मैं फिर भी वहाँ गया, और इस पर कॉल किया (जल्दी, धन्यवाद आकाश)। मैं वहां गया था क्योंकि शोध मैं समीक्षा कर रहा था और फिर से नकल कर रहा था! इस प्रकार मैंने अपने शोध प्रबंध में कई खंडों को जोड़ा कि उन अन्य शोधकर्ताओं ने अर्ध-प्रायोगिक अनुदैर्ध्य अध्ययन (कभी-कभी क्रॉस-अनुभागीय सहसंबंधों से भी) के लिए कारण मानने और समय से पहले वैकल्पिक स्पष्टीकरण की अनदेखी करने का आह्वान किया।

मेरी समिति द्वारा संशोधन के बिना मेरा शोध प्रबंध स्वीकार कर लिया गया था, जिसमें एक और असाधारण मनोचिकित्सक और एसपीएसपी का जल्द-से-अध्यक्ष होना चाहिए (जो जेपीएसपी प्रकाशित करता है), लेकिन एक बार फिर फ्रैंक होने के लिए, मैं यह कहने में डींग नहीं मार रहा हूं। चूंकि मैं पूरी तरह से अच्छे समीक्षकों के साथ बाहरी समीक्षा प्रक्रिया को पारित करने के बावजूद अपने स्वयं के तरीकों में कई खरगोश छेद करने में कामयाब रहा हूं । अब मैं एसईएम, आईआरटी और नॉनपेर्मेट्रिक विश्लेषण जैसे परिमाण रेटिंग्स के पूर्वानुमानात्मक मॉडलिंग के लिए अधिक उपयुक्त तरीके से प्लग करने की कोशिश में आँकड़ों के गहरे अंत में गिर गया हूं ( आयाम में कमी के बाद प्रतिगमन परीक्षण देखें))। मैं स्वेच्छा से एक कागज़ पर वर्षों बिताने का विकल्प चुन रहा हूं जिसे मैं शायद केवल प्रकाशित कर सकता हूं-इसके बजाय ... मुझे लगता है कि मेरे पास एक अनुकार अध्ययन भी है जो इससे पहले कि मैं विवेकपूर्ण तरीके से आगे बढ़ सकूं।

फिर भी मैं इस बात पर जोर देता हूं कि यह वैकल्पिक है - शायद अति-प्रकाशित और प्रकाशित-या-पेरिश संस्कृति के बीच एक महंगी विलासिता जो अक्सर शुरुआती करियर रिकॉर्ड्स में गुणवत्ता पर मात्रा पर जोर देती है। निरंतर डेटा के लिए पैरामीट्रिक मॉडल का दुरुपयोग, क्रमिक-डेटा के वितरण का उल्लंघन करना मेरे क्षेत्र में बहुत आम है, जैसा कि सांख्यिकीय महत्व की गलत व्याख्या और गलत बयानी है (देखें पी-मानों के मोहक विचारों को देखें )। मैं पूरी तरह से इसके साथ (अल्पावधि में) दूर हो सकता हूं ... और यह सब उससे बेहतर करने के लिए भी मुश्किल नहीं है। मुझे लगता है कि मैं आर कार्यक्रमों में अद्भुत प्रगति के कई हाल के वर्षों के लिए धन्यवाद, हालांकि! यहां उम्मीद है कि समय बदल रहा है।


सन्दर्भ
· बेम, डीजे, यूट्स, जे।, और जॉनसन, WO (2011)। मनोवैज्ञानिकों को अपने डेटा का विश्लेषण करने का तरीका बदलना चाहिए? जर्नल ऑफ़ पर्सनैलिटी एंड सोशल साइकोलॉजी, 101 (4), 716-719। Http://deanradin.com/evidence/Bem2011.pdf से लिया गया ।
· वुल, ई।, हैरिस, सी।, विंकलमैन, पी।, और पश्लर, एच। (2009)। भावनाओं, व्यक्तित्व और सामाजिक अनुभूति के fMRI अध्ययनों में अत्यधिक उच्च सहसंबंध। मनोवैज्ञानिक विज्ञान पर परिप्रेक्ष्य, 4 (3), 274-290। Http://www.edvul.com/pdf/VulHarrisWinkielmanPashler-PPS-2009.pdf से लिया गया ।
·वागेनमेकर्स, ईजे, वेट्ज़ेल्स, आर।, बोरसूम, डी।, और वैन डेर मास, एच। (2011)। मनोवैज्ञानिकों को अपने डेटा का विश्लेषण करने का तरीका क्यों बदलना चाहिए: साई का मामला। जर्नल ऑफ़ पर्सनैलिटी एंड सोशल साइकोलॉजी, 100 , 426–432। Http://mpdc.mae.cornell.edu/Courses/MAE714/Papers/Bem6.pdf से लिया गया ।



1
@Sortchi: संदर्भ के लिए धन्यवाद, और अमीबा: संदर्भ के लिए धन्यवाद। मैं Witzum एट अल में दावा नहीं देखता। वह मैकके एट अल। उनके सार में उपहास, लेकिन वे निश्चित रूप से अन्य गंभीर खामियों की ओर इशारा करते हैं। अच्छी चीज़। "जबकि वास्तविक आंकड़े वैज्ञानिकों की अपेक्षाओं को भ्रमित कर सकते हैं, भले ही उनकी परिकल्पना सही हो, जिनके प्रयोग व्यवस्थित रूप से उनकी अपेक्षाओं के प्रति पक्षपाती हैं, वे अक्सर निराश होते हैं (रोसेन्थल, 1976)।" यह उन लोगों में से एक है जिन्होंने मुझे अर्ध-प्रयोगों के आधार पर कारण निष्कर्ष पर बुलाया ... वास्तव में एक महान मनोवैज्ञानिक। Bem के पास हालांकि कुछ श्रेय है।
निक स्टॉनर

2
+1 उत्कृष्ट पोस्ट। " सांख्यिकीय जांच के लिए कितनी महत्वपूर्ण व्यक्तिगत जिम्मेदारी है " - मुझे सराहना करनी चाहिए। अंत में, यह वह जगह है जहाँ ज़िम्मेदारी को झूठ बोलना चाहिए, क्योंकि यह उस व्यक्ति के लिए हो सकता है जो पहले से ही अनुसंधान के क्षेत्र में काम करने की कोशिश कर रहा है जिसमें वे आंकड़े लागू करना चाहते हैं।
Glen_b

1
@ नाइकसटुनर: मैकके एट अल। उनके सार में कहते हैं कि Witzum एट अल। दावा है कि "उत्पत्ति की पुस्तक का हिब्रू पाठ उन घटनाओं को एन्कोड करता है जो पाठ लिखे जाने के बाद सहस्राब्दियों तक घटित नहीं हुआ था"। शायद थोड़ा हाइपरबोले, क्योंकि यह टोरा के लेखन और उनकी सूची से अंतिम रब्बी की जन्म-तिथि के बीच दो मिलनिया से अधिक है, लेकिन एक निष्पक्ष पर्याप्त सारांश। (। मैं हालांकि जहाँ तक मैं कोई काम किया है पता है कि तुम भी उत्पत्ति की पुस्तक के हाल के ग्रन्थकारिता के लिए Witztum एट अल साक्ष्य के रूप में कागज देख सकते हैं लगता है,।)
Scortchi - को पुनः स्थापित मोनिका

1
हाँ, मुझे लगता है मैं Witzum एट अल समझ नहीं सका। अच्छी तरह से पहचानने के लिए कि वे यह दावा कर रहे थे। एक बार जब मुझे लगता है कि मैं लेखकों के अप्रिय लेखन के लिए आभारी हो सकता हूं ... यह अंकित मूल्य पर थोड़ा अधिक दिलचस्प है क्योंकि सबसे प्रमुख दावा यह है कि पैटर्न संयोग के कारण नहीं है, न कि पैटर्न क्या माना जाता है उनकी राय में। यह आपकी तरह अधिक रोचक व्याख्याओं को आमंत्रित कर सकता है जैसे कि यह मैकके एट अल के रूप में आगे नहीं बढ़ा था। यह कहता है ... कम से कम जब तक मैकके एट अल। उन्हें पद्धतिगत आधार पर गोली मार दी, जिसमें कुछ भी व्याख्या करने लायक नहीं है।
निक स्टनर

5

मुझे याद है कि विश्वविद्यालय में कुछ अंतिम सामाजिक विज्ञान के छात्रों द्वारा अलग-अलग मौकों पर (उनमें से एक को 1) मिला था कि कैसे अपने प्रोजेक्ट के लिए औसतन काम करना है जिसमें मुट्ठी भर डेटा बिंदु थे। (इसलिए उन्हें सॉफ्टवेयर का उपयोग करने में कोई समस्या नहीं थी, बस इस अवधारणा के साथ कि गणित को कैलकुलेटर के साथ कैसे किया जाए।)

जब वे मुझसे पूछते हैं कि वे किस प्रकार का औसत चाहते हैं, तो वे मुझे केवल खाली दिखते हैं।

फिर भी उन सभी को अपनी रिपोर्ट में कुछ आँकड़े डालने की आवश्यकता महसूस हुई, क्योंकि यह किया गया था - मुझे उम्मीद है कि वे सभी 101 पेपर पढ़ चुके हैं जिनके पास आँकड़े थे बिना यह सोचने के कि क्या मतलब था।

यह स्पष्ट है कि 3 वर्षों में उन्हें पढ़ाने वाले शोधकर्ता ने छात्रों में किसी भी समझ को बिगाड़ने के लिए आँकड़ों की शुद्धता की परवाह नहीं की।

(मैं उस समय एक कंप्यूटर विज्ञान का छात्र था। मैं इसे उत्तर के रूप में पोस्ट कर रहा हूं क्योंकि यह टिप्पणी के लिए थोड़ा लंबा है।)


छात्र बंदर, आईएमओ के एक पूरे अन्य बैरल हैं। मैं शिक्षक को आगे के सबूतों के बिना उनकी समझ में कमी के लिए तुरंत दोषी नहीं ठहराऊंगा ... लेकिन अगर यह स्पष्ट है कि आप कहते हैं कि शिक्षक को दोष देना है, तो मुझे आश्चर्य नहीं होगा।
निक स्टॉनर

@ निक्टसुनेर, मैं शिक्षक को आँकड़ों के बारे में पर्याप्त देखभाल न करने के लिए दोषी ठहराता हूं; अगर उन्हें परवाह है कि प्रत्येक परीक्षा के पेपर पर कम से कम एक प्रश्न होगा, जिसे "सांख्यिकी से झूठ कैसे बोलें" के स्तर पर आँकड़ों की कुछ समझ की आवश्यकता है। मुझे परवाह नहीं है अगर सामाजिक विज्ञान के छात्रों को पता है कि कैल्क कैसे करना है, लेकिन उन्हें पता होना चाहिए कि कैसे गुमराह नहीं होना चाहिए।
इयान रिंगरोज ने

सहमत थे कि उन्हें पता होना चाहिए , लेकिन कोई गारंटी नहीं है कि वे उस सवाल को सही लेंगे!
निक स्टनर

@NickStauner, हाँ, लेकिन आपको केवल वही मिलता है जो मापता है, इसलिए आपको ऐसे छात्र नहीं मिलेंगे जो आँकड़ों के बारे में कुछ भी समझते हैं जब तक कि आप इसे परीक्षा में नहीं डालते।
इयान रिंगरोज

फिर से, मैं छात्रों के परिणामों के लिए शिक्षकों को कम क्रेडिट देता हूं। बहुत सारे छात्र (ठीक है, शायद "बहुत" नहीं, लेकिन कुछ) अपने स्वयं के लिए सीखने के लिए पर्याप्त देखभाल करेंगे, और कुछ कक्षा में पहले से ही सामग्री के बारे में बहुत कुछ जानकर आएंगे। मुझे माफ़ कर देना अगर मैं आपकी टिप्पणी की पूरी तरह से व्याख्या करूँ; मैं इस बात से सहमत हूं कि छात्रों को सीखने के लिए प्रेरणा को मजबूर करने के लिए यह अक्सर एक आवश्यक बुराई है, और यह परीक्षण रट, दोहराए जाने वाले अध्ययन / व्याख्यान से सीखने का एक बेहतर तरीका है।
निक Stauner

0

एक विकट रूप से अधूरी सूची के रूप में, मुझे 1 में भौतिक विज्ञान के प्रश्नपत्रों में 2) के बाद सबसे अधिक सही आंकड़े मिलते हैं) सांख्यिकीय कागजात और 3 में सबसे दयनीय) मेडिकल पेपर। इसके कारण सीधे हैं और प्रत्येक क्षेत्र में प्रोटोटाइप मॉडल पर लगाए गए आवश्यकताओं की पूर्णता के साथ करना है।

भौतिकी के कागजात में, समीकरणों और अनुप्रयुक्त आँकड़ों को संतुलित इकाइयों पर ध्यान देना होता है और इनमें कार्य-कारण संबंधों की सबसे अधिक घटनाएँ होती हैं, और भौतिक मानकों का परीक्षण होता है।

आँकड़ों में, 1) इकाइयों और कार्य-कारण की कभी-कभी अनदेखी की जाती है, धारणाएँ कभी-कभी अनुमानी होती हैं, और शारीरिक परीक्षण को भी अक्सर नज़रअंदाज़ कर दिया जाता है, लेकिन समानता (या असमानता), अर्थात, तर्क को आमतौर पर एक प्रेरक मार्ग के साथ संरक्षित किया जाता है, जहाँ बाद के लिए सही नहीं हो सकता। अव्यक्त धारणाएँ।

चिकित्सा में, आमतौर पर इकाइयों को नजरअंदाज कर दिया जाता है, समीकरणों और मान्यताओं को आम तौर पर, आमतौर पर अप्रकाशित और अक्सर सहज होता है।

स्वाभाविक रूप से, सांख्यिकीय यांत्रिकी जैसे क्षेत्र में परीक्षण योग्य मान्यताओं की तुलना में अधिक संभावना है, आइए हम कहते हैं, अर्थशास्त्र, और, जो उन क्षेत्रों में संभावित लेखकों की प्रतिभा पर प्रतिबिंबित नहीं करते हैं। यह इस बात से अधिक संबंधित है कि जो कुछ किया जा रहा है वह वास्तव में परीक्षण योग्य है, और प्रत्येक क्षेत्र में ऐतिहासिक रूप से कितना परीक्षण किया गया है।


-7

कोई भी कागज जो शून्य नल की परिकल्पना को नापसंद करता है, वह बेकार आँकड़ों (जो मैंने देखा है, उसका अधिकांश भाग) का उपयोग कर रहा है। यह प्रक्रिया प्रभाव आकार द्वारा पहले से उपलब्ध नहीं कराई गई कोई जानकारी प्रदान कर सकती है। इसके अलावा यह हमें इस बारे में कुछ नहीं बताता है कि क्या वास्तव में एक महत्वपूर्ण परिणाम शोधकर्ता द्वारा सिद्ध किए गए कारण के कारण है। यह भ्रम के सबूत के लिए डेटा की विचारशील जांच की आवश्यकता है। सबसे अधिक बार, यदि मौजूद है, तो इस सबूत के सबसे मजबूत को "आउटलेर" के रूप में भी फेंक दिया जाता है।

मैं विकास / पारिस्थितिकी से इतना परिचित नहीं हूं, लेकिन मनोवैज्ञानिक और चिकित्सा अनुसंधान के मामले में मैं सांख्यिकीय समझ के स्तर को "गंभीर रूप से भ्रमित" और "वैज्ञानिक प्रगति के लिए एक बाधा" कहूंगा। लोगों को उनके सिद्धांत द्वारा भविष्यवाणी की गई चीज़ को नापसंद करना चाहिए, न कि इसके विपरीत (शून्य अंतर / प्रभाव)।

इस विषय पर हजारों पत्र लिखे गए हैं। एनएचएसटी हाइब्रिड विवाद को देखें।

संपादित करें: और मेरा मतलब है कि शून्य शून्य परिकल्पना महत्व परीक्षण का अधिकतम शून्य वैज्ञानिक मूल्य है। यह व्यक्ति सिर पर कील ठोकता है:

http://www.johnmyleswhite.com/notebook/2012/05/18/criticism-4-of-nhst-no-mechanism-for-producing-substantive-cumulative-knowledge/

इसके अलावा: पॉल मेहाल। 1967. मनोविज्ञान और भौतिकी में सिद्धांत परीक्षण: एक पद्धतिगत विरोधाभास

3 संपादित करें:

यदि किसी के पास स्ट्रोमैन एनएचएसटी की उपयोगिता के पक्ष में तर्क हैं जिन्हें सोचने की आवश्यकता नहीं है "इस परिकल्पना को अस्वीकार करें कि वार्मिंग की दर समान है, लेकिन इसका मतलब यह न निकालें कि वार्मिंग की दर समान नहीं है" तर्कसंगत है कथन, मैं आपकी टिप्पणियों का स्वागत करूंगा।

4 संपादित करें:

निम्नलिखित उद्धरण से फिशर का क्या अर्थ था? यह सुझाव है कि उसने सोचा कि "अगर मॉडल / सिद्धांत एक डेटा के साथ असंगत है, हम कह सकते हैं एक झूठी है, लेकिन कुछ भी नहीं है कि क्या के बारे में नहीं एक सच है"?

"यह निश्चित है कि वैज्ञानिक श्रमिकों के लिए सांख्यिकीय परीक्षणों की रुचि पूरी तरह से परिकल्पनाओं को खारिज करने में उनके उपयोग से निर्भर करती है, जो कि टिप्पणियों के साथ असंगत होने के लिए आंकी जाती हैं।"

...

इसलिए, यह बहुत स्पष्टता को जोड़ता है जिसके साथ महत्व के परीक्षणों पर विचार किया जाता है यदि यह आम तौर पर समझा जाता है कि महत्व के परीक्षण, जब सटीक रूप से उपयोग किए जाते हैं, तो परिकल्पना को अस्वीकार या अमान्य करने में सक्षम हैं, अब तक ये डेटा द्वारा अस्वीकृत हैं। ; लेकिन वे निश्चित रूप से सच के रूप में उन्हें स्थापित करने में सक्षम नहीं हैं

कार्ल पियरसन और आरए फिशर पर सांख्यिकीय परीक्षण: ए 1935 एक्सचेंज फ्रॉम नेचर

क्या यह माना जाता है कि वह लोगों को केवल स्ट्रोमैन के बजाय प्रशंसनीय परिकल्पनाओं को अमान्य करने की कोशिश करेगा? या मैं गलत हूँ?


7
"यह प्रक्रिया प्रभाव के आकार द्वारा पहले से उपलब्ध कराई गई कोई जानकारी नहीं दे सकती है।" यह गलत है, पी-वैल्यू इस बारे में कुछ जानकारी प्रदान करता है कि यह प्रभाव आकार अशक्त परिकल्पना के तहत कितना असामान्य होगा, इस प्रकार यह प्रभाव आकार के अंशांकन का एक तत्व प्रदान करता है। मुझे गलत न समझें, मुझे लगता है कि बेयर्स कारक अधिक उपयोगी हैं, लेकिन यह कहना अतिशयोक्तिपूर्ण है कि पी-वैल्यू एक बेकार स्टेटिस्टिक है।
डिक्रान मार्सुपियल

3
"मुझे लगता है कि सभी पैटर्न I (और अन्य) नोटिस ध्यान देने योग्य हैं" यह वास्तव में समस्या है जो ब्लॉग पर जलवायु की चर्चा में उत्पन्न होती है, मानव आंख डेटा में पैटर्न देखने में बहुत अच्छी है जो केवल शोर होने के लिए निकलती है, और यह बहस में सिग्नल-टू-शोर अनुपात को अच्छा नहीं करता है कि एक ब्लॉग पर पोस्ट करने से पहले एक विचार के लिए कुछ बाधा न हो! यह विज्ञान का एक ऐसा क्षेत्र है जहाँ आँकड़े अक्सर बहुत खराब होते हैं।
डिक्रान मार्सुपियल

2
ज्वलंत, मैंने आपको एक ठोस उदाहरण दिया जहां "स्ट्रॉ मैन" H0 के साथ एक उपयुक्त NHST का प्रदर्शन करना एक वैज्ञानिक विषय की चर्चा के लिए फायदेमंद होगा। NHSTs, के रूप में के रूप में वे कर रहे हैं त्रुटिपूर्ण, - यह एक स्पष्ट counterexample आपके विचार यह दर्शाता है कि गलत प्रदान करता है फिर भी विज्ञान और सांख्यिकी में एक उपयोगी कार्य करते हैं। अब यदि आप यह प्रदर्शित कर सकते हैं कि मेरा प्रतिधारण सही है, तो यह समस्या को हल करने की दिशा में किसी तरह जा सकता है।
डिक्रान मार्सुपियल

2
@ लिड, एनएचएसटी वैज्ञानिक और सांख्यिकीय रूप से प्रदर्शन करता है, न कि सामाजिक रूप से वांछनीय कार्य (हालांकि आशावादी नहीं) और यह एक मनमाना बाधा निर्धारित नहीं करता है, बाधा आम तौर पर एच 1 के विरोध से परिभाषित होती है और इसके परिणामस्वरूप परिणाम की पुष्टि नहीं होती है। पतन के रूप में "H0 को अस्वीकार करने का अर्थ यह नहीं है कि H1 सत्य है। तो नहीं, यह सही नहीं है।
डिक्रान मार्सुपियल

3
आप द्वारा मुख्य बात अनदेखा की जा रही है। यदि आपके पास कम बाधा है, तो कोई भी आश्चर्यचकित नहीं है यदि आप इसे सफलतापूर्वक बातचीत कर सकते हैं। हालाँकि अगर आपको कम बाधा है, लेकिन आप अभी भी इस पर नहीं पहुँच सकते हैं, जो आपको कुछ बताता है। जैसा कि मैंने बार-बार कहा है, अशक्त को अस्वीकार करने का अर्थ यह नहीं है कि H1 सत्य है, इसलिए H0 को अस्वीकार करने का यह अर्थ नहीं है कि निश्चित रूप से कोई विराम है, यह आपको यह नहीं बताता है कि कोई विराम क्यों दिया गया है। लेकिन अगर आप H0 को अस्वीकार करने में सक्षम होने की बाधा पर काबू नहीं पा सकते हैं, तो यह बताता है कि शायद H1 को तथ्य के रूप में बताने के लिए अपर्याप्त साक्ष्य है (जो कि इस उदाहरण में हो रहा है)।
दीकर्न मार्सुपियल
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.