对真正的 RDD 数据分析有了更

Dive into business data optimization and best practices.
Post Reply
Bappy11
Posts: 471
Joined: Sun Dec 22, 2024 9:30 am

对真正的 RDD 数据分析有了更

Post by Bappy11 »

最近,数据访问、研究透明度和研究重复性等问题在社会科学领域引起了激烈讨论。专业协会和研究期刊纷纷做出回应。例如,美国政治学协会成立了数据访问和研究透明度委员会来研究这些问题并为政治学发布指导方针和建议。在我与 Jonathan N. Katz 共同编辑的期刊《政治分析》中,我们要求发表的所有论文都提供重复性数据,通常是在将论文送去制作之前。这些重复性材料存档在期刊的 Dataverse中,通过它可以永久方便地访问这些材料。目前,我们在那里存档了 200 多套重复性材料(每周都会有更多材料到达),我们的 Dataverse 已经下载了超过 13,000 次重复性材料。

由于人们对政治学和其他社会科学中的复制、数据访问和研究透明度感兴趣,我请教了多位在政治学中处于这些问题中心的方法学家,请他们就我们在政治学中所做的工作、迄今为止效果如何以及复制、数据访问和研究透明度的未来发展提供想法和评论。我还将更多地介绍我们在《政治分析》中所做的工作。

第一个讨论来自纽约大学政治学教授纳撒尼尔·贝克的反思,他主要对应用于比较政治和国际关系的政治方法论感兴趣。尼尔曾担任《政治分析》杂志的编辑,担任我们杂志的顾问委员会主席,现在领导政治方法学会自己的数据访问和研究透明度委员会。尼尔的反思提供了一些有趣的观点,说明了复制对他的研究和教学工作的重要性,并更广泛地阐明了专业协会和期刊在制定这些问题的政策时可能会考虑什么。

社会科学中的研究复制:纳撒尼尔·贝克的反思
复制和数据访问已成为整个科学领域的热门话题。作为《政治分析》的前编辑和政治方法学会数据访 股东数据 问和研究透明度 (DA-RT) 委员会主席,我最近一直在思考这些问题。但在这里,我只想分享一些最近的经历(两次是快乐的,一次目前不太快乐),这些经历帮助我形成了对其中一些问题的思考。我注意到,在这些情况下,我并不担心作者做错了什么,尽管我当然担心结果对关键假设的敏感性。
Post Reply