Aki, Richard, Lizzie und ich haben uns zusammengefunden eine Sonderausgabe zum statistischen Workflow für die philosophischen Transaktionen der Royal Society. Ich denke „königlich“ ist nicht so beeindruckend wie früher, aber immer noch.
Statistiken und Datenanalysen spielen in Wissenschaft und Politik eine immer wichtigere Rolle. Aber vieles von dem, was die besten Praktiker tun – ihr „Workflow“ – ist stillschweigendes Wissen, das nur in Lehrbüchern und Forschungsartikeln übersehen wird. In dieser neuen Sammlung, die ein breites Spektrum an Disziplinen abdeckt, diskutieren führende Statistiker und Forscher die Beweggründe und Particulars ihrer Arbeitsabläufe.
Wir vier haben dieses Projekt durchgeführt, weil wir alle am Bayes’schen Workflow interessiert waren und mehr über den statistischen Workflow im Allgemeinen und nicht nur über den Bayes’schen Teil erfahren wollten.
Folgendes steht in der Ausgabe:
- Statistischer Workflow, von Andrew Gelman, Aki Vehtari und Richard McElreath
- Unüberwachtes maschinelles Lernen für wissenschaftliche Entdeckungen: Arbeitsablauf
und Finest Practices von Andersen Chang, Tiffany M Tang, Tarek M Zikry und Geneva I Allen - PCS-Workflow für veridical Knowledge Science im Zeitalter der KI, von Zachary T Rewolinski & Bin Yu
- Simulationen in statistischen Arbeitsabläufen, von Paul-Christian Bürkner, Marvin Schmitt und Stefan T Radev
- Eine automatische Robustheitsmetrik für endliche Stichproben: Wann kann das Weglassen kleiner Daten die Schlussfolgerungen ändern? Teil I: Definitionen und Experimente, von Ryan Giordano, Rachael Meager und Tamara Broderick
- Eine automatische Robustheitsmetrik für endliche Stichproben: Wann kann das Weglassen kleiner Daten die Schlussfolgerungen ändern? Teil II: Theorie und Instinct, von Ryan Giordano, Rachael Meager und Tamara Broderick
- „Constructing a Background of That means in Magnitude“ (BoMM) als Teil des Forschungsworkflows von Megan Dailey Higgs
- Ein vorläufiger Datenanalyse-Workflow für die Metaanalyse abhängiger Effektgrößen von Elizabeth Tipton, James Pustejovsky und Jingru Zhang
- Ein vierstufiger, auf Simulationen basierender Arbeitsablauf für ökologische Analyse und Wissenschaft, von EM Wolkovich, T. Jonathan Davies, William D. Pearse und Michael Betancourt
- Wissenschaftlicher Arbeitsablauf in der experimentellen Ökonomie, von Anna Dreber und Séverine Toussaert
- Versteckte Prozesse des Arbeitsablaufs in der kognitiven Entwicklungspsychologie, von Lauren N. Girouard und Susan A. Gelman
- Reproduzierbarer Workflow für On-line-KI in der digitalen Gesundheit, von Susobhan Ghosh et al.
- Modellprüfungen für die bayesianische Schätzung und Prognose von Gesundheitsversorgungsindikatoren in Ländern mit niedrigem und mittlerem Einkommen, von Leontine Alkema et al.
- Die Lücke zwischen statistischen und wissenschaftlichen Arbeitsabläufen für verbesserte Prognosen in der Ökologie schließen, von Victor Van der Meersch, James Regetz, T. Jonathan Davies und EM Wolkovich
- Arbeitsabläufe für maschinelles Lernen in der Klimamodellierung: Entwurfsmuster und Erkenntnisse aus Fallstudien, von Tian Zheng et al.
Hier gibt es viel Gutes und viele verschiedene Perspektiven. Vielen Dank an alle Autoren. Das Drawback liegt hierund alle Papiere sollten frei verfügbar sein.
Wenn Sie Anmerkungen zu den Artikeln im Band oder zu anderen statistischen Workflow-Themen haben, teilen Sie uns dies einfach hier im Kommentarfeld mit.