Developing Cross-Cultural Data Infrastructures (CCDIs) for Research in Cognitive and Behavioral Sciences
Developing Cross-Cultural Data Infrastructures (CCDIs) for Research in Cognitive and Behavioral Sciences
复制标题
开发用于认知和行为科学研究的跨文化数据基础设施 (CCDI)
DOI：
10.1007/s13164-022-00635-z
复制
发表时间：
2022
影响因子：
2
通讯作者：
Legare, Cristine H.
中科院分区：
文献类型：
--
作者：
Burger, Oskar;Chen, Lydia;Erut, Alejandro;Fong, Frankie T.;Rawlings, Bruce;Legare, Cristine H.
跨文化研究提供了关于认知和行为多样性的起源和解释的宝贵信息。对跨文化研究的兴趣正在增长，但该领域仍然由奇怪的(西方、受过教育的、工业化的、富有的和民主党的)研究人员利用奇怪的协议与奇怪的参与者一起进行奇怪的科学研究。为了在改善认知和行为科学方面取得进展，我们认为该领域需要(1)数据工作流程和基础设施，以支持符合开放科学框架的长期高质量研究；(2)过程和参与标准，以确保研究是有效的、平等的、参与性的和包容性的；(3)培训机会和资源，以确保在数据收集和处理方面达到最高标准的熟练程度、伦理和透明度。在这里，我们讨论认知和行为科学的跨文化研究基础设施，我们称之为跨文化数据基础设施(CCDI)。我们建议建立由心理学家、人类学家、人口学家、实验哲学家、教育工作者以及认知、学习和数据科学家组成的全球网络，将他们的程序和方法论知识提炼成一套社区标准。我们确定了关键挑战，包括协议有效性、研究人员多样性、社区包容性以及在报告质量保证和质量控制(QAQC)工作流方面缺乏细节。我们的目标是通过与广泛的研究界合作，提高跨文化研究的效率和质量，帮助促进对话和努力，以巩固强有力的解决方案。
Cross-cultural research provides invaluable information about the origins of and explanations for cognitive and behavioral diversity. Interest in cross-cultural research is growing, but the field continues to be dominated by WEIRD (Western, Educated, Industrialized, Rich, and Democratic) researchers conducting WEIRD science with WEIRD participants, using WEIRD protocols. To make progress toward improving cognitive and behavioral science, we argue that the field needs (1) data workflows and infrastructures to support long-term high-quality research that is compliant with open-science frameworks; (2) process and participation standards to ensure research is valid, equitable, participatory, and inclusive; (3) training opportunities and resources to ensure the highest standards of proficiency, ethics, and transparency in data collection and processing. Here we discuss infrastructures for cross-cultural research in cognitive and behavioral sciences which we callCross-Cultural Data Infrastructures (CCDIs).We recommend building global networks of psychologists, anthropologists, demographers, experimental philosophers, educators, and cognitive, learning, and data scientists to distill their procedural and methodological knowledge into a set of community standards. We identify key challenges including protocol validity, researcher diversity, community inclusion, and lack of detail in reporting quality assurance and quality control (QAQC) workflows. Our objective is to help promote dialogue and efforts towards consolidating robust solutions by working with a broad research community to improve the efficiency and quality of cross-cultural research.
登录
查看更多内容
ODD（剥夺观察和描述）心理学研究
影响因子：
29.3
作者：
T. Rai;A. Fiske
通讯作者：
A. Fiske
非洲城市和农村的人格和人格障碍：布基纳法索实地试验的结果
影响因子：
3.8
作者：
J. Rossier;A. Ouedraogo;Donatien Dahourou;Sabrina Verardi;Franz Meyer de Stadelhofen
通讯作者：
Franz Meyer de Stadelhofen
哈扎人
DOI：
--
发表时间：
2019
期刊：
影响因子：
--
作者：
F. Marlowe
通讯作者：
F. Marlowe
R 数据科学：导入、整理、转换、可视化和建模数据
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
H. Wickham;Garrett Grolemund
通讯作者：
Garrett Grolemund
清洁和管理护士主导的登记处的方法
影响因子：
2.3
作者：
Aardhra M. Venkatachalam;A. Perera;Sonja E. Stutzman;Daiwai M. Olson;V. Aiyagari;F. Atem
通讯作者：
F. Atem