People – «Reflective, researcher, randomizer»
Wir präsentieren Mitglieder der Leitungsgruppe: Prof. Steven Gilmour, Department of Mathematics, King's College London, Vereinigtes Königreich.
1. Beschreiben Sie sich bitte mit 3 Wörtern, die mit einem R beginnen.
Reflective, Researcher, Randomizer
2. Was war Ihre Motivation, Mitglied der NFP 79-Leitungsgruppe zu werden?
Ich bin kein 3R-Experte, aber viele Aspekte davon sind für meine Forschung im Bereich der statistischen Konzeption und Analyse von Experimenten relevant. Ich habe mich über die Gelegenheit gefreut, durch die Mitarbeit in der Leitungsgruppe etwas zu lernen und hoffentlich etwas beizutragen. Stichprobengrössen spielen bei den 3R eine wichtige Rolle, und ich motiviere gerne dazu, statistisch zu denken. Wenn wir beispielsweise die Zahl der Tiere reduzieren wollen, müssen wir gleichzeitig den Wert sehr kleiner Studien hinterfragen, die nur begrenzt Informationen liefern. Als Statistiker habe ich das Gefühl, dass es oft meine Aufgabe ist, naive, aber schwierige Fragen zu stellen. Ausserdem reizte mich die sehr breite Interdisziplinarität des Programms.
3. Wie sehen Sie die Zukunft des 3R-Prinzips (Replacement, Reduction, Refinement) in der Tierforschung, insbesondere mit Blick auf ihre aktuellen Projekte?
Andere können das viel besser beantworten als ich, aber ich sehe gewisse Aspekte, die mit Statistik und Datenanalyse zu tun haben. Forscher haben Zugang zu viel mehr Daten als früher, sowohl aus ihren eigenen Studien als auch aus Datenbanken. Es kann eine Herausforderung sein, überhaupt zu wissen, welche Daten existieren und wie man Zugang dazu erhält. Ich hoffe, dass dies auch dank der in diesem Programm entwickelten Methoden einfacher wird. Dies beeinflusst auch das Design von Versuchen, denn gewisse Erkenntnisse, die mit geplanten Versuchen gewonnen werden sollen, sind vielleicht bereits vorhanden. Wenn diese Informationen verfügbar sind, können allenfalls kleinere oder andere Experimente durchgeführt werden.
Wichtigste Forschungsgebiete:
- Statistische Aspekte beim Versuchsdesign
- Response Surface Methodology
- Analyse von Daten aus komplexen Versuchen
- Statistische Bewertung von KI-Algorithmen