Leila hat ihre Daten, eine Frist und eine Betreuerin, die sie unterstützt, aber die benötigte Methode nicht kennt. Sie bringt sie sich in den Lücken zwischen ihren Stunden als Lehrassistentin selbst bei, liest Artikel mit beigefügtem Code und stellt unter Pseudonym Fragen in Foren. Sie ist eine erfahrene Lernende, die plötzlich wieder Anfängerin ist, und sie hasst es.

• Die Analyse korrekt durchführen und vor einer Kommission verteidigen
• Eine Person finden, die das gemacht hat und ihren Ansatz prüft
• Fertig werden, bevor ihre Finanzierung im August endet

• Tutorials, die kurz vor dem Teil aufhören, der zu ihren Daten passt
• Forenantworten, die einen Mathehintergrund voraussetzen, den sie nicht hat
• Nicht wissen, welche ihrer Ergebnisse falsch sind, nur dass es einige sind

• Ein gelöstes Beispiel mit vollständigem Code und vollständigem Datensatz
• Eine Kollegin, die ohne Urteil sagt: "Das ist falsch, und zwar deshalb"
• Die Erklärung selbst schreiben, als würde sie sie lehren

• Eine Professur in einem Markt, der Methodenkompetenz belohnt
• Der Gemeinschaft gerecht werden, deren Daten sie erhoben hat
• Sagen können, dass sie es ohne Statistiker geschafft hat

Illustrative Zusammenstellung. Beruht auf veröffentlichter Forschung zur Doktorandenausbildung und zum selbstgesteuerten Methodenlernen. Keine Forschungs-Persona: Für dieses Profil wurden keine Doktorandinnen befragt.