Pekerjaan yang sangat menarik tentang bagaimana penelitian empiris perlu merespon era AI. Pengujian statistik konvensional dengan nilai-p berasal dari dunia di mana setiap tes dianggap cukup mahal. AI sekarang membuat setiap tes pada dasarnya gratis untuk dijalankan. Beberapa poin penting dari abstrak: --"Kami membuktikan bahwa penyaringan runtuh karena pengujian menjadi murah kecuali jumlah pemeriksaan ketahanan yang diperlukan berskala setidaknya secara linier dalam biaya terbalik dari setiap pengujian" --"kami berpendapat perlunya mengembangkan metode untuk menafsirkan set banyak spesifikasi secara bersamaan" Iya! Saya masih belum tahu persis bagaimana ini akan terlihat dan terasa tetapi jelas itulah yang dibutuhkan. Dan itu harus memotong ke dua arah: (1) Menangkap dan mencegah temuan penelitian yang dipilih Tapi sama pentingnya: (2) Mendeteksi dan menghargai temuan yang baik. Nomor 2 di sini mungkin terbukti dalam beberapa hal lebih sulit. Semua intuisi kita tampaknya menunjukkan bahwa temuan itu "kurang kuat" dari yang kita kira, dan menuntut rasa kesempurnaan palsu dari hasil yang dipublikasikan. Ketika kita dapat melihat seluruh konstelasi temuan, kita perlu menemukan cara yang tepat untuk menjadi lebih amal/realistis seputar apa yang dianggap sebagai informasi yang berguna.