通过 Wikipedia 生成词汇测试，评估参与者的母语能力，可以在不同语言文化背景下了解文化、认知和语言的视角，通过六项行为实验测试结果表明，这个测试可以区分母语相近的语言，测试结果与现有测试成绩和个人报告结果有很强的相关性。

Feb, 2023

本文探讨了实验参与者试验中试验次数和参与者数量对统计力量的影响，并演示了在常用实验范式中，当被试内的方差与被试间的方差相比较大时，试验次数具有意义的影响，提供了一个在线工具来生成功率轮廓，并计算出最佳的试验和参与者组合.

Feb, 2019

通过对维基人和美国最高法院的论据展开研究，我们发现群体讨论中一些人立即回应其他人的语言风格与其他成员之间的权力差异是相关的，提出了基于语言协调的分析框架，可以用于阐明功率关系，并跨多种类型的力量保持一致。

Dec, 2011

介绍了一种用于在线实验的语言 PlanOut，支持常见和更复杂的实验设计，可用于理解用户行为的因果机制，通过两个在 Facebook 上进行的大型实验展示其应用。

Sep, 2014

基于数据驱动的在线实验，提出了两种方法：使用考虑实验差异性的三层高斯混合模型来估计期望效应大小，以及基于效用理论来确定最佳效应大小，通过与基准方法的比较，表明了这些方法的卓越性能。

Dec, 2023

该论文通过元分析现有的自然语言处理论文和数据集，表征了一系列设置的典型统计功率，最终得出结论，在自然语言处理文献中，实验功率不足是常见的。作者还概述了 NLP 统计功率分析的最佳实践，并发布了一系列笔记本来帮助未来的研究者进行统计功率分析。

Oct, 2020

本文研究了估计多重检验背景下的效应大小分布的问题。我们提出了一种简单、高效的估计器，可使用廉价的试验数据，在比识别发现类试验所需采样数量显著少的情况下，估计该分布。该估计器可用于保证未来试验中给定实验设计中将被发现的发现数量，并展示了在 Drosophila 上进行的流感抑制基因敲除试验数据的有效性。

Feb, 2020

本论文提出了一种名为 “合成功效分析” 的框架，通过在观察到的认知过程的条件下使用隐式生成模型合成脑成像数据，以实验性地探究其在样本大小选择方面的性能，结果表明，这种方法可以作为先导数据收集的低成本替代方案。

Oct, 2022

本文讨论了机器学习模型在线实验所面临的问题，指出常用的 A/B-tests 并不能保证无偏估计。因此，文章提出了对从事此领域的从业人员和研究人员的影响及解决方案。

Apr, 2023

本研究探索寻找一种数量化方法，以估算合理的探测数据集大小，旨在构建一个系统性的诊断神经自然语言处理 (NLP) 模型探测数据集的框架。通过几个案例研究，我们验证了我们的估算具有足够的统计功效。

Feb, 2022