4.5.4 שותף עם עוצמה
פעולה יכולה להפחית עלויות ולהגדיל את קנה מידה, אבל זה יכול לשנות את מיני משתתפים, טיפולים, ותוצאות שאתה יכול להשתמש בו.
החלופה לעשות זאת בעצמך היא שותפות עם ארגון רב עוצמה כגון חברה, ממשלה או ארגון לא ממשלתי. היתרון של עבודה עם שותף הוא שהם יכולים לאפשר לך להפעיל ניסויים שאתה פשוט לא יכול לעשות בעצמך. לדוגמה, אחד הניסויים שאני אספר לך על להלן מעורבים 61 מיליון משתתפים - אף חוקר בודד לא יכול להשיג את הסולם. יחד עם זאת, כי השותפות מגדילה את מה שאתה יכול לעשות, זה גם מכריח אותך. לדוגמה, רוב החברות לא יאפשרו לך להפעיל ניסוי שעלול לפגוע בעסק או במוניטין שלהם. עבודה עם שותפים פירושה גם שכאשר זה מגיע הזמן לפרסם, אתה עלול לבוא תחת לחץ כדי "מסגרת מחדש" את התוצאות שלך, וכמה שותפים אולי אפילו לנסות לחסום את פרסום העבודה שלך אם זה גורם להם להיראות רע. לבסוף, השותפות באה גם עם עלויות הקשורות בפיתוח ושמירה על שיתופי פעולה אלה.
האתגר העיקרי שיש לפתור כדי להפוך את השותפויות הללו למצליח הוא למצוא דרך לאזן את האינטרסים של שני הצדדים, וכן דרך שימושית לחשוב על איזון זה הוא פסטר של Quadrant (Stokes 1997) . חוקרים רבים חושבים שאם הם עובדים על משהו מעשי - משהו שעשוי לעניין את בן הזוג - אז הם לא יכולים לעשות מדע אמיתי. חשיבה זו תהפוך את זה קשה מאוד ליצור שותפויות מוצלחות, וזה קורה גם טועה לחלוטין. הבעיה עם חשיבה זו ממחישה היטב את מחקרו של הביולוג לואי פסטר. תוך כדי עבודה על פרויקט תסיסה מסחרי להמיר מיץ סלק לאלכוהול, פסטר גילה מעמד חדש של מיקרואורגניזם אשר בסופו של דבר הוביל את תורת הנבט של המחלה. גילוי זה פתר בעיה מעשית מאוד - זה עזר לשפר את תהליך התסיסה - וזה הוביל להתקדמות מדעית גדולה. לכן, במקום לחשוב על מחקרים עם יישומים מעשיים כמו להיות בסכסוך עם מחקר מדעי אמיתי, עדיף לחשוב על אלה כמו שני ממדים נפרדים. מחקר יכול להיות מונע על ידי שימוש (או לא), ומחקר יכול לחפש הבנה בסיסית (או לא). באופן ביקורתי, חלק ממחקר של פסטר - יכול להיות מונע על ידי שימוש וחיפוש הבנה בסיסית (איור 4.17). מחקר במחקר רבעוני של פסטר, שמקדם באופן טבעי שתי מטרות, הוא אידיאלי לשיתופי פעולה בין חוקרים ושותפים. לאור הרקע הזה, אתאר שני מחקרים ניסיוניים עם שותפויות: אחד עם חברה ואחד עם ארגון לא ממשלתי.
איור 4.17: רבעון פסטר (Stokes 1997) . במקום לחשוב על מחקר כעל "בסיסי" או "יישומי", עדיף לחשוב עליו כעל מונע על ידי שימוש (או לא) וחיפוש הבנה בסיסית (או לא). דוגמה של מחקר כי הן מונע על ידי שימוש ומחפש הבנה בסיסית היא עבודתו של פסטר על המרת מיצי סלק לאלכוהול המוביל תורת הנבט של המחלה. זהו סוג של עבודה כי הוא המתאים ביותר עבור שותפויות עם עוצמה. דוגמאות של עבודה כי הוא מונע על ידי שימוש, אבל זה לא מחפש הבנה בסיסית באים תומס אדיסון, ודוגמאות של עבודה כי הוא לא מונע על ידי שימוש, אך מבקש הבנה מגיעים נילס בוהר. ראו Stokes (1997) לדיון יסודי יותר במסגרת זו ובכל אחד מהמקרים הללו. הסתגלות Stokes (1997) , איור 3.5.
חברות גדולות, בעיקר חברות טכנולוגיה, פיתחו תשתית מתוחכמת להפליא לניהול ניסויים מורכבים. בתעשיית הטכנולוגיה, ניסויים אלה נקראים לעתים קרובות A / B בדיקות כי הם משווים את האפקטיביות של שני טיפולים: A ו- B. ניסויים כאלה מנוהלים לעתים קרובות עבור דברים כמו הגדלת שיעורי קליקים על מודעות, אבל אותה תשתית ניסיונית יכול גם לשמש למחקר לקידום הבנה מדעית. דוגמה הממחישה את הפוטנציאל של מחקר מסוג זה היא מחקר שנערך על ידי שותפות בין חוקרים בפייסבוק לבין אוניברסיטת קליפורניה, סן דייגו, על ההשפעות של מסרים שונים על שיעור ההצבעה (Bond et al. 2012) .
ב -2 בנובמבר 2010 - יום הבחירות לקונגרס האמריקאי - כל 61 מיליון משתמשי הפייסבוק שהתגוררו בארצות הברית והיו בני 18 ומעלה השתתפו בניסוי על ההצבעה. עם ביקור בפייסבוק, משתמשים הוקצו באופן אקראי לאחת משלוש קבוצות, אשר קבעה מה באנר (אם בכלל) היה ממוקם בחלק העליון של עדכון חדשות שלהם (איור 4.18):
- קבוצת ביקורת
- הודעת מידע על ההצבעה בלחיצה על כפתור "הצבעתי" ומונה (מידע)
- הודעת מידע על ההצבעה בלחיצה על כפתור "הצבעתי" ו"דלפק "בתוספת שמות ותמונות של חבריהם שכבר לחצו על" הצבעתי "(מידע + חברתי)
בונד ועמיתיו למדו שתי תוצאות עיקריות: דיווח על התנהגות הצבעה והתנהגות הצבעה בפועל. ראשית, הם מצאו שאנשים בקבוצת Info + Social היו בעלי סיכוי של יותר משתי אנשים בקבוצת המידע ללחוץ על "הצבעתי" (כ -20% לעומת 18%). יתר על כן, לאחר שהחוקרים התמזגו עם הנתונים שלהם ברשומות ההצבעה הציבוריות עבור כ -6 מיליון אנשים, הם מצאו כי אנשים בקבוצת Info + Social היו בסיכון גבוה יותר ב- 0.39 נקודות אחוז מאלו בקבוצת הביקורת, וכי אנשים בקבוצת המידע היו צפויים להצביע כמו אלה בקבוצת הביקורת (איור 4.18).
איור 4.18: תוצאות מתוך ניסוי של הצבעה בהצבעה בפייסבוק (Bond et al. 2012) . המשתתפים בקבוצת המידע הצביעו באותו קצב כמו בקבוצת הביקורת, אך אנשים בקבוצת Info + Social הצביעו בשיעור גבוה מעט יותר. ברים מייצגים רווחי סמך של 95%. התוצאות בתרשים הן עבור כ -6 מיליון משתתפים אשר תואמו לרשומות ההצבעה. הסתגלות מ- Bond et al. (2012) , איור 1.
התוצאות של ניסוי זה מראות כי חלק מההודעות המקוונות להשגת ההצבעה יעילות יותר מאחרות וכי הערכת החוקרים לגבי האפקטיביות יכולה להיות תלויה בתוצאות הצבעה או הצבעה בפועל. ניסוי זה, למרבה הצער, אינו מציע רמזים כלשהם על המנגנונים שבאמצעותם המידע החברתי - אשר כמה חוקרים קראו בשמחה "ערימת פנים" - הצביעו בהצבעה. זה יכול להיות כי המידע החברתי הגדילה את ההסתברות שמישהו הבחין באנר או כי הוא הגביר את ההסתברות שמישהו שם לב את הכרזה הצביעו בפועל או שניהם. לפיכך, ניסוי זה מספק ממצא מעניין אשר חוקרים אחרים עשויים לחקור (ראה, למשל, Bakshy, Eckles, et al. (2012) ).
בנוסף לקידום מטרות החוקרים, הניסוי הזה גם קידם את המטרה של הארגון השותף (פייסבוק). אם תשנה את ההתנהגות הנלמדת מהצבעה לסבון קניה, תוכל לראות שלמחקר יש אותו מבנה בדיוק כמו ניסוי כדי למדוד את ההשפעה של מודעות מקוונות (ראה למשל, RA Lewis and Rao (2015) . מחקרי יעילות אלו מודדים לעתים קרובות את השפעת החשיפה למודעות מקוונות - הטיפולים ב- Bond et al. (2012) הם בעצם מודעות להצביע על התנהגות לא מקוונת. לפיכך, מחקר זה יכול לקדם את היכולת של פייסבוק ללמוד את היעילות של מודעות מקוונות, ועשוי לסייע לפייסבוק לשכנע מפרסמים פוטנציאליים שמודעות Facebook יעילים בהתנהגות משתנה.
למרות שהאינטרסים של החוקרים והשותפים היו מיושרים בעיקר במחקר זה, הם היו גם במתח מסוים. בפרט, הקצאת המשתתפים לשלוש הקבוצות - שליטה, מידע, מידע + חברתי - היה איזון עצום: 98% של המדגם הוקצה Info + Social. הקצאה לא מאוזנת זו אינה יעילה מבחינה סטטיסטית, והקצאה הרבה יותר טובה לחוקרים היתה מקבלת כשליש מהמשתתפים בכל קבוצה. אבל ההקצאה הלא מאוזנת התרחשה מכיוון שפייסבוק רצתה שכולם יקבלו את המידע + טיפול חברתי. למרבה המזל, החוקרים שיכנעו אותם להחזיק בחזרה 1% עבור טיפול בנושא ו 1% מהמשתתפים בקבוצת ביקורת. ללא קבוצת הביקורת, זה היה בלתי אפשרי למעשה למדוד את ההשפעה של מידע + טיפול חברתי, כי זה היה "perturb ולהסתכל" הניסוי ולא ניסוי מבוקר אקראי. דוגמה זו מעניקה שיעור מעשי חשוב לעבודה עם שותפים: לפעמים אתה יוצר ניסוי על ידי שכנוע של מישהו לספק טיפול ולפעמים אתה יוצר ניסוי על ידי שכנוע של מישהו שלא לתת טיפול (כלומר, כדי ליצור קבוצת ביקורת).
השותפות לא תמיד צריכה לערב חברות טכנולוגיה ובדיקות A / B עם מיליוני משתתפים. לדוגמה, אלכסנדר קופוק, אנדרו גס וג'ון טרנובסקי (2016) שיתפו פעולה עם ארגון לא ממשלתי סביבתי - הליגה של מצביעי שימור - להפעלת ניסויים בבדיקת אסטרטגיות שונות לקידום גיוס חברתי. החוקרים השתמשו בחשבון הטוויטר של הארגון הלא ממשלתי כדי לשלוח גם טוויטים ציבוריים וגם מסרים ישירים פרטיים שניסו ליצור סוגים שונים של זהויות. לאחר מכן הם העריכו אילו מסרים אלה היו היעילים ביותר לעידוד אנשים לחתום על עצומה ולמסור מחדש מידע על עתירה.
| נוֹשֵׂא | הפניות |
|---|---|
| השפעת חדשות פייסבוק על שיתוף מידע | Bakshy, Rosenn, et al. (2012) |
| השפעת אלמוניות חלקית על התנהגות באתר היכרויות באינטרנט | Bapna et al. (2016) |
| השפעת דוחות אנרגיה ביתיים על צריכת החשמל | Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013) |
| השפעת עיצוב יישומים על התפשטות ויראלי | Aral and Walker (2011) |
| השפעת מנגנון התפשטות על דיפוזיה | SJ Taylor, Bakshy, and Aral (2013) |
| השפעת המידע החברתי בפרסומות | Bakshy, Eckles, et al. (2012) |
| השפעת תדירות קטלוג על מכירות באמצעות קטלוג מקוון עבור סוגים שונים של לקוחות | Simester et al. (2009) |
| השפעת המידע הפופולארי על יישומי עבודה פוטנציאליים | Gee (2015) |
| השפעת דירוגים ראשוניים על הפופולריות | Muchnik, Aral, and Taylor (2013) |
| השפעת תוכן ההודעה על גיוס פוליטי | Coppock, Guess, and Ternovski (2016) |
בסך הכל, שותפות עם עוצמה מאפשר לך לפעול בקנה מידה כי אחרת קשה לעשות, וטבלה 4.3 מספק דוגמאות אחרות של שותפויות בין חוקרים וארגונים. השותפות יכולה להיות הרבה יותר קלה מאשר לבנות את הניסוי שלך. אבל יתרונות אלה באים עם חסרונות: שותפויות יכול להגביל את סוגי המשתתפים, טיפולים, ואת התוצאות שאתה יכול ללמוד. יתר על כן, שותפויות אלו יכולות להוביל לאתגרים אתיים. הדרך הטובה ביותר לזהות הזדמנות לשותפות היא לשים לב לבעיה אמיתית שאתה יכול לפתור בזמן שאתה עושה מדע מעניין. אם אתה לא רגיל בדרך זו להסתכל על העולם, זה יכול להיות קשה לזהות בעיות ב Pasteur של Quadrant, אבל, עם תרגול, תתחיל לשים לב אליהם יותר ויותר.
