4.5.2 بناء تجربتك الخاصة

بناء التجربة الخاصة بك قد تكون مكلفة، ولكنها سوف تمكنك من إنشاء التجربة التي تريدها.

بالإضافة إلى تراكب التجارب فوق البيئات الحالية ، يمكنك أيضًا إنشاء تجربتك الخاصة. الميزة الرئيسية لهذا النهج هو السيطرة ؛ إذا كنت تقوم ببناء التجربة ، يمكنك إنشاء البيئة والعلاجات التي تريدها. يمكن لهذه البيئات التجريبية موصى بها خلق فرص لاختبار النظريات التي من المستحيل اختبارها في بيئات تحدث بشكل طبيعي. تتمثل العوائق الرئيسية في بناء تجربتك الخاصة في أنها يمكن أن تكون باهظة الثمن وأن البيئة التي تستطيع إنشاءها قد لا يكون لها واقعية في نظام طبيعي. يجب أن يكون لدى الباحثين الذين يبنون تجربتهم الخاصة أيضًا إستراتيجية لتوظيف المشاركين. عند العمل في الأنظمة الحالية ، يقوم الباحثون بشكل أساسي بجلب التجارب إلى المشاركين. ولكن عندما يبني الباحثون تجربتهم الخاصة ، فإنهم يحتاجون إلى جلب المشاركين إليها. لحسن الحظ ، يمكن أن توفر الخدمات مثل Amazon Earth Turk (MTurk) للباحثين طريقة ملائمة لجلب المشاركين إلى تجاربهم.

أحد الأمثلة التي توضح فضائل البيئات المخصصة لاختبار النظريات المجردة هي التجربة المعملية الرقمية التي قام بها Gregory Huber ، و Seth Hill ، و Gabriel Lenz (2012) . تستكشف هذه التجربة حدودًا عملية محتملة لعمل الحكم الديمقراطي. في وقت سابق الدراسات غير التجريبية للانتخابات الفعلية اقترح أن الناخبين غير قادرين على تقييم دقيق لأداء السياسيين الحاليين. على وجه الخصوص ، يبدو أن الناخبين يعانون من ثلاثة تحيزات: (1) يركزون على الأداء الأخير بدلاً من الأداء التراكمي ؛ (2) يمكن التلاعب بها من خلال الخطابة ، والإطار ، والتسويق ؛ و (3) يمكن أن تتأثر الأحداث التي لا علاقة لها الأداء الحالي ، مثل نجاح الفرق الرياضية المحلية والطقس. في هذه الدراسات السابقة ، كان من الصعب عزل أي من هذه العوامل عن كل الأشياء الأخرى التي تحدث في انتخابات حقيقية فوضويّة. لذلك ، أنشأ هوبر وزملاؤه بيئة تصويت مبسطة للغاية من أجل عزل كل من هذه التحيزات الممكنة الثلاثة ، ثم دراستها تجريبياً.

كما وصفت الإعداد التجريبي أدناه ، سوف يبدو الأمر مصطنعًا جدًا ، لكن تذكر أن الواقعية ليست هدفًا في تجارب على نمط المختبر. بدلا من ذلك ، الهدف هو عزل العملية التي تحاول دراستها بوضوح ، وهذه العزلة المشددة لا تكون ممكنة في بعض الأحيان في دراسات ذات واقعية أكثر (Falk and Heckman 2009) . علاوة على ذلك ، في هذه الحالة بالذات ، جادل الباحثون بأنه إذا كان الناخبون لا يستطيعون تقييم الأداء بشكل فعال في هذا الوضع البسيط للغاية ، فلن يكونوا قادرين على القيام بذلك في بيئة أكثر واقعية وتعقيدًا.

استخدم هوبر وزملاؤه MTurk لتجنيد المشاركين. بمجرد أن يقدم المشارك موافقة مستنيرة ويمر باختبار قصير ، قيل لها إنها كانت تشارك في مباراة من 32 جولة لكسب الرموز التي يمكن تحويلها إلى أموال حقيقية. في بداية اللعبة ، تم إخبار كل مشارك بأنه تم تكليفها بـ "مُخصص" من شأنه أن يمنحها علامة مجانية في كل جولة وأن بعض المُخصصين كانوا أكثر سخاءً من الآخرين. وعلاوة على ذلك ، تم إخبار كل مشارك أيضًا أنه سيكون لديها فرصة إما للاحتفاظ بمخصصها أو تعيين جهة جديدة بعد 16 جولة من اللعبة. بالنظر إلى ما تعرفه عن أهداف أبحاث Huber وزملائه ، يمكنك أن ترى أن المُخصص يمثل حكومة ، وأن هذا الاختيار يمثل انتخابات ، لكن المشاركين لم يكونوا على دراية بالأهداف العامة للبحث. في المجموع ، قام "هوبر" وزملاؤه بتجنيد حوالي 4000 مشارك تم دفعهم حوالي 1.25 دولار لمهمة استغرقت حوالي ثماني دقائق.

أذكر أن إحدى النتائج التي توصلت إليها الأبحاث السابقة كانت أن الناخبين يثنون ويعاقبون الشركات القائمة للحصول على نتائج خارجة عن سيطرتهم ، مثل نجاح الفرق الرياضية المحلية والطقس. لتقييم ما إذا كان يمكن أن يتأثر المشاركون بالتصويت بأحداث عشوائية بحتة في وضعهم ، أضاف هوبر وزملاؤه يانصيب إلى نظامهم التجريبي. في أي من الجولة الثامنة أو الجولة السادسة عشرة (أي قبل الفرصة لاستبدال المُخصص مباشرة) ، تم وضع المشاركين عشوائياً في اليانصيب حيث فاز البعض بخمسة آلاف نقطة ، وربح بعضهم نقطة واحدة ، وخسر بعضهم 5000 نقطة. وكان القصد من هذا اليانصيب تقليد أخبار جيدة أو سيئة مستقلة عن أداء السياسي. على الرغم من أنه تم إخبار المشاركين صراحة بأن اليانصيب لا علاقة له بأداء مخصصهم ، إلا أن نتيجة اليانصيب ما زالت تؤثر على قرارات المشاركين. كان من المرجح أن يحتفظ المشاركون الذين استفادوا من اليانصيب بمخصصهم ، وكان هذا التأثير أقوى عندما حدث اليانصيب في الجولة 16 - قبل قرار الاستبدال مباشرة - مما كان عليه في الجولة 8 (الشكل 4-15). وقد أدت هذه النتائج ، إلى جانب تجارب عدة أخرى في الصحيفة ، إلى أن يستخلص هوبر وزملاؤه أنه حتى في إطار مبسط ، يواجه الناخبون صعوبة في اتخاذ قرارات حكيمة ، وهي نتيجة أثرت على الأبحاث المستقبلية حول صنع القرار في الناخبين (Healy and Malhotra 2013) . تُظهر تجربة Huber وزملاؤه أنه يمكن استخدام MTurk لتجنيد المشاركين لإجراء تجارب على نمط المختبر من أجل اختبار نظريات محددة بدقة. كما أنه يوضح قيمة بناء البيئة التجريبية الخاصة بك: من الصعب تخيل كيف يمكن عزل هذه العمليات نفسها بطريقة نظيفة للغاية في أي مكان آخر.

الشكل 4.15: نتائج من Huber, Hill, and Lenz (2012) . كان من المرجح أن يحتفظ المشاركون الذين استفادوا من اليانصيب بمخصصهم ، وكان هذا التأثير أقوى عندما حدث اليانصيب في الجولة 16 - قبل قرار الاستبدال مباشرة - مما كان عليه في الجولة الثامنة. مقتبس من Huber, Hill, and Lenz (2012) ، الشكل 5.

بالإضافة إلى بناء تجارب شبيهة بالمختبر ، يستطيع الباحثون أيضًا بناء تجارب أكثر تشابهًا في المجال. على سبيل المثال ، بنت Centola (2010) تجربة حقل رقمية لدراسة تأثير بنية الشبكة الاجتماعية على انتشار السلوك. لقد تطلب منه سؤاله البحثي أن يراقب نفس السلوك المنتشر في السكان الذين لديهم هياكل شبكات اجتماعية مختلفة ولكنهم لا يمكن تمييزهم بطريقة أخرى. الطريقة الوحيدة للقيام بذلك كانت من خلال تجربة مخصصة حسب الطلب. في هذه الحالة ، قامت Centola ببناء مجتمع صحي على شبكة الإنترنت.

عينت Centola حوالي 1500 مشارك من خلال الإعلان على المواقع الصحية. عندما وصل المشاركون إلى مجتمع الإنترنت - الذي أطلق عليه اسم شبكة نمط الحياة الصحية - قدموا موافقة واعية وتم تعيينهم بعد ذلك "رفاقا في مجال الصحة". وبسبب الطريقة التي حددت بها Centola هؤلاء الأصدقاء الصحيين ، تمكن من تجميع هياكل الشبكات الاجتماعية المختلفة في مجموعات مختلفة. وقد تم بناء بعض المجموعات لتكوين شبكات عشوائية (حيث كان من المرجح أن يكون الجميع متصلين) ، بينما تم إنشاء مجموعات أخرى لتكون شبكات عنقودية (حيث تكون الاتصالات أكثر كثافة محليًا). بعد ذلك ، قدمت Centola سلوكًا جديدًا في كل شبكة: فرصة للتسجيل في موقع ويب جديد يحتوي على معلومات صحية إضافية. كلما اشترك أي شخص في هذا الموقع الجديد ، تلقى جميع رفاقه في مجال الصحة بريدًا إلكترونيًا يعلنون فيه هذا السلوك. وجدت Centola أن هذا السلوك - الاشتراك في موقع الويب الجديد - ينتشر أكثر وأسرع في الشبكة العنقودية منه في الشبكة العشوائية ، وهي نتيجة تتعارض مع بعض النظريات الموجودة.

بشكل عام ، يمنحك بناء تجربتك الخاصة المزيد من التحكم ؛ تمكنك من بناء أفضل بيئة ممكنة لعزل ما تريد دراسته. من الصعب أن نتخيل كيف يمكن إجراء التجارب التي وصفتها للتو في بيئة موجودة بالفعل. علاوة على ذلك ، يقلل بناء نظامك الخاص من المخاوف الأخلاقية حول إجراء التجارب في الأنظمة الحالية. ومع ذلك ، عند إنشاء تجربتك الخاصة ، فإنك تواجه العديد من المشكلات التي يتم مواجهتها في التجارب المعملية: توظيف المشاركين والمخاوف حول الواقعية. الجانب السلبي الأخير هو أن بناء تجربتك الخاصة يمكن أن يكون مكلفًا ومستهلكًا للوقت ، على الرغم من أنه ، كما تظهر هذه الأمثلة ، يمكن أن تتراوح التجارب من بيئات بسيطة نسبيًا (مثل دراسة التصويت بواسطة Huber, Hill, and Lenz (2012) ) إلى بيئات معقدة نسبيا (مثل دراسة الشبكات والعدوى من قبل Centola (2010) ).