بناء التجربة الخاصة بك قد تكون مكلفة، ولكنها سوف تمكنك من إنشاء التجربة التي تريدها.
بالإضافة إلى تتراكب التجارب على رأس البيئات الموجودة، يمكنك أيضا بناء تجربتك الخاصة. والميزة الرئيسية لهذا النهج هو السيطرة؛ إذا كنت بناء التجربة، يمكنك إنشاء بيئة والعلاجات التي تريدها. ويمكن لهذه البيئات التجريبية مفصل خلق فرص لاختبار النظريات التي من المستحيل لاختبار في البيئات التي تحدث بشكل طبيعي. العوائق الرئيسية لبناء تجربتك الخاصة هي أنها يمكن أن تكون مكلفة وأن البيئة التي كنت قادرا على خلق قد لا يكون من الواقعية نظام التي تحدث بشكل طبيعي. يجب أن يكون الباحثون بناء تجربتهم الخاصة أيضا استراتيجية لتجنيد المشاركين. عند العمل في النظم القائمة، والباحثين هي أساسا استحضار تجارب لالمشاركين فيها. ولكن، عندما يبني الباحثون تجربتهم الخاصة، فإنها تحتاج إلى جلب المشاركين إليها. لحسن الحظ، يمكن لخدمات مثل الأمازون الترك الميكانيكية (MTurk) توفر الباحثين وسيلة مريحة لجلب المشاركين على تجاربهم.
ومن الأمثلة التي توضح فضائل بيئات مفصل لاختبار النظريات المجردة هي تجربة مختبر الرقمية التي كتبها جريجوري هوبر، سيث هيل، وغابرييل لينز (2012) . التجربة يستكشف وجود قيود العملي الممكن عمل الحكم الديمقراطي. وتشير دراسات سابقة غير التجريبية من الانتخابات الفعلية التي الناخبين ليسوا قادرين على تقييم دقيق لأداء السياسيين الحاليين. على وجه الخصوص، تظهر الناخبين تعاني من ثلاثة التحيز: 1) على الأخيرة بدلا من الأداء التراكمي. 2) manipulatable من الخطاب، وصياغة، والتسويق؛ و3) تتأثر أحداث لا علاقة لها بأداء الواجب، مثل نجاح الفرق الرياضية المحلية والطقس. في هذه الدراسات السابقة، ومع ذلك، فإنه من الصعب عزل أي من هذه العوامل من جميع الأشياء الأخرى التي تحدث في الحقيقية، والانتخابات فوضوي. وبالتالي، خلق هوبر وزملاء بيئة التصويت مبسطة للغاية من أجل عزل، ومن ثم دراسة تجريبيا، كل هذه التحيزات المحتملة الثلاثة.
كما أصف انشاء التجريبية تحتها سوف تبدو مصطنعة جدا، ولكن تذكر أن الواقعية ليست هدفا في التجارب على غرار مختبر. وبدلا من ذلك، فإن الهدف هو عزل بوضوح العملية التي تحاول دراسة، وهذه العزلة ضيقة في بعض الأحيان لا يمكن في دراسات على المزيد من الواقعية (Falk and Heckman 2009) . وعلاوة على ذلك، في هذه الحالة بالذات، جادل الباحثون أنه إذا الناخبين لا يمكن تقييم أداء فعال في هذا الإعداد مبسطة للغاية، ومن ثم فهي لن تكون قادرة على القيام بذلك في وضع أكثر واقعية، أكثر تعقيدا.
استخدمت هوبر وزملاء الأمازون الميكانيكية الترك (MTurk) لتجنيد المشاركين. مرة واحدة وقدم أحد المشاركين الموافقة المسبقة ومرت اختبار قصير، قيل لها أنها كانت تشارك في 32 لعبة مستديرة لكسب الرموز التي يمكن تحويلها إلى أموال حقيقية. في بداية اللعبة، وقيل كل مشارك أن كانت قد أسندت إلى "مخصص" التي من شأنها أن تعطي لها الرموز المجانية كل جولة وأن بعض موزعي كان أكثر سخاء من غيرها. وعلاوة على ذلك، قيل كل مشارك أيضا أنها سيكون لها فرصة إما الاحتفاظ مخصص لها أو يتم تعيين واحد جديد بعد 16 جولات من اللعبة. وبالنظر إلى ما تعرفه عن هوبر وأهداف البحث الزملاء، يمكنك أن ترى أن مخصص يمثل الحكومة ويمثل هذا الاختيار في الانتخابات، ولكن المشاركين لم يدرك مقاصد العامة لهذا البحث. في المجموع، وتجنيد هوبر وزملاء له حوالي 4،000 المشاركين الذين تم دفع حوالي 1.25 $ لمهمة استغرقت نحو 8 دقائق.
أذكر أن أحد النتائج من بحث سابق كان أن الناخبين مكافأة ومعاقبة أصحاب المناصب للنتائج التي من الواضح أنها خارجة عن إرادتهم، مثل نجاح الفرق الرياضية المحلية والطقس. لتقييم ما إذا كانت القرارات المشاركين في التصويت يمكن أن تتأثر الأحداث العشوائية بحتة في محيطهم، وأضاف هوبر وزملاؤه اليانصيب لنظامهم التجريبية. إما في الجولة 8TH أو دور ال16 (أي الحق قبل الفرصة ليحل محل مخصص) وضعت المشاركين عشوائيا في يانصيب حيث حصل على بعض 5000 نقطة، وفاز بعض النقاط 0، وخسر حوالي 5000 نقطة. كان القصد من هذا اليانصيب لتقليد الأخبار الجيدة أو السيئة التي هي مستقلة عن أداء سياسي. على الرغم من المشاركين قيل صراحة على أن اليانصيب لا يمت بصلة للأداء مخصص لهم، نتائج اليانصيب لا يزال أثر القرارات المشاركين. وكان المشاركون الذين استفادوا من اليانصيب أكثر عرضة للحفاظ مخصص لهم، وكان أثر هذا العامل أقوى عندما وقع اليانصيب في الجولة 16 الحق قبل استبدال القرار مما كانت عليه عندما حدث ما حدث في الجولة 8 (الشكل 4.14). هذه النتائج، جنبا إلى جنب مع نتائج عدة تجارب أخرى في ورقة، أدى هوبر وزملاؤه أن نستنتج أن حتى في بيئة مبسطة، فإن الناخبين يجدون صعوبة في اتخاذ القرارات الحكيمة، وهي النتيجة التي أثرت البحوث المستقبلية حول صنع القرار الناخبين (Healy and Malhotra 2013) . وتبين تجربة هوبر وزملاؤه أن MTurk يمكن استخدامها لتجنيد المشاركين في التجارب على غرار مختبر لاختبار بالضبط نظريات محددة للغاية. ويدل أيضا على قيمة بناء بيئة التجريبية الخاصة بك: من الصعب أن نتصور كيف يمكن أن يكون تم عزل هذه العمليات نفسها حتى نظيفة في أي مكان آخر.
وبالإضافة إلى بناء تجارب مثل المختبر، يمكن للباحثين أيضا بناء التجارب التي هي أكثر حقل مثل. على سبيل المثال، Centola (2010) بناء تجربة ميدانية الرقمية لدراسة تأثير هيكل الشبكة الاجتماعية على انتشار السلوك. سؤاله البحوث اللازمة له لمراقبة نفس السلوك تنتشر في السكان التي كانت مختلفة هياكل الشبكة الاجتماعية ولكن كان يمكن تمييزها على خلاف ذلك. الطريقة الوحيدة للقيام بذلك كانت مع مفصل، تجربة مبنية خصيصا. في هذه الحالة، سينتولا بناء المجتمع الصحي على شبكة الإنترنت.
جند سينتولا عن 1500 مشارك مع الاعلان عن المواقع الصحية. عندما وصل المشاركون في المجتمع والتي على الانترنت كان يسمى أسلوب حياة صحي الشبكة، التي نقلوها المستنيرة وبعد ذلك تم تعيين "رفاقا الصحة." ونظرا للطريقة سينتولا تعيين هذه رفاقا الصحة كان قادرا على متماسكة مختلفة معا هياكل الشبكة الاجتماعية في مختلف المجموعات. بنيت بعض الجماعات لديها شبكات عشوائية (حيث كان الجميع على قدم المساواة من المرجح أن تكون متصلا) وبنيت مجموعة أخرى لديها شبكات عنقودية (حيث التوصيلات أكثر كثافة محليا). ثم، قدم سينتولا سلوك جديد في كل شبكة، وفرصة للتسجيل في الموقع الجديد بمعلومات صحية إضافية. كلما أي شخص سجلوا أسماءهم لهذا الموقع الجديد، تلقى كل من رفاقا صحة لها رسالة بالبريد الالكتروني يعلن هذا السلوك. وجدت سينتولا أن هذا السلوك توقيع المتابعة لفي الموقع تنتشر بصورة أكبر وأسرع في الشبكة مقسمة إلى كتل من شبكة عشوائية، وهو الاكتشاف الذي كان خلافا لبعض النظريات القائمة الجديدة.
وبشكل عام، بناء تجربتك الخاصة يمنحك المزيد من السيطرة؛ أنها تمكنك من بناء أفضل بيئة ممكنة لعزل ما كنت ترغب في الدراسة. فمن الصعب أن نتصور كيف يمكن لأي من هذه التجارب قد تم تنفيذها في بيئة الموجودة بالفعل. وعلاوة على ذلك، وبناء النظام الخاص بك يقلل مخاوف أخلاقية حول تجارب في الأنظمة الحالية. عند إنشاء تجربتك الخاصة، ومع ذلك، واجهت العديد من المشاكل التي واجهتها في التجارب المعملية: تجنيد المشاركين والمخاوف بشأن الواقعية. والجانب السلبي الأخير هو أن بناء التجربة الخاصة بك يمكن أن يكون مكلفا ويستغرق وقتا طويلا، على الرغم من أن كما تظهر هذه الأمثلة، والتجارب يمكن أن تتراوح بين بيئات بسيطة نسبيا (مثل دراسة التصويت من قبل Huber, Hill, and Lenz (2012) ) ل بيئات معقدة نسبيا (مثل دراسة الشبكات والعدوى عن طريق Centola (2010) ).