4.6.2 প্রতিস্থাপন করুন, পরিমার্জন, এবং হ্রাস

, অ গবেষণা সঙ্গে পরীক্ষা প্রতিস্থাপন চিকিত্সা পরিমার্জিত, এবং অংশগ্রহণকারীদের সংখ্যা হ্রাস করে আপনার পরীক্ষা বেশি মানবিক করুন.

যে আমি ডিজিটাল পরীক্ষায় নকশা সম্পর্কে প্রস্তাব দিতে চাই পরামর্শ দ্বিতীয় খণ্ড নীতিশাস্ত্র উদ্বেগ. উইকিপিডিয়া শো barnstars উপর Restivo এবং ভ্যান ডি Rijt পরীক্ষা, কমে খরচ হিসেবে এর মানে হল যে নীতিশাস্ত্র গবেষণা নকশা একটি ক্রমবর্ধমান গুরুত্বপূর্ণ অংশ হয়ে যাবে. নৈতিক মূলনীতির পশুদের এক্সপেরিমেন্ট কৌশল উন্নত: মানব প্রজাদের গবেষণা যে আমি 6 অধ্যায়ে বর্ণনা করব পথনির্দেশক নৈতিক অবকাঠামো ছাড়াও, ডিজিটাল পরীক্ষায় নকশা গবেষকরা একটি ভিন্ন উৎস থেকে নৈতিক ধারণা আহরণ করতে পারে. বিশেষ করে, হিউম্যান এক্সপেরিমেন্টাল টেকনিক তাদের ল্যান্ডমার্ক বই নীতি, Russell and Burch (1959) প্রতিস্থাপন করুন, পরিমার্জন, এবং কমাতে: তিন মূলনীতি যে পশু গবেষণা গাইড উচিত প্রস্তাবিত. আমি উত্থাপন করা যে এই তিনটি আর এর ব্যবহার-ইন করা যাবে একটি সামান্য পরিবর্তিত চাই মানুষের পরীক্ষণ পরিকল্পনায় ফর্ম টু গাইড. নির্দিষ্টভাবে,

• প্রতিস্থাপন: কম আক্রমণকারী পদ্ধতি সম্ভব হলে সঙ্গে পরীক্ষা প্রতিস্থাপন
• রিফাইন: চিকিত্সা রিফাইন এটা যতটা সম্ভব নিরীহ করতে
• কমিয়ে যতটা আপনার পরীক্ষা অংশগ্রহণকারীদের সংখ্যা কমিয়ে আনা সম্ভব

যাতে এই তিন রাঃ এর কংক্রিট করতে এবং কিভাবে তারা সম্ভাব্য আরো ভালো এবং মানবিক পরীক্ষামূলক নকশা হতে পারে প্রদর্শন করার জন্য, আমি একটি অনলাইন ক্ষেত্র পরীক্ষা যে নৈতিক বিতর্ক উত্পন্ন বর্ণনা করব. তারপর আমি বর্ণনা করব কিভাবে তিন রাঃ এর পরীক্ষা নকশা কংক্রিট ও ব্যবহারিক পরিবর্তনের প্রস্তাব.

সবচেয়ে নীতিগত ভাবে বিতর্ক ডিজিটাল ক্ষেত্র পরীক্ষাগুলির ওয়ান "আবেগপূর্ণ রোগসংক্রমণ," যা আদম Kramer, জেমি Gillroy, এবং জেফ্রি হ্যানকক দ্বারা পরিচালিত হয় (2014) . পরীক্ষা ফেসবুকে জায়গা নেয় এবং বৈজ্ঞানিক এবং ব্যবহারিক প্রশ্ন একটি মিশ্রণ দ্বারা অনুপ্রাণিত হয়ে. সময়ে, প্রভাবশালী উপায় যার সাহায্যে ব্যবহারকারীরা ফেসবুকের সাথে মিথস্ক্রিয়া নিউজ ফিড, ফেসবুক বন্ধুদের থেকে ফেসবুকে স্ট্যাটাস আপডেট এর একটি অ্যালগরিদম সংকলিত সেট ছিল. ফেসবুক এর কিছু সমালোচক যে প্রস্তাব ছিল কারণ নিউজ ফিড বেশিরভাগ ইতিবাচক তাদের সর্বশেষ দেখাচ্ছে বন্ধ পোস্ট-বন্ধু রয়েছে পার্টি-ব্যবহারকারীদের দুঃখ অনুভব করার কারণ তাদের জীবন তুলনা কম উত্তেজনাপূর্ণ মনে হতে পারে. অপরপক্ষে, হয়তো প্রভাব ঠিক বিপরীত; হয়তো আপনার বন্ধু একটি ভাল সময় আপনি খুশি বোধ করতে হবে হচ্ছে এইজন্য? অর্ডার মোকাবেলার জন্য এই হাইপোথিসিস-একটা গবেষণার কিভাবে একজন ব্যক্তির আবেগ এর বন্ধুদের এই 'দ্বারা প্রভাবিত হয় আমাদের বোঝার আগাম আবেগ-Kramer এবং সহকর্মীদের দৌড়ে প্রতিদ্বন্দ্বী. গবেষকরা এক সপ্তাহের জন্য চার দলের মধ্যে 700,000 সম্পর্কে ব্যবহারকারীদের স্থাপন: একটি "নেতিবাচকতা কমে" গ্রুপ, নেতিবাচক শব্দ (যেমন, দু: খিত) এলোমেলোভাবে নিউজ ফিড উপস্থিত হওয়া থেকে ব্লক করা হয়েছে সঙ্গে যাদের জন্য পোস্ট; একটি "ইতিবাচক কমে" যাকে ইতিবাচক শব্দ (যেমন, খুশি) সঙ্গে পোস্ট এলোমেলোভাবে ব্লক করা হয়েছে গ্রুপ; এবং দুই নিয়ন্ত্রণ গ্রুপ. "নেতিবাচকতা কমে" দলের জন্য কনট্রোল গ্রুপের মধ্যে, পোস্ট এলোমেলোভাবে "নেতিবাচকতা কমে" দল হিসেবে কিন্তু আবেগের ব্যাপারে ছাড়া একই হারে ব্লক করা হয়েছে. "ইতিবাচক কমে" দলের জন্য কনট্রোল গ্রুপের একটি সমান্তরাল ফ্যাশন নির্মাণ করা হয়েছিল. এই পরীক্ষা নকশা দেখায় যে, উপযুক্ত নিয়ন্ত্রণ গ্রুপ সবসময় কোন পরিবর্তনের সঙ্গে এক নয়. বরং কখনো কখনো নিয়ন্ত্রণ গ্রুপ অর্ডার সুনির্দিষ্ট তুলনা তৈরি করতে যে একটি গবেষণা প্রশ্নের প্রয়োজন একটি চিকিত্সা পায়. সব ক্ষেত্রে, পোস্ট নিউজ ফিড থেকে ব্লক করা হয়েছে ফেসবুক ওয়েবসাইটের অন্য অংশের মাধ্যমে ব্যবহারকারীদের জন্য উপলব্ধ ছিল.

Kramer এবং সহকর্মীরা ইতিবাচকতা অংশগ্রহণকারীদের শর্ত হ্রাস জন্য, তাদের স্ট্যাটাস আপডেট ইতিবাচক শব্দের শতাংশ কমে এবং নেতিবাচক শব্দের শতাংশ বেড়েছে. অপরপক্ষে, নেতিবাচকতা কমে অবস্থায় অংশগ্রহণকারীদের জন্য ইতিবাচক শব্দের শতাংশ বৃদ্ধি এবং নেতিবাচক শব্দের শতাংশ (চিত্র 4.23) কমে. যাইহোক, এই প্রভাব বেশ ছোট ছিল: চিকিত্সা ও নিয়ন্ত্রণগুলি মধ্যে ইতিবাচক ও নেতিবাচক কথায় পার্থক্য প্রায় 1 1,000 শব্দের মধ্যে ছিল.

চিত্র 4.23: মানসিক রোগসংক্রমণ প্রমাণ (Kramer, Guillory, and Hancock 2014) . ইতিবাচক শব্দ এবং পরীক্ষামূলক অবস্থার নেতিবাচক শব্দের শতাংশ. পানশালা মান ত্রুটি আনুমানিক.

আমি অধ্যায়ের শেষে আরো পড়ার বিভাগে এই পরীক্ষাটির বৈজ্ঞানিক দিক নিয়ে আলোচনার রেখেছি, কিন্তু দুর্ভাগ্যবশত, এই পরীক্ষা সবচেয়ে নৈতিক বিতর্ক জেনারেট করার জন্য পরিচিত হয়. শুধু দিন পর এই কাগজ বিজ্ঞান ন্যাশনাল অ্যাকাডেমি প্রসিডিংস প্রকাশিত হয়, সেখানে উভয় গবেষক এবং প্রেস থেকে একটি বিরাট হৈচৈ ছিল. 1) অংশগ্রহণকারীদের মান ফেসবুক পদ অফ সার্ভিস একটি চিকিত্সা যে কিছু চিন্তা ও অংশগ্রহণকারীদের জন্য ক্ষতির কারণ হতে পারে 2) গবেষণা undergone ছিল না তৃতীয় পক্ষের নৈতিক জন্য বাইরে কোনো সম্মতি প্রদান করা হয়নি: দুই প্রধান পয়েন্ট উপর দৃষ্টি নিবদ্ধ করা কাগজ প্রায় ক্ষোভ এখানে ক্লিক করুন (Grimmelmann 2015) . এই বিতর্ক উত্থাপিত নৈতিক প্রশ্ন সৃষ্ট জার্নাল দ্রুত নৈতিকতা ও গবেষণার জন্য নৈতিক পর্যালোচনা প্রক্রিয়া সম্পর্কে একটি বিরল 'উদ্বেগের সম্পাদকীয় অভিব্যক্তি "প্রকাশ করতে (Verma 2014) . পরবর্তী বছরগুলোতে, পরীক্ষা তীব্র বিতর্ক ও মতানৈক্য একটি উৎস হতে অব্যাহত রেখেছে, এবং এই মতানৈক্য ছায়া অনেক অন্যান্য পরীক্ষায় যে কোম্পানি দ্বারা সঞ্চালিত হচ্ছে মধ্যে ড্রাইভিং অনিচ্ছাকৃত প্রভাব ফেলেছে পারে (Meyer 2014) .

আবেগপূর্ণ রোগসংক্রমণ সম্পর্কে যে পটভূমি দেওয়া, আমি এখন যে দেখানোর জন্য 3 আর প্রকৃত গবেষণার জন্য কংক্রিট, ব্যবহারিক উন্নতি (যাই হোক না কেন আপনি ব্যক্তিগতভাবে এই বিশেষ পরীক্ষা নৈতিকতা সম্পর্কে মনে হতে পারে) সুপারিশ করতে চাই. প্রথম রাঃ প্রতিস্থাপন হয়: গবেষক, কম আক্রমণকারী এবং ঝুঁকিপূর্ণ কৌশল সঙ্গে পরীক্ষা প্রতিস্থাপন সম্ভব হলে নেওয়া উচিত. উদাহরণস্বরূপ, বরং একটি পরীক্ষা চলমান চেয়ে গবেষকরা একটি প্রাকৃতিক পরীক্ষা শোষিত পারতেন. অধ্যায় 2 বর্ণনা অনুযায়ী, প্রাকৃতিক পরীক্ষায় (যেমন, একটি সুরতি সিদ্ধান্ত নিতে যারা সামরিক মধ্যে ড্রাফট করা হবে) যেখানে কিছু বিশ্বের যে চিকিত্সা র্যান্ডম কার্যভার পরিমাপক এরকম পরিস্থিতিতে আছে. একটি প্রাকৃতিক পরীক্ষার সুবিধা যে গবেষক চিকিত্সা প্রদানের আছে না; পরিবেশ আপনার জন্য না যে. অন্য কথায়, একটি প্রাকৃতিক পরীক্ষা দিয়ে, গবেষকরা পরীক্ষামূলকভাবে জনগণের নিউজ ফিডস্ নিপূণভাবে প্রয়োজন হতো না.

বস্তুত, মানসিক রোগসংক্রমণ পরীক্ষা দিয়ে প্রায় একই সময়ে, Coviello et al. (2014) পরশ্রমজীবী ​​ছিল কি একটি আবেগপূর্ণ রোগসংক্রমণ প্রাকৃতিক পরীক্ষা বলা যেতে পারে. তাদের পদ্ধতি, যা একটি কৌশল যন্ত্রসংগীত ভেরিয়েবল বলা ব্যবহার, যদি আপনি আগে কখনও দেখা করেছি একটু জটিল. সুতরাং, যাতে ব্যাখ্যা কেন এটা প্রয়োজন ছিল, এর এটি বিল্ড আপ দিন. প্রথম ধারণা কিছু গবেষক মানসিক রোগসংক্রমণ অধ্যয়ন করতে পারে যে দিন যেখানে আপনার নিউজ ফিড খুব দিনগুলোতে নিজের পোস্টগুলিতে ইতিবাচক যেখানে আপনার নিউজ ফিড খুব নেতিবাচক ছিল আপনার পোস্টগুলি তুলনা করা যেতে পারে. যদি লক্ষ্য আপনার পোস্টের আবেগময় বিষয়বস্তু ভবিষ্যদ্বাণী করা ঠিক ছিল এই পদ্ধতির জরিমানা হবে, কিন্তু এই পদ্ধতির সমস্যাযুক্ত লক্ষ্য আপনার পোস্টে আপনার নিউজ ফিড এর কার্যকারণ প্রভাব অধ্যয়ন হলে. এই নকশা সঙ্গে সমস্যা দেখার জন্য, কৃতজ্ঞতাজ্ঞাপন বিবেচনা. মার্কিন ইন, ইতিবাচক পোস্টের গজাল ও নেতিবাচক পোস্ট কৃতজ্ঞতাজ্ঞাপন উপর ত্তলনদড়ি. সুতরাং, কৃতজ্ঞতাজ্ঞাপন উপর গবেষকরা দেখতে পাই যে, আপনার খবর ফিড খুবই ইতিবাচক ছিল এবং আপনি ধনাত্মক জিনিষ হিসাবে ভাল পোস্ট যে. কিন্তু, আপনার ইতিবাচক পোস্ট আপনার নিউজ ফিড বিষয়বস্তুর দ্বারা না কৃতজ্ঞতাজ্ঞাপন দ্বারা সৃষ্ট হয়েছে পারে. পরিবর্তে, অর্ডার কার্যকারণ প্রভাব গবেষকরা কিছু যে সরাসরি আপনার আবেগ পরিবর্তন ছাড়া আপনার নিউজ ফিড বিষয়বস্তুর পরিবর্তন প্রয়োজন অনুমান করতে পারে. আবহাওয়া: সৌভাগ্যবসত, যে ঘটছে সব সময় ভালো কিছু.

Coviello এবং সহকর্মীরা কেউ নগরীতে অসময়ের হবে, গড়ে, পোস্ট যে প্রায় 1 শতাংশ ইতিবাচক হয় অনুপাত হ্রাস এবং পোস্ট যে প্রায় 1 শতাংশ নেতিবাচক হয় অনুপাত বৃদ্ধি. তারপর, Coviello এবং সহকর্মীদের প্রয়োজন পরীক্ষামূলকভাবে নিপূণভাবে কারো খবর ফিড ছাড়া মানসিক রোগসংক্রমণ অধ্যয়ন এই সত্য শোষিত. প্রকৃতরূপে তারা কি করেছিল পরিমাপ কিভাবে আপনার পোস্ট শহরগুলোতে যেখানে আপনার বন্ধুদের বাস আবহাওয়া দ্বারা প্রভাবিত হয়েছিল. দেখার জন্য কেন এই জ্ঞান করে তোলে, মনে কর তুমি নিউ ইয়র্ক সিটি বাস এবং আপনি একটি বন্ধু যারা সিয়াটেল মধ্যে বাস করে আছে. এখন কল্পনা করুন যে এক দিন শুরু সিয়াটেল মধ্যে বৃষ্টি. সিয়াটেল মধ্যে এই বৃষ্টি সরাসরি আপনার মেজাজ প্রভাবিত করবে না, কিন্তু এটা আপনার খবর ফিড কারণ আপনার বন্ধুর পোস্টের কম ইতিবাচক ও নেতিবাচক হতে হতে হবে. সুতরাং, সিয়াটেল মধ্যে বৃষ্টি এলোমেলোভাবে আপনার নিউজ ফিড manipulates. একটি নির্ভরযোগ্য পরিসংখ্যানগত পদ্ধতি মধ্যে এই অনুভূতি বাঁক জটিল (এবং সঠিক Coviello এবং সহকর্মীদের দ্বারা ব্যবহৃত পদ্ধতির একটি বিট অ মান) যাতে আমি আরো পড়ার বিভাগে আরো বিস্তারিত আলোচনা করেছি. সবচেয়ে গুরুত্বপূর্ণ জিনিস Coviello সম্পর্কে মনে রাখা এবং সহকর্মীর পদ্ধতির যে, সেটি তাদের সক্রিয় একটি পরীক্ষা যে সম্ভাব্য অংশগ্রহণকারীদের ক্ষতি করতে পারে চালানোর প্রয়োজন ছাড়া মানসিক রোগসংক্রমণ অধ্যয়ন করা, এবং এটা যদি যে অনেক অন্যান্য সেটিংস আপনি অপরের সাথে পরীক্ষায় প্রতিস্থাপন করতে পারেন হতে পারে কৌশল.

এ 3 টাকা দ্বিতীয় পরিমার্জন হয়: গবেষক অর্ডার ক্ষুদ্রতম ক্ষতি সম্ভব কারণ তাদের চিকিত্সা পরিমার্জন করা উচিত. উদাহরণস্বরূপ, বরং বিষয়বস্তু উভয় ইতিবাচক বা নেতিবাচক ছিল ব্লক চেয়ে গবেষকরা বিষয়বস্তু যে ইতিবাচক বা নেতিবাচক ছিল চালচিত্রকে পারতেন. এই boosting নকশা অংশগ্রহণকারীদের নিউজ ফিডস্ আবেগময় বিষয়বস্তু পাল্টে যাবে, কিন্তু এটা উদ্বেগের এক যে সমালোচকদের প্রকাশ করেছেন উপলব্ধি করে নিত যে পরীক্ষায় অংশগ্রহণকারীদের সৃষ্ট করতে পারতেন তাদের নিউজ ফিডে গুরুত্বপূর্ণ তথ্য মিস. Kramer এবং সহকর্মীদের দ্বারা ব্যবহৃত নকশা সঙ্গে, একটি বার্তা যে গুরুত্বপূর্ণ যেমন এক নয় যেমন ব্লক করা হতে পারে. তবে, একটি boosting নকশা সঙ্গে, বার্তা যে বাস্তুচ্যুত হবে ঐ যে কম গুরুত্বপূর্ণ হবে.

অবশেষে, তৃতীয় আর কমাতে হয়: গবেষক, তাদের পরীক্ষা অংশগ্রহণকারীদের সংখ্যা কমাতে যদি সম্ভব নেওয়া উচিত. অতীতে এই হ্রাস স্বাভাবিকভাবেই ঘটেছে কারণ এনালগ পরীক্ষাগুলির পরিবর্তনশীল খরচ উচ্চ ছিল, যা তাদের নকশা এবং বিশ্লেষণ নিখুত গবেষণা উৎসাহিত. যাইহোক, যখন শূন্য পরিবর্তনশীল খরচ ডেটা নেই, গবেষকরা তাদের পরীক্ষার আকারের উপর ব্যয়ে বাধ্যতা মুখোমুখি না, এবং এই সম্ভাব্য অকারণে বড় পরীক্ষায় হতে হয়েছে.

উদাহরণস্বরূপ, Kramer এবং সহকর্মীদের তাদের বিশ্লেষণ আরও দক্ষ করতে আচরণ-তাদের অংশগ্রহণকারীদের-যেমন প্রাক চিকিত্সার পোস্টিং হিসেবে প্রাক চিকিত্সা তথ্য ব্যবহার করতে পারতেন. আরো নির্দিষ্টভাবে, বরং চিকিত্সা এবং নিয়ন্ত্রণ অবস্থার ইতিবাচক শব্দের অনুপাত তুলনা চেয়ে, Kramer এবং সহকর্মীদের অবস্থার মধ্যে ইতিবাচক শব্দের অনুপাতে পরিবর্তন তুলনা করতে পারতেন; একটি পদ্ধতির প্রায়ই পার্থক্য-ইন-পার্থক্য এবং যা ঘনিষ্ঠভাবে (চিত্র 4.5) মিশ্র নকশা যে আমি অধ্যায়ে আগে বর্ণিত সঙ্গে সম্পর্কযুক্ত বলা. যে, প্রতিটি অংশগ্রহণকারী জন্য গবেষকরা একটি পরিবর্তন স্কোর (উত্তর-চিকিত্সার আচরণ - প্রাক চিকিত্সা আচরণ) নির্মিত হয় পারতেন এবং তারপর চিকিত্সা এবং নিয়ন্ত্রণ অবস্থার মধ্যে অংশগ্রহণকারীদের পরিবর্তন স্কোর তুলনা. এই পার্থক্য-ইন-পার্থক্য পদ্ধতির যার মানে গবেষক একই পরিসংখ্যানগত আস্থা অনেক ছোট স্যাম্পল ব্যবহার অর্জন করতে পরিসংখ্যানগত অধিক কার্যকরী. অন্য কথায়, "উইজেট" মত অংশগ্রহণকারীদের চিকিত্সা না করে গবেষকেরা প্রায়ই আরো সুনির্দিষ্ট অনুমান পেতে পারেন.

কাঁচা তথ্য না জেনে এটা জানা ঠিক কিভাবে অনেক বেশি দক্ষ একটি পার্থক্য-ইন-পার্থক্য পদ্ধতির এই ক্ষেত্রে হতাম কঠিন. কিন্তু, Deng et al. (2013) রিপোর্ট করেন যে, বিং সার্চ ইঞ্জিনের উপর তিনটি অনলাইন পরীক্ষায় তারা প্রায় 50% দ্বারা তাদের অনুমান ভ্যারিয়েন্স কমাতে সক্ষম ছিল, এবং অনুরূপ ফলাফল নেটফ্লিক্স কিছু অনলাইন পরীক্ষার জন্য রিপোর্ট করা হয়েছে (Xie and Aurisset 2016) . এই 50% ভ্যারিয়েন্স হ্রাস মানে যে মানসিক রোগসংক্রমণ গবেষকরা অর্ধেক তাদের নমুনা কাটা যদি তারা একটি সামান্য ভিন্ন বিশ্লেষণ পদ্ধতি ব্যবহার করেছিল সক্ষম হয়েছে পারে. অন্য কথায়, বিশ্লেষণে একটি ক্ষুদ্র পরিবর্তনের সঙ্গে, 350,000 মানুষ পরীক্ষা অংশগ্রহণ আঁচ করা হয়ে থাকতে পারে.

এই মুহুর্তে আপনি হতাশ হতে পারে কেন গবেষকরা যদি 350,000 মানুষ অকারণে আবেগপূর্ণ রোগসংক্রমণ ছিল যত্ন করা উচিত. সেখানে যে অত্যধিক আকার সঙ্গে উদ্বেগ উপযুক্ত করতে আবেগপূর্ণ রোগসংক্রমণ দুটি বিশেষ বৈশিষ্ট্য আছে, এবং এই বৈশিষ্ট্যগুলি অনেক ডিজিটাল ক্ষেত্র পরীক্ষায় দ্বারা ভাগ করা হয়: 1) প্রায় পরীক্ষা অন্তত কিছু অংশগ্রহণকারীদের জন্য ক্ষতির কারণ হবে এবং 2) অংশগ্রহণ ছিল না কিনা অনিশ্চয়তা স্বেচ্ছাসেবী. এই দুটি বৈশিষ্ট্য সঙ্গে পরীক্ষায় এটা পরীক্ষায় যতটা সম্ভব ছোট রাখা যুক্তিযুক্ত বলে মনে হয়.

উপসংহার ইন, তিন, R's-প্রতিস্থাপন পরিমার্জিত ও নীতিগুলো সাহায্য করতে পারে গবেষকরা তাদের পরীক্ষামূলক ডিজাইন মধ্যে নৈতিকতা গড়ে কমাতে-প্রদান. অবশ্যই, মানসিক রোগসংক্রমণ এইসব সম্ভব পরিবর্তন প্রতিটি বিনিময় প্রথা প্রবর্তন করে. উদাহরণস্বরূপ, প্রাকৃতিক পরীক্ষায় থেকে প্রমাণ না সবসময় পরিষ্কার এলোমেলোভাবে পরীক্ষা থেকে প্রমাণ হয় এবং boosting আরো logistically কঠিন ব্লক চেয়ে বাস্তবায়ন হয়েছে হতে পারে. সুতরাং, এই পরিবর্তনগুলি পরামর্শ উদ্দেশ্য অন্য গবেষকদের সিদ্ধান্ত দ্বিতীয় অনুমান করার ছিল না. বরং, এটা ব্যাখ্যা করার জন্য কিভাবে তিন রাঃ এর একটি বাস্তবসম্মত অবস্থা প্রয়োগ করা যেতে পারে.