4.6.1 শূন্য পরিবর্তনশীল খরচ ডেটা তৈরি করুন

বড় পরীক্ষায় চলমান চাবিকাঠি শূন্য আপনার পরিবর্তনশীল খরচ ড্রাইভিং হয়. এটি করার সবচেয়ে ভালো উপায় অটোমেশন ও উপভোগ্য পরীক্ষায় নকশা হয়.

ডিজিটাল পরীক্ষায় নাটকীয়ভাবে ভিন্ন খরচ কাঠামো আছে এবং এই গবেষকরা পরীক্ষা-নিরীক্ষা যে অতীতে অসম্ভব ছিল চালাতে সক্ষম করতে পারেন. আরো নির্দিষ্টভাবে, পরীক্ষায় সাধারণত খরচ প্রধানত দুই ধরনের আছে:. নির্দিষ্ট খরচ এবং পরিবর্তনশীল খরচ নির্দিষ্ট খরচ খরচ যে আপনি কিভাবে অনেক অংশগ্রহণকারীদের উপর নির্ভর করে পরিবর্তন না হয়. উদাহরণস্বরূপ, একটি ল্যাব পরীক্ষা, নির্দিষ্ট খরচ স্থান ভাড়া নেওয়া এবং আসবাবপত্র কেনার খরচ আপনি কিভাবে অনেক অংশগ্রহণকারীদের উপর নির্ভর করে হতে পারে. পরিবর্তনশীল খরচ, অন্যদিকে, পরিবর্তন. উদাহরণস্বরূপ, একটি ল্যাব পরীক্ষা, পরিবর্তনশীল খরচ কর্মী এবং অংশগ্রহণকারীদের পরিশোধ কাছ থেকে আসতে পারে. সাধারণভাবে, এনালগ পরীক্ষায় কম নির্দিষ্ট খরচ এবং উচ্চ পরিবর্তনশীল খরচ আছে, এবং ডিজিটাল পরীক্ষায় উচ্চ নির্দিষ্ট খরচ এবং কম পরিবর্তনশীল খরচ (চিত্র 4.18) আছে. উপযুক্ত নকশা সঙ্গে, আপনি শূন্য সব পথ আপনার পরীক্ষার পরিবর্তনশীল খরচ চালাতে পারেন, এবং এই উত্তেজনাপূর্ণ গবেষণা সুযোগ তৈরি করতে পারেন.

চিত্র 4.18: এনালগ এবং ডিজিটাল পরীক্ষায় খরচ স্ট্রাকচার ছকবদ্ধ. সাধারণভাবে, এনালগ পরীক্ষায় কম নির্দিষ্ট খরচ এবং উচ্চ পরিবর্তনশীল খরচ আছে যেহেতু ডিজিটাল পরীক্ষায় উচ্চ নির্দিষ্ট খরচ এবং কম পরিবর্তনশীল খরচ আছে. বিভিন্ন খরচ কাঠামো মানে ডিজিটাল পরীক্ষায় একটি স্কেল যে এনালগ পরীক্ষানিরীক্ষা সম্ভব নয় এ চালাতে পারেন যে.

পরিবর্তনশীল খরচ পেমেন্ট দুটি প্রধান উপাদান কর্মীদের এবং পেমেন্ট আছে অংশগ্রহণকারীদের-এবং এই প্রতিটি বিভিন্ন কৌশল ব্যবহার করে শূন্য থেকে তাড়িয়ে নিয়ে যাওয়া যায়. পেমেন্টস্ কাজ থেকে স্টেম কর্মচারীদেরকে যে গবেষণা সহকারী অংশগ্রহণকারীদের নিয়োগ না, চিকিত্সা প্রদান, এবং ফলাফল পরিমাপ. উদাহরণস্বরূপ, শুলজ এবং সহকর্মীদের এনালগ ক্ষেত্র পরীক্ষা (2007) সামাজিক রীতিনীতি ও বিদ্যুৎ ব্যবহারের প্রয়োজনীয় গবেষণা সহকারী প্রতিটি বাড়িতে যাতায়াতের চিকিত্সা প্রদান করা এবং বৈদ্যুতিক মিটার পড়তে (চিত্র 4.3). গবেষণা সহায়ক দ্বারা এই প্রচেষ্টার সকল বোঝানো যে সমীক্ষা একটি নতুন পরিবারের যোগ খরচ যোগ করা হবে. অপরপক্ষে, Restivo এবং ভ্যান ডি Rijt ডিজিটাল ক্ষেত্র পরীক্ষা জন্য (2012) উইকিপিডিয়ায় পুরস্কারের উপর নির্ভরশীল, গবেষকরা আরো অংশগ্রহণকারীদের কার্যত কোন খরচ যোগ করতে পারে. পরিবর্তনশীল প্রশাসনিক খরচ কমানোর জন্য একটি সাধারণ কৌশল মানুষের কাজ (যা ব্যয়বহুল) কম্পিউটারে কাজ দিয়ে (যা সস্তা হয়) প্রতিস্থাপন করতে হয়. মোটামুটিভাবে, আপনি নিজেকে জিজ্ঞাসা করতে পারেন: এই পরীক্ষা চালাতে পারেন যখন আমার গবেষণা দলের সবাই ঘুমাচ্ছে? যদি উত্তর হ্যাঁ হয়, আপনি অটোমেশন একটি মহান কাজ করেছেন.

পরিবর্তনশীল খরচ দ্বিতীয় প্রধান টাইপ অংশগ্রহণকারীদের পেমেন্ট হয়. কিছু গবেষক আমাজন মেকানিক্যাল তুর্কি ও অন্যান্য অনলাইন শ্রমবাজারে ব্যবহার করেছেন পেমেন্ট অংশগ্রহণকারীদের জন্য প্রয়োজন হয় হ্রাস. শূন্য পরিবর্তনশীল খরচ সব পথ ড্রাইভ করতে, তবে একটি ভিন্ন পদ্ধতির প্রয়োজন হয়. একটি দীর্ঘ সময় জন্য, গবেষক পরীক্ষায় তাই বিরক্তিকর যে তারা মানুষ অংশগ্রহণ করতে দিতে হবে ডিজাইন করা হয়েছে. কিন্তু, আপনি কি একটা পরীক্ষা যে মানুষ হতে চান তৈরি করতে পারে তাহলে কি হবে? এই পর্যন্ত সংগৃহীত শব্দ হতে পারে, কিন্তু আমি আপনাকে একটি উদাহরণ নিম্নে আমার নিজের কাজ থেকে দেব, এবং সেখানে ছক 4.4 আরও উদাহরণ আছে. উল্লেখ্য যে উপভোগ্য পরীক্ষায় নকশা এই পদ্ধতির আরো উপভোগ্য সার্ভে নকশা এবং 5 অধ্যায়ে ভর সহযোগ নকশা সংক্রান্ত সংক্রান্ত অধ্যায় 3 থিম কিছু প্রতিধ্বনি. সুতরাং, আমি মনে করি যে অংশগ্রহণকারী রমণ-কি ব্যবহারকারীর বলা যেতে পারে অভিজ্ঞতা হবে ডিজিটাল বয়স মধ্যে গবেষণা নকশা একটি ক্রমবর্ধমান গুরুত্বপূর্ণ অংশ হতে.

আপনি শূন্য পরিবর্তনশীল খরচ পরীক্ষায় তৈরি করতে চান তাহলে আপনি তা নিশ্চিত করার জন্য সবকিছু সম্পূর্ণরূপে স্বয়ংক্রিয় এবং অংশগ্রহণকারীদের কোনো পেমেন্ট প্রয়োজন হয় না যে চাইবেন. অর্ডার এ কিভাবে সম্ভব প্রদর্শন করার জন্য, আমি সাফল্য ও সাংস্কৃতিক পণ্য ব্যর্থতার উপর আমার তত্ত্বালোচনা গবেষণা বর্ণনা করব. এই উদাহরণ থেকে একথাও জানা যায় যে শূন্য পরিবর্তনশীল খরচ ডেটা জিনিস সস্তা কাজ সম্পর্কে নয়. বরং তা পরীক্ষা-নিরীক্ষা যে অন্যথায় সম্ভব না হবে সক্রিয় হয়.

আমার তত্ত্বালোচনা সাংস্কৃতিক পণ্যের জন্য সাফল্যের বিরক্তিকর প্রকৃতি দ্বারা প্রেরণা ছিল. হিট গান, সেরা বই বিক্রি, এবং ব্লকবাস্টার সিনেমা অনেক, অনেক গড় চেয়ে বেশি সফল হয়. এই কারণে, এই পণ্য বাজারে প্রায়ই 'বিজয়ী-নিতে সব "বাজার বলা হয়. তা সত্ত্বেও, একই সময়, যা বিশেষ গান, বই, বা সিনেমা সফল হয়ে যাবে এ অবিশ্বাস্যভাবে অনির্দেশ্য হয়. চিত্রনাট্যকার উইলিয়াম গোল্ডম্যান (1989) -নিতে-বিজয়ী সব মার্জিত এর পূর্বাভাস বলে যে, যখন এটি সাফল্য পূর্বাভাসের আসে, দ্বারা গবেষণার প্রচুর সংকলিত আপ "কেউ কিছু জানে না." বাজারে আমাকে আশ্চর্য কিভাবে সাফল্য অনেক ফল গুণমান এবং কিভাবে অনেক ভাগ্য হয়. অথবা, একটু ভিন্নভাবে প্রকাশ করে আমরা সমান্তরাল বোথ ওয়ার্ল্ডস তৈরি এবং তাদের সব স্বাধীনভাবে বিকশিত, একই গান প্রতিটি বিশ্বের জনপ্রিয় হয়ে যাবে থাকতে পারে? আর যদি তা নয়, তা একটি প্রক্রিয়া যে এই পার্থক্যের কারণ হতে পারে?

এসব প্রশ্নের উত্তর দিতে, আমরা-পিটার Dodds, ডানকান ওয়াটস (আমার তত্ত্বালোচনা উপদেষ্টা), এবং অনলাইন ক্ষেত্র পরীক্ষার একটি সিরিজ আমি দৌড়ে. বিশেষ করে, আমরা যেখানে মানুষ নতুন সঙ্গীত আবিষ্কার করতে পারে একটি ওয়েবসাইট MusicLab নামক নির্মিত, এবং আমরা পরীক্ষার একটি সিরিজ জন্য এটি ব্যবহৃত. আমরা (চিত্র 4.19) একটি দু: খ-সুদ ওয়েবসাইটে ব্যানার বিজ্ঞাপন চলমান দ্বারা এবং মিডিয়াতে উল্লেখ মাধ্যমে অংশগ্রহণকারীদের নিয়োগ. আমাদের ওয়েবসাইটে প্রদত্ত সম্মতি এ আসার অংশগ্রহণকারীরা একটি সংক্ষিপ্ত পটভূমি প্রশ্নাবলী সম্পন্ন, এবং এলোমেলোভাবে দুই পরীক্ষামূলক শর্ত-স্বাধীন এবং সামাজিক প্রভাব এক নিযুক্ত করা হয়েছিল. স্বাধীন অবস্থায়, অংশগ্রহণকারীদের শুধুমাত্র ব্যান্ড এবং গান এর নাম দেওয়া, সিদ্ধান্ত যা সম্পর্কে গান শোনার জন্য তৈরি. একটি গান শোনার সময়, অংশগ্রহণকারীদের এটি হার যা পরে তারা গান ডাউনলোড করার সুযোগ (কিন্তু না বাধ্যবাধকতা) ছিল জিজ্ঞেস করা হয়েছিল. সামাজিক প্রভাব অবস্থায়, অংশগ্রহণকারীদের একই অভিজ্ঞতা ছিল ব্যতীত তারা দেখতে পারে কিভাবে অনেক বার প্রতিটি গান পূর্ববর্তী অংশগ্রহণকারীদের দ্বারা ডাউনলোড করা হয়েছে. উপরন্তু, সামাজিক প্রভাব অবস্থায় অংশগ্রহণকারীদের এলোমেলোভাবে আট সমান্তরাল বোথ ওয়ার্ল্ডস, প্রতিটি যা স্বাধীনভাবে বিবর্তিত (চিত্র 4.20) এক নিযুক্ত করা হয়েছিল. এই নকশা ব্যবহার করে, আমরা দুই সংশ্লিষ্ট পরীক্ষায় দৌড়ে. প্রথম, আমরা অংশগ্রহণকারীদের গান একটি পাঁচমিশালী গ্রিড, উপস্থাপন, যা তাদের জনপ্রিয়তার একটি দুর্বল সংকেত প্রদান. দ্বিতীয় পরীক্ষা ইন, আমরা (চিত্র 4.21) র্যাঙ্কবদ্ধ তালিকা যা জনপ্রিয়তার অনেক শক্তিশালী সংকেত প্রদান করা গান উপস্থাপন.

চিত্র 4.19: যে আমার সহকর্মী ও আমি MusicLab এক্সপেরিমেন্ট অংশগ্রহণকারীদের নিয়োগস্থল ব্যবহার ব্যানার বিজ্ঞাপন এর একটি উদাহরণ (Salganik, Dodds, and Watts 2006) .

চিত্র 4.20: MusicLab পরীক্ষায় জন্য পরীক্ষামূলক নকশা (Salganik, Dodds, and Watts 2006) . স্বাধীন এবং সামাজিক প্রভাব: অংশগ্রহণকারীরা এলোমেলোভাবে দুই অবস্থার এক মধ্যে নিযুক্ত করা হয়. স্বাধীন অবস্থায় অংশগ্রহণকারীরা অন্যান্য মানুষ কি দোষ করেছে? সম্পর্কে কোনো তথ্য থাকলে তাদের গ্রেপ্তার করা হয়. সামাজিক প্রভাব অবস্থায় অংশগ্রহণকারীরা এলোমেলোভাবে আট এক সমান্তরাল বোথ ওয়ার্ল্ডস, পূর্ববর্তী অংশগ্রহণকারীদের-এর তাদের বিশ্বের প্রতিটি গানের ডাউনলোডের দ্বারা মাপা যেখানে তারা যেমন জনপ্রিয়তা-দেখতে পারে মধ্যে নিযুক্ত করা হয়, কিন্তু তারা কোনো তথ্য না দেখতে পারে না, আর তারা এমন করেনি অস্তিত্ব, অন্যান্য বোথ ওয়ার্ল্ডস কোন সম্পর্কে জানি.

আমরা দেখেছি যে গান জনপ্রিয়তা বোথ ওয়ার্ল্ডস ভাগ্য একটি গুরুত্বপূর্ণ ভূমিকা পরামর্শ জুড়ে মতবিরোধ. উদাহরণস্বরূপ, এক বিশ্বের গান "লকডাউন" 52Metro দ্বারা 1st গেল এবং অন্য কোন বিশ্বে এটা 48 গান বাইরে 40th আসেন. এই ঠিক সব একই গান বিরুদ্ধে প্রতিদ্বন্দ্বী একই গান ছিল, কিন্তু এক বিশ্বের এটা ভাগ্যবান এবং অন্যদের মধ্যে তা তো বটেই. উপরন্তু, দুটি পরীক্ষায় জুড়ে ফলাফল তুলনা করে আমরা দেখেছি যে সামাজিক প্রভাব আরও অসম সাফল্য, যা সম্ভবত ভবিষ্যদ্বাণীর চেহারা তৈরি করে বাড়ে. কিন্তু, বোথ ওয়ার্ল্ডস (যা সমান্তরাল বোথ ওয়ার্ল্ডস পরীক্ষার এই ধরনের বাইরে কাজ করা যাবে না) জুড়ে খুঁজছেন, আমরা দেখেছি যে সামাজিক প্রভাব আসলে পূর্বাভাস বৃদ্ধি. উপরন্তু, এটি আশ্চর্যজনক, এটা আছে যে সবচেয়ে অনির্দেশ্য ফলাফল (চিত্র 4.22) সর্বোচ্চ আপীল গান ছিল.

চিত্র 4.21: MusicLab পরীক্ষায় সামাজিক প্রভাব অবস্থার থেকে স্ক্রীনশট (Salganik, Dodds, and Watts 2006) . পরীক্ষা 1 সামাজিক প্রভাব অবস্থায়, গান, পূর্ববর্তী ডাউনলোডসমূহ সংখ্যা বরাবর, একটি 16 এক্স 3 আয়তক্ষেত্রাকার গ্রিড, যেখানে গান অবস্থানের এলোমেলোভাবে প্রতিটি অংশগ্রহণকারী জন্য নিযুক্ত করা হয় সাজানো অংশগ্রহণকারীদের উপস্থাপিত হয়েছে. পরীক্ষা 2, সামাজিক প্রভাব অবস্থায় অংশগ্রহণকারীদের ডাউনলোড গন্য বর্তমান জনপ্রিয়তার ক্রমানুসারে সাজানো এক কলামে উপস্থাপন সঙ্গে, গান দেখানো হয়.

চিত্র 4.22: জনপ্রিয়তা ও সাফল্য মধ্যে সম্পর্ক দেখানো MusicLab পরীক্ষা থেকে ফলাফল (Salganik, Dodds, and Watts 2006) . x- অক্ষ স্বাধীন বিশ্বের গান, যা গানের আবেদন একটি পরিমাপ হিসেবে কাজ করে এর মার্কেট শেয়ার, এবং y- অক্ষের যা স্থল 8 সামাজিক প্রভাব বোথ ওয়ার্ল্ডস মধ্যে একই গান, এর মার্কেট শেয়ার হয় গান সাফল্যের মাপকাঠি হিসেবে. আমরা দেখেছি যে সামাজিক প্রভাব যে অংশগ্রহণকারীদের বৃদ্ধি অভিজ্ঞতা-বিশেষভাবে, পরীক্ষা 1 থেকে বিন্যাস পরিবর্তন 2 এটা পরীক্ষামূলকভাবে করার জন্য (চিত্র 4.21) সাফল্য -caused সর্বোচ্চ আপিল গান জন্য বিশেষত, আরো অনির্দেশ্য পরিণত.

MusicLab কারণ উপায় এটি পরিকল্পনা করা হয়েছিল এ মূলত শূন্য পরিবর্তনশীল খরচ চালাতে সক্ষম ছিল. প্রথমত, সবকিছু সম্পূর্ণরূপে স্বয়ংক্রিয় তাই এটা যখন আমি ঘুমিয়ে ছিলেন চালাতে সক্ষম হয়েছিল. দ্বিতীয়ত, ক্ষতিপূরণ ফ্রী ছিল তাই কোন পরিবর্তনশীল অংশগ্রহণকারী ক্ষতিপূরণ খরচ ছিল. ক্ষতিপূরণ হিসেবে গান ব্যবহার এছাড়াও illustrates কিভাবে মাঝে মাঝে সেখানে নির্দিষ্ট খরচ এবং পরিবর্তনশীল খরচ মধ্যে একটি ট্রেড বন্ধ. ব্যবহার সঙ্গীত নির্দিষ্ট খরচ বৃদ্ধি কারণ আমি ব্যান্ড থেকে অনুমতি সুরক্ষিত এবং তাদের গান অংশগ্রহণকারীদের প্রতিক্রিয়া সম্পর্কে ব্যান্ড জন্য প্রতিবেদন প্রস্তুতির সময় ব্যয় ছিল. কিন্তু, এই ক্ষেত্রে, আদেশ ভেরিয়েবল খরচ হ্রাস করার জন্য যে নির্দিষ্ট খরচ বৃদ্ধি করতে ডান জিনিস ছিল; যে কি আমাদের সক্রিয় একটি পরীক্ষা যে ছিল প্রায় 100 বার মান ল্যাব পরীক্ষা চেয়ে বড় রান করার.

উপরন্তু, MusicLab পরীক্ষায় দেখান যে শূন্য পরিবর্তনশীল খরচ নিজেই শেষ করতে হবে না; বরং, এটা পরীক্ষা একটি নতুন ধরনের চলমান করার জন্য একটি উপায় হতে পারে. লক্ষ করুন যে, আমরা আমাদের অংশগ্রহণকারীদের সব একটি প্রমিত সামাজিক প্রভাব ল্যাব পরীক্ষা 100 বার রান করার জন্য ব্যবহার করা হয়নি. পরিবর্তে, আমরা ভিন্ন কিছু, যা আপনি একটি মনস্তাত্ত্বিক পরীক্ষা থেকে একটি সমাজতাত্ত্বিক পরীক্ষা সুইচিং হিসাবে মনে করতে পারে নি (Hedström 2006) . বরং পৃথক সিদ্ধান্ত গ্রহণের উপর মনোযোগ নিবদ্ধ করে, আমরা একটি সমষ্টিগত ফলাফল জনপ্রিয়তার উপর আমাদের পরীক্ষা নিবদ্ধ. একটি সমষ্টিগত ফলাফল এই সুইচ বোঝানো যে আমরা প্রায় 700 জন অংশগ্রহণকারীর প্রয়োজনীয় একটি একক ডাটা বিন্দু উত্পাদন (সেখানে সমান্তরাল বোথ ওয়ার্ল্ডস প্রতিটিতে 700 নূহের সম্প্রদায় মিথ্যারোপ করেছিল). যে স্কেল পরীক্ষা খরচ কাঠামো কারণ শুধুমাত্র সম্ভব ছিল. সাধারণভাবে, যদি গবেষকেরা অধ্যয়ন কিভাবে সমষ্টিগত ফলাফল পৃথক সিদ্ধান্ত থেকে arise তে চান, যেমন MusicLab যেমন গ্রুপ পরীক্ষায় খুব উত্তেজনাপূর্ণ হয়. অতীতে তারা logistically কঠিন হয়েছে, কিন্তু সেই সমস্যা শূন্য পরিবর্তনশীল খরচ ডেটা সম্ভাবনার কারণ ফেইড হয়.

শূন্য পরিবর্তনশীল খরচ ডেটা সুবিধাগুলো ব্যাখ্যা ছাড়াও, MusicLab পরীক্ষায় এই পদ্ধতির সঙ্গে একটি চ্যালেঞ্জ দেন: উচ্চ নির্দিষ্ট খরচ. আমার ক্ষেত্রে, আমি অত্যন্ত পরীক্ষা নির্মাণে প্রায় ছয় মাস ধরে পিটার Hausel নামে একজন প্রতিভাবান ওয়েব ডেভেলপার সঙ্গে কাজ পাবে ভাগ্যবান ছিল. এই শুধুমাত্র সম্ভব ছিল, কারণ আমার উপদেষ্টা, ডানকান ওয়াটস, অনুদান একটি সংখ্যা গবেষণা এই ধরনের সমর্থন পেয়েছিল. প্রযুক্তি যেহেতু আমরা 2004 সালে MusicLab নির্মিত উন্নতি হয়েছে, এবং এটা এখন এই মত একটি পরীক্ষা তৈরী করা অনেক সহজ হবে. কিন্তু, উচ্চ নির্দিষ্ট খরচ কৌশল গবেষক যারা কোনভাবে ঐ খরচ আবরণ করতে পারেন জন্য সত্যিই শুধুমাত্র সম্ভব হয়.

উপসংহার ইন, ডিজিটাল পরীক্ষায় এনালগ পরীক্ষায় চেয়ে নাটকীয়ভাবে ভিন্ন খরচ কাঠামো থাকতে পারে. আপনি সত্যিই বড় পরীক্ষায় চালাতে চান তাহলে, আপনি 0 থেকে যতটা সম্ভব এবং আদর্শভাবে সব উপায় আপনার পরিবর্তনশীল খরচ হ্রাস করতে আপনি আপনার পরীক্ষার বলবিজ্ঞান স্বয়ংক্রিয় দ্বারা এটা করতে পারেন চেষ্টা করা উচিত (যেমন, কম্পিউটার সময় সঙ্গে মানুষের সময় প্রতিস্থাপন) এবং পরীক্ষা-নিরীক্ষা যে মানুষ হতে চান নকশা. গবেষকরা যারা এই বৈশিষ্ট্য সঙ্গে পরীক্ষা ডিজাইন করতে পারেন পরীক্ষায় যে অতীতে সম্ভব ছিল না নতুন ধরণের চালাতে সক্ষম হতে হবে.