4.5.2 Opbyg dit eget eksperiment

Opbygning af dit eget eksperiment kan være dyrt, men det vil gøre det muligt for dig at oprette eksperimentet, som du ønsker.

Udover at overlejre eksperimenter ud over eksisterende miljøer, kan du også opbygge dit eget eksperiment. Den største fordel ved denne tilgang er kontrol; Hvis du bygger eksperimentet, kan du oprette det miljø og de behandlinger, du ønsker. Disse skræddersyede eksperimentelle miljøer kan skabe muligheder for at teste teorier, der er umulige at teste i naturligt forekommende miljøer. De væsentligste ulemper ved at opbygge dit eget eksperiment er, at det kan være dyrt, og at det miljø, du er i stand til at skabe, måske ikke har realismen i et naturligt forekommende system. Forskere, der bygger deres eget eksperiment, skal også have en strategi for rekruttering af deltagere. Når man arbejder i eksisterende systemer, forsker i det væsentlige eksperimenterne til deres deltagere. Men når forskere bygger deres eget eksperiment, skal de bringe deltagerne til det. Heldigvis kan tjenester som Amazon Mechanical Turk (MTurk) give forskere en bekvem måde at bringe deltagerne til deres eksperimenter.

Et eksempel, der illustrerer de dygtige miljøer til at teste abstrakte teorier, er det digitale laboratorieeksperiment af Gregory Huber, Seth Hill og Gabriel Lenz (2012) . Dette eksperiment udforsker en mulig praktisk begrænsning af demokratisk styring. Tidligere ikke-eksperimentelle undersøgelser af faktiske valg foreslog, at vælgerne ikke er i stand til nøjagtigt at vurdere præstationen af ​​de etablerede politikere. I særdeleshed synes vælgerne at lide af tre fordomme: (1) de er fokuseret på nylige snarere end kumulative resultater; (2) de kan manipuleres ved retorik, indramning og markedsføring; og (3) de kan påvirkes af begivenheder, der ikke er relateret til den etablerede præstation, som f.eks. de lokale sportsholds succes og vejret. I disse tidligere undersøgelser var det dog svært at isolere nogen af ​​disse faktorer fra alle de andre ting, der sker i ægte, rodet valg. Derfor skabte Huber og kolleger et stærkt forenklet stemningsmiljø for at isolere og eksperimentelt studere hver af disse tre mulige forstyrrelser.

Som jeg beskriver den eksperimentelle opstilling nedenfor, vil den lyde meget kunstig, men husk at realisme ikke er et mål i laboratoriestil eksperimenter. Snarere er målet at isolere klart processen, som du forsøger at studere, og denne stramme isolation er undertiden ikke mulig i studier med mere realisme (Falk and Heckman 2009) . Desuden argumenterede forskerne i det konkrete tilfælde, at hvis vælgerne ikke effektivt kan vurdere resultaterne i denne meget forenklede indstilling, vil de ikke være i stand til at gøre det i en mere realistisk og mere kompleks indstilling.

Huber og kolleger brugte MTurk til at rekruttere deltagere. Når en deltager har givet informeret samtykke og bestået en kort test, blev hun fortalt at hun deltog i et 32-runde spil for at tjene tokens, som kunne konverteres til rigtige penge. I starten af ​​spillet blev hver deltager fortalt, at hun havde fået tildelt en "tildeler", der ville give hendes gratis tokens hver runde, og at nogle tildelere var mere generøse end andre. Endvidere blev hver deltager også fortalt, at hun ville have mulighed for at holde hendes tildeler eller blive tildelt en ny efter 16 runder af spillet. I betragtning af hvad du ved om Huber og kollegernes forskningsmål, kan du se, at tildeleren repræsenterer en regering, og dette valg repræsenterer et valg, men deltagerne var ikke opmærksomme på de generelle mål for forskningen. Samlet rekrutterede Huber og kolleger omkring 4.000 deltagere, der blev betalt omkring 1,25 dollar til en opgave, der tog ca. otte minutter.

Husk, at en af ​​resultaterne fra tidligere undersøgelser var, at vælgerne belønner og straffer etablerede virksomheder for resultater, der er klart uden for deres kontrol, som f.eks. De lokale sportsholds succes og vejret. For at vurdere, om deltagernes afstemningsbeslutninger kunne påvirkes af rent tilfældige begivenheder i deres omgivelser, tilføjede Huber og kolleger et lotteri til deres eksperimentelle system. Ved enten 8. runde eller 16. runde (dvs. lige før chancen for at erstatte tildeleren) blev deltagerne tilfældigt placeret i et lotteri, hvor nogle vandt 5.000 point, nogle vandt 0 point, og nogle tabte 5.000 point. Dette lotteri var beregnet til at efterligne gode eller dårlige nyheder, der er uafhængige af politikerens præstationer. Selvom deltagerne udtrykkeligt blev fortalt, at lotteriet ikke var relateret til udførelsen af ​​deres tildeler, påvirker resultatet af lotteriet stadig deltagernes beslutninger. Deltagere, der har haft gavn af lotteriet, var mere tilbøjelige til at holde deres tildeler, og denne effekt var stærkere, da lotteriet skete i runde 16 - lige før udskiftningsbeslutningen - end da det skete i runde 8 (figur 4.15). Disse resultater sammenholdt med flere andre eksperimenter i papiret førte til, at Huber og kolleger konkluderede, at selv i en forenklet indstilling har vælgerne svært ved at træffe kloge beslutninger, hvilket har haft konsekvenser for fremtidige undersøgelser om vælgernes beslutningstagning (Healy and Malhotra 2013) . Eksperimentet fra Huber og kolleger viser, at MTurk kan bruges til at rekruttere deltagere til lab-style eksperimenter for præcist at teste meget specifikke teorier. Det viser også værdien af ​​at opbygge dit eget eksperimentelle miljø: det er svært at forestille sig, hvordan disse samme processer kunne have været isoleret så rent i enhver anden indstilling.

Figur 4.15: Resultater fra Huber, Hill, and Lenz (2012) . Deltagere, der har haft gavn af lotteriet, var mere tilbøjelige til at beholde deres tildeler, og denne effekt var stærkere, da lotteriet skete i runde 16 - lige før udskiftningsbeslutningen - end da det skete i runde 8. Tilpasset fra Huber, Hill, and Lenz (2012) , figur 5.

Udover at opbygge lab-lignende forsøg kan forskere også opbygge eksperimenter, der er mere feltlignende. For eksempel byggede Centola (2010) et digitalt felteksperiment for at studere virkningen af ​​sociale netværk struktur på adfærdsmæssig spredning. Hans undersøgelsesspørgsmål krævede, at han overholder den samme adfærd, der spredes i befolkninger, der havde forskellige sociale netværkskonstruktioner, men som ellers kunne ikke skelnes. Den eneste måde at gøre dette på var med et skræddersyet, specialbygget eksperiment. I dette tilfælde byggede Centola et webbaseret sundhedssamfund.

Centola rekrutterede omkring 1.500 deltagere gennem reklame på sundhedswebsteder. Da deltagerne kom til online-samfundet - som blev kaldt Healthy Lifestyle Network - gav de informeret samtykke og blev derefter tildelt "sundhedspersoner". På grund af den måde, hvorpå Centola tildelte disse sundhedspersoner, kunne han sammenstille forskellige sociale netværkskonstruktioner i forskellige grupper. Nogle grupper blev bygget til at have tilfældige netværk (hvor alle lige så sandsynligt var forbundet), mens andre grupper blev bygget til at have klyngede netværk (hvor forbindelser er mere lokalt tætte). Derefter introducerede Centola en ny opførsel i hvert netværk: chancen for at registrere til en ny hjemmeside med yderligere sundhedsoplysninger. Når nogen registrerede sig for denne nye hjemmeside, modtog alle hendes sundhedspersoner en email, der meddelte denne adfærd. Centola fandt ud af, at denne adfærd - tilmelding til den nye hjemmeside - spredes yderligere og hurtigere i det klyngede netværk end i det tilfældige netværk, et resultat der var i strid med nogle eksisterende teorier.

Samlet set giver opbygningen af ​​dit eget eksperiment meget mere kontrol. det giver dig mulighed for at konstruere det bedst mulige miljø for at isolere det, du ønsker at studere. Det er svært at forestille sig, hvordan de to eksperimenter, som jeg lige har beskrevet, kunne have været udført i et allerede eksisterende miljø. Desuden mindsker opbygningen af ​​dit eget system etiske bekymringer omkring eksperimentering i eksisterende systemer. Når du opbygger dit eget eksperiment, løber du dog ind i mange af de problemer, der opstår i laboratorieforsøg: rekruttering af deltagere og bekymringer om realisme. En sidste ulempe er, at opbygningen af ​​dit eget eksperiment kan være dyrt og tidskrævende. Selvom disse eksempler viser, kan eksperimenterne spænde fra relativt enkle miljøer (såsom undersøgelsen af ​​afstemning af Huber, Hill, and Lenz (2012) ). til relativt komplekse miljøer (såsom undersøgelsen af ​​netværk og smitte af Centola (2010) ).