4.5.4 Partner med den magtfulde

Partnering kan reducere omkostningerne og øge omfanget, men det kan ændre den slags deltagere, behandlinger, og resultater, som du kan bruge.

Alternativet til at gøre det selv er partnering med en stærk organisation som et firma, en regering eller en ngo. Fordelen med at arbejde med en partner er, at de kan give dig mulighed for at køre eksperimenter, som du ikke bare kan gøre selv. For eksempel involverer et af de eksperimenter, som jeg vil fortælle om nedenfor, 61 millioner deltagere - ingen individuel forsker kunne nå denne skala. Samtidig øger partnerskabet hvad du kan gøre, det begrænser dig også. For eksempel vil de fleste virksomheder ikke tillade dig at køre et eksperiment, der kan skade deres forretning eller deres omdømme. At arbejde sammen med partnere betyder også, at når det kommer tid til at offentliggøre, kan du komme under pres for at "re-frame" dine resultater, og nogle partnere kan endda forsøge at blokere udgivelsen af ​​dit arbejde, hvis det får dem til at se dårlige ud. Endelig kommer partnering også med omkostninger i forbindelse med udvikling og vedligeholdelse af disse samarbejder.

Den centrale udfordring, der skal løses for at gøre disse partnerskaber vellykkede, er at finde en måde at afbalancere begge parters interesser, og en god måde at tænke på den balance er Pasteurs kvadrant (Stokes 1997) . Mange forskere tror, ​​at hvis de arbejder på noget praktisk - noget, der kan være af interesse for en partner - så kan de ikke gøre rigtig videnskab. Denne tankegang vil gøre det meget vanskeligt at skabe vellykkede partnerskaber, og det sker også for at være helt forkert. Problemet med denne måde at tænke på er vidunderligt illustreret af biologen Louis Pasteurs banebrydende forskning. Mens han arbejdede på et kommercielt fermenteringsprojekt for at omdanne sukkerroer til alkohol, opdagede Pasteur en ny klasse af mikroorganismer, der i sidste ende førte til kimteorien om sygdom. Denne opdagelse løst et meget praktisk problem - det hjalp med at forbedre fermenteringsprocessen - og det førte til et stort videnskabeligt fremskridt. I stedet for at tænke på forskning med praktiske anvendelser som at være i konflikt med sand videnskabelig forskning, er det bedre at tænke på disse som to separate dimensioner. Forskning kan motiveres ved brug (eller ej), og forskning kan søge grundlæggende forståelse (eller ej). Kritisk kan nogle forskningslignende Pasteur-motiveres ved brug og søger grundlæggende forståelse (figur 4.17). Forskning i Pasteurs kvadrant-forskning, der i sig selv forfremmer to mål - er ideel til samarbejde mellem forskere og partnere. På baggrund af denne baggrund beskriver jeg to eksperimentelle studier med partnerskaber: en med en virksomhed og en med en NGO.

Figur 4.17: Pasteurs kvadrant (Stokes 1997) . I stedet for at tænke på forskning som enten "grundlæggende" eller "anvendt", er det bedre at tænke på det som motiveret ved brug (eller ej) og søger grundlæggende forståelse (eller ej). Et eksempel på forskning, der begge er motiveret ved brug og søger grundlæggende forståelse, er Pasteurs arbejde med at omdanne sukkerroerjuice til alkohol, der fører til kimteori om sygdom. Dette er den slags arbejde, der er bedst egnet til partnerskaber med de magtfulde. Eksempler på arbejde, der er motiveret ved brug, men som ikke søger grundlæggende forståelse kommer fra Thomas Edison, og eksempler på arbejde, der ikke er motiveret af brug, men som søger forståelse kommer fra Niels Bohr. Se Stokes (1997) for en mere grundig diskussion af denne ramme og hvert af disse tilfælde. Tilpasset fra Stokes (1997) , figur 3.5.

Store virksomheder, især teknologibedrifter, har udviklet utroligt sofistikeret infrastruktur til at køre komplekse eksperimenter. I teknologibranchen kaldes disse eksperimenter ofte A / B-test, fordi de sammenligner effektiviteten af ​​to behandlinger: A og B. Sådanne eksperimenter køres ofte for ting som stigende klikfrekvenser på annoncer, men den samme eksperimentelle infrastruktur kan også bruges til forskning, der fremmer videnskabelig forståelse. Et eksempel der illustrerer potentialet ved denne form for forskning er en undersøgelse foretaget af et partnerskab mellem forskere på Facebook og University of California, San Diego, om virkningerne af forskellige meddelelser om valgdeltagelse (Bond et al. 2012) .

Den 2. november 2010-dagen for det amerikanske kongresvalg - alle 61 millioner Facebook-brugere, der boede i USA og var 18 og ældre, deltog i et forsøg på at stemme. Ved besøg på Facebook blev brugerne tilfældigt inddelt i en af ​​tre grupper, som fastslog hvilket banner (hvis nogen) blev placeret øverst på deres nyhedsfeed (figur 4.18):

• en kontrolgruppe
• en informativ besked om afstemning med en klikbar "I Voted" -knap og en tæller (Info)
• en informativ besked om at stemme med en klikbar "I Voted" -knap og en tæller plus navne og billeder af deres venner, der allerede havde klikket på "Jeg stemte" (Info + Social)

Bond og kolleger studerede to hovedresultater: rapporteret stemmeafvikling og faktisk stemmeafvikling. For det første fandt de, at folk i Info + Social-gruppen var omkring to procentpoint mere sandsynlige end personer i Info-gruppen for at klikke på "Jeg stemte" (ca. 20% mod 18%). Efter at forskerne fusionerede deres data med offentligt tilgængelige stemmesedler for omkring seks millioner mennesker, fandt de ud af, at folk i Info + Social-gruppen var 0,39 procentpoint mere sandsynligt, at de rent faktisk ville stemme end dem i kontrolgruppen, og at folk i Info-gruppen var lige så tilbøjelige til at stemme som dem i kontrolgruppen (figur 4.18).

Figur 4.18: Resultater fra et eksperiment til udkørsel af stemme på Facebook (Bond et al. 2012) . Deltagerne i Info-gruppen stemte i samme takt som dem i kontrolgruppen, men folk i Info + Social-gruppen stemte med en lidt højere sats. Barer repræsenterer estimerede 95% konfidensintervaller. Resultaterne i grafen er for de ca. seks millioner deltagere, der var matchet med stemmesedler. Tilpasset fra Bond et al. (2012) , figur 1.

Resultaterne af dette eksperiment viser, at nogle online-udmeldte meddelelser er mere effektive end andre, og at en forskers skøn over effektiviteten kan afhænge af, om resultatet er rapporteret afstemning eller faktisk afstemning. Dette eksperiment tilbyder desværre ikke nogen spor om de mekanismer, som de sociale oplysninger - som nogle forskere har spillet legende til, kaldes en "face pile" -forøgelse af afstemningen. Det kunne være, at de sociale oplysninger øgede sandsynligheden for, at nogen bemærkede banneret, eller at det øgede sandsynligheden for, at en person, der bemærkede banneren faktisk stemte eller begge dele. Dette eksperiment giver således et interessant fund, som andre forskere sandsynligvis vil udforske (se f.eks. Bakshy, Eckles, et al. (2012) ).

Ud over at fremme forskernes mål har dette eksperiment også udviklet målet for partnerorganisationen (Facebook). Hvis du ændrer den adfærd, der studeres fra afstemning til købsæbe, kan du se, at undersøgelsen har nøjagtig samme struktur som et eksperiment til at måle effekten af ​​onlineannoncer (se f.eks. RA Lewis and Rao (2015) ). Disse annonceffektivitetsundersøgelser måler ofte virkningen af ​​eksponering for onlineannoncer-behandlingerne i Bond et al. (2012) er i grunden annoncer til afstemning på offline-adfærd. Denne forskning kan således fremme Facebooks evne til at studere effektiviteten af ​​onlineannoncer og kunne hjælpe Facebook med at overbevise potentielle annoncører om, at Facebook-annoncer er effektive til at ændre adfærd.

Selvom forskerne og partnernes interesser hovedsagelig var rettet mod denne undersøgelse, var de også delvis i spænding. I særdeleshed blev tildelingen af ​​deltagere i de tre gruppekontrol, Info og Info + Social-meget ubalanceret: 98% af prøven blev tildelt Info + Social. Denne ubalancerede tildeling er ineffektiv statistisk, og en meget bedre tildeling for forskerne ville have haft en tredjedel af deltagerne i hver gruppe. Men den ubalancerede tildeling skete, fordi Facebook ønskede, at alle modtager Info + Social behandling. Heldigvis overbeviste forskerne dem om at holde tilbage 1% for en relateret behandling og 1% af deltagerne til en kontrolgruppe. Uden kontrolgruppen ville det i det væsentlige være umuligt at måle effekten af ​​Info + Social behandling, fordi det ville have været et "perturb og observere" eksperiment snarere end et randomiseret kontrolleret eksperiment. Dette eksempel giver en værdifuld praktisk lektie til at arbejde med partnere: nogle gange opretter du et eksperiment ved at overbevise nogen om at levere en behandling, og nogle gange opretter du et eksperiment ved at overbevise en person om ikke at levere en behandling (dvs. at oprette en kontrolgruppe).

Partnerskab behøver ikke altid at involvere teknologivirksomheder og A / B-test med millioner af deltagere. For eksempel samarbejdede Alexander Coppock, Andrew Guess og John Ternovski (2016) med en miljø-NGO - Conservation Voters Liga - at køre eksperimenter med at teste forskellige strategier til fremme af social mobilisering. Forskerne brugte NGO's Twitter-konto til at sende både offentlige tweets og private direkte meddelelser, der forsøgte at prime forskellige typer identiteter. Derefter målte de hvilke af disse meddelelser, der var mest effektive til at opfordre folk til at underskrive et andragende og retweete oplysninger om et andragende.

Samlet set muliggør partnerskab med den magtfulde, at du kan operere i en skala, der ellers er svært at gøre, og tabel 4.3 giver andre eksempler på partnerskaber mellem forskere og organisationer. Partnering kan være meget nemmere end at opbygge dit eget eksperiment. Men disse fordele kommer med ulemper: partnerskaber kan begrænse de slags deltagere, behandlinger og resultater, som du kan studere. Disse partnerskaber kan endvidere føre til etiske udfordringer. Den bedste måde at se en mulighed for et partnerskab på er at se et ægte problem, som du kan løse, mens du laver interessant videnskab. Hvis du ikke er vant til denne måde at se på verden, kan det være svært at se problemer i Pasteurs kvadrant, men i praksis begynder du at mærke dem mere og mere.