4.5.2 Partner med den kraftfulde

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 magtfuld organisation som en virksomhed, regering eller NGO. Fordelen ved at arbejde med en partner er, at de kan gøre det muligt for dig at køre eksperimenter, som du bare ikke kan gøre ved dig selv. For eksempel er en af ​​de eksperimenter, som jeg vil fortælle dig om under involverede 61 millioner deltagere; ingen enkelte forsker kan opnå denne skala. På samme tid, at partnering øger hvad du kan gøre, det også samtidigt begrænser dig. For eksempel vil de fleste virksomheder ikke tillade dig at køre et eksperiment, der kan skade deres forretning eller deres omdømme. Arbejde med partnere betyder også, at når det bliver tid til at udgive, kan du komme under pres for at "re-frame" dine resultater, og nogle partnere måske endda forsøge at blokere offentliggørelsen af ​​dit arbejde, hvis det gør dem til at se dårlige. Endelig partnering også kommer med omkostninger til at udvikle og vedligeholde disse samarbejder.

Den centrale udfordring, der skal løses for at gøre disse partnerskaber succes er at finde en måde at afbalancere begge parters interesse, og en hjælpsom måde at tænke på denne balance er Pasteurs kvadrant (Stokes 1997) . Mange forskere mener, at hvis de arbejder på noget praktisk-noget, der kunne være af interesse for en partner-så kan de ikke gøre rigtig videnskab. Denne tankegang vil gøre det meget vanskeligt at skabe succesfulde partnerskaber, og det sker også at være helt forkert. Problemet med denne tankegang er vidunderligt illustreret ved banebrydende forskning af biolog Louis Pasteur. Mens du arbejder på et kommercielt gæring projekt til at konvertere sukkerroer juice til alkohol, opdagede Pasteur en ny klasse af mikroorganisme, der til sidst førte til kimen teorien om sygdom. Denne opdagelse løst et meget praktisk problem-det bidraget til at forbedre processen med gæring-og det føre til en større videnskabelig forhånd. I stedet for at tænke på forskning med praktiske anvendelser at være i strid med sand videnskabelig forskning, er det således bedre at tænke på disse som to særskilte dimensioner. Forskning kan være motiveret af brug (eller ikke) og forskning kan søge grundlæggende forståelse (eller ikke). Kritisk, nogle forskning-lignende Pasteur's-kan være motiveret af brug og søger grundlæggende forståelse (Figur 4.16). Forskning i Pasteurs Quadrant-forskning, der i sagens natur fremført to mål-er ideel til samarbejder mellem forskere og samarbejdspartnere. Eftersom baggrund, vil jeg beskrive to eksperimentelle studier med partnerskaber: en med et selskab og en med en NGO.

Figur 4.16: Pasteurs kvadrant (baseret på figur 3.5 fra Stokes (1997) ). Snarere end at tænke på forskning som enten "grundlæggende" eller "anvendt" det er bedre at tænke på forskning som motiveret af brug (eller ikke) og søger grundlæggende forståelse (eller ikke). Et eksempel på forskning, der både er motiveret af brug og søger grundlæggende forståelse er Pasteurs arbejde på at konvertere sukkerroer saft til alkohol, der fører til kimen teorien om sygdom. Det er den form for arbejde, der er bedst egnet til partnerskaber med den kraftfulde. Eksempler på arbejde motiveret af 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.

Store virksomheder, især tech virksomheder, har udviklet sig utroligt sofistikerede infrastruktur til at køre komplekse eksperimenter. I tech industrien, er disse forsøg ofte kaldes A / B-tests (fordi de teste effektiviteten af ​​to behandlinger: A og B). Disse eksperimenter er ofte køre til ting som at øge click-through satser på annoncer, men det samme eksperimentelle infrastruktur kan også bruges til forskning, der fremmer videnskabelig forståelse. Et eksempel, der illustrerer potentialet i 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 beskeder på valgdeltagelsen (Bond et al. 2012) .

Den 2. november 2010- dagen for kongresvalget-alle amerikanske 61 millioner Facebook-brugere, der bor i USA og er over 18 deltog i forsøget om at stemme. Efter besøger Facebook, var brugerne randomiseret i tre grupper, som bestemt, hvad banner (hvis nogen) blev placeret i toppen af ​​deres News Feed (Figur 4.17):

• en kontrolgruppe.
• en oplysende besked om at stemme med et klikbart "Jeg Stemte" knappen og en tæller (info).
• en oplysende besked om at stemme med et klikbart "Jeg Stemte" knappen og en tæller + navne og billeder af deres venner, som allerede havde klikket "I Stemte" (info + social).

Bond og kolleger undersøgte to vigtigste resultater: rapporterede stemme adfærd og selve afstemningen adfærd. Først, fandt de, at folk i info + social gruppe var omkring 2 procentpoint mere tilbøjelige end folk i info-gruppen til at klikke "Jeg Stemte" (ca. 20% vs. 18%). Endvidere efter forskerne fusionerede deres data med offentligt tilgængelige afstemningsresultaterne for omkring 6 millioner mennesker, de fandt, at folk i info + social gruppe var 0,39 procentpoint mere tilbøjelige til rent faktisk at stemme end folk i kontrolgruppen stand, og at folk i info-gruppen lige så tilbøjelige til at stemme som folk i kontrolgruppen tilstand (Figur 4.17).

Figur 4.17: Resultater fra en get-out-the-afstemning eksperiment på Facebook (Bond et al. 2012) . Deltagere i info-gruppen stemte i samme takt som folk i kontrolgruppen tilstand, men folk i info + social gruppe stemte på et lidt højere sats. Søjler repræsenterer anslået 95% konfidensintervaller. Resultater i grafen omfatter omkring 6 millioner deltagere, for hvem forskerne kunne matche til afstemningsresultaterne.

Dette eksperiment viser, at nogle online get-out-the-afstemning beskeder er mere effektive end andre, og det viser, at forskerens vurdering af effektiviteten af ​​en behandling kan afhænge af, om de studerer rapporteret eller faktiske adfærd. Dette eksperiment desværre ikke tilbyde nogen fingerpeg om de mekanismer, hvorigennem den sociale information-som nogle forskere legende har kaldt en "ansigt bunke" -Øget afstemning. Det kunne være, at den sociale oplysninger øget sandsynligheden for, at en person bemærket banner eller at den øgede sandsynligheden for, at en person, der bemærket banneret faktisk stemt eller begge dele. Således dette forsøg giver en interessant opdagelse, at yderligere forsker sandsynligvis vil undersøge (se fx Bakshy, Eckles, et al. (2012) ).

Ud over at fremme målene for forskerne, dette eksperiment også avancerede målet for partnerorganisationen (Facebook). Hvis du ændrer studeret fra at stemme til at købe sæbe adfærd, så kan du se, at undersøgelsen har nøjagtig samme struktur som et eksperiment for at måle effekten af online annoncer (se fx Lewis and Rao (2015) ). Disse ad effektivitet undersøgelser ofte måle effekten af eksponering for online annoncer-behandlingerne i Bond et al. (2012) er dybest set annoncer for afstemningen-on offline adfærd. Således kunne denne undersøgelse rykke Facebooks evne til at undersøge effektiviteten af ​​online annoncer og kunne hjælpe Facebook overbevise potentielle annoncører, som Facebook-annoncer er effektive.

Selvom interesser forskerne og partnere meste rettet i denne undersøgelse, var de også delvist i spænding. Især fordelingen af ​​deltagere til tre betingelser-kontrol, info og info + social-blev voldsomt ubalanceret: 98% af prøven blev tildelt info + social. Denne ubalance fordeling er ineffektiv statistisk, og en meget bedre fordeling for forskerne ville have været 1/3 af deltagerne i hver gruppe. Men, skete det ubalancerede fordeling, fordi Facebook ønskede alle at modtage info + social behandling. Heldigvis forskerne overbeviste dem til at holde tilbage 1% for et beslægtet behandling og 1% af deltagerne til en kontrolgruppe. Uden kontrolgruppen ville det have været stort set umuligt at måle effekten af ​​info + social behandling, fordi det ville have været en "forstyrrer og observere" eksperiment snarere end et randomiseret kontrolleret forsøg. Dette eksempel giver en værdifuld praktisk lektion for at arbejde med partnere: nogle gange du opretter et eksperiment ved at overbevise nogen til at levere en behandling, og nogle gange du opretter et eksperiment ved at overbevise nogen ikke at afgive en behandling (dvs. at skabe en kontrolgruppe).

Partnerskab ikke altid behøver at involvere tech virksomheder og A / B-test med millioner af deltagere. For eksempel, Alexander Coppock, Andrew Guess, og John Ternovski (2016) indgået et samarbejde med en miljø-NGO (League of Conservation Vælgerne) til at køre eksperimenter testning forskellige strategier til fremme af social mobilisering. Forskerne brugte ngo'er Twitter-konto til at sende både offentlige tweets og private direkte meddelelser, der forsøgte at prime forskellige identiteter. Forskerne derefter måles, hvilke af disse meddelelser var mest effektive til at tilskynde folk til at underskrive et andragende og retweet oplysninger om et andragende.

Samlet set partnering med den magtfulde gør det muligt at du operere på en skala, der er svært at gøre andet, og tabel 4.3 giver andre eksempler på partnerskaber mellem forskere og organisationer. Partnering kan være meget lettere end at bygge dit eget eksperiment. Men disse fordele kommer med ulemper: partnerskaber kan begrænse den slags deltagere, behandlinger og resultater, som du kan studere. Endvidere kan disse partnerskaber føre til etiske udfordringer. Den bedste måde at få øje på en mulighed for et partnerskab er at lægge mærke til et reelt 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 få øje på problemer i Pasteurs Kvadrant, men med praksis, vil du begynde at lægge mærke til dem mere og mere.