4.5.2 Δημιουργία εταιρικής σχέσης με την ισχυρή

Εταιρική συνεργασία μπορεί να μειώσει το κόστος και να αυξήσει την κλίμακα, αλλά μπορεί να αλλάξει το είδος των συμμετεχόντων, τις θεραπείες, και τα αποτελέσματα που μπορείτε να χρησιμοποιήσετε.

Η εναλλακτική λύση για να το κάνετε μόνοι σας συνεργάζεται με έναν ισχυρό οργανισμό, όπως μια εταιρεία, κυβέρνηση, ή ΜΚΟ. Το πλεονέκτημα της εργασίας με έναν εταίρο είναι ότι μπορούν να σας δώσει τη δυνατότητα να τρέξει τα πειράματα που απλά δεν μπορείτε να κάνετε μόνοι σας. Για παράδειγμα, ένα από τα πειράματα που θα σας πω για το παρακάτω συμμετέχουν 61 εκατομμύρια συμμετέχοντες? κανένας μεμονωμένος ερευνητής θα μπορούσε να επιτύχει αυτό το μέγεθος. Την ίδια στιγμή που η εταιρική συνεργασία αυξάνει το τι μπορείτε να κάνετε, επίσης, ταυτόχρονα, θα περιορίζει. Για παράδειγμα, οι περισσότερες εταιρείες δεν θα σας επιτρέψει να εκτελέσετε ένα πείραμα που θα μπορούσε να βλάψει τις επιχειρήσεις τους ή τη φήμη τους. Συνεργασία με τους εταίρους σημαίνει επίσης ότι όταν έρχεται η ώρα να δημοσιεύσει, μπορεί να έρθει υπό πίεση για να «επανα-πλαισίου" τα αποτελέσματά σας, και ορισμένοι εταίροι θα μπορούσαν ακόμη και να προσπαθήσει να εμποδίσει τη δημοσίευση της εργασίας σας, αν τους κάνει να φαίνονται άσχημα. Τέλος, συνεργάζεται, επίσης, έρχεται με δαπάνες που σχετίζονται με την ανάπτυξη και τη διατήρηση αυτών των συνεργασιών.

Η πρόκληση πυρήνα που πρέπει να επιλυθούν για να κάνουν αυτές τις συνεργασίες επιτυχής είναι να βρεθεί ένας τρόπος για την εξισορρόπηση των συμφερόντων των δύο μερών, καθώς και ένα χρήσιμο τρόπο για να σκεφτεί για αυτό το ισοζύγιο είναι Quadrant Παστέρ (Stokes 1997) . Πολλοί ερευνητές πιστεύουν ότι αν εργάζεστε σε κάτι πρακτικό, κάτι που θα μπορούσε να ενδιαφέρουν έναν εταίρο, τότε δεν μπορούν να κάνουν πραγματική επιστήμη. Αυτή η νοοτροπία θα καταστήσει πολύ δύσκολο να δημιουργήσει επιτυχημένες συνεργασίες, και αυτό συμβαίνει επίσης να είναι εντελώς λάθος. Το πρόβλημα με αυτόν τον τρόπο σκέψης είναι θαυμάσια φαίνεται από την πορεία-σπάζοντας έρευνα του βιολόγου Louis Pasteur. Ενώ εργάζεται πάνω σε ένα εμπορικό έργο ζύμωσης για να μετατρέψετε το χυμό τεύτλων σε αλκοόλη, Pasteur ανακάλυψε μια νέα κατηγορία μικροοργανισμών που τελικά οδήγησε στη θεωρία μικρόβιο της νόσου. Αυτή η ανακάλυψη λυθεί ένα πολύ πρακτικό πρόβλημα-αυτό συνέβαλε στη βελτίωση της διαδικασίας της ζύμωσης, και να οδηγήσει σε μια σημαντική επιστημονική πρόοδο. Έτσι, αντί να σκεφτόμαστε για την έρευνα με πρακτικές εφαρμογές, όπως είναι σε σύγκρουση με την πραγματική επιστημονική έρευνα, είναι καλύτερα να τα φανταστείτε σαν δύο ξεχωριστές διαστάσεις. Η έρευνα μπορεί να υποκινούνται από τη χρήση (ή όχι) και η έρευνα μπορούν να αναζητήσουν τα θεμελιώδη κατανόηση (ή όχι). Κριτικά, ορισμένα ερευνητικά-όπως Pasteur's-μπορεί να υποκινούνται από τη χρήση και αναζητούν θεμελιώδη κατανόηση (Σχήμα 4.16). Η έρευνα στο Quadrant-έρευνα του Pasteur που προωθεί εγγενώς δύο γκολ, είναι ιδανικό για συνεργασίες μεταξύ των ερευνητών και συνεργατών. Δεδομένου ότι το υπόβαθρο, θα περιγράψω δύο πειραματικές μελέτες με συνεργασίες: ένα με μια εταιρεία και ένα με μια ΜΚΟ.

Σχήμα 4.16: Quadrant Pasteur (βάσει της Εικ 3.5 από Stokes (1997) ). Αντί να σκεφτόμαστε την έρευνα είτε ως «βασική» ή «εφαρμόζεται» είναι καλύτερα να σκεφτούμε την έρευνα, όπως υπαγορεύεται από τη χρήση (ή όχι) και αναζητώντας τα θεμελιώδη κατανόηση (ή όχι). Ένα παράδειγμα της έρευνας που τόσο έχει ως κίνητρο με τη χρήση και επιδιώκει θεμελιώδη κατανόηση είναι το έργο Παστέρ για τη μετατροπή χυμό τεύτλων σε αλκοόλη που οδηγούν στη θεωρία μικρόβιο της νόσου. Αυτό είναι το είδος της εργασίας που είναι η καταλληλότερη για εταιρικές σχέσεις με τον ισχυρό. Παραδείγματα εργασίας υποκινούνται από τη χρήση, αλλά ότι δεν επιδιώκει θεμελιώδη κατανόηση προέρχονται από τον Thomas Edison, και τα παραδείγματα της εργασίας που δεν έχει ως κίνητρο την χρήση, αλλά που επιδιώκει την κατανόηση προέρχονται από τον Niels Bohr. Δείτε Stokes (1997) για μια πιο διεξοδική συζήτηση αυτού του πλαισίου και κάθε μια από αυτές τις περιπτώσεις.

Οι μεγάλες εταιρείες, κυρίως εταιρείες τεχνολογίας, έχουν αναπτύξει απίστευτα εξελιγμένες υποδομές για την εκτέλεση πολύπλοκων πειραμάτων. Στη βιομηχανία τεχνολογίας, αυτά τα πειράματα συχνά ονομάζονται δοκιμές A / B (επειδή δοκιμαστεί η αποτελεσματικότητα των δύο θεραπειών: Α και Β). Αυτά τα πειράματα είναι συχνά τρέχει για τα πράγματα όπως την αύξηση click-through επιτόκια στις διαφημίσεις, αλλά η ίδια πειραματική υποδομή μπορεί επίσης να χρησιμοποιηθεί για την έρευνα που προωθεί την επιστημονική κατανόηση. Ένα παράδειγμα που δείχνει τις δυνατότητες αυτού του είδους η έρευνα είναι μια μελέτη που διεξήχθη από μια εταιρική σχέση μεταξύ των ερευνητών στο Facebook και το Πανεπιστήμιο της Καλιφόρνια, Σαν Ντιέγκο, σχετικά με τις επιπτώσεις των διαφορετικών μηνυμάτων για την προσέλευση των ψηφοφόρων (Bond et al. 2012) .

Στις 2 Νοεμβρίου 2010, την ημέρα των εκλογών του Κογκρέσου, όλες ΗΠΑ 61 εκατομμύρια χρήστες του Facebook που ζουν στις ΗΠΑ και είναι άνω των 18 ετών έλαβαν μέρος στο πείραμα σχετικά με την ψηφοφορία. Κατά την επίσκεψη του Facebook, οι χρήστες χωρίστηκαν τυχαία σε τρεις ομάδες, οι οποίες καθορίζεται ποια banner (εάν υπάρχουν) τοποθετήθηκε στην κορυφή της News Feed τους (Σχήμα 4.17):

• μια ομάδα ελέγχου.
• ένα ενημερωτικό μήνυμα σχετικά με την ψηφοφορία με ένα κλικ "Ψήφισα" και ένα μετρητή (info).
• ένα ενημερωτικό μήνυμα σχετικά με την ψηφοφορία με ένα κλικ "Ψήφισα" και ένας μετρητής + ονόματα και τις φωτογραφίες των φίλων τους που είχαν ήδη κάνει κλικ στο "Ψήφισα" (info + κοινωνική).

Bond και οι συνεργάτες του μελέτησαν δύο κύρια αποτελέσματα: αναφερθεί ψήφου συμπεριφορά και την πραγματική συμπεριφορά της ψηφοφορίας. Κατ 'αρχάς, οι ερευνητές διαπίστωσαν ότι οι άνθρωποι στο info + κοινωνικής ομάδας ήταν περίπου 2 ποσοστιαίες μονάδες πιο πιθανό από ό, τι οι άνθρωποι στην ομάδα πληροφορίες για να κάνετε κλικ στο "Ψήφισα" (περίπου 20% έναντι 18%). Περαιτέρω, αφού οι ερευνητές συγχωνευθούν τα δεδομένα τους με δημόσια διαθέσιμες εγγραφές ψηφοφορίας για περίπου 6 εκατομμύρια άνθρωποι βρήκαν ότι οι άνθρωποι στο info + κοινωνική ομάδα ήταν 0,39 ποσοστιαίες μονάδες πιο πιθανό πραγματικά να ψηφίσουν από ό, τι οι άνθρωποι στην κατάσταση ελέγχου και ότι οι άνθρωποι στο info ομάδα εξίσου πιθανό να ψηφίσουν, καθώς οι άνθρωποι στην κατάσταση ελέγχου (Σχήμα 4.17).

Σχήμα 4.17: Αποτελέσματα από ένα πείραμα get-out-η-ψηφοφορία στο Facebook (Bond et al. 2012) . Οι συμμετέχοντες στο info ομάδα ψήφισε με τον ίδιο ρυθμό όπως οι άνθρωποι σε κατάσταση ελέγχου, αλλά οι άνθρωποι στο info + κοινωνική ομάδα ψήφισε σε ελαφρώς υψηλότερο ποσοστό. Μπαρ αντιπροσωπεύουν εκτιμάται ότι το 95% διαστήματα εμπιστοσύνης. Τα αποτελέσματα στο γράφημα περιλαμβάνει περίπου 6.000.000 συμμετέχοντες για τους οποίους οι ερευνητές θα μπορούσε να ταιριάζει με τα αρχεία της ψηφοφορίας.

Αυτό το πείραμα δείχνει ότι μερικές σε απευθείας σύνδεση μηνύματα get-out-ο-ψηφοφορίας είναι πιο αποτελεσματικές από άλλες, και αυτό δείχνει ότι η εκτίμηση των ερευνητών της αποτελεσματικότητας της θεραπείας μπορεί να εξαρτάται από το αν μελετήσει αναφερθεί ή πραγματική συμπεριφορά. Το πείραμα αυτό, δυστυχώς, δεν προσφέρει καμία ενδείξεις σχετικά με τους μηχανισμούς μέσω των οποίων η κοινωνική πληροφοριών που ορισμένοι ερευνητές έχουν παιχνιδιάρικα ονομάζεται «πρόσωπο σωρό" -Αύξηση ψήφου. Θα μπορούσε να είναι ότι η κοινωνική πληροφορίες αύξησε την πιθανότητα ότι κάποιος παρατηρήσει το banner ή ότι αύξησε την πιθανότητα ότι κάποιος που παρατήρησε το λάβαρο πραγματικά ψήφισαν ή και τα δύο. Έτσι, αυτό το πείραμα παρέχει μια ενδιαφέρουσα διαπίστωση ότι η περαιτέρω ερευνητής πιθανόν θα διερευνήσει (βλέπε π.χ., Bakshy, Eckles, et al. (2012) ).

Εκτός από την προώθηση των στόχων των ερευνητών, αυτό το πείραμα προχώρησε επίσης το στόχο του οργανισμού-εταίρου (Facebook). Εάν αλλάξετε τη συμπεριφορά που μελετήθηκαν από την ψηφοφορία για την αγορά σαπούνι, στη συνέχεια, μπορείτε να δείτε ότι η μελέτη έχει ακριβώς την ίδια δομή ως ένα πείραμα για να μετρηθεί η επίδραση των online διαφημίσεων (βλέπε π.χ., Lewis and Rao (2015) ). Αυτές οι μελέτες αποτελεσματικότητας διαφήμισης μετρούν συχνά το αποτέλεσμα της έκθεσης σε απευθείας σύνδεση διαφημίσεις τις θεραπείες στο Bond et al. (2012) είναι βασικά διαφημίσεις για την ψηφοφορία-on offline συμπεριφορά. Έτσι, η μελέτη αυτή θα μπορούσε να προωθήσει την ικανότητα του Facebook για να μελετήσει την αποτελεσματικότητα των online διαφημίσεις και θα μπορούσε να βοηθήσει Facebook πείσει τους πιθανούς διαφημιστές ότι το Facebook διαφημίσεις είναι αποτελεσματικές.

Ακόμα κι αν τα συμφέροντα των ερευνητών και των εταίρων ως επί το πλείστον ευθυγραμμισμένες σε αυτή τη μελέτη, ήταν επίσης εν μέρει στην ένταση. Ειδικότερα, η κατανομή των συμμετεχόντων στα τρία συνθήκες ελέγχου, πληροφορίες και πληροφορίες + κοινωνικής ήταν εξαιρετικά ισορροπημένη: 98% του δείγματος είχε ανατεθεί info + κοινωνική. Αυτή η ισορροπημένη κατανομή είναι αναποτελεσματική στατιστικά, και μια πολύ καλύτερη κατανομή για τους ερευνητές θα έχουν το 1/3 των συμμετεχόντων σε κάθε ομάδα. Όμως, η μη ισορροπημένη κατανομή συνέβη επειδή το Facebook ήθελε ο καθένας να λάβει τις πληροφορίες + κοινωνική θεραπεία. Ευτυχώς, οι ερευνητές τους έπεισε να κρατήσει πίσω του 1% για μια σχετική θεραπεία και 1% των συμμετεχόντων σε μια ομάδα ελέγχου. Χωρίς την ομάδα ελέγχου θα ήταν ουσιαστικά αδύνατο να μετρηθεί η επίδραση του info + κοινωνική θεραπεία, διότι θα ήταν ένα πείραμα "διαταράξει και να τηρούν" παρά μια τυχαιοποιημένη ελεγχόμενη πείραμα. Αυτό το παράδειγμα παρέχει ένα πολύτιμο πρακτικό μάθημα για την εργασία με τους εταίρους: μερικές φορές δημιουργείτε ένα πείραμα με να πείσει κάποιον να παραδώσει μια θεραπεία και μερικές φορές δημιουργείτε ένα πείραμα με να πείσει κάποιον να μην παραδώσει μια θεραπεία (δηλαδή, για να δημιουργήσετε μια ομάδα ελέγχου).

Εταιρική σχέση δεν πρέπει πάντα να περιλαμβάνει τις εταιρείες τεχνολογίας και δοκιμές A / B με τα εκατομμύρια των συμμετεχόντων. Για παράδειγμα, ο Αλέξανδρος Coppock, Andrew Guess, και John Ternovski (2016) συνεργάζεται με την περιβαλλοντική ΜΚΟ (League of διατήρησης ψηφοφόρων) για να τρέξει τις δοκιμές πειράματα διαφορετικές στρατηγικές για την προώθηση της κοινωνικής κινητοποίησης. Οι ερευνητές χρησιμοποίησαν Twitter λογαριασμό της ΜΚΟ για να στείλει τόσο του δημόσιου όσο και του ιδιωτικού tweets άμεσα μηνύματα που προσπάθησε να προνομιακή διαφορετικά είδη ταυτοτήτων. Οι ερευνητές στη συνέχεια μετράται ποια από αυτά τα μηνύματα ήταν πιο αποτελεσματικό για την ενθάρρυνση των πολιτών να υπογράψουν μια αίτηση και retweet πληροφορίες σχετικά με μια αίτηση.

Συνολικά, συνεργάζεται με τον ισχυρό δίνει τη δυνατότητα να λειτουργείτε σε μια κλίμακα που είναι δύσκολο να γίνει αλλιώς, και ο πίνακας 4.3 παρέχει άλλα παραδείγματα συνεργασιών μεταξύ ερευνητών και οργανισμών. Εταιρική σχέση μπορεί να είναι πολύ πιο εύκολο από ό, τι την οικοδόμηση δικό σας πείραμα. Όμως, τα πλεονεκτήματα αυτά έρχονται με μειονεκτήματα: συνεργασίες μπορεί να περιορίσει τα είδη των συμμετεχόντων, τις θεραπείες, και τα αποτελέσματα που μπορείτε να μελετήσετε. Περαιτέρω, οι συμπράξεις αυτές μπορούν να οδηγήσουν σε ηθικές προκλήσεις. Ο καλύτερος τρόπος για να εντοπίσετε την ευκαιρία για μια εταιρική σχέση είναι να παρατηρήσετε ένα πραγματικό πρόβλημα που μπορεί να λύσει, ενώ κάνετε ενδιαφέρουσα επιστήμη. Εάν δεν χρησιμοποιούνται με αυτό τον τρόπο θεώρησης του κόσμου, μπορεί να είναι δύσκολο να εντοπιστούν προβλήματα στο Quadrant Pasteur, αλλά με την πρακτική, θα αρχίσετε να παρατηρείτε τους όλο και περισσότερο.