Vi povas kuri eksperimentoj ene ekzistantaj medioj, ofte sen ajna kodigo aŭ partnereco.
Logike, la plej facila maniero fari ciferecan eksperimenton kovras vian eksperimenton supre ekzistantan medion. Tiaj eksperimentoj povas esti kuritaj je sufiĉe grandskala kaj ne postulas partnerecon kun kompanio aŭ ampleksa programaro.
Ekzemple, Jennifer Doleac kaj Luke Stein (2013) utiligis interretan merkaton simila al Craigslist por ekzekuti eksperimenton, kiu mezuris rasan diskriminacion. Ili anoncis milojn da iPodoj, kaj sisteme variante la karakterizaĵojn de la vendisto, ili povis studi la efikon de raso sur ekonomiaj transakcioj. Plue, ili uzis la skalon de sia eksperimento por taksi kiam la efiko estis pli granda (heterogeneco de kuracaj efikoj) kaj por proponi iujn ideojn pri kial la efiko povus okazi (mekanismoj).
La reklamoj de Doleac kaj Stein variis laŭ tri ĉefaj dimensioj. Unue, la esploristoj variis la karakterizaĵojn de la vendisto, kiu estis markita per la mano fotita tenante la iPod [blanka, nigra, blanka kun tatuaje] (figuro 4.13). Due, ili variis la petanta prezon [$ 90, $ 110, $ 130]. Tria, ili variis la kvaliton de la ad-teksto [alta kvalito kaj malalta kvalito (ekzemple, eraroj de civilizacio kaj eraroj de spelino)]. Tiel, la aŭtoroj havis 3 \(\times\) 3 \(\times\) 2 dezajno kiu estis disfaldita en pli ol 300 lokaj merkatoj, kiuj iras de urboj (ekz. Kokomo, Indiana kaj Norda Platte, Nebrasko) al mega- urboj (ekz., Nov-Jorko kaj Los-Anĝeleso).
Promesitaj tra ĉiuj kondiĉoj, la rezultoj estis pli bonaj por la blankaj vendistoj ol la nigraj vendistoj, kun la tatuitaj vendistoj havantaj mezajn rezultojn. Ekzemple, la blankaj vendistoj ricevis pli da ofertoj kaj havis pli altajn finaĵojn de vendo. Pli tie de ĉi tiuj duonaj efikoj, Doleac kaj Stein taksis la heterogenecon de efikoj. Ekzemple, antaŭdiro de antaŭa teorio estas, ke diskriminacio estus malpli en merkatoj, kie ekzistas pli da konkurado inter aĉetantoj. Uzante la nombro da ofertoj en tiu merkato kiel mezuro de la kvanto de aĉetanto-konkurado, la esploristoj trovis, ke nigraj vendistoj efektive ricevis plej malbonajn ofertojn en merkatoj kun malalta grado de konkurenco. Plie, komparante rezultojn por anoncoj kun alta kvalito kaj malalta kvalito, Doleac kaj Stein trovis, ke la kvalito de anoncoj ne efikis la malavantaĝon de nigraj kaj tatuitaj vendistoj. Fine, utiligante la fakton, ke publikejoj estis metitaj en pli ol 300 merkatoj, la aŭtoroj trovis, ke nigraj vendistoj estis pli malavantaĝaj en urboj kun altaj krimoj kaj alta loĝanta apartigo. Neniu el ĉi tiuj rezultoj donas al ni precizan komprenon pri precize kial nigraj vendistoj havis pli malbonajn rezultojn, sed, kombinite kun la rezultoj de aliaj studoj, ili povas komenci informi teoriojn pri kaŭzoj de rasa diskriminacio en malsamaj tipoj de ekonomiaj transakcioj.
Alia ekzemplo kiu montras la kapablon de esploristoj realigi ciferecajn kampojn eksperimentojn en ekzistantaj sistemoj estas la esplorado fare de Arnout van de Rijt kaj kolegoj (2014) sur la klavoj al sukceso. En multaj aspektoj de la vivo, ŝajne similaj homoj finiĝas kun tre malsamaj rezultoj. Ebla klarigo por ĉi tiu mastro estas, ke malgrandaj kaj esence hazarda-avantaĝoj povas enfermi kaj kreski laŭlonge de tempo, procezo, kiun esploristoj nomas akumula avantaĝo . Por determini ĉu malgrandaj komencaj sukcesoj enfermas aŭ malplenigas, van de Rijt kaj kolegoj (2014) intervenis en kvar malsamaj sistemoj, kiuj donis sukceson al hazarde elektitaj partoprenantoj, kaj tiam mezuris la postajn efikojn de ĉi tiu sukceso.
Pli specife, van de Rijt kaj kolegoj (1) rekompencis monon al hazarde elektitaj projektoj en Kickstarter, koresponda retejo; (2) pozitive kvalifikitaj hazarde selektitajn recenzoj pri Epinions, produkta revizia retejo; (3) donis premiojn al hazarde elektitaj kontribuantoj al Vikipedio; kaj (4) subskribis hazarde elektitajn petojn pri change.org. Ili trovis tre similajn rezultojn inter ĉiuj kvar sistemoj: en ĉiu kazo, partoprenantoj, kiuj estis hazarde iuj fruaj sukcesoj, havis pli sukcesan sukceson ol iliaj tute ne indistinguaj samuloj (figuro 4.14). La fakto, ke la sama ŝablono aperis en multaj sistemoj pliigas la eksteran validecon de ĉi tiuj rezultoj ĉar ĝi malpliigas la ŝancon, ke ĉi tiu ŝablono estas artefakto de iu aparta sistemo.
Kune, ĉi tiuj du ekzemploj montras, ke esploristoj povas fari ciferecajn kampojn eksperimentojn sen neceso kuniĝi kun kompanioj aŭ konstrui kompleksajn ciferecajn sistemojn. Plie, tablo 4.2 provizas eĉ pli da ekzemploj kiuj montras la gamon de ebla kiam esploristoj uzas la infrastrukturon de ekzistantaj sistemoj por liveri traktadon kaj / aŭ mezuri rezultojn. Ĉi tiuj eksperimentoj estas relative malmultekostaj por esploristoj kaj ili ofertas altan gradon de realismo. Sed ili ofertas esploristojn limigitan kontrolon super la partoprenantoj, traktadoj kaj rezultoj por esti mezuritaj. Plie, ĉar eksperimentoj okazas en nur unu sistemo, esploristoj devas maltrankviligi, ke la efikoj povus esti pelitaj de sistemaj dinamikoj (ekzemple, kiel Kickstarter funkcias projektojn aŭ la vojon, kiu ŝanĝas.org petegoj, por pli da informoj, Vidu la diskuton pri algoritma konflikto en ĉapitro 2). Fine, kiam esploristoj intervenas en laboraj sistemoj, malfacilaj etikaj demandoj ŝprucas pri ebla damaĝo al partoprenantoj, ne-partoprenantoj kaj sistemoj. Ni konsideros ĉi tiujn etikajn demandojn pli detale en la ĉapitro 6, kaj estas bonega diskuto pri ili en la apendico de van de Rijt et al. (2014) . La komercajxoj, kiuj laboras en ekzistanta sistemo, ne estas idealaj por ĉiu projekto, kaj pro tio iuj esploristoj konstruas sian propran eksperimentan sistemon, kiel mi poste ilustros.
Temo | Referencoj |
---|---|
Efekto de gazetaroj sur kontribuoj al Vikipedio | Restivo and Rijt (2012) ; Restivo and Rijt (2014) ; Rijt et al. (2014) |
Efekto de kontraŭ-persekutadaj mesaĝoj sur rasismaj tweets | Munger (2016) |
Efekto de aŭkcio metodo ĉe venda prezo | Lucking-Reiley (1999) |
Efekto de reputacio pri prezo en interretaj aŭkcioj | Resnick et al. (2006) |
Efekto de vetkuro ĉe vendo de bazpilkartoj en eBay | Ayres, Banaji, and Jolls (2015) |
Efekto de vetkuro ĉe vendo de iPodoj | Doleac and Stein (2013) |
Efekto de kuro de gasto en Airbnb-luoj | Edelman, Luca, and Svirsky (2016) |
Efekto de donacoj pri la sukceso de projektoj en Kickstarter | Rijt et al. (2014) |
Efekto de raso kaj etno sur loĝejoj | Hogan and Berry (2011) |
Efekto de pozitiva rating sur estontaj ratings en Epinions | Rijt et al. (2014) |
Efekto de subskriboj pri la sukceso de petoj | Vaillant et al. (2015) ; Rijt et al. (2014) ; Rijt et al. (2016) |