4.5.2 Partnero kun la potenca

Partnering povas redukti kostojn kaj pliigi skalo, sed ĝi povas ŝanĝi la specoj de partoprenantoj, traktadoj, kaj Outcomes ke vi povas uzi.

La alternativo al faranta ĝin vi mem estas partnera kun potenca organizo kiel ekzemple entrepreno, registaro, aŭ NRO. La avantaĝon de labori kun partnero estas ke ili povas permesi al vi kuri eksperimentoj kiujn vi simple ne povas fari mem. Ekzemple, unu el la eksperimentoj kiujn mi diros al vi pri sube implikitaj 61 milionoj partoprenantoj; neniu individua esploristo povus atingi tiun skalon. Samtempe ke partnering pliigas kion vi povas fari, ĝi ankaŭ, samtempe, limigas vin. Ekzemple, plej kompanioj ne permesas kuri eksperimento kiu povus malutili iliajn negoco aŭ ilia reputacio. Laborante kun partneroj ankaŭ signifas ke kiam temas tempo por publikigi, vi venu sub premo al "re-kadro" viajn rezultojn, kaj kelkaj partneroj povus eĉ provi bloki la publikigado de via laboro, se ĝi faras ilin rigardi malbona. Fine, partnera ankaŭ venas kun kostoj rilate al evoluantaj kaj subtenante tiujn kunlaboradojn.

La kerna defio kiu devas esti solvita por fari tiujn partnerecojn sukcesa estas trovi manieron ekvilibrigi la interesojn de ambaŭ partioj, kaj helpema maniero pensi ke ekvilibro estas Pasteur Quadrant (Stokes 1997) . Multaj esploristoj opinias ke se oni laboras pri io praktika-io kiu povus esti de intereso al partnero-tiam oni ne povas fari vera scienco. Tiun pensmanieron faros ĝin tre malfacila krei sukcesan partnerecoj, kaj ĝi ankaŭ hazarde estas tute erara. La problemo kun ĉi pensmaniero estas mirinde ilustrita de la vojo-rompanta esploron de biologo Louis Pasteur. Dum verkado de komerca fermentado projekto konverti beto suko en alkoholo, Pasteur malkovris novan klason de mikroorganismo kiu poste kondukis al la ĝermon teorio de malsano. Tiu malkovro solvita tre praktika problemo-helpis plibonigi la procezon de fermentado-kaj ĝi kondukas al grava scienca antaŭeniro. Tiel, anstataŭ pensi pri esploro kun praktikaj aplikoj kiel estante en konflikto kun veraj sciencaj esploroj, estas pli bone pensi pri tiuj kiel du apartaj dimensioj. Esploro povas esti motivita de uzo (aŭ ne) kaj esploroj povas serĉi fundamentan komprenon (aŭ ne). Kritike, iuj esploroj similajn Pasteur's-povas esti motivita de uzo celanta fundamenta kompreno (Figuro 4.16). Esploro en Pasteur Quadrant-esploroj kiuj propre antaŭas du golojn-estas ideala por kunlaboradoj inter esploristoj kaj partneroj. Donita ke fonon, mi priskribi du eksperimentajn studojn kun partnerecoj: unu kun entrepreno kaj kun ONG.

Figuro 4.16: Pasteur Quadrant (bazita sur Fig 3.5 de Stokes (1997) ). Anstataŭ pensas esploro kiel ĉu "baza" aŭ "aplikita" estas pli bone pensi pri esploro kiel motivita de uzo (aŭ ne) celanta fundamenta kompreno (aŭ ne). Ekzemplo de esplorado kiuj ambaŭ estas motivita de uzo kaj serĉas fundamenta kompreno estas Pasteur verko pri konvertado beto suko en alkoholo kiu kondukas al la ĝermon teorio de malsano. Tio estas la speco de laboro kiu taŭgas por partnerecoj kun la potenca. Ekzemploj de laboro motivita de uzo sed tio ne celas fundamenta kompreno venas de Thomas Edison, kaj ekzemploj de laboro kiu ne estas motivita per uzo sed kiu celas komprenon venas de Niels Bohr. Vidu Stokes (1997) por pli funda diskuto de ĉi kadro kaj ĉiu de ĉi tiuj kazoj.

Grandaj kompanioj, aparte tech firmaoj, evoluigis nekredeble kompleksa infrastrukturo lanĉadon kompleksajn eksperimentojn. En la teknologio industrio, tiuj eksperimentoj estas ofte nomita A / B testoj (ĉar testi la efikecon de du traktadoj: A kaj B). Tiuj eksperimentoj estas ofte kuri por aĵoj kiel kreskanta klaku-tra impostoj sur anoncoj, sed la sama eksperimenta infrastrukturo povas ankaŭ esti uzita por esplorado kiu antaŭas scienca kompreno. Ekzemplo kiu ilustras la potencial de ĉi tiu speco de esplorado estas studo efektivigita de partnereco inter investigadores de Facebook kaj la Universitato de Kalifornio, San Diego, sur la efektoj de malsamaj mesaĝojn sur balotpartopreno (Bond et al. 2012) .

Novembro 2, 2010-la tago de la usona kongresaj elektoj-ĉiuj 61 milionoj uzantoj de Facebook kiu vivas en Usono kaj estras 18 partoprenis en la eksperimento pri balotado. Sur vizitante Facebook, uzantoj estis hazarde asignita al unu el tri grupoj, kiuj determinas kion standardo (se entute) estis metita ĉe la pinto de ilia Novaĵoj Feed (Figuro 4.17):

• grupo de kontrolo.
• informa mesaĝo pri voĉdonado per alklakebla "Mi Voĉdonita" butono kaj kontraŭrevolucio (info).
• informa mesaĝo pri voĉdonado per alklakebla "Mi Voĉdonita" butono kaj kontraŭrevolucio + nomojn kaj fotojn de siaj amikoj, kiuj jam klakis la "mi Voĉdonita" (info + socia).

Kupono kaj kolegoj studis du ĉefajn rezultoj: raportis voĉdonantaj konduto kaj fakta voĉdonado konduto. Unue, ili trovis ke homoj en la info + socia grupo estis proksimume 2 procentoj pli verŝajna ol homoj en la info grupo alklaki "Mi Voĉdonita" (ĉirkaŭ 20% vs 18%). Plui, post la esploristoj kunfandis iliajn datumojn publike haveblaj registroj de balotado por proksimume 6 milionoj da homoj trovis ke homoj en la info + socia grupo estis 0.39 porcentuales pli verŝajna por fakte voĉdoni ol homoj en la kontrolo kondiĉo kaj ke homoj en la info grupo same verŝajna voĉdoni kiel homoj en la kontrolo kondiĉo (Figuro 4.17).

Figuro 4.17: Rezultoj de akiri-ekstere-la-voĉdono eksperimento en Facebook (Bond et al. 2012) . Partoprenantoj en la info grupo voĉdonis je la sama rapideco kiel homoj en la kontrolo kondiĉo, sed homo en la info + socia grupo voĉdonis en iomete pli alta imposto. Stangoj reprezentas ĉirkaŭkalkulata 95% fidaj intervaloj. Rezultoj en la grafeo inkludas ĉirkaŭ 6 milionoj de individuoj por kiuj esploristoj povis parigi al registroj de balotado.

Tiu eksperimento montras ke kelkaj rete akiri-ekstere-la-voĉdono mesaĝoj estas pli efika ol aliaj, kaj ĝi montras ke esploristo la takso de la efikeco de la traktado povas dependi sur ĉu ili studas raportis aŭ fakta konduto. Tiu eksperimento bedaŭrinde ne proponas neniun aŭtoveturejojn sur la mekanismojn tra kiuj la socia informo-kiu iuj investigadores ludeme nomis "vizaĝo stako" -increased balotado. Ĝi eblus ke la socia informo pliigis la probablo ke iu rimarkis la standardo aŭ ke ĝi pliigis la probablo ke iu kiu rimarkis la standardo vere voĉdonis aŭ ambaŭ. Tiel, tiu eksperimento provizas interesan trovon ke plua esploristo verŝajne esplori (vidu ekz Bakshy, Eckles, et al. (2012) ).

Krom antaŭante la celoj de la esploristoj, tiu eksperimento ankaŭ antaŭis la celo de la partnero organizo (Facebook). Se vi ŝanĝas la konduton studis de voĉdonado por aĉeti sapon, tiam vi povas vidi ke la studo havas la ĝusta sama strukturo kiel eksperimento por mezuri la efikon de retaj anoncoj (vidu ekz Lewis and Rao (2015) ). Tiuj ad efikeco studoj ofte mezuri la efikon de la ekspozicio al enreta ads-la traktadoj en Bond et al. (2012) estas esence anoncoj por balotado-sur offline konduto. Tiel, ĉi tiu studo povis antaŭi Facebook kapablon studi la efikecon de enreta ads kaj povus helpi Facebook konvinki eblaj reklamantoj ke Facebook anoncoj estas efikaj.

Kvankam la interesoj de la esploristoj kaj partneroj estis plejparte vicigitaj en tiu studo, ili ankaŭ parte en streĉiĝo. Aparte, la atribuo de partoprenantoj al la tri kondiĉojn-kontrolo, info, kaj info + socia- estis terure imbalanced: 98% de la specimeno estis asignita al info + socia. Tiun imbalanced atribuo estas ineficiente statistike, kaj multe pli bona atribuo por la esploristoj estus estis 1/3 de la partoprenantoj en cxiu grupo. Sed, la imbalanced atribuo okazis ĉar Facebook volis ĉiuj ricevi la info + socia traktado. Feliĉe, la esploristoj konvinkis ilin reteni 1% por rilata kuracado kaj 1% de partoprenantoj por kontrolgrupo. Sen la kontrolgrupo ĝi estus esence neeble mezuri la efikon de la info + socia traktado ĉar ĝi estus estinta "inmutó kaj observi" eksperimento anstataŭ randomigitaj kontrolitaj eksperimento. Tiu ekzemplo disponigas valoran praktikan lecionon por labori kun partneroj: foje oni kreas eksperimento de konvinki iun liveri traktado kaj kelkfoje vin krei eksperimenton de konvinki iun ne liveri traktado (te krei kontrolgrupo).

Partnereco ne ĉiam devas engaĝi tech entreprenoj kaj A / B testoj kun milionoj da partoprenantoj. Ekzemple, Aleksandro Coppock, Andrew Guess, kaj John Ternovski (2016) partnerita kun media NRO (Ligo de Conservation Voters) kuri eksperimentoj testado malsamaj strategioj por promocii socian mobilizon. La investigadores uzis la ONG Twitter konton por sendi ambaŭ publika tweets kaj privataj rektaj mesaĝoj kiuj provis primo malsamaj tipoj de identecoj. La esploristoj tiam mezuris kiu el tiuj mesaĝoj estis plej efikaj por instiganta homojn por subskribi peticion kaj retweet informoj pri peticio.

Entute, asocio kun la potenca ebligas al vi operacii al skalo kiu estas malfacile fari malsame kaj Tablo 4.3 provizas aliajn ekzemplojn de partnerecoj inter esploristoj kaj organizoj. Partnering povas esti multe pli facile ol konstrui vian propran eksperimenton. Sed, tiuj avantaĝoj venas kun malavantaĝoj: partnerecoj povas limigi la specojn de partoprenantoj, traktadoj, kaj rezultoj kiujn vi povas studi. Plui, tiuj partnerecoj povas konduki al etikaj defioj. La plej bona maniero por ekvidi ŝancon por partnereco estas rimarki vera problemo ke vi povas solvi dum vi faras interesa scienco. Se vi ne estas uzita al tiu maniero rigardi la mondon, ĝi povas esti malfacile ekvidi problemojn en Pasteur Quadrant, sed kun praktiko, Vi komencas rimarki ilin pli kaj pli.