4.5.2 Asociarse con los poderosos

La asociación puede reducir costes y aumentar la escala, pero puede alterar los tipos de participantes, tratamientos y las consecuencias que se pueden utilizar.

La alternativa a hacerlo usted mismo se ha asociado con una organización poderosa como una empresa, gobierno o de las ONG. La ventaja de trabajar con un socio es que se le puede permitir llevar a cabo experimentos que simplemente no puede hacer por sí mismo. Por ejemplo, uno de los experimentos que os voy a contar a continuación involucradas 61 millones de participantes; ningún investigador individuo podría lograr esa escala. Al mismo tiempo que la asociación aumenta lo que puede hacer, también, al mismo tiempo, que constriñe. Por ejemplo, la mayoría de las empresas no permite llevar a cabo un experimento que podría perjudicar su negocio o su reputación. Trabajar con socios también significa que cuando llega el momento de publicar, es posible que bajo presión para "re-marco" sus resultados, y algunos socios podrían incluso tratar de bloquear la publicación de su trabajo si se hace que se vean mal. Por último, la asociación también viene con los costos relacionados con el desarrollo y mantenimiento de estas colaboraciones.

El principal reto que tiene que ser resuelto para que estas asociaciones éxito es encontrar una manera de equilibrar los intereses de ambas partes, y una manera útil pensar que el equilibrio es de Pasteur Cuadrante (Stokes 1997) . Muchos investigadores piensan que si están trabajando en algo práctico, algo que podría ser de interés para un compañero que entonces no pueden estar haciendo ciencia real. Este modo de pensar hará que sea muy difícil crear asociaciones exitosas, y que también pasa a ser completamente equivocado. El problema con esta forma de pensar para demostrarlo es la investigación pionera del biólogo Louis Pasteur. Mientras se trabaja en un proyecto comercial de fermentación para convertir el jugo de remolacha en alcohol, Pasteur descubrió una nueva clase de microorganismo que finalmente llevó a la teoría de los gérmenes. Este descubrimiento resuelve un problema que es muy práctico ayudó a mejorar el proceso de fermentación y que condujo a un avance científico importante. Por lo tanto, en lugar de pensar acerca de la investigación con aplicaciones prácticas, en contraste también con la investigación científica verdadera, es mejor pensar en ellos como dos dimensiones separadas. La investigación puede estar motivada por el uso (o no) y la investigación puede buscar el entendimiento fundamental (o no). Críticamente, algunos de Pasteur-investigación-como puede ser motivada por el uso y la búsqueda de comprensión fundamental (Figura 4.16). La investigación en el Cuadrante de Pasteur en la investigación que avanza inherentemente dos goles, es ideal para la colaboración entre los investigadores y colaboradores. Teniendo en cuenta estos antecedentes, describiré dos estudios experimentales con asociaciones: una con una empresa y una con una ONG.

Figura 4.16: Cuadrante de Pasteur (basado en la figura 3.5 de Stokes (1997) ). En lugar de pensar de la investigación, ya sea como "base" o "aplicado", es mejor pensar en la investigación como motivada por el uso (o no) y la búsqueda de comprensión fundamental (o no). Un ejemplo de investigación que tanto está motivado por el uso y busca comprensión fundamental es el trabajo de Pasteur sobre la conversión de jugo de remolacha en alcohol que conducen a la teoría de los gérmenes. Este es el tipo de trabajo que es el más adecuado para las asociaciones con los poderosos. Ejemplos de trabajos motivados por el uso, pero que no busca comprensión fundamental proviene de Thomas Edison, y los ejemplos de trabajo que no está motivada por el uso, sino que busca la comprensión provienen de Niels Bohr. Ver Stokes (1997) para una discusión más a fondo de este marco y cada uno de estos casos.

Las grandes empresas, en particular las empresas de tecnología, han desarrollado la infraestructura increíblemente sofisticado para llevar a cabo experimentos complejos. En la industria de la tecnología, estos experimentos son a menudo llamados pruebas A / B (ya que ponen a prueba la eficacia de dos tratamientos: A y B). Estos experimentos son con frecuencia corren para cosas como el aumento de los porcentajes de clics en los anuncios, pero la misma infraestructura experimental también se pueden utilizar para la investigación que avanza el conocimiento científico. Un ejemplo que ilustra el potencial de este tipo de investigación es un estudio realizado por una colaboración entre investigadores en Facebook y de la Universidad de California, San Diego, sobre los efectos de diferentes mensajes sobre el número de votantes (Bond et al. 2012) .

El 2 de noviembre de 2010-El día de las elecciones-todos los 61 millones de usuarios de Facebook Congreso de Estados Unidos que viven en los EE.UU. y son mayores de 18 años participó en el experimento sobre la votación. Al visitar Facebook, los usuarios fueron asignados al azar en uno de los tres grupos, que han determinado lo que la bandera (si los hay) se colocó en la parte superior de su News Feed (Figura 4.17):

• un grupo de control.
• un mensaje informativo acerca de la votación se puede hacer clic con un "Voté" botón y un contador (info).
• un mensaje informativo acerca de la votación se puede hacer clic con un "Voté" botón y un contador + nombres y fotografías de sus amigos que ya habían hecho click en el "Voté" (info + social).

Bond y sus colegas estudiaron dos resultados principales: informaron comportamiento electoral y el comportamiento electoral actual. En primer lugar, se encontraron con que las personas del grupo info + social eran alrededor de 2 puntos porcentuales más probabilidades que las personas en el grupo de información para hacer clic en "Voté" (alrededor del 20% vs 18%). Además, después de que los investigadores fusionaron sus datos con los registros de votación a disposición del público por cerca de 6 millones de personas que encontraron que la gente en la información de grupo social + fueron del 0,39 puntos porcentuales más propensos a votar en realidad que las personas en la condición de control y que las personas en el grupo de información las mismas probabilidades de votar como personas en el grupo de control (Figura 4.17).

Figura 4.17: Los resultados de un experimento de get-fuera-del-voto en Facebook (Bond et al. 2012) . Los participantes en el grupo de información votaron al mismo ritmo que las personas en el grupo de control, pero la gente en la información de grupo social + votaron a una velocidad ligeramente superior. Las barras representan intervalos de confianza del 95%. Los resultados en el gráfico que incluyen cerca de 6 millones de participantes para quienes los investigadores podrían coincidir con los registros de votación.

Este experimento demuestra que algunos mensajes get-fuera-del-voto en línea son más eficaces que otros, y muestra que la estimación del investigador de la efectividad de un tratamiento puede depender de si estudian informado o el comportamiento real. Este experimento por desgracia no ofrece pistas sobre los mecanismos mediante los cuales la información social -que algunos investigadores han llamado en broma un "montón boca" voto -aumento. Podría ser que la información social aumentó la probabilidad de que alguien se diera cuenta el banner o que aumenta la probabilidad de que una persona que se dio cuenta de la bandera de hecho votó o ambos. Por lo tanto, este experimento proporciona un hallazgo interesante que más probablemente investigador explorar (véase, por ejemplo, Bakshy, Eckles, et al. (2012) ).

Además de la promoción de los objetivos de los investigadores, este experimento también avanzó el objetivo de la organización asociada (Facebook). Si cambia el comportamiento estudiado en la votación para la compra de jabón, y luego se puede ver que el estudio tiene exactamente la misma estructura como un experimento para medir el efecto de los anuncios en línea (véase, por ejemplo, Lewis and Rao (2015) ). Estos efectividad de los anuncios con frecuencia miden el efecto de la exposición a anuncios en línea-los tratamientos en Bond et al. (2012) son básicamente los anuncios para votar-en el comportamiento fuera de línea. Por lo tanto, este estudio podría avanzar en la capacidad de Facebook para estudiar la eficacia de los anuncios en línea y podría ayudar a convencer a los anunciantes potenciales Facebook que los anuncios de Facebook son eficaces.

A pesar de que el interés de los investigadores y colaboradores fueron alineadas sobre todo en este estudio, que también eran parte de la tensión. En particular, la asignación de los participantes a las tres condiciones de control, información, y la información socio-+ fue tremendamente desequilibrada: 98% de la muestra fue asignado a info + social. Esta asignación es ineficiente desequilibrada estadísticamente, y una mejor asignación de los investigadores habría sido 1/3 de los participantes en cada grupo. Sin embargo, la distribución desequilibrada sucedió porque quería que todos Facebook para recibir la información + tratamiento social. Afortunadamente, los investigadores les convenció para contener 1% para un tratamiento relacionado y 1% de los participantes de un grupo de control. Sin el grupo de control que habría sido prácticamente imposible medir el efecto de la información + tratamiento social, ya que habría sido un experimento de "perturbar y observar" en lugar de un experimento controlado aleatorio. Este ejemplo proporciona una valiosa lección práctica para trabajar con los socios: a veces se crea un experimento de convencer a alguien para ofrecer un tratamiento y, a veces crear un experimento de convencer a alguien no la entrega del tratamiento (es decir, para crear un grupo de control).

La asociación no siempre es necesario involucrar a las empresas de tecnología y las pruebas A / B con millones de participantes. Por ejemplo, Alexander Coppock, Andrew Guess, y John Ternovski (2016) se asociaron con una ONG ambiental (Liga de votantes de la conservación) para ejecutar las pruebas de experimentos diferentes estrategias para promover la movilización social. Los investigadores utilizaron la cuenta de Twitter de la ONG para enviar ambos tweets públicos y privados mensajes directos que han intentado diferentes tipos principales de identidades. Los investigadores midieron entonces cuál de estos mensajes fueron los más efectivos para animar a la gente a firmar una petición y la información acerca de una petición de retweet.

En general, la asociación con el poderoso permite operar a una escala que es difícil de hacer otra cosa, y en la Tabla 4.3 proporciona otros ejemplos de asociaciones entre los investigadores y las organizaciones. La asociación puede ser mucho más fácil que la construcción de su propio experimento. Sin embargo, estas ventajas vienen con desventajas: las asociaciones pueden limitar los tipos de participantes, los tratamientos y las consecuencias que se pueden estudiar. Además, estas asociaciones pueden dar lugar a problemas éticos. La mejor manera de detectar una oportunidad para una asociación es darse cuenta de un problema real que pueda solucionar, mientras que está haciendo la ciencia interesante. Si usted no está acostumbrado a esta forma de ver el mundo, puede ser difícil de detectar problemas en el Cuadrante de Pasteur, pero con la práctica, usted comenzará a notar más y más.