4.6.1 Loo null muutuvate kulude andmed

Suurte eksperimentide käitamise võti on muuta muutuvkulud nulliks. Parimad viisid selleks on automatiseerimine ja meeldivate eksperimentide kujundamine.

Digitaalsetel eksperimentidel võivad olla dramaatiliselt erinevad kulustruktuurid, mis võimaldab teadlastel katsetada minevikus võimatuid katseid. Üks võimalus seda erinevust mõelda on märkida, et katsetel on tavaliselt kaks liiki kulusid: püsikulud ja muutuvkulud. Fikseeritud kulud on kulud, mis jäävad muutmata, olenemata osalejate arvust. Näiteks laborikatse puhul võivad püsikulud olla ruumi üürile andmine ja mööbli ostmine. Muutuvkulud, teiselt poolt, muutuda sõltuvalt osavõtjate arvust. Näiteks laborikatse puhul võivad muutuvad kulud tulla personali ja osalejate tasustamisest. Üldiselt on analoogkatsetustel madalad püsikulud ja suured muutuvkulud, samas kui digitaalsetel eksperimentidel on suured püsikulud ja madalad muutuvkulud (joonis 4.19). Kuigi digitaalsetel eksperimentidel on madalad muutuvkulud, saate muuta muutuja maksumust kuni nullini palju põnevaid võimalusi.

Joonis 4.19: Analoogsete ja digitaalsete eksperimentide kulustruktuuride skeem. Üldiselt on analoogkatsetustel madalad püsikulud ja suured muutuvad kulud, samas kui digitaalsetel eksperimentidel on suured püsikulud ja madalad muutuvkulud. Erinevad kulustruktuurid tähendavad, et digitaalsed katsed võivad töötada skaalal, mis pole analoogsete eksperimentidega võimalik.

Töötajatele tehtavate muudatustega seotud kulude ja osamaksete maksmisele on kaks peamist elementi ja igaüht neist võib erinevate strateegiate abil juhtida nullini. Töötajate maksed tulenevad tööst, et teadustöö assistendid värbavad osalejaid, pakuvad raviviise ja tulemuste mõõtmist. Näiteks Schultzi ja tema kolleegide analoogvälja eksperimente (2007) elektrienergia kasutamise kohta oli vaja uurimisabi töötajaid, et nad saaksid kodust käia, et pakkuda tööd ja lugeda elektriarvestit (joonis 4.3). Teadlaste kogu see jõupingutus tähendas, et uue leibkonna lisamine uuringusse oleks lisandunud kuludele. Teisest küljest, Restivo ja van de Rijti (2012) digitaalse välikatsena Wikipedia toimetajale antavate auhindade mõju kohta, võiksid uurijad lisada rohkem osalejaid praktiliselt tasuta. Muutuvate halduskulude vähendamise üldstrateegia on inimese töö (mis on kallis) asendada arvutitööga (mis on odav). Peaaegu võite endalt küsida: kas see katse kestab, kui kõik minu uurimismeeskonnad magavad? Kui vastus on "jah", olete teinud suurepärast automatiseerimise tööd.

Teine peamine muutuvkulude tüüp on osalejatele maksed. Mõned teadlased on kasutanud Amazon Mechanical Turki ja teisi online tööturge osalejate jaoks vajalike maksete vähendamiseks. Muutuvate kulude juhtimiseks kõikumiseks nullini on aga vaja teistsugust lähenemist. Pikemat aega on teadlased kavandanud eksperimente, mis on nii igav, et nad peavad inimestele osalemiseks maksma. Aga kui võiksite luua eksperimendi, mida inimesed tahavad olla? See võib tunduda kaugeleulatuv, kuid ma annan teile oma töökoha all näidise, ja tabelis 4.4 on rohkem näiteid. Pidage meeles, et see idee mõnusate eksperimentide kujundamisest annab ülevaate mõnest peatükis 3 sisalduvatest teemadest, mis käsitlevad nauditavamate uuringute kujundamist, ja 5. peatükis massikoostöö kujundamise kohta. Seega arvan, et osalejate nauding - mida võiks nimetada ka kasutajakogemuseks - hakkab digitaalajastul kujunema üha olulisemaks osaks.

Kui soovite luua eksperimente muutuva kulu nullidega, peate tagama, et kõik on täielikult automatiseeritud ja osalejad ei nõua mingeid makseid. Selleks, et näidata, kuidas see on võimalik, kirjeldan ma väitekirja uurimistööd kultuuritoodete edukuse ja läbikukkumise kohta.

Minu väitekiri oli motiveeritud kultuuritoodete edukuse mõistmise olemuse tõttu. Tulemuslaulud, enimmüüdud raamatud ja filmifilmid on palju, palju keskmisest edukamad. Seepärast nimetatakse nende toodete turgu tihti nn võitja-kõik-kõik turud. Kuid samal ajal, mis konkreetne lugu, raamat või film muutub edukaks, on see uskumatult ettearvamatu. Stsenarist William Goldman (1989) tõstis elegantselt kokku palju akadeemilisi uuringuid, öeldes, et edu ennustamisel "ei tea keegi midagi." Võitja-kõikvõimalike turgude ennustatavus pani mind mõtlema, kui palju edu on tulemus kvaliteedi ja kui palju on lihtsalt õnne. Või, mis on veidi teistsugune, kui me võiksime luua paralleelsed maailmad ja kõik need areneda iseseisvalt, kas samad laulud muutuvad populaarseks igas maailmas? Ja kui ei, siis milline võiks olla mehhanism, mis neid erinevusi põhjustab?

Nendele küsimustele vastamiseks võtsime me Peter Doddsi, Duncan Watti (minu väitekirja nõunik) ja viisin läbi mitmeid online-alaseid eksperimente. Eelkõige ehitasime veebisaidi nimega MusicLab, kus inimesed võisid avastada uut muusikat ja kasutasime seda mitmete katsete jaoks. Me värvime osalejaid, esitades bännerreklaame teismeliste huvides oleval veebisaidil (joonis 4.20) ja mainides meedias. Meie veebisaidile saabuvad osalejad andsid informeeritud nõusoleku, viidi läbi lühike taustaküsimustik ja määrati juhuslikult ühele kahest katsetingimustest sõltumatu ja sotsiaalne mõju. Sõltumatutes tingimustes võtsid osalejad vastu otsused, millised laulud kuulata, arvestades ainult ansamblite ja laulude nimesid. Laulu kuulates paluti osalejatel hinnata seda, mille järel neil oli laulu alla laadimise võimalus (aga mitte kohustus). Sotsiaalse mõju tingimustes oli osalejatel sama kogemus, välja arvatud, et nad nägid ka seda, kui palju kordi iga lugu oli alla laadinud varasemad osalejad. Lisaks sellele määrati ühiskondliku mõju tingimustes osalejad juhuslikult üheks kaheksast paralleelsest maailmast, millest igaüks arenes iseseisvalt (joonis 4.21). Seda disaini kasutades jooksisime kaks seotud eksperimenti. Esimesena esitasime laulud osalejatele sortimata võrgustikus, mis andis neile nõrga signaali populaarsuse kohta. Teises katses esitasime laulud järjestatud loendis, mis andis märksa suurema populaarsuse märguande (joonis 4.22).

Joonis 4.20: näide bänner-reklaamist, mida kolleegid ja mina kasutasime osalejate kaasamiseks MusicLabi eksperimentideks (Salganik, Dodds, and Watts 2006) . Taasesitatud Salganik (2007) loal, joonis 2.12.

Joonis 4.21: Eksperimentaalne disain MusicLab eksperimentide jaoks (Salganik, Dodds, and Watts 2006) . Osalejad suunati juhuslikult ühele kahest tingimusest: sõltumatu ja sotsiaalne mõju. Sõltumatu seisundis osalejad tegid oma valikuid ilma igasuguse teabeta, mida teised inimesed olid teinud. Sotsiaalse mõju tingimustes osalejad suunati juhuslikult üheks kaheksast paralleelsest maailmast, kus nad nägid oma maailmas populaarsust, nagu mõõdetakse eelmiste osalejate allalaadimises, kuid nad ei näinud mingit teavet ega teinud seda isegi teada mõne muu maailma olemasolust. Kohandatud Salganik, Dodds, and Watts (2006) , joonis s1.

Leidsime, et laulude populaarsus on erinevates maailmades erinev, mis näitab, et õnn mängis edul ka olulist rolli. Näiteks ühes maailmas 52Metro laul "Lockdown" jõudis 48-st laulust esimesena, samas kui teises maailmas oli see 40. kohal. See oli täpselt sama laul konkureeriv kõigi teiste laulude vastu, kuid ühes maailmas sai see õnnelikuks ja teistes seda mitte. Veelgi enam, võrreldes kahe katse tulemusi, leidsime, et sotsiaalne mõju suurendab nende turgude võitjat, mis võib-olla osutab oskuste olulisusele. Kuid vaadates üle maailma (mida ei saa teha väljaspool sellist paralleelse maailmakatse), leidsime, et sotsiaalne mõju tõstis tegelikult õnne olulisust. Veelgi enam, üllatuslikult oli see kõige laiema kaebuse laulud, kus õnneks oli kõige rohkem (joonis 4.23).

Joonis 4.22: ekraanipildid sotsiaalse mõju tingimustest MusicLab eksperimentides (Salganik, Dodds, and Watts 2006) . 1. eksperimentaalses sotsiaalse mõju tingimustes esitati laule ja eelmiste allalaadimiste arv osalejatele, mis olid paigutatud 16 \(\times\) 3 ristkülikukujulisse võrku, kus laulude positsioonid määrati juhuslikult iga osaleja. 2. eksperimentis näidati sotsiaalse mõju tingimustes osalenud laule, mille allalaadimise arvud esitati ühes veerus praeguse populaarsuse kahanevas järjekorras.

Joonis 4.23: tulemused MusicLabi eksperimentidest, mis näitavad apellatsiooni ja edu seost (Salganik, Dodds, and Watts 2006) . The \(x\) -axis on laulu turuosa iseseisvas maailmas, mis on laulu kaevandamise näitaja ja \(y\) -silla on sama laulu turuosa kaheksa sotsiaalse mõju maailmad, mis on laulude edu mõõtmeks. Leidsime, et osavõtjate sotsiaalse mõju suurendamine - täpsemalt katse 1 ja 2. eksperimendi (joonis 4.22) paigutuse muutus - põhjustatud edukus muutub ettenägematuteks, eriti laulude puhul, millel on suurim kaebus. Kohandatud Salganik, Dodds, and Watts (2006) , joonis 3.

MusicLab suutis töötada muutuva maksumääraga põhimõtteliselt nulli, kuna see oli kavandatud. Esiteks, kõik oli täielikult automatiseeritud, nii et see suutis minna magama minna. Teiseks oli hüvitis tasuta muusika, seega ei olnud muutuv osaleja hüvitist. Muusika kasutamine hüvitisena näitab ka seda, kuidas mõnikord on fikseeritud ja muutuvkulude vaheline kompromiss. Muusika kasutamine suurendas fikseeritud kulusid, sest ma pidin veetma aega, et saada luba bändidest ja koostada neile aruandeid osalejate reaktsiooni kohta oma muusikale. Kuid sel juhul oli õige asi maksimaalsete muutujate kulude vähendamiseks püsikulude suurendamine; see võimaldas meil käitada katset, mis oli umbes 100 korda suurem kui tavaline laborikatse.

Lisaks näitavad MusicLab eksperimendid, et null muutuvkulud ei pea olema eesmärk iseenesest; Pigem võib see olla vahend uue katse käivitamiseks. Pange tähele, et me ei kasutanud kõiki meie osalejaid standardse sotsiaalse mõju laborikatse katsetamiseks 100 korda. Selle asemel tegime midagi muud, mida võiksite mõelda kui psühholoogilisest eksperimendist üleminekut sotsioloogilisele (Hedström 2006) . Selle asemel, et keskenduda individuaalsetele otsustusprotsessidele, keskendasime meie eksperimendi populaarsuse, kollektiivse tulemuse kohta. See üleminek kollektiivsele tulemusele tähendas, et me vajasime umbes 700 osalejat, et luua ühtne andmepunkt (igas paralleelses maailmas oli 700 inimest). See skaala oli võimalik ainult katse kulustruktuuri tõttu. Üldiselt, kui teadlased tahavad uurida, kuidas üksikotsustest tulenevad kollektiivsed tulemused, on grupikatsed, näiteks MusicLab, väga põnev. Varem on need olnud logistiliselt rasked, kuid need raskused on kadumas, kuna muutuvkulude andmed on nullinud.

Muutujakulu nullist saadava kasu illustreerimisel näitavad ka MusicLab-eksperimendid selle lähenemisviisi väljakutseid: suured püsikulud. Minu puhul olin väga õnnelik, et saaksin eksperimendi ehitamiseks umbes kuus kuud töötada andekate veebiarendajaga Peter Hauseliga. See oli võimalik ainult seetõttu, et minu nõustaja Duncan Watts oli saanud seda tüüpi teadustöö toetamiseks mitmeid toetusi. Alates 2004. aastal MusicLab'i ehitamisest on tehnoloogia paranenud, nii oleks nüüd palju lihtsam luua selline eksperiment. Kuid suured fikseeritud kulude strateegiad on tõepoolest võimalik ainult teadlastele, kes võivad selliseid kulusid kuidagi katta.

Kokkuvõtteks võib öelda, et digitaalsetel eksperimentidel võivad analoogkatsetustel olla dramaatiliselt erinevad kulustruktuurid. Kui soovite käivitada tõesti suuri katseid, peaksite proovima oma muutuvkulusid vähendada nii palju kui võimalik ja ideaalis kogu nullini. Te saate seda teha, automatiseerides oma katse mehhaanikat (nt asendades inimese aja arvutiajaga) ja kujundades eksperimente, mida inimesed soovivad olla. Uurijad, kes võivad neid funktsioone katsetada, saavad käivitada uut liiki eksperimente, mis olid minevikus pole võimalik. Kuid võime luua nullmuutustega kulukatsed võib tõstatada uusi eetilisi küsimusi, millest ma nüüd käsitlean.