4.6.1 درست صفر داده هزینه متغیر

کلید اجرای آزمایش های بزرگ این است که هزینه متغیر خود را به صفر برساند. بهترین راه برای انجام این کار، اتوماسیون و طراحی آزمایش های لذت بخش است.

آزمایش های دیجیتال می تواند ساختار هزینه های متفاوت را داشته باشد، و این باعث می شود محققان آزمایش هایی را انجام دهند که در گذشته غیرممکن بودند. یک راه برای فکر کردن در مورد این تفاوت این است که توجه داشته باشید که آزمایشها معمولا دو نوع هزینه دارند: هزینه های ثابت و هزینه های متغیر. هزینه های ثابت هزینه هایی هستند که بدون در نظر گرفتن تعدادی از شرکت کنندگان بدون تغییر باقی می مانند. به عنوان مثال، در یک آزمایش آزمایشگاهی، هزینه های ثابت ممکن است هزینه های اجاره فضا و خرید مبلمان باشد. از سوی دیگر، متغیر هزینه ها بسته به تعداد شرکت کنندگان تغییر می کند. به عنوان مثال، در یک آزمایش آزمایشگاهی، هزینه های متغیر ممکن است از پرداخت کارمندان و شرکت کنندگان باشد. به طور کلی، آزمایشات آنالوگ دارای هزینه ثابت ثابت و هزینه های متغیر بالا هستند، در حالی که آزمایشات دیجیتالی دارای هزینه های ثابت بالا و هزینه های متغیر کم (شکل 4.19). اگرچه آزمایشات دیجیتال دارای هزینه های متغیر کم هستند، شما می توانید بسیاری از فرصت های هیجان انگیز ایجاد کنید، در حالی که متغیر هزینه را به صفر می رسانید.

شکل 4.19: مقدمه ساختار هزینه در آزمایشات آنالوگ و دیجیتال. به طور کلی، آزمایشات آنالوگ دارای هزینه های ثابت ثابت و هزینه های متغیر بالا هستند در حالیکه آزمایشات دیجیتالی دارای هزینه های ثابت بالا و هزینه های متغیر کم است. ساختار هزینه های مختلف به این معنی است که آزمایش های دیجیتال می توانند در یک مقیاس اجرا شوند که با آزمایش های آنالوگ امکان پذیر نیست.

دو عنصر اصلی پرداخت هزینه متغیر به کارکنان و پرداخت به شرکت کنندگان وجود دارد و هر کدام از آنها می توانند با استفاده از استراتژی های مختلف به صفر رانده شوند. پرداخت های کارکنان ناشی از کار است که دستیارهای تحقیق استخدام شرکت کنندگان، ارائه درمان، و اندازه گیری نتایج. به عنوان مثال، آزمایش میدان الکتریکی Schultz و همکارانش (2007) در مورد استفاده از برق، دستیارهای تحقیقاتی برای سفر به هر خانه برای ارائه درمان و خواندن الکترود مورد نیاز است (شکل 4.3). همه این تلاش ها توسط دستیاران تحقیق به این معنا بود که اضافه کردن یک خانواده جدید به مطالعه به هزینه اضافه شده است. از طرف دیگر، برای آزمایش میدان دیجیتال Restivo و Van de Rijt (2012) در مورد تاثیر جوایز در ویراستاران ویکی پدیا، محققان می توانند شرکت کنندگان بیشتری را بدون هیچ هزینه ای اضافه کنند. یک استراتژی کلی برای کاهش هزینه های اداری متغیر، جایگزینی کار انسانی (که گران است) با کار کامپیوتر است (که ارزان است). تقریبا، شما می توانید از خودتان بپرسید: آیا این آزمایش را انجام می دهد در حالی که هر کس در تیم تحقیقاتی من خواب است؟ اگر پاسخ بله است، شما یک کار عالی از اتوماسیون انجام داده اید.

دومین نوع هزینه متغیر، پرداخت به شرکت کنندگان است. برخی از محققان از Amazon Mechanical Turk و دیگر بازارهای کار آنلاین استفاده کرده اند تا هزینه های مورد نیاز برای شرکت کنندگان را کاهش دهند. با این حال، جهت راندن هزینه های متغیر به صفر، نیاز به یک رویکرد متفاوت است. برای مدت زمان طولانی، محققان آزمایشاتی را طراحی کرده اند که خیلی خسته کننده هستند و باید مردم را به مشارکت پرداخت کنند. اما اگر شما می توانید یک آزمایش انجام دهید که مردم می خواهند در آن ایجاد کنید چه؟ این ممکن است به نظر برسد، اما من نمونه ای از کار خودم را به شما نشان خواهم داد و مثال های بیشتری در جدول 4.4 وجود دارد. توجه داشته باشید که این ایده طراحی تجربه های لذت بخش برخی از تم ها در فصل 3 در مورد طراحی نظرسنجی لذت بخش تر و در فصل 5 در مورد طراحی همکاری توده ای را بازتاب می دهد. بنابراین، من فکر می کنم لذت بردن از شرکت کنندگان - که ممکن است به عنوان تجربه کاربر نامیده شود - بخش مهمی از طراحی تحقیق در عصر دیجیتال باشد.

اگر می خواهید آزمایش با صفر هزینه های متغیر هزینه ایجاد کنید، باید اطمینان حاصل کنید که همه چیز به طور کامل اتوماتیک است و شرکت کنندگان هیچ هزینه ای ندارند. برای نشان دادن این که چگونه این امکان وجود دارد، من تحقیق پایان نامه من در مورد موفقیت و شکست محصولات فرهنگی را توصیف می کنم.

پایان نامه من توسط ماهیت گیج کننده موفقیت برای محصولات فرهنگی انگیزه بود. ترانه های هتلی، بهترین فروش کتاب ها و فیلم های پرفروش بسیار، بسیار موفق تر از حد متوسط ​​است. به همین دلیل، بازارها برای این محصولات اغلب به عنوان "بازار برنده تمام" شناخته می شود. با این حال، در همان زمان، کدام یک از آهنگ ها، کتاب ها یا فیلم ها موفقیت آمیز است فوق العاده غیر قابل پیش بینی است. ویلیام گلدمن (1989) فیلمنامهنویس بهشدت به تحقیق علمی آمیخته و با بیان اینکه زمانی که پیشبینی موفقیت را به دست میآورد، "هیچکس چیزی را نمیداند." غیرقابل پیش بینی بودن بازارهای بازار برنده، به من تعجب کرد که میزان موفقیت چیست؟ از کیفیت و چقدر شانس است. یا، به گونه ای متفاوت بیان می شود، اگر ما بتوانیم جهان موازی ایجاد کنیم و همه آنها را به طور مستقل تکامل کنیم، آیا آهنگ های مشابه در هر جهان محبوب می شوند؟ و اگر نه، چه چیزی ممکن است مکانیسم باشد که این اختلافات را ایجاد می کند؟

به منظور پاسخ به این سوالات، ما-پیتر داندز، دانکن واتس (مشاور محترم من)، و من یک سری آزمایش های آنلاین را انجام دادم. به طور خاص، ما یک وبسایت به نام MusicLab ایجاد کردیم که مردم می توانند موسیقی جدید را کشف کنند، و ما برای یک سری آزمایش ها از آن استفاده کردیم. ما شرکت کنندگان را با استفاده از تبلیغات بنر در وب سایت نوجوانان علاقه مند (شکل 4.20) و از طریق اشاره به رسانه ها استخدام کردیم. شرکت کنندگان که در وب سایت ما وارد شدند، رضایت آگاهانه، تکمیل پرسشنامه کوتاه کوتاه، و به صورت تصادفی به یکی از دو شرایط آزمایشی - مستقل و اجتماعی تقسیم شدند. در شرایط مستقل، شرکت کنندگان تصمیمی اتخاذ می کنند که کدام آهنگ ها برای گوش دادن، با توجه به نام های گروه ها و آهنگ ها. در حالی که گوش دادن به یک آهنگ، شرکت کنندگان از آن خواسته می شود که بعد از آن آنها فرصت (و نه تعهد) برای دانلود آهنگ داشته باشند. در شرایط نفوذ اجتماعی، شرکت کنندگان تجربه مشابهی داشتند، مگر اینکه آنها همچنین می توانستند ببینند که چند بار هر آهنگ توسط شرکت کنندگان قبلی دانلود شده است. علاوه بر این، شرکت کنندگان در شرایط نفوذ اجتماعی به طور تصادفی به یکی از هشت موازی موازی اختصاص یافتند، هر کدام به طور مستقل تکامل یافته (شکل 4.21). با استفاده از این طرح، ما دو آزمایش مرتبط انجام دادیم. در ابتدا، ما آهنگ ها را به مشارکت کنندگان در یک شبکه ناهمگونی ارائه دادیم، که آنها را با یک ضعف ضعیف از محبوبیت ارائه می داد. در آزمایش دوم، ما آهنگ ها را در لیست رتبه بندی قرار دادیم، که سیگنال بسیار محبوبتری از محبوبیت را ارائه می دهد (شکل 4.22).

شکل 4.20: نمونه ای از آگهی بنر که همکاران من و من برای استخدام شرکت کنندگان برای آزمایش های MusicLab (Salganik, Dodds, and Watts 2006) . با مجوز Salganik (2007) ، شکل 2.12 تکمیل شده است.

شکل 4.21: طراحی تجربی برای آزمایشات MusicLab (Salganik, Dodds, and Watts 2006) . شرکت کنندگان به طور تصادفی به یکی از دو شرایط تقسیم شدند: نفوذ مستقل و اجتماعی. شرکت کنندگان در شرایط مستقل تصمیم خود را بدون اطلاعات در مورد آنچه که دیگران انجام داده بودند انتخاب کردند. شرکت کنندگان در شرایط نفوذ اجتماعی به صورت تصادفی به یکی از هشت موازی موازی اختصاص داده شدند، جایی که آنها می توانند محبوبیت را ببینند - همانطور که توسط بارگیری از شرکت کنندگان قبلی - از هر ترانه در جهان آنها اندازه گیری می شود، اما آنها نمی توانند اطلاعاتی را در مورد آنها ببینند حتی در مورد وجود هر دنیای دیگر می دانیم. تصحیح شده از Salganik, Dodds, and Watts (2006) ، شکل s1.

ما دریافتیم که محبوبیت این آهنگ ها در سراسر جهان متفاوت بود، و این نشان می دهد که شانس نقش مهمی در موفقیت دارد. به عنوان مثال، در یک جهان، آهنگ "Lockdown" توسط 52Metro در 1 از 48 آهنگ آمد، در حالی که در جهان دیگری آن را در 40 آمد. این دقیقا همین آهنگ بود که در برابر همه ی آهنگ های دیگر رقابت می کرد، اما در یک دنیا خوش شانس بود و در دیگران آن را نداشت. علاوه بر این، با مقایسه نتایج در دو آزمایش، ما دریافتیم که نفوذ اجتماعی باعث افزایش برنده بودن همه این بازارها می شود، که شاید اهمیت مهارت را نشان می دهد. اما، در سراسر جهان (که نمی تواند در خارج از این نوع آزمایش های موازی جهان انجام شود)، ما دریافتیم که نفوذ اجتماعی عموما اهمیت موفقیت را افزایش می دهد. علاوه بر این، شگفت آور است، این آهنگ از بالاترین درخواست تجدید نظر که در آن شانس مهم بود (شکل 4.23).

شکل 4.22: تصاویری از شرایط نفوذ اجتماعی در آزمایشات MusicLab (Salganik, Dodds, and Watts 2006) . در شرایط نفوذ اجتماعی در آزمایش 1، آهنگ ها همراه با تعدادی از دریافت های قبلی، به شرکت کنندگان در شبکه 16 \(\times\) 3 مستطیلی ارائه شده بود که در آن موقعیت های آهنگ ها به صورت تصادفی برای هر شرکت کننده در آزمایش 2، شرکت کنندگان در شرایط نفوذ اجتماعی نمایش آهنگ ها با تعداد دانلود، ارائه شده در یک ستون به ترتیب نزولی محبوبیت در حال حاضر.

شکل 4.23: نتایج آزمایشات MusicLab نشان دهنده رابطه بین درخواست تجدید نظر و موفقیت (Salganik, Dodds, and Watts 2006) . \(x\) -axis سهم بازار آهنگ در جهان مستقل است که به عنوان یک اندازه از درخواست تجدید نظر این آهنگ عمل می کند و \(y\) -axis سهم بازار از همین آهنگ است هشت جهان نفوذ اجتماعی، که به عنوان اندازه گیری موفقیت آهنگ ها عمل می کند. ما متوجه شدیم که افزایش نفوذ اجتماعی که شرکت کنندگان تجربه می کنند، به طور خاص، تغییر در طرح از آزمایش 1 تا آزمایش 2 (شکل 4.22) - باعث موفقیت در تبدیل شدن به بیشتر غیر قابل پیش بینی، به ویژه برای آهنگ با بالاترین تجدید نظر. شکل 3 از Salganik, Dodds, and Watts (2006) اقتباس شده است.

MusicLab به دلیل شیوه طراحی آن توانست هزینه های متغیر صفر صفر را اجرا کند. اول، همه چیز به طور کامل اتوماتیک بود، بنابراین وقتی می توانستم بخوابم توانستم اجرا کنم. دوم، جبران خسارت به صورت موسیقی آزاد بود، بنابراین هزینه جبران متغیر مشارکت کننده وجود نداشت. استفاده از موسیقی به عنوان جبران خسارت نیز نشان می دهد که چگونه گاهی اوقات یک معامله بین هزینه های ثابت و متغیر وجود دارد. با استفاده از موسیقی، هزینه های ثابت افزایش یافت، زیرا مجبور بودم زمان را برای تأیید مجوز از گروه ها و تهیه گزارش برای آنها در مورد واکنش شرکت کنندگان به موسیقی آنها بسازم. اما در این مورد، افزایش هزینه های ثابت برای کاهش هزینه های متغیر، کار درستی بود؛ این چیزی است که ما را قادر به اجرای آزمایشی بود که حدود 100 برابر بزرگتر از آزمایشی آزمایشگاهی استاندارد بود.

علاوه بر این، آزمایشات MusicLab نشان می دهد که هزینه متغیر صفر به خودی خود نباید پایان یابد؛ بلکه این می تواند وسیله ای برای اجرای نوع جدید آزمایش باشد. توجه داشته باشید که ما از همه شرکتکنندگان خود برای استفاده از 100 آزمایش آزمایشی تاثیر گذار بر استاندارد اجتماعی استفاده نکردیم. در عوض، ما چیزی متفاوت از آنچه که شما می توانستید از تغییر تجربه از یک تجربه روانشناختی به یک جامعه ی اجتماعی (Hedström 2006) . ما به جای تمرکز بر تصمیم گیری فردی، تجربه ی ما را بر محبوبیت، نتیجه ی جمعی متمرکز کردیم. این تغییر به یک نتیجه جمعی به این معنی بود که ما تقریبا 700 شرکت کننده برای تولید یک نقطه داده تک (700 نفر در هر یک از جهان موازی) وجود داشت. این مقیاس تنها به دلیل ساختار هزینه آزمایش امکان پذیر بود. به طور کلی، اگر محققان بخواهند مطالعه کنند که نتایج حاصل از تصمیمات فردی چگونه حاصل می شود، آزمایش های گروهی مانند MusicLab بسیار هیجان انگیز است. در گذشته، از لحاظ منطقی دشوار بوده است، اما این مشکلات به دلیل امکان صفر بودن داده های متغیر هزینه محو می شوند.

علاوه بر نشان دادن مزایای هزینه صفر هزینه متغیر، آزمایشات MusicLab نیز با چالش این رویکرد نشان می دهد: هزینه ثابت بالا. در مورد من بسیار خوش شانس بودم تا بتوانم با یک توسعه دهنده با استعداد به نام پیتر هوسل برای شش ماه برای ساختن آزمایش کار کنم. این تنها ممکن بود، زیرا مشاور من، دانکن واتس، تعدادی از کمک های مالی را برای حمایت از این نوع تحقیق دریافت کرده بود. از آنجا که MusicLab را در سال 2004 ساختیم فناوری پیشرفت کرده است، بنابراین ساختن یک آزمایش مثل این اکنون بسیار ساده تر خواهد بود. اما، استراتژی های هزینه ثابت ثابت فقط برای محققانی که می توانند به همین ترتیب این هزینه ها را پوشش دهند، ممکن است.

در نتیجه، آزمایشات دیجیتال می توانند ساختار هزینه های متنوعی را نسبت به آزمایشات آنالوگ داشته باشند. اگر می خواهید آزمایش های واقعا بزرگ انجام دهید، باید سعی کنید هزینه های متغیر خود را تا آنجا که ممکن است کاهش دهید و در نهایت به صفر برسید. شما می توانید این کار را با خودکار سازی مکانیک آزمایش خود (به عنوان مثال، جایگزین زمان انسانی با زمان کامپیوتر) و طراحی آزمایش هایی که مردم می خواهند انجام دهند. این محققانی که می توانند آزمایشات را با این ویژگی ها طراحی کنند قادر خواهند بود انواع جدیدی از آزمایشات را اجرا کنند در گذشته امکان پذیر نیست با این حال، توانایی ایجاد صفر آزمایش هزینه متغیر می تواند پرسش های اخلاقی جدیدی را مطرح کند، موضوعی که من در حال حاضر خواهم نوشت.