4.5.2 آزمایش خودتان را بسازید

ساخت و ساز آزمایش خود را ممکن است پرهزینه است، بلکه آن را به شما را قادر به ایجاد این آزمایش که شما می خواهید.

علاوه بر آزمایش های overlay در بالای محیط های موجود، می توانید آزمایش خودتان را نیز انجام دهید. مزیت اصلی این روش کنترل است؛ اگر شما در حال ساخت آزمایش هستید، می توانید محیط و درمان هایی را که می خواهید ایجاد کنید. این محیط تجربی تحت شرایط خاص می تواند فرصت هایی را برای تست نظریات غیرممکن در محیط های طبیعی ایجاد کند. اشکالات اصلی در ساختن آزمایش خودتان این است که می تواند گران باشد و محیطی که می توانید ایجاد کنید ممکن است واقع گرایی یک سیستم طبیعی را نداشته باشید. محققان در حال ساخت آزمایش خود نیز باید یک استراتژی برای استخدام شرکت کنندگان داشته باشند. در حالیکه در سیستم های موجود کار می کنند، محققان اساسا آزمایش های خود را به شرکت کنندگان خود می رسانند. اما، هنگامی که محققان آزمایش خودشان را ایجاد می کنند، باید شرکت کنندگان را به آن بیفزایند. خوشبختانه، خدماتی نظیر آمازون مکانیکر (MTurk) می توانند محققان را با روش مناسب برای شرکت در آزمایش های خود فراهم کنند.

یک نمونه که فضایی از محیط های سفارشی را برای تست های انتزاعی ترسیم می کند آزمایش آزمایشگاه دیجیتال توسط گرگوری هاوبر، استه هیل و گابریل لنز (2012) . این آزمایش یک محدودیت عملی ممکن برای عملکرد حکومت دموکراتیک را بررسی می کند. پیش از این مطالعات غیر تجربی از انتخابات واقعی نشان داد که رای دهندگان قادر به ارزیابی دقیق عملکرد سیاستمداران حاکم نیستند. به طور خاص، رای دهندگان به نظر میرسد از سه حالت محروم رنج میبرند: (1) آنها بر عملکرد اخیر و نه تجمعی متمرکز هستند؛ (2) آنها می توانند با لفاظی، فریم و بازاریابی دستکاری شوند؛ و (3) آنها می توانند تحت تأثیر رویدادهایی باشند که با عملکرد پیش رو مرتبط نیستند، مثلا موفقیت تیم های ورزشی محلی و آب و هوا. با این حال، در این مطالعات قبلی، سخت بود که هر یک از این عوامل را از همه موارد دیگر که در انتخابات واقعی، کثیف اتفاق می افتد، منزوی کند. بنابراین، هوبر و همکارانش یک محیط رای گیری بسیار ساده را ایجاد کردند تا هر یک از این سه تعصب احتمالی را جداسازی و سپس به طور تجربی مطالعه کنند.

همان طور که توصیف آزمایشی در زیر می بینم، بسیار مصنوعی می شود، اما به یاد داشته باشید که واقع گرایی هدف آزمایش آزمایشگاه نیست. در عوض، هدف این است که به روشنی فرایندی را که میخواهید مطالعه کنید جدا کنید، و این انزوای تنگ زمانی در مطالعات با واقع گرایی بیشتر امکان پذیر نیست (Falk and Heckman 2009) . علاوه بر این، در این مورد خاص، محققان استدلال کردند که اگر رای دهندگان نمی توانند به طور موثر عملکرد در این تنظیم بسیار ساده را ارزیابی کنند، آنها نمی توانند این را در یک محیط واقعی تر و پیچیده تر انجام دهند.

هابر و همکارانش از شرکت MTurk برای استخدام شرکت کنندگان استفاده کردند. هنگامی که یک شرکت کننده رضایت آگاهانه دریافت کرد و یک آزمایش کوتاه انجام داد، به او گفته شد که او در یک بازی 32 ساله شرکت کرده است تا علامت هایی را به دست آورد که می تواند به پول واقعی تبدیل شود. در ابتدای بازی، هر شرکت کننده گفته شد که او "تخصیص دهنده" اختصاص داده است که هر ردیف آزاد را به او می دهد و برخی از تخصیص کننده ها نسبت به دیگران سخاوتمندانه تر هستند. علاوه بر این، هر یک از شرکت کنندگان نیز گفته شده است که او می تواند فرصتی برای حفظ تخصیص خود و یا پس از 16 دور از بازی اختصاص داده است. با توجه به آنچه شما در مورد اهداف تحقیقاتی Huber و همکاران می دانید، می توانید ببینید که تخصیص دهنده نماینده یک دولت است و این انتخاب نماینده انتخابات است، اما شرکت کنندگان از اهداف کلی تحقیق آگاه نبودند. در کل، هابر و همکارانش حدود 4000 شرکت کننده را استخدام کردند که تقریبا 1.25 دلار برای یک وظیفه که هشت دقیقه طول کشید، پرداخت شد.

به یاد بیاورید که یکی از یافته های تحقیق قبلی این بود که رای دهندگان پاداش و مجازات شرکت کنندگان را برای نتایجی که به وضوح فراتر از کنترل آنها هستند، مانند موفقیت تیم های ورزشی محلی و آب و هوا. هابر و همکارانش برای تعیین اینکه آیا تصمیم گیری درمورد تصمیم گیری در مورد تصمیم گیری های شرکت کنندگان تحت تأثیر رویدادهای صرفا تصادفی قرار می گیرد، به سیستم آزمایشی خود اضافه می کنند. در هر دور 8 یا دورۀ 16 (یعنی درست قبل از اینکه فرصت جایگزینی تخصیص کننده) شرکت کنندگان به صورت تصادفی در یک قرعه کشی قرار گرفتند که برخی از آنها 5،000 امتیاز، برخی از امتیازات 0 امتیاز و برخی از 5،000 امتیاز را از دست دادند. این قرعه کشی به منظور تقلید از خبرهای خوب یا بد که مستقل از عملکرد سیاستمدار بود. هرچند شرکت کنندگان به صراحت اعلام کردند که قرعه کشی با عملکرد تخصیص دهنده خود ارتباطی ندارد، نتیجه قرعه کشی هنوز تصمیمات شرکت کنندگان را تحت تاثیر قرار داده است. شرکت کنندگان که از قرعه کشی سود می برد بیشتر احتمال داشت که تخصیص خود را حفظ کنند و زمانی که قرعه کشی در دور اول 16 قبل از تصمیم گیری جایگزین رخ داد، این تاثیر شدیدتر از زمانی که در دور 8 (شکل 4.15) اتفاق افتاد. این نتایج همراه با نتایج چند آزمایش دیگر در این مقاله باعث شد تا هوبر و همکارانش نتیجه گیری کنند که حتی در یک محیط ساده، رای دهندگان تصمیمات عاقلانه ای دارند و نتیجه تحقیقات آینده در مورد تصمیم گیری رای دهندگان (Healy and Malhotra 2013) . آزمایش Huber و همکارانش نشان می دهد که MTurk می تواند برای جمع آوری شرکت کنندگان در آزمایش های آزمایشگاهی به منظور دقیق تئوری های بسیار خاص مورد استفاده قرار گیرد. همچنین ارزش ایجاد محیط تجربی خود را نشان می دهد: دشوار است تصور کنید که چگونه این فرآیندهای مشابه را می توان در هر محیط دیگری پاک کرد.

شکل 4.15: نتایج Huber, Hill, and Lenz (2012) . شرکت کنندگان که از قرعه کشی سود می برد بیشتر احتمال دارد که تخصیص دهنده خود را حفظ کنند و این تاثیر زمانی قوی تر شد که قرعه کشی در دور اول 16 قبل از تصمیم گیری جایگزین رخ داد - از زمانی که در دور 8 اتفاق افتاد. اقتباس از Huber, Hill, and Lenz (2012) ، شکل 5.

محققان علاوه بر ساخت آزمایش های آزمایشگاهی نیز می توانند آزمایش هایی را انجام دهند که زمینه های بیشتری دارند. برای مثال، Centola (2010) آزمایش آزمایشگاهی دیجیتالی را برای مطالعه تأثیر ساختار شبکه اجتماعی بر گسترش رفتار ساخته است. سوال تحقیق او نیاز او را به مشاهده رفتار همان گسترش در جمعیت هایی که دارای ساختارهای مختلف شبکه های اجتماعی بود، اما در غیر این صورت غیر قابل تشخیص است. تنها راه برای انجام این کار با یک آزمایش سفارشی ساخته شد. در این مورد، Centola یک جامعه بهداشتی مبتنی بر وب را ایجاد کرد.

Centola از طریق تبلیغات در وب سایت های بهداشتی، حدود 1500 شرکت کننده را استخدام کرد. هنگامی که شرکت کنندگان به اجتماع آنلاین وارد شدند - که شبکۀ شبکه ی شیوه ی زندگی سالم بود - آنها رضایت آگاهانه را ارائه دادند و پس از آن "احترامات بهداشتی" قرار گرفتند. به علت اینکه Centola این افراد را متعلق به سلامتی قرار داد، او توانست با یکدیگر ساختارهای مختلف شبکه اجتماعی را در گروه های مختلف بعضی گروه ها برای ایجاد شبکه های تصادفی ساخته شده اند (جایی که هر کس به احتمال زیاد به یک اتصال متصل بود)، در حالی که گروه های دیگر برای شبکه های خوشه ای ساخته شده اند (جایی که ارتباطات به صورت محلی متراکم تر است). سپس، Centolo یک رفتار جدید را در هر شبکه معرفی کرد: شانس ثبت نام برای وب سایت جدید با اطلاعات بهداشتی اضافی. هر زمان که هر کسی برای این وب سایت جدید ثبت نام کرد، همه ی دوستان بهداشتش ایمیل دریافت کردند که این رفتار را اعلام کردند. Centola دریافت که این رفتار ثبت نام برای وب سایت جدید - گسترش بیشتر و سریعتر در شبکه خوشه ای نسبت به شبکه تصادفی، که بر خلاف برخی از نظریه های موجود است.

به طور کلی، ساختن آزمایش خودتان کنترل بیشتری می کند؛ آن را قادر می سازد تا بهترین محیط ممکن را برای جداسازی آنچه شما می خواهید برای مطالعه ایجاد کنید. دشوار است تصور کنید که چگونه دو آزمایش که من تا به حال شرح دادم را می توان در محیط موجود در حال اجرا انجام شده است. علاوه بر این، ساختن سیستم خود، نگرانی های اخلاقی در مورد آزمایش در سیستم های موجود را کاهش می دهد. با این وجود، هنگامی که شما آزمایش خود را ایجاد می کنید، بسیاری از مشکلی را که در آزمایش های آزمایشگاهی رخ می دهد، به کار می گیرید: شرکت کنندگان و نگرانی های مربوط به واقع گرایی. یک نکته نهایی این است که ساختن آزمایش خود می تواند هزینه و وقت گیر باشد، گرچه، همانطور که این مثال ها نشان می دهند، آزمایش ها می توانند از محیط های نسبتا ساده (مانند مطالعه رای گیری توسط Huber, Hill, and Lenz (2012) ) به محیط های نسبتا پیچیده (مانند مطالعه شبکه ها و Centola (2010) توسط Centola (2010) ).