4.5.4 همکاری با قدرتمند

همکاری می تواند به کاهش هزینه و افزایش مقیاس، اما آن را می توانید انواع شرکت کنندگان، درمان را تغییر دهد، و نتایج که شما می توانید استفاده کنید.

جایگزینی برای انجام این کار خودتان با یک سازمان قدرتمند مانند یک شرکت، دولت یا سازمان غیر دولتی همکاری دارد. مزیت کار با یک شریک این است که آنها می توانند شما را قادر به انجام آزمایش هایی کنند که شما نمیتوانید توسط خودتان انجام دهید. به عنوان مثال، یکی از آزمایشاتی که من در مورد آن به شما خواهم گفت، 61 میلیون نفر شرکت کننده را شامل می شود - هیچ محقق فردی نمی تواند به این مقیاس دست یابد. در همان زمان که همکاری افزایش می دهد آنچه شما می توانید انجام دهید، همچنین شما را محدود می کند. به عنوان مثال، اکثر شرکت ها اجازه نخواهند داد که یک آزمایش انجام دهند که می تواند به کسب و کار و شهرتشان آسیب برساند. همکاری با همکاران نیز به این معنی است که وقتی زمان انتشار را میگیرید، ممکن است تحت فشار قرار دهید تا نتایج خود را دوباره محاسبه کنید، و بعضی از شرکا حتی ممکن است سعی کنند جلوی انتشار کار خود را مسدود کنند، در صورتی که بدبختی آنها را بدتر کند. در نهایت همکاری با هزینه های مربوط به توسعه و حفظ این همکاری ها نیز همراه است.

چالش اصلی که باید برای موفقیت این مشارکت حل شود، پیدا کردن راهی برای تعادل منافع هر دو طرف است، و روش مفید برای فکر کردن در مورد این تعادل، Quadrant پاستور (Stokes 1997) . بسیاری از محققان فکر می کنند که اگر آنها بر روی چیزی عملی عمل می کنند، چیزی است که ممکن است برای یک شریک مورد علاقه باشد، پس نمی توانند علم واقعی را انجام دهند. این نگرش به ایجاد مشارکت موفقیت آمیز بسیار دشوار است و همچنین به طور کامل اشتباه اتفاق می افتد. مشکل این روش تفکر، به وضوح نشان داده شده توسط تحقیقات مسیریابی از جانباز Louis Pasteur زیست شناس است. پاستور در حال کار بر روی یک پروژه تخمیری تجاری برای تبدیل آب چغندر به الکل، کشف یک کلاس جدید از میکروارگانیسم ها بود که در نهایت منجر به تئوری بیماری های ژرمپلاسم شد. این کشف یک مسئله بسیار عملی را حل کرد - آن را به بهبود فرایند تخمیر کمک کرد و به پیشرفت علمی عمده منجر شد. بنابراين، به جای فکر کردن در مورد تحقیقات با کاربرد عملی به عنوان درگیری با تحقیقات واقعی علمی، بهتر است از این به عنوان دو بعد جداگانه فکر کنید. تحقیق می تواند با استفاده (یا نه) تحریک شود و تحقیقات می توانند درک اساسی (یا نه) داشته باشند. به لحاظ انتقادی، برخی از پاستورهای تحقیقاتی می توانند از طریق استفاده و درک فهم اساسی انگیزه بگیرند (شکل 4.17). تحقیق در Quadrant تحقیق پاستور که ذاتا دو هدف را پیش می برد - ایده آل برای همکاری بین محققان و همکاران است. با توجه به این زمینه، من دو تحقیق تجربی را با مشارکت توضیح خواهم داد: یکی با یک شرکت و دیگری یک سازمان غیردولتی.

شکل 4.17: قطب پاستور (Stokes 1997) . به جای فکر تحقیق به عنوان "اولیه" و یا "کاربردی"، بهتر است به آن به عنوان انگیزه استفاده (یا نه) و به دنبال درک اساسی (یا نه) فکر می کنم. یک نمونه از تحقیق که هر دو با استفاده از انگیزه و درک فهم بنیادین است، کار پاستور در تبدیل آب چغندر به الکل است که منجر به تئوری بیماری جوانه می شود. این نوع کار است که برای مشارکت با قدرتمندانه مناسب است. نمونه هایی از کار که از طریق استفاده انگیزه می گیرند اما به دنبال تفکیک اساسی از توماس ادیسون نیستند و نمونه هایی از کار است که توسط استفاده نمی شود، بلکه به دنبال فهمیدن از نیلز بور است. ببینید Stokes (1997) برای بحث بیشتر در مورد این چارچوب و هر یک از این موارد. اقتباس از Stokes (1997) ، شکل 3.5.

شرکت های بزرگ، به ویژه شرکت های فن آوری، زیرساخت های فوق العاده پیچیده ای را برای انجام آزمایش های پیچیده ایجاد کرده اند. در صنعت فناوری، این آزمایشها اغلب به عنوان آزمون A / B نامیده می شود؛ زیرا آنها اثربخشی دو روش A و B را مقایسه می کنند. چنین آزمایش هایی اغلب برای مواردی مانند افزایش میزان کلیک در تبلیغات انجام می شود، اما زیرساخت های آزمایشی نیز می تواند برای تحقیقاتی که به درک علمی پیشرفت می کنند استفاده شود. یک مثال که پتانسیل این نوع تحقیق را نشان می دهد، مطالعه ای است که توسط همکاری محققان در فیس بوک و دانشگاه کالیفرنیا در سن دیگو انجام شده است تا تاثیرات پیام های مختلف را بر شرکت کنندگان در انتخابات (Bond et al. 2012) .

در تاریخ 2 نوامبر 2010 - روز انتخابات کنگره ایالات متحده - تمام 61 میلیون کاربر فیس بوک که در ایالات متحده زندگی می کردند و 18 ساله بودند، در آزمایش رای گیری شرکت کردند. پس از بازدید از فیس بوک، کاربران به صورت تصادفی به یکی از سه گروه تقسیم شدند که تعیین می کند که چه بنر (در صورت وجود) در بالای خوراک اخبار خود قرار می گیرد (شکل 4.18):

• یک گروه کنترل
• یک پیام اطلاعاتی در مورد رأی گیری با دکمه "I Voted" قابل کلیک و یک شمارنده (Info)
• یک پیام اطلاعاتی در مورد رای گیری با یک دکمه "کلیک من" کلیک کرده و نامهای شمارنده و عکسهای دوستان خود را که قبلا "من" را خوانده اند (Info + Social)

باند و همکاران دو نتیجه اصلی را مورد بررسی قرار دادند: رفتار رای دهی و رفتار واقعی رای دهی گزارش شده است. اولا آنها متوجه شدند افرادی که در گروه Info + Social بودند حدود 2 درصد احتمال بیشتری نسبت به افرادی که در گروه اطلاعات قرار داشتند کلیک کرده و «من به من رای دادند» (حدود 20٪ در مقابل 18٪). علاوه بر این، پس از آنکه پژوهشگران داده های خود را با پرونده های رأی عمومی در دسترس برای حدود شش میلیون نفر ادغام کردند، آنها دریافتند که افرادی که در گروه Info + Social 0.39 درصد احتمال رای دادن نسبت به گروه کنترل دارند و افرادی که در گروه اطلاعات هستند به احتمال زیاد به عنوان کسانی که در گروه کنترل بودند رای می گرفتند (شکل 4.18).

شکل 4.18: نتیجه آزمایش آزمایشی در فیس بوک (Bond et al. 2012) . شرکت کنندگان در گروه اطلاعاتی به همان میزان در گروه کنترل رای دادند، اما افرادی که در گروه اطلاعات + اجتماعی رای دادند، نسبتا کمی بالاتر بود. میله ها حدود 95٪ فاصله اطمینان را نشان می دهد. نتایج در نمودار برای تقریبا شش میلیون نفر شرکت کننده که با پرونده های رای گیری سازگاری دارند. اقتباس از Bond et al. (2012) ، شکل 1.

نتایج این آزمایش نشان می دهد که برخی از پیام های دریافت آنلاین از رای گیری موثرتر از دیگران هستند و برآورد محقق از اثربخشی می تواند بر این باشد که آیا نتایج رأی گیری یا رای گیری واقعی گزارش شده است یا خیر. این آزمایش متاسفانه هیچ اشاره ای به مکانیسم هایی که از طریق آن اطلاعات اجتماعی - که برخی از محققان آن را به صورت "شمع چهره ای" نامیدند - افزایش یافته است. این ممکن است که اطلاعات اجتماعی باعث افزایش احتمال این که فرد متوجه پرچم شود یا اینکه این احتمال را افزایش دهد که فردی که متوجه پرچم واقعی شده است یا هر دو را افزایش دهد. بنابراین، این آزمایش یک نتیجه جالب را پیدا می کند که محققان دیگر احتمالا آن را کشف می کنند (به عنوان مثال، Bakshy, Eckles, et al. (2012) ).

علاوه بر پیشرفت اهداف محققان، این آزمایش همچنین هدف سازمان شریک (فیس بوک) را ارتقا داد. اگر رفتاری را که از رای گیری مورد نظر برای خرید صابون مورد بررسی قرار گرفته تغییر دهید، می توانید ببینید که مطالعه دقیقا مشابه ساختار یک آزمایش برای اندازه گیری اثر تبلیغات آنلاین است (به عنوان مثال RA Lewis and Rao (2015) ). این مطالعات اثربخشی آگهی اغلب تاثیر قرار گرفتن در معرض آگهی های آنلاین - درمان در Bond et al. (2012) اندازه گیری می کند Bond et al. (2012) اساسا تبلیغات برای رای گیری در رفتار آنلاین است. بنابراین، این تحقیق می تواند توانایی فیس بوک را برای مطالعه اثربخشی تبلیغات آنلاین تقویت کند و می تواند به فیس بوک متقاعد کند که تبلیغات فیس بوک در تغییر رفتار موثر است.

با وجودی که منافع محققان و شرکا بیشتر در این مطالعه هماهنگ شده بود، آنها نیز تا حدودی در تنش بودند. به طور خاص، تخصیص شرکت کنندگان به سه گروه-کنترل، اطلاعات و Info + Social-بسیار نا متعادل بود: 98٪ نمونه به Info + Social اختصاص یافت. این تخصیص نامتجانس آماری ناکارآمد است و تخصیص بسیار بهتر برای محققان یک سوم از شرکت کنندگان در هر گروه را داشته است. اما تخصیص نامناسب اتفاق افتاد، زیرا فیس بوک همه را برای دریافت اطلاعات + درمان اجتماعی درخواست کرد. خوشبختانه محققان آنها را متقاعد کردند 1٪ برای درمان مرتبط و 1٪ از شرکت کنندگان برای یک گروه کنترل متوقف کنند. بدون گروه کنترل، اساسا غیرممکن است که تأثیر اطلاعات درمان + اجتماعی را اندازه گیری کنیم، زیرا آزمایش آزمایش "ناراحت کننده و مضطرب" شده است و نه یک آزمایش تصادفی کنترل شده. این مثال یک درس عملی ارزشمند برای همکاری با همکاران ارائه می دهد: گاهی اوقات شما یک تجربه را با متقاعد کردن کسی برای ارائه درمان و گاهی اوقات یک آزمایش را با متقاعد کردن کسی برای ارائه درمان (به عنوان مثال برای ایجاد یک گروه کنترل) ایجاد می کنید.

مشارکت همیشه نیازی به شرکت های فن آوری و آزمایشات A / B با میلیون ها شرکت کننده نیست. به عنوان مثال، الکساندر کاپپک، اندرو گاس و جان ترونوفسکی (2016) با یک سازمان غیر انتفاعی محیطی - لیگ رای گیری های محافظه کار همکاری می کنند تا آزمایش های مختلفی را برای ترویج بسیج اجتماعی آزمایش کنند. محققان از حساب توییتر سازمان غیردولتی برای ارسال توییت های عمومی و پیام های مستقیم خصوصی استفاده کردند که تلاش می کردند نوع هویت های مختلف را تغییر دهند. سپس آنها را اندازه گیری کرد که کدام یک از این پیام ها برای تشویق مردم برای امضای پرونده و اطلاعات مجدد در مورد پرونده، موثر بودند.

به طور کلی، مشارکت با قدرتمند شما را قادر می سازد تا در مقیاس دیگری کار کنید که در غیر این صورت کار سختی است و جدول 4.3 نمونه های دیگر همکاری بین محققان و سازمان ها را فراهم می کند. همکاری می تواند بسیار ساده تر از ساختن آزمایش خود باشد. اما این مزایا با معایب همراه است: مشارکت می تواند انواع شرکت کنندگان، درمان ها و نتایجی را که می توانید مطالعه کنید، محدود می کند. علاوه بر این، این همکاری می تواند منجر به چالش های اخلاقی شود. بهترین راه برای مشخص کردن یک فرصت برای مشارکت، این است که متوجه یک مشکل واقعی شوید که می توانید با آن که در حال انجام تحقیقات جالبی هستید را حل کنید. اگر از این روش برای نگاه کردن به جهان استفاده نکنید، می توانید مشکلاتی در Quadrant پاستور پیدا کنید، اما با تمرین، شما شروع به توجه بیشتر به آنها خواهید کرد.