4.5.4 Kumppani voimakkaiden kanssa

Kumppanuus voi vähentää kustannuksia ja lisätä mittakaavassa, mutta se voi muuttaa erilaisia ​​osallistujia, hoidot ja tulosten että voit käyttää.

Vaihtoehto tehdä se itse on kumppanuutta voimakkaan organisaation, kuten yrityksen, hallituksen tai kansalaisjärjestöjen kanssa. Etuna yhteistyössä kumppanin kanssa on, että he voivat suorittaa kokeiluja, joita et voi tehdä itse. Esimerkiksi yksi niistä kokeiluvuuksista, joista kerron alla olevasta, sisälsi 61 miljoonaa osallistujaa - yksikään tutkija ei voinut saavuttaa tätä asteikkoa. Samalla kumppanuus lisää sitä, mitä voit tehdä, se myös rajoittaa sinua. Esimerkiksi useimmat yritykset eivät salli kokeilua, joka voisi vahingoittaa liiketoimintaa tai maineensa. Yhteistyökumppanien kanssa työskentely tarkoittaa myös sitä, että kun julkaisemisen aika on valmis, saatat joutua painostamaan uudelleen tuloksia, ja jotkut kumppanit voivat jopa yrittää estää teoksen julkaisemisen, jos se tekee niistä huonoja. Yhteistyöhön liittyy myös kustannuksia, jotka liittyvät näiden yhteistyöhankkeiden kehittämiseen ja ylläpitoon.

Ydinkysymys, joka on ratkaistava näiden kumppanuuksien onnistumiseksi, on löytää keino tasapainottaa molempien osapuolten edut ja hyödyllinen tapa ajatella tätä tasapainoa on Pasteur's Quadrant (Stokes 1997) . Monet tutkijat ajattelevat, että jos he tekevät jotain käytännöllistä - jotain, joka voisi olla kiinnostunut kumppanista - niin he eivät voi tehdä todellista tiedettä. Tämä ajattelutapa tekee erittäin vaikeaksi luoda onnistuneita kumppanuuksia, ja se myös sattuu olemaan täysin väärä. Tämän ajattelutavan ongelma on ihmeellisen havainnut biologin Louis Pasteurin polkurauha-tutkimusta. Työskennellessään kaupallisessa fermentaatioprojektissa sokerijuuriksen muuntamiseksi alkoholiin, Pasteur löysi uuden mikro-organismin, joka lopulta johti taudin perimätieteeseen. Tämä keksintö ratkaisi hyvin käytännöllisen ongelman - se auttoi parantamaan fermentaatioprosessia - ja se johti merkittävään tieteelliseen etenemiseen. Siksi, mieluummin kuin ajattelemalla käytännön sovelluksia koskevaa tutkimusta ristiriidaksi todellisen tieteellisen tutkimuksen kanssa, on parempi ajatella näitä kahta erillistä ulottuvuutta. Tutkimusta voidaan käyttää (tai ei), ja tutkimus voi etsiä perustavaa laatua olevaa ymmärrystä (tai ei). Kriittisesti, jotkut tutkimusta muistuttavat Pasteur's-voidaan motivoida käyttämällä ja etsimään perustavaa laatua olevaa ymmärrystä (kuva 4.17). Tutkimus Pasteur's Quadrant -tutkimuksessa, joka luonnollisesti edesauttaa kahta tavoitetta, on ihanteellinen tutkijoiden ja yhteistyökumppaneiden välisiin yhteistyöhankkeisiin. Tässä taustalla kuvaan kahdesta kokeellisesta tutkimuksesta kumppanuuksia: yhdellä yrityksellä ja yhdellä kansalaisjärjestöllä.

Kuva 4.17: Pasteur's Quadrant (Stokes 1997) . Sen sijaan, että ajattelisitte tutkimusta joko "perustana" tai "sovellettuna", on parempi miettiä sitä käyttökelpoisena (tai ei) ja etsimään perustavaa laatua olevaa ymmärrystä (tai ei). Esimerkki tutkimuksesta, jota molemmat ovat motivoituneina käyttötarkoituksessa ja joka pyrkii perustavanlaatuiseen ymmärrykseen, on Pasteur'sin työ, jonka mukaan sokerijuurikasjuuston muuttaminen alkoholiin johtaisi taudin perimätieteeseen. Tämä on sellainen työ, joka sopii parhaiten kumppanuuksiin voimakkaiden kanssa. Esimerkkejä työstä, joka on motivoitunut käytöstä, mutta joka ei auta perustavaa laatua oleva ymmärrys, tulee Thomas Edisonista, ja esimerkkejä työstä, jota ei käytetä motiiviin mutta joka pyrkii ymmärrykseen, tulee Niels Bohrilta. Katso Stokes (1997) perusteellisempaan keskusteluun tästä kehyksestä ja kaikista näistä tapauksista. Mukautettu Stokes (1997) , kuva 3.5.

Suuret yritykset, erityisesti teknologiayritykset, ovat kehittäneet uskomattoman hienostuneen infrastruktuurin monimutkaisten kokeiden suorittamiseen. Teknologiateollisuudessa näitä kokeita kutsutaan usein A / B-testeiksi, koska ne vertailevat kahden käsittelyn tehokkuutta: A ja B. Tällaisia ​​kokeiluja käytetään usein esimerkiksi mainosten napsautussuhdemäärien kasvattamisessa, mutta sama kokeellinen infrastruktuuri voi myös käytetään tutkimukseen, joka edistää tieteellistä ymmärtämystä. Esimerkki, joka kuvaa tällaisen tutkimuksen mahdollisuuksia, on Facebookin ja Kalifornian yliopiston San Diegon yliopistojen tutkijoiden välisen kumppanuuden eri viestien vaikutuksista äänestysaktiivisuuteen (Bond et al. 2012) .

2. marraskuuta 2010 - Yhdysvaltojen kongressin vaalien päivä - kaikki 61 miljoonaa Facebook-käyttäjää, jotka asuivat Yhdysvalloissa ja olivat 18-vuotiaita ja osallistuneet äänestykseen. Kun vierailet Facebookissa, käyttäjät jaettiin satunnaisesti yhteen kolmesta ryhmästä, mikä määritteli, mitä banneri (jos sellainen on) sijoitettu heidän uutisruokalistaan ​​(kuva 4.18):

• kontrolliryhmä
• tiedottava viesti äänestämisestä napsauttamalla "I Voted" -painiketta ja laskuria (Info)
• tiedottava viesti äänestämisestä napsauttamalla "I Voted" -painiketta ja laskurin sekä niiden ystävien nimet ja kuvat, jotka olivat jo napsauttaneet "I Voted" (Info + Social)

Bond ja kollegat tutkivat kahta päätavoitetta: ilmoitti äänestystoiminnan ja todellisen äänestyskäyttäytymisen. Ensinnäkin he löysivät, että Info + Social -ryhmän ihmiset olivat noin kaksi prosenttiyksikköä todennäköisemmin kuin Info-ryhmässä olevat ihmiset napsauttamaan "I Voted" (noin 20% vs. 18%). Lisäksi, kun tutkijat sulautuivat tiedot julkisesti saatavilla olevien äänestysrekisterien avulla noin kuudelle miljoonalle ihmiselle, he huomasivat, että Info + Social -ryhmän henkilöt olivat 0,39 prosenttiyksikköä todennäköisemmin äänestäneet enemmän kuin kontrolliryhmässä olevat henkilöt ja että tietoryhmässä olevat henkilöt olivat yhtä todennäköisesti äänestäviä kuin kontrolliryhmässä (kuva 4.18).

Kuva 4.18: Tulokset Facebook-out-of-vote-kokeesta (Bond et al. 2012) . Info-ryhmän osallistujat äänestivät samalla tasolla kuin kontrolliryhmässä, mutta Info + Social -ryhmän henkilöt äänestivät hieman korkeammalla. Baarit edustavat 95 prosentin luottamusvälejä. Kaavion tulokset ovat noin kuudelle miljoonalle osallistujalle, jotka vastasivat äänestysrekisteriin. Mukautettu Bond et al. (2012) , kuva 1.

Tämän kokeilun tulokset osoittavat, että jotkut online-out-the-vote -viestit ovat tehokkaampia kuin toiset ja että tutkijan arvio tehokkuudesta voi riippua siitä, tulosta raportoidaan äänestyksestä tai varsinaisesta äänestyksestä. Tämä kokeilu ei valitettavasti anna mitään vihjeitä mekanismeista, joiden kautta sosiaaliset tiedot - joita jotkut tutkijat ovat leikkisästi kutsuneet "kasvopalloiksi" - lisääntynyt äänestys. Voi olla, että sosiaaliset tiedot kasvattivat todennäköisyyttä, että joku huomasi bannerin tai että se lisäsi todennäköisyyttä, että joku, joka huomasi banneri todella äänesti tai molemmat. Siten tämä koe antaa mielenkiintoisen havainnon, jota muut tutkijat todennäköisesti tutkivat (katso esim. Bakshy, Eckles, et al. (2012) ).

Tutkijoiden tavoitteiden edistämisen ohella tämä kokeilu edisti myös kumppaniorganisaation (Facebook) tavoitetta. Jos muutat äänestyksiin liittyvää käyttäytymistä ostamalla saippuaa, näet, että tutkimuksella on täsmälleen samanlainen rakenne kuin kokeilu, jolla mitataan verkkomainosten vaikutusta (katso esim. RA Lewis and Rao (2015) ). Nämä ad tehokkuustutkimukset mittaavat usein altistumisen vaikutusta online-mainoksiin - hoidot Bond et al. (2012) ovat periaatteessa mainoksia offline-käyttäytymiseen. Näin ollen tämä tutkimus voisi edistää Facebookin kykyä tutkia verkkomainosten tehokkuutta ja auttaa Facebookia vakuuttamaan potentiaalisille mainostajille, että Facebook-mainokset vaikuttavat tehokkaasti käyttäytymiseen.

Vaikka tutkijoiden ja yhteistyökumppaneiden edut olivat lähinnä kohdennetut tässä tutkimuksessa, he olivat myös osittain jännitteitä. Erityisesti osallistujien jakaminen kolmelle ryhmälle - valvonta, Info ja Info + Social - oli valtavan epätasapainoinen: 98% näyteosoitteesta oli osoitettu Info + Socialille. Tämä epätasapainoinen jakautuminen on tehotonta tilastollisesti, ja tutkijoille paljon parempi jakautuminen olisi ollut kolmasosa kunkin ryhmän osallistujista. Mutta epätasapainoinen jakautuminen tapahtui, koska Facebook halusi kaikkien vastaanottaa Info + sosiaalihoitoa. Onneksi tutkijat vakuuttivat heitä pidättääkseen 1%: n vertailuryhmästä ja 1% ohjaajaryhmästä. Ilman kontrolliryhmää olisi ollut periaatteessa mahdotonta mitata Info + sosiaalisen hoidon vaikutusta, koska se olisi ollut "perturb and observe" -kokeilu eikä satunnaistettu kontrolloitu koe. Tämä esimerkki tarjoaa arvokasta käytännön oppituntia yhteistyökumppaneiden kanssa: joskus luodaan kokeilu vakuuttaen jonkun hoitamaan ja joskus luodaan kokeilu vakuuttamalla joku, joka ei toimita hoitoa (eli luo ohjausryhmä).

Kumppanuudessa ei aina tarvitse olla mukana teknisiä yrityksiä ja A / B-testejä miljoonien osallistujien kanssa. Esimerkiksi Alexander Coppock, Andrew Guess ja John Ternovski (2016) sopivat ympäristöjärjestöjen kanssa - Conservation Voters League - kokeilemaan erilaisia ​​strategioita sosiaalisen mobilisoinnin edistämiseksi. Tutkijat käyttivät kansalaisjärjestöjen Twitter-tiliä lähettämään sekä julkisia tweetejä että yksityisiä suoria viestejä, jotka yrittivät esitellä erilaisia ​​identiteettejä. He sitten mitasivat, mitkä näistä viesteistä ovat tehokkaimpia kannustamaan ihmisiä allekirjoittamaan vetoomuksen ja retweet tiedot vetoomuksen.

Kaiken kaikkiaan voimakkaan kumppanuuden ansiosta voit toimia mittakaavassa, jota muuten vaikea tehdä, ja taulukossa 4.3 on muita esimerkkejä tutkijoiden ja organisaatioiden välisistä kumppanuuksista. Yhteistyö voi olla paljon helpompaa kuin oman kokeilun rakentaminen. Mutta nämä edut saattavat olla haittoja: kumppanuudet voivat rajoittaa osallistujien tyyppejä, hoitoja ja tuloksia, joita voit opiskella. Lisäksi nämä kumppanuudet voivat johtaa eettisiin haasteisiin. Paras tapa löytää mahdollisuus kumppanuuteen on havaita todellinen ongelma, jonka voit ratkaista, kun teet mielenkiintoista tiedettä. Jos et ole tottunut tällä tavalla katsomaan maailmaa, voi olla vaikea havaita ongelmia Pasteur's Quadrantissa, mutta käytännössä huomaat ne yhä enemmän.