4.6.1 Luo nolla muuttuvien hintatiedot

Avain käynnissä suuri kokeiden ajo sinun muuttuvia kustannuksia nollaan. Paras tapa tehdä tämä on automaation ja suunnittelemalla nautittavaa kokeiluja.

Digitaalinen kokeita voi olla dramaattisesti erilainen kustannusrakenne ja tämän avulla tutkijat voivat suorittaa kokeita, jotka olivat mahdottomia aikaisemmin. Tarkemmin sanoen kokeita yleensä kaksi päätyyppiä kustannukset: kiinteät ja muuttuvat kustannukset. Kiinteät kustannukset ovat kustannuksia, jotka eivät muutu sen mukaan, kuinka monta osallistujaa olet. Esimerkiksi laboratoriossa kokeessa kiinteät kustannukset saattavat olla kustannukset vuokrata tilaa ja ostaa huonekaluja. Muuttuvat kustannukset, toisaalta, muuttuvat riippuen siitä, kuinka monta osallistujaa olet. Esimerkiksi laboratoriossa kokeessa, muuttuvat kustannukset saattavat tulla maksavat henkilökunnan ja osallistujia. Yleensä analoginen kokeet ovat alhaiset kiinteät kustannukset ja korkeat muuttuvat kustannukset, ja digitaalinen kokeet ovat korkeat kiinteät kustannukset ja alhaiset muuttuvat kustannukset (kuvio 4.18). Sopivilla suunnittelu, voit ajaa muuttuvia kustannuksia kokeilun aina nolla, ja tämä voi luoda jännittävän tutkimus mahdollisuuksia.

Kuva 4.18: Kaaviokuva kustannusrakenteita analogisessa ja digitaalisessa kokeiluja. Yleensä analoginen kokeet ovat alhaiset kiinteät kustannukset ja korkeat muuttuvat kustannukset taas digitaalinen kokeissa on korkeat kiinteät kustannukset ja alhaiset muuttuvat kustannukset. Eri kustannusrakenteita tarkoittaa, että digitaalinen kokeita voidaan ajaa asteikolla, joka ei ole mahdollista analogisissa kokeissa.

On olemassa kaksi tärkeimmät osat muuttuvien kustannusten maksuja henkilöstölle ja osallistujille maksettavien-ja jokainen näistä voidaan ajaa nollaan käyttämällä erilaisia ​​strategioita. Maksut henkilöstölle johtuvat työstä, joka tutkimusapulaisia ​​eivät rekrytoi osallistujia, tuottaa hoitoja, ja mittaamalla tuloksia. Esimerkiksi analoginen kenttäkoe of Schultz ja työtovereiden (2007) sosiaalisessa normien ja sähkön käyttöä tarvitaan tutkimusapulaisia ​​matkustamaan jokaiseen kotiin toimittaa hoitoon ja lukea sähkömittari (Kuva 4.3). Kaikki tämä vaivaa tutkimusapulaisia ​​merkitsi, että lisäämällä uusi kotitalous Tutkimuksen olisi lisännyt kustannuksia. Toisaalta, digitaaliseen kenttäkoe of Restivo ja van de Rijt (2012) on palkintoja Wikipediasta, tutkijat voisivat lisätä osallistujia lähes ilman kustannuksia. Yleinen strategia vähentää muuttuvien hallinnollisia kustannuksia on tarkoitus korvata ihmisen työ (joka on kallista) atk työ (joka on halpa). Karkeasti, voit kysyä itseltäsi: voi tämän kokeilun ajaa kun kaikki minun tutkimusryhmä nukkuu? Jos vastaus on kyllä, olet tehnyt hienoa työtä automaatiota.

Toinen tärkeä tyyppi muuttuva kustannus on osallistujille maksettavat maksut. Jotkut tutkijat ovat käyttäneet Amazonin Mechanical Turk ja muita online työmarkkinoiden pienentää maksuja, joita tarvitaan osallistujille. Ajaa muuttuvat kustannukset aina nolla, mutta myös erilaista lähestymistapaa. Jo pitkään, tutkijat ovat suunniteltu kokeita, jotka ovat niin tylsä ​​he joutuvat maksamaan ihmisiä osallistumaan. Mutta, mitä jos voisi luoda kokeilun, että ihmiset haluavat olla? Tämä voi kuulostaa kaukaa haettua, mutta annan teille esimerkin alla omasta työstä, ja on enemmän esimerkkeinä taulukossa 4.4. Huomaa, että tämä lähestymistapa suunnitteluun nautittava kokeita kaikuja joitakin teemoja luvun 3 koskien suunnittelemalla miellyttävämpää tutkimukset ja luvun 5 koskevat sellaisten massan yhteistyötä. Niinpä uskon, että osallistuja nauttiminen-mitä voisi kutsua myös käyttäjäkokemus-tulee olemaan yhä tärkeämpi osa tutkimuksen suunnittelu digitaaliaikana.

Jos haluat luoda nollaan muuttuvien kustannusten kokeita sinun kannattaa varmistaa, että kaikki on täysin automatisoitu ja että osallistujat eivät vaadi maksuja. Jotta voidaan osoittaa, miten tämä on mahdollista, minä kuvata väitöskirjani tutkimusta onnistumisen ja epäonnistumisen kulttuurin tuotteita. Tämä esimerkki osoittaa myös, että nolla muuttuva hintatietoja ei ole vain tehdä asioita halvempaa. Pikemminkin se on noin mahdollistavat kokeita, jotka eivät olisi mahdollisia muuten.

Väitöskirjani motivoi hämmentävä luonteesta menestystä kulttuurituotteiden. Hit kappaleita, myydyin kirjoja, ja hittielokuvia ovat paljon, paljon tehokkaampi kuin keskimäärin. Tämän vuoksi markkinat näiden tuotteiden kutsutaan usein "voittaja saa kaiken" markkinoilla. Kuitenkin samaan aikaan, joka tietyn kappaleen, kirja tai elokuva menestyvät on uskomattoman arvaamaton. Käsikirjoittaja William Goldman (1989) elegantisti tiivistää paljon akateemista tutkimusta sanomalla, että, kun se tulee ennustamiseen menestys, "kukaan ei tiedä mitään." Arvaamattomuus voittaja saa kaikilla markkina ihmettelen kuinka paljon menestystä on seurausta laadun ja kuinka paljon on vain onnea. Tai ilmaistu hieman eri, jos voisimme luoda rinnakkaisia ​​maailmoja ja ne kaikki kehittyä itsenäisesti, olisivat samat kappaleet tullut suosittu jokaisen maailman? Ja jos ei, mikä voisi olla mekanismi, joka aiheuttaa nämä erot?

Jotta vastata näihin kysymyksiin, me-Peter Dodds, Duncan Watts (väitöskirjani neuvonantaja), ja I-juoksin sarjan verkossa kenttäkokeissa. Erityisesti olemme rakentaneet sivuston nimeltä MusicLab jossa voisi löytää uutta musiikkia, ja käytimme sitä sarjan kokeita. Rekrytoimme osallistujat ajamalla mainospalkit teini-korko verkkosivuilla (kuvio 4.19) ja läpi mainitsee mediassa. Osallistujat saapuvat nettisivuillamme edellyttäen tietoon perustuvan suostumuksen, valmistunut lyhyt tausta kyselylomake, ja satunnaistettiin yhteen kahdesta koeolosuhteissa riippumaton ja sosiaalinen vaikutus. Itsenäisessä kunnossa, osallistujat tehnyt päätöksiä, joita kappaleita kuunnella, annetaan vain nimet bändejä ja kappaleita. Kun kuuntelet kappaletta, osallistujia pyydettiin arvioimaan sitä, jonka jälkeen heillä oli mahdollisuus (mutta ei velvollisuutta) ladata kappaleen. Vuonna sosiaalinen vaikutus ehto, osallistujilla oli sama kokemus, paitsi ne voivat myös nähdä, kuinka monta kertaa jokainen kappale oli ladannut edellinen osallistujaa. Lisäksi osallistujat sosiaalisen vaikuttamisen ehto satunnaistettiin yksi kahdeksasta rinnakkaisia ​​maailmoja, joista kukin kehittynyt itsenäisesti (kuva 4.20). Käyttämällä tätä suunnittelu, meillä oli kaksi liittyvä kokeita. Ensimmäisessä, esitimme osallistujat kappaleita käytettäessä lajittelemattoman verkkoon, jossa näille heikon signaalin suosiota. Toisessa kokeessa, esittelimme kappaleita paremmuusjärjestykseen, joka tarjosi paljon voimakkaampi signaali suosiota (kuva 4.21).

Kuva 4.19: Esimerkki Bannerimainoksen että kollegani ja käytin rekrytoida osallistujia MusicLab kokeita (Salganik, Dodds, and Watts 2006) .

Kuva 4.20: Kokeellinen suunnittelu MusicLab kokeita (Salganik, Dodds, and Watts 2006) . Osallistujat satunnaistettiin yhteen kaksi ehtoa: itsenäinen ja sosiaalinen vaikutus. Osallistujat itsenäisissä kunnossa tehneet valintansa ilman tietoa siitä, mitä muut ihmiset olivat tehneet. Osallistujat sosiaalisen vaikuttamisen ehto jaettiin satunnaisesti yksi kahdeksasta rinnakkaisia ​​maailmoja, jossa he voisivat nähdä suosio-mitattuna lataukset aikaisempien osallistujien-jokaisen kappaleen niiden maailmassa, mutta he eivät voineet nähdä mitään tietoja, eivätkä he edes tietää olemassaolosta, jollekin muulle maailmoista.

Huomasimme, että suosio kappaleet erosivat poikki maailman viittaa tärkeä rooli onnea. Esimerkiksi eräässä maailman kappaleen "Lockdown" by 52Metro tuli ensimmäinen, ja toisessa maailmassa se tuli 40 ulos 48 kappaleita. Tämä oli täsmälleen sama laulu kilpailevia kaikki samat kappaleet, mutta yhdessä maailmassa se kävi tuuri ja muut se ei ole. Edelleen vertaamalla tuloksia poikki kahdesta kokeesta huomasimme, että sosiaalinen vaikutus johtaa entistä epätasainen menestys, mikä ehkä aiheuttaa ulkonäkö ennustettavuutta. Mutta, etsivät koko maailman (jota ei voida tehdä ulkona tällaista rinnakkaisten maailmojen kokeilu), huomasimme, että sosiaalinen vaikutus itse asiassa kasvoi arvaamattomuus. Edelleen, yllättäen, se oli lauluja korkeimman valituksen jolla on eniten arvaamaton tulokset (kuvio 4.22).

Kuva 4.21: Kuvakaappauksia sosiaalinen vaikutus olosuhteiden MusicLab kokeita (Salganik, Dodds, and Watts 2006) . Vuonna sosiaalisen vaikuttamisen ehto kokeessa 1, kappaleet yhdessä useissa aiemmissa lataukset, esiteltiin osallistujille järjestetty 16 x 3 neliön, jossa kannat kappaleista arvottiin jokaiselle osallistujalle. Kokeessa 2, osallistujien sosiaalinen vaikutus ehto näytettiin kappaleita, joissa latausmäärät esitteli yhdessä sarakkeessa laskevassa nykyinen suosio.

Kuva 4.22: Tulokset alkaen MusicLab kokeet osoittavat suhde valituksen ja menestys (Salganik, Dodds, and Watts 2006) . X-akseli on markkinaosuus kappaleen itsenäisessä maailmassa, joka toimii mittana valituksen kappaleen, ja y-akseli on markkinaosuus saman kappaleen 8 sosiaalinen vaikutus maailmoja, joka palvelee mittana onnistumisesta kappaleita. Huomasimme, että lisäämällä sosiaalinen vaikutus, että osallistujat kokivat-sanottuna muutos layout kokeesta 1 kokeilla 2 (kuvio 4.21) -caused menestys entistä arvaamaton, varsinkin korkeimman valituksen kappaleita.

MusicLab pystyi ajaa olennaisesti nolla muuttuvien kustannusten vuoksi, miten se on suunniteltu. Ensin kaikki oli täysin automatisoitu, joten se pystyi juosta kun olin nukkumassa. Toiseksi korvauksen oli vapaa musiikki joten ei ollut muuttuvia osanottaja korvauksia kustannuksista. Musiikin käyttöä korvauksena myös osoittaa, kuinka on joskus kompromissi kiinteät kustannukset ja muuttuvat kustannukset. Käyttämällä musiikki lisäsi kiinteitä kustannuksia, koska olen joutunut viettämään aikaa turvata luvan bändejä ja valmistella raportteja bändit noin osallistujien reaktio heidän musiikkiaan. Mutta, tässä tapauksessa yhä kiinteitä kustannuksia vähentääkseen muuttujia kustannuksia oli oikein; niinhän meille mahdollisuuden kokeilun, joka oli noin 100 kertaa suurempi kuin tavallisen lab kokeilu.

Edelleen MusicLab kokeet osoittavat, että nolla muuttuvia kustannuksia ei tarvitse olla itsetarkoitus; Pikemminkin se voi olla keino käynnissä uudenlainen kokeilu. Huomaa, että emme käyttäneet kaikkia osallistujia ajaa vakio sosiaalinen vaikutus lab kokeilu 100 kertaa. Sen sijaan teimme jotain erilaista, joka voisi ajatella kuin vaihtamalla psykologinen koe on sosiologinen kokeilu (Hedström 2006) . Sen sijaan keskitytään yksittäisiin päätöksentekoon, fokusoimme kokeilun suosio, kollektiivinen lopputulos. Tämä kytkin kollektiivisesti tulos merkitsi sitä, että me tarvitaan noin 700 osallistujaa tuottaa yhtä datapistettä (oli 700 henkilöä kussakin rinnakkaisten maailmojen). Tämä asteikko oli mahdollista vain siksi, että kustannusrakenteen kokeen. Yleensä, jos tutkijat haluavat tutkia miten kollektiivinen tulokset syntyvät yksittäisiä päätöksiä, ryhmä kokeiluja, kuten MusicLab ovat erittäin jännittävä. Aikaisemmin ne ovat olleet logistisesti vaikeaa, mutta nämä vaikeudet ovat hiipumassa, koska mahdollisuus nolla muuttuvien hintatietoja.

Lisäksi etuja kuvaavaa nolla muuttuvien kustannusten tietojen MusicLab kokeet osoittavat myös haaste tämän lähestymistavan: korkeat kiinteät kustannukset. Minun tapauksessani, olin erittäin onnekas pystyä toimimaan lahjakas web-kehittäjä nimetty Peter Hausel noin puoli vuotta rakentaa kokeilun. Tämä oli mahdollista vain siksi minun neuvonantaja, Duncan Watts, oli saanut useita apurahoja tällainen tutkimus. Tekniikka on parantunut rakensimme MusicLab vuonna 2004, ja se olisi paljon helpompi rakentaa tällaisen kokeilun nyt. Mutta suuret kiinteät kustannukset strategiat ovat todella mahdollisia vain tutkijoille, jotka voivat jotenkin kattaa nämä kustannukset.

Lopuksi digitaalinen kokeita voi olla dramaattisesti erilainen kustannusrakenne kuin analoginen kokeiluja. Jos haluat ajaa todella suuri kokeita, sinun pitäisi yrittää pienentää muuttuvia kustannuksia mahdollisimman paljon ja mieluiten aina 0. Voit tehdä tämän automatisoimalla mekaniikka kokeilun (esim korvaten ihmisen aikaa tietokoneen aikaa) ja suunnittelemalla kokeiluja, että ihmiset haluavat olla. tutkijat, jotka voivat suunnitella kokeita nämä ominaisuudet voivat käyttää uudenlaisia ​​kokeita, jotka eivät ole olleet mahdollisia aiemmin.