4.5.1.1 environnements existants Utilisation

Vous pouvez exécuter des expériences à l' intérieur des environnements existants, souvent sans aucun codage ou d'une société.

Logistique, la meilleure façon de faire des expériences numériques consiste à superposer votre expérience sur le dessus d'un environnement existant, vous permettant d'exécuter une expérience sur le terrain numérique. Ces expériences peuvent être exécutées à une assez grande échelle et ne nécessitent pas de partenariat avec une entreprise ou le développement de logiciels vaste.

Par exemple, Jennifer Doleac et Luc Stein (2013) ont profité d'un marché en ligne (par exemple, Craigslist) pour exécuter un test qui mesure la discrimination raciale. Doleac et Stein annoncés milliers d'iPods, et en faisant varier systématiquement les caractéristiques du vendeur, ils ont pu étudier l'effet de la race sur les transactions économiques. En outre, Doleac et Stein ont utilisé l'échelle de leur expérience pour estimer lorsque l'effet est plus grand (hétérogénéité des effets du traitement) et d'offrir quelques idées sur la raison pour laquelle l'effet peut se produire (mécanismes).

Avant l'étude des Doleac et Stein, il y avait eu deux approches principales pour mesurer expérimentalement la discrimination. Dans la correspondance études des chercheurs créent les curriculum vitae des personnages fictifs de races différentes et utilisent ces curriculum vitae, par exemple, demander des emplois différents. Bertrand et de Mullainathan (2004) du papier avec le titre mémorable "Est Emily et Greg Plus Employable Than Lakisha et Jamal? Une expérience de terrain sur le marché du travail Discrimination "est une merveilleuse illustration d'une étude de la correspondance. Les études par correspondance ont un coût relativement faible par observation, qui permet à un seul chercheur pour recueillir des milliers d'observations dans une étude typique. Mais, des études par correspondance de discrimination raciale ont été interrogés parce que les noms signalent potentiellement beaucoup de choses en plus de la course de la requérante. Autrement dit, des noms tels que Greg, Emily, Lakisha et Jamal peut indiquer la classe sociale, en plus de la course. Ainsi, toute différence de traitement pour les curriculum vitae de Greg et Jamal pourrait être due à plus de différences raciales présumées des candidats. Les études de vérification, d'autre part, impliquent l' embauche d' acteurs de différentes races à la demande en personne pour les emplois. Même si les études d'audit fournissent un signal clair de la race requérante, ils sont extrêmement coûteux par l'observation, ce qui signifie qu'ils ont généralement seulement des centaines d'observations.

Dans leur expérience sur le terrain numérique, Doleac et Stein ont pu créer un hybride attrayant. Ils ont été en mesure de recueillir des données à un coût relativement faible par observation-résultant en des milliers d'observations (comme dans une étude de la correspondance) -et ils étaient capables de signaler la course en utilisant des photographies-résultant en un signal uncounfounded claire de la race (comme dans une étude d'audit ). Ainsi, l'environnement en ligne permet parfois aux chercheurs de créer de nouveaux traitements qui ont des propriétés qui sont difficiles à construire autrement.

Les annonces d'iPod de Doleac et Stein ont varié selon trois dimensions principales. D'abord, ils ont varié les caractéristiques du vendeur, qui a été signalé par la main photographiée tenant l'iPod [blanc, noir, blanc avec le tatouage] (Figure 4.12). Deuxièmement, ils ont varié le prix demandé [90 $, 110 $, 130]. Troisièmement, ils ont varié de la qualité du texte de l'annonce [(par exemple, les erreurs de capitalisation et les erreurs de spelin) de haute qualité et de faible qualité]. Ainsi, les auteurs ont eu une conception 3 X 3 X 2 qui a été déployé sur plus de 300 marchés locaux allant des villes (par exemple, Kokomo, IN et North Platte, NE) aux méga-villes (par exemple, New York et Los Angeles).

Figure 4.12: Mains utilisées dans l'expérience de Doleac and Stein (2013) . iPods ont été vendus par des vendeurs avec des caractéristiques différentes pour mesurer la discrimination dans un marché en ligne.

En moyenne dans toutes les conditions, les résultats étaient meilleurs pour le vendeur blanc que le vendeur noir, avec le vendeur tatoué ayant des résultats intermédiaires. Par exemple, les vendeurs blancs reçu plus d'offres et avait des prix plus élevés des ventes finales. Au-delà de ces effets moyens, Doleac et Stein estime l'hétérogénéité des effets. Par exemple, une prédiction de la théorie antérieure est que la discrimination serait moins sur les marchés qui sont plus compétitifs. En utilisant le nombre d'offres reçues comme un proxy pour la concurrence sur le marché, les auteurs ont constaté que les vendeurs noirs ne reçoivent en effet des offres pire sur les marchés avec un degré de concurrence est faible. En outre, en comparant les résultats pour les annonces de haute qualité et le texte de faible qualité, Doleac et Stein ont constaté que la qualité de l'annonce n'a pas d'impact l'inconvénient rencontré par les vendeurs noirs et tatoués. Enfin, en profitant du fait que les publicités ont été placées dans plus de 300 marchés, les auteurs constatent que les vendeurs noirs sont plus défavorisés dans les villes où les taux de criminalité élevés et une grande ségrégation résidentielle. Aucun de ces résultats nous donnent une compréhension précise de exactement pourquoi les vendeurs noirs avaient de moins bons résultats, mais, lorsqu'il est combiné avec les résultats d'autres études, ils peuvent commencer à informer les théories sur les causes de la discrimination raciale dans les différents types de transactions économiques.

Un autre exemple qui montre la capacité des chercheurs à mener des expériences sur le terrain numérique dans les systèmes existants est la recherche par Arnout van de Rijt et ses collègues (2014) sur les clés du succès. Dans de nombreux aspects de la vie, des gens apparemment similaires se retrouvent avec des résultats très différents. Une explication possible de ce modèle est que les petits et essentiellement aléatoires avantages peuvent lock-in et de croître au fil du temps, un processus que les chercheurs appellent avantage cumulatif. Afin de déterminer si les petites réussites initiales lock-in ou disparaître, van de Rijt et ses collègues (2014) sont intervenus dans quatre systèmes différents conférant le succès sur les participants choisis au hasard, puis mesuré les impacts à long terme de ce succès arbitraire.

Plus précisément, van de Rijt et ses collègues 1) ont promis de l' argent pour des projets choisis au hasard sur kickstarter.com , un site de crowdfunding; 2) évalué positivement commentaires choisis au hasard sur le site Epinions ; 3) a donné des prix aux contributeurs choisis au hasard à Wikipedia ; et 4) ont signé des pétitions choisis au hasard sur change.org . Les chercheurs ont trouvé des résultats très similaires dans les quatre systèmes: dans chaque cas, les participants qui ont reçu au hasard un certain succès au début a continué à avoir plus de succès subséquent que leurs pairs autrement complètement indiscernables (Figure 4.13). Le fait que le même schéma est apparu dans de nombreux systèmes augmente la validité externe de ces résultats, car elle réduit la probabilité que ce modèle est un artefact de tout système particulier.

Figure 4.13: Les effets à long terme de succès accordé au hasard dans quatre systèmes sociaux différents. Arnout van de Rijt et ses collègues (2014) 1) se sont engagés argent pour des projets choisis au hasard sur kickstarter.com , un site de crowdfunding; 2) évalué positivement commentaires choisis au hasard sur le site Epinions ; 3) a donné des prix aux contributeurs choisis au hasard à Wikipedia ; et 4) ont signé des pétitions choisis au hasard sur change.org .

Ensemble, ces deux exemples montrent que les chercheurs peuvent mener des expériences sur le terrain numériques sans la nécessité de travailler en partenariat avec des entreprises ou de la nécessité de construire des systèmes numériques complexes. En outre, le tableau 4.2 fournit encore plus d'exemples qui montrent la gamme de ce qui est possible lorsque les chercheurs utilisent l'infrastructure des systèmes existants pour obtenir des résultats de traitement et / ou de la mesure. Ces expériences sont relativement pas cher pour les chercheurs et ils offrent un haut degré de réalisme. Mais, ces expériences offrent aux chercheurs un contrôle limité sur les participants, les traitements et les résultats à mesurer. En outre, pour des expériences qui se déroulent dans un seul système, les chercheurs ont besoin d'être préoccupé par ce que les effets pourraient être entraînés par la dynamique spécifique au système (par exemple, la façon dont Kickstarter classe projets ou la façon dont change.org classe pétitions; pour plus d'informations, voir la discussion au sujet de confusion algorithmique dans le chapitre 2). Enfin, lorsque les chercheurs interviennent dans les systèmes de travail, les questions éthiques délicates émergent au sujet de mal possible aux participants, les non-participants, et les systèmes. Nous examinerons ces questions éthiques plus en détail dans le chapitre 6, et il y a une excellente discussion d'entre eux dans l'annexe de van de Rijt (2014) . Les compromis qui viennent avec le travail dans un système existant ne sont pas idéales pour chaque projet, et pour cette raison, certains chercheurs construisent leur propre système expérimental, le sujet de la prochaine section.