4.5.2 Partner avec le puissant

Le partenariat peut réduire les coûts et d' augmenter l' échelle, mais il peut modifier les types de participants, les traitements, et les résultats que vous pouvez utiliser.

L'alternative à la faire vous-même est en partenariat avec une organisation puissante, comme une entreprise, le gouvernement ou des ONG. L'avantage de travailler avec un partenaire est qu'ils peuvent vous permettre de réaliser des expériences que vous ne pouvez pas faire par vous-même. Par exemple, l'une des expériences que je vais vous parler ci-dessous impliqués 61 millions de participants; aucun chercheur individuel pourrait atteindre cette échelle. Dans le même temps que le partenariat augmente ce que vous pouvez faire, elle aussi, en même temps, vous contraint. Par exemple, la plupart des entreprises ne vous permettra pas d'exécuter une expérience qui pourrait nuire à leur entreprise ou leur réputation. Travailler avec des partenaires signifie également que lorsque vient le temps de publier, vous pouvez venir sous pression pour "re-frame" vos résultats, et certains partenaires pourraient même essayer de bloquer la publication de votre travail si elle fait mal paraître. Enfin, le partenariat est également livré avec les coûts liés au développement et à l'entretien de ces collaborations.

Le principal défi qui doit être résolu pour rendre ces partenariats succès est de trouver un moyen d'équilibrer les intérêts des deux parties, et un moyen utile de penser que l' équilibre est Quadrant de Pasteur (Stokes 1997) , (Stokes 1997) . De nombreux chercheurs pensent que si elles travaillent sur quelque chose de concret, quelque chose qui pourrait être d'intérêt à un partenaire alors ils ne peuvent pas être en train de faire la vraie science. Cet état d'esprit, il sera très difficile de créer des partenariats fructueux, et il arrive aussi d'être complètement faux. Le problème avec cette façon de penser est merveilleusement illustré par la recherche d'avant-garde du biologiste Louis Pasteur. Tout en travaillant sur un projet de fermentation commerciale pour convertir le jus de betterave en alcool, Pasteur a découvert une nouvelle classe de micro-organisme qui a finalement conduit à la théorie des germes de la maladie. Cette découverte a résolu un problème, il est très pratique a contribué à améliorer le processus de fermentation et il conduit à une avancée scientifique majeure. Ainsi, plutôt que de penser à la recherche avec des applications pratiques comme étant en conflit avec une véritable recherche scientifique, il est préférable de penser comme deux dimensions distinctes. La recherche peut être motivé par l'utilisation (ou non) et la recherche peut rechercher la compréhension fondamentale (ou non). Critique, certains Pasteur's-peut-recherche comme être motivés par l'utilisation et la recherche de compréhension fondamentale (Figure 4.16). Research in Quadrant-recherche de Pasteur qui avance deux objectifs intrinsèquement est idéale pour la collaboration entre les chercheurs et les partenaires. Compte tenu de ce contexte, je vais vous décrire deux études expérimentales avec des partenariats: l'un avec une société et une avec une ONG.

Figure 4.16: Le Quadrant de Pasteur (basé sur la figure 3.5 de Stokes (1997) ). Plutôt que de penser de la recherche comme étant soit «de base» ou «appliquée», il est préférable de penser à la recherche comme étant motivés par l'utilisation (ou non) et la recherche de compréhension fondamentale (ou non). Un exemple de recherche que les deux est motivé par l'utilisation et cherche la compréhension fondamentale est le travail de Pasteur sur la conversion de jus de betterave en alcool qui conduisent à la théorie des germes de la maladie. Ceci est le genre de travail qui est le mieux adapté à des partenariats avec les puissants. Exemples de travail motivés par l'utilisation, mais qui ne cherchent pas la compréhension fondamentale proviennent de Thomas Edison, et des exemples de travaux qui ne sont pas motivés par l'utilisation, mais qui cherche la compréhension viennent de Niels Bohr. Voir Stokes (1997) pour une discussion plus approfondie de ce cadre et chacun de ces cas.

Les grandes entreprises, en particulier les entreprises technologiques, ont développé l'infrastructure incroyablement sophistiquée pour mener des expériences complexes. Dans le secteur de la technologie, ces expériences sont souvent appelés tests A / B (car ils testent l'efficacité des deux traitements: A et B). Ces expériences sont souvent exécutées pour des choses comme l'augmentation des taux de clics sur les annonces, mais la même infrastructure expérimentale peuvent également être utilisés pour la recherche qui fait progresser la compréhension scientifique. Un exemple qui illustre le potentiel de ce type de recherche est une étude menée par un partenariat entre des chercheurs de Facebook et de l'Université de Californie, San Diego, sur les effets des différents messages sur le taux de participation (Bond et al. 2012) .

Le 2 Novembre 2010-Le jour des élections-tous du Congrès des États-Unis 61 millions d'utilisateurs de Facebook qui vivent aux États-Unis et plus de 18 ans ont participé à l'expérience sur le vote. Lors de sa visite Facebook, les utilisateurs ont été répartis au hasard dans un des trois groupes, qui ont déterminé ce que la bannière (le cas échéant) a été placé au sommet de leur Nouvelles RSS (Figure 4.17):

• un groupe témoin.
• un message d'information sur le vote avec un cliquable "Je voté" bouton et un compteur (info).
• un message d'information sur le vote avec un cliquable "Je voté" bouton et un compteur + noms et des photos de leurs amis qui avaient déjà cliqué sur le "I voté" (info + social).

Bond et ses collègues ont étudié deux résultats principaux: signalé le comportement électoral et le comportement de vote réel. Tout d'abord, ils ont constaté que les gens dans l'info + groupe social étaient environ 2 points de pourcentage plus susceptibles que les personnes dans le groupe d'information cliquer sur "I voté" (environ 20% vs 18%). En outre, après que les chercheurs ont fusionné leurs données avec les dossiers de vote publiquement disponibles pour environ 6 millions de personnes ont trouvé que les gens dans l'info + groupe social étaient 0,39 points de plus susceptibles de réellement voter que les personnes à la condition de contrôle de pourcentage et que les personnes dans le groupe d'information tout aussi susceptibles de voter que les gens dans la condition de contrôle (figure 4.17).

Figure 4.17: Les résultats d'une expérience get-out-the-vote sur Facebook (Bond et al. 2012) . Les participants du groupe d'information ont voté au même rythme que les gens dans la condition de contrôle, mais les gens dans l'info + groupe social voté à un taux légèrement plus élevé. Les barres représentent des estimations des intervalles de confiance à 95%. Résultats dans le graphique comprennent environ 6 millions de participants pour lesquels les chercheurs pourraient correspondre aux résultats de vote.

Cette expérience montre que certains messages get-out-the-vote en ligne sont plus efficaces que d'autres, et il montre que l'estimation de chercheur de l'efficacité d'un traitement peut dépendre de leur étude rapportée ou le comportement réel. Cette expérience, malheureusement, ne dispose d'aucune des indices sur les mécanismes par lesquels l'information qui sociale certains chercheurs ont joyeusement appelé un "pile face" de vote -Augmentation. Il se pourrait que l'information sociale a augmenté la probabilité que quelqu'un a remarqué la bannière ou qu'il a augmenté la probabilité que quelqu'un qui a remarqué la bannière effectivement voté, ou les deux. Ainsi, cette expérience fournit une conclusion intéressante que d' autres chercheurs sera probablement explorer (voir , par exemple, Bakshy, Eckles, et al. (2012) ).

En plus de faire progresser les objectifs des chercheurs, cette expérience a également avancé l'objectif de l'organisation partenaire (Facebook). Si vous modifiez le comportement étudié lors du vote à l' achat de savon, alors vous pouvez voir que l'étude a exactement la même structure comme une expérience pour mesurer l'effet des annonces en ligne (voir par exemple, Lewis and Rao (2015) ). Ces études ad efficacité mesurent souvent l'effet de l' exposition à la ligne petite-traitements dans Bond et al. (2012) sont essentiellement des annonces pour le vote sur le comportement hors ligne. Ainsi, cette étude pourrait faire avancer la capacité de Facebook pour étudier l'efficacité des annonces en ligne et pourrait aider à Facebook convaincre les annonceurs potentiels que les annonces de Facebook sont efficaces.

Même si les intérêts des chercheurs et des partenaires ont été la plupart du temps alignés dans cette étude, ils étaient aussi partiellement en tension. En particulier, la répartition des participants aux trois conditions de contrôle, d'information et d'infos + sociale a été extrêmement déséquilibrée: 98% de l'échantillon a été assigné à info + social. Cette répartition déséquilibrée est inefficace statistiquement, et une meilleure répartition des chercheurs aurait été 1/3 des participants dans chaque groupe. Mais, la répartition déséquilibrée est arrivé parce que Facebook voulait que chacun de recevoir l'info + traitement social. Heureusement, les chercheurs les ont convaincus de retenir 1% pour un traitement connexe et 1% des participants à un groupe de contrôle. Sans le groupe témoin, il aurait été pratiquement impossible de mesurer l'effet de l'info + traitement social, car il aurait été une expérience "perturberait et observer» plutôt que d'une expérience contrôlée randomisée. Cet exemple fournit une leçon pratique précieuse pour travailler avec des partenaires: parfois, vous créez une expérience de convaincre quelqu'un d'offrir un traitement et parfois vous créer une expérience de convaincre quelqu'un de ne pas offrir un traitement (c.-à, pour créer un groupe de contrôle).

Partenariat n'a pas toujours besoin d'impliquer les entreprises de haute technologie et des tests A / B avec des millions de participants. Par exemple, Alexander Coppock, Andrew Guess, et John Ternovski (2016) en partenariat avec une ONG environnementale (Ligue of Conservation Voters) pour exécuter les essais d'expériences différentes stratégies pour la promotion de la mobilisation sociale. Les chercheurs ont utilisé le compte Twitter de l'ONG d'envoyer les deux tweets publics et messages directs privés qui ont tenté de prime différents types d'identités. Les chercheurs ont ensuite mesuré lequel de ces messages ont été les plus efficaces pour encourager les gens à signer une pétition et des informations retweet sur une pétition.

Dans l'ensemble, en partenariat avec le puissant permet de faire fonctionner à une échelle qui est difficile de faire autrement, et le tableau 4.3 fournit d'autres exemples de partenariats entre les chercheurs et les organisations. Le partenariat peut être beaucoup plus facile que la construction de votre propre expérience. Mais, ces avantages viennent avec des inconvénients: les partenariats peuvent limiter les types de participants, les traitements et les résultats que vous pouvez étudier. En outre, ces partenariats peuvent conduire à des défis éthiques. La meilleure façon de repérer une opportunité pour un partenariat est de constater un réel problème que vous pouvez résoudre pendant que vous faites la science intéressante. Si vous n'êtes pas habitué à cette façon de regarder le monde, il peut être difficile de repérer les problèmes dans le quadrant de Pasteur, mais avec la pratique, vous allez commencer à remarquer les plus en plus.