4.6.2 તમારા ડિઝાઇનમાં નીતિશાસ્ત્ર બનાવો: બદલો, રિફાઇન કરો અને ઘટાડો

, બિન-પ્રાયોગિક અભ્યાસ સાથે પ્રયોગો બદલીને સારવાર શુદ્ધિકરણ, અને સહભાગીઓ સંખ્યા ઘટાડવા દ્વારા તમારા પ્રયોગ વધારે માનવીય બનાવો.

ડિજિટલ પ્રયોગો ડિઝાઇન કરવા અંગે હું સલાહ આપવાનો બીજો ભાગ એથિક્સને લગતી બાબતોને લગતી છે. જેમ જેમ રેસ્ટિવો અને વાન ડી રિતે વિકિપીડિયા શોમાં બૅનર્સ્ટર્સ પર પ્રયોગ કર્યો છે, તેમનો ઘટાડો થયો છે તેનો અર્થ એ કે નૈતિકતા સંશોધન ડિઝાઇનનો વધુ મહત્વનો ભાગ બનશે. નૈતિક માળખાના માર્ગદર્શનને ધ્યાનમાં રાખીને હું પ્રકરણ 6 માં વર્ણન કરું છું, ડિજિટલ પ્રયોગો ડિઝાઇન કરનારા સંશોધકો પણ જુદા જુદા સ્ત્રોતમાંથી નૈતિક વિચારો પર ડ્રો કરી શકે છે: પ્રાણીઓને સંલગ્ન પ્રયોગોના માર્ગદર્શન માટે વિકસાવવામાં આવેલા નૈતિક સિદ્ધાંતો. ખાસ કરીને, તેમના સીમાચિહ્ન પુસ્તક સિદ્ધાંતોમાં માનવીય પ્રાયોગિક ટેકનીક , Russell and Burch (1959) ત્રણ સિદ્ધાંતોનો પ્રસ્તાવ મૂક્યો હતો, જેમાં પ્રાણી સંશોધનનું માર્ગદર્શન કરવું: બદલો, નિશ્ચિત કરવું અને ઘટાડવું. હું પ્રસ્તાવ કરવા માગું છું કે આ ત્રણ આરનો પણ ઉપયોગ કરી શકાય છે- થોડા સંશોધનોમાં-માનવ પ્રયોગોના ડિઝાઇનને માર્ગદર્શન આપવા. વિશેષ રીતે,

• બદલો: શક્ય હોય તો ઓછી આક્રમક પદ્ધતિઓ સાથે પ્રયોગોને બદલો.
• રીફાઇન: શક્ય તેટલી હાનિકારક બનાવવા માટે સારવારને રીફાઇન કરો.
• ઘટાડો: તમારા પ્રયોગમાં સહભાગીઓની સંખ્યાને શક્ય તેટલું ઓછું કરો.

આ ત્રણ આર કોંક્રિટ બનાવવા અને બતાવવા માટે કે તેઓ સંભવિત રીતે વધુ સારા અને વધુ માનવીય પ્રાયોગિક ડિઝાઇન તરફ દોરી શકે છે, હું એક ઓનલાઇન ફીલ્ડ પ્રયોગનું વર્ણન કરું છું જે નૈતિક ચર્ચા પેદા કરે છે. પછી, હું વર્ણન કરું છું કે કેવી રીતે ત્રણ આર પ્રયોગની ડિઝાઇનમાં કોંક્રિટ અને વ્યવહારિક ફેરફારો સૂચવે છે.

સૌથી વધુ નૈતિક ચર્ચા ડિજિટલ ફિલ્ડ પ્રયોગો પૈકી એક આદમ ક્રેમર, જેમી ગ્યુલ્લોય અને જેફ્રે હેનકોક (2014) કરવામાં આવ્યો હતો અને તેને "લાગણીસભર સંસાર" કહેવામાં આવ્યું છે. આ પ્રયોગ ફેસબુક પર યોજાયો હતો અને તે વૈજ્ઞાનિક અને વ્યવહારુ પ્રશ્નો તે સમયે, ફેસબુક સાથે જે વપરાશકર્તાઓએ ક્રિયાપ્રતિક્રિયા કરી હતી તે પ્રભાવશાળી અભિગમ ન્યૂઝ ફીડ હતી, જે વપરાશકર્તાના ફેસબુક મિત્રો તરફથી ફેસબુક સ્થિતિ અપડેટ્સના એલ્ગોરિધમિકલી ક્યુરેટ કરેલ સમૂહ હતા. ફેસબુકના કેટલાક વિવેચકોએ સૂચવ્યું હતું કે ન્યૂઝ ફીડ મોટાભાગે હકારાત્મક પોસ્ટ્સ છે - મિત્રો તેમની નવીનતમ પાર્ટી દર્શાવે છે - તે વપરાશકર્તાઓને ઉદાસી ગણી શકે છે કારણ કે તેમના જીવનની સરખામણીમાં તેઓ ઓછા આકર્ષક લાગતા હતા બીજી બાજુ, કદાચ અસર બરાબર વિપરીત છે: કદાચ તમારા મિત્રને સારો સમય જોવો તે તમને ખુશી અનુભવે છે. આ સ્પર્ધાત્મક પૂર્વધારણાઓને સંબોધિત કરવા-અને એક વ્યક્તિની લાગણીઓ તેના મિત્રોની લાગણીઓ દ્વારા કેવી રીતે પ્રભાવિત થાય છે તે અંગેની અમારી સમજને આગળ વધારવા માટે ક્રેમર અને સહકાર્યકરોએ એક પ્રયોગ કર્યો હતો. તેઓએ 700,000 વપરાશકર્તાઓને એક અઠવાડિયા માટે ચાર જૂથોમાં મૂક્યા: એક "ઋણભારિતા-ઘટાડો" જૂથ, જેના માટે નકારાત્મક શબ્દો ધરાવતી પોસ્ટ્સ (દા.ત., "ઉદાસી") રેન્ડમ ન્યૂઝ ફીડમાં દેખાતા અવરોધિત હતા; હકારાત્મક શબ્દો ધરાવતી પોસ્ટ્સ (દા.ત. "સુખી") માટે "હકારાત્મકતા-ઘટાડો" જૂથ અવ્યવસ્થિત અવરોધક હતા; અને બે નિયંત્રણ જૂથો "ઋણભારિતા-ઘટાડો" જૂથ માટે નિયંત્રણ જૂથમાં, પોસ્ટ્સ "નકારાત્મકતા ઘટાડી" જૂથ તરીકે સમાન દર પર રેન્ડમ અવરોધિત કરવામાં આવી હતી પરંતુ લાગણીશીલ સામગ્રીને ધ્યાનમાં લીધા વગર "પોઝિટિવિટી-ઘટાડો" ગ્રૂપનું નિયંત્રણ જૂથ સમાંતર ફેશનમાં બનાવવામાં આવ્યું હતું. આ પ્રયોગની ડિઝાઇન સમજાવે છે કે યોગ્ય નિયંત્રણ જૂથ હંમેશાં કોઈ ફેરફારો સાથે નથી. ઊલટાનું, ક્યારેક, નિયંત્રણ જૂથને એક સંશોધન મળે છે જેથી ચોક્કસ સંશોધનની શોધ કરવામાં આવે જે સંશોધનના પ્રશ્ન માટે જરૂરી હોય. તમામ કેસોમાં, સમાચાર ફીડમાંથી અવરોધિત કરેલી પોસ્ટ્સ હજુ પણ ફેસબુક વેબસાઇટનાં અન્ય ભાગો દ્વારા વપરાશકર્તાઓ માટે ઉપલબ્ધ હતી.

ક્રેમર અને સહકર્મીઓએ શોધી કાઢ્યું હતું કે હકારાત્મકતા-ઘટાડોની સ્થિતિમાં સહભાગીઓ માટે, તેમના સ્થિતિના સુધારામાં હકારાત્મક શબ્દોની ટકાવારીમાં ઘટાડો થયો છે અને નકારાત્મક શબ્દોની ટકાવારીમાં વધારો થયો છે. પ્રશ્નની બીજી બાજુએ, ઋણભારિતા ઘટાડો શરત સહભાગીઓ માટે, હકારાત્મક શબ્દો ટકાવારી વધી અને નકારાત્મક શબ્દો કે ઘટાડો થયો (આકૃતિ 4.24). જો કે, આ અસરો ખૂબ નાનો હતા: સારવાર અને નિયંત્રણો વચ્ચે હકારાત્મક અને નકારાત્મક શબ્દોનો તફાવત 1,000 શબ્દોમાં આશરે 1 શબ્દ હતો.

આકૃતિ 4.24: ભાવનાત્મક ચેપનો પુરાવો (Kramer, Guillory, and Hancock 2014) . ઋણભારિતા-ઘટાડો સ્થિતિના સહભાગીઓ ઓછા નકારાત્મક શબ્દો અને વધુ હકારાત્મક શબ્દોનો ઉપયોગ કરે છે, અને હકારાત્મકતા-ઘટાડો સ્થિતિના સહભાગીઓએ વધુ નકારાત્મક શબ્દો અને ઓછા હકારાત્મક શબ્દોનો ઉપયોગ કર્યો હતો. બાર્સ અંદાજિત સ્ટાન્ડર્ડ ભૂલો દર્શાવે છે Kramer, Guillory, and Hancock (2014) આંકડા, 1 આકૃતિ

આ પ્રયોગ દ્વારા ઉઠાવવામાં આવેલા નૈતિક મુદ્દાઓની ચર્ચા કરતા પહેલા, હું પ્રકરણમાં અગાઉથી કેટલાક વિચારોનો ઉપયોગ કરીને ત્રણ વૈજ્ઞાનિક મુદ્દાઓનું વર્ણન કરવા માગું છું. પ્રથમ, તે સ્પષ્ટ નથી કે પ્રયોગની વાસ્તવિક વિગતો સૈદ્ધાંતિક દાવાની સાથે કેવી રીતે જોડાય છે; બીજા શબ્દોમાં કહીએ તો, માન્યતાની રચના વિશે પ્રશ્નો છે તે સ્પષ્ટ નથી કે હકારાત્મક અને નકારાત્મક શબ્દ ગણતરીઓ વાસ્તવમાં સહભાગીઓની ભાવનાત્મક સ્થિતિનું સૂચક છે કારણ કે (1) તે સ્પષ્ટ નથી કે જે લોકો પોસ્ટ કરે છે તે શબ્દો તેમની લાગણીઓનું સારું સૂચક છે અને (2) તે નથી સ્પષ્ટ કરે છે કે સંશોધકોએ ઉપયોગમાં લેવાતી વિશિષ્ટ સેન્ટિમેન્ટ વિશ્લેષણ તકનીકને વિશ્વસનીય લાગણીઓ (Beasley and Mason 2015; Panger 2016) . બીજા શબ્દોમાં કહીએ તો, પક્ષપાતી સંકેતનું ખરાબ માપ હોઇ શકે છે. બીજું, પ્રયોગની રચના અને વિશ્લેષણ અમને સૌથી વધુ અસર કરે છે તે વિશે કંઇક કહે છે (દાખલા તરીકે, ઉપચારની અસરોની કોઈ વિશ્લેષણ નથી) અને તે પદ્ધતિ શું હોઈ શકે. આ કિસ્સામાં, સંશોધકોને સહભાગીઓ વિશે ઘણાં બધાં માહિતી હતી, પરંતુ વિશ્લેષણમાં તેમને આવશ્યકપણે વિજેટ્સ તરીકે માનવામાં આવતું હતું. ત્રીજું, આ પ્રયોગમાં અસરનું કદ ખૂબ નાનું હતું; સારવાર અને નિયંત્રણની સ્થિતિ વચ્ચેનો તફાવત 1,000 શબ્દોમાં આશરે 1 શબ્દ છે. તેમના કાગળમાં, ક્રૅમર અને સહકર્મીઓ આ કેસને અસર કરે છે કે આ કદની અસર મહત્વની છે કારણ કે લાખો લોકો દરરોજ ન્યૂઝ ફીડનો ઉપયોગ કરે છે. બીજા શબ્દોમાં કહીએ તો, તેઓ એવી દલીલ કરે છે કે જો દરેક વ્યક્તિ માટે અસરો ઓછી હોય તો પણ તે એકંદરે મોટા હોય છે. જો તમે આ દલીલ સ્વીકારી હો તો પણ, તે હજુ પણ સ્પષ્ટ નથી કે આ કદની અસર લાગણીના ફેલાવા અંગેના વધુ સામાન્ય વૈજ્ઞાનિક પ્રશ્ન (Prentice and Miller 1992) વિશે મહત્વપૂર્ણ છે.

આ વૈજ્ઞાનિક પ્રશ્નો ઉપરાંત, આ પેપરની સાયન્સની નેશનલ એકેડેમીની પ્રોસિડિંગ્સમાં પ્રકાશિત થયાના થોડા દિવસો બાદ, સંશોધકો અને પ્રેસ બંનેમાંથી એક પ્રચંડ ઉશ્કેરાઈ હતી (પ્રકરણ 6 માં વધુ ચર્ચામાં આ ચર્ચામાં હું દલીલોનું વર્ણન કરું છું. ). આ ચર્ચામાં ઊભા થયેલા મુદ્દાથી જર્નલ સંશોધન માટે નૈતિકતા અને નૈતિક રીવ્યુ પ્રક્રિયા (Verma 2014) વિશે એક દુર્લભ "ચિંતાનો સંપાદકીય અભિવ્યક્તિ" પ્રકાશિત કરે છે.

લાગણીસભર સંસર્ગ વિશેની પૃષ્ઠભૂમિને ધ્યાનમાં રાખીને હું હવે બતાવીશ કે ત્રણ આર વાસ્તવિક અભ્યાસ માટે કોંક્રિટ, પ્રાયોગિક સુધારણા સૂચવી શકે છે (તમે આ ચોક્કસ પ્રયોગના નૈતિકતા અંગે વ્યક્તિગત વિચાર કરી શકો છો). પ્રથમ આર સ્થાને છે : સંશોધકોએ જો શક્ય હોય તો ઓછા આક્રમક અને જોખમી તકનીકો સાથે પ્રયોગોને બદલવાની જરૂર છે. દાખલા તરીકે, રેન્ડમાઇઝ્ડ અંકુશિત પ્રયોગને ચલાવવાને બદલે, સંશોધકોએ કુદરતી પ્રયોગનો ઉપયોગ કરી શકે છે. પ્રકરણ 2 માં વર્ણવ્યા પ્રમાણે, કુદરતી પ્રયોગો એવી પરિસ્થિતિઓ છે જ્યાં દુનિયામાં કંઈક બને છે જે સારવારની યાદચ્છિક સોંપણી (દા.ત. સૈન્યમાં મુસદ્દો તૈયાર કરવામાં આવશે તે નક્કી કરવા માટે એક લોટરી) અંદાજે છે. કુદરતી પ્રયોગનો નૈતિક લાભ એ છે કે સંશોધકને સારવાર આપવી પડશે નહીં: પર્યાવરણ તમારા માટે તે કરે છે. ઉદાહરણ તરીકે, લાગણીસભર સંસર્ગ પ્રયોગ લગભગ લગભગ એક સાથે, Lorenzo Coviello et al. (2014) શોષણ કરવામાં આવી હતી જેને લાગણીસભર સંસર્ગ કુદરતી પ્રયોગ તરીકે ઓળખવામાં આવે છે. કોવિએલો અને સાથીઓએ શોધ્યું હતું કે લોકો વરસાદને કારણે વધુ નકારાત્મક શબ્દો અને ઓછા હકારાત્મક શબ્દો પોસ્ટ કરે છે. તેથી, હવામાનમાં રેન્ડમ વેરિયેશનનો ઉપયોગ કરીને, તેઓ તમામને દરમિયાનગીરી કરવાની જરૂરિયાત વગર ન્યૂઝ ફીડના ફેરફારોની અસરનો અભ્યાસ કરી શક્યા. તે એવું હતું કે હવામાન તેમના માટે પ્રયોગ ચાલી રહ્યું હતું. તેમની પ્રક્રિયાની વિગતો થોડી જટિલ છે, પરંતુ અહીં અમારા હેતુઓ માટેનો સૌથી મહત્વનો મુદ્દો એ છે કે કુદરતી પ્રયોગનો ઉપયોગ કરીને, કોવિએલો અને સહકાર્યકરો તેમના પોતાના પ્રયોગને ચલાવ્યા વગર લાગણીઓના ફેલાવા વિષે જાણવા સક્ષમ હતા.

ત્રણ પૈકીનો બીજો રિફાઇન છે : સંશોધકોએ શક્ય તેટલી હાનિકારક બનાવવા માટે તેમના સારવારોને રિફાઇન કરવાની જરૂર છે. ઉદાહરણ તરીકે, એવી સામગ્રીને અવરોધિત કરવાને બદલે જે હકારાત્મક કે નકારાત્મક છે, સંશોધકોએ એવી સામગ્રીને પ્રોત્સાહન આપી શકે છે જે હકારાત્મક કે નકારાત્મક છે. આ બૂસ્ટિંગ ડિઝાઇનથી સહભાગીઓના સમાચાર ફીડ્સની લાગણીશીલ સામગ્રી બદલાઈ ગઈ હોત, પરંતુ તે ટીકાકારોએ વ્યક્ત કરેલા એક ચિંતાને સંબોધિત કરશે: આ પ્રયોગોથી ભાગ લેનારાઓએ તેમના ન્યૂઝ ફીડમાં મહત્વની માહિતી ગુમાવવાનું કારણ બની શકે છે. ક્રૅમર અને સહકાર્યકરો દ્વારા ઉપયોગમાં લેવાતી ડિઝાઇન સાથે, એક સંદેશ જે મહત્વપૂર્ણ છે તે એક તરીકે અવરોધિત થવાની શક્યતા છે. જો કે, બુસ્ટીંગ ડીઝાઇન સાથે, સંદેશાઓ જે વિસ્થાપિત થશે તે ઓછા મહત્વના હશે.

છેવટે, ત્રીજા આર ઘટાડે છે : સંશોધકોએ તેમના વૈજ્ઞાનિક ઉદ્દેશ્યને પ્રાપ્ત કરવા માટે તેમના પ્રયોગમાં સંખ્યાબંધ લઘુત્તમ આવશ્યકતા ઘટાડવાનો પ્રયાસ કરવો જોઈએ. એનાલોગ પ્રયોગોમાં, સહભાગીઓના ઊંચા ચલ ખર્ચાને કારણે આ કુદરતી રીતે થયું છે પરંતુ ડિજિટલ પ્રયોગોમાં, ખાસ કરીને શૂન્ય ચલ ખર્ચ સાથે, સંશોધકોને તેમના પ્રયોગના કદ પર ખર્ચની મર્યાદાનો સામનો કરવો પડતો નથી, અને તેમાં બિનજરૂરીપણે મોટા પ્રયોગો તરફ દોરી જવાની ક્ષમતા છે.

ઉદાહરણ તરીકે, ક્રૅમર અને સહકર્મીઓ તેમના સહભાગીઓ વિશે પૂર્વ-સારવારની માહિતીનો ઉપયોગ કરી શકે છે- જેમ કે પૂર્વ-સારવાર પોસ્ટિંગ વર્તન-તેમનું વિશ્લેષણ વધુ કાર્યક્ષમ બનાવવા માટે. વધુ ખાસ રીતે, સારવાર અને નિયંત્રણની સ્થિતિઓમાં હકારાત્મક શબ્દોના પ્રમાણની તુલના કરતા, ક્રૅમર અને સહકર્મીઓ શરતો વચ્ચે હકારાત્મક શબ્દોના પ્રમાણમાં ફેરફારની તુલના કરી શકે છે; એક અભિગમ જે ક્યારેક મિશ્ર ડિઝાઇન (આકૃતિ 4.5) કહેવામાં આવે છે અને ક્યારેક તેને તફાવત-ઇન-ઇક્વિપિયન્સના અંદાજ તરીકે ઓળખવામાં આવે છે. એટલે કે, દરેક સહભાગી માટે, સંશોધકોએ ફેરફારનો સ્કોર (પોસ્ટ-ટ્રીટમેન્ટ વર્તણૂક \(-\) પ્રિ-ટ્રીટમેન્ટ વર્તન બનાવ્યું હોઈ શકે છે અને ત્યારબાદ સારવાર અને નિયંત્રણની શરતોમાં સહભાગીઓના ફેરફાર સ્કોર્સની સરખામણી કરી. આ તફાવતો-તફાવત વચ્ચેનો અભિગમ આંકડાકીય રીતે વધુ કાર્યક્ષમ છે, જેનો અર્થ એ છે કે સંશોધકો ખૂબ નાના નમૂનાઓનો ઉપયોગ કરીને સમાન આંકડાકીય વિશ્ર્વાસ પ્રાપ્ત કરી શકે છે.

કાચા ડેટા વિના, તે જાણવું અઘરું છે કે આ કિસ્સામાં તફાવત-તફાવત મતભેદ કેટલી વધુ કાર્યક્ષમ હશે. પરંતુ અમે રફ વિચાર માટે અન્ય સંબંધિત પ્રયોગો જોઈ શકીએ છીએ. Deng et al. (2013) નોંધ્યું છે કે તફાવત-ઇન-ફોકસના અંદાજનો ઉપયોગ કરીને, તેઓ ત્રણ અલગ અલગ ઑનલાઇન પ્રયોગોમાં આશરે 50% તેમના અંદાજોના અંતરને ઘટાડવામાં સક્ષમ હતા; Xie and Aurisset (2016) દ્વારા સમાન પરિણામોની જાણ કરવામાં આવી છે. આ 50% અંતરનો ઘટાડો એનો અર્થ એ થાય છે કે જો તેઓ સહેજ અલગ વિશ્લેષણ પદ્ધતિનો ઉપયોગ કરતા હોય તો લાગણીસભર સંસર્ગ સંશોધકો કદાચ તેમના નમૂનાનો અડધો ભાગ કાપી શકે. અન્ય શબ્દોમાં, વિશ્લેષણમાં થોડો ફેરફાર સાથે, 350,000 લોકો પ્રયોગમાં સહભાગી બન્યા હતા.

આ બિંદુએ, તમે આશ્ચર્ય પામી રહ્યા છો કે શા સંશોધકોએ 350,000 લોકો બિનજરૂરીપણે લાગણીશીલ સંસર્ગમાં હોવા જોઈએ. લાગણીસભર સંસર્ગની બે વિશેષ લક્ષણો છે જે અતિશય કદને યોગ્ય લાગે છે, અને આ સુવિધાઓ ઘણા ડિજિટલ ફિલ્ડ પ્રયોગો દ્વારા વહેંચાય છે: (1) આ પ્રયોગ ઓછામાં ઓછા કેટલાક સહભાગીઓને નુકસાન પહોંચાડશે અને (2) ભાગીદારી કે કેમ તે વિશે અનિશ્ચિતતા છે સ્વૈચ્છિક ન હતી શક્ય તેટલી નાના આ લક્ષણો ધરાવતી પ્રયોગો રાખવા માટે તે વાજબી લાગે છે.

સ્પષ્ટ થવા માટે, તમારા પ્રયોગના કદને ઘટાડવાની ઇચ્છા એ નથી કે તમારે મોટા, શૂન્ય ચલ ખર્ચે પ્રયોગો ચલાવવા જોઈએ નહીં. તેનો અર્થ એ કે તમારા વૈજ્ઞાનિક ઉદ્દેશ્યને પ્રાપ્ત કરવા માટે તમારે તમારા પ્રયોગો કોઈપણ મોટા ન હોવા જોઈએ. એક પ્રયોગ યોગ્ય રીતે માપવામાં આવે છે તેની ખાતરી કરવા માટે એક મહત્વપૂર્ણ રીત પાવર વિશ્લેષણ (Cohen 1988) સંચાલન કરવું છે. એનાલોગ યુગમાં સંશોધકોએ સામાન્ય રીતે ખાતરી કરવા માટે પાવર વિશ્લેષણ કર્યુ હતું કે તેમનો અભ્યાસ ખૂબ નાનો ન હતો (એટલે ​​કે, અંડર-પાવર). હવે, જો કે, સંશોધકોએ તેમનો અભ્યાસ ખૂબ મોટી (એટલે ​​કે વધારે સંચાલિત) ન હોય તેની ખાતરી કરવા માટે પાવર વિશ્લેષણ કરવું જોઈએ.

નિષ્કર્ષમાં, ત્રણ આર'ઓ- સિદ્ધાંતોને બદલતા, રિફાઇન અને ઘટાડે છે - જે સંશોધકોને તેમના પ્રાયોગિક ડિઝાઇનમાં નીતિશાસ્ત્રના નિર્માણમાં મદદ કરી શકે છે. અલબત્ત, લાગણીસભર સંસર્ગમાંના દરેક સંભવિત પરિવર્તનમાં વેપાર-નોંધોનો પરિચય થયો છે. ઉદાહરણ તરીકે, કુદરતી પ્રયોગોના પુરાવા એ યાદચ્છિક પ્રયોગો કરતા હંમેશાં સ્વચ્છ નથી અને સામગ્રીને ઉત્તેજન આપવા સામગ્રીને અવરોધિત કરતા કરતાં વધુ અસરકારક હોઇ શકે છે. તેથી, આ સંશોધનો સૂચવવાનો હેતુ બીજા સંશોધકોના નિર્ણયોને બીજા ક્રમાંકમાં લેવાનો નથી. ઊલટાનું, એ સમજાવવું હતું કે વાસ્તવિક આરંભમાં ત્રણ આર કેવી રીતે લાગુ પાડી શકાય. વાસ્તવમાં, સંશોધન-બંધમાં વેપાર-અવરોધનો મુદ્દો ઉભો થયો છે, અને ડિજિટલ વયમાં, આ ટ્રેડ-ઓફ્સ નૈતિક વિચારણાઓનો વધુ ઝડપથી સમાવેશ કરશે. પાછળથી, પ્રકરણ 6 માં, હું કેટલાક સિદ્ધાંતો અને નૈતિક માળખાઓ આપીશ જે સંશોધકોને આ વેપાર-દળોને સમજવા અને ચર્ચા કરવા માટે મદદ કરી શકે છે.