તમે હાલની વાતાવરણ અંદર પ્રયોગો ચલાવી શકો છો, ઘણી વખત કોઈ કોડિંગ અથવા ભાગીદારી વગર.
Logistically, એક ડિજિટલ પ્રયોગ કરવા માટે સૌથી સરળ માર્ગ તમારા પ્રયોગ વર્તમાન પર્યાવરણ ટોચ પર ઓવરલે છે આવા પ્રયોગો વ્યાજબી રીતે મોટા પાયે ચલાવી શકાય છે અને કંપની અથવા વ્યાપક સૉફ્ટવેર વિકાસ સાથે ભાગીદારીની જરૂર નથી.
ઉદાહરણ તરીકે, જેનિફર ડોલેક અને લ્યુક સ્ટેઇન (2013) એ એક એવા પ્રયોગ ચલાવવા માટે ક્રૈગ્સલિસ્ટ જેવી જ ઓનલાઇન બજારનો લાભ લીધો હતો જે વંશીય ભેદભાવને માપવામાં આવ્યો હતો. તેઓએ હજારો આઇપોડની જાહેરાત કરી હતી, અને વેચનારની લાક્ષણિકતાઓમાં વ્યવસ્થિત રીતે અલગ કરીને, તેઓ આર્થિક વ્યવહારો પર રેસની અસરનો અભ્યાસ કરવા સક્ષમ હતા. વધુમાં, તેઓ અસરકારકતા (સારવારની અસરોની વિવિધતા) અને અસર (મિકેનિઝમ્સ) કેમ થઈ શકે છે તે અંગે કેટલાક વિચારો પ્રદાન કરવા માટે અંદાજ કાઢવા તેમના પ્રયોગના માપનો ઉપયોગ કરે છે.
ડલેક અને સ્ટેઇનના આઇપોડ જાહેરાતો ત્રણ મુખ્ય પરિમાણો સાથે અલગ અલગ હતા. પ્રથમ, સંશોધકોએ વેચનારની લાક્ષણિકતાઓને અલગ પાડી હતી, જે આઇપોડ [સફેદ, કાળો, ટેટુ સાથેનો સફેદ] ધરાવતો ફોટોગ્રાફ ધરાવતો હતો (આંકડા 4.13). બીજું, તેઓ પૂછતા ભાવ [$ 90, $ 110, $ 130] થી અલગ અલગ હતા. ત્રીજું, તેઓએ એડ ટેક્સ્ટની ગુણવત્તા [ઉચ્ચ ગુણવત્તા અને નીચું-ગુણવત્તા (દા.ત., કેપિટલલાઈઝેશન ભૂલો અને સ્પેલિન ભૂલો)] અલગ પાડી હતી. આમ, લેખકો પાસે 3 \(\times\) 3 \(\times\) 2 ડિઝાઇન હતા, જે શહેરો (દા.ત. કોકમો, ઇન્ડિયાના અને નોર્થ પ્લાટ્ટ, નેબ્રાસ્કા) થી 300 થી વધુ સ્થાનિક બજારોમાં મેગા- શહેરો (દા.ત., ન્યૂ યોર્ક અને લોસ એન્જલસ)
તમામ પરિસ્થિતિઓમાં સરેરાશ, કાળા વેચાણકર્તાઓ કરતાં સફેદ વેચાણકર્તાઓ માટે પરિણામો વધુ સારા હતા, વચગાળાની પરિણામો ધરાવતી છૂંદણાં વેચાતા વિક્રેતાઓ સાથે. ઉદાહરણ તરીકે, સફેદ વેચાણકર્તાઓને વધુ ઓફર્સ મળ્યા અને અંતિમ વેચાણની કિંમતોમાં વધુ ઊંચો હતો. આ સરેરાશ અસરો ઉપરાંત, ડેલેક અને સ્ટીનએ અસરોની વિભિન્નતાનું અનુમાન કર્યું છે. ઉદાહરણ તરીકે, અગાઉના સિદ્ધાંતથી એક અનુમાન મુજબ ખરીદદારો વચ્ચે વધુ સ્પર્ધા હોય ત્યાં બજારમાં ભેદભાવ ઓછો હશે. ખરીદદાર સ્પર્ધાના જથ્થાના માપદંડ તરીકે બજારમાં તે ઓફરની સંખ્યાના ઉપયોગથી, સંશોધકોએ શોધી કાઢ્યું હતું કે કાળા વિક્રેતાઓને સ્પર્ધાઓની નીચી ડિગ્રી સાથે બજારોમાં ખરાબ ઓફર પ્રાપ્ત થઈ છે. વધુમાં, ઉચ્ચ-ગુણવત્તાવાળા અને ઓછા ગુણવત્તાવાળી ટેક્સ્ટ સાથેના જાહેરાતોના પરિણામોની સરખામણી કરીને, ડોલેક અને સ્ટેઇનને જાણવા મળ્યું છે કે જાહેરાતની ગુણવત્તાએ કાળા અને ટેટુ કરેલા વેચાણકર્તાઓ દ્વારા સામનો કરેલા ગેરલાભ પર અસર કરતી નથી. છેવટે, હકીકત એ છે કે જાહેરાતોને 300 થી વધુ બજારોમાં મૂકવામાં આવી હતી તેનો લાભ લેતા, લેખકોને જાણવા મળ્યું હતું કે ઉચ્ચ અપરાધ દર અને ઉચ્ચ રહેણાંક અલગતાવાળા શહેરોમાં કાળા વિક્રેતાઓ વધુ વંચિત હતા. આમાંથી કોઈ પરિણામો અમને ચોક્કસપણે ચોક્કસ સમજણ આપે છે કે શા માટે કાળા વિક્રેતાઓને ખરાબ પરિણામ આવ્યા છે, પરંતુ, જ્યારે અન્ય અભ્યાસોના પરિણામ સાથે જોડવામાં આવે છે, ત્યારે તેઓ વિવિધ પ્રકારના આર્થિક વ્યવહારોમાં વંશીય ભેદભાવના કારણો વિશે સિદ્ધાંતોને જાણ કરવાનું શરૂ કરી શકે છે.
અન્ય એક ઉદાહરણ કે જે સંશોધકોની હાલની પ્રણાલીઓમાં ડિજિટલ ફિલ્ડ પ્રયોગો કરવાની ક્ષમતા દર્શાવે છે તે સફળતા માટે કીઓ પર Arnout van de Rijt અને સહકાર્યકરો (2014) દ્વારા સંશોધન છે. જીવનના ઘણા પાસાઓમાં, મોટેભાગે સમાન લોકો અત્યંત અલગ પરિણામો સાથે અંત થાય છે આ પધ્ધતિ માટે એક શક્ય સમજૂતી એ છે કે નાના અને અનિવાર્ય રીતે રેન્ડમ-ફાયદા સમય જતાં તાળું અને પ્રગતિ કરી શકે છે, એક એવી પ્રક્રિયા જે સંશોધકોને સંચિત લાભ કહે છે . તે નક્કી કરવા માટે કે નાની પ્રારંભિક સફળતાઓ તાળવામાં અથવા ઝાંખા પડી જાય છે, વાન દે રાજેત અને સહકાર્યકરો (2014) ચાર અલગ અલગ સિસ્ટમોમાં હસ્તક્ષેપ કરે છે જે રેન્ડમલી પસંદિત સહભાગીઓ પર સફળતા આપે છે, અને પછી આ મનસ્વી સફળતા પછીની અસરોને માપવામાં આવે છે.
વધુ ખાસ કરીને, વાન દે રીજ અને સહકાર્યકરો (1) કિકસ્ટાર્ટર, એક ભીડ ભરવાની વેબસાઇટ પર રેન્ડમલી પસંદિત પ્રોજેક્ટ્સ માટે નાણાંનું વચન આપ્યું હતું; (2) હકારાત્મક રીતે એપિનિયન્સ પર રેન્ડમલી પસંદ કરેલી સમીક્ષાઓ, એક ઉત્પાદન સમીક્ષા વેબસાઇટ પર રેટ કર્યું છે; (3) વિકિપીડિયા માટે રેન્ડમલી પસંદ કરેલ ફાળો આપવા માટે પુરસ્કારો આપ્યા; અને (4) change.org પર રેન્ડમલી પસંદ પિટિશન્સ પર હસ્તાક્ષર કર્યા. તેમને તમામ ચાર પ્રણાલીઓમાં ખૂબ જ સમાન પરિણામો મળ્યા છે: દરેક કિસ્સામાં, રેન્ડમલી રીતે કેટલાક પ્રારંભિક સફળતા પ્રાપ્ત થઈ છે તે સહભાગીઓ તેમના અન્યથા સંપૂર્ણપણે અસ્પષ્ટતા ધરાવતા સાથીદારો (આકૃતિ 4.14) કરતાં વધુ અનુગામી સફળતા મેળવી ગયા હતા. હકીકત એ છે કે આ જ પધ્ધતિ ઘણી પ્રણાલીઓમાં દેખાય છે, આ પરિણામની બાહ્ય માન્યતા વધે છે કારણ કે તે તકને ઘટાડે છે કે આ પેટર્ન કોઈ ચોક્કસ પ્રણાલીનો આર્ટિફેક્ટ છે.
એક સાથે, આ બે ઉદાહરણો બતાવે છે કે સંશોધકો કંપનીઓ સાથે ભાગીદારી અથવા જટીલ ડિજિટલ સિસ્ટમ્સ બનાવવાની જરૂર વગર ડિજિટલ ફિલ્ડ પ્રયોગો કરી શકે છે. વધુમાં, ટેબલ 4.2 પણ વધુ ઉદાહરણો પૂરા પાડે છે, જે સંશોધકો દ્વારા સારવાર અને / અથવા માપન પરિણામોને પહોંચાડવા માટે હાલના સિસ્ટમોના માળખાનો ઉપયોગ કરે છે તે શક્ય છે તે શ્રેણી દર્શાવે છે. સંશોધકો માટે આ પ્રયોગ પ્રમાણમાં સસ્તી છે અને તેઓ વાસ્તવવાદ ઉચ્ચ ડિગ્રી ઓફર કરે છે. પરંતુ તેઓ સંશોધકોને સહભાગીઓ, સારવારો, અને પરિણામોને મર્યાદિત નિયંત્રણ આપે છે. વધુમાં, માત્ર એક જ પ્રણાલીમાં થતાં પ્રયોગો માટે, સંશોધકોએ ચિંતિત રહેવું જોઇએ કે અસરો સિસ્ટમ-વિશિષ્ટ ગતિશીલતા દ્વારા ચલાવી શકાય છે (દા.ત., જે રીતે કિકસ્ટાર્ટર પ્રોજેક્ટ્સને રૅક કરે છે અથવા જે રીતે change.org પિટિશન ધરાવે છે; વધુ માહિતી માટે, પ્રકરણ 2 માં અલ્ગોરિધમિક સંઘર્ષ વિશે ચર્ચા જુઓ). છેલ્લે, જ્યારે સંશોધકો કામ કરવાની પદ્ધતિઓમાં દરમિયાનગીરી કરે છે, ત્યારે કપટપૂર્ણ નૈતિક પ્રશ્નો સહભાગીઓ, બિન-સહભાગીઓ અને સિસ્ટમોને શક્ય હાનિ પહોંચાડે છે. અમે આ નૈતિક પ્રશ્નને પ્રકરણ 6 માં વધુ વિગતથી ધ્યાનમાં લઈએ છીએ, અને તેમાં વાન ડી રીજ એટ અલની પરિશિષ્ટમાં એક ઉત્તમ ચર્ચા છે. (2014) . પ્રવર્તમાન પ્રણાલીમાં કામ કરતા વેપાર-સંબંધો દરેક પ્રોજેક્ટ માટે આદર્શ નથી, અને તે માટે કેટલાક સંશોધકો તેમની પોતાની પ્રાયોગિક પદ્ધતિનું નિર્માણ કરે છે, કારણ કે હું આગળ સમજાવીશ.
વિષય | સંદર્ભ |
---|---|
વિકિપીડિયા પર યોગદાન પર બર્નસ્ટર્સનો પ્રભાવ | Restivo and Rijt (2012) ; Restivo and Rijt (2014) ; Rijt et al. (2014) |
જાતિવાદી ટ્વીટ્સ પર વિરોધી સતામણી સંદેશાનો પ્રભાવ | Munger (2016) |
વેચાણ કિંમત પર હરાજી પદ્ધતિનો પ્રભાવ | Lucking-Reiley (1999) |
ઓનલાઇન હરાજીમાં કિંમત પર પ્રતિષ્ઠાનો પ્રભાવ | Resnick et al. (2006) |
ઇબે પર બેઝબોલ કાર્ડ્સના વેચાણ પર વેચનારની રેસનો પ્રભાવ | Ayres, Banaji, and Jolls (2015) |
આઇપોડના વેચાણ પર વેચનારની રેસનો પ્રભાવ | Doleac and Stein (2013) |
એરબનબ ભાડાની મહેમાનની રેસનો પ્રભાવ | Edelman, Luca, and Svirsky (2016) |
Kickstarter પર પ્રોજેક્ટ સફળતા પર દાન અસર | Rijt et al. (2014) |
આવાસ ભાડાની પર જાતિ અને વંશીયતાની અસર | Hogan and Berry (2011) |
Epinions પર ભાવિ રેટિંગ્સ પર હકારાત્મક રેટિંગનો પ્રભાવ | Rijt et al. (2014) |
અરજીઓની સફળતા પર સહીઓનો પ્રભાવ | Vaillant et al. (2015) ; Rijt et al. (2014) ; Rijt et al. (2016) |