પ્રવૃત્તિઓ

કી:

• મુશ્કેલી ડિગ્રી: સરળ , મધ્યમ , હાર્ડ , ખૂબ જ હાર્ડ
• ગણિત માટે જરૂરી છે ( )
• જરૂરી કોડિંગ ( )
• માહિતી સંગ્રહ ( )
• મારા ફેવરિટ ( )

1. [ , ] Berinsky અને સહકર્મીઓ (2012) ત્રણ ઉત્તમ નમૂનાના પરીક્ષણોની આબેહૂબ નકલ દ્વારા ભાગ યાંત્રિક ટર્ક મૂલ્યાંકન. દ્વારા ઉત્તમ નમૂનાના એશિયન રોગ રચનાઓ પ્રયોગ નકલ Tversky and Kahneman (1981) . તમારા પરિણામો મેળ Tversky અને Kahneman નથી? તમારા પરિણામો મેળ Berinsky અને સહકર્મીઓ છો? શું-જો કંઈપણ-શું આ અમને મોજણી પ્રયોગો માટે યાંત્રિક ટર્ક ઉપયોગ વિશે શીખવે છે?

2. [ , ] શીર્ષક કંઈક જીભ ઈન ગાલ પેપરમાં "અમે તોડી છે," સામાજિક મનોવિજ્ઞાની રોબર્ટ Cialdini, લેખકો એક Schultz et al. (2007) , લખ્યું હતું કે તેમણે કારણ કે પડકારો તેમણે એક શિસ્ત (મનોવિજ્ઞાન) મુખ્યત્વે પ્રયોગશાળામાં પ્રયોગો કરે છે આ ક્ષેત્રમાં પ્રયોગો કરવાથી સામનો પ્રોફેસર તરીકે તેમના કામ પરથી વહેલી નિવૃત્તિ હતી ભાગ, (Cialdini 2009) . Cialdini માતાનો કાગળ વાંચી, અને તેને વિનંતી ડિજિટલ પ્રયોગો શક્યતાઓ પ્રકાશમાં તેમના બ્રેક અપ પુનર્વિચાર માટે એક ઇમેઇલ લખો. સંશોધન કે તેમના ચિંતાઓ ચોક્કસ ઉદાહરણો વાપરો.

3. [ ] તે નક્કી કરવા માટે નાના પ્રારંભિક સફળતા મેળવી લોક-ઇન કે ફેડ દૂર, વેન દે Rijt અને સાથીદારો (2014) યાદચ્છિક રીતે પસંદ કરેલ સહભાગીઓ પર સફળતા bestowing ચાર વિવિધ પદ્ધતિઓ છે કે હસ્તક્ષેપ, અને પછી માપવામાં આ મનસ્વી સફળતા લાંબા ગાળાની અસરો. તમે અન્ય સિસ્ટમો વિચાર કરી શકો છો કે જેમાં તમે સમાન પ્રયોગો ચાલે છે? વૈજ્ઞાનિક મૂલ્ય મુદ્દાના સંદર્ભમાં આ સિસ્ટમો મૂલ્યાંકન, ગાણિતિક સંકીર્ણ અને નીતિશાસ્ત્ર (2 પ્રકરણ જુઓ).

4. [ , ] એક પ્રયોગ પરિણામો સહભાગીઓ પર આધાર રાખે છે શકે છે. એક પ્રયોગ બનાવો અને પછી એમેઝોન યાંત્રિક ટર્ક (MTurk) બે અલગ અલગ ભરતી વ્યૂહરચના નો ઉપયોગ કરીને તેને ચલાવો. જેથી પરિણામો શક્ય તેટલી અલગ હશે પ્રયોગ અને ભરતી વ્યૂહરચના પસંદ કરવાનો પ્રયાસ કરો. ઉદાહરણ તરીકે, તમારા ભરતી વ્યૂહરચના સવારે અને સાંજે સહભાગીઓ ભરતી અથવા ઊંચા અને નીચા પગાર સાથે સહભાગીઓ સરભર કરવા માટે હોઈ શકે છે. ભરતી વ્યૂહરચના તફાવતો આ પ્રકારના સહભાગીઓ અને વિવિધ પ્રાયોગિક પરિણામો વિવિધ પુલ તરફ દોરી શકે છે. કેવી રીતે વિવિધ તમારા પરિણામો બહાર ચાલુ હતી? કે MTurk પર પ્રયોગો ચાલી વિશે શું જણાવે છે?

5. [ , , , ] કલ્પના કરો કે તમે લાગણીશીલ સંસર્ગ અભ્યાસ આયોજન કરવામાં આવ્યું હતું (Kramer, Guillory, and Hancock 2014) . દ્વારા અગાઉ નિરીક્ષણ અભ્યાસ પરિણામો ઉપયોગ Kramer (2012) દરેક પરિસ્થિતિ માં સહભાગીઓ ની સંખ્યા નક્કી કરવા માટે. આ બે અભ્યાસ મેળ ખાતા નથી સંપૂર્ણપણે જેથી સ્પષ્ટપણે બધા ધારણા છે કે તમે બનાવવા યાદી કરવા માટે ખાતરી કરો:

   1. એક સિમ્યુલેશન નક્કી કરશે કે કેટલા સહભાગીઓ અસર તરીકે મોટી અસર શોધવા માટે જરૂરી કરવામાં આવશે ચલાવો Kramer (2012) \ સાથે (\ આલ્ફા = 0.05 \) અને \ (1 - \ બીટા 0.8 = \).
   2. એ જ ગણતરી અદભૂત છો.
   3. પરિણામો જોતાં Kramer (2012) હતી લાગણીનો સંસર્ગ (Kramer, Guillory, and Hancock 2014) પર સંચાલિત (એટલે કે, તે જરૂર કરતાં વધુ સહભાગીઓ હતી)?
   4. ધારણા છે કે તમે કરી, કે જે તમારી ગણતરી પર સૌથી વધુ અસર છે છે?

6. [ , , , ] ઉપર પ્રશ્નનો જવાબ આપો, પરંતુ અગાઉ નિરીક્ષણ અભ્યાસે મદદથી કરતાં Kramer (2012) દ્વારા અગાઉ કુદરતી પ્રયોગ પરિણામો વાપરવા Coviello et al. (2014) .

7. [ ] બંને Rijt et al. (2014) અને Margetts et al. (2011) બંને પ્રયોગો કે એક અરજી સાઇન ઇન લોકો પ્રક્રિયા અભ્યાસ કરે છે. સરખામણી કરો અને ડિઝાઇન અને આ અભ્યાસોના તારણો વિરોધાભાસ છે.

8. [ ] Dwyer, Maki, and Rothman (2015) સામાજિક ધોરણો અને proenvironmental વર્તન વચ્ચે સંબંધ પર બે ક્ષેત્ર પ્રયોગો હાથ ધર્યું હતું. અહીં તેમના કાગળ અમૂર્ત છે:

   "કેવી રીતે માનસિક વિજ્ઞાન proenvironmental વર્તન પ્રોત્સાહિત કરવા માટે ઉપયોગ કરી શકે છે? બે અભ્યાસોમાં, જાહેર સ્નાનગૃહ એનર્જી કન્ઝર્વેશન વર્તન પ્રોત્સાહન આપવાના હેતુથી દરમિયાનગીરી વર્ણનાત્મક ધોરણો અને વ્યક્તિગત જવાબદારી પ્રભાવ તપાસ કરી. અભ્યાસ 1, પ્રકાશ સ્થિતિ (એટલે ​​કે, પર અથવા બંધ) પહેલાં કોઈને એક કબજા વગરની જાહેર બાથરૂમમાં દાખલ કરેલ હોય, કે સેટિંગ માટે વર્ણનાત્મક ધોરણ સંકેત આયોજિત કરવામાં આવી હતી. સહભાગીઓ નોંધપાત્ર રીતે વધુ લાઇટ બંધ કરવા માટે જો તેઓ બોલ હતા ત્યારે તેઓ દાખલ શક્યતા હતી. અભ્યાસ 2 માં, એક વધારાનો સ્થિતિ સમાવેશ કરવામાં આવ્યો હતો જેમાં પ્રકાશ બંધ કરી દેવાનો ધોરણ એક સહાયકારી દ્વારા પ્રદર્શિત કરવામાં આવ્યો હતો, પરંતુ એક સહભાગી પોતાને તેના પર દેવાનો માટે જવાબદાર ન હતા. વ્યક્તિગત જવાબદારી વર્તન પર સામાજિક ધોરણો પ્રભાવ નિયંત્રિત; જ્યારે સહભાગીઓ પ્રકાશ પર દેવાનો માટે જવાબદાર ન હતા, ધોરણ પ્રભાવ ઘટી હતી. આ પરિણામો સૂચવે છે કે કેવી રીતે વર્ણનાત્મક ધોરણો અને વ્યક્તિગત જવાબદારી proenvironmental દરમિયાનગીરી અસરકારકતા નિયમન કરી શકે છે. "

   તેમના કાગળ વાંચી અને અભ્યાસ 1 એક નકલ ડિઝાઇન.

9. [ , ] અગાઉના પ્રશ્ન પર બનાવી છે, હવે તમારી ડિઝાઇન બહાર લઇ જાય છે.

   1. કેવી રીતે પરિણામો તુલના કરી શકું?
   2. શું આ તફાવત સમજાવવા શકે છે?

10. [ ] ત્યાં એમેઝોન યાંત્રિક ટર્ક ભરતી સહભાગીઓ મદદથી પ્રયોગો વિશે નોંધપાત્ર ચર્ચા થઈ રહી છે. સમાંતર માં, ત્યાં પણ સ્નાતકના વિદ્યાર્થી વસ્તી ભરતી સહભાગીઓ મદદથી પ્રયોગો વિશે નોંધપાત્ર ચર્ચા થઈ રહી છે. બે પાનું મેમો સરખામણી અને Turkers અને સંશોધકો સહભાગીઓ તરીકે અંડરગ્રેજ્યુએટ વિરોધાભાસી લખો. તમારી સરખામણી બંને વૈજ્ઞાનિક અને હેરફેરના મુદ્દાઓને ચર્ચા સમાવેશ કરવો જોઇએ.

11. [ ] જિમ માન્ઝી પુસ્તક અનિયંત્રિત (2012) બિઝનેસ પ્રયોગો શક્તિ એક અદ્ભુત પરિચય છે. પુસ્તક માં તેમણે આ વાર્તા relayed:

    "હું એક સાચી બિઝનેસ પ્રતિભા, એક સ્વ નિર્મિત જે બિલિયોનેર પ્રયોગો શક્તિ એક ઊંડા, સાહજિક understating હતી સાથે બેઠક એક વખત હતો. તેમની કંપની નોંધપાત્ર સ્રોતો ખર્ચવામાં મહાન સ્ટોર વિન્ડો ડિસ્પ્લે છે કે ગ્રાહકો અને વધે વેચાણ આકર્ષિત કરશે, કારણ પરંપરાગત શાણપણ જણાવ્યું હતું કે તેઓ જોઇએ બનાવવા માટે પ્રયાસ કરે છે. નિષ્ણાતો કાળજીપૂર્વક ડિઝાઇન બાદ ડિઝાઇન ચકાસાયેલ છે, અને રાખવામાં વર્ષના સમયગાળામાં વેચાણ પર દરેક નવી પ્રદર્શન ડિઝાઇન કોઈ નોંધપાત્ર સાધક અસર દર્શાવે છે પર વ્યક્તિગત ટેસ્ટ સમીક્ષા સત્રો. સિનિયર માર્કેટિંગ અને વેપાર અધિકારીઓ સીઇઓ મળ્યા સમગ્રતયા આ ઐતિહાસિક ટેસ્ટ પરિણામો સમીક્ષા કરવા માટે. પ્રાયોગિક માહિતી તમામ પ્રસ્તુત કર્યા પછી, તેઓ એવા નિષ્કર્ષ પર આવ્યા પરંપરાગત શાણપણ ખોટું કે વિન્ડો ડિસ્પ્લે વેચાણ વાહન નથી હતી. તેમના આગ્રહણીય ક્રિયા આ વિસ્તારમાં ખર્ચ અને પ્રયાસ ઘટાડવા હતી. આ નાટકીય પરંપરાગત શાણપણ બદલવા માટે પ્રયોગો ઘડ્યું હતું. સીઇઓ પ્રતિભાવ સરળ હતું: 'મારું તારણ એ છે કે તમારા ડિઝાઇનર્સ ખૂબ જ સારી નથી.' તેના ઉકેલ સ્ટોર પ્રદર્શન ડિઝાઇન પ્રયાસ વધારવા માટે, અને નવા લોકો તે કરવા વિચાર હતો. " (Manzi 2012, 158–9)

    માન્યતા કયા પ્રકારની સીઇઓ ચિંતા છે?

12. [ ] અગાઉના પ્રશ્ન પર બનાવી, કલ્પના કરો કે તમે બેઠક જ્યાં પ્રયોગો પરિણામો ચર્ચા કરવામાં આવી હતી પર હતા. ચાર પ્રશ્નો કે જે તમે પૂછી શકે છે, માન્યતા દરેક પ્રકાર (આંકડાકીય, રચવા આંતરિક અને બાહ્ય) માટે એક શું છે?

13. [ ] Bernedo, Ferraro, and Price (2014) પાણી બચત હસ્તક્ષેપ વર્ણવેલ સાત વર્ષ અસર અભ્યાસ Ferraro, Miranda, and Price (2011) (આકૃતિ 4.10 જુઓ). આ પેપરમાં, Bernedo અને સહકર્મીઓ પણ ઘરોમાં હોય છે અને આગળ વધ્યા નથી પછી સારવાર પહોંચાડવામાં આવ્યો હતો કે વર્તન સરખામણી દ્વારા અસર પાછળ પદ્ધતિ સમજી લેવી જોઇએ. એટલે કે, લગભગ, તેઓ જોવા માટે સારવાર ઘર અથવા મકાનમાલિક અસર છે કે કેમ તે પ્રયાસ કરો.

    1. , કાગળ વાંચી તેમની ડિઝાઇન વર્ણવે છે, અને તેમના તારણો સારાંશ. ખ) તેમના તારણો પર અસર કેવી રીતે તમે સમાન દરમિયાનગીરી ખર્ચ-અસરકારકતા મૂલ્યાંકન કરવું જોઈએ? જો એમ હોય તો, શા માટે? જો ન હોય તો, શા માટે નથી?

14. [ ] માટે એક અનુવર્તી માં Schultz et al. (2007) , સ્કલ્ટ્સ અને સહકર્મીઓ બે સંદર્ભમાં (હોટેલ અને ટાઇમશેર સહરાજ્ય) એક અલગ પર્યાવરણીય વર્તન (ટુવાલ પુનઃઉપયોગ) પર વર્ણનાત્મક અને કામચલાઉ ધોરણો અસર પર ત્રણ પ્રયોગો શ્રેણીબદ્ધ કરવા (Schultz, Khazian, and Zaleski 2008) .

    1. ડિઝાઇન અને આ ત્રણ પ્રયોગો તારણો ટૂંકમાં જણાવો.
    2. કેવી રીતે, જો બધા, તેઓ તમારા અર્થઘટન બદલી શકું Schultz et al. (2007) ?

15. [ ] જવાબમાં Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) ઇલેક્ટ્રિક બીલ ડિઝાઇનના અભ્યાસ માટે પ્રયોગશાળા જેવા પ્રયોગો શ્રેણીબદ્ધ ચાલી હતી. અહીં તે કેવી રીતે તેઓ તેને અમૂર્ત વર્ણન છે:

    "એક સર્વે આધારિત પ્રયોગ, દરેક સહભાગી અનુમાનિત વીજળી બિલ એક પરિવાર માટે પ્રમાણમાં ઊંચી વીજળી ઉપયોગ સાથે જોવા મળી હતી, (ક) ઐતિહાસિક ઉપયોગ વિશે માહિતી આવરી, (ખ) પડોશીઓ સાથે સરખામણી, અને (સી) સાધન વિરામ સાથે ઐતિહાસિક ઉપયોગ. સહભાગીઓ (C) ચિહ્ન આલેખ (ખ) બાર ગ્રાફ, સહિત (ક) કોષ્ટકો, અને એક ત્રણ બંધારણોમાં બધી માહિતી પ્રકારો જોવા મળી હતી. અમે ત્રણ મુખ્ય તારણો પર જાણ કરો. પ્રથમ, ગ્રાહકો વીજળી ઉપયોગ જાણકારી દરેક પ્રકાર સમજી સૌથી જ્યારે તે એક ટેબલ રજૂ કરવામાં આવી હતી, કારણ કે કદાચ કોષ્ટકો સરળ બિંદુ વાંચન સરળતા. બીજું, પસંદગીઓ અને વીજળી બચાવવા માટે ઇરાદા ઐતિહાસિક ઉપયોગ માહિતી માટે મજબૂત, બંધારણ સ્વતંત્ર હતા. ત્રીજું, ઓછી ઊર્જા સાક્ષરતા સાથે વ્યક્તિઓ બધી માહિતી ઓછા સમજી. "

    અન્ય અનુસરો અપ અભ્યાસ જેમ નહિં પણ, રસ મુખ્ય પરિણામ Canfield, Bruin, and Wong-Parodi (2016) વર્તન અહેવાલ વાસ્તવિક વર્તન નથી. શક્તિ અને વ્યાપક સંશોધન ઊર્જા બચત પ્રોત્સાહન કાર્યક્રમ અભ્યાસ આ પ્રકારના નબળાઈઓ શું છે?

16. [ , ] Smith and Pell (2003) પેરાશૂટ અસરકારકતા દર્શાવે છે અભ્યાસ એક વ્યંગ અધિવિશ્લેષણમાં છે. તેઓ પૂર્ણ:

    "ઘણા દરમિયાનગીરી બીમાર આરોગ્ય અટકાવવા માટે સાથે, પેરાશૂટ અસરકારકતા નથી સખત મૂલ્યાંકન રેન્ડમાઇઝ્ડ કન્ટ્રોલ્ડ ટ્રાયલ્સનું ઉપયોગ કરીને આધિન કરવામાં આવી છે. પુરાવા આધારિત તબીબીશાસ્ત્ર હિમાયતીઓ માત્ર નિરીક્ષણ માહિતી ઉપયોગ કરીને મૂલ્યાંકન દરમિયાનગીરી સ્વીકાર ટીકા કરી છે. અમને લાગે છે કે દરેકને તો પુરાવા આધારિત મેડિસિન સૌથી ક્રાંતિકારી પાત્ર આયોજન અને ડબલ અંધ ભાગ લીધો લાભ થઇ શકે છે, પ્લેસબો નિયંત્રિત પેરાશૂટ ક્રોસઓવર ટ્રાયલ. "

    ધ ન્યૂ યોર્ક ટાઇમ્સ તરીકે સામાન્ય વાચકો અખબાર, માટે યોગ્ય એક ઓપ-એડ લખો, પ્રાયોગિક પુરાવા fetishization સામે એવી દલીલ. ચોક્કસ, કોંક્રિટ પૂરી પાડે છે. સંકેત: આ પણ જુઓ, Bothwell et al. (2016) અને Deaton (2010)

17. [ , , ] આ તફાવત ઈન તફાવતો સારવાર અસર estimators તફાવત ઈન સરેરાશ estimators કરતાં વધુ ચોક્કસ હોઈ શકે છે. શરુઆતની સામાજિક મીડિયા ઓનલાઇન પ્રયોગ ચાલી તફાવત ઈન તફાવતો અભિગમ ની કિંમત સમજાવતી કંપની ખાતે A / B પરીક્ષણ ચાર્જ એક ઈજનેર માટે મેમો લખો. મેમો સમસ્યા એક નિવેદન, જે હેઠળ શરતો તફાવત ઈન તફાવત અંદાજ તફાવત ઈન સરેરાશ અંદાજ કરતાં ચડિયાતો દેખાવ કરશે વિશે કેટલીક અંતઃપ્રેરણા, અને એક સરળ સિમ્યુલેશન અભ્યાસ સમાવેશ કરવો જોઇએ.

18. [ , ] ગેરી Loveman Harrah માતાનો સીઇઓ, વિશ્વના સૌથી કેસિનો કંપનીઓમાંની એક બની તે પહેલાં હાર્વર્ડ બિઝનેસ સ્કૂલના પ્રોફેસર હતી. જ્યારે તે Harrah માતાનો ખસેડવામાં, Loveman એક ફ્રિકવન્ટ ફ્લાયર જેવા વફાદારી કાર્યક્રમ છે કે જે ગ્રાહક વર્તન વિશે માહિતી વિપુલ માત્રામાં એકત્રિત સાથે કંપની પરિવર્તિત થાય છે. આ હંમેશા માપ સિસ્ટમ ટોચ પર, કંપની પ્રયોગો ચાલી રહેલ શરૂ કર્યું. ઉદાહરણ તરીકે, તેઓ એક પ્રયોગ ચોક્કસ જુગાર પેટર્ન સાથે ગ્રાહકો માટે મફત હોટેલ રાત્રે માટે કૂપન અસર મૂલ્યાંકન કરવા માટે ચાલી શકે છે. અહીં તે કેવી રીતે Loveman Harrah માતાનો રોજિંદા કારોબાર પ્રથાઓ માટે પ્રયોગો મહત્વ વર્ણવેલ છે:

    "તે જેમ તમે સ્ત્રીઓ પરેશાન નથી, તો તમે ચોરી નથી, અને તમે એક નિયંત્રિત જૂથ હોય મેળવ્યા છે. આ વસ્તુઓ છે કે જે તમને Harrah's નથી એક નિયંત્રિત જૂથ ચલાવવા માટે તમારી નોકરી ગુમાવી શકે છે. " (Manzi 2012, 146)

    નવા કર્મચારી શા માટે સમજાવીને Loveman વિચારે છે કે તે એક નિયંત્રિત જૂથ હોય કે જેથી મહત્વપૂર્ણ છે માટે એક ઇમેઇલ લખો. તમે એક ઉદાહરણ ક્યાં વાસ્તવિક અથવા અપ કરવા માટે તમારા બિંદુ સમજાવે કરવામાં સમાવવા માટે પ્રયાસ કરીશું.

19. [ , ] એક નવો પ્રયોગ રસીકરણ સમજશક્તિ પર લખાણ સંદેશ રીમાઇન્ડર્સ પ્રાપ્ત અસર અંદાજ કરવાનો છે. 150 દવાખાનાં, 600 લાયક દર્દીઓ સાથે દરેક, ભાગ તૈયાર છે. ત્યાં દરેક ક્લિનિક સાથે તમે કામ કરવા માંગો છો માટે 100 ડોલર એક નિશ્ચિત કિંમત છે, અને તે તમને મોકલવા માંગો છો દરેક ટેક્સ્ટ સંદેશ માટે 1 ડોલર ખર્ચ પડે છે. વધુમાં, કોઈ પણ ક્લિનિક્સ છે કે તમે સાથે કામ કરી રહ્યા પરિણામ માપવા કરશે મફત (કોઈને રસીકરણ પ્રાપ્ત છે કે કેમ તે). ધારે છે કે તમે 1000 ડોલર એક બજેટ હોય છે.

    1. શરતો શું હેઠળ તે વધુ સારી રીતે થઈ શકે છે ક્લિનિક્સ એક નાની સંખ્યા પર અને શરતો શું હેઠળ તમારા સ્ત્રોતો પર ધ્યાન કેન્દ્રિત કરવા માટે તેને વધુ સારી રીતે થઈ શકે છે તેમને વધુ વ્યાપક ફેલાવો?
    2. શું પરિબળો નાના અસર કદ કે જે તમે વિશ્વસનીય તમારા બજેટ સાથે શોધવા માટે સક્ષમ હશે નક્કી કરશે?
    3. એક મેમો સંભવિત Funder આ વેપાર ન સમજાવીને લખો.

20. [ , ] ઓનલાઇન કોર્સ સાથે એક મોટી સમસ્યા ઘર્ષણ છે; ઘણા વિદ્યાર્થીઓ કે કોર્સ શરૂ છેદ આઉટ અંત. કલ્પના કરો કે તમે એક ઓનલાઇન શિક્ષણ પ્લેટફોર્મ પર કામ કરી રહ્યા છે, અને પ્લેટફોર્મ પર એક ડિઝાઇનર એક દ્રશ્ય પ્રગતિ પટ્ટી કે તે વિચારે છે અલબત્ત બહાર નીકળી વિદ્યાર્થીઓ અટકાવવામાં સહાય કરશે બનાવી છે. તમે એક વિશાળ કોમ્પ્યુટેશનલ સામાજિક વિજ્ઞાન દરમિયાન વિદ્યાર્થીઓ પર પ્રોગ્રેસ બાર અસર ચકાસવા માંગો છો. કોઈપણ નૈતિક મુદ્દાઓ કે પ્રયોગ જન્મી શકે સંબોધન કર્યા પછી, તમે અને તમારા સાથીઓ ચિંતા છે કે અલબત્ત વિશ્વસનીય પ્રગતિ પટ્ટી અસરો શોધવા માટે પૂરતી વિદ્યાર્થીઓ ન હોય શકે છે વિચાર. તમે નીચે ગણતરીમાં વિદ્યાર્થીઓને અડધા ધારણ કરી શકે છે પ્રોગ્રેસ બાર અને અડધા નથી પ્રાપ્ત થશે. વધુમાં, તમે ધારણ કરી શકે છે કોઈ દખલગીરી છે કે. અન્ય શબ્દોમાં, તમે ધારણ કરી શકે છે કે જે સહભાગીઓ માત્ર શું તેઓ સારવાર અથવા નિયંત્રણ પ્રાપ્ત દ્વારા અસરગ્રસ્ત છે; તેઓ અન્ય લોકો સારવાર અથવા નિયંત્રણ (વધુ ઔપચારિક વ્યાખ્યા માટે, જુઓ પ્રાપ્ત છે કે કેમ તે દ્વારા નથી અસર કરવામાં આવે છે Gerber and Green (2012) , ચ. 8). કૃપા કરીને કોઈપણ વધારાની ધારણા છે કે તમે બનાવવા સાચવી રાખે.

    1. ધારો કે પ્રોગ્રેસ બાર જે વિદ્યાર્થીઓ 1 ટકાવારી બિંદુ દ્વારા વર્ગ સમાપ્ત પ્રમાણ વધારો થવાની ધારણા છે, સેમ્પલ કદ વિશ્વસનીય અસર શોધવા માટે જરૂરી શું છે?
    2. ધારો કે પ્રોગ્રેસ બાર જે વિદ્યાર્થીઓ 10 ટકા વર્ગ સમાપ્ત પ્રમાણ વધારો થવાની ધારણા છે, સેમ્પલ કદ વિશ્વસનીય અસર શોધવા માટે જરૂરી શું છે?
    3. હવે કલ્પના કરો કે તમે પ્રયોગ અને જે વિદ્યાર્થીઓ પૂર્ણ કરી છે તમામ કોર્સ સામગ્રી અંતિમ પરીક્ષા લેવામાં આવે છે ચાલે છે. તમે જે તે છે કે, તમે શોધી શક્યા ન હતા, તમારા આશ્ચર્ય ઘણી પ્રગતિ પટ્ટી પ્રાપ્ત થાય છે, જે વિદ્યાર્થીઓ પ્રોગ્રેસ બાર પ્રાપ્ત થઇ ન હતી ખરેખર ઉચ્ચ સ્કોર કે વિદ્યાર્થીઓને અંતિમ પરીક્ષા સ્કોર્સ સરખામણી કરો જ્યારે. આ અર્થ એ થાય કે પ્રોગ્રેસ બાર ઓછી જાણવા માટે વિદ્યાર્થીઓ કારણે? તમે આ પરિણામ માહિતી શું શીખી શકીએ? (સંકેત: જુઓ Gerber and Green (2012) , અધ્યાય 7.)

21. [ , ] એક અતિસુંદર કાગળ, Lewis and Rao (2015) આજે પણ એ દિવસ પણ મોટા પ્રયોગો મૂળભૂત આંકડાકીય મર્યાદા સમજાવે છે. પેપર કે જે મૂળભૂત રીતે ઉત્તેજક શીર્ષક "જાહેરાત માટે રિટર્ન્સ માપવા નજીકના અશક્ય પર હતી" -shows મુશ્કેલ કેવી રીતે તે પણ ડિજિટલ પ્રયોગો ગ્રાહકો લાખો સંડોવતા સાથે, ઑનલાઇન જાહેરાતો રોકાણ પર વળતર આંકવાનો છે. વધારે સામાન્ય રીતે, કાગળ સ્પષ્ટ બતાવે છે કે તે અવાજ પરિણામ માહિતી વચ્ચે નાના સારવાર અસર અંદાજ મુશ્કેલ છે. અથવા diffently જણાવ્યું હતું કે, કાગળ બતાવે છે કે અંદાજે સારવાર અસરો મોટા વિશ્વાસ અંતરાલો હશે ત્યારે અસર-થી-ધોરણ વિચલન (\ (\ frac {\ Delta \ બાર {અને}} {\ સિગ્મા} \)) ગુણોત્તર નાની છે. આ કાગળ મહત્વપૂર્ણ સામાન્ય પાઠ કે નાના અસર-થી-ધોરણ વિચલન ગુણોત્તર સાથે પ્રયોગો પરિણામો (દા.ત., જાહેરાત ઝુંબેશ આરઓઆઇ) unsatisfying હશે. તમારા પડકાર તમારી કંપનીના માર્કેટિંગ વિભાગ માં કોઈને આયોજિત પ્રયોગ evaluting જાહેરાત અભિયાન આરઓઆઇ માપવા માટે એક મેમો લખવા માટે પ્રયત્ન કરશે. તમારી મેમો કોમ્પ્યુટર અનુકરણો પરિણામો આલેખ સાથે આધારભૂત જોઇએ.

    અહીં કેટલાક પૃષ્ઠભૂમિ માહિતી કે જે તમને જરૂર શકે છે. આ આંકડાકીય કિંમતો તમામ વાસ્તવિક પ્રયોગો અહેવાલ લાક્ષણિક છે Lewis and Rao (2015) :

    • આરઓઆઇ, ઓનલાઇન જાહેરાત ઝુંબેશ માટે એક કી મેટ્રિક, ઝુંબેશ (અભિયાન અભિયાન બાદ ખર્ચ કુલ નફો) અભિયાન કિંમત દ્વારા વિભાજિત ચોખ્ખો નફો ગણવામાં આવે છે. ઉદાહરણ તરીકે એક અભિયાન કે વેચાણ પર કોઈ અસર -100% ની આરઓઆઇ અને ઝુંબેશ જ્યાં પેદા નફો ખર્ચ બરાબર 0 આરઓઆઇ હશે હતા હશે.

    • ગ્રાહક દીઠ સરેરાશ વેચાણ $ 75 એક પ્રમાણભૂત વિચલન સાથે $ 7 છે.

    • ઝુંબેશ ગ્રાહક દીઠ $ 0.35 કે જે ગ્રાહક દીઠ $ 0,175 નફો વધારો અનુલક્ષે દ્વારા વેચાણ વધારવા માટે અપેક્ષિત છે. અન્ય શબ્દોમાં, એકંદર માર્જીન 50% છે.

    • પ્રયોગ આયોજિત કદ 200,000 લોકો, સારવાર જૂથ અડધા અને નિયંત્રણ જૂથમાં અડધા છે.

    • ઝુંબેશ ખર્ચ સહભાગી દીઠ $ 0.14 છે.

    એક મેમો આ પ્રયોગ evaluting લખો. તમે આયોજન તરીકે આ પ્રયોગ શરૂ ભલામણ માંગો છો? જો એમ હોય તો, શા માટે? જો ન હોય તો, શું તમે ફેરફારો ભલામણ કરશે?

    એક સારી મેમો આ ચોક્કસ કિસ્સામાં સંબોધવા કરશે; એક સારી મેમો એક રીતે આ કિસ્સામાં સામાન્ય છે (દા.ત., કેવી રીતે દર્શાવે છે અસર-થી-ધોરણ વિચલન ગુણોત્તર એક કાર્ય તરીકે નિર્ણય ફેરફારો); અને એક મહાન મેમો સંપૂર્ણપણે સામાન્ય પરિણામ રજૂ કરશે.

22. [ , ] અગાઉના પ્રશ્ન તરીકે જ નથી, પરંતુ સિમ્યુલેશન કરતાં તમે વિશ્લેષણાત્મક પરિણામો ઉપયોગ કરવો જોઈએ.

23. [ , , ] અગાઉના પ્રશ્ન તરીકે જ છે, પરંતુ બંને સિમ્યુલેશન અને વિશ્લેષણાત્મક પરિણામો વાપરવા.

24. [ , , ] કલ્પના કરો કે તમે મેમો ઉપર મદદથી અર્થ અંદાજ માં તફાવત બદલે તફાવત ઈન તફાવતો અંદાજ વાપરવાનો આગ્રહ રાખે છે ક્યાં સિમ્યુલેશન, વિશ્લેષણાત્મક પરિણામો, અથવા માર્કેટિંગ વિભાગ બંને અને કોઈને વર્ણવેલ લખ્યું છે (વિભાગ 4.6.2 જુઓ) . કેવી રીતે સમજાવતી પ્રયોગ પર પ્રયોગ પહેલા વેચાણ અને વેચાણ વચ્ચે 0.4 સંબંધ તમારા તારણ બદલવા કરશે નવી ટૂંકા મેમો લખો.

25. [ , ] માટે એક નવું વેબ આધારિત કારકિર્દી સેવા અસરકારકતા મૂલ્યાંકન કરવા માટે, યુનિવર્સિટી કારકિર્દી સેવાઓ ઓફિસ શાળા તેમના અંતિમ વર્ષ દાખલ 10,000 વિદ્યાર્થીઓ વચ્ચે એક નિદર્શિત કંટ્રોલ ટ્રાયલ હાથ ધર્યું હતું. અનન્ય લોગ ઈન માહિતી સાથે એક મફત ઉમેદવારી, યાદચ્છિક રીતે પસંદ કરેલ વિદ્યાર્થીઓ 5,000 એક વિશિષ્ટ આમંત્રણ ઇમેઇલ દ્વારા મોકલવામાં આવ્યો હતો, જ્યારે અન્ય 5,000 વિદ્યાર્થીઓ નિયંત્રણ જૂથ છે અને ઉમેદવારી નથી. બાર મહિના બાદ, એક અનુવર્તી સર્વેક્ષણ (કોઈ બિન-પ્રતિભાવ સાથે) બતાવે છે કે બંને સારવાર અને નિયંત્રણ જૂથો, વિદ્યાર્થીઓ 70% તેમની પસંદ ક્ષેત્ર (કોષ્ટક 4.5) માં સંપૂર્ણ સમય રોજગાર સુરક્ષિત છે. આમ, એવું લાગે છે કે વેબ આધારિત સેવા કોઈ અસર થતી હતી.

    જો કે, યુનિવર્સિટી ખાતે એક ચપળ માહિતી વૈજ્ઞાનિક માહિતી થોડી વધુ નજીકથી જોવામાં અને જાણવા મળ્યું કે સારવાર જૂથમાં વિદ્યાર્થીઓ માત્ર 20% ક્યારેય ઇમેઇલ પ્રાપ્ત કર્યા પછી એકાઉન્ટમાં લૉગ ઇન. વધુમાં, અને કંઈક અંશે આશ્ચર્યજનક રીતે, જેઓ વેબસાઈટમાં પ્રવેશ્યા છે વચ્ચે માત્ર 60% સંપૂર્ણ સમય રોજગાર તેમની પસંદ ક્ષેત્ર છે, કે જે લોકો છે કે જે પ્રવેશ ન હતી દર કરતાં ઓછી અને લોકો માટે દર કરતાં ઓછી હતી મેળવ્યો હતો નિયંત્રણ સ્થિતિ (કોષ્ટક 4.6).

    1. શું થયું છે શકે છે માટે એક સમજૂતી પૂરી પાડે છે.
    2. આ પ્રયોગ સારવારની અસર ગણતરી માટે બે અલગ અલગ રીતે શું છે?
    3. આ પરિણામ આપેલ છે, યુનિવર્સિટી કારકિર્દી સેવા આ વેબ-આધારિત તમામ વિદ્યાર્થીઓ માટે કારકિર્દી સેવા પૂરી પાડવી જોઇએ? જસ્ટ સ્પષ્ટ કરવા, આ એક સરળ જવાબ સાથે એક પ્રશ્ન નથી.
    4. તેઓ આગામી શું કરવું જોઈએ?

    સંકેત: આ પ્રશ્ન આ પ્રકરણમાં આવરાયેલ સામગ્રી બહાર જાય છે, પરંતુ પ્રયોગો સામાન્ય મુદ્દાઓ સંબોધે છે. પ્રાયોગિક ડિઝાઇન આ પ્રકારની ક્યારેક પ્રોત્સાહન ડિઝાઇન કહેવાય છે કારણ કે સહભાગીઓ સારવાર માં જોડાવવા માટે પ્રોત્સાહિત કરવામાં આવે છે. આ સમસ્યા શું એકતરફી બિન-પાલન કહેવામાં આવે છે એક ઉદાહરણ છે (જુઓ Gerber and Green (2012) , ચ 5 વાંચો.)

26. [ ] વધુ તપાસ કર્યા પછી, તે તારણ છે કે જે પ્રયોગ અગાઉના પ્રશ્ન માં વર્ણવ્યા પણ વધુ જટિલ હતા. તે તારણ છે કે નિયંત્રણ જૂથ લોકો 10% સેવાનો વપરાશ માટે ચૂકવણી, અને તેઓ 65% (ટેબલ 4.7) ની રોજગાર દર સાથે અંત આવ્યો.

    1. ઇમેઇલ લખો સારાંશ તમે શું વિચારો શું થઈ રહ્યું છે અને ક્રિયા કોર્સ ભલામણ કરીએ છીએ.

    સંકેત: આ પ્રશ્ન આ પ્રકરણમાં આવરાયેલ સામગ્રી બહાર જાય છે, પરંતુ પ્રયોગો સામાન્ય મુદ્દાઓ સંબોધે છે. આ સમસ્યા શું બે બાજુ બિન-પાલન કહેવામાં આવે છે એક ઉદાહરણ છે (જુઓ Gerber and Green (2012) , ચ. 6)