4.5.1.1 વર્તમાન ઉપયોગ વાતાવરણ

તમે હાલની વાતાવરણ અંદર પ્રયોગો ચલાવી શકો છો, ઘણી વખત કોઈ કોડિંગ અથવા ભાગીદારી વગર.

Logistically, ડિજિટલ પ્રયોગો કરવા માટે સૌથી સરળ માર્ગ હાલની પર્યાવરણ ટોચ પર તમારા પ્રયોગ દેખાય, ડિજિટલ ક્ષેત્ર પ્રયોગ ચલાવવા માટે સક્ષમ છે. આ પ્રયોગો એક વ્યાજબી મોટી સ્કેલ પર ચલાવી શકાય છે અને એક કંપની અથવા વ્યાપક સોફ્ટવેર વિકાસ સાથે ભાગીદારી જરૂરી નથી.

ઉદાહરણ તરીકે, જેનિફર Doleac અને એલજે સ્ટેઇન (2013) લાભ ઓનલાઇન બજારમાં (દા.ત., ક્રૈગ્સલિસ્ટ) એક પ્રયોગ કે વંશીય ભેદભાવ માપવામાં ચલાવવા માટે લીધો હતો. Doleac અને સ્ટેઇન આઇપોડ હજારો જાહેરાત, અને વ્યવસ્થિત વિક્રેતા લાક્ષણિકતાઓ વિવિધ દ્વારા, તેઓ આર્થિક વ્યવહારો પર રેસ અસર અભ્યાસ કરવા માટે સમર્થ હતા. વધુમાં, Doleac અને સ્ટેઇન અંદાજ જ્યારે અસર મોટી (સારવાર અસરો વૈવિધ્યનો) છે અને શા માટે અસર થાય છે શકે છે (પદ્ધતિઓ) વિશે કેટલાક વિચારો આપે છે તેમના પ્રયોગ ના સ્કેલ ઉપયોગ થાય છે.

Doleac અને સ્ટેઇન અભ્યાસ પહેલાં, બે મુખ્ય અભિગમ પ્રાયોગિક ભેદભાવ માપવા માટે કરવામાં આવી હતી. પત્રવ્યવહાર અભ્યાસ સંશોધકો વિવિધ સ્પર્ધાઓ કાલ્પનિક લોકો શરૂ બનાવવા અને આ શરૂ વાપરવા માટે, ઉદાહરણ તરીકે, અલગ અલગ નોકરીઓ માટે લાગુ પડે છે. બર્ટ્રાન્ડ અને Mullainathan માતાનો (2004) યાદગાર શીર્ષક "એમિલી અને ગ્રેગ Lakisha અને જમાલ કરતા વધુ નોકર છે સાથે કાગળ? લેબર માર્કેટ ભેદભાવ પર એ "એક ફિલ્ડ પ્રયોગ પત્રવ્યવહાર અભ્યાસ એક અદ્ભુત ઉદાહરણ છે. પત્રવ્યવહાર અભ્યાસ અવલોકન દીઠ પ્રમાણમાં ઓછી કિંમત, જે લાક્ષણિક અભ્યાસમાં અવલોકનો હજારો એકત્રિત કરવા માટે એક સંશોધક સક્રિય કરે છે. પરંતુ, વંશીય ભેદભાવ પત્રવ્યવહાર અભ્યાસ કારણ કે નામો સંભવિત અરજદાર રેસ ઉપરાંત ઘણી વસ્તુઓ સિગ્નલ પૂછપરછ કરવામાં આવી છે. એટલે કે, જેમ કે ગ્રેગ, એમિલી, Lakisha, અને જમાલ તરીકે નામો રેસ ઉપરાંત સામાજિક વર્ગ સિગ્નલ શકે છે. આમ, ગ્રેગ અને જમાલ ના શરૂ સારવાર કોઈપણ તફાવત અરજદારો ધારણા રેસ તફાવતો કરતાં વધુ કારણે હોઈ શકે છે. ઓડિટ અભ્યાસ, પ્રશ્નની બીજી બાજુએ, નોકરી માટે વ્યક્તિ અરજી કરવા માટે વિવિધ સ્પર્ધાઓ અભિનેતાઓ ભાડે સમાવેશ થાય છે. તેમ છતાં ઓડિટ અભ્યાસ અરજદાર રેસ સ્પષ્ટ સંકેત પૂરી પાડે છે, તેઓ અવલોકન દીઠ અત્યંત ખર્ચાળ છે, જેનો અર્થ છે કે તેઓ સામાન્ય રીતે માત્ર અવલોકનો સેંકડો હોય છે.

તેમના ડિજિટલ ક્ષેત્ર પ્રયોગ, Doleac અને સ્ટેઇન એક આકર્ષક સંકર બનાવવા માટે સમર્થ હતા. તેઓ (પત્રવ્યવહાર અભ્યાસ તરીકે) અવલોકનો હજારો-પરિણામે અવલોકન દીઠ પ્રમાણમાં ઓછા ખર્ચે માહિતી એકત્રિત કરવા માટે સક્ષમ હતા અને તેઓ ફોટોગ્રાફ્સ-પરિણામે રેસ સ્પષ્ટ uncounfounded સંકેત મદદથી રેસ સિગ્નલ માટે સક્ષમ હતા (એક ઓડિટ અભ્યાસ તરીકે ). આમ, ઓનલાઇન પર્યાવરણ ક્યારેક હોય છે કે મિલકત કે જે નહિં તો રચવા માટે હાર્ડ હોય છે નવી સારવાર બનાવવા માટે સંશોધકો સક્રિય કરે છે.

Doleac અને સ્ટેઇન આઇપોડ જાહેરાતો ત્રણ મુખ્ય પરિમાણો સાથે અલગ પડે છે. પ્રથમ, તેઓ વિક્રેતા, કે જે હાથ આઇપોડ [સફેદ, કાળા, ટેટુ સાથે સફેદ] (આકૃતિ 4.12) હોલ્ડિંગ ફોટોગ્રાફ દ્વારા સંકેત હતી લાક્ષણિકતાઓ અલગ પડે છે. બીજું, તેઓ પૂછવા ભાવ [$ 90, $ 110, $ 130] અલગ પડે છે. ત્રીજું, તેઓ જાહેરાત લખાણ [ઉચ્ચ ગુણવત્તા અને ઓછી ગુણવત્તા (દા.ત., મૂડીકરણ ભૂલો અને spelin ભૂલો)] ગુણવત્તા અલગ પડે છે. આમ, લેખકો 3 x 3 x 2 ડિઝાઇન કે જે 300 થી વધુ સ્થાનિક નગરો (દા.ત., કોકોમો, અને નોર્થ પ્લટટે, NE) મેગા શહેરો (દા.ત., ન્યૂ યોર્ક અને લોસ એન્જલસ) થી લઇને બજારોમાં જમાવી હતી.

આકૃતિ 4.12: ના પ્રયોગ ઉપયોગમાં હાથ Doleac and Stein (2013) . આઇપોડ અલગ લક્ષણો સાથે વેચનાર દ્વારા વેચવામાં આવી હતી એક ઑનલાઇન બજારમાં ભેદભાવ માપવા માટે.

તમામ શરતો સમગ્ર સરેરાશ પરિણામો બ્લેક વિક્રેતા કરતાં સફેદ વેચનાર માટે વધુ સારી હતી, છૂંદણાં કે ત્રાજૂડાં પાડવાં વિક્રેતા મધ્યવર્તી પરિણામો ધરાવે છે. ઉદાહરણ તરીકે, સફેદ વેચનાર વધુ ઓફર મળી અને ઉચ્ચતર અંતિમ વેચાણ ભાવ હતો. આ સરેરાશ અસરો ઉપરાંત, Doleac અને સ્ટેઇન અસરો વૈવિધ્યનો અંદાજ છે. ઉદાહરણ તરીકે, અગાઉ સિદ્ધાંત એક અનુમાન છે કે ભેદભાવ બજારોમાં વધુ સ્પર્ધાત્મક છે ઓછી હશે. બજારમાં સ્પર્ધા માટે પ્રોક્સી તરીકે મળેલ ઑફર્સ સંખ્યા મદદથી, લેખકો મળ્યું છે કે કાળા વેચનાર ખરેખર સ્પર્ધા ઓછી ડિગ્રી સાથે બજારોમાં ખરાબ ઓફરો મેળવવા નથી. વધુમાં, ઉચ્ચ ગુણવત્તા અને ઓછી ગુણવત્તા લખાણ સાથે જાહેરાતો માટે પરિણામો સરખામણી દ્વારા, Doleac અને સ્ટેઇન કે જાહેરાત ગુણવત્તા ગેરલાભ કાળા અને છૂંદણાં કે ત્રાજૂડાં પાડવાં વિક્રેતાઓ દ્વારા સામનો કરવો પડ્યો હતો અસર કરતું નથી મળી. છેલ્લે, હકીકત એ છે કે જાહેરાતો કરતાં વધુ 300 બજારોમાં મૂકવામાં આવી હતી લાભ લેવા, લેખકો શોધવા કે કાળા વેચનાર ઉચ્ચ અપરાધ દર અને ઉચ્ચ નિવાસી અલગતા સાથે શહેરોમાં વધુ વંચિત છે. આ પરિણામો કંઈ અમને બરાબર શા માટે બ્લેક વેચનાર ખરાબ પરિણામો હતો ચોક્કસ સમજ આપે છે, પરંતુ, જ્યારે અન્ય અભ્યાસ પરિણામો સાથે જોડાઈ, તેઓ આર્થિક વ્યવહારો વિવિધ પ્રકારના વંશીય ભેદભાવ ના કારણો વિશે સિદ્ધાંતો જાણ શરૂ કરી શકો છો.

અન્ય એક ઉદાહરણ છે કે હાલની સિસ્ટમો ડિજિટલ ક્ષેત્ર પ્રયોગો કરવા માટે સંશોધકો ક્ષમતા બતાવે Arnout વેન દે Rijt દ્વારા સંશોધન અને સહકર્મીઓ છે (2014) સફળતા માટે કીઓ છે. જીવનના ઘણા પાસાઓ, મોટે ભાગે સમાન લોકો ખૂબ જ અલગ અલગ પરિણામો સાથે અંત. આ પેટર્ન માટે એક શક્ય સમજૂતી છે કે નાના અને અનિવાર્યપણે રેન્ડમ લાભ લોક-ઇન કરી શકો છો અને સમય પર વિકસે છે, એક પ્રક્રિયા કે જે સંશોધકો સંચિત લાભ કૉલ કરો. ક્રમમાં નાના પ્રારંભિક સફળતા મેળવી લોક-ઇન અથવા દૂર નિરાશાજનક છે કે કેમ તે નક્કી કરવા માટે, વેન દે Rijt અને સહકર્મીઓ (2014) યાદચ્છિક રીતે પસંદ કરેલ સહભાગીઓ પર સફળતા bestowing ચાર વિવિધ પદ્ધતિઓ છે કે હસ્તક્ષેપ, અને પછી માપવામાં આ મનસ્વી સફળતા લાંબા ગાળાની અસરો.

વધુ ખાસ રીતે, વેન દે Rijt અને સહકર્મીઓ 1) પૈસા આપવાનું વચન આપ્યું રેન્ડમ પર પ્રોજેક્ટ પસંદ kickstarter.com , એક crowdfunding વેબસાઇટ; 2) હકારાત્મક વેબસાઇટ પર યાદચ્છિક રીતે પસંદ કરેલ સમીક્ષાઓ રેટ epinions ; 3) આપ્યો એવોર્ડ રેન્ડમ માટે ફાળો પસંદ કરવા માટે વિકિપીડિયા ; અને 4) રેન્ડમ પિટિશનો ઉપરની પસંદ સહી change.org . સંશોધકો તમામ ચાર સિસ્ટમો સમગ્ર ખૂબ સમાન પરિણામો ન મળ્યા: દરેક કેસ માં, સહભાગીઓ રેન્ડમ કેટલાક પ્રારંભિક સફળતા આપવામાં આવી હતી પર ગયા તેમના અન્યથા સંપૂર્ણપણે પારખી ન શકાય તેવું સાથીદારોએ (આકૃતિ 4.13) કરતાં વધુ અનુગામી સફળતા છે. હકીકત એ છે કે આ જ પેટર્ન ઘણા સિસ્ટમો દેખાયા આ પરિણામો બાહ્ય માન્યતા વધારે છે કારણ કે તે તક કે આ પેટર્ન કોઈપણ ચોક્કસ સિસ્ટમ એક આર્ટિફેક્ટ છે ઘટાડે છે.

ચાર અલગ અલગ સામાજિક સિસ્ટમો રેન્ડમ bestowed સફળતા લાંબા ગાળાની અસરો: 4.13 આકૃતિ. Arnout વેન દે Rijt અને સહકર્મીઓ (2014) 1) પૈસા આપવાનું વચન આપ્યું રેન્ડમ પર પ્રોજેક્ટ પસંદ kickstarter.com , એક crowdfunding વેબસાઇટ; 2) હકારાત્મક વેબસાઇટ પર યાદચ્છિક રીતે પસંદ કરેલ સમીક્ષાઓ રેટ epinions ; 3) આપ્યો એવોર્ડ રેન્ડમ માટે ફાળો પસંદ કરવા માટે વિકિપીડિયા ; અને 4) રેન્ડમ પિટિશનો ઉપરની પસંદ સહી change.org .

તેની સાથે, આ બે ઉદાહરણો બતાવે છે કે સંશોધકો કંપનીઓ સાથે ભાગીદાર અથવા જટિલ ડિજિટલ સિસ્ટમો બિલ્ડ કરવાની જરૂર કરવા માટે જરૂર વગર ડિજિટલ ક્ષેત્ર પ્રયોગો હાથ ધરવા કરી શકો છો. વધુમાં, ટેબલ 4.2 પણ વધુ ઉદાહરણો છે કે જે શક્ય છે જ્યારે સંશોધકો હાલની સિસ્ટમો ઈન્ફ્રાસ્ટ્રક્ચર વાપરવા સારવાર અને / અથવા માપ પરિણામો પહોંચાડવા માટે શ્રેણી બતાવવા પૂરી પાડે છે. આ પ્રયોગો સંશોધકો માટે પ્રમાણમાં સસ્તા હોય છે અને તેઓ વાસ્તવવાદ એક ઉચ્ચ ડિગ્રી ઓફર કરે છે. પરંતુ, આ પ્રયોગો સંશોધકો પર સહભાગીઓ, સારવાર, અને પરિણામો માપી શકાય મર્યાદિત નિયંત્રણ આપે છે. વધુમાં, માત્ર એક સિસ્ટમને થતી પ્રયોગો માટે, સંશોધકો સંબંધિત હોઈ અસરો (સિસ્ટમ-ચોક્કસ ગતિશીલતા દ્વારા નહીં કરી શકે જરૂર દા.ત., કે જે રીતે Kickstarter પ્રોજેક્ટ અથવા કે જે રીતે change.org પિટિશન ક્રમે આવે ક્રમે આવે છે; વધુ માહિતી માટે, પ્રકરણ 2 માં ગાણિતિક સંકીર્ણ વિશે ચર્ચા જુઓ). છેલ્લે, જ્યારે સંશોધકો કામ સિસ્ટમો દરમિયાનગીરી, મુશ્કેલ નૈતિક પ્રશ્નો સિસ્ટમો સહભાગીઓ માટે શક્ય નુકસાન, બિન-સહભાગીઓ, અને લગભગ ભેગી. અમે પ્રકરણ 6 વધુ વિગતવાર આ નૈતિક પ્રશ્ન વિચારણા કરશે, અને ત્યાં વેન દે Rijt ના પરિશિષ્ટ તેમને એક ઉત્તમ ચર્ચા છે (2014) . વેપાર ન કે હાલની સિસ્ટમ કામ સાથે આવે છે દરેક પ્રોજેક્ટ માટે આદર્શ નથી, અને તે કારણ માટે કેટલાક સંશોધકો તેમના પોતાના પ્રાયોગિક સિસ્ટમ, પછીના વિભાગ વિષય બિલ્ડ.