4.5.2 શક્તિશાળી સાથે જીવનસાથી
ભાગીદારીમાં ખર્ચમાં ઘટાડો કરી શકે અને પાયે વધારો છે, પરંતુ તે સહભાગીઓ, સારવાર પ્રકારના બદલી શકે છે, અને પરિણામો કે તમે ઉપયોગ કરી શકો છો.
તે જાતે કરી વૈકલ્પિક આવી કંપની, સરકાર, અથવા એનજીઓ તરીકે શક્તિશાળી સંસ્થા સાથે ભાગીદારી છે. એક ભાગીદાર સાથે કામ ફાયદો એ છે કે તેઓ પ્રયોગો કે તમે માત્ર તમારી જાતને દ્વારા ન કરી શકો ચલાવવા માટે તમે સક્ષમ કરી શકો છો છે. ઉદાહરણ તરીકે, પ્રયોગો કે હું તમને સામેલ 61 મિલિયન સહભાગીઓ નીચે વિશે કહી શકશો એક; કોઈ વ્યક્તિગત સંશોધક કે સ્કેલ હાંસલ કરી શકે છે. તે જ સમયે ભાગીદારી વધે છે કે તમે શું કરી શકો છો, તે પણ સાથે સાથે, તમે constrains. ઉદાહરણ તરીકે, મોટા ભાગની કંપનીઓ તમે એક પ્રયોગ કે તેમના વ્યવસાય અથવા તેમની પ્રતિષ્ઠા નુકસાન પહોંચાડી શકે છે ચલાવવા માટે પરવાનગી આપશે નહિં. ભાગીદારો સાથે કામ પણ એનો અર્થ એ થાય છે કે જ્યારે તે પ્રકાશિત કરવા માટે સમય આવે છે, તમે દબાણ હેઠળ આવે છે "ફરીથી ફ્રેમ" તમારા પરિણામો, અને કેટલાક ભાગીદારો પણ તમારા કામ ના પ્રકાશન અવરોધિત જો તે બનાવે છે તેમને ખરાબ લાગે છે પ્રયાસ કરી શકે છે શકે છે. છેલ્લે, પણ ભાગીદારી વિકાસ અને આ જોડાણ જાળવવા માટે સંબંધિત ખર્ચ સાથે આવે છે.
કોર પડકાર છે કે આ ભાગીદારી સફળ બનાવવા માટે ઉકેલી શકાય બંને પક્ષો હિતમાં સંતુલન કરવા માટે એક માર્ગ છે, અને તે સંતુલન વિશે વિચારો મદદરૂપ માર્ગ શોધવામાં આવે છે પાશ્ચર એ ચતુર્થાંશ છે (Stokes 1997) . ઘણા સંશોધકો લાગે છે કે જો તેઓ કંઈક વ્યવહારુ કંઈક કે જે રસ હોઈ શકે પર કામ કરી રહ્યા ભાગીદાર-પછી તેઓ વાસ્તવિક વિજ્ઞાન કરી શકાતી નથી. આ વિચાર તે ખૂબ જ મુશ્કેલ સફળ ભાગીદારી બનાવવા માટે કરશે, અને તે પણ સંપૂર્ણપણે ખોટું બને છે. વિચારના આ રીતે સાથે સમસ્યા અદ્ભૂત જીવવિજ્ઞાની લુઇસ પાશ્ચર પાથ તોડનારા સંશોધન દ્વારા સમજાવવામાં આવે છે. એક વ્યાવસાયિક આથો પ્રોજેક્ટ દારૂ સલાદ રસ કન્વર્ટ કરવા પર કામ કરતી વખતે, પાશ્ચર જીવાણુઓ એક નવો વર્ગ કે છેવટે રોગ સૂક્ષ્મજીવ સિદ્ધાંત તરફ દોરી શોધ કરી. આ શોધ ખૂબ જ વ્યવહારુ સમસ્યા તેનો ઉકેલ પ્રક્રિયા સુધારવા આથો અને તે એક મુખ્ય વૈજ્ઞાનિક અગાઉથી તરફ દોરી મદદ કરી હતી. આમ, તેના બદલે સાચા વૈજ્ઞાનિક સંશોધન સાથે સંઘર્ષ તરીકે વ્યવહારુ કાર્યક્રમો સાથે સંશોધન વિશે વિચારવાનો કરતાં, તે વધુ સારું બે અલગ પરિમાણો તરીકે આ લાગે છે. સંશોધન ઉપયોગ દ્વારા (અથવા નહિં) પ્રેરિત કરી શકાય છે અને સંશોધન મૂળભૂત સમજ (અથવા નહિં) લેવી કરી શકો છો. ભારે, કેટલાક સંશોધન જેવા Pasteur's કરી શકે છે ઉપયોગ દ્વારા અને મૂળભૂત સમજ છે (આકૃતિ 4.16) મેળવવા પ્રોત્સાહિત કરવામાં આવે છે. પાશ્ચર એ ચતુર્થાંશ સંશોધન કે સ્વાભાવિક રીતે બે એડવાન્સિસ સંશોધન સંશોધકો અને ભાગીદારો વચ્ચે જોડાણ માટે આદર્શ ગોલ છે. એક કંપની સાથે એક અને એક એનજીઓ સાથે એક: પૃષ્ઠભૂમિ આપેલ છે, હું ભાગીદારી સાથે બે પ્રાયોગિક અભ્યાસ વર્ણન કરીશું.
આકૃતિ 4.16: પાશ્ચર એ ચતુર્થાંશ (થી ફિગ 3.5 પર આધારિત Stokes (1997) ). તેના બદલે ક્યાં તો "મૂળભૂત" અથવા "લાગુ" તે વધુ સારું છે સંશોધન લાગે તરીકે ઉપયોગ (અથવા નહિં) અને મૂળભૂત સમજ મેળવવા (અથવા નહિં) દ્વારા પ્રોત્સાહિત સંશોધન વિચારી કરતાં. જે બંને ઉપયોગ દ્વારા પ્રેરિત અને મૂળભૂત સમજ માગે છે સંશોધન ઉદાહરણ દારૂ જે રોગ સૂક્ષ્મજીવ સિદ્ધાંત તરફ દોરી કે સલાદ રસ રૂપાંતરિત પર પાશ્ચર કામ છે. આ પ્રકારનું કામ કે શ્રેષ્ઠ શક્તિશાળી સાથે ભાગીદારી માટે અનુકૂળ છે. કામ ઉદાહરણો ઉપયોગ દ્વારા પ્રેરિત પરંતુ તે મૂળભૂત સમજ થોમસ એડિસન આવે લેવી નથી, અને તે ઉપયોગ દ્વારા પ્રોત્સાહિત પરંતુ જે કામ ઉદાહરણો નિલ્સ બોહર આવે સમજ માગે છે. જુઓ Stokes (1997) આ માળખું વધુ સંપૂર્ણ ચર્ચા અને આ કિસ્સાઓમાં દરેક માટે.
મોટી કંપનીઓ, ખાસ કરીને ટેક કંપનીઓ, જટિલ પ્રયોગો ચલાવવા માટે અતિ આધુનિક ઇન્ફ્રાસ્ટ્રક્ચર વિકસાવવામાં આવ્યા છે. ટેક ઉદ્યોગમાં, આ પ્રયોગો ઘણી વખત એ / બી પરીક્ષણો કહેવામાં આવે છે (કારણ કે તેઓ બે સારવાર અસરકારકતા ચકાસવા: A અને B). આ પ્રયોગો વારંવાર છે જાહેરાતો પર ક્લિક થ્રુ દર વધી જેવી વસ્તુઓ માટે ચાલે છે, પરંતુ તે જ પ્રાયોગિક ઈન્ફ્રાસ્ટ્રક્ચર પણ સંશોધન વૈજ્ઞાનિક સમજ એડવાન્સિસ માટે વાપરી શકાય છે. ઉદાહરણ સંશોધન આ પ્રકારની સંભવિત સમજાવે મતદાર મતદાન પર વિવિધ સંદેશા અસરો પર, ફેસબુક અને કેલિફોર્નિયા, સાન ડિએગો ખાતે યુનિવર્સિટી ઓફ સંશોધકો વચ્ચે ભાગીદારી દ્વારા હાથ ધરવામાં આવેલા એક અભ્યાસ છે (Bond et al. 2012) .
2 નવેમ્બર, 2010 ના યુએસ કોંગ્રેસનલ ચૂંટણી બધા 61 મિલિયન ફેસબુક અમેરિકામાં રહે છે અને ઉપર છે 18 વપરાશકર્તાઓ દિવસ મતદાન અંગે પ્રયોગ ભાગ લીધો હતો. ફેસબુક મુલાકાત પર, વપરાશકર્તાઓને રેન્ડમ એક ત્રણ જૂથો છે, જે નક્કી શું બેનર (જો કોઈ હોય તો) તેમના ન્યૂઝ ફીડ (આકૃતિ 4.17) ટોચ પર મૂકવામાં આવી હતી કે સોંપેલ હતા:
- એક નિયંત્રિત જૂથ.
- ક્લિક કરી શકાય તેવા સાથે મતદાન અંગે એક જાણકારીના સંદેશ બટન અને કાઉન્ટર (માહિતી) "હું વરણી".
- ક્લિક કરી શકાય તેવા સાથે મતદાન અંગે એક જાણકારીના સંદેશો "હું વરણી" બટન અને કાઉન્ટર + નામો અને તેમના મિત્રો જે પહેલેથી જ "હું વરણી" (માહિતી + + સામાજિક) ક્લિક હતા ચિત્રો.
બોન્ડ અને સહકર્મીઓ અભ્યાસ બે મુખ્ય પરિણામો: મતદાન વર્તન અને વાસ્તવિક મતદાન વર્તન અહેવાલ. પ્રથમ, તેઓ જાણવા મળ્યું છે કે માહિતી + + સામાજિક જૂથ લોકો લગભગ 2 ટકા હતા ક્લિક કરો માહિતી જૂથ લોકો કરતાં વધુ શક્યતા "હું વરણી" (લગભગ 20% વિ 18%). વધુમાં, પછી સંશોધકો લગભગ 6 મિલિયન લોકો માટે જાહેર રીતે ઉપલબ્ધ મતદાન રેકોર્ડ સાથે તેમની માહિતી મર્જ તેઓ જાણવા મળ્યું છે કે માહિતી + + સામાજિક જૂથ લોકો વધુ ખરેખર નિયંત્રણ સ્થિતિ લોકો કરતાં મત શક્યતા 0.39 ટકા હતા અને માહિતી જૂથ લોકો જેમ છે (આકૃતિ 4.17) નિયંત્રણ સ્થિતિ લોકો મત તેવી શક્યતા છે.
આકૃતિ 4.17: ફેસબુક પર એક વિચાર આઉટ મત પ્રયોગ ના પરિણામો (Bond et al. 2012) . માહિતી જૂથ સહભાગીઓ નિયંત્રણ સ્થિતિ લોકો તરીકે જ દરે મતદાન કર્યું હતું, પરંતુ માહિતી + + સામાજિક જૂથ લોકો સહેજ ઊંચા દરે મતદાન કર્યું હતું. બાર્સ અંદાજ 95% વિશ્વાસ અંતરાલો પ્રતિનિધિત્વ કરે છે. ગ્રાફ પરિણામો જેની સંશોધકો મતદાન રેકોર્ડ સાથે મેળ કરી શકે છે લગભગ 6 મિલિયન સહભાગીઓ સમાવેશ થાય છે.
આ પ્રયોગ દર્શાવે છે કે કેટલાક મેળવો ઓનલાઇન આઉટ મત સંદેશાઓ અન્ય લોકો કરતા વધુ અસરકારક હોય છે, અને તે બતાવે છે કે એક સારવાર અસરકારકતા સંશોધક અંદાજ છે કે શું તેઓ અહેવાલ અથવા વાસ્તવિક વર્તન અભ્યાસ પર આધાર રાખે છે શકે છે. આ પ્રયોગ કમનસીબે પદ્ધતિઓ વિશે કોઇ કડીઓ આપે છે, નથી સામાજિક માહિતી કે જે અમુક સંશોધકો playfully એક "ચહેરો ખૂંટો" -increased મતદાન કહેવાય છે, જેના દ્વારા. તે હોઈ શકે છે કે જે સામાજિક માહિતી સંભાવના વધી છે કે કોઈને બેનર જણાયું કે તે સંભાવના છે કે જે કોઈને બેનર ખરેખર જણાયું મતદાન કર્યું હતું કે બંને વધારો છે. આમ, આ પ્રયોગ વધુ સંશોધક શક્યતા શોધખોળ કરશે એક રસપ્રદ તારણો પૂરી પાડે છે (દા.ત. જુઓ, Bakshy, Eckles, et al. (2012) ).
સંશોધકો ગોલ આગળ વધુમાં, આ પ્રયોગ પણ ભાગીદાર સંસ્થા (ફેસબુક) ધ્યેય વધ્યા. તમે વર્તન સાબુ ખરીદવા માટે મતદાન અભ્યાસ બદલીએ, તો તમે જોઈ શકો છો અભ્યાસ પ્રયોગ ઓનલાઇન જાહેરાતો અસર માપવા તરીકે ચોક્કસ જ માળખું ધરાવે છે કે (જુઓ દા.ત., Lewis and Rao (2015) ). આ જાહેરાત અસરકારકતા અભ્યાસ વારંવાર ઓનલાઇન જાહેરાતો સારવાર સંપર્કમાં અસર માપવા Bond et al. (2012) મૂળભૂત મતદાન પર ઑફલાઇન વર્તન માટે જાહેરાતો છે. આમ, આ અભ્યાસ ઓનલાઇન જાહેરાતો અસરકારકતા અભ્યાસ ફેસબુક ક્ષમતા આગળ કરી શકે છે અને મદદ કરી શકે છે ફેસબુક સંભવિત જાહેરાતકર્તાઓ ફેસબુક જાહેરાતો અસરકારક છે સહમત.
તેમ છતાં સંશોધકો અને ભાગીદારો રૂચિ મોટે ભાગે આ અભ્યાસમાં ગોઠવવામાં આવ્યા હતા, તેઓ પણ આંશિક રીતે તણાવ હતા. ખાસ કરીને, માટે ત્રણ શરતો નિયંત્રણ, માહિતી, અને જાણકારી + + સામાજિક હતા જબરદસ્ત અસંતુલન સહભાગીઓ ફાળવણી: નમૂના 98% માહિતી + + સામાજિક સોંપવામાં આવી હતી. આ અસંતુલન ફાળવણી આંકડાકીય બિનકાર્યક્ષમ છે, અને સંશોધકો માટે એક ખૂબ સારી ફાળવણી દરેક જૂથ સહભાગીઓ 1/3 કરવામાં આવી છે હોત. પરંતુ, કારણ કે ફેસબુક માહિતી + + સામાજિક સારવાર મેળવવા માટે દરેક ઇચ્છતા અસંતુલન ફાળવણી થયું. સદનસીબે, સંશોધકો તેમને ખાતરી પાછા સંબંધિત સારવાર અને સહભાગીઓ 1% નિયંત્રણ જૂથ માટે 1% ધરાવે છે. નિયંત્રણ જૂથ વિના તે મૂળભૂત રીતે અશક્ય બની હોત માહિતી + + સામાજિક સારવારની અસર માપવા માટે છે કારણ કે તે એક "કષ્ટ આપવું અને અવલોકન" પ્રયોગ બદલે એક નિદર્શિત અંકુશિત પ્રયોગ કરવામાં આવ્યો હતો. આ ઉદાહરણ ભાગીદારો સાથે કામ માટે એક મૂલ્યવાન વ્યવહારુ પાઠ પૂરો પાડે છે: ક્યારેક તમે (એટલે કે, એક નિયંત્રિત જૂથ બનાવવા માટે) કોઈને શ્રદ્ધેય સારવાર પહોંચાડવા માટે અને ક્યારેક તમે કોઈને સારવાર પહોંચાડવા નથી શ્રદ્ધેય દ્વારા એક પ્રયોગ બનાવવા દ્વારા એક પ્રયોગ બનાવો.
ભાગીદારી હંમેશા સહભાગીઓ લાખો સાથે ટેક કંપનીઓ અને એ / બી પરીક્ષણો સમાવેશ કરવાની જરૂર નથી. ઉદાહરણ તરીકે, એલેક્ઝાન્ડર Coppock, એન્ડ્રુ ધારી, અને જ્હોન Ternovski (2016) સામાજિક ગતિશીલતા પ્રોત્સાહન માટે પ્રયોગો પરીક્ષણ વિવિધ વ્યૂહરચનાઓ ચલાવવા માટે પર્યાવરણીય એનજીઓ (સંરક્ષણ મતદારો લીગ) સાથે ભાગીદારી કરી. સંશોધકો બંને જાહેર ટ્વીટ્સ અને ખાનગી સીધા સંદેશાઓ કે ઓળખ વડા વિવિધ પ્રકારના પ્રયાસ કર્યો બહાર મોકલવા માટે એનજીઓ ટ્વિટર એકાઉન્ટ ઉપયોગ થાય છે. સંશોધકો પછી માપવામાં જે આ સંદેશા લોકોને પ્રોત્સાહનજનક એક અરજી અને એક અરજી વિશે રીટ્વીટ માહિતી સાઇન ઇન કરવા માટે સૌથી વધુ અસરકારક હતા.
| વિષય | સાઇટેશન |
|---|---|
| ફેસબુક સમાચાર અસર શેરિંગ માહિતી પર ફીડ | Bakshy, Rosenn, et al. (2012) |
| ઑનલાઇન ડેટિંગ વેબસાઇટ પર વર્તન પર આંશિક અનામી અસર | Bapna et al. (2016) |
| હોમ એનર્જી અસર વીજળી વપરાશ પર અહેવાલ | Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013) |
| વાઈરલ સ્પ્રેડ પર એપ્લિકેશન ડિઝાઇન અસર | Aral and Walker (2011) |
| પ્રસાર પર પદ્ધતિ ફેલાવો અસર | Taylor, Bakshy, and Aral (2013) |
| જાહેરાતો સામાજિક માહિતી અસર | Bakshy, Eckles, et al. (2012) |
| ગ્રાહકો વિવિધ પ્રકારો માટે catalog ની મારફતે અને વેચાણ પર સૂચિ આવર્તન અસર ઓનલાઇન | Simester et al. (2009) |
| સંભવિત નોકરી કાર્યક્રમો પર લોકપ્રિયતા માહિતી અસર | Gee (2015) |
| લોકપ્રિયતા પર પ્રારંભિક રેટિંગ્સ અસર | Muchnik, Aral, and Taylor (2013) |
| રાજકીય ગતિશીલતાની પર સંદેશ સામગ્રી અસર | Coppock, Guess, and Ternovski (2016) |
એકંદરે, શક્તિશાળી સાથે ભાગીદારી તમે માપક્રમ છે કે જે અન્યથા કરવા માટે હાર્ડ છે પર કામ કરવા માટે સક્રિય કરે છે, અને ટેબલ 4.3 સંશોધકો અને સંસ્થાઓ વચ્ચે ભાગીદારી અન્ય ઉદાહરણો પૂરી પાડે છે. ભાગીદારીમાં તમારા પોતાના પ્રયોગ મકાન કરતાં વધુ સરળ હોઈ શકે છે. પરંતુ, આ લાભ ગેરફાયદા સાથે આવે છે: ભાગીદારી સહભાગીઓ, સારવાર, અને પરિણામો કે તમે અભ્યાસ કરી શકો છો પ્રકારના મર્યાદિત કરી શકો છો. વધુમાં, આ ભાગીદારી નૈતિક પડકારોનો પરિણમી શકે છે. ભાગીદારી માટે એક તક હાજર કરવા માટે શ્રેષ્ઠ માર્ગ એક વાસ્તવિક સમસ્યા એ છે કે તમે જ્યારે તમે રસપ્રદ વિજ્ઞાન કરી રહ્યા છે હલ કરી શકો છો નોટિસ છે. તમે વિશ્વના જોઈ આ રીતે ઉપયોગ કરવામાં ન આવે, તો તે પાશ્ચર એ ચતુર્થાંશ સમસ્યાઓ શોધવામાં મુશ્કેલ હોઈ શકે છે, પરંતુ વ્યવહારમાં સાથે, તો તમે તેમને વધુ અને વધુ નોટિસ શરૂ કરી શકશો.
