4.5.4 Bermitra dengan yang berkuasa

Bermitra dapat mengurangi biaya dan meningkatkan skala, tetapi bisa mengubah jenis peserta, perawatan, dan hasil yang dapat Anda gunakan.

Alternatif untuk melakukannya sendiri adalah bermitra dengan organisasi yang kuat seperti perusahaan, pemerintah, atau LSM. Keuntungan bekerja dengan mitra adalah mereka dapat memungkinkan Anda menjalankan eksperimen yang tidak dapat Anda lakukan sendiri. Misalnya, salah satu eksperimen yang akan saya ceritakan di bawah ini melibatkan 61 juta peserta — tidak ada peneliti individual yang dapat mencapai skala tersebut. Pada saat yang sama bahwa bermitra meningkatkan apa yang dapat Anda lakukan, itu juga menghambat Anda. Misalnya, sebagian besar perusahaan tidak akan mengizinkan Anda menjalankan eksperimen yang dapat membahayakan bisnis atau reputasi mereka. Bekerja dengan mitra juga berarti bahwa ketika tiba saatnya untuk mempublikasikan, Anda mungkin mendapat tekanan untuk "membingkai kembali" hasil Anda, dan beberapa mitra bahkan mungkin mencoba memblokir publikasi karya Anda jika itu membuat mereka terlihat buruk. Akhirnya, bermitra juga dilengkapi dengan biaya yang terkait dengan pengembangan dan pemeliharaan kolaborasi ini.

Tantangan utama yang harus dipecahkan untuk membuat kemitraan ini berhasil adalah menemukan cara untuk menyeimbangkan kepentingan kedua belah pihak, dan cara yang bermanfaat untuk memikirkan keseimbangan itu adalah Kuadran Pasteur (Stokes 1997) . Banyak peneliti berpikir bahwa jika mereka mengerjakan sesuatu yang praktis — sesuatu yang mungkin menarik bagi pasangan — maka mereka tidak dapat melakukan sains nyata. Pola pikir ini akan membuatnya sangat sulit untuk menciptakan kemitraan yang sukses, dan itu juga terjadi sepenuhnya salah. Masalah dengan cara berpikir ini diilustrasikan dengan sangat baik oleh penelitian terobosan dari ahli biologi Louis Pasteur. Saat mengerjakan proyek fermentasi komersial untuk mengubah jus bit menjadi alkohol, Pasteur menemukan kelas baru mikroorganisme yang akhirnya mengarah pada teori kuman penyakit. Penemuan ini memecahkan masalah yang sangat praktis — itu membantu meningkatkan proses fermentasi — dan itu mengarah ke kemajuan ilmiah utama. Jadi, daripada berpikir tentang penelitian dengan aplikasi praktis yang bertentangan dengan penelitian ilmiah yang sebenarnya, lebih baik menganggapnya sebagai dua dimensi terpisah. Penelitian dapat dimotivasi oleh penggunaan (atau tidak), dan penelitian dapat mencari pemahaman mendasar (atau tidak). Secara kritis, beberapa penelitian — seperti Pasteur — dapat dimotivasi dengan menggunakan dan mencari pemahaman mendasar (gambar 4.17). Penelitian di Quadrant Pasteur — penelitian yang secara inheren memajukan dua tujuan — ideal untuk kolaborasi antara peneliti dan mitra. Dengan latar belakang itu, saya akan menjelaskan dua studi eksperimental dengan kemitraan: satu dengan perusahaan dan satu dengan LSM.

Gambar 4.17: Kuadran Pasteur (Stokes 1997) . Daripada memikirkan penelitian sebagai "dasar" atau "diterapkan," lebih baik untuk memikirkannya sebagai termotivasi oleh penggunaan (atau tidak) dan mencari pemahaman mendasar (atau tidak). Contoh penelitian yang termotivasi oleh penggunaan dan mencari pemahaman mendasar adalah karya Pasteur tentang mengubah jus bit menjadi alkohol yang mengarah pada teori kuman penyakit. Ini adalah jenis pekerjaan yang paling cocok untuk kemitraan dengan yang berkuasa. Contoh pekerjaan yang dimotivasi oleh penggunaan tetapi tidak mencari pemahaman mendasar berasal dari Thomas Edison, dan contoh kerja yang tidak termotivasi oleh penggunaan tetapi yang mencari pemahaman datang dari Niels Bohr. Lihat Stokes (1997) untuk diskusi lebih menyeluruh tentang kerangka ini dan masing-masing kasus ini. Diadaptasi dari Stokes (1997) , gambar 3.5.

Perusahaan besar, khususnya perusahaan teknologi, telah mengembangkan infrastruktur yang sangat canggih untuk menjalankan eksperimen yang rumit. Dalam industri teknologi, eksperimen ini sering disebut uji A / B karena mereka membandingkan keefektifan dua perlakuan: A dan B. Eksperimen tersebut sering dijalankan untuk hal-hal seperti meningkatkan rasio klik-tayang pada iklan, tetapi infrastruktur eksperimental yang sama juga dapat digunakan untuk penelitian yang memajukan pemahaman ilmiah. Contoh yang mengilustrasikan potensi dari jenis penelitian ini adalah penelitian yang dilakukan oleh kemitraan antara peneliti di Facebook dan Universitas California, San Diego, tentang efek dari pesan yang berbeda pada partisipasi pemilih (Bond et al. 2012) .

Pada 2 November 2010 — hari pemilihan kongres AS — semua 61 juta pengguna Facebook yang tinggal di Amerika Serikat dan berusia 18 dan lebih tua mengambil bagian dalam percobaan tentang pemungutan suara. Saat mengunjungi Facebook, pengguna secara acak ditugaskan ke salah satu dari tiga grup, yang menentukan spanduk apa (jika ada) ditempatkan di bagian atas Umpan Berita mereka (gambar 4.18):

• kelompok kontrol
• pesan informasi tentang voting dengan tombol "I Voted" dan counter (Info) yang dapat diklik
• pesan informasi tentang voting dengan tombol "I Voted" yang dapat diklik dan counter plus nama dan gambar teman-teman mereka yang sudah mengklik "I Voted" (Info + Sosial)

Bond dan rekannya mempelajari dua hasil utama: perilaku voting yang dilaporkan dan perilaku voting yang sebenarnya. Pertama, mereka menemukan bahwa orang-orang dalam kelompok Info + Sosial sekitar dua persen lebih mungkin daripada orang-orang dalam kelompok Info untuk mengklik "Saya Memilih" (sekitar 20% versus 18%). Selanjutnya, setelah para peneliti menggabungkan data mereka dengan catatan pemungutan suara yang tersedia untuk publik sekitar enam juta orang, mereka menemukan bahwa orang-orang dalam kelompok Info + Sosial adalah 0,39 persentase poin lebih mungkin untuk benar-benar memilih daripada mereka dalam kelompok kontrol dan bahwa orang-orang dalam kelompok Info sama kemungkinannya untuk memilih seperti yang ada di kelompok kontrol (gambar 4.18).

Gambar 4.18: Hasil dari eksperimen get-out-the-vote di Facebook (Bond et al. 2012) . Peserta di grup Info memberikan suara pada tingkat yang sama seperti yang ada di grup kontrol, tetapi orang-orang di kelompok Info + Sosial memberikan suara dengan rasio yang sedikit lebih tinggi. Bar mewakili perkiraan interval kepercayaan 95%. Hasil dalam grafik adalah untuk sekitar enam juta peserta yang dicocokkan dengan catatan suara. Diadaptasi dari Bond et al. (2012) , gambar 1.

Hasil dari percobaan ini menunjukkan bahwa beberapa pesan get-out-the-vote online lebih efektif daripada yang lain dan bahwa perkiraan peneliti tentang keefektifan dapat bergantung pada apakah hasilnya adalah voting yang dilaporkan atau voting yang sebenarnya. Sayangnya, eksperimen ini tidak menawarkan petunjuk apa pun tentang mekanisme yang melaluinya informasi sosial — yang oleh sebagian peneliti disebut sebagai "tumpukan wajah" —peningkatan suara. Bisa jadi informasi sosial meningkatkan kemungkinan seseorang melihat spanduk atau meningkatkan kemungkinan seseorang yang melihat spanduk itu memilih atau keduanya. Dengan demikian, eksperimen ini memberikan temuan menarik yang mungkin dieksplorasi oleh peneliti lain (lihat, misalnya, Bakshy, Eckles, et al. (2012) ).

Selain memajukan tujuan para peneliti, percobaan ini juga memajukan tujuan organisasi mitra (Facebook). Jika Anda mengubah perilaku yang dipelajari dari voting hingga membeli sabun, maka Anda dapat melihat bahwa penelitian tersebut memiliki struktur yang sama persis sebagai percobaan untuk mengukur pengaruh iklan online (lihat misalnya, RA Lewis and Rao (2015) ). Studi efektivitas iklan ini sering mengukur efek paparan iklan online — perawatan di Bond et al. (2012) pada dasarnya adalah iklan untuk pemungutan suara — pada perilaku offline. Dengan demikian, penelitian ini dapat memajukan kemampuan Facebook untuk mempelajari efektivitas iklan online dan dapat membantu Facebook meyakinkan calon pengiklan bahwa iklan Facebook efektif dalam mengubah perilaku.

Meskipun minat para peneliti dan mitra sebagian besar selaras dalam penelitian ini, mereka juga sebagian dalam ketegangan. Khususnya, alokasi peserta untuk ketiga kelompok — kontrol, Info, dan Info + Sosial — sangat tidak seimbang: 98% sampel ditugaskan ke Info + Sosial. Alokasi yang tidak seimbang ini tidak efisien secara statistik, dan alokasi yang jauh lebih baik bagi para peneliti akan memiliki sepertiga dari peserta di masing-masing kelompok. Tetapi alokasi yang tidak seimbang terjadi karena Facebook ingin semua orang menerima Info + Perawatan sosial. Untungnya, para peneliti meyakinkan mereka untuk menahan 1% untuk perawatan terkait dan 1% dari peserta untuk kelompok kontrol. Tanpa kelompok kontrol, pada dasarnya tidak mungkin untuk mengukur efek Info + Perawatan sosial karena itu akan menjadi eksperimen "perturb dan amati" daripada percobaan terkontrol secara acak. Contoh ini memberikan pelajaran praktis berharga untuk bekerja dengan mitra: terkadang Anda membuat eksperimen dengan meyakinkan seseorang untuk memberikan perawatan dan terkadang Anda membuat eksperimen dengan meyakinkan seseorang untuk tidak memberikan perawatan (mis., Untuk membuat grup kontrol).

Kemitraan tidak selalu harus melibatkan perusahaan teknologi dan tes A / B dengan jutaan peserta. Misalnya, Alexander Coppock, Andrew Guess, dan John Ternovski (2016) bermitra dengan LSM lingkungan — Liga Pemilih Konservasi — untuk menjalankan eksperimen menguji berbagai strategi untuk mempromosikan mobilisasi sosial. Para peneliti menggunakan akun Twitter LSM untuk mengirimkan tweet publik dan pesan langsung pribadi yang mencoba untuk membuat jenis identitas yang berbeda. Mereka kemudian mengukur mana dari pesan-pesan ini yang paling efektif untuk mendorong orang-orang menandatangani petisi dan me-retweet informasi tentang petisi.

Secara keseluruhan, bermitra dengan yang kuat memungkinkan Anda beroperasi pada skala yang sulit dilakukan, dan Tabel 4.3 memberikan contoh kemitraan lain antara peneliti dan organisasi. Bermitra bisa jauh lebih mudah daripada membangun eksperimen Anda sendiri. Namun kelebihan ini datang dengan kerugian: kemitraan dapat membatasi jenis peserta, perawatan, dan hasil yang dapat Anda pelajari. Lebih lanjut, kemitraan ini dapat mengarah pada tantangan etika. Cara terbaik untuk menemukan peluang bagi kemitraan adalah dengan memperhatikan masalah nyata yang dapat Anda pecahkan saat Anda melakukan sains menarik. Jika Anda tidak terbiasa dengan cara memandang dunia ini, sulit untuk menemukan masalah di Quadrant Pasteur, tetapi, dengan latihan, Anda akan mulai memerhatikan mereka semakin banyak.