4.5.2 Samstarf við öflugt

Samstarf getur dregið úr kostnaði og auka mælikvarða, en það getur haft áhrif á tegundir af þátttakendum, meðferðir, og viðmiðum sem hægt er að nota.

The val til að gera það sjálfur er í samstarfi við öfluga stofnun eins og fyrirtæki, stjórnvöld, eða félagasamtaka. Kosturinn við að vinna með maka er að þeir geta gert þér kleift að keyra tilraunir sem þú bara getur ekki gert sjálfur. Til dæmis, einn af tilraunum sem ég segi þér um hér að neðan hlutaðeigandi 61. milljónir þátttakenda; enginn einstaklingur fræðimaður gæti náð þeim mælikvarða. Á sama tíma og á samvinnu eykur hvað þú getur gert, það er einnig, á sama tíma, þrengir þig. Til dæmis, flest fyrirtæki munu ekki leyfa þér að keyra tilraun sem gæti skaðað fyrirtæki þeirra eða mannorð þeirra. Vinna með samstarfsaðilum þýðir líka að þegar það kemur tími til að birta, getur þú komið undir þrýstingi til að "aftur-ramma" niðurstöðurnar, og sumir samstarfsaðilar gætu jafnvel reyna að loka á birtingu vinnu þína ef það gerir þá líta illa. Loks samstarfi einnig koma með kostnað sem tengjast þróun og viðhalda þessum samstarf.

Kjarni áskorun sem þarf að leysa til að gera þessar samstarf árangri er að finna leið til að jafnvægi hagsmuna beggja aðila, og gagnlegar leið til að hugsa um það jafnvægi sem er Pasteurs er Quadrant (Stokes 1997) . Margir vísindamenn telja að ef þeir eru að vinna á eitthvað verklegt-eitthvað sem gæti haft áhuga á maka-þá geta þeir ekki vera að gera alvöru vísindi. Þessi hugur mun gera það mjög erfitt að búa til vel samstarf, og það gerist líka að vera alveg rangt. Vandinn við þessa hugsun er frábærlega myndskreytt af leið-brot rannsóknum líffræðingur Louis Pasteur. Þó að vinna á viðskiptalegum gerjun verkefni að umbreyta rófa safa í áfengi, Pasteur uppgötvaði nýjan flokk örvera sem á endanum leiddi til sýkill kenningar um sjúkdóminn. Þessi uppgötvun leysa mjög hagnýtt vandamál-það hjálpaði bæta ferlið við gerjun-og það leitt til meiri háttar vísinda fyrirfram. Svona, frekar en að hugsa um rannsóknir við hagnýt forrit eins og að vera í bága við sanna vísindarannsókna, það er betra að hugsa um þetta eins og tvö aðskilin mál. Rannsóknir geta verið hvatinn að nota (eða ekki) og rannsóknir geta leitað grundvallar skilning (eða ekki). Gagnrýnin, sumir rannsóknir eins Pasteur-má hvatinn notkun og leitast grundvallar skilning (Mynd 4.16). Rannsóknir í Pasteur Quadrant-rannsóknir sem í eðli sínu framfarir tvö mörk-er tilvalin fyrir samstarfi milli vísindamanna og samstarfsaðila. Í ljósi þess að bakgrunnur, ég lýsa tveimur tilrauna rannsóknir með samvinnu: einn með fyrirtæki og einn með frjálsum félagasamtökum.

Mynd 4.16: Quadrant Pasteur (byggt á mynd 3.5 frá Stokes (1997) ). Frekar en að hugsa um rannsóknir sem annaðhvort "undirstöðu" eða "beita" það er betra að hugsa um rannsóknir sem hvatinn að nota (eða ekki) og reyna grundvallar skilning (eða ekki). Dæmi um rannsóknir sem bæði er hvatinn notkun og leitast grundvallar skilning er að vinna Pasteur er á að breyta rófa safa í áfengi sem leiða til sýkill kenningar um sjúkdóminn. Þetta er góður af vinnu sem er best fyrir samstarf við öflugt. Dæmi um verkefni áhugasamir um að nota en það þýðir ekki að leita grundvallar skilning koma frá Thomas Edison, og dæmi um vinnu sem er ekki áhugasamir um að nota en sem leitast skilning koma frá Niels Bohr. Sjá Stokes (1997) fyrir fleiri ítarlega umfjöllun um þessa ramma og öllum þessum tilvikum.

Stór fyrirtæki, einkum tækni fyrirtæki, hafa þróað ótrúlega öflugu innviði fyrir að keyra flókin tilraunir. Í tækni iðnaði, eru þessar tilraunir oft kölluð A / B próf (vegna þess að þeir prófa skilvirkni tveimur meðferðum: A og B). Þessar tilraunir eru oft að hlaupa fyrir hluti eins og að auka smella með afslætti á auglýsingar, en á sama tilrauna uppbygging er einnig hægt að nota til rannsókna sem framfarir vísindalegan skilning. Dæmi sem sýnir möguleika af þessu tagi rannsókna er rannsókn sem gerð var í samstarfi milli vísindamanna á Facebook og University of California, San Diego, á áhrifum mismunandi skilaboð á kjósandi aðsókn (Bond et al. 2012) .

2. nóvember 2010, daginn Bandaríkjunum Congressional kosningar-öllum 61 milljón Facebook notendur sem búa í Bandaríkjunum og eru yfir 18 tóku þátt í tilrauninni um atkvæðagreiðslu. Þegar heimsókn Facebook notendur slembiraðað í einn af þremur hópum, sem ákvarðað hvað borði (ef einhver er) var sett efst á News Feed þeirra (mynd 4.17):

• samanburðarhöp.
• upplýsinga-skilaboð um atkvæðagreiðslu með hægt verði að smella "Ég kaus" hnappinn og teljari (upplýsingar).
• upplýsinga-skilaboð um atkvæðagreiðslu með smella á "Ég kaus" hnappinn og teljari + nöfn og myndir af vinum sínum sem höfðu þegar smellt á "Ég kaus" (info + félagslega).

Bond og samstarfsmenn lærði tvö helstu niðurstöður: greint atkvæðagreiðslu hegðun og raunverulegt atkvæðagreiðslu hegðun. First, finna þeir að fólk í info + félagslega hóp voru um 2 prósentum líklegri en fólk í upplýsingaskjá hópnum að smella á "I Kaus" (um 20% á móti 18%). Frekari, eftir að vísindamenn sameinaðist gögn með almenna atkvæðagreiðslu færslur fyrir um 6 milljónir manna komust þeir að fólk í info + félagslega hóp voru 0,39 prósentum líklegri til að í raun og veru að kjósa en fólk í stjórn ástandi og að fólk í info hópnum alveg eins líklegt að kjósa eins manns í stjórn ástandi (Mynd 4.17).

Mynd 4.17: Niðurstöður úr fá-út-the-atkvæði tilraun á Facebook (Bond et al. 2012) . Þátttakendur í info hópnum kusu á sama hraða og fólki í stjórn ástandi, en fólk í info + félagslega hóp kosið á örlítið hærra hlutfall. Súlurnar tákna áætlað 95% öryggismörk. Úrslit í grafinu eru um 6 milljónir þátttakendum sem vísindamenn gætu passa að gögnum atkvæðagreiðslu.

Þessi tilraun sýnir að sumir online fá-út-the-atkvæði skilaboð eru virkari en aðrir, og það sýnir að mat vísindamanna á virkni meðferð getur ráðast á hvort þeir læra greint eða raunveruleg hegðun. Þessi tilraun miður ekki upp á vísbendingar um hvaða leiðum félags upplýsingarnar-sem sumir vísindamenn hafa playfully kallað "andlit stafli" -increased atkvæðagreiðslu. Það gæti verið að félagsleg upplýsingarnar aukið líkurnar á því að einhver tók á borðann eða að það jók líkurnar á því að einhver sem tók á borðann raun kosið eða bæði. Þannig að þessi tilraun gefur áhugaverða niðurstöðu að frekari rannsóknir munu líklega kanna (sjá td Bakshy, Eckles, et al. (2012) ).

Auk þess að efla markmið vísindamönnum, að þessi tilraun háþróaður einnig mark samstarfssamtökum (Facebook). Ef þú breytir hegðun rannsökuð frá atkvæðagreiðslu til að kaupa sápu, þá er hægt að sjá að rannsókn hefur nákvæmlega sömu uppbyggingu og tilraun til að mæla áhrif netauglýsinga (sjá td Lewis and Rao (2015) ). Þessar skilvirkni auglýsinga rannsóknir oft mæla áhrif á útsetningu fyrir netauglýsingar-meðferðir í Bond et al. (2012) eru í grundvallaratriðum auglýsingar fyrir atkvæðagreiðslu-á offline hegðun. Þannig að þessi rannsókn gæti fyrirfram getu Facebook til að rannsaka virkni netauglýsinga og gæti hjálpað Facebook sannfæra hugsanlega auglýsendur að Facebook auglýsingar eru áhrifarík.

Jafnvel þótt hagsmunir vísindamanna og samstarfsaðila voru aðallega takt í þessari rannsókn, voru þeir einnig að hluta í spennu. Einkum úthlutun þátttakenda til þrjú skilyrði bindindi, upplýsingar, og upplýsa + félagsleg var ógurlega ójafnvægi: 98% af úrtakinu var úthlutað til upplýsingar + félagslega. Þetta ójafnvægi úthlutun er óhagkvæm tölfræðilega, og miklu betri úthlutun fyrir vísindamenn hefði verið 1/3 þátttakenda í hverjum hópi. En, ójafnvægi úthlutun gerðist vegna þess að Facebook langaði alla til að taka á móti upplýsa + félagslega meðferð. Sem betur fer, vísindamenn sannfærði þá að halda aftur 1% fyrir tengda meðferð og 1% þátttakenda í samanburðarhóp. Án samanburðarhópnum það hefði verið í grundvallaratriðum ómögulegt að mæla áhrif þeirra á upplýsingaskjá + félagslega meðferð vegna þess að það hefði verið "perturb og virða" tilraun fremur en slembaðri tilraun. Þetta dæmi gefur verðmætar hagnýta kennslustund til að vinna með samstarfsaðilum: stundum til tilraun með því að sannfæra einhvern til að skila meðferð og stundum til tilraun með því að sannfæra einhvern um að skila meðferð (þ.e. til að búa viðmiðunarhóp).

Partnership ekki alltaf þurfa að taka tækni fyrirtæki og A / B prófanir með milljón þátttakenda. Til dæmis, Alexander Coppock, Andrew Guess, og John Ternovski (2016) í samstarfi við umhverfis- NGO (League of Conservation kjósendur) til að keyra tilraunir að prófa mismunandi aðferðir til að stuðla að félagslegri virkja. Rannsakendur nota Twitter reikning NGO er að senda út bæði opinbera kvak og einkaaðila bein skilaboð sem reynt var að helsta mismunandi gerðir af auðkennum. Rannsakendur síðan mæld hver þessara skilaboða voru áhrifaríkar hvetja fólk til að skrifa undir áskorun og retweet upplýsingar um bæn.

Á heildina litið, í samstarfi við öflug gerir að þú starfa á mælikvarða sem er erfitt að gera annað, og Tafla 4.3 veitir önnur dæmi um samstarf milli vísindamanna og stofnana. Samstarf getur verið miklu auðveldara en að byggja upp eigin tilraun þína. En, þessir kostir koma með galla: samstarf er hægt að takmarka konar þátttakenda, meðferðir og niðurstöður sem hægt er að læra. Ennfremur þessir samstarf getur leitt til siðfræðilegum vandamálum. Besta leiðin til að koma auga á tækifæri fyrir samstarfi er að taka alvöru vandamál sem þú getur leyst meðan þú ert að gera áhugavert vísindi. Ef þú ert ekki vanur að svona að horfa á heiminn, það getur verið erfitt að koma auga vandamál í Pasteur fjórðungi kviðar, en með starfi, þú munt byrja að taka þá meira og meira.