4.5.2 פרטנר עם עוצמה
פעולה יכולה להפחית עלויות ולהגדיל את קנה מידה, אבל זה יכול לשנות את מיני משתתפים, טיפולים, ותוצאות שאתה יכול להשתמש בו.
האלטרנטיבה עושה את זה בעצמך היא משתפת פעולה עם ארגון כזה חזק כחברה, הממשלה, או ארגונים לא ממשלתיים. היתרון בעבודה עם בן זוג הוא שהם יכולים לאפשר לך להפעיל ניסויים שאתה פשוט לא יכול לעשות בעצמך. לדוגמה, אחד הניסויים שאני אגיד לך על מה שנמצא מתחת 61 מעורבים מיליון משתתפים; אין חוקר אדם יכול להשיג מידה. במקביל כי השותפות מגדילה את מה שאתה יכול לעשות, זה גם, בעת ובעונה אחת, מגביל אותך. לדוגמה, רוב החברות לא יאפשר לך להפעיל ניסוי שעלול לפגוע העסק שלהם או את המוניטין שלהם. עבודה עם שותפים גם אומרת שכאשר מגיע זמן לפרסם, אתה יכול לבוא תחת לחץ "מחדש מסגרת" התוצאות שלך, וכמה שותפים אולי אפילו לנסות לחסום את פרסום העבודה שלך אם זה גורם להם להיראות רע. לבסוף, משתפת פעולה גם מגיעה עם עלויות הקשורות פיתוח ותחזוקה שיתופי פעולה אלה.
אתגר הליבה שחייבת להיפתר לעשות השותפויות הללו מוצלחים הוא למצוא דרך לאזן את האינטרסים של שני הצדדים, ושיטה קלה לחשוב על איזון זה Quadrant של פסטר (Stokes 1997) . חוקרים רבים חושבים כי אם הם עובדים על מעשים-משהו משהו שאולי יעניין שותף-אז הם לא יכולים לעשות מדע אמיתי. חשיבה זה יעשה את זה מאוד קשה ליצור שותפויות מוצלחות, וזה קורה גם להיות לגמרי לא נכון. הבעיה עם דרך חשיבה זו באה לידי ביטוי בצורה נפלאה על ידי המחקר שבירת הנתיב של ביולוג לואי פסטר. תוך כדי עבודה על פרויקט תסיסה מסחרי להמיר מיץ סלק לתוך אלכוהול, פסטר גילה סוג חדש של מיקרואורגניזם שהוביל בסופו של דבר את התאוריה הניבטת של מחלה. תגלית זו נפתרה בעיה-זה מעשי מאוד עזר לשפר את תהליך תסיסה-וזה להוביל מראש מדעי יוקרתי. כך, במקום לחשוב על מחקר עם יישומים מעשיים כמו להיות בקונפליקט עם מחקר מדעי אמיתי, עדיף לחשוב עליהם כעל שני מישורים שונים. המחקר יכול להיות מונע על ידי שימוש (או לא) ומחקר יכול לחפש הבנה בסיסית (או לא). באופן ביקורתי, קצת כמו מחקר Pasteur's-יכול לבוא מטעמים של שימוש ומחפשים הבנה בסיסית (איור 4.16). מחקר Quadrant-המחקר של פסטר שיקדם מטבעו שתי מטרות-אידיאלי שיתופי פעולה בין חוקרים ושותפים. על רקע זה, אתאר שני מחקרים ניסויים עם שותפויות: אחד עם חברה ואחד עם עמותה.
איור 4.16: Quadrant של פסטר (מבוסס על איור 3.5 מ Stokes (1997) ). במקום לחשוב על המחקר נע בין היותם "בסיסי" או "מוחל" עדיף לחשוב על מחקר כנובעת ממניעים השימוש (או לא) ומחפשים הבנה בסיסית (או לא). דוגמא של מחקר זה הוא מונעת על ידי שימוש ובקש הבנה בסיסית היא העבודה של פסטרו על המרת סלק מיץ לתוך אלכוהול אשר להוביל את התאוריה הניבטת של מחלה. זהו סוג של עבודה כי היא מתאימה ביותר עבור שותפויות עם בעלי הכח. דוגמאות ליצירות מניעות לשימוש אבל זה לא מבקש הבנה בסיסית באה תומס אדיסון, ודוגמאות העבודה שמונעות לא על ידי שימוש אך מבקשת ההבנה באות נילס בוהר. ראה Stokes (1997) לדיון מעמיק יותר של מסגרת זו וכל המקרים הללו.
חברות גדולות, במיוחד חברות טק, פיתחו תשתית מתוחכמת להפליא לעריכת ניסויים מורכבים. בתעשיית ההיי, ניסויים אלה נקראים לעתים קרובות בדיקות A / B (כי הם לבחון את האפקטיביות של שני טיפולים: A ו- B). ניסויים אלה הם לעתים קרובות להתמודד על דברים כמו הגדלת שיעור הקלקות על מודעות, אבל אותה תשתית ניסיוני גם יכולה לשמש למחקר שמקדם הבנה מדעית. דוגמה הממחישה את הפוטנציאל של סוג זה של מחקר הוא מחקר שנערך על ידי שותפות בין חוקרים פייסבוק ואוניברסיטת קליפורניה, סן דייגו, על ההשפעות של מסרים שונים על שיעור ההצבעה (Bond et al. 2012) .
ב -2 בנובמבר 2010-היום של הבחירות-כל של הקונגרס האמריקאי 61 מיליון משתמשי פייסבוק שחיים בארה"ב יותר מ -18 שנים השתתף בניסוי על הצבעה. בעת ביקור פייסבוק, המשתמשים חולקו באקראי לאחת משלוש קבוצות, שהחליטו איזה באנר (אם בכלל) הוצב בראש באוסף החדשות שלהם (איור 4.17):
- קבוצת ביקורת.
- הודעת מידע על הצבעה עם לחיצים "הצבעתי" כפתור מונה (מידע).
- הודעת מידע על הצבעה עם לחיצים "הצבעתי" כפתור ודלפק + שמות ותמונות של חבריהם שכבר לחצו על "הצבעתי" (המידע + חברתי).
בונד חקרו שתי תוצאות עיקריות: ודווחו על הצבעת התנהגות והתנהגות הצבעה בפועל. ראשית, הם מצאו כי אנשים בקבוצת המידע + חברתי היו כ -2 נקודות אחוזות יותר סבירות מאשר אנשים בקבוצת המידע ללחוץ "הצבעתי" (כ -20% לעומת 18%). יתר על כן, גם לאחר שהחוקרים לקחו התמזגו הנתונים שלהם עם רשומות הצבעה זמינות לציבור במשך כ -6 מיליון בני אדם הם גילו כי אנשים יוצגו המידע + הקבוצה החברתית היו 0.39 נקודות אחוזות יותר צפויות להצביע דווקא מאשר אנשים במצב מלא שאנשים בקבוצת המידע כשם צפוי להצביע כאנשים במצב השליטה (איור 4.17).
איור 4.17: תוצאות מניסוי גט-אאוט לעידוד ההצבעה בפייסבוק (Bond et al. 2012) . המשתתפת בקבוצת המידע הצביע באותו הקצב כמו אנשים במצב השליטה, אבל אנשים יוצגו המידע + הקבוצה החברתית הצביעו בשיעור גבוה מעט. עמודות מייצגות מוערכות רווח סמך 95%. תוצאות בגרף כוללים כ -6 מיליון משתתפים שעבורם החוקרים יכלו להתאים לרשומות ההצבעה.
ניסוי זה מראה שחלק באינטרנט הודעות גט-אאוט לעידוד ההצבעה יעילות יותר מאחרים, וזה מראה כי הערכה החוקרת של יעילות טיפול יכולה להיות תלויה אם הם לומדים דיווח או התנהגות בפועל. ניסוי זה לצערי לא מציע שום רמזים על המנגנונים שבאמצעותם המידע אשר החברתי יש חוקרים שאף קראו בשובבות של "ערימת פנים" הצבעת -increased. זה יכול להיות שהמידע החברתי מעלה את הסיכוי שמישהו הבחין באנר או שזה מעלה את הסיכוי שמישהו שהבחין באנר למעשה הצביע או שניהם. לכן, הניסוי הזה מספק ממצא מעניין אותה חוקרת נוספת תבחן סבירה (ראה למשל, Bakshy, Eckles, et al. (2012) ).
בנוסף לקידום המטרות של החוקרים, הניסוי הזה גם קידם את מטרת הארגון שותף (Facebook). אם תשנה את ההתנהגות הנחקרת מההצבעה לקנות סבון, אז אתה יכול לראות כי המחקר יש את המבנה בדיוק כמו ניסוי כדי למדוד את ההשפעה של מודעות מקוונות (ראה, למשל, Lewis and Rao (2015) ). מחקרי יעילות מודעות אלה למדוד את השפעת החשיפה לעתים קרובות מודעות באינטרנט טיפולים Bond et al. (2012) הוא בעצם מודעות להצבעה על התנהגות לא מחוברת. לפיכך, במחקר זה יכול לקדם את היכולת של פייסבוק כדי ללמוד את האפקטיביות של מודעות מקוונות יכול לעזור פייסבוק לשכנע מפרסמים פוטנציאליים שמודעות פייסבוק יעילות.
למרות האינטרסים של החוקרים והשותפים היו מיושרים בעיקר במחקר זה, הם היו גם חלקית במתח. בפרט, הקצאת המשתתפים לשלושה תנאים שליטים, מידע, ומידע חברתי +-היה פערים מאוד: 98% מהמדגם שובצו מידע + חברתי. הקצאת מאוזן זה אינה יעילה מבחינה סטטיסטי, וכן הקצאה הרבה יותר טובה עבור החוקרים הייתה כבר 1/3 המשתתף בכל קבוצה. אבל, הקצאת מאוזן קרה בגלל פייסבוק רצה שכולם מקבלים את המידע + טיפול חברתי. למרבה המזל, החוקרים שכנעו אותם להתאפק 1% עבור טיפול הקשורים 1% מהמשתתפים עבור קבוצת ביקורת. ללא קבוצת ביקורת זה היה בעצם בלתי אפשרי למדוד את ההשפעה של הטיפול החברתי המידע + כי זה היה ניסוי "לטרוד ולבחון" ולא ניסוי אקראי מבוקר. דוגמא זו מספקת שיעור מעשי רב ערך עבור עבודה עם שותפים: לפעמים אתה יוצר ניסוי וישכנע מישהו כדי לספק טיפול ולפעמים אתה יוצר ניסוי וישכנע מישהו שלא לספק טיפול (כלומר, ליצור קבוצת ביקורת).
השותפות אינה תמיד צריך לערב טק בדיקות A / B עם מיליוני משתתפים. לדוגמה, אלכסנדר Coppock, אנדרו Guess, וג'ון Ternovski (2016) שותפות עם ארגון לא ממשלתי סביבתי (הליגה של הבוחרים שימור) לרוץ בדיקות ניסויים אסטרטגיות שונות לקידום לגיוס חברתי. החוקרים השתמשו בחשבון הטוויטר של NGO לשלוח שני ציוצים ציבוריים והודעות ישירות פרטיות שניסו סוגים שונים ממשלת זהויות. החוקרים למדוד אילו הודעות אלה היו יעילים ביותר לעידוד אנשים לחתום על עצומה ומידע Retweet על העתירה.
| נוֹשֵׂא | צִיטָטָה |
|---|---|
| השפעת חדשות פייסבוק ניזונים שיתוף מידע | Bakshy, Rosenn, et al. (2012) |
| השפעת האנונימיות חלקית על התנהגות באתר היכרויות | Bapna et al. (2016) |
| השפעת אנרגית ראשי דיווחים על שימוש בחשמל | Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013) |
| השפעת עיצוב אפליקציה על התפשטות ויראלית | Aral and Walker (2011) |
| השפעת מתפשטת מנגנון על דיפוזיה | Taylor, Bakshy, and Aral (2013) |
| השפעת המידע חברתי בפרסומות | Bakshy, Eckles, et al. (2012) |
| השפעת תדירות קטלוג על מכירות באמצעות קטלוג מקוון עבור סוגים שונים של לקוחות | Simester et al. (2009) |
| השפעת המידע פופולרי על בקשות עבודה פוטנציאליות | Gee (2015) |
| השפעת הדירוגים ראשוניים על פופולריות | Muchnik, Aral, and Taylor (2013) |
| השפעת תוכן הודעה על גיוס פוליטי | Coppock, Guess, and Ternovski (2016) |
בסך הכל, משתפת פעולה עם עוצמה מאפשר לך לפעול בקנה מידה שקשה לעשות אחרת, ולוח 4.3 מספק דוגמאות נוספות של שותפויות בין חוקרים וארגונים. פעולה יכולה להיות הרבה יותר קלה מאשר לבנות ניסוי משלך. אבל, יתרונות אלה באים עם חסרונות: שותפויות יכולות להגביל את סוגי משתתפים, טיפולים ותוצאות שאתה יכול ללמוד. יתר על כן, השותפויות הללו יכולים להוביל אתגרים אתיים. הדרך הטובה ביותר לזהות הזדמנות לשותפות היא להבחין בבעיה אמיתית, כי אתה יכול לפתור בזמן שאתם עושים זה מדע מעניין. אם אתם לא רגילים בדרך זו של הסתכלות על העולם, זה יכול להיות קשה לזהות בעיות Quadrant של פסטר, אך עם תרגול, תתחיל לשים לב אליהם יותר ויותר.
