4.6.1 Nggawe nul data biaya global

Tombol kanggo nglakokake eksperimen gedhe kanggo ngirisake biaya variabel sampeyan dadi nol. Cara paling apik kanggo nindakake iki yaiku otomatisasi lan ngrancang eksperimen sing nyenengake.

Eksperimen digital bisa mbutuhake struktur biaya sing beda-beda, lan iki ndadekake para peneliti bisa nglakokake eksperimen sing ora mungkin ing jaman kepungkur. Salah siji cara kanggo mikir babagan prabédan iki yaiku yen percobaan umum duwe rong jinis biaya: biaya tetep lan biaya variabel. Biaya tetep biaya sing tetep ora diganti tanpa dipikirake jumlah peserta. Contone, ing eksperimen lab, biaya tetep bisa dadi biaya nyewa papan lan tuku perabotan. Biaya variabel , ing tangan liyane, owah gumantung saka nomer peserta. Contone, ing eksperimen lab, biaya variabel bisa teka saka anggota lan peserta sing mbayar. Umumé, eksperimen analog nduwèni biaya tetep kurang lan biaya variabel dhuwur, nalika eksperimen digital nduwèni biaya tetep sing dhuwur lan biaya variabel bébas (angka 4.19). Sanajan percobaan digital nduweni biaya variabel sing murah, sampeyan bisa nggawe akeh kesempatan sing nyenengake nalika sampeyan ngopi biaya variabel kabeh nganti nol.

Gambar 4.19: Skema struktur biaya ing eksperimen analog lan digital. Umumé, eksperimen analog nduwèni biaya tetep kurang lan biaya variabel dhuwur, nanging eksperimen digital nduwèni biaya tetep sing dhuwur lan biaya variabel sing kurang. Struktur biaya beda tegese eksperimen digital bisa mbukak ing skala sing ora mungkin karo eksperimen analog.

Ana rong unsur utama variabel biaya-pembayaran kanggo staf lan pembayaran kanggo peserta-lan saben kasebut bisa didol menyang nol nggunakake strategi beda. Pembayaran kanggo staf minangka asil saka karya sing asisten riset nggawe peserta rekrut, ngirim pangobatan, lan ngukur hasil. Contone, eksponisi kolom analog saka Schultz lan kolega (2007) babagan panggunaan listrik sing mbutuhake asisten paneliten kanggo lelungan menyang saben omah kanggo ngirim perawatan lan maca meter listrik (gambar 4.3). Kabeh usaha sing dilakoni dening asisten riset kasebut yen nambahake kluwarga anyar kanggo studi kasebut bakal nambahake biaya. Saliyane, kanggo pamisahan medan digital Restivo lan van de Rijt (2012) babagan efek penghargaan ing Wikipedia editors, peneliti bisa nambah peserta liyane kanthi ora ana biaya. Strategi umum kanggo ngurangi biaya administratif variabel yaiku ngganti karya manungsa (sing larang) karo karya komputer (sing murah). Akeh, sampeyan bisa takon dhewe: Bisa eksperimen iki mlaku nalika kabeh wong ing tim riset saya turu? Yen jawabane ya, sampeyan wis nglakoni tugas gedhe saka automasi.

Tipe utama variabel kapindho yaiku pembayaran kanggo peserta. Sawetara peneliti wis nggunakake Amazon Mechanical Turk lan pasar tenaga kerja online liyane kanggo ngurangi pembayaran sing dibutuhake kanggo para peserta. Kanggo nguripake biaya variabel kabeh cara menyang nol, Nanging, pendekatan sing beda dibutuhake. Kanggo wektu sing suwe, para peneliti wis nyiptakake eksperimen sing dadi mboseni sing kudu dibayar wong kanggo melu. Nanging yen sampeyan bisa nggawe eksprimen sing pengin wong-wong mau? Iki bisa dirungokake, nanging aku bakal menehi tuladha ing ngisor iki saka karya saya dhewe, lan ana conto liyane ing Tabel 4.4. Elinga yen gagasan ngrancang eksperimen sing nyenengake gumunake sawetara tema ing bab 3 babagan ngrancang survey luwih nyenengake lan ing bab 5 babagan desain kolaborasi massa. Mangkene, aku rasa sing nikmat peserta-apa uga bisa disebut pengalaman panganggo-bakal dadi bagean penting ing desain riset ing umur digital.

Yen sampeyan pengin nggawe eksperimen karo data biaya variabel nol, sampeyan kudu njamin kabeh wis otomatis lan peserta ora mbutuhake pembayaran. Kanggo nampilake cara iki, aku bakal nggambarake riset disertasi babagan sukses lan kegagalan produk budaya.

Disertasi saya disenengi dening sipat sukses sing nggumunake kanggo produk budaya. Hit lagu, buku paling laris, lan film blockbuster akeh, luwih sukses tinimbang rata-rata. Amarga iki, pasar kanggo produk iki asring diarani "winner-take-all" pasar. Nanging, ing wektu sing padha, lagu, buku, utawa film tartamtu bakal dadi sukses ora bisa ditebak. Penulis skenario William Goldman (1989) nyritakake akeh panlithe akademik kanthi nyebutake yen, nalika nerangake sukses, "ora ana sing mangerteni apa-apa." Ora bisa diprediksi, para panaliti njupuk kabeh pasar nggawe aku kepenak yen sukses kualitas lan carane akeh luck. Utawa, ditulis rada beda, yen kita bisa nggawe donya paralel lan duwe kabeh berkembang kanthi bebas, bakal lagu padha dadi populer ing saben donya? Lan, yen ora, apa bisa dadi mekanisme sing ndadekake beda-beda iki?

Kanggo njawab pitakonan iki, kita-Peter Dodds, Duncan Watts (penasihat disertasi), lan I-ran jroning eksperimen lapangan online. Utamane, kita nggawe situs web sing diarani MusicLab ngendi wong bisa nemokake musik anyar, lan kita digunakake kanggo seri eksperimen. We rekrut peserta kanthi nganggo iklan spanduk ing situs web kapentingan remaja (gambar 4.20) lan liwat kasebut ing media. Peserta teka ing situs web sing diwenehake kanthi persetujuan informed, ngrampungake kuesioner latar mburi cekak, lan kanthi acak ditugasake kanthi salah siji saka loro kondisi eksperimental-pengaruh lan sosial. Ing kawontenan punika, para peserta damel keputusan babagan lagu-lagu ngrungokake, namung dipunparingi nama band lan lagu. Nalika ngrungokake lagu, para peserta dijaluk kanggo menehi rating sawise sing duwe kesempatan (nanging ora kewajiban) kanggo ngundhuh lagu kasebut. Ing kondisi pangaribawa sosial, para peserta nduweni pangalaman sing padha, kajaba padha uga bisa ndeleng sepira kaping saben lagu wis didownload dening peserta sadurungé. Salajengipun, para partisipan ing kondhisi pangaruh sosial sacara acak ditugasake ing salah siji saka wolung donya sejajar, sing saben-saben dibandhingake kanthi bebas (angka 4.21). Nggunakake desain iki, kita mlayu loro eksperimen sing gegandhengan. Ing wiwitan, kita nyampeake lagu kanggo para peserta ing kothak unsorted, sing nyedhiyakake sinyal popularitas sing banget. Ing eksperimen kaloro, kita nampilake lagu-lagu ing daftar peringkat, sing menehi sinyal popularitas sing luwih kuat (angka 4.22).

Gambar 4.20: Conto banner ad sing rekan-rekan lan aku digunakake kanggo nganakake panutan peserta kanggo percobaan (Salganik, Dodds, and Watts 2006) . Salganik (2007) kanthi ijin saka Salganik (2007) , angka 2.12.

Gambar 4.21: Desain eksperimen kanggo eksperimen (Salganik, Dodds, and Watts 2006) . Peserta diwenehake kanthi acak ing salah siji saka rong kondisi: pengaruhe sosial lan sosial. Peserta ing kondisi bebas nggawe pilihan sing tanpa informasi babagan apa wong liya wis rampung. Peserta ing kondisi pangaruh sosial kanthi acak ditugasake ing salah siji saka wolung donya paralel, ing ngendi dheweke bisa ndeleng popularitas-kaya ngukur download peserta sadurungé-saben lagu ing donya, nanging ora bisa ndeleng informasi apa-apa, utawa uga malah ngerti babagan eksistensi, apa wae saka donya liyane. Diadaptasi saka Salganik, Dodds, and Watts (2006) , tokoh s1.

Kita nemokake manawa popularitas lagu-lagu kasebut beda-beda ing saindenging jagad, mratelakake yen luck dadi peran penting ing sukses. Contone, ing donya siji lagu "Lockdown" dening 52Metro teka ing 1 saka 48 lagu, nalika ing donya liya teka ing 40th. Iki padha karo lagu sing padha saingan karo kabeh lagu sing padha, nanging ing sawijining donya, dheweke pancen duwe untung lan ing wong liya ora. Luwih, kanthi mbandhingake asil antarane rong eksperimen, kita nemokake yen pangaruh sosial mundhakake pasar pemenang-njupuk kabeh, sing mbok menawa nyathet pentinge ketrampilan. Nanging, looking across the worlds (sing ora bisa dilakoni ing njaba kayadene eksperimen donya paralel), kita nemokake yen pangaruh sosial bener ningkatake pentinge keberuntungan. Salajengipun, kaget, inggih punika lagu-lagu banding paling dhuwur ingkang dipunpadosi paling apik (gambar 4.23).

Gambar 4.22: Gambar saka kondisi pangaruh sosial ing percobaan (Salganik, Dodds, and Watts 2006) . Ing pangaruh sosial ing eksperimen 1, lagu-lagu, bebarengan karo jumlah undhuhan sadurungé, dituduhake kanggo para peserta sing disusun ing kothak persegi panjang 16 \(\times\) , ing ngendi posisi lagu kasebut sacara acak ditugasake kanggo saben peserta. Ing eksperimen 2, peserta ing kondisi pangaruh sosial ditampilake lagu-lagu, kanthi jumlah undhuhan, disajikake ing salah siji kolom kanthi urutan mudhun popularitas saiki.

Gambar 4.23: Asil saka percobaan MusicLab sing nuduhake hubungan antara daya tarik lan sukses (Salganik, Dodds, and Watts 2006) . The \(x\) -axis yaiku pangagem pasar lagu ing donya merdika, sing dadi ukuran banding lagu, lan \(y\) -axis minangka pangagem pangembang lagu sing padha ing ing wolung donya pangaruh sosial, sing dadi ukuran kasuksesan lagu. Kita nemokake sing nambah pangaruh sosial sing dialami peserta-khusus, owah-owahan tata letak saka eksperimen 1 kanggo eksperimen 2 (angka 4.22) -hehehehe dadi luwih ranyono, utamane kanggo lagu-lagu kanthi banding sing paling dhuwur. Diadaptasi saka Salganik, Dodds, and Watts (2006) , gambar 3.

MusicLab bisa mlaku kanthi biaya nol variabel amarga cara iki dirancang. Pisanan, kabeh wis otomatis supaya bisa mlaku nalika aku lagi turu. Kapindho, kompensasi musik gratis, mula ora ana biaya kompensasi peserta sing variabel. Panggunaan musik minangka kompensasi uga nggambarake kadhangkala kadhangkala ana trade-off antarane biaya tetep lan variabel. Nggunakake musik nambah biaya tetep amarga aku kudu ngenteni wektu kanggo nggayuh ijin saka band lan nyiapake laporan kanggo wong-wong mau babagan reaksi para peserta babagan musik. Nanging ing kasus iki, nambah biaya tetep kanggo ngurangi biaya variabel yaiku apa sing kudu dilakoni; yaiku apa sing bisa ngaktifake eksperimen sing kira-kira 100 kali luwih gedhe tinimbang eksperimen laboratorium standar.

Salajengipun, percobaan MusicLab nedahaken bilih biaya variabel nol boten kedah rampung; Nanging, bisa dadi alat kanggo nglakokake eksperimen anyar. Wigati bilih kita ora nggunakake kabeh peserta kita kanggo nglakoni eksperimen lab pangaruh sosial standar 100 kali. Nanging, kita nindakake macem-macem, sing bisa dianggep minangka pamindhahan saka eksperimen psikologis menyang siji sosiologis (Hedström 2006) . Luwih tinimbang fokus ing nggawe keputusan dhewe, kita fokus ing eksperimen kita ing popularitas, asil kolektif. Iki ngalih dadi asil kolektif yen kita butuh sekitar 700 peserta kanggo mrodhuksi titik data siji (ana 700 wong ing saben donya paralel). Ukuran kasebut mung bisa amarga struktur biaya eksperimen. Umumé, yen peneliti pengin sinau babagan asil kolektif saka pamrentahan individu, eksperimen kelompok kayata MusicLab sing nyenengake. Ing sasi kapungkur, dheweke wis sacara logistis angel, nanging masalah iku ilang amarga kemungkinan data biaya variabel nol.

Saliyane nggambarake keuntungan saka data biaya variabel nol, eksperimen MusicLab uga nuduhake tantangan karo pendekatan iki: biaya tetep dhuwur. Ing kasusku, aku banget sugih bisa bisa nggarap pangembang web sing jenenge Peter Hausel kira-kira nem sasi kanggo mbangun eksperimen kasebut. Iki mung bisa amarga penasehatku, Duncan Watts, wis nampa sawetara dana kanggo ndhukung riset semacam iki. Teknologi wis apik wiwit dibangun MusicLab taun 2004 supaya luwih gampang kanggo mbangun eksperimen kaya iki saiki. Nanging, strategi biaya sing dhuwur banget pancene mung bisa ditindakake para peneliti sing bisa nutupi biaya kasebut.

Ing kesimpulan, eksperimen digital bisa duwe struktur biaya sing beda banget tinimbang eksperimen analog. Yen sampeyan pengin nglakokake eksperimen sing bener gedhe, sampeyan kudu nyoba kanggo ngurangi biaya variabel sampeyan sacoro prakteke lan kabeh cara kanggo nol. Sampeyan bisa nindakake iki kanthi ngoperasikake mekanika eksperimen (umpamane, ngganti wektu manungsa karo wektu komputer) lan ngrancang eksperimen sing dikarepake wong. Panaliti sing bisa ngrancang eksperimen karo fitur-fitur kasebut bakal bisa mbukak eksperimen jinis anyar sing ora bisa ing jaman kepungkur. Nanging, kemampuan kanggo nggawe eksperimen biaya variabel nol bisa ningkatake pitakonan etika sing anyar, topik sing bakal dakanggep saiki.