4.6.1 შექმნა ნულოვანი ცვლადი ხარჯების მონაცემები

დიდი ექსპერიმენტების გაშვების გასაღები არის თქვენი ცვლადი დანახარჯის ნულიდან. ამის საუკეთესო საშუალებაა ავტომატიზაცია და სასიამოვნო ექსპერიმენტების პროექტირება.

ციფრულ ექსპერიმენტებს შეიძლება ჰქონდეთ მკვეთრად განსხვავებული ღირებულება სტრუქტურები და ეს საშუალებას აძლევს მკვლევარებს ექსპერიმენტების განხორციელება, რაც წარსულში შეუძლებელი იყო. ამ განსხვავების მოსააზრე ერთი გზაა აღინიშნოს, რომ ექსპერიმენტებს აქვთ ორი სახის ხარჯები: ფიქსირებული ხარჯები და ცვლადი ხარჯები. ფიქსირებული ხარჯები ხარჯები, რომლებიც უცვლელი რჩება მონაწილეთა რაოდენობის მიუხედავად. მაგალითად, ლაბორატორიული ექსპერიმენტში, ფიქსირებული ხარჯები შეიძლება იყოს გაქირავების სივრცე და ავეჯის ყიდვა. მეორე მხრივ, ცვლადი ხარჯები მონაწილეთა რაოდენობის მიხედვით დამოკიდებულია. მაგალითად, ლაბორატორიული ექსპერიმენტში, ცვლადი ხარჯები შეიძლება მოვიდეს გადამხდელ თანამშრომლებსა და მონაწილეებს შორის. ზოგადად, ანალოგი ექსპერიმენტებს აქვთ დაბალი ფიქსირებული ხარჯები და მაღალი ცვლადი ხარჯები, ხოლო ციფრულ ექსპერიმენტებს აქვთ მაღალი ფიქსირებული ხარჯები და დაბალი ცვლადი ხარჯები (ფიგურა 4.19). მიუხედავად იმისა, რომ ციფრული ექსპერიმენტები აქვს დაბალი ცვლადი ხარჯები, თქვენ შეგიძლიათ შექმნათ ბევრი საინტერესო შესაძლებლობები, როდესაც თქვენ მართოთ ცვლადი ღირებულება ყველა გზა ნულოვანი.

გრაფიკი 4.19: ანალოგი და ციფრული ექსპერიმენტების ხარჯების სტრუქტურები. ზოგადად, ანალოგი ექსპერიმენტებს აქვთ დაბალი ფიქსირებული ხარჯები და მაღალი ცვლადი ხარჯები, ხოლო ციფრულ ექსპერიმენტებს აქვთ მაღალი ფიქსირებული ხარჯები და დაბალი ცვლადი ხარჯები. სხვადასხვა ღირებულება სტრუქტურები ნიშნავს, რომ ციფრულ ექსპერიმენტებს შეუძლიათ აწარმოონ მასშტაბი, რომელიც არ არის შესაძლებელი ანალოგი ექსპერიმენტებით.

მონაწილეთათვის პერსონალისა და გადასახადების გადახდაზე ცვლადი ღირებულების ორი ძირითადი ელემენტია და თითოეულ მათგანს შეუძლია ნულიდან სხვადასხვა სტრატეგიის გამოყენებით. პერსონალისთვის გადახდა იმ სამუშაოდან გამომდინარე, რომ კვლევის თანაშემწეები იღებენ მონაწილეებს, მიაწოდონ მკურნალობა და გაზომვის შედეგები. მაგალითად, შულცისა და კოლეგების (2007) ანალოგურ სფეროში ექსპერიმენტი ელექტროენერგიის გამოყენებას საჭიროებს კვლევის ასისტენტებს, რათა მათ მიეცათ მკურნალობა და წაიკითხონ ელექტრომეტრი (ფიგურა 4.3). ყველა ამ ძალისხმევას კვლევის თანაშემწეები იმას ნიშნავდნენ, რომ ახალი საყოფაცხოვრებო დასკვნის დამატება დამატებით დაემატა. მეორეს მხრივ, ვიკიპედიის რედაქტორთა ჯილდოს ეფექტიანობის შესახებ რესტვოსა და ვან დე რიჯტის (2012) ციფრული საველე ექსპერიმენტისთვის, მკვლევარებს შეეძლოთ მეტი მონაწილეები დაემატოს პრაქტიკულად არ ღირებულება. ცვლადი ადმინისტრაციული ხარჯების შემცირების ზოგადი სტრატეგიაა ადამიანის სამუშაოების შეცვლა (რაც ძვირია) კომპიუტერული მუშაობით (რაც იაფია). უპრობლემოდ, შეგიძლია ჰკითხოთ საკუთარ თავს: შეიძლება თუ არა ეს ექსპერიმენტი, როცა ჩემი მკვლევარების გუნდში მძინავს? თუ პასუხი არის დიახ, თქვენ გაკეთდა დიდი სამუშაო ავტომატიზაციის.

ცვლადი ღირებულების მეორე ძირითადი ტიპია მონაწილეთათვის გადახდები. ზოგიერთი მკვლევარი გამოიყენა Amazon Mechanical Turk და სხვა ონლაინ შრომის ბაზრებზე, რათა შემცირდეს გადასახადები, რომლებიც საჭიროა მონაწილეებისთვის. ცვლადი ხარჯების გასაკეთებლად ყველა გზა ნულოვანია, თუმცა საჭიროა განსხვავებული მიდგომა. დიდი ხნის განმავლობაში, მკვლევარებმა შეიმუშავეს ექსპერიმენტები, რომლებიც იმდენად მოსაწყენია, რომ მათ უნდა მიიღონ მონაწილეობა. მაგრამ რა მოხდება, თუ შეგიძლია შექმნან ექსპერიმენტი, რომ ხალხი უნდა იყოს? ეს შეიძლება ხმამაღლა გაიგოს, მაგრამ მე მოგცემთ ქვემოთ მოცემულ მაგალითს ჩემი სამუშაოდან და უფრო მეტი მაგალითია ცხრილში 4.4. გაითვალისწინეთ, რომ სასიამოვნო ექსპერიმენტების შექმნის ეს იდეა ეძღვნება მე -3 თავის ზოგიერთ თემას უფრო სასიამოვნო კვლევებისა და მე -5 თავში მასობრივი თანამშრომლობის შემუშავების შესახებ. ამდენად, მე ვფიქრობ, რომ მონაწილეთა სიამოვნება - რა შეიძლება ითქვას მომხმარებლის გამოცდილებას - ციფრული ასაკის კვლევის დიზაინის სულ უფრო მნიშვნელოვან ნაწილს წარმოადგენს.

თუ გსურთ შექმნათ ექსპერიმენტები ნულოვანი ცვლადი ღირებულების მონაცემებით, თქვენ უნდა უზრუნველყოთ, რომ ყველაფერი სრულად ავტომატიზირებულია და მონაწილეები არ მოითხოვენ რაიმე გადახდას. იმისათვის, რომ დავანახოთ, როგორ არის შესაძლებელი, მე დავწერ ჩემს სადისერტაციო კვლევას კულტურული პროდუქციის წარმატებასა და მარცხიზე.

ჩემი დისერტაცია მოტივირებული იყო კულტურული პროდუქციის წარმატების ბუნდოვანებით. მოხვდა სიმღერები, საუკეთესო გაყიდვადი წიგნები და ბლოკბასტერული ფილმები ბევრად უფრო წარმატებული, ვიდრე საშუალოდ. ამის გამო, ბაზარზე ამ პროდუქტების ბაზრებს ხშირად უწოდებენ "გამარჯვებული-მიიღოს-ყველა" ბაზრებზე. თუმცა, ამავე დროს, რომელი კონკრეტული სიმღერა, წიგნი ან ფილმი წარმატებით გახდება წარმოუდგენლად არაპროგნოზირებადი. სცენარისტი უილიამ გოლდმანი (1989) ელეგანტურად შეაჯამა უამრავი აკადემიური კვლევა და განაცხადა, რომ, როდესაც საქმე წარმატების პროგნოზს ეხება, "არავის არაფერი იცის". გამარჯვებულების ყველა ბაზრის არაპროგნოზირებადობა მე მაინტერესებს, რა წარმატების შედეგია ხარისხი და რამდენად არის მხოლოდ წარმატებას. თუ ოდნავ განსხვავებულად გამოხატულია, თუ პარალელურ სამყაროებს შევქმნით და ყველა მათგანს დამოუკიდებლად განავითარებს, იმავე სიმღერას პოპულარული გახდება ყოველ მსოფლიოში? და თუ არა, რა შეიძლება იყოს მექანიზმი, რომელიც ამ განსხვავებებს იწვევს?

ამ კითხვებზე პასუხის გასაცემად, პიტერ დოდდებმა, დონკან ვატსმა (ჩემი სადისერტაციო მრჩეველი) და მე ონლაინ რიგითი ექსპერიმენტების სერია გავატარე. კერძოდ, ჩვენ ავაშენეთ ვებსაიტი MusicLab- ში, სადაც ადამიანებს ახალი მუსიკა აღმოაჩინეს და ჩვენ ექსპერიმენტების სერიას ვგულისხმობდით. ჩვენ მოწვეულნი იყვნენ მონაწილეთა მიერ ბანერი რეკლამის ვებ-გვერდზე (ფიგურა 4.20) და მედიის საშუალებით. ჩვენს ვებ-გვერდზე ჩამოსულმა მონაწილეებმა ინფორმირებული თანხმობა დაასრულეს მოკლე დასკვნითი კითხვარი, და შემთხვევითად გადაეცათ ორი ექსპერიმენტული პირობები - დამოუკიდებელი და სოციალური გავლენა. დამოუკიდებელ პირობებში მონაწილეებმა მიიღეს გადაწყვეტილება, თუ რომელი სიმღერები მოისმინეს, მხოლოდ სახელები და სიმღერები. სიმღერის მოსმენის დროს მონაწილეებს სთხოვდნენ შეაფასონ, რის შემდეგაც მათ ჰქონდათ შესაძლებლობა (მაგრამ არა ვალდებულება) სიმღერის გადმოსაწერად. სოციალური გავლენის პირობებში მონაწილეებს ჰქონდათ იგივე გამოცდილება, გარდა იმისა, რომ მათ შეეძლოთ რამდენჯერმე გაეცათ თითოეული სიმღერა წინა მონაწილეების მიერ. უფრო მეტიც, სოციალური გავლენის ქვეშ მყოფმა მონაწილეებმა შემთხვევით მიანიჭეს რვა პარალელურ სამყაროში, რომელთაგან თითოეული დამოუკიდებელია (ფიგურა 4.21). ამ დიზაინის გამოყენებით ორი ექსპერიმენტი გავატარე. პირველ რიგში, ჩვენ სიმღერები მონაწილეებს გადაუგზავნა არასწორი ბადის, რომელიც მათ სუსტი სიგნალი პოპულარობის. მეორე ექსპერიმენტში ჩვენ შევაგროვეთ სიმღერები რეიტინგული სიაში, რომელიც პოპულარობის უფრო ძლიერი სიგნალია (ფიგურა 4.22).

ფიგურა 4.20: მაგალითი ბანერი რეკლამა, რომ ჩემი კოლეგები და მე შეჯიბრის მონაწილეებს MusicLab ექსპერიმენტი (Salganik, Dodds, and Watts 2006) . Salganik (2007) ნებართვით, ფიგურა 2.12.

ფიგურა 4.21: ექსპერიმენტული დიზაინი MusicLab ექსპერიმენტებისთვის (Salganik, Dodds, and Watts 2006) . მონაწილეები შემთხვევით დანიშნულნი იყვნენ ერთ-ერთი ორი პირობა: დამოუკიდებელი და სოციალური გავლენა. დამოუკიდებელ პირობებში მონაწილეებმა თავიანთი არჩევანი გააკეთეს ნებისმიერი ინფორმაცია იმის შესახებ, თუ რა გააკეთა სხვა ადამიანებმა. სოციალური გავლენის პირობებში მონაწილეები შემთხვევით მიეკუთვნებოდნენ რვა პარალელურ სამყაროში, სადაც მათ შეეძლოთ პოპულარობის დანახვა, როგორც წინა მონაწილეების მიერ გადმოცემული თითოეული სიმღერის მიხედვით, მაგრამ მათ ვერ ნახეს რაიმე ინფორმაცია, კი ვიცი არსებობის შესახებ, რომელიმე სხვა სამყაროში. ადაპტირებული Salganik, Dodds, and Watts (2006) , ფიგურა s1.

ჩვენ აღმოვაჩინეთ, რომ სიმღერების პოპულარობა განსხვავდებოდა მთელს მსოფლიოში, ვარაუდობდნენ, რომ წარმატებას წარმატებაში წარმატებული როლი შეასრულა. მაგალითად, ერთ სამყაროში სიმღერა "ლოკაუნტი" 52 მეტრით მოხვდა, აქედან 48 სიმღერა 1-ში შევიდა, ხოლო მეორე სამყაროში მე -40 ადგილზე გავიდა. ეს იყო ზუსტად იგივე სიმღერა, რომელიც იბრძვის ყველა სხვა სიმღერის წინააღმდეგ, მაგრამ ერთ სამყაროში იღბლიანი და სხვებიც კი არა. გარდა ამისა, ორი ექსპერიმენტის შედეგების შედარებით, ჩვენ ვნახეთ, რომ სოციალური გავლენა ზრდის გამარჯვებულს, ამ ბაზრების ყველა ბუნებას, რაც, ალბათ, ვარაუდობს, რომ უნარი მნიშვნელოვანია. თუმცა, მთელს მსოფლიოში (რაც არ შეიძლება ამ პარალელური სამყაროს ექსპერიმენტის გარეშე გაკეთდეს), აღმოვაჩინეთ, რომ სოციალურმა გავლენამ წარმატებას ნამდვილად მიაღწია. უფრო მეტიც, გასაკვირია, რომ ეს იყო უმაღლესი საჩივრის სიმღერები, რომელთა უმრავლესობაც წარმატებულა (ფიგურა 4.23).

ფიგურა 4.22: MusicLab ექსპერიმენტებში სოციალური გავლენის პირობების ეკრანი (Salganik, Dodds, and Watts 2006) . ექსპერიმენტში სოციალური ზემოქმედების პირობებში 1, სიმღერები, წინა ვერსიების რიცხვთან ერთად, წარმოდგენილი იყო 16 \(\times\) 3 მართკუთხა გიდთან დაკავშირებული მონაწილეებისათვის, სადაც სიმღერების პოზიციები შემთხვევითი იყო მონაწილე. ექსპერიმენტში 2, სოციალური გავლენის ქვეშ მყოფმა მონაწილეებმა გამოავლინეს სიმღერები, გადმოწერის მიხედვით, ერთ სვეტში წარმოდგენილი პოპულარობის მიხედვით.

ფიგურა 4.23: შედეგები MusicLab ექსპერიმენტები აჩვენებს შორის ურთიერთობა აპელაცია და წარმატება (Salganik, Dodds, and Watts 2006) . \(x\) -აქსი არის სიმღერის საბაზრო წილი დამოუკიდებელი სამყაროში, რომელიც ემსახურება სიმღერის საჩივრის ზომას და \(y\) -axis არის იგივე სიმღერის საბაზრო წილი რვა სოციალური გავლენის სამყარო, რომელიც ემსახურება სიმღერების წარმატების ზომას. ჩვენ აღმოვაჩინეთ, რომ სოციალური გავლენის გაზრდა, რომელთა მონაწილეებიც განიცდიან ექსპერიმენტის 1-დან ექსპერიმენტამდე 2 (ფიგურა 4.22) - წარმატებით გამოირჩევა უფრო არაპროგნოზირებადი, განსაკუთრებით სიმღერებისთვის უმაღლესი საჩივრისთვის. ადაპტირებული Salganik, Dodds, and Watts (2006) , ფიგურა 3.

MusicLab- ს შეეძლო არსებითად ნულოვანი ცვლადი ღირებულება გამოეყენებინა იმის გამო, რომ იგი შემუშავდა. პირველ რიგში, ყველაფერი სრულად ავტომატიზირებულია ისე, რომ მას შეეძლო აეღო, როცა მძინავს. მეორე, კომპენსაცია იყო უფასო მუსიკა, ასე რომ არ იყო ცვლადი მონაწილე კომპენსაციის ღირებულება. მუსიკის გამოყენება კომპენსაციის სახით ასევე ასახავს იმას, თუ როგორ არის ზოგჯერ ვაჭრობა ფიქსირებული და ცვლადი ხარჯების მიხედვით. მუსიკის გამოყენებამ გაზარდა ფიქსირებული ხარჯები, რადგან მე მქონდა დროის გასატარებლად ზოლის დაცვა და მომზადებული მოხსენებები მათი მონაწილეებისთვის მათი რეაქციის შესახებ. მაგრამ ამ შემთხვევაში, ფიქსირებული ხარჯების გაზრდა, რათა მოხდეს ცვლადების ხარჯების შემცირება სწორი იყო; ეს არის ის, რაც საშუალებას მოგვცემს აწარმოოთ ექსპერიმენტი, რომელიც დაახლოებით 100 ჯერ აღემატება სტანდარტულ ლაბორატორიულ ექსპერიმენტს.

გარდა ამისა, MusicLab ექსპერიმენტები აჩვენებს, რომ ნულოვანი ცვლადი ღირებულება არ უნდა იყოს თავისთავად; უფრო სწორად, ეს შეიძლება იყოს ახალი ტიპის ექსპერიმენტის გაშვების საშუალება. გაითვალისწინეთ, რომ ყველა ჩვენმა მონაწილემ ვერ გამოიყენა სტანდარტული სოციალური გავლენის ლაბორატორიული ექსპერიმენტის 100-ჯერ. ამის ნაცვლად, ჩვენ რაღაც განსხვავებული ვიყავით, რაც ფიქრობდა, რომ ფსიქოლოგიური ექსპერიმენტიდან სოციოლოგიური გამოკვლევით (Hedström 2006) . იმის ნაცვლად, რომ ყურადღება გამახვილდა ინდივიდუალურ გადაწყვეტილებებზე, ჩვენ ყურადღება გაამახვილა ჩვენი ექსპერიმენტის პოპულარობაზე, კოლექტიურ შედეგზე. კოლექტიური შედეგის შეცვლა ეს იმას ნიშნავდა, რომ 700-მდე მონაწილეს წარმოადგენდა ერთიან მონაცემთა ბაზის შექმნა (თითოეული პარალელურ სამყაროში 700 ადამიანი იყო). ეს მასშტაბი მხოლოდ ექსპერიმენტის ღირებულების სტრუქტურის გამო შესაძლებელი იყო. ზოგადად, თუ მკვლევარებმა უნდა ისწავლონ თუ როგორ კოლექტიური შედეგები წარმოიშვა ინდივიდუალური გადაწყვეტილებებისგან, ჯგუფის ექსპერიმენტები, როგორიცაა MusicLab ძალიან საინტერესო. წარსულში ისინი ლოჯისტიკურად რთულია, მაგრამ ეს სირთულეები თანდათანობით იკლებს ნულოვანი ცვლადი ღირებულების მონაცემების გამო.

გარდა იმისა, რომ ნულოვანი ცვლადი ღირებულების მონაცემების უპირატესობაა, MusicLab- ის ექსპერიმენტები ასევე გამოწვევაა ამ მიდგომით: მაღალი ფიქსირებული ხარჯები. ჩემს შემთხვევაში მე ძალიან გაუმართლა, რომ შეეძლო ვიმუშავებდი ნიჭიერი ვებ დეველოპერი პიტერ ჰოზელთან, დაახლოებით ექვსი თვის განმავლობაში ექსპერიმენტის შესაქმნელად. ეს მხოლოდ შესაძლებელი იყო, რადგან ჩემი მრჩეველი, დუნკანის ვატს, ამგვარი კვლევის მხარდასაჭერად რამდენიმე გრანტი მიიღო. ტექნოლოგია გაუმჯობესდა მას შემდეგ, რაც ჩვენ შევქმენით MusicLab 2004 წელს, ასე რომ ბევრად უფრო ადვილი იქნება ექსპერიმენტის შესაქმნელად. თუმცა, მაღალი ფიქსირებული ღირებულების სტრატეგიები ნამდვილად შესაძლებელია მხოლოდ მკვლევართათვის, ვისაც შეუძლია ამ ხარჯების დაფარვა.

დასასრულს, ციფრული ექსპერიმენტები შეიძლება ჰქონდეს დრამატულად განსხვავებული ღირებულება სტრუქტურების ვიდრე ანალოგი ექსპერიმენტი. თუ მართლაც დიდი ექსპერიმენტი აწარმოებს, უნდა შეამციროთ თქვენი ცვლადი ღირებულება მაქსიმალურად და იდეალურად ყველა გზა ნულოვანია. თქვენ შეგიძლიათ ამის გაკეთება ამ ექსპერიმენტის მექანიკის ავტომატიზირებით (მაგ., კომპიუტერის დროით ადამიანის დროით შეცვლა) და ექსპერიმენტების დიზაინით, რომელთაც სურთ, რომ იყვნენ. მკვლევარებმა, რომლებსაც შეუძლიათ ამ ექსპერიმენტების შემუშავება, შეძლებენ ახალი ექსპერიმენტების ჩატარებას წარსულში შეუძლებელია. თუმცა, ნულოვანი ცვლადი ექსპერიმენტების შექმნის უნარი შეუძლია ახალი ეთიკური კითხვების დასვას, იმ თემას, რომელსაც ახლა მივმართავ.