4.4.2 ផលប៉ះពាល់ការព្យាបាលវិសភាគមួយនៃ

តាមធម្មតាការពិសោធន៍អាចវាស់ប្រសិទ្ធិភាពជាមធ្យមប៉ុន្តែឥទ្ធិពលគឺមិនដូចគ្នាសម្រាប់មនុស្សគ្រប់គ្នាទេ។

គំនិតគន្លឹះទី 2 សម្រាប់ការផ្លាស់ប្តូរលើសពីការពិសោធន៍សាមញ្ញគឺ ភាពមិនធម្មតានៃផលប៉ះពាល់នៃការព្យាបាល ។ ពិសោធន៍របស់ Schultz et al. (2007) បង្ហាញពីរបៀបដែលការព្យាបាលដូចគ្នាអាចមានឥទ្ធិពលផ្សេងគ្នាទៅលើប្រភេទផ្សេងៗនៃមនុស្ស (រូបភាពទី 4.4) ។ ទោះជាយ៉ាងណាក៏ដោយនៅក្នុងការពិសោធន៍អាណាឡូកភាគច្រើនអ្នកស្រាវជ្រាវបានផ្តោតលើផលប៉ះពាល់នៃការព្យាបាលជាមធ្យមដោយសារតែមានអ្នកចូលរួមតិចតួចហើយមានតិចតួចដែលត្រូវបានគេដឹងអំពីពួកគេ។ នៅក្នុងពិសោធន៍ឌីជីថលទោះជាយ៉ាងណាក៏ដោយមានអ្នកចូលរួមជាច្រើនទៀតហើយមានគេដឹងពីវាច្រើនទៀត។ នៅក្នុងបរិយាកាសទិន្នន័យខុសគ្នានេះអ្នកស្រាវជ្រាវដែលបន្តធ្វើការប៉ាន់ប្រមាណថាឥទ្ធិពលនៃការព្យាបាលជាមធ្យមនឹងនឹករបៀបដែលការប៉ាន់ប្រមាណអំពីភាពមិនធម្មតានៃផលប៉ះពាល់នៃការព្យាបាលអាចផ្តល់នូវតម្រុយអំពីវិធីដំណើរការព្យាបាលរបៀបដែលវាអាចត្រូវបានកែលម្អនិងរបៀបដែលវាអាចត្រូវបានកំណត់គោលដៅ។ ដល់អ្នកដែលទំនងជាទទួលប្រយោជន៍។

ឧទាហរណ៏ពីរនៃភាពមិនធម្មតានៃផលប៉ះពាល់នៃការព្យាបាលមកពីការស្រាវជ្រាវបន្ថែមលើរបាយការណ៍ថាមពលទំព័រដើម។ ទីមួយ Allcott (2011) បានប្រើទំហំគំរូធំ (600.000 គ្រួសារ) ដើម្បីបំបែកគំរូនិងប៉ាន់ស្មានអំពីប្រសិទ្ធិភាពនៃរបាយការណ៍ថាមពលគេហដ្ឋានដោយការរចនានៃការប្រើប្រាស់ថាមពលមុនការព្យាបាល។ ខណៈពេលដែល Schultz et al. (2007) រកឃើញភាពខុសគ្នារវាងអ្នកប្រើធុនធ្ងន់និងពន្លឺ, Allcott (2011) រកឃើញថាមានភាពខុសគ្នារវាងក្រុមអ្នកប្រើធុនធ្ងន់និងអ្នកប្រើពន្លឺ។ ឧទាហរណ៍អ្នកប្រើប្រាស់ដែលមានទម្ងន់ធ្ងន់បំផុត (កាត់បន្ថយការប្រើប្រាស់ថាមពលច្រើនជាងគេពីរដងច្រើនជាងអ្នកប្រើពាក់កណ្តាលក្រុមអ្នកប្រើធ្ងន់) (រូបភាព 4.8) ។ លើសពីនេះទៀតការប៉ាន់ប្រមាណផលប៉ះពាល់ដោយឥរិយាបថព្យាបាលមុនក៏បង្ហាញផងដែរថាមិនមានឥទ្ធិពល boomerang សូម្បីតែសម្រាប់អ្នកប្រើពន្លឺតិចបំផុត (រូបភាព 4.8) ។

រូបភាពទី 4.8: ភាព Allcott (2011) នៃផលប៉ះពាល់នៃការព្យាបាលនៅ Allcott (2011) ។ ការថយចុះការប្រើប្រាស់ថាមពលគឺមានភាពខុសគ្នាចំពោះមនុស្សដែលមានភាពខុសគ្នានៃការប្រើប្រាស់មូលដ្ឋាន។ សម្របសម្រួលពី Allcott (2011) , តួរលេខទី 8 ។

នៅក្នុងការសិក្សាដែលទាក់ទងគ្នា Costa and Kahn (2013) ប៉ាន់ស្មានថាប្រសិទ្ធភាពនៃរបាយការណ៍ថាមពលគេហដ្ឋានអាចប្រែប្រួលដោយផ្អែកលើមនោគមន៍វិជ្ជានយោបាយរបស់អ្នកចូលរួមហើយថាការព្យាបាលអាចបណ្តាលឱ្យមនុស្សមានមនោគមវិជ្ជាជាក់លាក់ដើម្បីបង្កើនការប្រើប្រាស់អគ្គិសនីរបស់ពួកគេ។ នៅក្នុងពាក្យផ្សេងទៀតពួកគេបានប៉ាន់ស្មានថារបាយការណ៍ផ្ទះថាមពលអាចនឹងបង្កើតឥទ្ធិពលមួយសម្រាប់មនុស្សមួយចំនួន។ ដើម្បីវាយតម្លៃលទ្ធភាពនេះ Costa និង Kahn បានច្របាច់បញ្ចូលទិន្នន័យ Opower ជាមួយទិន្នន័យដែលបានមកពីអ្នកប្រមូលផ្ដុំរបស់ភាគីទីបីដែលរួមមានព័ត៌មានដូចជាការចុះឈ្មោះគណបក្សនយោបាយការបរិច្ចាគដល់អង្គការបរិស្ថាននិងការចូលរួមរបស់គ្រួសារនៅក្នុងកម្មវិធីថាមពលកកើតឡើងវិញ។ ជាមួយនឹងសំណុំទិន្នន័យនេះបញ្ចូលគ្នាកូស្តានិងខានបានរកឃើញថារបាយការណ៍ថាមពលទំព័រដើមបានបង្កើតផលយ៉ាងខ្លាំងស្រដៀងគ្នាសម្រាប់អ្នកចូលរួមដែលមានមនោគមវិជ្ជាខុសៗគ្នា។ មិនមានភ័ស្តុតាងបង្ហាញថាក្រុមណាមួយបានបង្ហាញពីផលប៉ះពាល់នៃការរីកលូតលាស់របស់ boomerang (រូបភាព 4.9) ។

រូបភាពទី 4.9: ភាពមិនធម្មតានៃផលប៉ះពាល់នៃការព្យាបាលនៅក្នុង Costa and Kahn (2013) ។ ផលប៉ះពាល់នៃការព្យាបាលជាមធ្យមសម្រាប់គំរូទាំងមូលគឺ -2.1% [-1.5%, -2.7%] ។ បន្ទាប់ពីបញ្ចូលព័ត៌មានពីពិសោធន៍ជាមួយព័ត៌មានអំពីគ្រួសារ Costa and Kahn (2013) បានប្រើគំរូស្ថិតិជាបន្តបន្ទាប់ដើម្បីប៉ាន់ប្រមាណប្រសិទ្ធភាពនៃការព្យាបាលសម្រាប់ក្រុមមនុស្សជាក់លាក់។ ការប៉ាន់ប្រមាណចំនួនពីរត្រូវបានបង្ហាញសម្រាប់ក្រុមនីមួយៗពីព្រោះការប៉ាន់ប្រមាណពឹងផ្អែកទៅលើ covariates ដែលពួកគេបានរួមបញ្ចូលនៅក្នុងម៉ូដែលស្ថិតិរបស់ពួកគេ (សូមមើលគំរូ 4 និង 6 នៅក្នុងតារាង 3 និង 4 នៅក្នុង Costa and Kahn (2013) ) ។ ឧទាហរណ៍នេះបង្ហាញថាផលប៉ះពាល់នៃការព្យាបាលអាចមានភាពខុសប្លែកពីមនុស្សផ្សេងគ្នាហើយការប៉ាន់ប្រមាណនៃផលប៉ះពាល់ដែលមកពីគំរូស្ថិតិអាចពឹងផ្អែកទៅលើព័ត៌មានលំអិតនៃគំរូទាំងនោះ (Grimmer, Messing, and Westwood 2014) ។ ប្រែប្រួលពី Costa and Kahn (2013) តារាងទី 3 និងទី 4 ។

ឧទាហរណ៍ទាំងពីរបង្ហាញពីអាយុឌីជីថលយើងអាចផ្លាស់ប្តូរពីការប៉ាន់ប្រមាណឥទ្ធិពលនៃការព្យាបាលជាមធ្យមទៅនឹងការប៉ាន់ប្រមាណពីវិសមភាពនៃផលប៉ះពាល់នៃការព្យាបាលព្រោះយើងអាចមានអ្នកចូលរួមច្រើនហើយយើងដឹងច្រើនអំពីអ្នកចូលរួមទាំងនោះ។ ការសិក្សាអំពីភាពមិនធម្មតានៃផលប៉ះពាល់នៃការព្យាបាលអាចជួយដល់គោលដៅនៃការព្យាបាលដែលវាមានប្រសិទ្ធភាពបំផុតដែលផ្តល់នូវការពិតដែលជំរុញការអភិវឌ្ឍទ្រឹស្ដីថ្មីនិងផ្តល់នូវការណែនាំអំពីយន្តការដែលអាចធ្វើទៅបានដែលជាប្រធានបទដែលខ្ញុំបែរមក។