4.6.1 제로 가변 비용 데이터를 생성

실행 큰 실험의 핵심은 제로에 가변 비용 구동된다. 이 작업을 수행하는 가장 좋은 방법은 자동화하고 즐거운 실험을 설계 할 수 있습니다.

디지털 실험은 극적으로 다른 비용 구조를 가질 수 있으며, 이는 이전에 불가능했던 실험을 위해 연구 할 수있다. 보다 구체적으로, 실험은 일반적으로 비용의 두 가지 유형이 있습니다. 고정 비용과 가변 비용을 고정 비용은 당신이 얼마나 많은 참가자에 따라 변경되지 않는 비용이다. 예를 들어, 실험실 실험에서, 고정 비용은 공간을 임대 및 가구를 구입하는 비용 일 수 있습니다. 반면에, 가변 비용, 변경, 당신이 얼마나 많은 참가자에 따라. 예를 들어, 실험실 실험에서, 가변 비용은 직원과 참가자를 지불에서 온 수 있습니다. 일반적으로, 아날로그 실험은 낮은 고정 비용과 높은 가변 비용이, 디지털 실험은 높은 고정 비용과 낮은 가변 비용 (그림 4.18)가 있습니다. 적절한 디자인으로, 당신은 모든 방법을 제로로 실험의 가변 비용을 구동 할 수 있으며,이 흥미로운 연구 기회를 만들 수 있습니다.

그림 4.18 : 아날로그 및 디지털 실험에서 비용 구조의 도식. 디지털 실험은 높은 고정 비용과 낮은 변수 비용이 반면에 일반적으로 아날로그 실험은 낮은 고정 비용과 높은 가변 비용이 있습니다. 서로 다른 비용 구조는 디지털 실험은 아날로그 실험을 할 수 없습니다 규모에서 실행할 수있는 것을 의미한다.

두 가지 주요 직원 수있는 가변 비용 지불의 요소와 지불있다 참가자 및 이들 각각은 서로 다른 전략을 사용하여 제로로 구동 될 수있다. 지불은 연구 보조원이 참가자를 모집 치료를 제공하고, 결과를 측정 않도록 작업에서 줄기를 직원합니다. 예를 들어, 슐츠와 동료의 아날로그 현장 실험 (2007) 사회 규범과 전기 사용량에 필요한 연구 보조원에는 전기 미터를 치료를 제공하고 읽을 각 가정에 (그림 4.3)을 여행한다. 연구 보조원에 의해 이러한 노력의 모든 연구에 새로운 가정을 추가하는 것은 비용에 추가 한 것을 의미했다. 한편, Restivo 및 밴 드 Rijt의 디지털 현장 실험 (2012) 위키 백과에 보상에, 연구자들은 사실상 무료로 더 많은 참가자를 추가 할 수 있습니다. 변수 관리 비용을 줄이기위한 일반적인 전략 (싼) 컴퓨터 작업으로 (비싼) 인간의 작업을 대체하는 것입니다. 대략, 당신은 자신을 요청할 수 있습니다 : 내 연구 팀 모두가 자고있는 동안이 실험을 실행할 수 있습니까? 대답은 '예, 당신은 자동화의 큰 일을했습니다.

가변 비용의 두 번째 주요 유형은 참가자들에게 지급합니다. 일부 연구자들은 참가자에 필요한 지불을 감소 아마존 기계 터크와 다른 온라인 노동 시장을 이용했다. 제로 변동비 끝까지 구동하도록하지만, 다른 접근 방법이 필요하다. 오랜 시간 동안, 연구자는 그래서 그들은 참여하는 사람들을 지불해야 지루한하는 실험을 설계했다. 그러나, 당신은 사람들이에 원하는 실험을 어떻게 만들 수 있다면? 이것은 지금까지 가져온 들릴지 모르지만, 난 내 자신의 직장에서 아래를 예를 줄 것이다, 표 4.4에 더 많은 예제가있다. 즐거운 실험을 설계하는이 방법이 더 즐거운 조사 설계 및 제 5 장에서 대량 협력의 디자인에 관한에 관한 제 3 장에서 테마의 일부를 메아리합니다. 따라서, 나는 참가자 즐거움-무엇도 사용자를 호출 할 수있는 경험-것 디지털 시대의 연구 디자인의 점점 중요한 부분이라고 생각합니다.

당신이 제로 가변 비용 실험을 만들려면 당신은 모든 것이 완전히 자동화되어 있고 참가자가 어떤 지불을 요구하지 않도록하는 것이 좋습니다. 이 수 방법을 보여주기 위해, 나는 문화 상품의 성공과 실패에 내 논문의 연구를 설명 할 것이다. 이 예는 제로 가변 비용 데이터 그냥 일이 싼 것에 대해 아니라고 보여줍니다. 오히려, 그렇지 않으면 가능하지 않을 것이다 실험을 가능하게 대한 것입니다.

내 논문은 문화 상품의 성공의 수수께끼 자연에 의해 동기를 부여했다. 히트 곡, 최고의 책을 판매하고, 블록버스터 영화는 훨씬 더 성공적으로 평균보다 훨씬 있습니다. 이 때문에,이 제품에 대한 시장은 종종 "승자 독식을"시장이라고합니다. 그러나, 특정 노래, 책, 또는 영화가 성공 될 것 같은 시간에 믿을 수 없을만큼 예측할 수있다. 시나리오 작가 윌리엄 골드만 (1989) 우아는 성공을 예측에 올 때, 말하는 의해 학술 연구를 많이 표현 "아무도 아무것도 모른다."의 예측 불가능 승자 독식 시장이 나에게 그 결과가 얼마나 성공을 많이 궁금했다 품질과 양의 단지 행운이다. 우리가 평행 세계를 만들어 같은 노래는 각각의 세계에서 인기를 끌고 것, 그들 모두는 독립적으로 진화 할 수있는 경우 또는이 약간 다르게 표현? 없는 경우, 어떻게 이러한 차이가 발생하는 메커니즘이 될 수 있는가?

이 질문에 대답하기 위해, 우리 - 피터 Dodds가, 던컨 와츠 (내 논문 고문), 온라인 필드 일련의 실험을 나는-달렸다. 특히, 사용자가 새로운 음악을 검색 할 수 MusicLab라는 사이트를 구축하고, 우리는 일련의 실험을 위해 사용된다. 우리는 대 관심의 웹 사이트에 (그림 4.19) 배너 광고를 실행하여 미디어에 언급을 통해 참가자를 모집. 우리의 웹 사이트에서 제공 동의에 도착하는 참가자들은 짧은 배경 설문 조사를 완료하고, 무작위로 두 실험 조건에 관계없이 사회적 영향 중 하나에 할당되었다. 독립적 인 상태에서, 참가자들은 밴드와 노래의 이름 만 주어진 노래를들을 수있는에 대한 결정을했다. 노래를 듣는 동안, 참가자들은 노래를 다운로드 할 수있는 기회 (하지만 의무)이 있던 후를 평가했다. 그들은 또한 각 노래 이전 참가자들이 다운로드 한 횟수를 볼 수 있었다를 제외하고 사회에 영향을 미치는 상태에서, 참가자들은 같은 경험을했다. 또한, 사회 영향 조건 참가자 임의로 독립적으로 진화 각각 여덟 평행 세계 (도 4.20) 중 하나에 할당 하였다. 이 디자인을 사용하여, 우리는 두 가지 관련 실험을 달렸다. 첫 번째, 우리는 그들에게 인기 약한 신호를 제공하는 정렬되지 않은 그리드 참가자들에게 노래를 선물했다. 두 번째 실험에서, 우리는 인기 훨씬 더 강력한 신호를 제공하는 순위 목록에있는 노래 (그림 4.21)를 발표했다.

그림 4.19 : 내 동료와 나는 MusicLab의 실험 참가자 모집하는 데 사용되는 배너 광고의 예 (Salganik, Dodds, and Watts 2006) .

그림 4.20 다음 MusicLab 실험을위한 실험 설계 (Salganik, Dodds, and Watts 2006) . 독립과 사회적 영향 : 참가자는 무작위로 두 가지 조건 중 하나에 배정되었다. 독립적 인 상태에서 참가자들은 다른 사람들이 한 일에 대한 정보없이 자신의 선택을했다. 사회에 영향을 미치는 조건에서 참가자들은 무작위로 자신의 세계에서 각 노래 이전 참가자의 다운로드에 의해 측정 그들은으로 인기를-볼 수 1 ~ 8의 평행 세계로 할당 된, 그러나 그들은 정보를 볼 수 없으며 심지어했다 의 존재, 다른 세계의에 대해 알고.

우리는 노래의 인기는 행운의 중요한 역할을 제안하는 세계에서 차이가 있음을 발견했다. 예를 들어, 하나의 세계에서 52Metro에 의해 노래 "잠금은"1에오고, 다른 세계에서 48 곡 중 40 번째에왔다. 이 정확히 모두 같은 노래 경쟁 같은 노래했지만, 하나의 세계에서 운 얻었고, 다른 사람이하지 않았다. 또한,이 실험에서 결과를 비교하여 우리는 사회적 영향은 아마도 예측의 모양을 만들어 더 불평등 성공에 이르게 것으로 나타났습니다. 그러나, (병렬 세계 실험의 이러한 종류의 외부에서 수행 할 수 없음) 세계에서 찾고, 우리는 사회적 영향력이 실제로 예측 불가능 성을 증가 것으로 나타났습니다. 또한, 놀랍게도, 그것은 가장 예측할 수없는 결과 (그림 4.22)가 가장 높은 매력의 노래였다.

그림 4.21 다음 MusicLab 실험에서 사회에 영향을 미치는 조건에서 스크린 샷 (Salganik, Dodds, and Watts 2006) . 실험 1에서의 사회적 영향 상태에서, 노래는 이전 다운로드 횟수와 함께 곡의 위치가 무작위로 각 참가자에 대해 할당 된 16 × 3 직사각형 그리드에 배치 된 참가자에게 제시 하였다. 이 실험에서, 사회 영향 조건 참가자 현재 인기 내림차순으로 하나의 열에 제시된 다운 카운트와 함께 노래를 나타내었다.

그림 4.22 : 매력과 성공 사이의 관계를 나타내는 MusicLab 실험의 결과 (Salganik, Dodds, and Watts 2006) . x 축은 곡의 매력 척도 역할 독립적 세계의 곡의 점유율이고, y 축은 제공 8 사회 영향 세계에서 동일한 곡의 점유율이다 노래의 성공의 척도로서. 우리는 참가자들이 그 사회적 영향력 증가 경험을 - 특히, 실험 1에서 레이아웃의 변화 (그림 4.21) (2) 실험을 한 것으로 나타났습니다 특히 가장 높은 항소 노래, 더 예측되고 성공을 -caused.

MusicLab 때문에이 설계되었다하는 방식에서 근본적으로 제로 가변 비용을 실행할 수 있었다. 내가 자고있는 동안 실행 할 수 있었다, 그래서 첫째, 모든 것이 완전 자동화했다. 어떤 변수 참가자 보상 비용 없었다 있도록 둘째, 보상이없는 음악이었다. 보상으로 음악의 사용은 고정 비용과 가변 비용 사이의 트레이드 오프 가끔이 방법을 보여줍니다. 나는 밴드에서 권한을 확보하고 그들의 음악에 대한 참가자들의 반응에 대한 밴드에 대한 보고서를 준비 시간을 할애했기 때문에 사용 음악은 고정 비용을 증가했다. 그러나,이 경우, 변수의 비용을 감소하기 위해서 고정 비용을 증가시키는 옳은이었다; 즉, 표준 실험실 실험보다 약 100 배 더 크다 실험을 실행 할 수있게거야.

또한, MusicLab 실험은 제로 변수 비용은 그 자체가 목적 일 필요는 없습니다 것을 보여; 오히려, 실험의 새로운 종류를 실행하기위한 수단이 될 수있다. 우리는 표준 사회적 영향 실험실 실험을 100 번 실행하기 위해 참가자를 모두 사용하지 않은 것을 알 수 있습니다. 대신에, 우리는 당신이 사회 학적 실험 심리학 실험에서 전환으로 생각할 수있는 뭔가 다른, 한 (Hedström 2006) . 오히려 개인의 의사 결정에 초점을보다, 우리는 인기에 집단 결과를 우리의 실험을 집중했다. 결과 집합이 스위치 우리는 단일 데이터 지점을 생성하기 위해 약 700 참가자 필요한 것을 의미한다 (700 인 병렬 세계 각 있었다). 즉 스케일 때문에 실험 비용 구조 만 가능했다. 일반적으로, 연구자 개인의 의사 결정에서 발생 방법 집단 결과를 연구하고자하는 경우, 같은 MusicLab 같은 그룹의 실험은 매우 흥미로운입니다. 과거에는, 이들은 논리적으로 곤란했지만, 이러한 어려움 때문에 제로 가변 비용 데이터의 가능성 페이딩된다.

제로 가변 비용 데이터의 이점을 나타내는 외에, MusicLab 실험은이 방법 도전 보여 높은 고정비. 내 경우, 나는 실험을 구성하는 약 6 개월 동안 피터 Hausel라는 재능있는 웹 개발자와 함께 작업 할 수 매우 운이 좋았다. 내 고문, 던컨 와츠는, 연구의이 종류를 지원하는 보조금의 번호를받은 때문 만 가능했다. 우리가 2004 년에 MusicLab을 구축하기 때문에 기술을 개선하고 있으며, 지금과 같은 실험을 구축하는 것이 훨씬 쉬울 것이다. 그러나, 높은 고정 비용 전략은 어떻게 든 그 비용을 커버 할 수있는 연구자 정말에만 가능하다.

결론적으로, 디지털 실험은 아날로그 실험보다 훨씬 다른 비용 구조를 가질 수있다. 당신이 정말로 큰 실험을 실행하려는 경우, 당신은 당신이 실험의 메커니즘을 자동화하여이 작업을 수행 할 수 있습니다 0으로 가능한 한 많은 이상적으로 모든 방법을 당신의 변수 비용을 절감하려고한다 (예를 들어, 컴퓨터 시간과 인간의 시간을 대체) 사람들이에 원하는 실험을 설계. 이러한 기능과 함께 실험을 디자인 할 수 있습니다 연구자들은 과거에 불가능했던 실험의 새로운 종류를 실행할 수 있습니다.