4.5.1.2 자신의 실험을 구축

자신의 실험을 구축하는 것은 비용이 많이들 수 있습니다, 그러나 당신이 원하는 실험을 만들 수있게된다.

기존 환경의 상단에 실험을 오버레이 외에도 자신의 실험을 구축 할 수 있습니다. 이 방법의 주요 장점은 제어이고; 당신이 실험을 구축하는 경우, 당신은 당신이 원하는 환경과 트리트먼트를 만들 수 있습니다. 이러한 맞춤형 실험 환경은 자연적으로 발생하는 환경에서 테스트하는 것이 불가능 이론을 테스트 할 수있는 기회를 만들 수 있습니다. 자신의 실험을 건물의 주요 단점은 비용이 많이들 수 있다는이고, 당신은 자연적으로 발생하는 시스템의 현실감이 없을 수 있습니다 만들 수있는 환경이. 또한 자신의 실험을 구축 연구진은 참가자를 모집하기위한 전략이 있어야합니다. 기존 시스템에서 작업 할 때, 연구자들은 기본적으로 자신의 참가자들에게 실험을 가져오고 있습니다. 연구자가 자신의 실험을 만들 때, 그들은 참가자를 가지고해야합니다. 다행히 아마존 기계 터크 (MTurk)와 같은 서비스는 연구자에게 그들의 실험 참가자를 가지고 할 수있는 편리한 방법을 제공 할 수 있습니다.

추상적 인 이론을 테스트하기 위해 맞춤형 환경의 미덕을 보여 하나의 예는 그레고리 후버, 세스 힐, 가브리엘 렌츠에 의해 디지털 실험실 실험이다 (2012) . 실험은 민주적 거버넌스의 기능을 가능한 실질적인 제한을 탐구한다. 실제 선거 이전이 아닌 실험 연구는 유권자 정확하게 현직 정치인의 성능을 평가 할 수없는 것이 좋습니다. 특히, 유권자들은 세 가지 편견으로 고통 나타납니다 : 1) 누적 성능보다는 최근에 초점을 맞추고; 2) 수사, 프레임, 마케팅에 의해 조작 가능한; 3) 이러한 지역 스포츠 팀과 날씨의 성공으로 현직 성능과 관련이없는 사건에 의해 영향을. 이러한 이전 연구에서, 그러나, 실제 지저분 선거에서 일어나는 모든 다른 것들로부터 이러한 요인 중 하나를 분리하기 어려웠다. 따라서, 후버와 동료 분리하기 위해 매우 단순화 된 투표 환경을 생성하고 실험적으로,이 세 가지 편향 각을 연구한다.

나는 아래 실험 셋업이 매우 인공적인 소리를하지만, 리얼리즘은 랩 스타일의 실험의 목표는 아니라는 것을 기억하는 것입니다 설명으로. 오히려, 목표는 명확하게 공부하려고하는 프로세스를 분리하고,이 꽉 격리 더 사실감 연구에서 때로는 수 없습니다 (Falk and Heckman 2009) . 또한, 특히이 경우, 연구자들은 투표자 효과적으로 매우 단순화 된 환경에서 성능을 평가할 수없는 경우가 더 현실적인보다 복잡한 환경에서 할 수 않을 것을 주장했다.

후버와 동료 참가자를 모집 아마존 기계 터크 (MTurk)을 사용했다. 참가자가 동의를 제공하고 짧은 테스트를 통과하면, 그녀는 그녀가 진짜 돈으로 변환 할 수있는 토큰을 적립 32 라운드 경기에 참여하는 것을 들었다. 게임의 시작 부분에서, 각 참가자는 그녀가 그녀의 무료 토큰 각 라운드를 포기하고 일부 할당 자 다른 사람보다 더 관대이라고 할에 "할당"을 할당되었다는 말을 들었다. 또한, 각 참가자는 그녀가 그녀의 할당을 유지하는 하나 또는 게임의 16 라운드 이후 새로 할당 할 기회가있을 것이라는 점을 들었다. 할당자가 정부를 나타내며,이 선택은 선거를 나타내고 있지만, 참가자가 연구의 일반적인 목표 인식되지 않은 것을 당신이 후버와 동료의 연구 목표에 대해 알고있는 것을 감안할 때, 당신은 볼 수 있습니다. 총, 후버와 동료들은 약 8 분이 걸렸다 작업에 대해 $ 1.25을 지불하고 약 4,000 참가자를 모집.

이전 연구에서 연구 결과 중 하나가 유권자 보상 이었다는 것을 기억 및 지역 스포츠 팀과 날씨의 성공으로 자신의 통제 할 수없는 명확하다 결과에 대한 현직 처벌. 참가자 투표 결정이 자신의 환경에서 순수 랜덤 이벤트에 의해 영향을받을 수 있는지를 평가하기 위해, 후버와 동료들은 실험 시스템에 추첨을 추가했다. 8 라운드 또는 16 라운드 중 하나에서 (즉, 오른쪽 할당을 대체 할 수있는 기회 전에) 참가자는 무작위로 일부는 5000 점을 획득 추첨에 넣고, 일부는 0 점을 획득, 일부는 5000 포인트를 잃었다. 이 복권은 정치인의 성능과 무관 좋은 또는 나쁜 소식을 모방하도록했다. 참가자가 명시 적으로 복권 자신의 할당의 성능과 관련이없는라고 들었다에도 불구하고, 추첨의 결과는 여전히 참가자들의 결정에 영향을. 복권 혜택 참가자는 자신의 할당을 유지할 가능성이 있었고, 추첨을 교체하기 전에 라운드 16 오른쪽에 일어 났을 때,이 효과는 강했다 의사보다가 라운드 8 (그림 4.14)에 일어 났을 때. 이러한 결과는, 종이에 여러 가지 다른 실험의 결과와 함께, 심지어 간단한 설정에서, 유권자는 어려움이 현명한 결정을 내릴 유권자의 의사 결정에 ​​대한 향후 연구에 영향을 결과가 있다는 결론 후버와 동료를 주도 (Healy and Malhotra 2013) . 후버와 동료의 실험은 실험실 스타일의 실험은 정확하게 매우 구체적인 이론을 테스트하는 MTurk 참가자를 모집하는 데 사용될 수 있음을 보여줍니다. 또한 자신의 실험 환경을 구축하는 값을 보여줍니다 : 그것은이 같은 프로세스가 다른 환경에서 이렇게 완전히 고립 된 수 있는지 상상하기 어렵다.

그림 4.14 :의 결과 Huber, Hill, and Lenz (2012) . 복권 혜택 참가자는 자신의 할당을 유지할 가능성이 있었고, 추첨을 교체하기 전에 라운드 16 오른쪽에 일어 났을 때,이 효과는 강했다 의사보다가 라운드 8 일어 났을 때.

실험실과 같은 실험을 구축뿐만 아니라, 연구자들은 또한 더 현장 등을들 수있다 실험을 구축 할 수 있습니다. 예를 들어, Centola (2010) 동작 확산 소셜 네트워크 구조의 효과를 연구하기 위해 디지털 필드 실험을 만들었다. 그의 연구 문제는 다른 소셜 네트워크 구조를 가지고 있지만, 그렇지 않으면 구별 할 수 있었다 인구에 확산 동일한 동작을 관찰하기 위해 그를 필요합니다. 이 작업을 수행 할 수있는 유일한 방법은 맞춤형, 맞춤형 실험이었다. 이 경우, 켄 톨라는 웹 기반 건강 사회를 건설했다.

켄 톨라 건강 웹 사이트에 광고를 약 1,500 참가자를 모집. 참가자가 온라인 커뮤니티 - 건강한 라이프 스타일 불렀다에 도착했을 때 네트워크 그들은 동의를 정보를 제공 한 후 "건강 친구."때문에 켄 톨라 그가 다른 함께 다른 소셜 네트워크 구조를 편성 할 수 있었다 이러한 건강 친구를 할당하는 방식의 할당 된 여러 떼. 다른 그룹은 (연결이 더 로컬 밀도가) 클러스터 네트워크를 가지고 만들어진 (모든 사람이 연결 될 똑같이 가능성이 있었던 곳) 일부 그룹은 임의의 네트워크를 가지고 건설되었다. 그런 다음, 켄 톨라는 각 네트워크에 추가 건강 정보와 새로운 웹 사이트에 등록 할 수있는 기회를 새로운 동작을 소개했다. 사람이 새로운 웹 사이트에 가입 할 때마다, 그녀의 건강 친구들 모두가이 문제를 알리는 이메일을 받았습니다. 켄 톨라은 발견을 위해이 문제를 서명해서 새로운 웹 사이트-확산 임의의 네트워크, 일부 기존 이론에 반대했던 발견보다 클러스터 네트워크에서 더 빠르게.

전반적으로, 자신의 실험을 구축하는 것은 당신에게 더 많은 제어 할 수 있습니다; 당신이 공부하고 싶은 분리 할 수​​있는 최적의 환경을 구축 할 수 있습니다. 이들 실험 중 하나는 기존의 환경에서 수행되었을 수 상상하기 힘들다. 또한, 자신의 시스템을 구축하는 것은 기존 시스템에서 실험 주위에 윤리적 인 문제를 감소시킨다. 모집 참가자와 리얼리즘에 대한 우려 : 당신이 당신의 자신의 실험을 빌드 할 때, 그러나, 당신은 실험실 실험에서 발생하는 많은 문제로 실행합니다. 마지막 단점은 이러한 예는 표시로, 실험 (예에 의한 투표의 연구와 같은 비교적 단순한 환경에 이르기까지 다양 할 수 있지만 자신의 실험을 구축하는 것은 비용과 시간이 소모 될 수 있다는 것입니다 Huber, Hill, and Lenz (2012) )에 (예에 의한 네트워크 및 감염의 연구에 상대적으로 복잡한 환경 Centola (2010) ).