4.6.2 ສ້າງຈັນຍາບັນໃນການອອກແບບຂອງທ່ານ: ແທນ, ປັບປຸງແລະຫຼຸດຜ່ອນ

ເຮັດໃຫ້ປະສົບການຂອງມະນຸດໂດຍການປ່ຽນປະສົບການກັບການສຶກສາທີ່ບໍ່ແມ່ນການທົດລອງ, ປັບປຸງການປິ່ນປົວ, ແລະການຫຼຸດຜ່ອນຈໍານວນຂອງຜູ້ເຂົ້າຮ່ວມ.

ຄໍາທີ່ສອງຂອງຄໍາແນະນໍາທີ່ຂ້ອຍຢາກໃຫ້ກ່ຽວກັບການອອກແບບປະສົບການດ້ານວິຊາການກ່ຽວກັບຈັນຍາບັນ. ໃນຂະນະທີ່ການທົດລອງ Restivo ແລະ van de Rijt ກ່ຽວກັບ barnstars ໃນວິກິພີເດຍສະແດງໃຫ້ເຫັນວ່າ, ຄ່າໃຊ້ຈ່າຍຫຼຸດລົງຫມາຍຄວາມວ່າຈັນຍາບັນຈະກາຍເປັນສ່ວນຫນຶ່ງທີ່ສໍາຄັນໃນການອອກແບບການຄົ້ນຄວ້າ. ນອກເຫນືອຈາກຂອບເຂດດ້ານຈັນຍາບັນແນະນໍາການຄົ້ນຄວ້າວິທະຍາສາດທີ່ຂ້າພະເຈົ້າຈະອະທິບາຍຢູ່ໃນບົດທີ 6, ນັກຄົ້ນຄວ້າວິໄຈແບບດິຈິຕອນກໍ່ສາມາດນໍາໃຊ້ແນວຄິດດ້ານຈັນຍາບັນຈາກແຫຼ່ງທີ່ແຕກຕ່າງກັນ: ຫຼັກການດ້ານຈັນຍາບັນທີ່ໄດ້ພັດທະນາເພື່ອນໍາສະເຫນີປະສົບການກ່ຽວກັບສັດ. ໂດຍສະເພາະໃນປື້ມບັນທຶກທີ່ສໍາຄັນຂອງພວກເຂົາ, Principles of Humane Experimental Technique , Russell and Burch (1959) ສະເຫນີສາມຫຼັກການທີ່ຄວນແນະນໍາການຄົ້ນຄວ້າສັດ: ທົດແທນ, ປັບປຸງແລະຫຼຸດຜ່ອນ. ຂ້າພະເຈົ້າຢາກສະເຫນີວ່າເຫຼົ່ານີ້ສາມ R ສາມາດຖືກນໍາໃຊ້ - ໃນຮູບແບບດັດແກ້ເລັກນ້ອຍ - ເພື່ອແນະນໍາການອອກແບບຂອງການທົດລອງຂອງມະນຸດ. ໂດຍ​ສະ​ເພາະ,

• ທົດແທນ: ທົດແທນການທົດລອງທີ່ມີວິທີການຮຸກຮານຫນ້ອຍຖ້າເປັນໄປໄດ້.
• ການປັບປຸງ: ປັບປຸງການປິ່ນປົວເພື່ອເຮັດໃຫ້ມັນເປັນອັນຕະລາຍທີ່ສຸດເທົ່າທີ່ເປັນໄປໄດ້.
• ຫຼຸດລົງ: ຫຼຸດຈໍານວນຜູ້ເຂົ້າຮ່ວມໃນການທົດລອງຂອງທ່ານເທົ່າທີ່ເປັນໄປໄດ້.

ໃນຄໍາສັ່ງເພື່ອເຮັດໃຫ້ຊີມັງເຫຼົ່ານີ້ສາມ R ແລະສະແດງໃຫ້ເຫັນວິທີທີ່ເຂົາເຈົ້າສາມາດນໍາໄປສູ່ການອອກແບບທົດລອງທີ່ດີກວ່າແລະມີມະນຸດຫຼາຍ, ຂ້າພະເຈົ້າຈະອະທິບາຍການທົດລອງພາກສະຫນາມອອນໄລນ໌ທີ່ສ້າງການໂຕ້ວາທີດ້ານຈັນຍາບັນ. ຫຼັງຈາກນັ້ນ, ຂ້າພະເຈົ້າຈະອະທິບາຍກ່ຽວກັບວິທີທີ່ສາມ R ແນະນໍາການປ່ຽນແປງທີ່ເປັນປະໂຫຍດແລະປະຕິບັດໃນການອອກແບບຂອງການທົດລອງ.

ຫນຶ່ງໃນການທົດລອງພາກສະຫນາມດິຈິຕອນທີ່ມີການໂຕ້ວາທີຫຼາຍທີ່ສຸດແມ່ນດໍາເນີນໂດຍ Adam Kramer, Jamie Guillroy ແລະ Jeffrey Hancock (2014) ແລະໄດ້ຖືກເອີ້ນວ່າ "Emotional Contagion." ການທົດລອງໄດ້ຈັດຂຶ້ນໃນ Facebook ແລະໄດ້ຮັບການກະຕຸ້ນຈາກການປະສົມປະສານຂອງວິທະຍາສາດແລະວິທະຍາສາດ. ຄໍາຖາມປະຕິບັດ. ໃນເວລານັ້ນ, ວິທີທີ່ເດັ່ນທີ່ຜູ້ໃຊ້ໄດ້ໂຕ້ຕອບກັບເຟສບຸກແມ່ນ News Feed, ເຊິ່ງເປັນຊຸດຂອງການປັບປຸງສະຖານະພາບຂອງເຟສບຸກຈາກຫມູ່ເພື່ອນເຟສບຸກຂອງຜູ້ໃຊ້. ຄວາມຄິດເຫັນບາງຢ່າງຂອງເຟສບຸກໄດ້ແນະນໍາວ່າເນື່ອງຈາກວ່າຂ່າວສານຂ່າວສານສ່ວນໃຫຍ່ແມ່ນມີຄວາມຄິດໃນແງ່ບວກ - ຫມູ່ເພື່ອນສະແດງໃຫ້ເຫັນວ່າພວກເຂົາເຈົ້າມີຄວາມຮູ້ສຶກໂສກເສົ້າເພາະວ່າຊີວິດຂອງພວກເຂົາມີຄວາມຫນ້າຕື່ນເຕັ້ນຫນ້ອຍ. ໃນທາງກົງກັນຂ້າມ, ອາດຈະມີຜົນກະທົບກົງກັນຂ້າມກັບ: ອາດຈະເຫັນເພື່ອນຂອງທ່ານທີ່ມີເວລາທີ່ດີຈະເຮັດໃຫ້ທ່ານມີຄວາມສຸກ. ເພື່ອແກ້ໄຂບັນຫາເຫຼົ່ານີ້ແລະເພື່ອຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບຄວາມຮູ້ສຶກຂອງຄົນທີ່ມີຜົນກະທົບຕໍ່ຄວາມຮູ້ສຶກຂອງເພື່ອນຂອງເຈົ້າ, Kramer ແລະເພື່ອນຮ່ວມງານໄດ້ທົດລອງໃຊ້. ພວກເຂົາເຈົ້າໄດ້ຈັດຕັ້ງປະມານ 700.000 ຜູ້ໃຊ້ເປັນສີ່ກຸ່ມສໍາລັບຫນຶ່ງອາທິດ: ເປັນ "ກຸ່ມທີ່ບໍ່ໄດ້ຮັບຜົນກະທົບ", ຜູ້ທີ່ມີຂໍ້ຄວາມທີ່ບໍ່ດີ (ເຊັ່ນ: "ໂສກເສົ້າ") ໄດ້ຖືກສະກັດກັ້ນໂດຍບໍ່ເຂົ້າໃຈໃນຂ່າວສານ; ສໍາລັບຜູ້ທີ່ມີຂໍ້ຄວາມທີ່ມີທາງບວກ (ຕົວຢ່າງ, "ມີຄວາມສຸກ" ແລະສອງກຸ່ມຄວບຄຸມ. ໃນກຸ່ມຄວບຄຸມສໍາລັບກຸ່ມ "ການລົບກວນ - ຫຼຸດລົງ", ກະທູ້ໄດ້ຖືກບີບບັງຄັບກັນໃນອັດຕາດຽວກັນກັບກຸ່ມ "negativity-reduced" ແຕ່ບໍ່ກ່ຽວກັບເນື້ອຫາທາງດ້ານຈິດໃຈ. ກຸ່ມການຄວບຄຸມສໍາລັບກຸ່ມ "ຄວາມເປັນບວກ - ຫຼຸດລົງ" ໄດ້ຖືກສ້າງຂຶ້ນໃນຮູບແບບຂະຫນານ. ການອອກແບບຂອງການທົດລອງນີ້ສະແດງໃຫ້ເຫັນວ່າກຸ່ມຄວບຄຸມທີ່ເຫມາະສົມບໍ່ແມ່ນສະເຫມີຫນຶ່ງທີ່ບໍ່ມີການປ່ຽນແປງ. ແທນທີ່ຈະ, ບາງຄັ້ງ, ກຸ່ມຄວບຄຸມໄດ້ຮັບການປິ່ນປົວເພື່ອສ້າງການປຽບທຽບທີ່ຊັດເຈນວ່າຄໍາຖາມການຄົ້ນຄວ້າຮຽກຮ້ອງ. ໃນທຸກໆກໍລະນີ, ຂໍ້ຄວາມທີ່ຖືກສະກັດຈາກຂ່າວສານຂ່າວສານຍັງມີໃຫ້ແກ່ຜູ້ຊົມໃຊ້ຜ່ານພາກສ່ວນອື່ນໆຂອງເວັບໄຊທ໌ເຟສບຸກ.

Kramer ແລະເພື່ອນຮ່ວມງານໄດ້ພົບເຫັນວ່າສໍາລັບຜູ້ເຂົ້າຮ່ວມໃນເງື່ອນໄຂສະພາບຄ່ອງ, ອັດຕາສ່ວນຂອງຄໍາສັບຕ່າງໆໃນການປັບປຸງສະຖານະພາບຂອງເຂົາເຈົ້າໄດ້ຫຼຸດລົງແລະອັດຕາສ່ວນຂອງຄໍາສັບທີ່ບໍ່ດີໄດ້ເພີ່ມຂື້ນ. ໃນທາງກົງກັນຂ້າມ, ສໍາລັບຜູ້ເຂົ້າຮ່ວມໃນເງື່ອນໄຂຫຼຸດລົງ, ອັດຕາສ່ວນຂອງຄໍາສັບຕ່າງໆໃນທາງບວກເພີ່ມຂຶ້ນແລະຄໍາສັບທາງລົບຫຼຸດລົງ (ຕົວເລກ 4.24). ຢ່າງໃດກໍ່ຕາມ, ຜົນກະທົບເຫຼົ່ານີ້ແມ່ນຂ້ອນຂ້າງນ້ອຍ: ຄວາມແຕກຕ່າງໃນຄໍາສັບທາງບວກແລະລົບໃນລະຫວ່າງການປິ່ນປົວແລະການຄວບຄຸມແມ່ນປະມານ 1 ໃນ 1,000 ຄໍາ.

ຮູບພາບ 4.24: ຫຼັກຖານຂອງການຕິດຕໍ່ທາງອາລົມ (Kramer, Guillory, and Hancock 2014) . ຜູ້ເຂົ້າຮ່ວມໃນເງື່ອນໄຂທີ່ບໍ່ມີປະໂຫຍດຫນ້ອຍໃຊ້ຄໍາເວົ້າທີ່ບໍ່ດີແລະຄໍາສັບຕ່າງໆທີ່ດີກວ່າ, ແລະຜູ້ເຂົ້າຮ່ວມໃນເງື່ອນໄຂທີ່ອ່ອນໄຫວ, ຫຼຸດລົງໃຊ້ຄໍາສັບທາງລົບແລະຄໍາເວົ້າທີ່ບໍ່ດີ. ແຖບສະແດງຄວາມຜິດພາດມາດຕະຖານປະມານ. ດັດແປງຈາກ Kramer, Guillory, and Hancock (2014) , ຮູບ 1.

ກ່ອນທີ່ຈະປຶກສາຫາລືກ່ຽວກັບບັນຫາດ້ານຈັນຍາບັນທີ່ເກີດຂື້ນໂດຍການທົດລອງນີ້, ຂ້າພະເຈົ້າຕ້ອງການອະທິບາຍເຖິງບັນຫາຕ່າງໆຂອງວິທະຍາສາດໂດຍນໍາໃຊ້ແນວຄວາມຄິດບາງຢ່າງມາຈາກບົດກ່ອນຫນ້ານີ້. ຫນ້າທໍາອິດ, ມັນບໍ່ຈະແຈ້ງວ່າວິທີການລາຍລະອຽດຕົວຈິງຂອງການທົດລອງເຊື່ອມຕໍ່ກັບການຮຽກຮ້ອງທາງທິດສະດີ; ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ມີຄໍາຖາມກ່ຽວກັບການສ້າງຄວາມຖືກຕ້ອງ. ມັນບໍ່ແມ່ນຄວາມຊັດເຈນວ່າການນັບຄໍາສັບທາງບວກແລະລົບແມ່ນຕົວຊີ້ວັດທີ່ດີຂອງສະຕິປັນຍາຂອງຜູ້ເຂົ້າຮ່ວມເພາະວ່າ (1) ມັນບໍ່ແມ່ນຄວາມຊັດເຈນວ່າຄໍາເວົ້າທີ່ຄົນຂຽນເປັນຕົວຊີ້ວັດທີ່ດີຂອງຄວາມຮູ້ສຶກຂອງເຂົາເຈົ້າແລະ (2) ມັນບໍ່ແມ່ນ ອະທິບາຍວ່າເຕັກນິກການວິເຄາະຄວາມຮູ້ໂດຍສະເພາະທີ່ນັກຄົ້ນຄວ້າໃຊ້ກໍ່ສາມາດມີຄວາມຮູ້ສຶກທີ່ຫນ້າເຊື່ອຖືໄດ້ (Beasley and Mason 2015; Panger 2016) . ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ອາດຈະມີມາດຕະການທີ່ບໍ່ດີຂອງສັນຍານທີ່ສະຖຽນລະພາບ. ສອງ, ການອອກແບບແລະການວິເຄາະຂອງການທົດລອງບອກພວກເຮົາບໍ່ມີຫຍັງກ່ຽວກັບຜູ້ທີ່ໄດ້ຮັບຜົນກະທົບຫຼາຍທີ່ສຸດ (ຕົວຢ່າງ, ບໍ່ມີການວິເຄາະຄວາມແຕກຕ່າງຂອງຜົນກະທົບດ້ານການປິ່ນປົວ) ແລະສິ່ງທີ່ກົນໄກອາດຈະເປັນ. ໃນກໍລະນີນີ້, ນັກຄົ້ນຄວ້າໄດ້ມີຂໍ້ມູນຈໍານວນຫລາຍກ່ຽວກັບຜູ້ເຂົ້າຮ່ວມ, ແຕ່ວ່າພວກເຂົາໄດ້ຮັບການປະຕິບັດເປັນເຄື່ອງມືໃນການວິເຄາະ. ອັນທີສາມ, ຂະຫນາດຜົນກະທົບໃນການທົດລອງນີ້ແມ່ນມີຂະຫນາດນ້ອຍຫຼາຍ; ຄວາມແຕກຕ່າງລະຫວ່າງການປິ່ນປົວແລະເງື່ອນໄຂການຄວບຄຸມແມ່ນປະມານ 1 ໃນ 1,000 ຄໍາ. ໃນກະດາດຂອງພວກເຂົາ, Kramer ແລະເພື່ອນຮ່ວມງານເຮັດໃຫ້ກໍລະນີທີ່ຜົນກະທົບຂອງຂະຫນາດນີ້ເປັນສິ່ງສໍາຄັນເພາະວ່າຫຼາຍຮ້ອຍລ້ານຄົນເຂົ້າເຖິງຂ່າວສານຂອງພວກເຂົາໃນແຕ່ລະມື້. ໃນຄໍາສັບຕ່າງໆອື່ນ, ພວກເຂົາເວົ້າວ່າແມ້ວ່າຜົນກະທົບແມ່ນນ້ອຍສໍາລັບແຕ່ລະບຸກຄົນ, ພວກເຂົາແມ່ນໃຫຍ່ໃນການລວມ. ເຖິງແມ່ນວ່າທ່ານຈະຍອມຮັບການໂຕ້ຖຽງນີ້, ມັນຍັງບໍ່ຊັດເຈນວ່າຜົນກະທົບຂອງຂະຫນາດນີ້ມີຄວາມສໍາຄັນແນວໃດກ່ຽວກັບຄໍາຖາມວິທະຍາສາດທົ່ວໄປກ່ຽວກັບການແຜ່ກະຈາຍຄວາມຮູ້ສຶກ (Prentice and Miller 1992) .

ນອກເຫນືອໄປຈາກຄໍາຖາມວິທະຍາສາດເຫຼົ່ານີ້, ພຽງແຕ່ມື້ຫຼັງຈາກເອກະສານນີ້ຖືກຈັດພີມມາໃນ Proceedings of the Academy of Sciences ແຫ່ງຊາດ , ມີຄວາມກັງວົນອັນໃຫຍ່ຫຼວງຈາກທັງນັກຄົ້ນຄວ້າແລະຫນັງສືພິມ (ຂ້າພະເຈົ້າຈະອະທິບາຍການໂຕ້ຖຽງໃນການໂຕ້ຖຽງນີ້ໂດຍລະອຽດຕື່ມໃນພາກ 6 ) ບັນຫາທີ່ໄດ້ຍົກຂຶ້ນມາໃນການໂຕ້ຖຽງນີ້ເຮັດໃຫ້ວາລະສານເຜີຍແຜ່ການສະແດງຄວາມຄິດເຫັນທີ່ມີຄວາມຫຍຸ້ງຍາກກ່ຽວກັບຈັນຍາບັນແລະວິທີການທົບທວນດ້ານຈັນຍາບັນສໍາລັບການຄົ້ນຄວ້າ (Verma 2014) .

ເນື່ອງຈາກວ່າພື້ນຖານກ່ຽວກັບການຕິດຕໍ່ທາງຈິດໃຈ, ຂ້າພະເຈົ້າຢາກສະແດງໃຫ້ເຫັນວ່າສາມ R ສາມາດແນະນໍາໃຫ້ມີການປັບປຸງການປະຕິບັດຕົວຈິງ, ການປະຕິບັດສໍາລັບການສຶກສາທີ່ແທ້ຈິງ (ໃດກໍ່ຕາມທ່ານອາດຄິດກ່ຽວກັບຈັນຍາບັນຂອງການທົດລອງນີ້). R ທໍາອິດແມ່ນ ທົດແທນ : ນັກຄົ້ນຄວ້າຄວນຊອກຫາວິທີທົດແທນທົດລອງທີ່ມີເຕັກນິກທີ່ມີການລະບາດຫນ້ອຍແລະມີຄວາມສ່ຽງ, ຖ້າເປັນໄປໄດ້. ຕົວຢ່າງ, ແທນທີ່ຈະດໍາເນີນການທົດລອງຄວບຄຸມແບບສຸ່ມ, ນັກຄົ້ນຄວ້າສາມາດໃຊ້ປະໂຫຍດຈາກ ການທົດລອງແບບທໍາມະຊາດ . ດັ່ງທີ່ໄດ້ອະທິບາຍໃນບົດທີ 2, ການທົດລອງແບບທໍາມະຊາດແມ່ນສະຖານະການທີ່ມີບາງສິ່ງບາງຢ່າງເກີດຂຶ້ນໃນໂລກທີ່ປະມານການຈັດການທີ່ບໍ່ຖືກຕ້ອງຂອງການປິ່ນປົວ (ເຊັ່ນ: ການສະຫມັກເພື່ອຕັດສິນທີ່ຈະຖືກຍົກຍ້າຍເຂົ້າໄປໃນທະຫານ). ປະໂຫຍດທາງດ້ານຈັນຍາບັນຂອງການທົດລອງແບບທໍາມະຊາດແມ່ນວ່ານັກຄົ້ນຄວ້າບໍ່ຈໍາເປັນຕ້ອງໃຫ້ການປິ່ນປົວ: ສິ່ງແວດລ້ອມນັ້ນແມ່ນສໍາລັບທ່ານ. ຕົວຢ່າງເຊັ່ນເກືອບພ້ອມກັນກັບການທົດລອງການຕິດເຊື້ອ Emotional, Lorenzo Coviello et al. (2014) ໄດ້ຖືກຂຸດຄົ້ນສິ່ງທີ່ສາມາດເອີ້ນວ່າການທົດລອງທໍາມະຊາດການຕິດຕໍ່ທາງຈິດໃຈ. Coviello ແລະເພື່ອນຮ່ວມງານໄດ້ຄົ້ນພົບວ່າປະຊາຊົນຂຽນຄໍາເວົ້າທີ່ບໍ່ມີປະໂຫຍດຫຼາຍແລະຄໍາເວົ້າທີ່ບໍ່ດີໃນມື້ທີ່ຝົນຕົກ. ດັ່ງນັ້ນ, ໂດຍການນໍາໃຊ້ການປ່ຽນແປງໃນສະພາບອາກາດ, ພວກເຂົາສາມາດຮຽນຮູ້ຜົນກະທົບຂອງການປ່ຽນແປງໃນຂ່າວສານທີ່ບໍ່ຕ້ອງການທີ່ຈະແຊກແຊງທັງຫມົດ. ມັນຄືກັບວ່າສະພາບອາກາດກໍາລັງເຮັດວຽກທົດລອງຂອງພວກເຂົາ. ລາຍລະອຽດຂອງຂັ້ນຕອນຂອງພວກມັນມີຄວາມຫຍຸ້ງຍາກ, ແຕ່ຈຸດສໍາຄັນທີ່ສຸດສໍາລັບຈຸດປະສົງຂອງພວກເຮົານີ້ແມ່ນວ່າໂດຍໃຊ້ທົດລອງແບບທໍາມະດາ, Coviello ແລະເພື່ອນຮ່ວມງານສາມາດຮຽນຮູ້ກ່ຽວກັບການແຜ່ກະຈາຍຂອງອາລົມໂດຍບໍ່ຈໍາເປັນຕ້ອງໃຊ້ທົດລອງຂອງຕົນເອງ.

ຄັ້ງທີສອງຂອງສາມ Rs ແມ່ນການ ປັບປຸງ : ນັກຄົ້ນຄວ້າຄວນຄົ້ນຫາເພື່ອປັບປຸງການປິ່ນປົວຂອງພວກເຂົາເພື່ອເຮັດໃຫ້ພວກເຂົາເປັນອັນຕະລາຍທີ່ເປັນໄປໄດ້. ຕົວຢ່າງເຊັ່ນ, ແທນທີ່ຈະກັງວົນເນື້ອຫາທີ່ບໍ່ວ່າຈະເປັນທາງບວກຫຼືທາງລົບ, ນັກຄົ້ນຄວ້າສາມາດເພີ່ມເນື້ອຫາທີ່ເປັນບວກຫຼືລົບ. ການອອກແບບການສົ່ງເສີມນີ້ຈະມີການປ່ຽນແປງເນື້ອໃນທາງອາລົມຂອງຜູ້ເຂົ້າຮ່ວມຂອງ News Feeds ແຕ່ວ່າມັນຈະແກ້ໄຂຫນຶ່ງໃນຄວາມກັງວົນທີ່ນັກວິຈານກ່າວວ່າການທົດລອງອາດເຮັດໃຫ້ຜູ້ເຂົ້າຮ່ວມຂາດຂໍ້ມູນສໍາຄັນໃນຂ່າວສານຂອງພວກເຂົາ. ມີການອອກແບບທີ່ໃຊ້ໂດຍ Kramer ແລະເພື່ອນຮ່ວມງານ, ຂໍ້ຄວາມທີ່ມີຄວາມສໍາຄັນແມ່ນອາດຈະຖືກບລັອກເປັນສິ່ງທີ່ບໍ່ແມ່ນ. ຢ່າງໃດກໍຕາມ, ດ້ວຍການອອກແບບທີ່ເພີ່ມຂຶ້ນ, ຂໍ້ຄວາມທີ່ຈະຖືກຍົກຍ້າຍນັ້ນຈະເປັນສິ່ງທີ່ບໍ່ສໍາຄັນ.

ສຸດທ້າຍ, R ທີສາມແມ່ນ ຫຼຸດລົງ : ນັກຄົ້ນຄວ້າຄວນຊອກຫາວິທີຫຼຸດຜ່ອນຈໍານວນຜູ້ເຂົ້າຮ່ວມໃນການທົດລອງຂອງພວກເຂົາເພື່ອຈໍາກັດຫນ້ອຍທີ່ສຸດເພື່ອບັນລຸເປົ້າຫມາຍທາງວິທະຍາສາດ. ໃນການທົດລອງແບບອະນາລັອກ, ນີ້ໄດ້ເກີດຂຶ້ນຕາມທໍາມະຊາດເນື່ອງຈາກວ່າຄ່າໃຊ້ຈ່າຍທີ່ສູງຂອງຜູ້ເຂົ້າຮ່ວມ. ແຕ່ໃນການທົດລອງດິຈິຕອນ, ໂດຍສະເພາະແມ່ນຜູ້ທີ່ມີຄ່າເສຖີຍນສູນ, ນັກຄົ້ນຄວ້າບໍ່ໄດ້ປະເຊີນກັບການຈໍາກັດຄ່າໃຊ້ຈ່າຍໃນຂະຫນາດຂອງການທົດລອງຂອງພວກເຂົາແລະນີ້ມີທ່າແຮງທີ່ຈະນໍາໄປສູ່ການທົດລອງຂະຫນາດໃຫຍ່ທີ່ບໍ່ຈໍາເປັນ.

ຕົວຢ່າງ: Kramer ແລະເພື່ອນຮ່ວມງານສາມາດນໍາໃຊ້ຂໍ້ມູນກ່ອນການປິ່ນປົວກ່ຽວກັບຜູ້ເຂົ້າຮ່ວມເຊັ່ນ: ພຶດຕິກໍາການປິ່ນປົວກ່ອນການປິ່ນປົວ - ເພື່ອເຮັດໃຫ້ການວິເຄາະຂອງພວກເຂົາມີປະສິດທິພາບ. ໂດຍສະເພາະແມ່ນ, ແທນທີ່ຈະສົມທຽບອັດຕາສ່ວນຂອງຄໍາສັບຕ່າງໆໃນເງື່ອນໄຂການປິ່ນປົວແລະການຄວບຄຸມ, Kramer ແລະເພື່ອນຮ່ວມງານສາມາດປຽບທຽບການ ປ່ຽນແປງ ໃນອັດຕາສ່ວນຂອງຄໍາສັບຕ່າງໆໃນລະຫວ່າງເງື່ອນໄຂ; ວິທີການທີ່ບາງຄັ້ງເອີ້ນວ່າການອອກແບບປະສົມປະສານ (ຕົວເລກ 4.5) ແລະບາງຄັ້ງເອີ້ນວ່າການຄາດຄະເນທີ່ແຕກຕ່າງກັນໃນຄວາມແຕກຕ່າງ. ນັ້ນແມ່ນ, ສໍາລັບຜູ້ເຂົ້າຮ່ວມແຕ່ລະຄົນ, ຄົ້ນຄ້ວາສາມາດໄດ້ສ້າງຄະແນນການປ່ຽນແປງ (ກ່ອນການປິ່ນປົວພຶດຕິກໍາ \(-\) ພຶດຕິກໍາທາງສ່ວນຫນ້າຂອງການປິ່ນປົວ) ແລະຫຼັງຈາກນັ້ນເມື່ອທຽບໃສ່ຄະແນນການປ່ຽນແປງຂອງຜູ້ເຂົ້າຮ່ວມໃນສະພາບການປິ່ນປົວແລະຄວບຄຸມ. ວິທີການທີ່ແຕກຕ່າງກັນໃນຄວາມແຕກຕ່າງນີ້ແມ່ນມີປະສິດຕິຜົນຫຼາຍຂຶ້ນໂດຍສະຖິຕິ, ຊຶ່ງຫມາຍຄວາມວ່ານັກຄົ້ນຄວ້າສາມາດບັນລຸຄວາມຫມັ້ນໃຈສະຖິຕິດຽວກັນໂດຍນໍາໃຊ້ຕົວຢ່າງຂະຫນາດນ້ອຍກວ່າ.

ໂດຍບໍ່ມີຂໍ້ມູນດິບ, ມັນກໍ່ເປັນເລື່ອງຍາກທີ່ຈະຮູ້ວ່າວິທີການຄິດໄລ່ຄວາມແຕກຕ່າງກັນໃນຄວາມແຕກຕ່າງນີ້ຈະເປັນໄປໄດ້ຢ່າງໃດໃນກໍລະນີນີ້. ແຕ່ພວກເຮົາສາມາດເບິ່ງປະສົບການອື່ນໆທີ່ກ່ຽວຂ້ອງກັບຄວາມຄິດທີ່ຫຍຸ້ງຍາກ. Deng et al. (2013) ລາຍງານວ່າໂດຍໃຊ້ຮູບແບບຂອງການຄາດຄະເນທີ່ແຕກຕ່າງກັນໃນຄວາມແຕກຕ່າງ, ພວກເຂົາເຈົ້າສາມາດຫຼຸດຄວາມແຕກຕ່າງຂອງການຄາດຄະເນຂອງພວກເຂົາປະມານ 50% ໃນສາມທົດລອງອອນໄລນ໌ຕ່າງໆ; ຜົນໄດ້ຮັບທີ່ຄ້າຍຄືກັນໄດ້ຖືກລາຍງານໂດຍ Xie and Aurisset (2016) . ການຫຼຸດຜ່ອນຄວາມແຕກຕ່າງ 50% ນີ້ຫມາຍຄວາມວ່ານັກຄົ້ນຄວ້າ Emotional Contagion ອາດຈະສາມາດຕັດຕົວຢ່າງຂອງພວກເຂົາໃນເຄິ່ງຫນຶ່ງຖ້າພວກເຂົາໃຊ້ວິທີການວິເຄາະທີ່ແຕກຕ່າງກັນເລັກນ້ອຍ. ໃນຄໍາສັບຕ່າງໆອື່ນ, ມີການປ່ຽນແປງເລັກນ້ອຍໃນການວິເຄາະ, 350,000 ຄົນອາດຈະໄດ້ຮັບການປົດປ່ອຍການມີສ່ວນຮ່ວມໃນການທົດລອງ.

ໃນຈຸດນີ້, ທ່ານອາດຈະສົງໄສວ່າເປັນຫຍັງພວກນັກຄົ້ນຄວ້າຄວນຈະດູແລຖ້າວ່າ 350,000 ຄົນໃນ Emotional Contagion ບໍ່ຈໍາເປັນ. ມີ 2 ລັກສະນະເສພາະເຈາະຈົງຂອງ Emotional Contagion ທີ່ເຮັດໃຫ້ຄວາມກັງວົນກັບຂະຫນາດເກີນໄປທີ່ເຫມາະສົມແລະລັກສະນະເຫຼົ່ານີ້ຖືກແບ່ງປັນໂດຍການທົດລອງພາກສະຫນາມດິຈິຕອນຈໍານວນຫຼາຍ: (1) ມີຄວາມບໍ່ແນ່ນອນກ່ຽວກັບວ່າການທົດລອງຈະເຮັດໃຫ້ອັນຕະລາຍຕໍ່ຜູ້ເຂົ້າຮ່ວມຢ່າງຫນ້ອຍແລະ (2) ບໍ່ໄດ້ສະຫມັກໃຈ. ມັນເບິ່ງຄືວ່າສົມເຫດສົມຜົນທີ່ພະຍາຍາມທີ່ຈະຮັກສາການທົດລອງທີ່ມີລັກສະນະເຫຼົ່ານີ້ນ້ອຍທີ່ສຸດເທົ່າທີ່ເປັນໄປໄດ້.

ເພື່ອຈະແຈ້ງ, ຄວາມປາຖະຫນາທີ່ຈະຫຼຸດຜ່ອນຂະຫນາດຂອງການທົດລອງຂອງທ່ານບໍ່ໄດ້ຫມາຍຄວາມວ່າທ່ານບໍ່ຄວນດໍາເນີນການທົດລອງທີ່ມີຄ່າໃຫຍ່, ສູນທົດລອງທີ່ມີຄ່າ. ມັນຫມາຍຄວາມວ່າການທົດລອງຂອງທ່ານບໍ່ຄວນໃຫຍ່ກ່ວາທີ່ທ່ານຕ້ອງການເພື່ອບັນລຸຈຸດປະສົງທາງວິທະຍາສາດຂອງທ່ານ. ວິທີຫນຶ່ງທີ່ສໍາຄັນເພື່ອໃຫ້ແນ່ໃຈວ່າການທົດລອງມີຂະຫນາດທີ່ເຫມາະສົມແມ່ນການປະຕິບັດການ ວິເຄາະພະລັງງານ (Cohen 1988) . ໃນອາຍຸທີ່ຄ້າຍຄືກັນ, ນັກຄົ້ນຄ້ວາໂດຍທົ່ວໄປໄດ້ເຮັດການວິເຄາະພະລັງງານເພື່ອໃຫ້ແນ່ໃຈວ່າການສຶກສາຂອງພວກເຂົາບໍ່ນ້ອຍລົງ (ເຊັ່ນ, ຢູ່ພາຍໃຕ້ພະລັງງານ). ແຕ່ໃນປັດຈຸບັນ, ນັກຄົ້ນຄວ້າຄວນເຮັດການວິເຄາະພະລັງງານເພື່ອໃຫ້ແນ່ໃຈວ່າການສຶກສາຂອງພວກເຂົາບໍ່ໃຫຍ່ເກີນໄປ (ເຊັ່ນ, ຫຼາຍເກີນໄປ).

ໃນການສະຫຼຸບ, ສາມ R's-ແທນ, ປັບປຸງແລະຫຼຸດຜ່ອນສະຫນອງຫຼັກການທີ່ສາມາດຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າສ້າງຈັນຍາບັນເຂົ້າໃນການອອກແບບການທົດລອງຂອງເຂົາເຈົ້າ. ແນ່ນອນ, ແຕ່ລະການປ່ຽນແປງເຫຼົ່ານີ້ທີ່ເປັນໄປໄດ້ຂອງການຕິດຕໍ່ທາງຈິດໃຈໄດ້ນໍາເອົາການປ່ຽນແປງ. ຕົວຢ່າງ, ຫຼັກຖານຈາກການທົດລອງແບບທໍາມະຊາດແມ່ນບໍ່ສະເຫມີໄປເປັນຄວາມສະອາດຄືຈາກການທົດລອງແບບສຸ່ມແລະການເພີ່ມເນື້ອຫາອາດຈະມີຄວາມຫຍຸ້ງຍາກໃນການຈັດຕັ້ງປະຕິບັດຫຼາຍກວ່າການສະກັດກັ້ນເນື້ອຫາ. ດັ່ງນັ້ນ, ຈຸດປະສົງຂອງການສະເຫນີການປ່ຽນແປງເຫຼົ່ານີ້ບໍ່ແມ່ນການຄາດເດົາຂອງນັກວິໄຈອື່ນໆອີກ. ແທນນັ້ນ, ມັນແມ່ນເພື່ອສະແດງໃຫ້ເຫັນວ່າວິທີການສາມ R ສາມາດຖືກນໍາໃຊ້ໃນສະຖານະການຈິງ. ໃນຄວາມເປັນຈິງ, ບັນຫາການປ່ຽນແປງທີ່ເກີດຂື້ນໃນທຸກໆຄັ້ງໃນການອອກແບບການຄົ້ນຄວ້າ, ແລະໃນອາຍຸລະຫວ່າງດິຈິຕອນ, ການປ່ຽນແປງເຫຼົ່ານີ້ຈະເພີ່ມຂຶ້ນເຖິງການພິຈາລະນາດ້ານຈັນຍາບັນ. ຫຼັງຈາກນັ້ນ, ໃນພາກທີ 6, ຂ້ອຍຈະສະຫນອງຫຼັກການແລະກອບດ້ານຈັນຍາບັນບາງຢ່າງທີ່ສາມາດຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າເຂົ້າໃຈແລະປຶກສາຫາລືກັບການປ່ຽນແປງເຫຼົ່ານີ້.