ທ່ານສາມາດດໍາເນີນການປະສົບການໃນສະພາບແວດລ້ອມທີ່ມີຢູ່ແລ້ວ, ມັກໂດຍບໍ່ມີການເຂົ້າລະຫັດຫຼືຄູ່ຮ່ວມງານ.
Logistically, ວິທີທີ່ງ່າຍທີ່ສຸດທີ່ຈະເຮັດທົດລອງດິຈິຕອແມ່ນການກວມເອົາການທົດລອງຂອງທ່ານຢູ່ເທິງສະພາບແວດລ້ອມທີ່ມີຢູ່ແລ້ວ. ການທົດລອງດັ່ງກ່າວສາມາດດໍາເນີນການໃນຂະຫນາດໃຫຍ່ສົມເຫດສົມຜົນແລະບໍ່ຈໍາເປັນຕ້ອງມີການຮ່ວມມືກັບບໍລິສັດຫຼືການພັດທະນາຊອບແວຢ່າງກວ້າງຂວາງ.
ຕົວຢ່າງ, Jennifer Doleac ແລະ Luke Stein (2013) ໄດ້ໃຊ້ເວລາເປັນຕະຫຼາດອອນໄລນ໌ທີ່ຄ້າຍຄືກັນກັບ Craigslist ເພື່ອດໍາເນີນການທົດລອງທີ່ມີການວັດແທກການຈໍາແນກເຊື້ອຊາດ. ພວກເຂົາເຈົ້າໄດ້ໂຄສະນາຫລາຍພັນຄົນຂອງ iPod ແລະໂດຍການປ່ຽນແປງລັກສະນະຂອງຜູ້ຂາຍ, ພວກເຂົາສາມາດຮຽນຮູ້ຜົນກະທົບຂອງເຊື້ອຊາດໃນການເຮັດທຸລະກໍາທາງເສດຖະກິດ. ນອກຈາກນັ້ນ, ພວກເຂົາໄດ້ນໍາໃຊ້ຂະຫນາດຂອງການທົດລອງຂອງພວກເຂົາເພື່ອປະເມີນເມື່ອຜົນກະທົບແມ່ນໃຫຍ່ກວ່າ (ຄວາມບໍ່ສະເຫມີກັນຂອງຜົນກະທົບດ້ານການປິ່ນປົວ) ແລະສະເຫນີແນວຄວາມຄິດບາງຢ່າງກ່ຽວກັບຜົນກະທົບທີ່ເກີດຂຶ້ນ (ກົນ).
ໂຄສະນາ iPod ຂອງ Doleac ແລະ Stein ແຕກຕ່າງກັນຕາມສາມຂະຫນາດໃຫຍ່. ຫນ້າທໍາອິດ, ນັກຄົ້ນຄວ້າທີ່ແຕກຕ່າງກັນລັກສະນະຂອງຜູ້ຂາຍ, ເຊິ່ງໄດ້ຮັບການສະແດງໂດຍມືຖ່າຍຮູບຖື iPod ໄດ້ [ສີຂາວ, ສີດໍາ, ສີຂາວທີ່ມີການສັກຢາ] (ຮູບພາບ 4.13). ສອງ, ພວກເຂົາແຕກຕ່າງກັນກັບລາຄາທີ່ຮ້ອງຂໍ [$ 90, $ 110, $ 130]. ອັນທີສາມ, ພວກເຂົາມີຄວາມແຕກຕ່າງກັນກ່ຽວກັບຄຸນນະພາບຂອງຂໍ້ຄວາມໂຄສະນາ (ມີຄຸນນະພາບສູງແລະມີຄຸນນະພາບຕ່ໍາ (ເຊັ່ນ: ຂໍ້ຜິດພະລາດ cApitalization ແລະຂໍ້ຜິດພາດ spelin)]. ດັ່ງນັ້ນ, ຜູ້ຂຽນໄດ້ມີການອອກແບບ 3 \(\times\) 3 \(\times\) 2 ເຊິ່ງໄດ້ຖືກນໍາໃຊ້ໃນຫຼາຍກວ່າ 300 ຕະຫຼາດທ້ອງຖິ່ນ, ຕັ້ງແຕ່ເມືອງ (Kokomo, Indiana ແລະ North Platte, Nebraska) ຕົວເມືອງ (ຕົວຢ່າງ, New York ແລະ Los Angeles).
ໂດຍປົກກະຕິທົ່ວເງື່ອນໄຂທັງຫມົດ, ຜົນໄດ້ຮັບແມ່ນດີກ່ວາສໍາລັບຜູ້ຂາຍສີຂາວກວ່າຜູ້ຂາຍດໍາ, ຜູ້ຂາຍທີ່ມີສັກສີທີ່ມີຜົນປະໂຫຍດຂັ້ນກາງ. ຕົວຢ່າງເຊັ່ນຜູ້ຂາຍຂາວໄດ້ຮັບການສະເຫນີຊື້ຫຼາຍຂຶ້ນແລະມີລາຄາຂາຍສຸດທ້າຍສູງຂຶ້ນ. ນອກເຫນືອຈາກຜົນກະທົບເຫຼົ່ານີ້ໂດຍສະເລ່ຍ, Doleac ແລະ Stein ໄດ້ຄາດຄະເນຄວາມບໍ່ເທົ່າທຽມກັນຂອງຜົນກະທົບ. ຕົວຢ່າງ, ການຄາດຄະເນຈາກທິດສະດີກ່ອນຫນ້ານີ້ແມ່ນວ່າການຈໍາແນກຈະນ້ອຍລົງໃນຕະຫຼາດທີ່ມີການແຂ່ງຂັນຫຼາຍກວ່າຜູ້ຊື້. ການນໍາໃຊ້ຈໍານວນການສະຫນອງໃນຕະຫຼາດທີ່ເປັນມາດຕະການຂອງການແຂ່ງຂັນຂອງຜູ້ຊື້, ນັກຄົ້ນຄວ້າໄດ້ພົບວ່າຜູ້ຂາຍດໍາໄດ້ຮັບການສະເຫນີທີ່ຮ້າຍແຮງໃນຕະຫຼາດທີ່ມີການແຂ່ງຂັນຕ່ໍາ. ນອກຈາກນັ້ນ, ໂດຍການປຽບທຽບຜົນໄດ້ຮັບສໍາລັບການໂຄສະນາທີ່ມີຄຸນນະພາບສູງແລະຂໍ້ຄວາມທີ່ມີຄຸນນະພາບຕ່ໍາ, Doleac ແລະ Stein ໄດ້ພົບເຫັນວ່າຄຸນນະພາບການໂຄສະນາບໍ່ມີຜົນກະທົບຕໍ່ຄວາມເສຍຫາຍທີ່ປະເຊີນກັບຜູ້ຂາຍທີ່ມີສີດໍາແລະຖືກສັກ. ສຸດທ້າຍ, ການນໍາໃຊ້ຄວາມຈິງທີ່ວ່າການໂຄສະນາຖືກວາງຢູ່ໃນຫຼາຍກວ່າ 300 ຕະຫຼາດ, ຜູ້ຂຽນໄດ້ພົບວ່າຜູ້ຂາຍດໍາໄດ້ຮັບຄວາມເສຍຫາຍຫລາຍຂຶ້ນໃນເມືອງທີ່ມີອັດຕາອາຊະຍາກໍາທີ່ສູງແລະການແບ່ງແຍກທີ່ຢູ່ອາໄສສູງ. ບໍ່ມີຜົນໄດ້ຮັບເຫຼົ່ານີ້ໃຫ້ພວກເຮົາມີຄວາມເຂົ້າໃຈທີ່ແນ່ນອນກ່ຽວກັບເຫດຜົນທີ່ວ່າຜູ້ຂາຍດໍາໄດ້ຜົນຮ້າຍແຮງກວ່າເກົ່າ, ແຕ່ວ່າເມື່ອສົມທົບກັບຜົນໄດ້ຮັບຂອງການສຶກສາອື່ນໆ, ພວກເຂົາສາມາດເລີ່ມຕົ້ນບອກທິດສະດີກ່ຽວກັບເຫດຜົນຂອງການຈໍາແນກເຊື້ອຊາດໃນປະເພດຕ່າງໆຂອງທຸລະກໍາທາງເສດຖະກິດ.
ຕົວຢ່າງອື່ນທີ່ສະແດງໃຫ້ເຫັນຄວາມສາມາດຂອງນັກຄົ້ນຄວ້າທີ່ຈະດໍາເນີນການທົດລອງພາກສະຫນາມດິຈິຕອນໃນລະບົບທີ່ມີຢູ່ແລ້ວນັ້ນແມ່ນການຄົ້ນຄວ້າໂດຍ Arnout van de Rijt ແລະເພື່ອນຮ່ວມງານ (2014) ກ່ຽວກັບຄວາມສໍາເລັດ. ໃນຫຼາຍໆດ້ານຂອງຊີວິດ, ຄົນທີ່ຄ້າຍຄືກັນນັ້ນກໍ່ມີຄວາມແຕກຕ່າງກັນຫຼາຍ. ຄໍາອະທິບາຍຫນຶ່ງທີ່ເປັນໄປໄດ້ສໍາລັບຮູບແບບນີ້ແມ່ນວ່າຄວາມສາມາດນ້ອຍໆແລະມັກຈະໄດ້ຮັບຜົນກະທົບແບບ Random ໃນໄລຍະເວລາ, ຂະບວນການທີ່ນັກຄົ້ນຄວ້າເອີ້ນວ່າ ປະໂຫຍດສະສົມ . van de Rijt ແລະເພື່ອນຮ່ວມງານ (2014) ຕິບັດໃນສີ່ລະບົບທີ່ແຕກຕ່າງກັນທີ່ໄດ້ຮັບຜົນສໍາເລັດໃນຜູ້ເຂົ້າຮ່ວມຄັດເລືອກເຂົ້າ, ແລະຫຼັງຈາກນັ້ນໄດ້ວັດແທກຜົນກະທົບຕໍ່ຜົນປະໂຫຍດຂອງຕົນເອງ.
ໂດຍສະເພາະແມ່ນ, Van de Rijt ແລະເພື່ອນຮ່ວມງານ (1) ໄດ້ສັນຍາວ່າຈະໄດ້ເງິນເພື່ອໂຄງການຄັດເລືອກແບບສຸ່ມໃສ່ Kickstarter, ເວັບໄຊທ໌ທີ່ເອີ້ນວ່າ crowdfunding; (2) ການທົບທວນຄືນທີ່ເລືອກຢ່າງສຸ່ມໃສ່ Epinions, ເວັບໄຊທ໌ການທົບທວນຜະລິດຕະພັນ; (3) ໃຫ້ລາງວັນໃຫ້ຜູ້ເຂົ້າຮ່ວມຄັດເລືອກເຂົ້າຫາ Wikipedia; ແລະ (4) ໄດ້ລົງນາມກັບຄໍາຮ້ອງຂໍທີ່ຖືກຄັດເລືອກທີ່ random.org ກ່ຽວກັບ change.org. ພວກເຂົາພົບຜົນໄດ້ຮັບທີ່ຄ້າຍຄືກັນໃນທົ່ວລະບົບທັງສີ່: ໃນແຕ່ລະກໍລະນີ, ຜູ້ເຂົ້າຮ່ວມທີ່ໄດ້ຮັບຜົນສໍາເລັດໃນໄວໆນີ້ໄດ້ຮັບຜົນສໍາເລັດຫຼາຍກວ່າຜູ້ທີ່ບໍ່ສາມາດແຍກກັນໄດ້ (ຮູບພາບ 4.14). ຄວາມຈິງທີ່ວ່າຮູບແບບດຽວກັນຢູ່ໃນຫຼາຍໆລະບົບຈະເພີ່ມຄວາມຖືກຕ້ອງພາຍນອກຂອງຜົນໄດ້ຮັບເຫຼົ່ານີ້ຍ້ອນວ່າມັນຫຼຸດຜ່ອນໂອກາດທີ່ຮູບແບບນີ້ເປັນປອມຂອງລະບົບໃດຫນຶ່ງ.
ຮ່ວມກັນ, ທັງສອງຕົວຢ່າງສະແດງໃຫ້ເຫັນວ່ານັກຄົ້ນຄວ້າສາມາດດໍາເນີນການທົດລອງພາກສະຫນາມດິຈິຕອນໂດຍບໍ່ຈໍາເປັນຕ້ອງມີຄູ່ຮ່ວມງານກັບບໍລິສັດຫຼືສ້າງລະບົບດິຈິຕອນສະລັບສັບຊ້ອນ. ນອກຈາກນັ້ນ, ຕາຕະລາງ 4.2 ສະຫນອງຕົວຢ່າງຕ່າງໆທີ່ສະແດງໃຫ້ເຫັນເຖິງລະດັບຂອງສິ່ງທີ່ເປັນໄປໄດ້ເມື່ອນັກຄົ້ນຄວ້ານໍາໃຊ້ໂຄງສ້າງພື້ນຖານຂອງລະບົບທີ່ມີຢູ່ເພື່ອໃຫ້ການປິ່ນປົວແລະ / ຫຼືຜົນໄດ້ຮັບຂອງວັດແທກ. ປະສົບການເຫຼົ່ານີ້ແມ່ນລາຄາຖືກສໍາລັບນັກຄົ້ນຄວ້າແລະພວກເຂົາສະເຫນີລະດັບຄວາມເປັນຈິງສູງ. ແຕ່ພວກເຂົາສະເຫນີໃຫ້ນັກຄົ້ນຄວ້າຄວບຄຸມຈໍານວນຜູ້ເຂົ້າຮ່ວມ, ການປິ່ນປົວ, ແລະຜົນໄດ້ຮັບທີ່ຖືກຕ້ອງ. ນອກຈາກນັ້ນ, ສໍາລັບການທົດລອງທີ່ມີຢູ່ໃນລະບົບຫນຶ່ງ, ນັກວິທະຍາສາດຈໍາເປັນຕ້ອງມີຄວາມກັງວົນວ່າຜົນກະທົບອາດຈະຖືກນໍາມາຈາກການເຄື່ອນໄຫວໂດຍສະເພາະຂອງລະບົບ (ເຊັ່ນວ່າວິທີທີ່ Kickstarter ຈັດອັນດັບໂຄງການຫຼືວິທີການປ່ຽນແປງ. ເບິ່ງການສົນທະນາກ່ຽວກັບການຂັດແຍ້ງທາງວິທະຍາສາດໃນພາກທີ 2). ສຸດທ້າຍ, ໃນເວລາທີ່ນັກວິເຄາະເຂົ້າມາໃນລະບົບການເຮັດວຽກ, ຄໍາຖາມດ້ານຈັນຍາບັນທີ່ຮຸນແຮງເກີດຂື້ນກ່ຽວກັບສິ່ງທີ່ເປັນອັນຕະລາຍຕໍ່ຜູ້ເຂົ້າຮ່ວມ, ຜູ້ເຂົ້າຮ່ວມແລະລະບົບ. ພວກເຮົາຈະພິຈາລະນາຄໍາຖາມດ້ານຈັນຍາບັນເຫຼົ່ານີ້ໂດຍລະອຽດຕື່ມໃນບົດທີ 6 ແລະມີການສົນທະນາທີ່ດີເລີດຂອງພວກເຂົາໃນເອກະສານຊ້ອນທ້າຍຂອງ van de Rijt et al. (2014) . ການແລກປ່ຽນທີ່ມາພ້ອມກັບການເຮັດວຽກໃນລະບົບທີ່ມີຢູ່ນັ້ນບໍ່ເຫມາະສົມສໍາລັບທຸກໆໂຄງການ, ແລະສໍາລັບເຫດຜົນທີ່ວ່າບາງນັກຄົ້ນຄວ້າກໍ່ສ້າງລະບົບທົດລອງຂອງຕົນເອງ, ດັ່ງທີ່ຂ້ອຍຈະສະແດງຕໍ່ໄປ.
ຫົວຂໍ້ | ອ້າງອິງ |
---|---|
ຜົນກະທົບຂອງ barnstars ກ່ຽວກັບການປະກອບສ່ວນກັບ Wikipedia | Restivo and Rijt (2012) ; Restivo and Rijt (2014) ; Rijt et al. (2014) |
ຜົນກະທົບຂອງຂໍ້ຄວາມຕ້ານການຂູດຮີດກ່ຽວກັບ tweets racist | Munger (2016) |
ຜົນກະທົບຂອງວິທີການປະມູນໃນລາຄາຂາຍ | Lucking-Reiley (1999) |
ຜົນກະທົບຂອງຊື່ສຽງກ່ຽວກັບລາຄາໃນການປະມູນອອນລາຍ | Resnick et al. (2006) |
ຜົນກະທົບຂອງເຊື້ອຊາດຂອງຜູ້ຂາຍຂາຍບັດ baseball ໃນ eBay | Ayres, Banaji, and Jolls (2015) |
ຜົນກະທົບຂອງເຊື້ອຊາດຂອງຜູ້ຂາຍຂາຍ iPod | Doleac and Stein (2013) |
ຜົນກະທົບຂອງເຊື້ອຊາດຂອງຜູ້ເຂົ້າພັກໃນການເຊົ່າ Airbnb | Edelman, Luca, and Svirsky (2016) |
ຜົນກະທົບຂອງການບໍລິຈາກກ່ຽວກັບຄວາມສໍາເລັດຂອງໂຄງການໃນ Kickstarter | Rijt et al. (2014) |
ຜົນກະທົບຂອງເຊື້ອຊາດແລະຊົນເຜົ່າໃນການເຊົ່າເຮືອນ | Hogan and Berry (2011) |
ຜົນກະທົບຂອງການປະເມີນໃນທາງບວກກ່ຽວກັບການຈັດອັນດັບໃນອະນາຄົດກ່ຽວກັບ Epinions | Rijt et al. (2014) |
ຜົນກະທົບຂອງລາຍເຊັນກ່ຽວກັບຄວາມສໍາເລັດຂອງຄໍາຮ້ອງທຸກ | Vaillant et al. (2015) Rijt et al. (2014) ; Rijt et al. (2016) |