, നോൺ-പരീക്ഷണ പഠനങ്ങൾ കൊണ്ട് പരീക്ഷണം പകരക്കാരനായാണ് ചികിത്സാരീതികൾ സംസ്കരണം, ഒപ്പം പങ്കാളികളുടെ എണ്ണം കുറയ്ക്കുകയും നിങ്ങളുടെ പരീക്ഷണം കൂടുതൽ മനുഷ്യത്വപരമായി വരുത്തുക.
ഡിജിറ്റൽ പരീക്ഷണങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നതിൽ ഞാൻ നിർദ്ദേശിക്കുന്ന രണ്ടാമത്തെ പ്രധാന ഉപദേശം ethics ആണ്. വിക്കിപീഡിയയിലെ ബാർസ്റ്ററുകളിൽ റെസ്വിയോയും വാൻ ഡി റിജറ്റ് പരീക്ഷണവും എന്ന നിലയിൽ, കുറഞ്ഞ ചെലവ് എന്നതിനർഥം, ഗവേഷണ രൂപകൽപ്പനയിലെ നൈതികതയുടെ ഒരു പ്രധാന ഭാഗമായിത്തീരുമെന്നതാണ്. മനുഷ്യരെ പഠിപ്പിക്കുന്ന ഗവേഷണ പഠനങ്ങൾക്ക് പുറമെ, ഞാൻ 6-ാം അധ്യായത്തിൽ വിശദീകരിക്കാറുണ്ട്, ഡിജിറ്റൽ പരീക്ഷണങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്ന ഗവേഷകർ വിവിധ സ്രോതസ്സുകളിൽ നിന്നുള്ള സന്മാർഗ്ഗിക ആശയങ്ങൾ അവതരിപ്പിക്കുന്നു: മൃഗങ്ങൾ ഉൾപ്പെട്ട പരീക്ഷണങ്ങളെ നയിക്കുന്നതിനുള്ള ധാർമ്മിക തത്ത്വങ്ങൾ. പ്രത്യേകമായി, അവരുടെ ലാൻഡ്മാർക്ക് ബുക്ക് മാനുഷിക പരീക്ഷണ ടെക്നിക് , Russell and Burch (1959) അടിസ്ഥാനമാക്കിയുള്ള മൂന്ന് തത്ത്വങ്ങൾ മുന്നോട്ടുവച്ചത് മൃഗങ്ങളെ ഗവേഷണം നടത്താൻ സഹായിച്ചു: പകരം വയ്ക്കുക, പുനർനിർമ്മിക്കുക, കുറയ്ക്കുക. മനുഷ്യന്റെ പരീക്ഷണങ്ങളുടെ രൂപകൽപ്പനയ്ക്ക് ഈ മൂന്നു ആർ ഉപയോഗിച്ചും ഒരു ചെറുതായി പരിഷ്കരിച്ച രൂപത്തിൽ ഉപയോഗിക്കാമെന്ന് ഞാൻ നിർദ്ദേശിക്കുന്നു. പ്രത്യേകിച്ച്,
ഈ മൂന്ന് R കോൺക്രീറ്റ് സൃഷ്ടിക്കാനും അവർക്ക് എങ്ങനെ കൂടുതൽ മികച്ചതും മാനുഷിക പരീക്ഷണാത്മക രൂപകൽപ്പനയിലേക്ക് നയിക്കാനാകുമെന്ന് കാണിച്ചുതരുന്നതുമാണ്, ഞാൻ സന്മാർഗ്ഗികവാദത്തെക്കുറിച്ചുള്ള ഓൺലൈൻ ഫീൽഡ് പരീക്ഷണങ്ങൾ വിവരിക്കുന്നു. അപ്പോൾ, മൂന്ന് R ന്റെ പരീക്ഷണ രൂപകൽപ്പനയിലെ കോൺക്രീറ്റ്, പ്രായോഗിക മാറ്റങ്ങളെ എങ്ങനെ നിർദ്ദേശിക്കാമെന്ന് ഞാൻ വിശദീകരിക്കും.
ആദം ക്രാമെർ, ജാമി ഗ്വിറോയ്, ജെഫ്രി ഹാൻകോക്ക് (2014) എന്നിവയിലൂടെ ഏറ്റവും ധാർമ്മികമായും ചർച്ച ചെയ്യപ്പെടുന്ന ഡിജിറ്റൽ ഫീൽഡ് പരീക്ഷണങ്ങളിലൊന്നായ "വൈകാരിക അപകടം" എന്നു വിളിക്കപ്പെട്ടു. ഈ പരീക്ഷണം ഫേസ്ബുക്കിൽ നടന്നു. പ്രായോഗിക ചോദ്യങ്ങൾ. അക്കാലത്ത് ഫേസ്ബുക്ക് ഉപയോക്താക്കളുമായി ഇടപഴകിയ പ്രധാന വാർത്ത ന്യൂസ് ഫീഡ് ആയിരുന്നു. ഒരു ഫെയ്സ്ബുക്ക് സുഹൃത്തുക്കളുടെ ഫേസ്ബുക്ക് സ്റ്റാറ്റസ് അപ്ഡേറ്റുകളുടെ ഒരു അൽഗോരിതംകൊണ്ട സെറ്റ്. ഫേസ് ബുക്കിൻറെ ചില വിമർശകർ അഭിപ്രായപ്പെട്ടതുകൊണ്ടാണ് ന്യൂസ് ഫീഡിനെ തങ്ങളുടെ പുതിയ പാർട്ടി കാണിക്കുന്ന സുഹൃത്തുക്കളേക്കാൾ നല്ലതെന്ന് പോസ്റ്റുചെയ്തത്- കാരണം അവരുടെ ജീവിതം താരതമ്യേന വളരെ ആവേശകരമാണെന്ന് തോന്നിയതിനാൽ ഉപയോക്താക്കൾക്ക് ദുഃഖം തോന്നിയേക്കാം. മറുവശത്ത്, ഒരുപക്ഷേ ഫലത്തിന് നേരെ വിപരീതമായിരിക്കാം: നിങ്ങളുടെ സുഹൃത്ത് ഒരു നല്ല സമയം ഉള്ളത് കണ്ടാൽ നിങ്ങൾക്ക് സന്തോഷം തോന്നും. ഈ മത്സരാത്മക ആശയവിനിമയത്തെ അഭിസംബോധന ചെയ്യാൻ-സുഹൃത്തുക്കളുടെ വികാരങ്ങൾ ഒരു വ്യക്തിയുടെ വികാരങ്ങൾ എങ്ങനെ ബാധിക്കുന്നുവെന്നതിനെക്കുറിച്ച് നമ്മൾ മനസിലാക്കാൻ-ക്രാമറും സഹപ്രവർത്തകരും ഒരു പരീക്ഷണം നടത്തി. അവർ 700,000 ഉപയോക്താക്കളെ ഒരു ആഴ്ചയ്ക്കായി നാല് ഗ്രൂപ്പുകളാക്കി മാറ്റി. ന്യൂസ് ഫീഡിൽ പ്രത്യക്ഷപ്പെടാത്ത ഒരു "നെഗറ്റീവിറ്റി-കുറച്ച" ഗ്രൂപ്പ്, ആർക്ക് നെഗറ്റീവ് പദങ്ങളുള്ള പോസ്റ്റുകൾ (ഉദാ: "ദുഃഖം"); ഒരു "പോസിറ്റിവ്ലിറ്റി-കുറച്ച" കൂട്ടം എന്ന പദമുപയോഗിച്ചാണ് വാക്കുകളുള്ളത് (ഉദാഹരണം "സന്തോഷം") യാദൃശ്ചികമായി തടഞ്ഞു. രണ്ട് നിയന്ത്രണ ഗ്രൂപ്പുകളും. "നെഗറ്റീവിറ്റി-കുറച്ച" ഗ്രൂപ്പിനുള്ള കൺട്രോൾ ഗ്രൂപ്പിൽ, "നെഗറ്റീവിറ്റി-കുറച്ച" ഗ്രൂപ്പിലെ കുറിപ്പുകളിൽ തരംതാഴ്ത്തപ്പെട്ടിരുന്നെങ്കിലും വൈകാരികമായ ഉള്ളടക്കം കണക്കിലെടുത്തിട്ടില്ല. "പോസിറ്റിവ്ലിറ്റി-കുറച്ച" ഗ്രൂപ്പിനുള്ള കൺട്രോൾ ഗ്രൂപ്പ് ഒരു സമാന്തരത്തിലാണ് നിർമ്മിച്ചിരിക്കുന്നത്. ഈ പരീക്ഷണങ്ങളുടെ രൂപകൽപ്പന, കൃത്യമായ നിയന്ത്രണ ഗ്രൂപ്പ് ഒരു മാറ്റവും ഇല്ലാത്ത ഒന്നാണ് എന്ന് വ്യക്തമാക്കുന്നു. പകരം, ഗവേഷണ ചോദ്യത്തിന് ആവശ്യമുള്ള കൃത്യമായ താരതമ്യം സൃഷ്ടിക്കുന്നതിന് കൺട്രോൾ ഗ്രൂപ്പ് ഒരു ചികിത്സ സ്വീകരിക്കുന്നു. എല്ലാ സാഹചര്യങ്ങളിലും, ന്യൂസ് ഫീഡിൽ നിന്നും തടഞ്ഞുവച്ചിരുന്ന പോസ്റ്റുകൾ, ഫേസ്ബുക്ക് വെബ്സൈറ്റിലെ മറ്റ് ഭാഗങ്ങളിലൂടെ ഉപയോക്താക്കൾക്ക് തുടർന്നും ലഭ്യമാണ്.
പോസിറ്റീവ്-ചുരുക്കമുള്ള അവസ്ഥയിൽ പങ്കെടുക്കുന്നവർക്ക്, അവരുടെ സ്റ്റാറ്റസ് അപ്ഡേറ്റുകളിലെ പോസിറ്റീവ് വാക്കുകളുടെ ശതമാനം കുറഞ്ഞു, നെഗറ്റീവ് പദങ്ങളുടെ ശതമാനം വർദ്ധിച്ചുവെന്ന് ഗ്രാമീണരും സഹപ്രവർത്തകരും കണ്ടെത്തി. മറ്റൊരുവിധത്തിൽ, പ്രതികൂല സാഹചര്യത്തിൽ കുറച്ച നിലയിലുള്ള പങ്കാളികൾക്ക്, നല്ല വാക്കുകളുടെ ശതമാനം വർദ്ധിച്ചു, നിഷേധാത്മക പദങ്ങളുടെ എണ്ണം കുറഞ്ഞു (ചിത്രം 4.24). എന്നിരുന്നാലും, ഈ പ്രഭാവം വളരെ ചെറുതായിരുന്നു: ചികിത്സയ്ക്കും നിയന്ത്രണങ്ങൾക്കുമിടയിലുള്ള നല്ലതും നെഗറ്റീവ് വാക്കുകളിലുള്ള വ്യത്യാസവും 1,000 വാക്കുകളിൽ 1 ആണ്.
ഈ പരീക്ഷണത്തിലൂടെ ഉയർത്തിയ സന്മാർഗ്ഗിക പ്രശ്നങ്ങളെക്കുറിച്ച് ചർച്ച ചെയ്യുന്നതിനു മുമ്പ്, അധ്യായത്തിൽ നേരത്തെ പറഞ്ഞിട്ടുള്ള ചില ആശയങ്ങൾ ഉപയോഗിച്ച് മൂന്ന് ശാസ്ത്രീയ പ്രശ്നങ്ങളെക്കുറിച്ച് ഞാൻ വിവരിക്കാൻ ആഗ്രഹിക്കുന്നു. ആദ്യമായി, ഈ പരീക്ഷണത്തിന്റെ യഥാർത്ഥ വിശദാംശങ്ങൾ സൈദ്ധാന്തികമായ അവകാശവാദങ്ങളുമായി എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു എന്ന് വ്യക്തമല്ല. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, നിർമ്മാണ സാധുതയെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾ ഉണ്ട്. പോസിറ്റീവ്, നെഗറ്റീവ് പദങ്ങൾ കണക്കിലെടുക്കുമ്പോൾ പങ്കാളികളുടെ വൈകാരിക നില ഒരു നല്ല സൂചകമാണെന്ന് വ്യക്തമല്ല. കാരണം (1) ആളുകൾ പോസ്റ്റുചെയ്യുന്ന വാക്കുകൾ തങ്ങളുടെ വികാരങ്ങളുടെ ഒരു നല്ല സൂചനയാണെന്നും (2) ഗവേഷകർ ഉപയോഗിക്കുന്ന (Beasley and Mason 2015; Panger 2016) അനുമാനിക്കാൻ കഴിയും എന്ന് വ്യക്തമാക്കുക. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഒരു പക്ഷപാതപരമായ സിഗ്നലിന്റെ മോശമായ അളവ് ഉണ്ടാകാം. രണ്ടാമതായി, ആ പരീക്ഷണത്തിന്റെ രൂപകല്പനയും വിശകലനവും ആരാഞ്ഞാൽ ഏറ്റവുമധികം സ്വാധീനിക്കപ്പെട്ടിട്ടുള്ളത് (അതായത്, ചികിത്സ ഫലങ്ങളുടെ വൈരുദ്ധ്യാത്മകതയുടെ വിശകലനം ഇല്ല) എന്താണെന്നും ഈ സംവിധാനം എന്താണെന്നും പറയാൻ കഴിയില്ല. ഈ സാഹചര്യത്തിൽ, ഗവേഷകർക്ക് പങ്കെടുക്കുന്നവരെപ്പറ്റി ധാരാളം വിവരങ്ങൾ ഉണ്ടായിരുന്നു, എന്നാൽ അവ വിശകലനത്തിലെ വിഡ്ജെറ്റുകൾ ആയി കണക്കാക്കപ്പെട്ടു. മൂന്നാമതായി, ഈ പരീക്ഷണത്തിലെ ഫലത്തിന്റെ വലിപ്പം വളരെ ചെറുതായിരുന്നില്ല; ചികിത്സയും നിയന്ത്രണ സംവിധാനവും തമ്മിലുള്ള വ്യത്യാസം 1000 വാക്കിൽ 1 ആണ്. തങ്ങളുടെ പേപ്പറിൽ ക്രാമറും സഹപ്രവർത്തകരും ഈ വലുപ്പത്തിൻറെ പ്രാധാന്യം പ്രാധാന്യം നൽകുന്നതായി ദശലക്ഷക്കണക്കിന് ആളുകൾ തങ്ങളുടെ ന്യൂസ് ഫീഡിന് ഓരോ ദിവസവും ആക്സസ് ചെയ്യുന്നുവെന്ന കാര്യം പരിഗണിക്കുന്നു. മറ്റു വാക്കുകളിൽ പറഞ്ഞാൽ, ഓരോ വ്യക്തിക്കും ചെറിയതോതിൽ ചെറിയ ഫലം ഉണ്ടാവാമെങ്കിലും അവ വലിയ അളവിൽ വലുതാണെന്ന് അവർ വാദിക്കുന്നു. നിങ്ങൾ ഈ വാദഗതി അംഗീകരിക്കുകയാണെങ്കിൽപ്പോലും, ഈ വലിപ്പത്തിന്റെ പ്രാധാന്യം എപ്പൻറുകളുടെ പ്രചരണത്തെക്കുറിച്ച് കൂടുതൽ പൊതുവായ ശാസ്ത്ര ചോദ്യത്തെ സംബന്ധിച്ചിടത്തോളം പ്രാധാന്യമാണെങ്കിൽ ഇപ്പോഴും വ്യക്തമല്ല (Prentice and Miller 1992) .
ഈ ശാസ്ത്രീയ ചോദ്യങ്ങൾക്ക് പുറമെ, ഈ ലേഖനം പ്രസിദ്ധീകരിച്ച ദിവസങ്ങൾക്ക് ശേഷം നാഷണൽ അക്കാഡമി ഓഫ് സയൻസസിൽ പ്രസിദ്ധീകരിച്ച ഗവേഷകരിൽ നിന്നും പത്രങ്ങളിൽ നിന്നും ഒരു വലിയ പ്രതിഷേധം ഉണ്ടായിരുന്നു (ഈ അദ്ധ്യായത്തിലെ ആറ് വാദങ്ങളിൽ ഞാൻ കൂടുതൽ വിശദമായി വിവരിക്കുന്നതാണ് ). ഈ ചർച്ചയിൽ ഉന്നയിക്കപ്പെട്ട പ്രശ്നങ്ങൾ ജേർണലുകളെക്കുറിച്ച് ധാർമ്മികതയെക്കുറിച്ചുള്ള ഒരു അപൂർവ "എഡിറ്റോറിയൽ പ്രകടന", ഗവേഷണത്തിനുള്ള ധാർമ്മിക അവലോകന പ്രക്രിയ (Verma 2014) .
വൈകാരികമായ കടന്നുകയറ്റത്തെക്കുറിച്ചുള്ള പശ്ചാത്തലത്തിൽ, മൂന്ന് ആർസി റിയൽ സ്റ്റഡീസിനു വേണ്ടിയുള്ള കോൺക്രീറ്റ്, പ്രായോഗിക മെച്ചപ്പെടുത്തലുകൾ നിർദേശിക്കാനാകുമെന്ന് ഞാൻ ആഗ്രഹിക്കുന്നു. (ഈ പ്രത്യേക പരീക്ഷണത്തിന്റെ നൈതികതയെക്കുറിച്ച് നിങ്ങൾ വ്യക്തിപരമായി ചിന്തിച്ചേക്കാവുന്നവ). ആദ്യത്തേത് മാറ്റി പകരം വയ്ക്കുന്നത് : പരീക്ഷണങ്ങൾ, സാധ്യമെങ്കിൽ, അപകടകരമായതും അപകടകരവുമായ സാങ്കേതിക വിദ്യകളുമായി പരീക്ഷണം നടത്താൻ ശ്രമിക്കണം. ഉദാഹരണമായി, ഒരു ക്രമരഹിതമായ നിയന്ത്രിത പരീക്ഷണം നടത്താതെ, ഗവേഷകർ പ്രകൃതിദത്ത പരീക്ഷണങ്ങൾ ചൂഷണം ചെയ്തിരിക്കാം. അദ്ധ്യായങ്ങൾ 2 ൽ വിവരിച്ചതുപോലെ, പ്രകൃതിയിൽ പരീക്ഷണങ്ങൾ നടത്തുകയാണെങ്കിൽ, ലോകത്തിലെ മറ്റൊന്നിൽ, ചികിത്സയുടെ റാൻഡം അസൈൻമെന്റ് (ഉദാ: സൈനികയാത്രയിൽ ആർക്കെങ്കിലും രൂപപ്പെടുത്തുമെന്ന് തീരുമാനിക്കാനുള്ള ഒരു ലോട്ടറി). പ്രകൃതിദത്ത പരീക്ഷണത്തിന്റെ നൈതിക മൂല്യങ്ങൾ ഗവേഷകർക്ക് ചികിത്സകൾ നൽകേണ്ടതില്ല എന്നതാണ്: പരിസ്ഥിതി നിങ്ങൾക്കായി ചെയ്യുന്നതാണ്. ഉദാഹരണമായി, Lorenzo Coviello et al. (2014) അപകടം പരീക്ഷണം ഏതാണ്ട് ഒരേ സമയം, Lorenzo Coviello et al. (2014) ഒരു വൈകാരിക അപകടം പ്രകൃതിദത്ത പരീക്ഷണം എന്നു വിളിക്കപ്പെടുന്ന ആയിരുന്നു. മഴവെള്ളത്തിലെ ദിവസങ്ങളിൽ കൂടുതൽ നെഗറ്റീവ് പദങ്ങളും, കുറച്ച് വാക്കുകളും പോസ്റ്റു ചെയ്യുന്നുവെന്ന് കോവലിയോയും സഹപ്രവർത്തകരും കണ്ടെത്തി. അതുകൊണ്ട്, കാലാവസ്ഥയിൽ ക്രമരഹിതമായ വ്യത്യാസങ്ങൾ ഉപയോഗിച്ച്, ഇടപെടേണ്ട ആവശ്യമില്ലാതെ ന്യൂസ് ഫീഡിന്റെ മാറ്റങ്ങൾ പ്രാബല്യത്തിൽ പഠിക്കാൻ അവർക്ക് കഴിഞ്ഞു. കാലാവസ്ഥ അവർക്ക് അവരുടെ പരീക്ഷണം നടത്തിയിരുന്നു. അവരുടെ നടപടിക്രമത്തിന്റെ വിശദാംശങ്ങൾ അൽപ്പം സങ്കീർണമാണ്, പക്ഷെ ഞങ്ങളുടെ ഉദ്ദേശ്യങ്ങളുടെ ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം ഒരു പ്രകൃതി പരീക്ഷണം ഉപയോഗിച്ച്, കോവലിയോയും സഹപ്രവർത്തകരും സ്വന്തം പരീക്ഷണങ്ങൾ നടത്താതെ തന്നെ വികാരങ്ങളുടെ വ്യാപനത്തെക്കുറിച്ച് മനസ്സിലാക്കാൻ കഴിഞ്ഞു.
മൂന്ന് രൂപയിൽ രണ്ടാമതും ശുദ്ധിയുള്ളതാണ് : ഗവേഷകർ തങ്ങളുടെ ചികിത്സാരീതികൾ തീർക്കാൻ അവരെ പരമാവധി പ്രയോജനപ്പെടുത്താൻ ശ്രമിക്കണം. ഉദാഹരണത്തിന്, പോസിറ്റീവ് അല്ലെങ്കിൽ നെഗറ്റീവ് ഉള്ളടക്കമുള്ള ഉള്ളടക്കം തടയുന്നതിനു പകരം, പോസിറ്റീവ് അല്ലെങ്കിൽ നെഗറ്റീവ് ഉള്ളടക്കമുള്ള ഗവേഷകർ ഉയർത്തിയിട്ടുണ്ടാകാം. ഈ കൂട്ടായ ഡിസൈൻ പങ്കെടുക്കുന്നവരുടെ വിഭവങ്ങളുടെ വൈകാരിക ഉള്ളടക്കത്തെ മാറ്റിയേ മതിയാവൂ, പക്ഷേ വിമർശകർ പ്രകടിപ്പിച്ച ഒരു ആശങ്കയെ ഇത് അഭിസംബോധന ചെയ്യുമായിരുന്നു: പരീക്ഷണങ്ങൾ തങ്ങളുടെ ന്യൂസ് ഫീഡിൽ പ്രധാനപ്പെട്ട വിവരങ്ങൾ നഷ്ടപ്പെടുത്താൻ കാരണമായേക്കും. ക്രാമറും സഹപ്രവർത്തകരും ഉപയോഗിക്കുന്ന രൂപകൽപ്പനയിൽ, പ്രധാനപ്പെട്ട ഒരു സന്ദേശം, അല്ലാത്തത് പോലെ തന്നെ തടയപ്പെടാൻ സാധ്യതയുണ്ട്. എന്നിരുന്നാലും, ഒരു ബൂസ്റ്റിംഗ് ഡിസൈനിനു ശേഷം, പുറത്താക്കപ്പെടുവാൻ കഴിയുന്ന സന്ദേശങ്ങൾ വളരെ കുറവുള്ളവയാകും.
അവസാനമായി, മൂന്നാമത്തേത് കുറയുന്നു : ഗവേഷകർ തങ്ങളുടെ പരീക്ഷണത്തിലെ അംഗങ്ങളുടെ എണ്ണം അവയുടെ ശാസ്ത്രീയ ലക്ഷ്യങ്ങൾ നേടുന്നതിനായി കുറഞ്ഞത് വരെ കുറയ്ക്കാൻ ശ്രമിക്കണം. അനലോഗ് പരീക്ഷണങ്ങളിൽ, പങ്കെടുക്കുന്നവരുടെ ഉയർന്ന വേരിയന്റായ ചിലവ് കാരണം ഇത് സ്വാഭാവികമായും സംഭവിച്ചു. എന്നാൽ ഡിജിറ്റൽ പരീക്ഷണങ്ങൾ, പ്രത്യേകിച്ച് പൂജ്യം വേരിയബിൾ ചെലവുള്ളവർ, ഗവേഷകർ തങ്ങളുടെ പരീക്ഷണത്തിന്റെ വ്യാപ്തിയിൽ ഒരു പരിധിവരെ അഭിമുഖീകരിക്കേണ്ടി വരില്ല, അനാവശ്യമായി വലിയ പരീക്ഷണങ്ങൾക്ക് ഇത് വഴിതെളിക്കും.
ഉദാഹരണത്തിന്, ക്രാമറും സഹപ്രവർത്തകരും അവരുടെ പ്രായപരിധിയിലെ പെരുമാറ്റച്ചട്ടം പോലുള്ള അവരുടെ പങ്കാളികളെ കുറിച്ച് പ്രീ ഇൻഷ്വറൻസ് വിവരങ്ങൾ ഉപയോഗിക്കാമായിരുന്നു. കൂടുതൽ കൃത്യമായി പറഞ്ഞാൽ, ചികിത്സയുടെയും നിയന്ത്രണത്തിന്റെയും അവസ്ഥയിൽ നല്ല വാക്കുകളുടെ അനുപാതത്തെ താരതമ്യം ചെയ്യുന്നതിനേക്കാൾ, ക്രാമറും സഹപ്രവർത്തകരും വ്യവസ്ഥകൾക്കിടയിലുള്ള നല്ല വാക്കുകളുടെ അനുപാതത്തിലെ മാറ്റത്തെ താരതമ്യം ചെയ്യുമായിരുന്നു; മിക്സഡ് ഡിസൈൻ (ചിത്രം 4.5) എന്നും ചിലപ്പോൾ ഒരു വ്യത്യാസത്തിൽ വ്യത്യാസമില്ലാതെ കണക്കാക്കപ്പെടുന്നു. ഓരോ പങ്കാളിത്തത്തിനും, ഗവേഷകർക്ക് സ്കോർ സ്കോർ (പോസ്റ്റ്-ട്രീറ്റ്മെന്റ് സ്വഭാവം \(-\) പ്രീ-ട്രീറ്റ്മെന്റ് സ്വഭാവം) ഉണ്ടാക്കിയശേഷം, ചികിത്സാപരമായ നിയന്ത്രണ നയങ്ങളിൽ പങ്കെടുത്തവരുടെ സ്കോർ താരതമ്യം ചെയ്യുമായിരുന്നു. ഈ വ്യത്യാസത്തിൽ വ്യത്യാസം സമീപനം കൂടുതൽ കാര്യക്ഷമമായി സ്ഥിതിവിവരക്കണക്ക് ആണ്, ഇതിനർത്ഥം ഗവേഷകർക്ക് വളരെ ചെറിയ സാമ്പിളുകളുപയോഗിച്ച് ഒരേ സ്റ്റാറ്റിസ്റ്റിക്കൽ വിശ്വാസം കൈവരിക്കാൻ കഴിയുമെന്നാണ്.
റോ ഡാറ്റയുണ്ടായിരുന്നില്ലെങ്കിൽ, വ്യത്യാസത്തിൽ വ്യത്യാസങ്ങൾ ഉണ്ടായിരിക്കാൻ സാധ്യതയുള്ളത് എത്രത്തോളം ഫലപ്രദമായിരുന്നെന്ന് കൃത്യമായി മനസ്സിലാക്കാൻ പ്രയാസമാണ്. എന്നാൽ പരസ്പരം പരുക്കനായ മറ്റു ചില പരീക്ഷണങ്ങൾ നമുക്ക് പരിശോധിക്കാം. Deng et al. (2013) വ്യത്യാസം-വ്യത്യാസമില്ലാതെ മൂല്യനിർണ്ണയത്തിന്റെ ഒരു രൂപം ഉപയോഗപ്പെടുത്തി, തങ്ങളുടെ വ്യത്യസ്ത മൂല്യങ്ങൾ വ്യത്യസ്ത മൂല്യങ്ങളിൽ 50% വരെ കുറച്ചുകൊണ്ടുവരാൻ സാധിച്ചു; ഇതേ ഫലം Xie and Aurisset (2016) . ഈ 50% വേരിയൻസ് റിഡക്ഷൻ എന്നത് അർത്ഥമാക്കുന്നത്, വൈകാരിക അപകടം ഗവേഷകർ തങ്ങളുടെ സാമ്പിളുകൾ കുറച്ചു വ്യത്യസ്തമായ വിശകലന രീതികൾ ഉപയോഗിച്ചാൽ, പകുതിയായി കുറയ്ക്കാനാകുമെന്നാണ്. മറ്റൊരുതരത്തിൽ പറഞ്ഞാൽ, ഈ പരിശോധനയിൽ ചെറിയ മാറ്റം സംഭവിച്ചു, 350,000 പേരെ ഈ പരീക്ഷണത്തിൽ പങ്കാളിത്തം ഉപേക്ഷിച്ചതായിരിക്കാം.
350,000 പേർ അനാവശ്യമായി എമോഷിക്കൽ പടയാളികളിലാണെങ്കിൽ ഗവേഷകർക്ക് ശ്രദ്ധിക്കേണ്ടത് എന്തുകൊണ്ടാണെന്ന് നിങ്ങൾ ചിന്തിച്ചേക്കാം. അമിതമായ അളവിൽ ഉചിതമായ ഉത്കണ്ഠയുണ്ടാക്കുന്ന രണ്ട് വൈകാരികമായ ആശയങ്ങൾ ഉണ്ട്. ഡിജിറ്റൽ ഫീൽഡ് പരീക്ഷണങ്ങൾ ഈ സവിശേഷതകൾ പങ്കുവയ്ക്കുന്നു: (1) പരീക്ഷണം കുറഞ്ഞത് ചിലയാളുകളിൽ നിന്ന് ദോഷമുണ്ടാക്കുമോ, (2) പങ്കാളിത്തം സ്വമേധയാ അല്ല. ഈ സവിശേഷതകളെ കഴിയുന്നത്ര ചെറുതായിട്ടുള്ള പരീക്ഷണങ്ങളിൽ സൂക്ഷിക്കാൻ ശ്രമിക്കുന്നത് ന്യായമായി തോന്നുന്നു.
വ്യക്തമായി പറയാൻ, നിങ്ങളുടെ പരീക്ഷണത്തിന്റെ വ്യാപ്തി കുറയ്ക്കുന്നതിനുള്ള ആഗ്രഹം നിങ്ങൾക്ക് വലിയ തോതിൽ വേരിയബിൾ പരീക്ഷണ പരീക്ഷണങ്ങൾ നടത്തേണ്ട എന്നല്ല. നിങ്ങളുടെ ശാസ്ത്രീയ ലക്ഷ്യം നേടിയെടുക്കുന്നതിനേക്കാളും വലുതാണ് നിങ്ങളുടെ പരീക്ഷണങ്ങൾ. ഒരു പരീക്ഷണം അനുയോജ്യമായതാണെന്ന് ഉറപ്പുവരുത്താനുള്ള ഒരു പ്രധാന മാർഗ്ഗം, ഒരു ഊർജ്ജ വിശകലനം (Cohen 1988) നടത്താനാണ്. അനലോഗ് പ്രായത്തിൽ, ഗവേഷകർ പൊതുവേ പഠനം നടത്തിയത് വളരെ ചെറുതാണെന്ന് (അതായത്, അപ്രത്യക്ഷമായത്) ആണെന്ന് ഉറപ്പുവരുത്തിയാണ് വൈദ്യുത വിശകലനം ചെയ്തത്. എന്നിരുന്നാലും, ഗവേഷകർ തങ്ങളുടെ പഠനം വളരെ വലുതാണെന്ന് ഉറപ്പുവരുത്താൻ ഊർജ്ജ വിശകലനം നടത്തണം (അതായത്, കൂടുതൽ ഊർജ്ജം).
ഉപസംഹാരമായി, മൂന്ന് RS- നു പകരം, പുനർനിർമ്മിക്കുക, കുറയ്ക്കുക, കുറയ്ക്കുക - ഗവേഷകർ തങ്ങളുടെ പരീക്ഷണാത്മക രൂപകൽപ്പനകളിൽ നൈതികത കൈവരിക്കാൻ സഹായിക്കുന്ന തത്വങ്ങൾ പ്രദാനം ചെയ്യുന്നു. തീർച്ചയായും, വൈകാരിക അപകടം സംബന്ധിച്ച ഈ ഓരോ മാറ്റങ്ങളും ട്രേഡ് ഓഫുകൾ അവതരിപ്പിക്കുന്നു. ഉദാഹരണത്തിന്, പ്രകൃതി പരീക്ഷണങ്ങളിൽ നിന്നുമുള്ള തെളിവുകൾ എല്ലായ്പ്പോഴും ശുദ്ധമായതല്ല, റാൻഡം അടക്കമുള്ള പരീക്ഷണങ്ങളിൽ നിന്നും ഉള്ളടക്കം വർദ്ധിപ്പിക്കുന്നത് ഉള്ളടക്കത്തെ തടയുന്നതിനേക്കാളും കൂടുതൽ ബുദ്ധിമുട്ടുള്ള കാര്യമായിരിക്കാം. അതുകൊണ്ട്, ഈ ഗവേഷണങ്ങളുടെ ലക്ഷ്യം മറ്റ് ഗവേഷകരുടെ തീരുമാനത്തെ രണ്ടാം ഊഹക്കച്ചവടത്തല്ല. മറിച്ച്, മൂന്നു ആർകളെ യാഥാർഥ്യബോധത്തോടെ എങ്ങനെ ബാധിച്ചേക്കാമെന്ന് വിശദീകരിക്കുകയായിരുന്നു. വാസ്തവത്തിൽ, ട്രേഡ് ഓഫുകളുടെ പ്രശ്നം ഗവേഷണ രൂപകൽപ്പനയിൽ എല്ലായ്പ്പോഴും വരുന്നുണ്ട്, ഡിജിറ്റൽ യുഗത്തിൽ, ഈ ഇടപാടുകൾ കൂടുതൽ ധാർമ്മിക പരിഗണനകൾ ഉൾക്കൊള്ളുന്നു. പിന്നീട് 6-ാം അധ്യായത്തിൽ, ഞാൻ ചില തത്വങ്ങളും സന്മാർഗ്ഗിക ചട്ടക്കൂടുകളും വാഗ്ദാനം ചെയ്യുന്നു. ഈ ട്രേഡ് ഓഫുകൾ ഗവേഷകർ മനസ്സിലാക്കാനും ചർച്ച ചെയ്യാനും സഹായിക്കുന്നു.