4.6.2 മാറ്റിസ്ഥാപിക്കുക ശുദ്ധീകരിക്കാനും, ഒപ്പം കുറയ്ക്കുക

, നോൺ-പരീക്ഷണ പഠനങ്ങൾ കൊണ്ട് പരീക്ഷണം പകരക്കാരനായാണ് ചികിത്സാരീതികൾ സംസ്കരണം, ഒപ്പം പങ്കാളികളുടെ എണ്ണം കുറയ്ക്കുകയും നിങ്ങളുടെ പരീക്ഷണം കൂടുതൽ മനുഷ്യത്വപരമായി വരുത്തുക.

ഞാൻ ഡിജിറ്റൽ പരീക്ഷണങ്ങൾ രൂപകൽപന കുറിച്ച് ഓഫർ ആഗ്രഹിക്കുന്ന ഉപദേശം രണ്ടാം കഷണം എത്തിക്സ് സംബന്ധിച്ചുള്ളതാണ്. വിക്കിപീഡിയ ഷോകളിൽ ആശംസിക്കുന്നു ന് Restivo വാൻ ഡി Rijt പരീക്ഷണം നിലയിൽ ചെലവ് കുറഞ്ഞു എത്തിക്സ് ഗവേഷണ ഡിസൈൻ ഒരു പ്രാധാന്യത്തിൽ ഭാഗമായി മാറുന്നു എന്നാണ്. നൈതിക തത്ത്വങ്ങൾ മൃഗങ്ങളെ ഉൾപ്പെട്ട പരീക്ഷണങ്ങൾ മികവുറ്റ വികസിപ്പിച്ച: മനുഷ്യ വിഷയങ്ങൾ ഞാൻ അദ്ധ്യായം 6 വിവരിക്കുക കാണാം ഗവേഷണത്തിന്റെ മാർഗദർശനം നൈതിക ചട്ടക്കൂടുകൾ പുറമേ, ഡിജിറ്റൽ പരീക്ഷണങ്ങൾ രൂപകൽപന ഗവേഷകര് മറ്റൊരു സ്രോതസ്സിൽ നിന്ന് നൈതിക ആശയങ്ങൾ വരയ്ക്കാനുള്ള കഴിയും. പ്രത്യേകിച്ചും, മനുഷ്യ പരീക്ഷണാത്മക ടെക്നിക്കുകളും അവരുടെ ലാൻഡ്മാർക്ക് പുസ്തകത്തിൽ തെളിവുകളും ലെ, Russell and Burch (1959) മൃഗം ഗവേഷണം വഴി മൂന്ന് തത്ത്വങ്ങൾ proposed: മാറ്റിസ്ഥാപിക്കുക ശുദ്ധീകരിക്കാനും, ഒപ്പം കുറയ്ക്കുക. ഞാൻ ഈ മൂന്നു ആർ ന്റെ മനുഷ്യാവകാശ പരീക്ഷണങ്ങളെ ഡിസൈൻ മികവുറ്റ ഫോം-ഉപയോഗിച്ച-ഇൻ കഴിയുന്ന ഒരു ചെറുതായി പുതുക്കപ്പെട്ടത് അവതരിപ്പിക്കാന് ആഗ്രഹിക്കുന്നു. പ്രത്യേകിച്ച്,

• മാറ്റിസ്ഥാപിക്കുക: കഴിയുമെങ്കിൽ കുറവ് മറ്റിനം രീതികൾ കൊണ്ട് പരീക്ഷണം മാറ്റിസ്ഥാപിക്കുക
• പരിഷ്കരിക്കുക: കഴിയുന്നത്ര അതു പോലെ മാരകമല്ല വരുത്തുവാൻ ചികിത്സ ശുദ്ധീകരിക്കുക
• കുറയ്ക്കുക: കഴിയുന്നിടത്തോളം നിങ്ങളുടെ പരീക്ഷണം അംഗങ്ങളുടെ എണ്ണം കുറയ്ക്കുക

ഈ മൂന്നു ആർ ന്റെ കോൺക്രീറ്റ് വരുത്തിയും അവർ തീർത്തും ഉത്തമവും കൂടുതൽ മനുഷ്യത്വപരമായി പരീക്ഷണാത്മക ഡിസൈൻ ഇടയാക്കും എങ്ങനെ കാണിക്കുന്നതിന് ഞാൻ നൈതിക ചർച്ചയിൽ സൃഷ്ടിച്ച ഒരു ഓൺലൈൻ ഫീൽഡ് പരീക്ഷണം വിവരിക്കുക കാണാം. അപ്പോൾ ഞാൻ മൂന്നു ആർ ന്റെ പരീക്ഷണം ഡിസൈൻ മൂർത്തമായ പ്രായോഗിക മാറ്റങ്ങൾ നിർദ്ദേശിക്കുക എങ്ങനെ വിവരിക്കുക കാണാം.

ഏറ്റവും സന്ധ്യ ചർച്ചകൾക്കു ഡിജിറ്റൽ ഫീൽഡ് പരീക്ഷണങ്ങളിലൊന്ന് ആഡം ക്രാമർ, ജാമി Gillroy, ഒപ്പം ജെഫ്രി ഹ്യാംകാക് നടത്തിയത് "വൈകാരിക മലീനീകരണത്തിനെതിരായ," ആണ് (2014) . പരീക്ഷണം ഫേസ്ബുക്കിൽ നടന്നത് ശാസ്ത്രീയവും പ്രായോഗിക ചോദ്യങ്ങൾ മിക്സ് വന്നതിലാണ്. സമയം, ഉപയോക്താക്കൾ ഫേസ്ബുക്ക് സംവദിച്ചു ആ ആധിപത്യ വഴി ന്യൂസ് ഫീഡ്, ഉപയോക്താവിന്റെ ഫേസ്ബുക്ക് സുഹൃത്തുക്കൾ നിന്ന് ഫേസ്ബുക്ക് സ്റ്റാറ്റസ് അപ്ഡേറ്റുകൾ ഒരു അൽഗൊരിത പ്രസക്തിയുള്ള സെറ്റ് ആയിരുന്നു. ഫേസ്ബുക്ക് ചില വിമർശകർ ന്യൂസ് ഫീഡ് കൂടുതലും നല്ല കുറിപ്പുകൾ-സുഹൃത്തുക്കൾ അവരുടെ പുതിയ കാണിക്കാൻ കാരണം പാർട്ടി-അത് അവരുടെ ജീവിതത്തിലും താരതമ്യം കുറവ് രസകരവും കാരണം ഉപയോക്താക്കളെ ദു തോന്നാൻ കാരണമായേക്കാമെന്ന് നിർദ്ദേശിച്ചിരുന്നു. മറുവശത്ത്, ഒരുപക്ഷേ പ്രാബല്യത്തിൽ കടകവിരുദ്ധമാണ്; ഒരുപക്ഷേ നിങ്ങളുടെ സുഹൃത്തിന് ഒരു പ്രാവശ്യം കാണുന്നത് വൃത്തികേടും തോന്നാൻ തന്നെ? ഈ മത്സരിക്കുന്ന സിദ്ധാന്തങ്ങളെ വീണ്ടും പരിഹരിക്കുകയും ഒരു പരീക്ഷണം ഓടി അവളുടെ സുഹൃത്തുക്കളുടെ വികാരങ്ങൾ-ക്രാമർ സഹപ്രവർത്തകരുടെയോ എങ്ങനെ ഒരു വ്യക്തിയുടെ വികാരങ്ങൾ ബാധിച്ചതായി ചെയ്യുന്നു നമ്മുടെ ഗ്രാഹ്യം മുന്നോട്ടുകൊണ്ടുപോകുന്നതിന് വേണ്ടിയാണ്. ഗവേഷകർ ഒരാഴ്ചത്തേക്ക് നാലു ഗ്രൂപ്പുകളായി 700,000 ഉപയോക്താക്കൾ ഇടുകയും ആർക്കുവേണ്ടി നെഗറ്റീവ് വാക്കുകൾ (ഉദാ വാടാതെ) പോസ്റ്റുകൾ ക്രമരഹിതമായി ന്യൂസ് ഫീഡ് പ്രത്യക്ഷപ്പെടുന്നത് തടഞ്ഞു ഒരു "കാരണവന്മാരെ കുറച്ചിട്ടുണ്ട്" ഗ്രൂപ്പ്; ഒരു "പോസിറ്റീവായ കുറച്ചിട്ടുണ്ട്" ഗ്രൂപ്പ് ആർക്കുവേണ്ടി നല്ല വാക്കുകൾ (ഉദാ ഭാഗ്യവാൻ) പോസ്റ്റുകൾ ക്രമരഹിതമായി തടഞ്ഞു; രണ്ടു കൺട്രോൾ ഗ്രൂപ്പുകൾ. "കാരണവന്മാരെ കുറച്ചിരിക്കുന്നു" ഗ്രൂപ്പിനായി നിയന്ത്രണം ഗ്രൂപ്പായ കുറിപ്പുകൾ ക്രമരഹിതമായി "കാരണവന്മാരെ കുറയ്ക്കുമ്പോൾ" ഗ്രൂപ്പായി എന്നാൽ വൈകാരിക ഉള്ളടക്കം പരിഗണിക്കാതെ ഒരേ നിരക്കാണ് തടഞ്ഞു. "പോസിറ്റീവായ കുറച്ചിരിക്കുന്നു" ഗ്രൂപ്പിനായി നിയന്ത്രണം ഗ്രൂപ്പ് സമാന്തര ഫാഷൻ പണിതത്. ഈ പരീക്ഷണത്തിന്റെ ഡിസൈൻ ഉചിതമായ നിയന്ത്രണ ഗ്രൂപ്പ് എപ്പോഴും മാറ്റമൊന്നുമില്ലാതെ ഒന്നാണെന്ന് കാണിക്കുന്നു. പകരം, ചിലപ്പോൾ നിയന്ത്രണം ഗ്രൂപ്പ് ഗവേഷണ ചോദ്യം ആവശ്യമുണ്ടെന്ന് കൃത്യമായ ഒത്തുനോക്കിയാൽ സൃഷ്ടിക്കുന്നതിന് ഒരു ചികിത്സ ലഭിക്കുന്നു. എല്ലാ സാഹചര്യങ്ങളിലും, ന്യൂസ് ഫീഡ് നിന്ന് തടഞ്ഞ കുറിപ്പുകൾ ഫേസ്ബുക്ക് വെബ്സൈറ്റിലെ മറ്റ് ഭാഗങ്ങളിൽ വഴി ഇപ്പോഴും ഉപയോക്താക്കൾക്ക് ലഭ്യമല്ല ആയിരുന്നു.

ക്രാമർ സഹപ്രവർത്തകരും പോസിറ്റീവായ കുറച്ചിട്ടുണ്ട് അവസ്ഥയിൽ പങ്കാളികൾക്കും, അവരുടെ സ്റ്റാറ്റസ് അപ്ഡേറ്റുകൾ നല്ല വാക്കുകളുടെ ശതമാനം കുറഞ്ഞു നെഗറ്റീവ് വാക്കുകളുടെ ശതമാനം വര്ദ്ധിച്ചിട്ടുണ്ട്. മറുവശത്ത്, കാരണവന്മാരെ കുറച്ചതും സ്ഥിതിയിൽ പങ്കാളികൾക്കും, നല്ല വാക്കുകളുടെ ശതമാനം വർദ്ധിച്ചു നെഗറ്റീവ് വാക്കുകളുടെ ശതമാനം (ചിത്രം 4.23) കുറഞ്ഞു. എന്നിരുന്നാലും, ഈ ഇഫക്റ്റുകൾ വളരെ ചെറിയ ആയിരുന്നു: ചികിത്സകൾ നിയന്ത്രണങ്ങളും തമ്മിലുള്ള പോസിറ്റീവ്, നെഗറ്റീവ് വാക്കുകളിൽ വ്യത്യാസം 1000 ലെ 1 വാക്ക് ആയിരുന്നു.

ചിത്രം 4.23: വൈകാരിക മലീനീകരണത്തിനെതിരായ തെളിവ് (Kramer, Guillory, and Hancock 2014) . പരീക്ഷണാത്മക കണ്ടീഷൻ പോസിറ്റീവായ വാക്കുകളും പ്രതികൂല വാക്കുകൾ ശതമാനം. ബാറുകൾ കണക്കാക്കിയ സാധാരണ പിശകുകൾ പ്രതിനിധീകരിക്കുന്നത്.

ഞാൻ അധ്യായത്തിൻറെ അവസാനം കൂടുതൽ വായനക്ക് വിഭാഗത്തിൽ ഈ പരീക്ഷണത്തിന്റെ ശാസ്ത്രീയ വശങ്ങളെ കുറിച്ചു ചർച്ച ചേർത്തിട്ടുള്ള, പക്ഷേ നിർഭാഗ്യവശാൽ, ഈ പരീക്ഷണം നൈതിക ചർച്ചയിൽ ആർജിക്കുന്നതിനായാണ് ഏറ്റവും അറിയപ്പെടുന്നത്. ഈ പേപ്പർ സയൻസസ് നാഷണല് അക്കാദമി ഓഫ് പ്രസിദ്ധീകരിച്ച ചെയ്ത് ദിവസങ്ങൾക്ക് ശേഷമാണ് ഗവേഷകർ അമർത്തുക ഇരുവരും നിന്ന് ഒരു പടുകൂറ്റൻ നിലവിളിയും ഉണ്ടായിരുന്നു. രണ്ടു പ്രധാന പോയിന്റ് കേന്ദ്രീകരിച്ചായിരുന്നു പേപ്പർ ചുറ്റും എക്സ്ക്ളോസീവ്: 1) പങ്കെടുക്കുന്നവർ ചില ചിന്തകൾ പങ്കാളികൾക്ക് ഉപദ്രവം തക്കവണ്ണം ഒരു ചികിത്സ സാധാരണ ഫേസ്ബുക്ക് നിബന്ധനകൾ-ഓഫ്-സർവീസ് ഒരാളോടും സമ്മതം നൽകാൻ ചെയ്തു 2) പഠനം മൂന്നാം കക്ഷി നൈതിക വിധേയമായിട്ടുണ്ട് ചെയ്തിരുന്നില്ല അവലോകനം (Grimmelmann 2015) . ഈ ചർച്ചയിൽ വളർന്ന നൈതിക ചോദ്യങ്ങൾ ജേണൽ വേഗത്തിൽ റിസർച്ച് എത്തിക്സ് സന്മാർഗ്ഗശാസ്ത്രത്തേയും അവലോകന പ്രക്രിയ കുറിച്ച് ഒരു അപൂർവ "എഡിറ്റോറിയൽ ആശങ്ക പദപ്രയോഗം" പ്രസിദ്ധീകരിക്കുക കടത്തി (Verma 2014) . തുടർന്നുള്ള വർഷങ്ങളിൽ പരീക്ഷണം തീവ്രമായ ചർച്ചകൾ വന്നെങ്കിൽ ഒരു സ്രോതസ്സ് തുടരുകയാണ്, ഇത് വിയോജിപ്പ് നിഴലുകൾ കടന്നു കമ്പനികൾ നടത്തുന്ന കിട്ടിയതിന് മറ്റ് പല പരീക്ഷണങ്ങളും ഡ്രൈവിങ് ഉദ്ദേശിക്കാത്ത പ്രഭാവം ഉണ്ടായിരുന്നു ചെയ്തിരിക്കാം (Meyer 2014) .

വൈകാരിക മലീനീകരണത്തിനെതിരായ കുറിച്ച് പശ്ചാത്തലം കണക്കിലെടുക്കുമ്പോൾ, ഞാൻ ഇപ്പോൾ 3 ആർ ന്റെ കോൺക്രീറ്റ് നിർദ്ദേശിക്കാനും കഴിയും കാണിക്കാൻ, യഥാർത്ഥ പഠനത്തിന് പ്രായോഗിക മെച്ചപ്പെടുത്തലുകൾ (വ്യക്തിപരമായി പ്രത്യേക പരീക്ഷണം ടേറ്റ് ചിന്തിച്ചേക്കാം ഏതൊരു) ആഗ്രഹിക്കുന്നു. ആദ്യ R മാറ്റിസ്ഥാപിക്കുക ആണ്: ഗവേഷകർ കഴിയുമെങ്കിൽ, കുറവ് മറ്റിനം ആൻഡ് നഷ്ട വിദ്യകൾ കൊണ്ട് പരീക്ഷണം മാറ്റിസ്ഥാപിക്കാൻ തേടേണ്ടതാണ്. ഉദാഹരണത്തിന്, പകരം ഒരു പരീക്ഷണം പ്രവർത്തിക്കുന്ന അധികം ഗവേഷകർ ഒരു സ്വാഭാവിക പരീക്ഷണം ചൂഷണം കഴിയുമായിരുന്നു. അദ്ധ്യായം 2 പോലെ, പ്രകൃതി പരീക്ഷണങ്ങൾ എന്തെങ്കിലും ചികിത്സകൾ റാൻഡം നിയമനം (സൈനിക കടന്നു തയാറാക്കിയ ചെയ്യും തീരുമാനിക്കാൻ ഉദാ ലോട്ടറി) approximates ലോകത്തിലെ നടക്കുന്നയിടമാണ് സാഹചര്യങ്ങൾ ഉണ്ട്. ഒരു സ്വാഭാവിക പരീക്ഷണം മുതലെടുക്കാൻ ഗവേഷക ചികിത്സകൾ വിടുവിപ്പാൻ ഇല്ല എന്നതാണ്; പരിസ്ഥിതി നിങ്ങൾക്ക് പ്രവർത്തിക്കുന്നു. മറ്റു വാക്കുകളിൽ, ഒരു സ്വാഭാവിക പരീക്ഷണം കൂടെ ഗവേഷകർ പരിക്ഷണാടിസ്ഥാനത്തിൽ ആളുകളുടെ വാർത്താ ഫീഡുകൾ കൃത്രിമം ആവശ്യമായ വരില്ലായിരുന്നു.

വാസ്തവത്തിൽ, ഏതാണ്ട് യുവജനോത്സവം വൈകാരിക മലീനീകരണത്തിനെതിരായ പരീക്ഷണം കൂടെ Coviello et al. (2014) ഒരു വൈകാരിക മലീനീകരണത്തിനെതിരായ സ്വാഭാവിക പരീക്ഷണം വിളിക്കപ്പെടും കഴിഞ്ഞില്ല എന്ത് ചൂഷണം ചെയ്തു. നിങ്ങൾ ഒരിക്കലും മുമ്പ് കണ്ടിട്ടില്ലാത്ത എങ്കിൽ ഇൻസ്ട്രുമെന്റൽ വേരിയബിളുകൾ എന്ന ഒരു ടെക്നിക്കുകളും ഉപയോഗിക്കുന്നു അവരുടെ സമീപനം, കുറച്ചുകൂടി സങ്കീർണ്ണമായ ആണ്. അതുകൊണ്ട് ആവശ്യമായ വിശദീകരിക്കുന്നതിന് ക്രമത്തിൽ, അത് പണിവാൻ ചെയ്യട്ടെ. ചില ഗവേഷകർ വൈകാരിക മലീനീകരണത്തിനെതിരായ പഠിക്കാൻ തക്കവണ്ണം ആദ്യ ആശയം നിങ്ങളുടെ ന്യൂസ് ഫീഡ് നിങ്ങളുടെ ന്യൂസ് ഫീഡ് വളരെ മോശമായ പാർത്ത ദിവസങ്ങളിൽ നിങ്ങളുടെ പോസ്റ്റുകൾ വളരെ നല്ല പാർത്ത ദിവസങ്ങളിൽ നിങ്ങളുടെ പോസ്റ്റുകൾ താരതമ്യം ആയിരിക്കും. ലക്ഷ്യം നിങ്ങളുടെ പോസ്റ്റുകൾ വൈകാരിക ഉള്ളടക്കം പ്രവചിക്കാൻ ആയിരുന്നു ലക്ഷ്യം നിങ്ങളുടെ പോസ്റ്റുകളിലെ നിങ്ങളുടെ വാർത്തകൾ ഫീഡ് കാര്യകാരണങ്ങളെ പ്രഭാവം പഠിക്കാൻ എങ്കിൽ ഈ സമീപനം പ്രശ്നമാണ് എങ്കിൽ ഈ സമീപനം പിഴ തന്നെ. ഈ ഡിസൈൻ പ്രശ്നം കാണുന്നതിന്, താങ്ക്സ്ഗിവിംഗ് പരിഗണിക്കുക. അമേരിക്കയിൽ നല്ല കുറിപ്പുകൾ സ്പൈക് നെഗറ്റീവ് കുറിപ്പുകൾ താങ്ക്സ്ഗിവിംഗ് ന് തീര്ക്കും. ഇപ്രകാരം, താങ്ക്സ്ഗിവിംഗ് ന് ഗവേഷകർ നിങ്ങളുടെ ന്യൂസ് ഫീഡ് വളരെ നല്ല ആയിരുന്നു നിങ്ങൾക്കും നല്ല കാര്യങ്ങൾ പോസ്റ്റുചെയ്ത എന്നും കാണാം. എന്നാൽ, നിങ്ങളുടെ നല്ല കുറിപ്പുകൾ നിങ്ങളുടെ ന്യൂസ് ഫീഡ് ഉള്ളടക്കങ്ങൾ ഉപയോഗിച്ചും അല്ല താങ്ക്സ്ഗിവിംഗ് മൂലമുണ്ടാകുന്ന കഴിയുമായിരുന്നു. പകരം, കണക്കാക്കാൻ ക്രമത്തിൽ കാര്യകാരണങ്ങളെ പ്രാബല്യത്തിൽ ഗവേഷകർ നേരിട്ട് വികാരങ്ങളുടെ മാറ്റുന്നതിൽ തന്നെ നിങ്ങളുടെ ന്യൂസ് ഫീഡ് ഉള്ളടക്കങ്ങൾ മാറ്റുന്ന എന്തെങ്കിലും വേണം. കാലാവസ്ഥ: ഭാഗ്യവശാൽ, അത് പോലെ ഒന്ന് എല്ലാ സമയത്തും സംഭവിക്കുന്നത് ഇല്ല.

Coviello സഹപ്രവർത്തകരും ഒരാളുടെ നഗരത്തിൽ മഴയുള്ള ഒരു ദിവസം ശരാശരി ഏകദേശം 1 ശതമാനം പോസിറ്റീവായ ആയ കുറിപ്പുകൾ അനുപാതം കുറയ്ക്കുകയും കുറിച്ച് 1 ശതമാനം വഴി നെഗറ്റീവ് ആയ കുറിപ്പുകൾ അനുപാതം വർധിക്കും കണ്ടെത്തി. പിന്നെ, Coviello സഹപ്രവർത്തകരും പരിക്ഷണാടിസ്ഥാനത്തിൽ ആരുടെയും ന്യൂസ് ഫീഡ് കൃത്രിമം ആവശ്യം ഇല്ലാതെ വൈകാരിക മലീനീകരണത്തിനെതിരായ പഠിക്കാൻ ഈ വസ്തുത ചൂഷണം. തത്വത്തിൽ അവർ പ്രവർത്തിച്ചിരുന്നതെല്ലാം നിങ്ങളുടെ കുറിപ്പുകൾ നിങ്ങളുടെ സുഹൃത്തുക്കൾ എവിടെ ജീവിക്കുന്നു നഗരങ്ങളിലെ കാലാവസ്ഥ കാരണമായി എങ്ങനെ അളവുകോലാണ്. ഈ അർത്ഥത്തിൽ എന്തുകൊണ്ട് കാണാൻ, ന്യൂയോർക്ക് നഗരത്തിൽ ജീവിക്കാൻ നിങ്ങൾ സീയാട്ല് താമസിക്കുന്ന ഒരു സുഹൃത്ത് കരുതുക. ഇപ്പോൾ ഒരു ദിവസം അതു സീയാട്ല് മഴയ്ക്കു ആരംഭിക്കുന്ന കരുതുക. സിയാറ്റിൽ ഈ മഴ നേരിട്ട് നിങ്ങളുടെ മാനസികാവസ്ഥ ബാധിക്കില്ല, പക്ഷേ അതു നിങ്ങളുടെ ന്യൂസ് ഫീഡ് കാരണം നിങ്ങളുടെ സുഹൃത്തിന്റെ കുറിപ്പുകളിൽ കുറവ് നല്ല കൂടുതൽ നെഗറ്റീവ് ഇടയാക്കും. ഇപ്രകാരം, സിയാറ്റിൽ മഴ ക്രമരഹിതമായി നിങ്ങളുടെ വാർത്താ ഫീഡ് കൈകാര്യം. ഒരു വിശ്വസനീയമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ നടപടിക്രമം ഈ സഹജാവബോധം പലതാക്കുന്നു സങ്കീർണ്ണമാണ് (ഒപ്പം Coviello സഹപ്രവർത്തകരും ഉപയോഗിക്കുന്ന കൃത്യമായ സമീപനം ഒരു ബിറ്റ് സ്റ്റാൻഡേർഡ് അല്ലാത്ത ആണ്) അതിനാൽ ഞാൻ കൂടുതൽ വായനക്ക് വിഭാഗത്തിൽ കൂടുതൽ വിശദമായ ചർച്ച നൽകിയിരിക്കുന്നു. Coviello ആൻഡ് സഹപ്രവർത്തകൻ സമീപനം ഓർക്കുന്ന ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം ഇത് തീർത്തും പങ്കെടുക്കുന്നവരെ ഹാനികരമാകും കഴിഞ്ഞില്ല ഒരു പരീക്ഷണം നടത്തേണ്ടതുണ്ട് ഇല്ലാതെ വൈകാരിക മലീനീകരണത്തിനെതിരായ പഠിക്കാൻ അവരെ പ്രാപ്തരാക്കിയത്, അതു മറ്റു പല ക്രമീകരണങ്ങളിൽ നിങ്ങൾ മറ്റ് കൊണ്ട് പരീക്ഷണം പകരം ആ കേസ് വരാം വിദ്യകൾ.

3 രൂപ രണ്ടാം ശുദ്ധീകരിക്കാനും ആണ്: ഗവേഷകർ സാധ്യത ചെറിയ ഉപദ്രവം വേണ്ടി തങ്ങളുടെ ചികിത്സകൾ പരിഷ്കരിക്കാൻ തേടേണ്ടതാണ്. ഉദാഹരണത്തിന്, പകരം അനുകൂലമോ പ്രതികൂലമോ ഒന്നുകിൽ ഉള്ളടക്കം തടയുന്നത് അധികം ഗവേഷകർ അനുകൂലമോ പ്രതികൂലമോ ഉള്ളടക്കം വർദ്ധിപ്പിച്ചിട്ടുണ്ട് കഴിഞ്ഞില്ല. ഈ ബൂസ്റ്റിംഗ് ഡിസൈന് പങ്കെടുക്കുന്നവർ വാർത്താ ഫീഡുകൾ വൈകാരിക ഉള്ളടക്കം മാറ്റി ചെയ്തു എങ്കിലും അതു വിമർശകർ പ്രകടിപ്പിച്ചതായി ആ ആശങ്ക അഭിസംബോധന പറയുമായിരുന്നു: പരീക്ഷണങ്ങൾ അവരുടെ ന്യൂസ് ഫീഡ് ലെ പ്രധാന വിവരം പോയില്ല പങ്കെടുക്കുന്നവരെ കാരണമായി എന്നു കഴിഞ്ഞില്ല. ക്രാമർ സഹപ്രവർത്തകരും ഉപയോഗിക്കുന്ന ഡിസൈൻ വച്ച് പ്രധാനപ്പെട്ട ഒരു സന്ദേശം ചെയ്തിട്ടില്ല ഒരുത്തനും തടഞ്ഞു നിലയിൽ സാധ്യതയുണ്ട്. എങ്കിലും, ഒരു ബൂസ്റ്റിംഗ് ഡിസൈന്, നാടുവിട്ടുപോയ ലഭിക്കുമെന്ന് സന്ദേശങ്ങൾ പ്രാധാന്യം കുറഞ്ഞ എന്നും ആയിരിക്കും.

അവസാനമായി മൂന്നാമത്തെ ആർ കുറയ്ക്കാൻ: ഗവേഷകർ കഴിയുമെങ്കിൽ അവരുടെ പരീക്ഷണം അംഗങ്ങളുടെ എണ്ണം കുറയ്ക്കാൻ തേടേണ്ടതാണ്. അനലോഗ് പരീക്ഷണങ്ങളുടെ വേരിയബിൾ ചെലവ്, ഉയർന്ന കാരണം അവരുടെ ഡിസൈൻ വിശകലനം പരമാവധിയാക്കാനും ഗവേഷണം പ്രേരിപ്പിച്ചു കഴിഞ്ഞ, എയിഡ്സ് സ്വാഭാവികമായും സംഭവിച്ചു. എന്നാൽ പൂജ്യം വേരിയബിൾ കുറഞ്ഞ ഡാറ്റ എപ്പോൾ ഗവേഷകർ കുറഞ്ഞ നിയന്ത്രണ അവരുടെ പരീക്ഷണം വലിപ്പം അഭിമുഖീകരിക്കേണ്ടി വരില്ല, ഈ അനാവശ്യമായി വലിയ പരീക്ഷണങ്ങൾ നയിക്കും കഴിവുണ്ട്.

ഉദാഹരണത്തിന്, ക്രാമർ സഹപ്രവർത്തകരും അംഗങ്ങൾക്കു-പോലുള്ള പ്രീ-ചികിത്സ പോസ്റ്റിംഗ് സ്വഭാവം-അവരുടെ വിശകലനം കൂടുതൽ കാര്യക്ഷമമാക്കാം കുറിച്ച് പ്രീ-ചികിത്സ വിവരങ്ങൾ ഉപയോഗിച്ച കഴിയുമായിരുന്നു. പോരാഞ്ഞ്, മറിച്ച് ചികിത്സയും നിയന്ത്രണ സാഹചര്യങ്ങളിൽ നല്ല വാക്കു അനുപാതം തട്ടിച്ചു അധികം, ക്രാമർ സഹപ്രവർത്തകരും അവസ്ഥ തമ്മിലുള്ള നല്ല വാക്കുകളുടെ അനുപാതത്തിൽ മാറ്റം ഉപമിക്കുന്നു കഴിഞ്ഞില്ല; ഒരു സമീപനം പലപ്പോഴും വ്യത്യാസം-ഇൻ-വ്യത്യാസങ്ങൾ ഞാൻ നേരത്തെ അധ്യായം (ചിത്രം 4.5) വിവരിച്ച ആ മിക്സഡ് ഡിസൈൻ അടുത്ത ബന്ധമുണ്ട് വിളിച്ചു. പിന്നീട് ചികിത്സ നിയന്ത്രണവും അവസ്ഥ പങ്കാളികളുടെ മാറ്റം സ്കോറുകൾ അപേക്ഷിച്ച് - അതാണ് ഓരോ പങ്കാളിയെയും ഗവേഷകർക്ക് ഒരു മാറ്റം സ്കോർ (പ്രീ-ചികിത്സ പെരുമാറ്റം പോസ്റ്റ്-ചികിത്സ സ്വഭാവം) സൃഷ്ടിച്ചു കഴിഞ്ഞില്ല ആണ്. ഈ വ്യത്യാസം-ഇൻ-വ്യത്യാസങ്ങൾ സമീപനം ഗവേഷകർ വളരെ ചെറിയ സാമ്പിളുകൾ ഉപയോഗിച്ച് ഒരേ സ്റ്റാറ്റിസ്റ്റിക്കൽ ആത്മവിശ്വാസം നേടാൻ കഴിയും അതായത് സ്ഥിതിഗണിതപരമായി കൂടുതൽ കാര്യക്ഷമമായി ആണ്. മറ്റു വാക്കുകളിൽ, "വിഡ്ജറ്റുകൾ" പോലെയുള്ള പങ്കെടുക്കുന്നവരെ ചികിത്സാ വഴി, ഗവേഷകർ പലപ്പോഴും കൂടുതൽ കൃത്യമായ കണക്കുകൾ നേടുക കഴിയും.

റോ ഡാറ്റ ഇല്ലാതിരുന്നിട്ടും അത് ഒരു വ്യത്യാസം-ഇൻ-വ്യത്യാസങ്ങൾ സമീപനം ഈ സാഹചര്യത്തിൽ എത്താമായിരുന്നു കൃത്യമായി എത്ര അധികം കാര്യക്ഷമമായി അറിയാൻ പ്രയാസമാണ്. എന്നാൽ, Deng et al. (2013) ബിങ് സെർച്ച് എഞ്ചിൻ മൂന്നു ഓൺലൈൻ പരീക്ഷണങ്ങളിൽ അവർ 50% അവരുടെ കണക്കുകളെ വേരിയൻസ് കുറയ്ക്കാൻ പ്രാപ്തിയുള്ള, സമാനമായ ഫലങ്ങളും നെറ്റ്ഫിക്സ് ചില ഓൺലൈൻ പരീക്ഷണങ്ങളിൽ റിപ്പോർട്ട് ചെയ്തിട്ടുണ്ട് റിപ്പോർട്ട് (Xie and Aurisset 2016) . ഈ 50% ഭിന്നിച്ചു റിഡക്ഷൻ അവർ നേരിയ വ്യത്യാസം വിശകലനം രീതികൾ ഉപയോഗിച്ചു എങ്കിൽ വൈകാരിക മലീനീകരണത്തിനെതിരായ ഗവേഷകർ പകുതിയിൽ സാമ്പിൾ മുറിച്ചു കഴിയും വരേണ്ട എന്നാണ്. മറ്റു വാക്കുകളിൽ, വിശകലനത്തിൽ ഒരു ചെറിയ മാറ്റങ്ങളൊന്നുമില്ലാതെ 350,000 ആളുകൾ പോയെങ്കിൽ ചെയ്തു പരീക്ഷണം പങ്കാളിത്തം വന്നിരിക്കാം.

350,000 ആളുകൾ അനാവശ്യമായി വൈകാരിക മലീനീകരണത്തിനെതിരായ ആയിരുന്നു ഗവേഷകർ പരിപാലിക്കാൻ എന്തിനു ഈ അവസരത്തിൽ എന്താണ് എഴുതേണ്ടത് ആയിരിക്കാം. അവിടെ ഉചിതമായ അമിതമായ വലുപ്പം ആശങ്ക ഉണ്ടാക്കുന്ന വൈകാരിക മലീനീകരണത്തിനെതിരായ രണ്ടു പ്രത്യേക സവിശേഷതകൾ ഇവ സവിശേഷതകൾ പല ഡിജിറ്റൽ ഫീൽഡ് പരീക്ഷണങ്ങളിൽ പങ്കിട്ടു: 1) പരീക്ഷണം കുറഞ്ഞത് പങ്കെടുക്കുന്നവരിൽ ചിലർക്ക് ഉപദ്രവം ഇല്ലയോ അനിശ്ചിതത്വം അവിടെ 2) പങ്കാളിത്തം ആയിരുന്നില്ല സന്നദ്ധ. ഈ രണ്ടു ഗുണഗണങ്ങളോടുകൂടിയ പരീക്ഷണങ്ങളിൽ ഇത് കഴിയുന്നിടത്തോളം ചെറിയ പരീക്ഷണങ്ങൾ സൂക്ഷിക്കാൻ അഭിലഷണീയമല്ല തോന്നുന്നു.

സമാപനത്തിൽ മൂന്ന് R's-മാറ്റിസ്ഥാപിക്കുക ശുദ്ധീകരിക്കാനും, ഒപ്പം കുറയ്ക്കുക-നൽകാൻ ഗവേഷകർ തങ്ങളുടെ പരീക്ഷണാത്മക ഡിസൈനുകൾ കടന്നു നീതിശാസ്ത്രം പണിയും സഹായിക്കുന്ന തത്ത്വങ്ങൾ. ഗതി, വൈകാരിക മലീനീകരണത്തിനെതിരായ ഈ സാധ്യത മാറ്റങ്ങൾ ഓരോ ട്രേഡ് ഓഫിൽ അവതരിപ്പിയ്ക്കുന്നു. ഉദാഹരണത്തിന്, പ്രകൃതി പരീക്ഷണങ്ങളിൽ നിന്ന് തെളിവുകൾ ക്രമരഹിതമായ പരീക്ഷണങ്ങളിൽ നിന്ന് തെളിവുകൾ പോലെ ശുദ്ധിയുള്ള എപ്പോഴും ആണ് ബൂസ്റ്റിംഗ് തടയൽ അധികം നടപ്പാക്കാൻ കൂടുതൽ logistically പ്രയാസമാണ് വരേണ്ട. അതുകൊണ്ട്, ഈ മാറ്റങ്ങൾ നിഗമനത്തിൽ ഉദ്ദേശം ഗവേഷകർ തീരുമാനങ്ങൾ രണ്ടാം ഊഹിക്കാൻ ആയിരുന്നില്ല. മറിച്ച്, മൂന്നു ആർ ന്റെ ഒരു റിയലിസ്റ്റിക് സാഹചര്യത്തിൽ പ്രയോഗിക്കാൻ എങ്ങനെ ചിത്രീകരിക്കാൻ ആയിരുന്നു.