4.6.1 тэг хувьсах зардлын мэдээллийг бий болгох

Том туршилт ажиллаж байгаа гол тэг таны хувьсах зардлыг жолоодож байгаа юм. Үүнийг хийх хамгийн шилдэг арга автоматжуулалт болон таатай туршилт зохион юм.

Дижитал туршилт эрс ялгаатай зардал бүтэцтэй байж болох бөгөөд энэ нь өмнө нь боломжгүй байсан туршилт ажиллуулах судлаачдад олгодог. Тодруулбал, туршилт ерөнхийдөө зардлын үндсэн хоёр төрөлтэй байна:. Тогтмол зардал, хувьсах зардал Тогтмол зардал нь та хэдэн оролцогчид хамааран өөрчлөгдөж байхгүй бол зардал юм. Жишээ нь, лабораторийн туршилтанд, тогтмол зардал нь орон зай түрээс, тавилга худалдан авах зардал та хэдэн оролцогчид хамаарч байж болох юм. Нөгөө талаас Хувьсах зардал, өөрчлөлт. Жишээ нь, лабораторийн туршилтанд, хувьсах зардал ажилтнууд, оролцогчдыг төлж ирсэн байж болох юм. Ер нь, аналог туршилт бага тогтмол зардал, өндөр хувьсах зардал байна, дижитал туршилт өндөр тогтмол зардал, бага хувьсах зардлыг (Зураг 4.18) байна. тохирох загвар нь та бүх арга зам тэг таны туршилтын хувьсах зардлыг жолоодох болно, мөн энэ нь сонирхолтой судалгаа хийх боломжийг бий болгож чадна.

Зураг 4.18: аналог болон дижитал туршилт зардлын бүтцийн бүдүүвч. Ер нь, аналог туршилт дижитал туршилт өндөр тогтмол зардал, бага хувьсах зардлыг байгаа бол бага тогтмол зардал, өндөр хувьсах зардал байна. өөр өөр өртөгтэй бүтэц дижитал туршилт аналог туршилт нь боломжгүй юм масштабтай дор ажиллуулж чадна гэсэн үг.

хоёр гол нь ажилтнуудад нь хувьсах зардлын төлбөрийн элементүүд болон төлбөр байдаг оролцсон ба эдгээр тус бүр өөр өөр стратеги ашиглан тэг тулгуурласан болно. Төлбөрийг эрдэм шинжилгээний туслах, оролцогчдыг ажилд авах гэж эмчилгээг хүргэх, мөн үр дүнг хэмжих ажлаас үндэс ажилтнуудад байна. Жишээ нь, Шульц, хамт олны аналог хээрийн туршилт (2007) , нийгмийн хэм хэмжээ, цахилгаан эрчим хүчний хэрэглээ шаардлагатай эрдэм шинжилгээний туслах дээр цахилгаан тоолуур эмчилгээ хүргэх, уншиж гэртээ бүрт аялах байна (Зураг 4.3). эрдэм шинжилгээний туслах нь энэ хүчин чармайлт бүх судалгааны шинэ гэр нэмж зардал нэмж байна гэсэн үг. Нөгөө талаас, Restivo болон ван де Rijt тоон талбар туршилттай (2012) Википедиа-д урамшууллын талаар судлаачид илүү оролцогчдыг дээр бараг ямар ч зардал нэмж болох юм. хувьсах захиргааны зардлыг бууруулах ерөнхий стратеги нь компьютер ажил нь хүний ​​ажил (үнэтэй байна) (хямд үнэтэй) солих явдал юм. Миний судалгааны багийн хүн бүр унтаж байхад энэ туршилт ажиллуулж болно: Ойролцоогоор та өөрөөсөө асууж болох вэ? Хариулт нь Тийм бол та автоматжуулалтын маш их ажил хийсэн.

хувьсах зардлын хоёр дахь үндсэн хэлбэр нь оролцогчдод төлбөр юм. Зарим судлаачид оролцогчдын шаардлагатай төлбөрийг бууруулах Amazon Механик Түрэг, онлайн хөдөлмөрийн бусад зах зээлийг ашиглаж байна. тэг хувьсах зардлын бүх замыг жолоодох Гэхдээ өөр арга хэрэгтэй байна. Удаан хугацааны турш, судлаачид оролцох хүмүүсийг төлөх ёстой болохоор уйтгартай байна туршилт хийгдсэн байна. Харин та нар юу хүмүүс байхыг хүсэж байгаа бол туршилт бий болгож чадах юм бол? Энэ нь маш их татагддаг сонсогдож байж болох ч би өөрийн ажлаасаа доорх жишээ танд өгөх болно, мөн Хүснэгт 4.4-д илүү жишээ байдаг. таатай туршилт боловсруулахдаа энэ хандлага нь илүү тааламжтай судалгааг төлөвлөх, Бүлэг 5-д олон нийтийн хамтын ажиллагааны загвар тухай тухай 3-р бүлэгт сэдэв зарим хэлэхдээ гэдгийг анхаарна уу. Тиймээс, би дижитал нас судалгааны дизайн нь улам бүр чухал хэсэг нь оролцогч жаргал, ямар ч хэрэглэгч гэж нэрлэдэг байж болох туршлага юм байж гэж боддог.

Та тэг хувьсах зардлын туршилт бий болгохыг хүсэж байгаа бол та бүх зүйл нь бүрэн автомат бөгөөд оролцогчид ямар нэгэн төлбөр хийх шаардлагагүй гэдгийг баталгаажуулахын тулд хүсэж болно. Хэрэв энэ нь боломжгүй бол хэрхэн харуулахын тулд би соёлын бүтээгдэхүүний амжилт, бүтэлгүйтлийн талаар миний диссертаци судалгаа тайлбарлах болно. Энэ жишээ нь бас тэг хувьсах зардлын мэдээлэл зүгээр л зүйл хямд үйлдэж биш гэдгийг харуулж байна. Харин энэ бол боломжтой байх болно туршилт идэвхжүүлэх тухай асуудал юм.

Миний дипломын ажил, соёлын бүтээгдэхүүний амжилтын залуусын шинж чанар урам зоригтой байна. Hit дуу, хамгийн шилдэг борлуулалттай ном, мөн Хит кино, их илүү амжилттай дунджаас байна. Ийм учраас эдгээр бүтээгдэхүүний зах зээл нь ихэвчлэн "ялагч авч, бүх" зах зээл гэж нэрлэдэг. Гэсэн хэдий ч, тэр үед, ялангуяа дуу, ном, эсвэл кино амжилттай болох үед маш урьдчилан таамаглах аргагүй юм. Дэлгэцийн William Goldman (1989) , авч ялагч, бүх гоёмсог хүртэл эрдэм шинжилгээний судалгаа маш их Энэ амжилтыг урьдчилан таамаглахад ирэх үед, тэр хэлсэн нь таг хэлэх нэгтгэн "хэн ч юу ч мэдэж байгаа." Зах зээл намайг үр дүн хэр амжилт их гайхаж хийсэн чанар, хэр их л аз юм. Эсвэл бид зэрэгцээ ертөнцийг бий болгож, нэг дуу нь дэлхийн тус бүр алдартай болж болно, тэд бүгд бие даан хөгжих байж болох юм уу, бага зэрэг ялгаатай илэрхийлсэн? Тэгээд, хэрэв үгүй ​​бол, юу нь эдгээр ялгааг үүсгэдэг механизм байж болох вэ?

Эдгээр асуултад хариулахын тулд бид-Петр Доддс, Данкан ватт (миний диссертаци зөвлөх), мөн онлайн хээрийн туршилт цуврал I-гүйж. Тухайлбал, бид ард түмэн шинэ дуу олж болох MusicLab нэртэй вэб барьсан, бид туршилтын цуврал үүнийг ашигладаг. Бид өсвөр хүүгийн сайт дээр баннер сурталчилгаа ажиллаж байна (Зураг 4.19) болон хэвлэл мэдээллийн хэрэгслээр дурьдсан дамжуулан оролцогчдыг элсүүлсэн. Манай вэб сайт нь өгсөн мэдээлэлтэй зөвшөөрөлгүйгээр ирээд оролцогчид, богино суурь асуулга хийж, хоёр туршилтын нөхцөл байдал, бие даасан, нийгмийн нөлөөллийн нэг нь санамсаргүйгээр томилсон байна. бие даасан байдал, оролцогчид хамтлаг, дууны зөвхөн нэр өгсөн, үүний тухай дуу сонсож шийдвэр гаргасан. дуу сонсох боловч оролцогчид нь тэд дуу татаж авах боломжтой (гэхдээ үүрэг биш) байсан бөгөөд дараа нь түүнийг үнэлэх асуусан байна. Нийгмийн нөлөө нөхцөлд оролцогчид ижил туршлагатай байсан тэд ч мөн адил дуу бүр нь өмнөх оролцогчдын татаж байсан хэдэн удаа харж болох бусад. Цаашилбал, нийгмийн нөлөө нөхцөлд оролцогчид санамсаргүйгээр найман зэрэгцээ ертөнцийн тус бүр нь бие даан хөгжсөөр байна (Зураг 4.20) нэг оноосон байна. Энэ загварыг ашиглан, бид хоёр холбоотой туршилт байв. Эхний бид оролцогчид дуу нь unsorted сүлжээнд тэдэнд алдартай нь сул дохиог өгсөн нь танилцуулсан. Хоёр дахь туршилтад бид чансаанд жагсаалтын алдартай нь маш хүчтэй дохиог үзүүлж дуу (Зураг 4.21) танилцуулав.

Зураг 4.19: баннер зар сурталчилгааг нэг жишээ нь миний хамт олон, би MusicLab туршилтанд оролцогчид ажилд ашигладаг (Salganik, Dodds, and Watts 2006) .

Зураг 4.20: MusicLab туршилт туршилтын загвар (Salganik, Dodds, and Watts 2006) . бие даасан, нийгмийн нөлөөлөл: Оролцогчид санамсаргүйгээр хоёр нөхцөлийн аль нэг рүү томилсон юм. бие даасан байдал оролцогчид бусад хүмүүс хийсэн талаар ямар нэгэн мэдээлэл байхгүй нь тэдний сонголт хийсэн. Нийгмийн нөлөө нөхцөлд оролцогчид санамсаргүйгээр нэг нь найман зэрэгцээ ертөнцөд, дуу бүр өөр өөрийн ертөнцөд урьд-оролцогчдын татаж хэмжинэ тэдгээр нь түгээмэл үзэх боломжтой болгон өгсөн байсан боловч тэд ямар ч мэдээлэл харж чадахгүй байсан ч тэд ч гэсэн хийсэн оршин бусад ертөнцөд аль ч талаар мэднэ.

Бид дуу тархсанаар нь аз чухал үүрэг санал ертөнц даяар ялгаатай болохыг тогтоосон байна. Жишээ нь, нэг дэлхий дээр 52Metro өөр дуу "хорионд" 1-ний дотор ирж, өөр нэг нь дэлхийн 48 дуу гарч 40-д ирсэн. Энэ нь яг л адилхан дуунууд эсрэг өрсөлдөж нэг дуу байсан, харин нэг нь дэлхийн тэр азтай авсан, бусад нь тийм биш ажээ. Цаашид хоёр туршилт даяар үр дүнг харьцуулах замаар бид нийгмийн нөлөөлөл илүү тэгш бус амжилт, магадгүй урьдчилан төрхийг бий болгож хүргэдэг болохыг тогтоожээ. Гэхдээ ертөнц (Зэрэгцээ ертөнц туршилтын энэ төрлийн гадна хийж чадахгүй байгаа) даяар харж, бид нийгмийн нөлөө нь үнэндээ таг хэлэх нэмэгдсэн болохыг тогтоосон байна. Цаашилбал, гайхалтай, энэ нь хамгийн урьдчилан таамаглах аргагүй үр дүнг (Зураг 4.22) байгаа хамгийн өндөр давж заалдах дуу байсан юм.

Зураг 4.21: MusicLab туршилт нийгмийн нөлөө нөхцөл байдлаас Дэлгэцийн (Salganik, Dodds, and Watts 2006) . туршилтын 1-д нийгмийн нөлөө нөхцөл байдал, дуу, өмнөх татагдсан тоо хамт, 16 X 3 тэгш өнцөгт сүлжээ, дуу албан тушаал дурын оролцогч тус бүрт өгсөн байсан зохион оролцогчдод танилцуулсан байна. Туршилт 2-р сард, нийгмийн нөлөө нөхцөл оролцогчид татаж авах тоолох, уруудах нь одоогийн алдартай дарааллаар нэг баганад үзүүлсэн нь дуу үзүүлсэн байна.

Зураг 4.22: давж заалдах, амжилт хоорондын харилцааг харагдаж байгаа MusicLab туршилтаар үр дүн (Salganik, Dodds, and Watts 2006) . х-тэнхлэг дууны давж заалдах шатны арга хэмжээ болж бие даан дэлхийн дуу, зах зээлийн эзлэх хувь юм, у тэнхлэг үйлчилдэг 8 нийгмийн нөлөө ертөнц дэх ижил дуу, зах зээлд эзлэх хувийн жин нь дуу амжилтын нэг арга хэмжээ юм. Бид оролцогчид нийгмийн нөлөө нэмэгдэж туршлагатай, ялангуяа, туршилт 1-нээс зохион өөрчлөлт 2 турших гэж байна (Зураг 4.21) олж, ялангуяа хамгийн давж заалдах дуу нь илүү урьдчилан таамаглах болж амжилт -caused.

MusicLab, учир нь энэ нь хийгдсэн Ингэснээр дор үндсэндээ тэг хувьсах зардлыг ажиллуулах боломжтой юм. Нэгдүгээрт, бүх зүйл нь бүрэн би унтаж байхад ажиллуулж чадах байсан болохоор автомат юм. Хоёрдугаарт, нөхөн олговор олгох ямар ч хувьсах оролцогч нь нөхөн олговор олгох зардал байсан тул үнэгүй дуу хөгжим байсан юм. нөхөн төлбөр гэх мэт хөгжмийн хэрэглээ нь тогтмол зардал, хувьсах зардлыг хооронд нь ажил удаагийн заримдаа тэнд хэрхэн харуулж байна. Би хүлээснээс зөвшөөрөл байдлыг хангах, тэдний хөгжим оролцогчдын урвалын тухай хамтлаг тайланг бэлтгэхэд цаг хугацаа зарцуулдаг байсан учраас хөгжмийн ашиглах нь тогтмол зардал өссөн байна. Гэхдээ энэ тохиолдолд, хувьсагчууд зардлыг багасгах зорилгоор тогтмол зардлыг нэмэгдүүлэх хийх нь зөв зүйл байсан; Тэр стандарт лабораторийн туршилтанд-аас 100 дахин их байсан юм туршилт ажиллуулах бидэнд боломжтой юу.

Цаашилбал, MusicLab туршилт тэг хувьсах зардал нь өөрөө эцсийн байх биш гэдгийг харуулах; харин энэ нь туршилтын шинэ төрлийн ажиллаж байгаа нь арга байж болох юм. бид стандарт нийгмийн нөлөө лабораторийн туршилт 100 удаа ажиллуулах нь манай оролцогч бүх ашиглаж болохгүй гэж сануулж байна. Харин үүний оронд бид та социологийн туршилт нь сэтгэл зүйн туршилт нь шилжих гэж бодож болох өөр ямар нэг зүйл, хийсэн (Hedström 2006) . Харин бие даасан шийдвэр гаргахад анхаарал хандуулж илүү бид туршилт алдартай, хамтын үр дүнг анхаарсан. хамтын үр дүнд энэ өөрчлөх бид нэг мэдээлэл цэг үйлдвэрлэх 700 орчим оролцогчид шаардлагатай гэсэн үг (энд зэрэгцээ ертөнцийн тус бүр 700 хүн байсан). Энэ хэмжээний Учир нь туршилтын зардал бүтэц цорын ганц боломжтой байсан юм. Ер нь судлаачид бие даасан шийдвэр нь хамтын үр дүн нь хэрхэн гарч судлах гэж байгаа бол, ийм MusicLab гэх мэт бүлэг туршилт нь маш сонирхолтой юм. Өмнө нь тэд-техникийн хүнд хэцүү байсан ч, тэдгээр бэрхшээл, учир нь тэг хувьсах зардлын мэдээллийг боломжийг бүдгэрч байна.

өндөр тогтмол зардал: тэг хувьсах зардлын мэдээллийн үр ашгийг харуулж гадна MusicLab туршилт нь энэ арга нь тулгамдсан асуудал байна. Миний хувьд, би туршилт барих тухай зургаан сарын турш Петр Hausel хэмээх авъяаслаг вэб хөгжүүлэгчид хамтран ажиллах чадвартай байх нь маш азтай юм. Миний зөвлөх, Данкан ватт Учир нь, судалгаа энэ төрлийн дэмжих буцалтгүй тусламжийн хэд хэдэн хүлээн авсан, энэ нь зөвхөн боломжтой байсан юм. Бид 2004 онд MusicLab баригдсан оноос хойш технологийн сайжирсан бөгөөд энэ нь одоо ийм туршилт барих илүү хялбар байх болно. Гэвч, өндөр тогтмол зардал стратеги нь ямар нэгэн байдлаар тэдгээр зардлыг болно судлаачдын хувьд үнэхээр л боломжтой юм.

Эцэст нь хэлэхэд, тоон туршилт аналог туршилт-аас эрс ялгаатай зардал бүтэцтэй байж болно. Хэрэв та хүсэж байгаа бол үнэхээр том туршилт ажиллуулахын тулд та туршилтын механикийг автоматжуулж энэ юу хийж чадах 0 болгон аль болох их ба хамгийн тохиромжтой бүх замыг таны хувьсах зардлыг бууруулах хичээх хэрэгтэй (жишээ нь, компьютерийн хугацаанд хүний ​​цаг сольж) болон зохион хүмүүс байхыг хүсэж туршилт. эдгээр шинж нь туршилт боловсруулж болно судлаачид өмнө нь боломжгүй байсан туршилтын шинэ төрлийн ажиллуулах боломжтой байх болно.