4.6.1 शून्य बदलणारा खर्च डेटा तयार करा

मोठ्या प्रयोग चालू करण्याची की आपल्या वेरिएबलची किंमत शून्यवर चालविण्याकरीता आहे. हे करण्याचा सर्वोत्तम मार्ग म्हणजे स्वैती आणि आनंददायक प्रयोग डिझाइन करणे.

डिजिटल प्रयोगांमध्ये नाटकीयरित्या भिन्न खर्च संरचना असू शकतात आणि हे संशोधकांना भूतकाळातील अशक्य असलेले प्रयोग चालवण्यासाठी सक्षम करते. या फरकाचा विचार करण्याचा एक मार्ग म्हणजे हे लक्षात घ्या की प्रयोगात दोन प्रकारचे खर्च असतात: निश्चित खर्च आणि वेरियेबल खर्च. निश्चित खर्चाचा खर्च भागधारकांची संख्या कितीही असला तरी बदलत नाही. उदाहरणार्थ, लॅब प्रयोगात, निश्चित भाड्याची जागा भाड्याने घेण्याची आणि फर्निचरची खरेदी करण्याची किंमत असू शकते. दुसरीकडे, बदलणारे खर्च , सहभागींच्या संख्येनुसार बदलतात. उदाहरणार्थ, प्रयोगशाळेत प्रयोग केल्याने कर्मचारी आणि सहभागींना पैसे देण्याऐवजी येणारा खर्च येऊ शकतो. साधारणतया, अॅनालॉग प्रयोगांमध्ये कमी स्थिर खर्च आणि उच्च वेरियेबल खर्च असतात, तर डिजिटल प्रयोगांमध्ये स्थिर निश्चित खर्च आणि कमी वेरियेबल खर्च (आकृती 4.1 9) आहेत. जरी डिजिटल प्रयोगांमध्ये कमी वेरियेबल खर्चात असला तरीही, आपण व्हेरिएबलची किंमत शून्यावर वळविल्यावर बरेच आकर्षक संधी निर्माण करू शकता.

आकृती 4.1 9: अॅनालॉग आणि डिजिटल प्रयोगांमधील खर्चाच्या संरचनांची योजनाबद्ध. सर्वसाधारणपणे, एनालॉग प्रयोगांमध्ये कमी निश्चित खर्च आणि उच्च परिवर्तनीय खर्च असतात तर डिजिटल प्रयोगांमध्ये स्थिर निश्चित किंमत आणि कमी वेरियेबल खर्च असतात. वेगवेगळ्या किंमतींच्या संरचना म्हणजे डिजिटल प्रयोग जो एखाद्या अॅनॉलॉग प्रयोगांबरोबर शक्य नाही अशा वेगाने चालू शकतात.

कर्मचार्यांना वेरियेबल कॉस्ट-पेमेंटचे दोन सहभागी आणि भागधारकांना देयके आहेत- आणि त्यातील प्रत्येक धोरण वेगवेगळ्या धोरणांचा वापर करून शून्य केले जाऊ शकते. कर्मचा-यांकडून काम करणा-या कर्मचा-यांचा शोध सहाय्यक शोधकांना भरती करतात, उपचारांचा पाठिंबा देतात आणि परिणामांचे मोजमाप करतात. उदाहरणार्थ, शूल्त्झ आणि सहकाऱ्यांचे अॅनॉलॉग फिल्ड प्रयोग (2007) आवश्यकतेनुसार संशोधन सहाय्यकांनी प्रत्येक घराने उपचार घेण्यासाठी आणि विद्युत मीटर (आकृती 4.3) वाचण्यासाठी आवश्यक आहे. संशोधन सहाय्यकांनी या सर्व प्रयत्नांचा अर्थ असा होतो की अभ्यासात नवीन घर जोडणे खर्चाने जोडले गेले असते. दुसरीकडे, विकिपीडिया संपादकावरील पुरस्कारांच्या प्रभावावरून रेझीव्हो आणि व्हॅन दे रिजट (2012) च्या डिजिटल फिल्ड प्रयोगासाठी, संशोधक अक्षरशः कोणत्याही दराने अधिक सहभागी जोडू शकले नाहीत वेरियेबल व्यवस्थापकीय खर्च कमी करण्यासाठी सर्वसाधारण योजना म्हणजे मानवी कामाचे (जे महाग आहे) संगणक कामासह (जे स्वस्त आहे). साधारणपणे, आपण स्वत: ला विचारू शकता: माझ्या प्रयोग कार्यसंघातील प्रत्येकजण झोपी गेला असताना हा प्रयोग चालला? उत्तर होय असल्यास, आपण ऑटोमेशनचे उत्तम काम केले आहे.

वेरियेबल खर्चाचा दुसरा मुख्य प्रकार म्हणजे भागधारकांना देय आहे. काही संशोधकांनी ऍमेझॉन यांत्रिक तुर्क आणि इतर ऑनलाइन श्रमिक बाजारपेठेचा उपयोग भागधारकांसाठी आवश्यक असलेले पेमेंट कमी करण्यासाठी केला आहे. व्हेरिएबलची सर्व खर्च शून्याकडे नेण्यासाठी, वेगळा दृष्टिकोन आवश्यक आहे. बर्याच काळापासून संशोधकांनी प्रयोग तयार केले आहेत जे इतके कंटाळलेले आहेत की त्यांना लोकांना भाग घेण्यासाठी पैसे द्यावे लागतात. पण आपण लोकांना तयार करू इच्छित असलेला प्रयोग तयार करू शकला तर काय? हे दूरसंपर्क ध्वनी शकते, परंतु मी तुम्हाला माझ्या स्वत: च्या कामापासून खाली एक उदाहरण देतो, आणि टेबल 4.4 मध्ये अधिक उदाहरणे आहेत. लक्षात ठेवा आनंददायी प्रयोगांच्या डिझाईनची कल्पना ही काही मनोरंजक सर्वेक्षणे तयार करण्याच्या प्रकरणातील अध्याय 3 मधील काही विषयवस्तूंतांचा आणि जनसमुदायाच्या सहयोगाबद्दलच्या 5 व्या अधिसूचनेमधील कल्पनांची उदाहरणे आहेत. म्हणून मला असे वाटते की सहभागी आनंद उपभोक्ता-अनुभव काय म्हणता येईल - डिजिटल युगात संशोधन डिझाइनचा एक महत्त्वपूर्ण भाग असेल.

आपण शून्य चलन खर्च डेटासह प्रयोग तयार करू इच्छित असल्यास, आपण याची खात्री करणे आवश्यक आहे की प्रत्येक गोष्ट पूर्णपणे स्वयंचलित आहे आणि त्या सहभागींना कोणत्याही देयकांची आवश्यकता नाही. हे कसे शक्य आहे हे दर्शविण्यासाठी, मी सांस्कृतिक उत्पादनांच्या यशस्वीतेवर आणि अपयशांवर माझे शोध प्रबंधचे वर्णन करू.

सांस्कृतिक उत्पादनांच्या यशस्वीतेचे बुद्धीमान स्वरूपाने माझे निबंध उदयास आले. गाणी, सर्वोत्तम विक्री पुस्तके, आणि ब्लॉकबस्टर चित्रपट हे खूपच जास्त आहे, सरासरीपेक्षा अधिक यशस्वी यामुळे, या उत्पादनांसाठी असलेल्या बाजारांना "विजेता-घ्या-सर्व" बाजारपेठ असे म्हणतात. तरीही, त्याच वेळी, कोणते विशेष गाणे, पुस्तक किंवा चित्रपट यशस्वी होईल हे अविश्वसनीय अप्रत्याशित आहे. पटकथालेखक विल्यम गोल्डमन (1989) सुप्रसिद्ध असे बरेच शैक्षणिक संशोधन करून म्हटले आहे की, यश मिळविण्याबद्दल "कोणी काहीही ओळखत नाही" असे म्हणता येईल तेव्हा. सर्व विजेता-घेणार्या बाजारपेठांची अनिश्चितता पाहून मला आश्चर्य वाटले की परिणामस्वरूप किती यश मिळाले गुणवत्ता आणि फक्त नशीब किती आहे. किंवा, थोड्या वेगळ्या प्रकारे व्यक्त केली, जर आपण समांतर जग निर्माण करू शकले आणि स्वतंत्रपणे सर्व विकसित केले तर प्रत्येक गावात एकच गाणी लोकप्रिय होतील? आणि जर नाही तर काय एक फरक असावा ज्यामुळे ही फरक पडेल?

या प्रश्नांची उत्तरे देण्यासाठी, आम्ही-पीटर डोड्स, डंकन वॅट्स (माझा निबंध सल्लागार) आणि मी-ऑनलाईन फील्ड प्रयोगांची मालिका चालू केली. विशेषतः, आम्ही म्युझिकलॅब नावाची एक वेबसाइट तयार केली जिथे लोक नवीन संगीत शोधू शकतात आणि आम्ही ते प्रयोगांच्या मालिकेसाठी वापरले. आम्ही युवक-व्याज वेबसाइटवर (आकृती 4.20) बॅनर जाहिराती चालवून आणि माध्यमांद्वारे केलेल्या तपशीलाद्वारे सहभागींची भरती केली. आमच्या वेबसाइटवर पोहोचणार्या सहभागींनी माहितीपूर्ण संमती दिली, लहान पार्श्वभूमी प्रश्नावली पूर्ण केली, आणि यादृच्छिकपणे दोन प्रायोगिक अटींपैकी एक-स्वतंत्र आणि सामाजिक प्रभाव देण्यात आला. स्वतंत्र स्थितीत, ज्या गाण्यांनी ऐकणे, बँड्स आणि गाण्यांचे फक्त नावे दिले त्यातील सहभागींनी निर्णय घेतले. एका गाण्याने ऐकत असताना, सहभागींना ते रेट करण्यास सांगण्यात आले होते ज्यानंतर त्यांना गाणी डाउनलोड करण्याची संधी (परंतु बंधन नाही) होती. सामाजिक प्रभावाच्या स्थितीमध्ये, सहभागींना समान अनुभव होता, शिवाय ते देखील पाहू शकतील की मागील सहभागींनी प्रत्येक गाणे किती वेळा डाऊनलोड केले होते शिवाय, सामाजिक प्रभाव स्थितीतील सहभागींना यादृच्छिकपणे आठ समांतर जगातील एकला दिले गेले, त्यातील प्रत्येक स्वतंत्रपणे उत्क्रांत झाले (आकृती 4.21). या डिझाईनचा वापर करून, आम्ही दोन संबंधित प्रयोग संपविले प्रथम, आम्ही एका निर्यातीत ग्रिडमधील सहभागींना गाणी सादर केली, ज्या त्यांना लोकप्रियतेच्या कमकुवत सिग्नलसह प्रदान केली. दुसऱ्या प्रयोगात, आम्ही गाणी एका रँक यादीमध्ये सादर केली, ज्यात लोकप्रियता अधिक मजबूत संकेत प्रदान केली (आकृती 4.22).

आकृती 4.20: बॅनर जाहिरातीचे एक उदाहरण ज्याचे माझे सहकारी आणि मी संगीत लेब प्रयोग (Salganik, Dodds, and Watts 2006) साठी सहभागींची भरती करीत होते. Salganik (2007) , आकृती 2.12 कडून परवानगीने पुनरुत्पादित.

आकृती 4.21: म्युझिकलॅब प्रयोगांसाठी प्रायोगिक डिझाइन (Salganik, Dodds, and Watts 2006) . सहभागी दोन यादृच्छिक परिस्थितीपैकी एकाची निवड करण्यात आली: स्वतंत्र आणि सामाजिक प्रभाव. इतरांच्या कायद्यांबद्दल कोणत्याही माहितीशिवाय स्वतंत्र स्थितीतील सहभागींनी त्यांची निवड केली. सामाजिक प्रभाव स्थितीमधील सहभागींना यादृच्छिकपणे आठ समांतर जगातील एकाला सोपविले गेले होते, जेथे ते लोकप्रियता पाहू शकले - जसे की त्यांच्यातील प्रत्येक गाण्याचा मागील स्पर्धकांच्या डाउनलोडद्वारे मोजल्या परंतु ते त्याबद्दल कोणतीही माहिती पाहू शकले नाहीत, तसेच त्यांनी अगदी अस्तित्वात असलेल्या बद्दल माहित, इतर जगातील कोणत्याही. Salganik, Dodds, and Watts (2006) , आकृती 1 Salganik, Dodds, and Watts (2006) रुपांतर झाले.

आम्हाला असे आढळून आले की संगीतांची लोकप्रियता जगभरात वेगळी होती, आणि सुदैवाने यशाने महत्त्वाची भूमिका बजावली होती. उदाहरणार्थ, एका विश्वमध्ये 52 मेट्रो द्वारे "लॉकडाउन" हे गाणे 48 गाण्यांपैकी पहिले आले होते, तर दुसऱ्या जगात 40 व्या क्रमांकावर तो आला होता. हाच गाणी त्याच इतर गाण्यांशी स्पर्धा करीत होता, पण एका जगात तो भाग्यवान झाला आणि इतरांमधला नाही. पुढे, दोन प्रयोगांमधील परिणामांची तुलना करून, आम्हाला असे आढळले की सामाजिक प्रभावामुळे या मार्केटमधील विजेता-सर्व-प्रकारचे स्वरूप वाढले आहे, ज्यामुळे कदाचित कौशल्याची महत्त्व दिसून येते. परंतु, जगभरातून (अशा समांतर जगातील प्रयोगांबाहेर केले जाऊ शकत नाही) पाहता, आम्हाला असे आढळले की सामाजिक प्रभावाने खरोखर नशीब महत्त्व वाढविले आहे. शिवाय, आश्चर्याची गोष्ट म्हणजे, उच्चतम अपील गाणी होती जिथे नशीब सर्वात जास्त (आकृती 4.23) महत्त्वाची होती.

आकृती 4.22: म्युझिकलॅब प्रयोगांमध्ये सामाजिक प्रभाव असलेल्या परिस्थितीचे स्क्रिनशॉट्स (Salganik, Dodds, and Watts 2006) . प्रयोग 1 मधील सामाजिक प्रभावाच्या स्थितीत, पूर्वीच्या डाउनलोडसह गाणी 16 \(\times\) 3 आयताकृती ग्रिडमध्ये आयोजित केलेल्या सहभागींना दिली गेली, जेथे गाण्यांची पोझना वेगवेगळ्या पद्धतीने देण्यात आली. सहभागी प्रयोग 2 मध्ये, सामाजिक प्रभाव स्थितीतील सहभागींनी लोकप्रियता दर्शविण्याच्या क्रमवारीतील एका स्तंभात सादर केलेल्या डाउनलोड संख्यांसह, गाणी दर्शविली होती.

आकृती 4.23: अपील आणि यश यांच्यातील संबंध दर्शविणार्या म्युझिकलॅब प्रयोगांवरील परिणाम (Salganik, Dodds, and Watts 2006) . स्वतंत्र जगामधील गाण्याचे बाजारपेठेतील हिस्सा \(x\) -xx म्हणजे गाण्याचे आवाहन आणि \(y\) -सिस हे त्याच गाण्याचे बाजारपेठ आहे. आठ सामाजिक प्रभाव संगीत, जे संगीत यश एक उपाय म्हणून करते आम्हाला असे आढळले की सहभागींचा अनुभव असलेले सामाजिक प्रभाव वाढविणे-विशेषतः, प्रयोग 1 पासून प्रयोग 2 (आकृती 4.22) मधील लेआउटमध्ये बदल-अधिक अनपेक्षित होण्यासाठी विशेषतः उच्चतम अपील असलेल्या गाण्यांसाठी यशस्वी यश. Salganik, Dodds, and Watts (2006) , आकृती 3 मध्ये रुपांतर झाले.

म्युझिकलॅब अनिवार्यपणे शून्य व्हेरिएबलच्या खर्चात चालत होता कारण ते डिझाइन केले होते. प्रथम, सर्वकाही पूर्णपणे स्वयंचलित होते जेणेकरून मी झोपी जात असताना धावू शकलो. सेकंद, नुकसानभरपाई मुक्त संगीत होते, म्हणून कोणताही चल सहभागी प्रतिपूर्तीचा खर्च नव्हता. भरपाई म्हणून संगीत वापर हे देखील स्पष्ट करते की कधीकधी स्थिर आणि चलन खर्चांदरम्यान व्यापार-बंद कसा असतो संगीताचा उपयोग केल्याने निश्चित किंमतीत वाढ झाली कारण मला बँड्सच्या परवानगीस सुरक्षीत ठेवण्यासाठी वेळ द्यावा लागणार आहे आणि त्यांच्या संगीतांविषयी सहभागींच्या प्रतिसादाबद्दल त्यांना अहवाल तयार करणे आवश्यक आहे. पण या प्रकरणात, चल खर्च कमी करण्यासाठी निश्चित खर्च वाढविणे योग्य गोष्ट होती; तेच प्रयोग प्रायोगिक प्रयोगांच्या प्रयोगापेक्षा 100 पटीने मोठे असणारे एक प्रयोग चालविण्यासाठी आम्हाला शक्य झाले.

शिवाय, म्युझिकलॅब प्रयोगांवरून असे दिसून येते की शून्य व्हेरिएबलचा खर्च स्वतःच समाप्त होणे आवश्यक नाही; त्याऐवजी, ते एक नवीन प्रकारचे प्रयोग चालवण्याचे साधन असू शकते. लक्षात घ्या की आम्ही आमच्या सर्व सहभागींना एक मानक सामाजिक प्रभाव प्रयोग प्रयोग 100 वेळा चालविण्यासाठी वापरलेला नाही. त्याऐवजी, आम्ही काहीतरी वेगळं केले, जे आपण मानसिक संशोधनातून एक समाजशास्त्रीय एकाला (Hedström 2006) स्विच (Hedström 2006) विचार करू शकता. व्यक्तिगत निर्णयावर लक्ष केंद्रित करण्याऐवजी, आम्ही लोकप्रियतेवर आमचा प्रयोग केंद्रित केला, एक सामूहिक परिणाम. सामूहीक परिणामासाठी हे स्विच म्हणजे एका डेटा बिंदूची निर्मिती करण्यासाठी आम्ही 700 जणांना आवश्यक होती (प्रत्येक समांतर जगात 700 जण होते). हे प्रमाण केवळ प्रयोगाच्या खर्चाच्या संरचनेमुळेच शक्य होते. सर्वसाधारणपणे, जर संशोधक व्यक्तिगत अभ्यासांमधून सामूहिक परिणाम कसा निर्माण करतात हे जाणून घ्यायचे असेल तर, संगीत लेबल सारख्या गट प्रयोग फार रोमांचक आहेत. भूतकाळात, ते तार्किकदृष्ट्या अवघड असत, परंतु शून्य परिवर्तनीय खर्चाच्या डेटाची शक्यता यामुळे त्या अडचणी दूर होत आहेत.

शून्य वेरियेबल खर्चाच्या माहितीचे फायदे दर्शविण्याव्यतिरिक्त, म्युझिकलॅब प्रयोग या दृष्टिकोणासह आव्हान देखील दर्शवितात: उच्च निश्चित खर्च माझ्या बाबतीत, मी प्रयोग तयार करण्यासाठी सुमारे सहा महिने पीटर हॉउस नावाचा एक प्रतिभावान वेब डेव्हलपर सह कार्य करण्यास सक्षम करण्यासाठी अत्यंत भाग्यवान होते. हे फक्त शक्य होते कारण माझ्या सल्लागार डंकन वॅट्स यांना या प्रकारचे संशोधन करण्यास मदत करण्यासाठी अनेक अनुदान मिळाले होते. 2004 मध्ये आम्ही MusicLab तयार केल्यापासून तंत्रज्ञान सुधारले आहे म्हणून आता हा प्रयोग करणे अधिक सोपे होईल. परंतु, उच्च निश्चित खर्चाच्या योजनांमध्ये केवळ संभाव्य संशोधनासाठीच शक्य आहे जे काही तरी खर्च करू शकतात.

शेवटी, डिजिटल प्रयोगांपेक्षा अॅनालॉग प्रयोगांपेक्षा नाटकीयरित्या भिन्न खर्च संरचना असू शकतात. आपण खरोखर मोठे प्रयोग चालवू इच्छित असल्यास, आपण शक्य तितकी आपल्या व्हेरिएबलची किंमत कमी करण्याचा प्रयत्न करावा आणि सर्व शून्यासाठी आदर्श. आपण असे करू शकता की आपल्या प्रयोगाची रचना (उदा., संगणक वेळेसह मानवी वेळ बदलणे) आणि लोक ज्यामध्ये प्रवेश करू इच्छितात ते डिझाइन्स स्वयंचलित करते. संशोधक जे या वैशिष्ट्यांसह प्रयोग तयार करू शकतात ते नवीन प्रकारचे प्रयोग चालविण्यास सक्षम असतील भूतकाळात शक्य नाही तथापि, शून्य परिवर्तनीय खर्च प्रयोग तयार करण्याच्या क्षमतेमुळे नवीन नैतिक प्रश्न निर्माण होऊ शकतात, मी ज्या विषयावर आता बोलतो ते विषय.