ज्यात खर्च कमी आणि प्रमाणात वाढ, पण तो सहभागी उपचार प्रकारच्या फेरफार करू शकता, आणि परिणाम आपण वापरू शकता की.
हे स्वत: ला करण्याचा पर्याय म्हणजे एक शक्तिशाली संस्था जसे की कंपनी, सरकार किंवा एनजीओ बरोबर भागीदारी आहे. जोडीदारासोबत काम करण्याचा फायदा हा आहे की ते प्रयोग करण्यास सक्षम करतात जे आपण स्वतः करू शकत नाही. उदाहरणार्थ, खालीलपैकी एक असे 61 टक्के सहभागी सहभागी असल्याचे मी तुम्हाला सांगणार असलेल्या प्रयोगांप्रमाणे- कोणीही वैयक्तिक संशोधक त्या प्रमाणात पोहोचू शकत नाही. त्याचबरोबर भागीदारी केल्याने आपण जे करू शकता ते वाढते, ते आपल्याला देखील मर्यादित करते उदाहरणार्थ, बहुतेक कंपन्या आपल्याला आपला व्यवसाय किंवा त्यांच्या प्रतिष्ठेला हानी पोहोचवू शकेल असे एक प्रयोग चालवू देणार नाहीत. भागीदारांसोबत काम केल्याचा अर्थ असा की जेव्हा हे प्रकाशित करण्यास वेळ येते, तेव्हा आपण आपल्या परिणामांच्या "पुनर्वित्त" च्या दबावाखाली येऊ शकता, आणि काही भागीदार कदाचित त्यांना वाईट दिसल्यास आपल्या कार्याचे प्रकाशन अवरोधित करण्याचा प्रयत्न करू शकतात. अखेरीस, भागीदारी या सहयोगांचा विकास व देखरेख ठेवण्याशी संबंधित खर्च देखील येतो.
या भागीदारी यशस्वी होण्यासाठी समाकलित करावयाचे मुख्य आव्हान दोन्ही पक्षांच्या हितसंबंधांचे संतुलन साधण्याचा मार्ग आहे आणि पाश्चरच्या क्वाड्रंट (Stokes 1997) संतुलनासंबंधातील विचार करण्याचा एक उपयुक्त मार्ग आहे. बऱ्याच संशोधकांना असे वाटते की जर ते काही व्यावहारिक गोष्टींवर काम करत असतील-काहीतरी भागीदार असलेल्यांना आवडत असेल-मग ते खर्या विज्ञानाचे कार्य करू शकत नाहीत. ही मानसिकता यशस्वी भागीदारी बनविणे खूप अवघड करेल, आणि ती पूर्णपणे चुकीची असू शकते. जीवशास्त्रज्ञ लुई पाश्चर यांच्या पथभ्रष्ट संशोधनाद्वारे या विचारांच्या समस्येवर विलक्षण चित्र रेखाटले आहे. मधमाश्यामध्ये बीट रस बदलण्यासाठी व्यावसायिक आंबायलाइट प्रकल्पावर काम करत असताना, पाश्चर यांनी सूक्ष्मजीवांचा एक नवीन वर्ग शोधून काढला जो परिणामी रोगाच्या सूक्ष्म सिध्दांकडे पोहचला. या शोधाने अतिशय व्यावहारिक समस्या सोडवली-तीमुळे आंबायला लागल्याची प्रक्रिया सुधारण्यात मदत झाली आणि यामुळे वैज्ञानिकांचे मोठे अग्रेसर झाले. म्हणून, खर्या वैज्ञानिक संशोधनाच्या विरोधात असलेले व्यावहारिक अनुप्रयोग शोधण्याऐवजी, दोन स्वतंत्र आयाम म्हणून विचार करणे चांगले आहे. संशोधनाचा उपयोग (किंवा नाही) द्वारे प्रेरित केला जाऊ शकतो, आणि संशोधन मूलभूत समज प्राप्त करु शकते (किंवा नाही). गंभीररित्या, काही संशोधन -सारखी पाश्चर-वापरुन आणि मूलभूत ज्ञानाच्या शोधात (चित्रा 4.17) प्रवृत्त केले जाऊ शकते. पाश्चरच्या क्वाड्रंट-रिसर्चमधील संशोधनामध्ये संशोधन हे दोन उद्दिष्टे-संशोधक आणि भागीदार यांच्यातील सहयोगासाठी आदर्श आहे. त्या पार्श्वभूमीवर दिलेली माहिती, मी भागीदारीसह दोन प्रयोगात्मक अभ्यासांचे वर्णन करू: एक कंपनीसह आणि एक स्वयंसेवी संस्थेशी.
मोठ्या कंपन्या, विशेषतः टेक कंपन्या, जटिल प्रयोग चालविण्यासाठी अत्याधुनिक अत्याधुनिक पायाभूत सुविधा विकसित केली आहेत. टेक उद्योगात, हे प्रयोग अनेकदा A / B चाचण्या म्हणून ओळखला जातो कारण ते दोन उपचारांच्या परिणामांची तुलना करतात: ए आणि बी. अशा प्रयोगांना जाहिरातींवर वाढत्या क्लिक-थ्रू दर यासारख्या गोष्टींसाठी वारंवार वापरता येतो, परंतु त्याच प्रायोगिक पायाभूत संरचना देखील करू शकतात. वैज्ञानिकदृष्टीने संशोधन करणार्या संशोधनासाठी वापरला जाऊ शकतो. अशा प्रकारच्या संशोधनाची क्षमता दाखवणारे एक उदाहरण फेसबुक आणि कॅलिफोर्निया विद्यापीठ, सॅन दिएगो येथील संशोधकांदरम्यान झालेल्या मतभेदांवरील विविध संदेशांच्या प्रभावांवर (Bond et al. 2012) अभ्यासात केलेल्या अभ्यासाचे आहे.
2 नोव्हेंबर 2010 रोजी अमेरिकेच्या महासभेसंबंधी निवडणुका-युनीटमध्ये रहाणार्या सर्व 61 दशलक्ष फेसबुक युजर्स आणि 18 वर्षे आणि त्यापेक्षा जास्त वयोगटातील मतदानासाठी प्रयोगात भाग घेतला. फेसबुक ला भेट दिल्यानंतर, वापरकर्त्यांना यादृच्छिकपणे तीन गटांपैकी एक म्हणून नेमले गेले, जे त्यांच्या बॅनर (असल्यास) त्यांच्या न्यूज फीड (आकृती 4.18) च्या शीर्षावर ठेवण्यात आले.
बाँड आणि सहकर्मींनी दोन मुख्य निष्कर्षांचा अभ्यास केला: मतदान वर्तनाचे आणि वास्तविक मतदान वर्तनाचे अहवाल. प्रथम, त्यांना आढळले की माहिती + सामाजिक गटातील लोक "मला मत दिले" (सुमारे 20% विरुद्ध 18%) क्लिक करण्यासाठी माहिती गटातील लोकांपेक्षा दोन टक्क्यांपेक्षा जास्त गुण मिळवितात. पुढे, संशोधकांनी सुमारे 60 लाख लोकांच्या सार्वजनिकरित्या उपलब्ध मतदान नोंदीसह आपला डेटा विलीन झाल्यानंतर त्यांना असे आढळले की माहिती + सामाजिक गटातील लोक 0.3 9 टक्के गुण जास्त प्रमाणात नियंत्रण गटातील लोकांपेक्षा मतदान करतात आणि माहिती गटांतील लोक कंट्रोल ग्रुप्समध्ये (ज्याच्या आकृती 4.18) मतदान करणार असल्याची शक्यता
या प्रयोगाचे निष्कर्ष दर्शवतात की काही ऑनलाईन प्राप्त-आउट-द-मत संदेश इतरांपेक्षा अधिक प्रभावी आहेत आणि परिणामकारणाचा एक संशोधक अंदाज हे मतानुसार मतदान किंवा वास्तविक मतदानाबद्दल नोंद आहे किंवा नाही यावर अवलंबून असू शकते. दुर्दैवाने या तंत्राने दुर्दैवाने तंत्रज्ञानाबद्दलचे काही संकेत दिले जात नाहीत ज्याद्वारे सामाजिक माहिती-काही संशोधकांनी "चेहर्याचा ढीग" -विस्तारपूर्ण मतदानासाठी बोलावले आहे. हे कदाचित सामाजिक माहितीमुळे संभाव्यता वाढली की एखाद्याने बॅनर पाहिला असेल किंवा संभाव्यता वाढली असेल तर कोणीतरी ज्याने बॅनर प्रत्यक्षात मतदान केले किंवा दोन्हीकडे पाहिले असेल अशाप्रकारे, हे प्रयोग इतर संशोधकांना शोधून Bakshy, Eckles, et al. (2012) एक मनोरंजक शोध प्रदान करेल (पहा, उदा. Bakshy, Eckles, et al. (2012) ).
संशोधकांच्या ध्येयांना पुढे आणण्याव्यतिरिक्त, या प्रयोगाने भागीदार संघटनेचे लक्ष्य देखील वाढवले आहे (फेसबुक). आपण साबण खरेदी करण्यासाठी मतदानापासून अभ्यासाचे वर्तन बदलले तर आपण हे पाहू शकता की अभ्यासात ऑनलाइन जाहिरातींचा प्रभाव मोजण्यासाठी एक प्रयोग म्हणून एकसारखीच रचना आहे (उदा. RA Lewis and Rao (2015) ). ही जाहिरात परिणामकारकता अभ्यास ऑनलाइन जाहिरातींच्या प्रदर्शनासह प्रभाव दर्शविते- Bond et al. (2012) मधील उपचार Bond et al. (2012) मुळात ऑफलाइन वर्तनाबद्दल मत देण्यासाठी जाहिराती आहेत. त्यामुळे हे संशोधन ऑनलाइन जाहिरातींच्या प्रभावाचा अभ्यास करण्यासाठी फेसबुकच्या क्षमतेस प्रगती करू शकेल आणि फेसबुकला संभाव्य जाहिरातदारांना मदत करण्यास मदत होईल की Facebook जाहिराती वागणुकीतील बदलत्या परिणामकारक आहेत.
जरी संशोधक आणि भागीदारांचे हित हे या अभ्यासात अधिकरीत्या जुळले असले तरीही ते काही प्रमाणात तणावग्रस्त होते. विशेषत: तीन गटांना नियंत्रण, माहिती, आणि माहिती + सामाजिक-यांना सहभागी करण्याचे वितरण अतिशय असंतुलनित होते: 98% नमुना माहिती + सामाजिक नियुक्त केला गेला. हे असंतुलित वाटप सांख्यिकीय स्वरूपात अकार्यक्षम आहे आणि प्रत्येक गटात सहभागींपैकी एक तृतीयांश सहभागी असणे आवश्यक होते. पण असंतुलित वाटप झाले कारण फेसबुक सर्वाना माहिती + सामाजिक उपचार घेण्यास उत्सुक होते. सुदैवाने, संशोधकांनी त्यांना संबंधित उपचारांसाठी 1% आणि नियंत्रण समूहासाठी 1% सहभागी ठेवण्याची खात्री पटली. नियंत्रण गटांशिवाय, माहिती + सामाजिक उपचाराचा परिणाम मोजणे मुळात शक्य नव्हते कारण तो एक यादृच्छिक नियंत्रित प्रयोगाऐवजी "चिंता व निरीक्षण" प्रयोग होता. हे उदाहरण भागीदारांसोबत काम करण्यासाठी एक मौल्यवान व्यावहारिक धडा प्रदान करते: काहीवेळा आपण उपचार वितरीत करण्यासाठी कोणीतरी खात्री करून एक प्रयोग तयार करतो आणि काहीवेळा आपण एखादा उपचार (उदा., नियंत्रण गट तयार करण्यासाठी) न पोहोचविल्याबद्दल विश्वासाने प्रयोग तयार करतो.
भागीदारीमध्ये लाखो सहभागींसोबत टेक कंपन्या आणि ए / बी चा परीक्षणे असणे आवश्यक नाही. उदाहरणार्थ, अलेक्झांडर कपाकॉक, अॅन्ड्र्यू गॉइस आणि जॉन टर्नोवॉस्की (2016) यांनी पर्यावरणीय एनजीओ-संरक्षण संघटनेचे लीग-यांनी सहभाग घेतला- सामाजिक गतिशीलतेला चालना देण्यासाठी वेगवेगळ्या योजनांचा परीणाम केला. संशोधकांनी एनजीओच्या ट्विटर अकाऊंटचा वापर सार्वजनिक ट्वीट व खाजगी थेट संदेशांना पाठविण्यासाठी केला आहे जे वेगवेगळ्या प्रकारचे ओळख पटवून देण्याचा प्रयत्न करतात. त्यांनी नंतर मोजले की यापैकी कोणते संदेश एखाद्या याचिकेवर सही करण्यास आणि एखाद्या याचिकेवरची माहिती पुन्हा ट्विट करण्यासाठी प्रोत्साहित करण्यासाठी सर्वात प्रभावी होते.
विषय | संदर्भ |
---|---|
माहिती शेअरिंगवर फेसबुक न्यूज फीडचा प्रभाव | Bakshy, Rosenn, et al. (2012) |
ऑनलाइन डेटिंगचा वेबसाइटवरील वर्तनाबद्दल आंशिक अनामिकत्व परिणाम | Bapna et al. (2016) |
वीज वापरासाठी होम एनर्जी रिपोर्टचा प्रभाव | Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013) |
व्हायरल स्प्रेड वर अॅप डिझाइनचा प्रभाव | Aral and Walker (2011) |
प्रसारासाठी यंत्रणा फैलावण्याच्या प्रभावाचा | SJ Taylor, Bakshy, and Aral (2013) |
जाहिरातींमध्ये सामाजिक माहितीचा प्रभाव | Bakshy, Eckles, et al. (2012) |
कॅटलॉगद्वारे विक्रीसाठी आणि विविध प्रकारच्या ग्राहकांसाठी ऑनलाइन कॅटलॉग वारंवारतेचा प्रभाव | Simester et al. (2009) |
संभाव्य नोकरी अनुप्रयोगांवर लोकप्रियता माहितीचा प्रभाव | Gee (2015) |
लोकप्रियतेवर प्रारंभिक रेटिंगचा प्रभाव | Muchnik, Aral, and Taylor (2013) |
राजकीय हालचालींवर संदेश सामग्रीचा प्रभाव | Coppock, Guess, and Ternovski (2016) |
सर्वंकश, शक्तिशाली सह भागीदारी करणे आपल्याला शक्य तितक्या कठोर परिमाणाने कार्यरत करण्यास सक्षम करते आणि टेबल 4.3 संशोधक आणि संस्थांमधील भागीदारीचे इतर उदाहरण प्रदान करते. आपला स्वतःचा प्रयोग तयार करण्यापेक्षा भागीदारी करणे बरेच सोपे असू शकते. पण हे फायदे नुकसान सोबत आहेत: भागीदारी आपण सहभागी होऊ शकता त्या प्रकारचे सहभागी, उपचार आणि परिणाम मर्यादित करू शकता. आणखी, या भागीदारीमुळे नैतिक आव्हाने निर्माण होऊ शकतात. सादरीकरणाची संधी शोधण्याचा उत्तम मार्ग म्हणजे आपण एक मनोरंजक विज्ञान करत असताना आपण सोडवू शकता अशी वास्तविक समस्या लक्षात घेणे. जर आपण या जगाकडे पाहण्याच्या या पद्धतीत नसाल तर पाश्चरच्या क्वाड्रंटमधील समस्या शोधणे कठिण होऊ शकते, पण सरावाने आपण त्यांना अधिकाधिक लक्षात ठेवायला सुरुवात कराल.