4.5.1.2 आपल्या स्वत: च्या प्रयोग बिल्ड

आपल्या स्वत: च्या प्रयोग इमारत महाग असू शकते, पण तो आपण इच्छुक प्रयोग तयार करण्यासाठी सक्षम करेल.

विद्यमान वातावरणात वर प्रयोग आच्छादनात व्यतिरिक्त, आपण देखील आपल्या स्वत प्रयोग तयार करू शकता. हा दृष्टिकोन मुख्य फायदा नियंत्रण आहे; कदाचित इमारत आहेत तर, आपण इच्छुक त्या वातावरणात आणि उपचार तयार करू शकता. या पूर्व-आरक्षित प्रायोगिक वातावरणात नैसर्गिकपणे येणार्या वातावरणात चाचणी अशक्य आहेत त्या सिद्धांत चाचणी संधी निर्माण करू शकता. आपल्या स्वत: च्या प्रयोग इमारत मुख्य शुद्धीत आणि तो महाग असू शकते की, आपण तयार एक नैसर्गिकपणे येणार्या प्रणाली वास्तववाद नसतील सक्षम आहेत त्या वातावरणात आहे. त्यांच्या स्वत: च्या प्रयोग इमारत संशोधक सहभागी भरती करण्यासाठी एक धोरण असणे आवश्यक आहे. विद्यमान प्रणाली मध्ये काम करताना, संशोधक मूलत: त्यांच्या सहभागी करण्यासाठी प्रयोग आणत आहोत. पण, संशोधक त्यांच्या स्वत: च्या प्रयोग तयार करता तेव्हा, ते सहभागी आणणे आवश्यक आहे. सुदैवाने, अशा ऍमेझॉन यांत्रिकी तुर्क (Mturk) म्हणून सेवा संशोधक त्यांच्या प्रयोग सहभागी आणण्यासाठी एक सोयिस्कर मार्ग प्रदान करू शकता.

गोषवारा सिद्धांत चाचणी करण्यासाठी ऑर्डर प्रमाणे माल तयार करुन देणारा वातावरणात गुण स्पष्ट हे एक उदाहरण डिजिटल लॅब प्रयोग ग्रेगरी ह्यूबर, सेठ हिल, आणि गब्रीएल Lenz आहे (2012) . प्रयोग लोकशाही शासन कार्यरत संभाव्य व्यावहारिक मर्यादा explores. प्रत्यक्ष निवडणुकीच्या आधी नॉन-प्रायोगिक अभ्यास मतदार अचूकपणे पदाधिकारी राजकारणी कामगिरी मुल्यांकन करू शकत नाहीत, असे सूचित. विशेषतः, मतदार तीन चुका ग्रस्त दिसतात: 1) एकूण कामगिरी पेक्षा अलीकडील लक्ष केंद्रित ऐवजी; 2) वक्तृत्व, चौकटीत बसविणे, आणि मार्केटिंग manipulatable; आणि 3) स्थानिक क्रीडा संघ आणि हवामान यश पदाधिकारी कामगिरी संबंधित घटना, प्रभाव. या पूर्वी अभ्यास, तथापि, हे वास्तव आहे, गबाळ निवडणुकीत घडते की इतर सर्व सामग्री या घटक कोणत्याही अलग ठेवणे कठीण होते. म्हणून, ह्युबर आणि सहकारी अलग ठेवणे करण्यासाठी एक अत्यंत सोपी मतदान वातावरण निर्माण केले, आणि नंतर प्रायोगिक अभ्यास, या तीन शक्य चुका प्रत्येक.

मी खाली प्रायोगिक सेट-अप खूप कृत्रिम आवाज, पण वास्तववाद लॅब-शैली प्रयोग एक ध्येय नाही हे लक्षात ठेवा की जात आहे म्हणून वर्णन. उलट, ध्येय स्पष्टपणे आपण अभ्यास करण्याचा प्रयत्न करीत आहेत प्रक्रिया वेगळा ठेवणे आहे, आणि हे घट्ट अलग अधिक वास्तवता अभ्यास शक्य नाही कधी कधी आहे (Falk and Heckman 2009) . पुढे, या विशिष्ट प्रकरणात, संशोधक मतदार प्रभावीपणे ही अत्यंत सोपी सेटिंग मध्ये कामगिरी मूल्यमापन करू शकत नाही, तर त्यांनी ते अधिक वास्तववादी अधिक क्लिष्ट सेटिंग मध्ये ते शक्य होणार नाही, असा युक्तिवाद केला.

ह्युबर आणि सहकारी सहभागी भरती ऍमेझॉन यांत्रिकी तुर्क (Mturk) वापरले. एक सहभागी माहितीपूर्ण संमती प्रदान आणि एक लहान चाचणी पूर्ण झाली एकदा, तिला वास्तविक पैसे मध्ये रूपांतरीत केले जाऊ शकते, असे टोकन मिळविण्याचे एक 32 गोल खेळ सहभागी होते, असे सांगितले होते. खेळ सुरूवातीस, प्रत्येक सहभागी तिने मुक्त टोकन प्रत्येक फेरीत देणे आणि काही allocators इतरांपेक्षा अधिक उदार होते, असे एक "अलॉकेटर" लागू करण्यात आली होती, असे सांगितले होते. शिवाय, प्रत्येक सहभागी तिच्या अलॉकेटर ठेवा किंवा केल्यानंतर खेळ 16 फेऱ्या एक नवीन नियुक्त केला जाऊ एकतर एक संधी आहे तिला सांगण्यात आले होते. अलॉकेटर सरकारी प्रतिनिधित्व आणि या निवड निवडणूक प्रतिनिधित्व, पण सहभागी संशोधन सामान्य गोल कल्पना नाही तुम्हाला ह्युबर आणि सहकारी 'संशोधन गोल बद्दल माहित काय दिले, आपण पाहू शकता. एकूण मध्ये, ह्युबर आणि सहकारी जवळजवळ 4,000 सहभागी घेतला की 8 मिनिटे कार्य अदा होते बद्दल $ 1.25 भरती.

पूर्वीच्या संशोधन पासून निष्कर्ष एक मतदार बक्षीस होते आठवण्याचा आणि अशा स्थानिक क्रिडा संघ आणि हवामान यश त्यांच्या आवाक्याबाहेरील स्पष्टपणे आहेत की परिणाम, कारण incumbents त्यांना शिक्षा करील. सहभागी मतदान निर्णय त्यांच्या सेटिंग मध्ये निव्वळ यादृच्छिक घटना प्रभाव जाऊ शकते किंवा नाही हे मूल्यांकन करणे, ह्युबर आणि सहकारी त्यांच्या प्रायोगिक प्रणाली एक लॉटरी आहे. 8 गोल किंवा 16 व्या फेरीत एकतर येथे (म्हणजेच, योग्य अलॉकेटर पुनर्स्थित संधी आधी) सहभागी सहजगत्या काही 5000 गुण जिंकले, एक लॉटरी मध्ये आणण्यात आले, काही 0 गुण जिंकली, आणि काही 5000 गुण गमवावे लागले. या लॉटरी राजकारणी कामगिरी स्वतंत्र आहे की चांगला आहे किंवा वाईट बातमी नक्कल हेतू होता. सहभागी स्पष्टपणे लॉटरी त्यांच्या अलॉकेटर कामगिरी संबंधित होते, असे सांगितले आली, तरी लॉटरी परिणाम अजूनही सहभागी 'निर्णय परिणाम. लॉटरी फायदा सहभागी त्यांच्या अलॉकेटर ठेवणे अधिक शक्यता होते, आणि लॉटरी बदलण्याची शक्यता आधी फेरीत 16 उजव्या घडले तेव्हा हा परिणाम मजबूत होते निर्णय पेक्षा गोल 8 (आकृती 4.14) मध्ये घडले तेव्हा. हे परिणाम, कागद अनेक इतर प्रयोगांचे निकाल सोबत ह्युबर आणि सहकारी अगदी सोपी सेटिंग मध्ये, मतदार अडचण सुज्ञ निर्णय आहे की, मतदार निर्णय बद्दल भविष्यात संशोधन परिणाम की यामुळे निष्कर्ष काढला नेतृत्व (Healy and Malhotra 2013) . ह्युबर आणि सहकारी प्रयोग लॅब-शैली प्रयोग तंतोतंत अतिशय विशिष्ट सिद्धांत चाचणी करण्यासाठी Mturk सहभागी भरती करण्यासाठी वापरले जाऊ शकते असे दर्शवितो. तो आपल्या स्वत: च्या प्रायोगिक पर्यावरण इमारत मूल्य दाखवते: या समान प्रक्रिया कोणत्याही इतर सेटिंग म्हणून स्वच्छतेने वेगळ्या केले नाही कसे कल्पना करणे कठीण आहे.

आकृती 4.14 कडून परिणाम: Huber, Hill, and Lenz (2012) . लॉटरी फायदा सहभागी त्यांच्या अलॉकेटर कायम होण्याची अधिक शक्यता होते, आणि लॉटरी बदलण्याची शक्यता आधी फेरीत 16 उजव्या घडले तेव्हा हा परिणाम मजबूत होते निर्णय पेक्षा फेरीत 8 घडले तेव्हा.

लॅब सारखी प्रयोग इमारत व्यतिरिक्त, संशोधक देखील अधिक शेत-आहोत, हे प्रयोग तयार करू शकता. उदाहरणार्थ, Centola (2010) वर्तन प्रसारावर सामाजिक नेटवर्क संरचना परिणाम अभ्यास करण्यासाठी एक डिजिटल क्षेत्रात प्रयोग बांधले. त्याच्या संशोधन प्रश्न विविध सामाजिक नेटवर्क संरचना होती पण अन्यथा वेगळा करता न येण्यासारखा होते संख्या प्रसार समान वर्तन देखणे त्याला आवश्यक. हे करण्याचा एकमेव मार्ग आहे एक पूर्व-आरक्षित, सानुकूल अंगभूत प्रयोग होता. या प्रकरणात, Centola एक वेब-आधारित आरोग्य समुदाय बांधले.

Centola आरोग्य वेबसाइटवर जाहिरात 1500 सहभागी भरती. सहभागी ऑनलाइन समुदाय-जे निरोगी जीवनशैली म्हटले होते पोहोंचलो, तेव्हा नेटवर्क-ते संमती माहिती आणि नंतर नेमून देण्यात आले होते "आरोग्य दोस्त." कारण Centola नियुक्त वेगवेगळ्या एकत्र विविध सामाजिक नेटवर्क संरचना विणणे सक्षम होते या आरोग्य दोस्त मार्ग प्रदान गट. काही गट यादृच्छिक नेटवर्क असणे बांधले व इतर गट क्लस्टर नेटवर्क (कनेक्शन अधिक स्थानिक पातळीवर दाट आहेत जेथे) असणे तयार करण्यात आले होते (सर्वांना कनेक्ट करणे तितकेच शक्यता होती जेथे). मग, Centola अतिरिक्त आरोग्य माहिती एक नवीन वेबसाइट नोंदणी करण्याची संधी प्रत्येक नेटवर्क मध्ये एक नवीन वर्तन ओळख. जर कोणी या नवीन वेबसाइट साठी साइन अप तेव्हा, तिला आरोग्य दोस्त सर्व हे वर्तन घोषणा एक ईमेल प्राप्त झाले. Centola आढळले की या वर्तन-साइन-अप नवीन वेबसाइट-पसरली यादृच्छिक नेटवर्क, काही विद्यमान सिद्धांत विरुद्धचा होता की एक ओळखणे पेक्षा क्लस्टर्ड नेटवर्क मध्ये अधिक आणि जलद.

एकूणच, आपल्या स्वत: च्या प्रयोग इमारत आपण किती अधिक नियंत्रण देते; आपण अभ्यास करू इच्छित काय अलग ठेवणे शक्य तितका सर्वोत्कृष्ट वातावरण तयार करण्यास सक्षम करते. या प्रयोग एकतर आधीच अस्तित्वात असलेल्या वातावरणात सादर केले आहेत शकते कसे कल्पना करणे कठीण आहे. शिवाय, आपल्या स्वत: च्या प्रणाली निर्माण विद्यमान प्रणाली मध्ये प्रयोग सुमारे नैतिक चिंता कमी होत जाते. भरती सहभागी आणि वास्तववाद बद्दल चिंता: आपण आपल्या स्वत: च्या प्रयोग तयार करताना, तथापि, आपण लॅब प्रयोग येणाऱ्या समस्या अनेक येवू. अंतिम downside आपल्या स्वत: च्या प्रयोग इमारत, मौल्यवान व वेळखाऊ असू शकते जरी उदाहरणे शो म्हणून, प्रयोग तुलनेने सोपे वातावरणात (जसे की मतदान अध्ययन पासून असु शकतात आहे Huber, Hill, and Lenz (2012) ) वर तुलनेने क्लिष्ट वातावरणात (अशा नेटवर्क आणि संसर्ग अध्ययन Centola (2010) ).