4.6.1 Buat sifar data kos berubah

Kunci untuk menjalankan eksperimen besar adalah memandu kos berubah kepada sifar. Cara terbaik untuk melakukan ini adalah automasi dan mereka bentuk eksperimen menyeronokkan.

eksperimen digital boleh mempunyai struktur kos secara dramatik yang berbeza dan ini membolehkan penyelidik untuk menjalankan eksperimen yang adalah mustahil pada masa lalu. Lebih khusus lagi, eksperimen umumnya mempunyai dua jenis utama kos:. Kos tetap dan kos berubah Kos tetap ialah kos yang tidak berubah bergantung kepada berapa ramai peserta yang anda mempunyai. Sebagai contoh, dalam satu eksperimen makmal, kos tetap mungkin kos menyewa ruang dan membeli perabot. Kos berubah, di sisi lain, perubahan bergantung kepada berapa ramai peserta yang anda ada. Sebagai contoh, dalam satu eksperimen makmal, kos berubah mungkin datang daripada membayar kakitangan dan peserta. Secara umum, eksperimen analog mempunyai kos tetap yang rendah dan kos berubah yang tinggi, dan eksperimen digital mempunyai kos tetap yang tinggi dan kos berubah rendah (Rajah 4.18). Dengan reka bentuk yang sesuai, anda boleh memandu kos pembolehubah eksperimen anda semua jalan kepada sifar, dan ini boleh mewujudkan peluang-peluang penyelidikan yang menarik.

Rajah 4.18: Skema struktur kos dalam analog dan eksperimen digital. Secara umum, eksperimen analog mempunyai kos tetap yang rendah dan kos berubah tinggi manakala eksperimen digital mempunyai kos tetap yang tinggi dan kos berubah yang rendah. Struktur kos yang berbeza bermakna bahawa eksperimen digital boleh dijalankan pada skala yang tidak mungkin dengan eksperimen analog.

Terdapat dua elemen utama pembolehubah kos pembayaran kepada kakitangan dan bayaran kepada peserta-dan masing-masing boleh dipandu dengan sifar menggunakan strategi yang berbeza. Pembayaran kepada kakitangan stem daripada kerja yang pembantu penyelidik yang merekrut peserta, menyampaikan rawatan, dan mengukur hasil. Sebagai contoh, eksperimen bidang analog Schultz dan rakan-rakan (2007) pada norma-norma sosial dan penggunaan elektrik pembantu memerlukan penyelidikan untuk pergi ke setiap rumah untuk menyampaikan rawatan dan membaca meter elektrik (Rajah 4.3). Kesemua usaha ini dengan pembantu penyelidik bermakna menambah rumah baru dalam kajian itu mereka menambahkan kos. Sebaliknya, untuk medan eksperimen digital Restivo dan van de Rijt (2012) mengenai ganjaran dalam Wikipedia, penyelidik boleh menambah lebih ramai peserta di hampir tanpa sebarang kos. Strategi umum untuk mengurangkan kos pentadbiran pembolehubah adalah untuk menggantikan kerja manusia (yang mahal) dengan kerja komputer (yang murah). Secara kasarnya, anda boleh bertanya kepada diri sendiri: boleh eksperimen ini dijalankan manakala semua orang dalam pasukan penyelidikan saya sedang tidur? Jika jawapannya ya, anda telah melakukan pekerjaan yang besar automasi.

Jenis utama kedua kos berubah adalah pembayaran kepada peserta. Beberapa orang penyelidik telah menggunakan Amazon Mekanikal Turk dan pasaran buruh dalam talian untuk mengurangkan bayaran yang diperlukan untuk peserta. Untuk memandu kos berubah sepanjang jalan ke sifar, bagaimanapun, pendekatan yang berbeza diperlukan. Untuk masa yang panjang, para penyelidik telah direka eksperimen yang begitu membosankan mereka perlu membayar orang untuk mengambil bahagian. Tetapi, bagaimana jika anda boleh membuat percubaan yang orang mahu berada di dalam? Bunyinya mungkin jauh diambil, tetapi saya akan memberi anda contoh di bawah dari kerja saya sendiri, dan terdapat lebih banyak contoh dalam Jadual 4.4. Perhatikan bahawa pendekatan ini untuk mereka bentuk eksperimen menyeronokkan gema beberapa tema dalam Bab 3 mengenai mereka bentuk kajian lebih menyeronokkan dan dalam Bab 5 mengenai reka bentuk kerjasama besar-besaran. Oleh itu, saya berfikir bahawa peserta kenikmatan-apa juga boleh dipanggil pengguna pengalaman akan menjadi bahagian yang semakin penting dalam reka bentuk penyelidikan dalam era digital.

Jika anda ingin membuat sifar kos berubah percubaan yang anda akan mahu untuk memastikan bahawa segala-galanya adalah automatik sepenuhnya dan bahawa peserta tidak memerlukan apa-apa bayaran. Dalam usaha untuk menunjukkan bagaimana ini boleh dilakukan, saya akan menerangkan penyelidikan disertasi saya kepada kejayaan dan kegagalan produk budaya. Contoh ini juga menunjukkan bahawa sifar data kos berubah bukan sahaja tentang melakukan perkara-perkara yang lebih murah. Sebaliknya, ia adalah kira-kira membolehkan eksperimen yang tidak akan mungkin sebaliknya.

disertasi saya telah didorong oleh sifat membingungkan kejayaan bagi produk budaya. lagu Hit, terbaik menjual buku-buku dan filem blockbuster adalah lebih, jauh lebih berjaya daripada purata. Oleh kerana itu, pasaran untuk produk-produk ini sering dipanggil "pemenang-mengambil-semua" pasaran. Namun, pada masa yang sama, yang lagu tertentu, buku, atau filem akan menjadi berjaya adalah amat tidak menentu. Penulis skrip William Goldman (1989) dengan elegan disimpulkan banyak penyelidikan akademik dengan mengatakan bahawa, apabila ia datang untuk meramalkan kejayaan, "tiada siapa yang tahu apa-apa." The ketidaktentuan pemenang-mengambil-semua pasaran membuatkan saya tertanya-tanya berapa banyak kejayaan adalah hasil yang kualiti dan berapa banyak yang hanya nasib. Atau, dinyatakan sedikit berbeza, jika kita boleh mewujudkan dunia selari dan mempunyai mereka semua berkembang secara bebas, akan lagu-lagu yang sama menjadi popular dalam dunia masing-masing? Dan, jika tidak, apa yang mungkin menjadi satu mekanisme yang menyebabkan perbezaan ini?

Untuk menjawab soalan-soalan ini, kita-Peter Dodds, Duncan Watts (penasihat disertasi saya), dan I-berlari satu siri uji kaji lapangan talian. Khususnya, kami membina laman web yang dipanggil MusicLab di mana orang ramai boleh menemui muzik baru, dan kami menggunakannya untuk satu siri eksperimen. Kami mengambil peserta dengan menjalankan iklan banner pada laman web remaja faedah (Rajah 4.19) dan melalui menyebut dalam media. Peserta yang tiba di laman web yang disediakan persetujuan kami, melengkapkan soal selidik latar belakang yang pendek, dan secara rawak kepada salah satu daripada pengaruh dua eksperimen keadaan bebas dan sosial. Dalam keadaan bebas, peserta membuat keputusan mengenai lagu-lagu untuk didengar, diberikan hanya nama-nama band dan lagu-lagu. Semasa mendengar lagu, para peserta telah diminta untuk menilainya selepas itu mereka mempunyai peluang (tetapi bukan kewajipan) untuk memuat turun lagu. Dalam keadaan pengaruh sosial, peserta mempunyai pengalaman yang sama, kecuali mereka juga boleh melihat berapa kali setiap lagu telah dimuat turun oleh peserta sebelumnya. Tambahan pula, para peserta dalam keadaan pengaruh sosial secara rawak kepada salah satu daripada lapan dunia selari setiap yang berkembang secara bebas (Rajah 4.20). Menggunakan reka bentuk ini, kita berlari dua eksperimen yang berkaitan. Dalam yang pertama, kami menyampaikan peserta lagu dalam grid tidak disusun, yang menyediakan mereka isyarat yang lemah populariti. Dalam percubaan kedua, kami menyampaikan lagu dalam senarai kedudukan yang menyediakan isyarat yang lebih kukuh populariti (Rajah 4.21).

Rajah 4.19: Contoh iklan banner yang rakan-rakan saya dan saya digunakan untuk mendapatkan ahli baru untuk eksperimen MusicLab (Salganik, Dodds, and Watts 2006) .

Rajah 4.20: reka bentuk eksperimen untuk eksperimen MusicLab (Salganik, Dodds, and Watts 2006) . Para peserta telah secara rawak ke dalam salah satu daripada dua syarat: pengaruh bebas dan sosial. Peserta dalam keadaan yang bebas membuat pilihan mereka tanpa apa-apa maklumat tentang apa yang orang lain lakukan. Peserta dalam keadaan pengaruh sosial telah secara rawak ke dalam salah satu daripada lapan dunia selari, di mana mereka dapat melihat populariti-seperti yang diukur oleh muat turun peserta-of sebelum setiap lagu dalam dunia mereka, tetapi mereka tidak dapat melihat apa-apa maklumat, tidak juga mereka walaupun tahu tentang kewujudan, mana-mana dunia lain.

Kami mendapati bahawa populariti lagu-lagu yang berbeza di seluruh dunia mencadangkan peranan penting nasib. Sebagai contoh, dalam satu dunia lagu "kuncian" oleh 52Metro datang 1, dan di dunia yang lain ia datang dalam ke-40 daripada 48 lagu. Ini betul-betul lagu yang sama bersaing dengan semua lagu-lagu yang sama, tetapi dalam satu dunia itu bernasib baik dan dalam orang lain ia tidak. Selanjutnya, dengan membandingkan keputusan di kedua-dua eksperimen kami mendapati bahawa pengaruh sosial membawa kepada kejayaan lebih yang tidak sama rata, yang mungkin mewujudkan penampilan yang boleh diramalkan. Tetapi, melihat seluruh alam (yang tidak boleh dilakukan di luar seperti ini dunia selari eksperimen), kami mendapati bahawa pengaruh sosial sebenarnya telah meningkat ketidakpastian. Selanjutnya, menghairankan, ia adalah lagu rayuan tertinggi yang mempunyai hasil yang paling tidak menentu (Rajah 4.22).

Rajah 4.21: Screenshot daripada keadaan pengaruh sosial dalam eksperimen MusicLab (Salganik, Dodds, and Watts 2006) . Dalam keadaan pengaruh sosial dalam eksperimen 1, lagu-lagu, bersama-sama dengan jumlah muat turun sebelumnya, telah dibentangkan kepada peserta disusun dalam 16 X 3 grid segi empat tepat, di mana posisi lagu secara rawak bagi setiap peserta. Dalam eksperimen 2, peserta dalam keadaan pengaruh sosial ditunjukkan lagu-lagu, dengan bilangan muat turun, yang dibentangkan dalam satu lajur mengikut populariti semasa menurun.

Rajah 4.22: Keputusan daripada eksperimen MusicLab menunjukkan hubungan di antara rayuan dan kejayaan (Salganik, Dodds, and Watts 2006) . Paksi-x adalah bahagian pasaran lagu dalam dunia bebas, yang berfungsi sebagai ukuran rayuan lagu, dan paksi-y adalah bahagian pasaran lagu yang sama di 8 dunia pengaruh sosial, yang menghidangkan sebagai ukuran kejayaan lagu-lagu. Kami mendapati bahawa peningkatan pengaruh sosial yang peserta mengalami-khusus, perubahan dalam susun atur dari eksperimen 1 untuk percubaan 2 (Rajah 4.21) -caused kejayaan untuk menjadi lebih tidak menentu, terutamanya untuk lagu tertinggi rayuan.

MusicLab dapat berjalan pada dasarnya sifar kos berubah kerana cara yang dimaksudkan. Pertama, semuanya automatik sepenuhnya supaya ia dapat berjalan semasa saya sedang tidur. Kedua, pampasan adalah percuma muzik jadi tidak ada kos pampasan peserta berubah-ubah. Penggunaan muzik sebagai pampasan juga menggambarkan bagaimana terdapat kadang-kadang keseimbangan antara kos tetap dan kos berubah. muzik menggunakan peningkatan kos yang ditetapkan kerana saya terpaksa menghabiskan masa mendapatkan kebenaran daripada band dan menyediakan laporan untuk band mengenai reaksi peserta untuk muzik mereka. Tetapi, dalam kes ini, meningkatkan kos tetap untuk mengurangkan kos pembolehubah adalah perkara yang betul untuk dilakukan; itulah yang membolehkan kami untuk menjalankan percubaan yang adalah kira-kira 100 kali lebih besar daripada satu eksperimen makmal standard.

Di samping itu, eksperimen MusicLab menunjukkan bahawa sifar kos berubah tidak perlu menjadi seorang akhir itu sendiri; sebaliknya, ia boleh menjadi satu cara untuk menjalankan jenis baru eksperimen. Perhatikan bahawa kita tidak menggunakan semua peserta kami untuk menjalankan standard pengaruh sosial makmal eksperimen 100 kali. Sebaliknya, kita melakukan sesuatu yang berbeza, yang anda boleh berfikir sebagai beralih dari satu eksperimen psikologi untuk eksperimen sosiologi (Hedström 2006) . Bukannya memberi tumpuan kepada individu membuat keputusan, kita memberi tumpuan eksperimen kita populariti, hasil yang kolektif. Suis ini kepada hasil kolektif bermakna bahawa kita memerlukan kira-kira 700 peserta untuk menghasilkan titik data tunggal (terdapat 700 orang dalam setiap satu daripada dunia selari). skala yang hanya boleh dilakukan kerana struktur kos eksperimen. Secara umum, jika penyelidik ingin mengkaji bagaimana hasil kolektif timbul daripada keputusan individu, eksperimen kumpulan seperti MusicLab adalah sangat menarik. Pada masa lalu, mereka telah logistik sukar, tetapi orang-orang kesukaran pudar kerana kemungkinan sifar data kos berubah.

Selain menggambarkan faedah sifar data kos berubah-ubah, eksperimen MusicLab juga menunjukkan cabaran dengan pendekatan ini: kos tetap yang tinggi. Dalam kes saya, saya amat bertuah kerana dapat bekerja dengan pemaju web berbakat bernama Peter Hausel selama kira-kira enam bulan untuk membina eksperimen. Ini hanya boleh dilakukan kerana penasihat saya, Duncan Watts, telah menerima beberapa geran untuk menyokong ini jenis penyelidikan. Teknologi telah bertambah baik sejak kami membina MusicLab pada tahun 2004, dan ia akan menjadi lebih mudah untuk membina satu eksperimen seperti ini sekarang. Tetapi, strategi kos tetap yang tinggi benar-benar hanya boleh dilakukan untuk penyelidik yang entah bagaimana boleh menampung kos-kos.

Kesimpulannya, eksperimen digital boleh mempunyai struktur kos langsung berbeza daripada eksperimen analog. Jika anda mahu menjalankan eksperimen benar-benar besar, anda harus cuba untuk mengurangkan kos pembolehubah anda sebanyak mungkin dan ideal sepanjang jalan ke 0. Anda boleh melakukan ini dengan mengautomasikan mekanik eksperimen anda (contohnya, menggantikan masa manusia dengan masa komputer) dan mereka bentuk eksperimen yang orang mahu berada di dalam. Penyelidik yang boleh mereka bentuk eksperimen dengan ciri-ciri ini akan dapat menjalankan jenis baru eksperimen yang tidak mungkin dalam masa lalu.