4.5.1.2 Membina percubaan anda sendiri

Membina percubaan anda sendiri mungkin mahal, tetapi ia akan membolehkan anda untuk membuat eksperimen yang anda mahu.

Selain melapisi eksperimen di atas persekitaran yang sedia ada, anda juga boleh membina eksperimen anda sendiri. Kelebihan utama pendekatan ini adalah kawalan; jika anda sedang membina eksperimen, anda boleh membuat alam sekitar dan rawatan yang anda mahu. Ini persekitaran eksperimen yg pesan lebih dahulu boleh mewujudkan peluang untuk menguji teori-teori yang mustahil untuk menguji dalam persekitaran semula jadi. Kelemahan utama bangunan eksperimen anda sendiri adalah bahawa ia boleh menjadi mahal dan persekitaran yang anda mampu untuk mewujudkan mungkin tidak mempunyai realisme sistem yang berlaku secara semula jadi. Penyelidik membina eksperimen mereka sendiri juga mesti mempunyai strategi untuk merekrut peserta. Apabila bekerja dalam sistem yang sedia ada, penyelidik dasarnya membawa eksperimen kepada peserta mereka. Tetapi, apabila penyelidik membina eksperimen mereka sendiri, mereka perlu membawa peserta kepadanya. Mujurlah, perkhidmatan seperti Amazon Mekanikal Turk (MTurk) boleh memberikan penyelidik cara yang mudah untuk membawa peserta untuk eksperimen mereka.

Satu contoh yang menggambarkan kemuliaan persekitaran yg pesan lebih dahulu untuk menguji teori abstrak makmal eksperimen digital oleh Gregory Huber, Seth Hill, dan Gabriel Lenz (2012) . Eksperimen meneroka had mungkin praktikal untuk fungsi tadbir urus demokratik. kajian bukan eksperimen awal pilihan raya sebenar menunjukkan bahawa pengundi tidak dapat menilai dengan tepat prestasi ahli-ahli politik yang sedia ada. Khususnya, pengundi kelihatan mengalami tiga berat sebelah: 1) tertumpu kepada baru-baru ini daripada prestasi kumulatif; 2) manipulatable dengan retorik, bingkai dan pemasaran; dan 3) dipengaruhi oleh peristiwa yang tidak berkaitan dengan prestasi penyandang, seperti kejayaan pasukan sukan tempatan dan cuaca. Dalam kajian sebelum ini, bagaimanapun, ia adalah sukar untuk mengasingkan mana-mana faktor-faktor ini daripada semua barangan lain yang berlaku dalam sebenar, pilihan raya tidak kemas. Oleh itu, Huber dan rakan-rakan mewujudkan persekitaran mengundi yang sangat dipermudahkan untuk mengasingkan, dan kemudian uji kaji belajar, ketiga-tiga berat sebelah mungkin.

Seperti yang saya menerangkan eksperimen set-up di bawah ia akan terdengar sangat tiruan, tetapi ingat bahawa realisme bukanlah matlamat dalam eksperimen gaya makmal. Sebaliknya, matlamatnya adalah untuk mengasingkan dengan jelas proses yang anda cuba untuk belajar, dan pengasingan yang ketat ini kadang-kadang tidak mungkin dalam kajian dengan lebih realisme (Falk and Heckman 2009) . Di samping itu, dalam kes ini, penyelidik berpendapat bahawa jika pengundi tidak boleh menilai prestasi berkesan dalam suasana yang sangat mudah ini, maka mereka tidak akan dapat melakukannya dalam suasana yang lebih realistik, lebih kompleks.

Huber dan rakan-rakan menggunakan Amazon Mekanikal Turk (MTurk) untuk merekrut peserta. Sebaik sahaja peserta disediakan persetujuan dan lulus ujian yang singkat, dia diberitahu bahawa dia telah mengambil bahagian dalam permainan musim 32 untuk mendapatkan token yang boleh ditukar kepada wang sebenar. Pada awal permainan, setiap peserta diberitahu bahawa dia telah diberikan satu "allocator" yang akan memberi token percuma beliau setiap pusingan dan beberapa allocators lebih mulia daripada yang lain. Di samping itu, setiap peserta juga diberitahu bahawa dia akan mempunyai peluang untuk sama ada menyimpan allocator beliau atau diberikan yang baru selepas 16 pusingan permainan. Memandangkan apa yang anda tahu tentang Huber dan matlamat penyelidikan rakan-rakan ', anda boleh melihat bahawa allocator yang mewakili kerajaan dan pilihan ini merupakan satu pilihan raya, tetapi peserta tidak menyedari matlamat umum kajian. Secara keseluruhan, Huber dan rakan-rakan mengambil kira-kira 4,000 peserta yang telah membayar kira-kira $ 1.25 untuk satu tugas yang mengambil kira-kira 8 minit.

Ingat bahawa salah satu penemuan daripada penyelidikan awal adalah pengundi ganjaran dan menghukum penjawat kini untuk hasil yang jelas di luar kawalan mereka, seperti kejayaan pasukan sukan tempatan dan cuaca. Untuk menilai sama ada keputusan peserta mengundi boleh dipengaruhi oleh peristiwa semata-mata rawak dalam suasana mereka, Huber dan rakan-rakan berkata loteri kepada sistem eksperimen mereka. Sama ada pada pusingan ke-8 atau pusingan ke-16 (iaitu, betul sebelum anda peluang untuk menggantikan allocator itu) peserta secara rawak ke dalam loteri di mana beberapa memenangi 5000 mata, beberapa memenangi 0 mata, dan sesetengah hilang 5000 mata. loteri ini bertujuan untuk meniru berita baik atau buruk yang bebas daripada prestasi ahli politik. Walaupun peserta telah jelas memberitahu bahawa loteri adalah tidak berkaitan dengan pelaksanaan allocator mereka, hasil daripada loteri masih kesan keputusan peserta. Peserta yang mendapat manfaat daripada loteri lebih cenderung untuk menjaga allocator mereka, dan kesan ini adalah lebih kuat apabila loteri berlaku pada musim 16-betul sebelum penggantian keputusan daripada apabila ia berlaku pada musim 8 (Rajah 4.14). Keputusan ini, bersama-sama dengan keputusan beberapa eksperimen lain dalam karya, yang diketuai Huber dan rakan-rakan untuk membuat kesimpulan bahawa walaupun dalam suasana yang mudah, pengundi mempunyai kesukaran membuat keputusan yang bijak, keputusan yang memberi kesan kepada kajian akan datang mengenai membuat keputusan pengundi (Healy and Malhotra 2013) . Eksperimen Huber dan rakan-rakan menunjukkan bahawa MTurk boleh digunakan untuk mendapatkan ahli baru untuk eksperimen gaya makmal dengan tepat menguji teori yang sangat khusus. Ia juga menunjukkan nilai membina persekitaran eksperimen anda sendiri: ia adalah sukar untuk membayangkan bagaimana proses-proses yang sama boleh telah diasingkan supaya bersih dalam mana-mana tetapan lain.

Rajah 4.14: Keputusan dari Huber, Hill, and Lenz (2012) . Peserta yang mendapat manfaat daripada loteri lebih cenderung untuk mengekalkan allocator mereka, dan kesan ini adalah lebih kuat apabila loteri berlaku pada musim 16-betul sebelum penggantian keputusan daripada apabila ia berlaku pada musim 8.

Selain membina eksperimen makmal-suka, penyelidik juga boleh membina eksperimen yang lebih bidang seperti. Sebagai contoh, Centola (2010) dibina medan eksperimen digital untuk mengkaji kesan struktur rangkaian sosial pada penyebaran tingkah laku. soalan kajian beliau memerlukan beliau untuk memerhatikan tingkah laku yang sama merebak dalam populasi yang mempunyai struktur rangkaian sosial yang berbeza tetapi juga yang tidak dapat dibezakan. Satu-satunya cara untuk melakukan ini adalah dengan yg pesan lebih dahulu, eksperimen yang dibina. Dalam kes ini, Centola membina sebuah komuniti kesihatan berasaskan web.

Centola diambil kira-kira 1,500 peserta dengan iklan di laman web kesihatan. Apabila peserta tiba di komuniti yang dalam talian dipanggil Gaya Hidup Sihat Network-mereka dengan syarat dimaklumkan persetujuan dan kemudian telah diberikan "teman kesihatan." Kerana cara Centola menyerahkan ini teman kesihatan dia mampu untuk bersatu struktur rangkaian sosial bersama-sama berbeza dalam berlainan kumpulan. Beberapa kumpulan telah dibina untuk mempunyai rangkaian rawak (di mana semua orang adalah sama mungkin disambungkan) dan kumpulan-kumpulan lain telah dibina untuk mempunyai rangkaian berkelompok (di mana sambungan adalah lebih tempatan padat). Kemudian, Centola memperkenalkan tingkah laku baru ke dalam setiap rangkaian, peluang untuk mendaftar untuk laman web baru dengan maklumat kesihatan tambahan. Setiap kali ada yang mendaftar untuk laman web baru ini, semua teman kesihatannya menerima e-mel mengumumkan tingkah laku ini. Centola mendapati bahawa ini tingkah laku-menandatangani-up untuk baru laman web-merebak lagi dan lebih cepat dalam rangkaian berkelompok daripada rangkaian rawak, suatu keputusan yang bertentangan dengan teori-teori yang sedia ada.

Secara keseluruhan, membina eksperimen anda sendiri memberikan anda lebih kawalan; ia membolehkan anda untuk membina persekitaran yang terbaik untuk mengasingkan apa yang anda mahu untuk belajar. Adalah sukar untuk membayangkan bagaimana sama ada eksperimen ini mungkin boleh dilakukan dalam persekitaran yang telah sedia ada. Selanjutnya, membina sistem anda sendiri berkurangan etika sekitar bereksperimen dalam sistem yang sedia ada. Apabila anda membina eksperimen anda sendiri, walau bagaimanapun, anda menghadapi banyak masalah yang dihadapi dalam eksperimen makmal: merekrut peserta dan kebimbangan mengenai realisme. A Kelemahan terakhir ialah membina eksperimen anda sendiri boleh menjadi mahal dan memakan masa, walaupun seperti contoh-contoh ini menunjukkan, eksperimen boleh berkisar dari persekitaran yang agak mudah (seperti kajian mengundi oleh Huber, Hill, and Lenz (2012) ) untuk agak persekitaran yang kompleks (seperti kajian rangkaian dan penularan oleh Centola (2010) ).