4.5.2 Rakan-orang kuat
Perkongsian boleh mengurangkan kos dan meningkatkan skala, tetapi ia boleh mengubah jenis peserta, rawatan, dan hasil yang boleh anda gunakan.
Alternatif untuk melakukan sendiri bekerjasama dengan sebuah organisasi yang kuat seperti syarikat, kerajaan, atau NGO. Kelebihan bekerja dengan rakan kongsi adalah bahawa mereka boleh membolehkan anda untuk menjalankan eksperimen yang anda tidak boleh lakukan sendiri. Sebagai contoh, salah satu daripada eksperimen yang saya akan memberitahu anda tentang bawah terlibat 61 juta peserta; tiada penyelidik individu boleh mencapai skala itu. Pada masa yang sama bahawa perkongsian meningkatkan apa yang anda boleh lakukan, ia juga, pada masa yang sama, mengekang anda. Sebagai contoh, kebanyakan syarikat tidak akan membenarkan anda untuk menjalankan satu eksperimen yang boleh merosakkan perniagaan mereka atau reputasi mereka. Bekerja dengan rakan-rakan juga bermakna bahawa apabila ia datang masa untuk menerbitkan, anda boleh berada di bawah tekanan untuk "semula bingkai" keputusan anda, dan sesetengah rakan kongsi walaupun mungkin cuba untuk menghalang penyiaran kerja anda jika ia membuatkan mereka kelihatan buruk. Akhir sekali, kerjasama juga datang dengan kos yang berkaitan dengan membangun dan mengekalkan kerjasama ini.
Cabaran utama yang perlu diselesaikan untuk membuat perkongsian ini berjaya adalah mencari satu cara untuk mengimbangi kepentingan kedua-dua pihak, dan cara yang berguna untuk berfikir tentang timbangan yang Pasteur Quadrant (Stokes 1997) . Ramai penyelidik berfikir bahawa jika mereka bekerja pada sesuatu yang praktikal-sesuatu yang mungkin menarik minat rakan-maka mereka tidak dapat melakukan sains sebenar. pemikiran ini akan membuat ia sangat sukar untuk mewujudkan perkongsian yang berjaya, dan ia juga berlaku untuk menjadi benar-benar salah. Masalah dengan ini adalah cara pemikiran yang hebat yang ditunjukkan oleh penyelidikan jalan pecah ahli biologi Louis Pasteur. Ketika berfungsi pada projek penapaian komersial untuk menukar bit jus menjadi alkohol, Pasteur menemui kelas baru mikroorganisma yang akhirnya membawa kepada teori kuman penyakit. Penemuan ini diselesaikan masalah-ia sangat praktikal membantu meningkatkan proses penapaian dan ia membawa kepada kemajuan saintifik utama. Oleh itu, daripada berfikir tentang penyelidikan dengan aplikasi praktikal sebagai bercanggah dengan kajian saintifik yang benar, ia adalah lebih baik untuk memikirkan ini sebagai dua dimensi yang berasingan. Penyelidikan boleh didorong oleh penggunaan (atau tidak) dan penyelidikan boleh mendapatkan pemahaman asas (atau tidak). Kritikal, beberapa Pasteur's-boleh penyelidikan seperti didorong oleh penggunaan dan mencari pemahaman asas (Rajah 4.16). Penyelidikan dalam Quadrant penyelidikan Pasteur yang sememangnya pendahuluan dua gol ini sesuai untuk kerjasama antara penyelidik dan rakan kongsi. Memandangkan latar belakang itu, saya akan terangkan dua kajian eksperimen dengan perkongsian: satu dengan syarikat dan satu dengan NGO.
Rajah 4.16: Quadrant Pasteur (berdasarkan Rajah 3.5 daripada Stokes (1997) ). Daripada memikirkan penyelidikan sebagai sama ada "basic" atau "digunakan" ia adalah lebih baik untuk berfikir penyelidikan sebagai didorong oleh penggunaan (atau tidak) dan mencari pemahaman asas (atau tidak). Contoh penyelidikan yang kedua-dua adalah didorong oleh penggunaan dan bertujuan pemahaman asas adalah kerja Pasteur kepada menukar bit jus menjadi alkohol yang membawa kepada teori kuman penyakit. Ini adalah jenis kerja yang paling sesuai untuk perkongsian dengan kuat. Contoh-contoh kerja didorong oleh penggunaan tetapi itu tidak mendapatkan pemahaman asas datang dari Thomas Edison, dan contoh-contoh kerja yang tidak didorong oleh penggunaan tetapi yang bertujuan pengertianmu datang dari Niels Bohr. Lihat Stokes (1997) untuk perbincangan yang lebih menyeluruh rangka kerja ini dan setiap daripada kes-kes ini.
Syarikat-syarikat besar, terutamanya syarikat-syarikat teknologi, telah membangunkan infrastruktur amat canggih untuk menjalankan eksperimen yang kompleks. Dalam industri teknologi, percubaan ini sering dipanggil ujian A / B (kerana mereka menguji keberkesanan dua rawatan: A dan B). Eksperimen ini sering menjalankan untuk perkara seperti meningkatkan kadar klik-melalui iklan, tetapi infrastruktur eksperimen yang sama juga boleh digunakan untuk penyelidikan yang meningkatkan pemahaman saintifik. Satu contoh yang menggambarkan potensi ini jenis penyelidikan adalah kajian yang dijalankan oleh perkongsian antara penyelidik di Facebook dan University of California, San Diego, mengenai kesan mesej yang berbeza pada peratusan keluar mengundi (Bond et al. 2012) .
Pada 2 November, 2010-hari pilihan raya-semua kongres AS 61 juta pengguna Facebook yang hidup di Amerika Syarikat dan lebih daripada 18 mengambil bahagian dalam eksperimen mengenai mengundi. Setelah melawat Facebook, pengguna telah secara rawak ke dalam salah satu daripada tiga kumpulan, yang menentukan apa banner (jika ada) diletakkan di bahagian atas Berita mereka Feed (Rajah 4.17):
- kumpulan kawalan.
- mesej maklumat tentang mengundi dengan diklik yang "Saya Mengundi" butang dan kaunter (maklumat).
- mesej maklumat tentang mengundi dengan yang boleh diklik "Saya Mengundi" butang dan kaunter + nama dan gambar rakan-rakan mereka yang telah pun klik "I Undian" (info + sosial).
Bond dan rakan-rakan belajar dua hasil utama: melaporkan tingkah laku mengundi dan tingkah laku pengundian sebenar. Pertama, mereka mendapati bahawa orang dalam maklumat + sosial kumpulan kira-kira 2 peratus lebih mungkin daripada orang dalam kumpulan maklumat untuk klik "Saya mengundi" (kira-kira 20% vs 18%). Selanjutnya, selepas penyelidik digabungkan data mereka dengan rekod pengundian umum selama kira-kira 6 juta orang yang mereka mendapati bahawa orang dalam maklumat + kumpulan sosial adalah 0.39 mata peratusan lebih cenderung untuk mengundi daripada orang berada dalam keadaan kawalan dan bahawa orang-orang dalam kumpulan maklumat yang hanya sebagai mungkin untuk mengundi sebagai orang berada dalam keadaan kawalan (Rajah 4.17).
Rajah 4.17: Keputusan daripada eksperimen get-out-the-undi di Facebook (Bond et al. 2012) . Peserta dalam kumpulan maklumat yang mengundi pada kadar yang sama seperti orang dalam keadaan kawalan, tetapi orang dalam maklumat + kumpulan sosial mengundi pada kadar yang lebih tinggi sedikit. Bar mewakili dianggarkan 95% selang keyakinan. Keputusan dalam graf termasuk kira-kira 6 juta peserta bagi siapa penyelidik boleh sepadan dengan rekod mengundi.
Eksperimen ini menunjukkan bahawa beberapa talian mesej get-out-the-undi adalah lebih berkesan daripada yang lain, dan ia menunjukkan bahawa anggaran penyelidik terhadap keberkesanan rawatan yang boleh bergantung kepada sama ada mereka belajar dilaporkan atau tingkah laku yang sebenar. Eksperimen ini malangnya tidak menawarkan apa-apa petunjuk mengenai mekanisme di mana maklumat-mana sosial beberapa penyelidik telah main-main dipanggil "muka longgokan" mengundi -Peningkatan. Ia mungkin bahawa maklumat sosial meningkat kebarangkalian bahawa seseorang perasan banner atau bahawa ia meningkat kebarangkalian bahawa seseorang yang perasan banner sebenarnya mengundi atau kedua-duanya. Oleh itu, eksperimen ini menyediakan penemuan menarik yang penyelidik lanjut mungkin akan meneroka (lihat contohnya, Bakshy, Eckles, et al. (2012) ).
Selain memajukan matlamat penyelidik, eksperimen ini turut mara matlamat organisasi rakan kongsi (Facebook). Jika anda mengubah tingkah laku yang dikaji daripada mengundi untuk membeli sabun, maka anda boleh melihat bahawa kajian ini mempunyai struktur yang sama seperti satu eksperimen untuk mengukur kesan iklan dalam talian (lihat contohnya, Lewis and Rao (2015) ). Kajian-kajian keberkesanan iklan kerap mengukur kesan pendedahan kepada iklan-dalam talian rawatan di Bond et al. (2012) pada dasarnya iklan untuk mengundi ke tingkah laku di luar talian. Oleh itu, kajian ini boleh mara keupayaan Facebook untuk mengkaji keberkesanan iklan dalam talian dan boleh membantu Facebook meyakinkan pengiklan yang berpotensi bahawa iklan Facebook berkesan.
Walaupun kepentingan penyelidik dan rakan-rakan kebanyakannya sejajar dalam kajian ini, mereka juga sebahagiannya dalam ketegangan. Khususnya, peruntukan peserta kepada tiga syarat-kawalan, maklumat dan info + sosial telah dengan hebat tidak seimbang: 98% daripada sampel telah ditugaskan ke maklumat + sosial. Ini peruntukan tidak seimbang tidak cekap statistik, dan peruntukan yang lebih baik untuk para penyelidik akan menjadi 1/3 daripada peserta dalam setiap kumpulan. Tetapi, peruntukan yang tidak seimbang berlaku kerana Facebook mahu semua orang untuk menerima maklumat + rawatan sosial. Mujurlah, penyelidik meyakinkan mereka untuk menahan 1% untuk rawatan yang berkaitan dan 1% daripada peserta untuk kumpulan kawalan. Tanpa kumpulan kawalan ia akan menjadi dasarnya mustahil untuk mengukur kesan maklumat + rawatan sosial kerana ia akan menjadi "mengusik dan memerhati" eksperimen bukannya percubaan terkawal rawak. Contoh ini menyediakan pengajaran praktikal berharga untuk bekerja dengan rakan kongsi: kadang-kadang anda membuat percubaan dengan meyakinkan seseorang untuk menyampaikan rawatan dan kadang-kadang anda membuat percubaan dengan meyakinkan seseorang untuk tidak memberikan rawatan (iaitu, untuk membuat kumpulan kawalan).
Perkongsian tidak selalu perlu melibatkan syarikat-syarikat teknologi dan ujian A / B dengan berjuta-juta peserta. Sebagai contoh, Alexander Coppock, Andrew Guess, dan John Ternovski (2016) bekerjasama dengan sebuah NGO alam sekitar (League of Conservation Pengundi-pengundi) untuk menjalankan ujian eksperimen strategi yang berbeza untuk mempromosikan mobilisasi sosial. Penyelidik menggunakan akaun Twitter NGO untuk menghantar kedua-dua tweet awam dan mesej langsung swasta yang cuba jenis Perdana berbeza identiti. Para penyelidik kemudian diukur yang mesej ini adalah yang paling berkesan untuk menggalakkan orang ramai untuk menandatangani petisyen itu dan maklumat tweet mengenai petisyen.
| Topic | Citation |
|---|---|
| Kesan Facebook News Feed mengenai perkongsian maklumat | Bakshy, Rosenn, et al. (2012) |
| Kesan tidak mahu namanya disiarkan separa ke atas tingkah laku di laman web temu janji dalam talian | Bapna et al. (2016) |
| Kesan Home Energy Laporan kepada penggunaan elektrik | Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013) |
| Kesan reka bentuk aplikasi pada penyebaran virus | Aral and Walker (2011) |
| Kesan menyebarkan mekanisme pada penyebaran | Taylor, Bakshy, and Aral (2013) |
| Kesan maklumat sosial dalam iklan | Bakshy, Eckles, et al. (2012) |
| Kesan kekerapan katalog jualan melalui katalog dan dalam talian untuk pelbagai jenis pelanggan | Simester et al. (2009) |
| Kesan maklumat populariti pada permohonan pekerjaan yang berpotensi | Gee (2015) |
| Kesan penilaian awal ke atas populariti | Muchnik, Aral, and Taylor (2013) |
| Kesan kandungan mesej pada mobilisasi politik | Coppock, Guess, and Ternovski (2016) |
Secara keseluruhan, bekerjasama dengan yang kuat membolehkan untuk anda beroperasi pada skala yang sukar untuk dilakukan jika tidak, dan Jadual 4.3 memberikan contoh-contoh lain perkongsian antara penyelidik dan organisasi. Perkongsian boleh menjadi lebih mudah daripada membina eksperimen anda sendiri. Tetapi, kelebihan ini datang dengan kelemahan: perkongsian boleh mengehadkan jenis peserta, rawatan, dan hasil yang anda boleh belajar. Di samping itu, perkongsian ini boleh membawa kepada cabaran etika. Cara terbaik untuk mengesan peluang untuk perkongsian adalah untuk melihat masalah sebenar yang anda boleh menyelesaikan semasa anda melakukan sains yang menarik. Jika anda tidak biasa dengan cara ini untuk melihat dunia, ia boleh menjadi sukar untuk mengesan masalah dalam Pasteur Quadrant, tetapi dengan amalan, anda akan mula perasan mereka lebih dan lebih.
