4.6.1 သုည variable ကိုကုန်ကျစရိတ်ဒေတာ Create
ကြီးမားတဲ့စမ်းသပ်ချက်အပြေးဖို့ key ကိုသုညရန်သင့် variable ကိုကုန်ကျစရိတ်ကိုမောင်းဖို့ဖြစ်ပါတယ်။ ဒီလိုလုပ်ဖို့အကောင်းဆုံးနည်းလမ်းတွေအလိုအလျောက်နဲ့ပျော်စရာစမ်းသပ်ချက်ဒီဇိုင်းဖြစ်ကြသည်။
ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်သိသိသာသာကွဲပြားခြားနားသောကုန်ကျစရိတ်အဆောက်အဦများရှိနိုင်ပါသည်, ဤအတိတ်တွင်မဖြစ်နိုင်ခဲ့စမ်းသပ်ချက်ကို run ဖို့သုတေသီများနိုင်ပါတယ်။ fixed ကုန်ကျစရိတ်နှင့် variable ကိုကုန်ကျစရိတ်: ဤခြားနားချက်ကိုစဉ်းစားရန်တလမ်းတည်းဖြင့်စမ်းသပ်ချက်ယေဘုယျအားဖြင့်ကုန်ကျစရိတ်နှစ်မျိုးရှိသည်သတိပြုပါရန်ဖြစ်ပါသည်။ Fixed ကုန်ကျစရိတ်မသက်ဆိုင်ပါဝင်သူများ၏အရေအတွက်မပြောင်းလဲကျန်ကြွင်းသောကုန်ကျစရိတ်များဖြစ်ကြသည်။ ဥပမာ, ဓာတ်ခွဲခန်းစမ်းသပ်မှုအတွက်, fixed ကုန်ကျစရိတ်အာကာသငှားရမ်းခြင်းနှင့်ပရိဘောဂဝယ်ယူများ၏ကုန်ကျစရိတ်ဖြစ်လိမ့်မယ်။ variable ကုန်ကျစရိတ်, အခြားတစ်ဖက်တွင်, သင်တန်းသားများ၏နံပါတ်ပေါ် မူတည်. ပြောင်းလဲနိုင်ပါတယ်။ ဥပမာ, ဓာတ်ခွဲခန်းစမ်းသပ်မှုအတွက် variable ကိုကုန်ကျစရိတ်န်ထမ်းများနှင့်သင်တန်းသားများကိုပေးဆောင်ခြင်းမှလာပေလိမ့်မည်။ ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်မြင့်မားသော fixed ကုန်ကျစရိတ်နှင့်အနိမ့် variable ကိုကုန်ကျစရိတ် (ပုံ 4.19) ရှိစဉ်အခါယေဘုယျအား Analog စစမ်းသပ်ချက်, အနိမ့် fixed ကုန်ကျစရိတ်နှင့်မြင့်မားသော variable ကိုကုန်ကျစရိတ်ရှိသည်။ ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်အနိမ့် variable ကိုကုန်ကျစရိတ်များသော်လည်းသင် variable ကိုကုန်ကျစရိတ်သုညမှလမ်းခရီးတရှောက်လုံးကိုမောင်းလာသောအခါ, သင်စိတ်လှုပ်ရှားစရာအခွင့်အလမ်းတွေအများကြီးဖန်တီးနိုင်ပါတယ်။
ပုံ 4,19: Analog စအတွက်ကုန်ကျစရိတ်အဆောက်အဦများ၏သိထားနှင့်ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်။ ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်မြင့်မားသော fixed ကုန်ကျစရိတ်နှင့်အနိမ့် variable ကိုကုန်ကျစရိတ်များသော်လည်းယေဘုယျအား Analog စစမ်းသပ်ချက်အနိမ့် fixed ကုန်ကျစရိတ်နှင့်မြင့်မားသော variable ကိုကုန်ကျစရိတ်ရှိသည်။ အဆိုပါကွဲပြားခြားနားသောကုန်ကျစရိတ်အဆောက်အဦများဒစ်ဂျစ်တယ်စမ်းသပ်ချက် Analog စစမ်းသပ်ချက်တွေနဲ့မဖြစ်နိုင်ပါသောစကေးမှာ run နိုင်မဆိုလို။
variable ကိုဝန်ထမ်းကုန်ကျစရိတ်-ငွေပေးချေမှုနှင့်သင်တန်းသားများကို-နှင့်ဤအသီးအသီးကွဲပြားခြားနားသောမဟာဗျူဟာများ အသုံးပြု. သုညမှမောင်းနှင်နိုင်ပါတယ်မှငွေပေးချေနှစ်ခုအဓိကဒြပ်စင်ရှိပါတယ်။ သုတေသနလက်ထောက်, သင်တန်းသားများကိုစုဆောင်းကုသပို့ဆောင်ခြင်း, ရလဒ်များကိုတိုင်းတာခြင်းဘူးသောအလုပ်ကနေပင်မယ့်ငွေပေးချေ။ ဥပမာအား Schultz နှင့်လုပ်ဖော်ကိုင်ဘက်များ, အ Analog စလယ်ပြင်စမ်းသပ်မှု (2007) ကုသမှုကယ်နှုတ်တော်မူခြင်းနှင့်လျှပ်စစ်မီတာ (ပုံ 4.3) ဖတ်ရှုဖို့တစ်ဦးချင်းစီအိမ်သို့သွားလာရန်သုတေသနလက်ထောက်လိုအပ်သောလျှပ်စစ်ဓာတ်အားအသုံးပြုမှုပေါ်မှာ။ သုတေသနလက်ထောက်များကဒီအားထုတ်မှုအားလုံးလေ့လာမှုအသစ်တစ်ခုအိမ်ထောင်စုထည့်သွင်းကုန်ကျစရိတ်ကိုထည့်သွင်းခဲ့ကြလိမ့်မယ်လို့ဆိုလိုသညျ။ အခြားတစ်ဖက်တွင်, Restivo နှင့်ဗန်က de Rijt ၏ဒစ်ဂျစ်တယ်လယ်ပြင်စမ်းသပ်မှုများအတွက် (2012) ဝီကီပီးဒီးယားအယ်ဒီတာများအပေါ်ဆု၏အကျိုးသက်ရောက်မှုအပေါ်သုတေသီများကနီးပါးမျှကုန်ကျမှာပိုပြီးသင်တန်းသားများကို add နိုင်ပါတယ်။ variable ကိုအုပ်ချုပ်ရေးဆိုင်ရာကုန်ကျစရိတ်လျှော့ချများအတွက်ယေဘုယျမဟာဗျူဟာ (စျေးပေါသောအရာ) ကွန်ပျူတာအလုပ်နှင့်အတူ (စျေးကြီးသောအရာ) လူ့အလုပ်ကိုအစားထိုးရန်ရန်ဖြစ်ပါသည်။ အကြမ်းအားဖြင့်, သင့်ကိုယ်သင်မေးနိုငျ: ငါ့သုတေသနအဖွဲ့အပေါ်လူတိုင်းကအိပျပျြောနေဒီစမ်းသပ်ချက်ကို run နိုင်ပါသလား? အဖြေဟုတ်သည်မှန်လျှင်, သင်အလိုအလျောက်များစွာသောအလုပ်အကိုင်အပြုမိပါဘူး။
variable ကိုကုန်ကျစရိတ်၏ဒုတိယအဓိကအမျိုးအစားသင်တန်းသားများကိုငွေပေးချေမှုဖြစ်ပါတယ်။ တချို့ကသုတေသီများသင်တန်းသားများအတွက်လိုအပ်သောသောငွေပေးချေမှုကိုလျော့ချဖို့အမေဇုံစက်မှု Turk နှင့်အခြားအွန်လိုင်းအလုပ်သမားစျေးကွက်ကိုအသုံးပြုကြသည်။ variable ကိုကုန်ကျစရိတ်သုညမှအပေါင်းတို့သည်လမ်းကိုမောင်းဖို့, သို့သော်, တစ်ဦးကွဲပြားခြားနားချဉ်းကပ်မှုလိုအပ်ပါသည်။ အချိန်ကြာမြင့်စွာအဘို့, သုတေသီများဒါကြောင့်သူတို့ပါဝင်နိုင်ဖို့လူပေးဆောင်ဖို့ရှိသည် boring ဖြစ်ကြောင်းဒီဇိုင်းစမ်းသပ်ချက်ရှိသည်။ သင်တို့မူကားလူဖြစ်ချင်သောစမ်းသပ်မှုတစ်ခုဘယ်သို့လျှင်ဖန်တီးနိုင်မည်နည်း ဤသည်အလှမ်းဝေးအသံစခွေငျးငှါ, ဒါပေမယ့်ကျွန်မရဲ့ကိုယ်ပိုင်အလုပ်အနေဖြင့်သင်ကအောက်တွင်ဖော်ပြထားသောဥပမာတစ်ခုပေးလိမ့်မယ်, နှင့်စားပွဲ 4.4 အတွက်နောက်ထပ်ဥပမာရှိပါတယ်။ ပျော်စရာစမ်းသပ်ချက်ဒီဇိုင်း၏ဤစိတ်ကူးအစုလိုက်အပြုံလိုက်ပူးပေါင်းများ၏ဒီဇိုင်းနှင့် ပတ်သက်. ဒီဇိုင်းကပိုပျော်စရာစစ်တမ်းများနှင့် ပတ်သက်. အခန်း 3 နှင့်အခန်း 5 အတွက် themes များအချို့ကိုပဲ့သတိပြုပါ။ ထို့ကြောင့်ငါပါဝင်သူခံစား-အဘယျသို့အစအသုံးပြုသူကိုခေါ်စေခြင်းငှါဒီဂျစ်တယ်ခေတ်အတွက်သုတေသနဒီဇိုင်းတစ်ခု ပို. ပို. အရေးကြီးသောအစိတ်အပိုင်းတစ်ခုဖြစ်အတွေ့အကြုံကို-လိမ့်မယ်ထင်ပါတယ်။
| လျော်ကြေးငွေ | ကိုးကား |
|---|---|
| ကျန်းမာရေးသတင်းအချက်အလက်နှင့်အတူကျဘျဆိုကျ | Centola (2010) |
| လေ့ကျင့်ခန်းအစီအစဉ်ကို | Centola (2011) |
| အခမဲ့ဂီတ | Salganik, Dodds, and Watts (2006) ; Salganik and Watts (2008) ; Salganik and Watts (2009b) |
| ပျော်စရာဂိမ်း | Kohli et al. (2012) |
| movie, အကြံပြုချက်များ | Harper and Konstan (2015) |
သငျသညျသုည variable ကိုကုန်ကျစရိတ်ဒေတာတွေနဲ့စမ်းသပ်ဖန်တီးချင်လျှင်, သင်အရာအားလုံးကိုအပြည့်အဝအလိုအလျောက်ဖြစ်ပြီးသင်တန်းသားများကိုမဆိုငွေပေးချေမလိုအပ်ပါဘူးကြောင်းကိုသေချာဖို့လိုအပ်ပါတယ်လိမ့်မယ်။ ဒီဖြစ်နိုင်ပုံကိုပြသနိုင်ဖို့အတွက်ငါယဉ်ကျေးမှုထုတ်ကုန်များ၏အောင်မြင်မှုနှင့်ကျရှုံးအပေါ်မှာငါ့စာတမ်းတစ်စောင်တင်သွင်းသုတေသနကိုဖော်ပြရန်ပါလိမ့်မယ်။
အကြှနျုပျ၏စာတမ်းတစ်စောင်တင်သွင်းယဉ်ကျေးမှုထုတ်ကုန်များအတွက်အောင်မြင်မှု၏စဉျးသဘာဝအားဖြင့်လှုံ့ဆော်ခဲ့သည်။ သီခငျြးမြား, ရောင်းအားအကောင်းဆုံးစာအုပ်တွေနဲ့ Blockbuster ရုပ်ရှင်များ, ပိုပြီးအောင်မြင်တဲ့ပျမ်းမျှထက်အများကြီးရှိပါတယ်နှိပ်ပါ။ ထိုကြောင့်ဤထုတ်ကုန်များအတွက်စျေးကွက်မကြာခဏ "ဆုရှင်-ယူ-အားလုံး" စျေးကွက်ဟုခေါ်ကြသည်။ သို့သျောလညျး, အထူးသဖြင့်သီချင်းစာအုပ်, ဒါမှမဟုတ်ရုပ်ရှင်အောင်မြင်သောဖြစ်လာလိမ့်မည်သည့်တစ်ချိန်တည်းမှာမယုံနိုင်လောက်အောင်ခန့်မှန်းရခက်သည်။ အဆိုပါဇာတ်ညွှန်းဝီလျံ Goldman (1989) လှပသော, ကအောင်မြင်မှုခန့်မှန်းရန်ကြွလာသောအခါ, ဟုသဖြင့်ပညာရေးဆိုင်ရာသုတေသနအများကြီးတက်ချုပ်ဖော်ပြ "ဘယ်သူမှဘာမှမသိတယ်။ " ခန့်မှန်းရခက်၏ဆုရှင်-ယူ-အားလုံးစျေးကွက်ငါ့ကိုရလဒ်ဖြစ်ပါတယ်ဘယ်လောက်အောင်မြင်မှုတွေးမိလုပ် အရည်အသွေးနှင့်အမည်မျှမယ့်ကံပါတယ်။ ကျနော်တို့အပြိုင်ကမ္ဘာဖန်တီးလျက်လူအပေါင်းတို့လွတ်လပ်စွာတဖြည်းဖြည်းတိုးတက်ပြောင်းလဲရှိသည်နိုင်လျှင်သို့မဟုတ်အနည်းငယ်ကွဲပြားခြားနားထုတ်ဖော်ပြောဆို, တူညီတဲ့သီချင်းတွေကိုတစ်ဦးချင်းစီသည်ကမ္ဘာပေါ်တွင်လူကြိုက်ဖြစ်လာပါ့မလား နှင့်အညီ, မပေးလျှင်အဘယ်သည်ဤကွဲပြားခြားနားမှုဖြစ်စေသည်တဲ့ယန္တရားဖြစ်စျနိုငျသလဲ
ဤမေးခွန်းများကိုဖြေဆိုနိုင်ရန်အတွက်ကျနော်တို့-ပတေရုသ Dodd, Duncan က Watts (ငါ၏အစာတမ်းတစ်စောင်တင်သွင်းအကြံပေး), နှင့်အွန်လိုင်းလယ်ပြင်စမ်းသပ်ချက်တစ်ခုစီးရီးငါ-သို့ပွေးလေ၏။ အထူးသဖြင့်ကျနော်တို့ကလူသစ်ကိုဂီတရှာဖွေတွေ့ရှိနိုင်ရှိရာ MusicLab ကိုခေါ် website တစ်ခုတည်ဆောက်ခဲ့ပြီး, စမ်းသပ်ချက်တစ်ခုစီးရီးထိုသို့အသုံးပြုခဲ့သည်။ ကျနော်တို့ (ပုံ 4.20) တစ်ဦးဆယ်ကျော်သက်-အကျိုးစီးပွားက်ဘ်ဆိုက်ပေါ်တွင်နဖူးစည်းစာတန်းကြော်ငြာတွေ run နေသဖြင့်သင်တန်းသားများကိုစုဆောင်းနှင့်မှတဆင့်မီဒီယာများတွင်ဖော်ပြထားတယ်။ အသိပေးသဘောတူညီခကျြပေးကြှနျုပျတို့၏ website မှာရောက်ရှိလာပါဝင်သူတစ်ဦးတိုတောင်းနောက်ခံမေးခွန်းလွှာပြီးစီးခဲ့နှင့်ကျပန်းနှစ်ခုစမ်းသပ်အခြေအနေများ-လွတ်လပ်သောနှင့်လူမှုရေးသြဇာလွှမ်းမိုးမှု၏တဦးတည်းမှတာဝန်ကျတယ်။ လွတ်လပ်သောအခြေအနေ, သင်တန်းသားများကိုသာအခညျြအနှောများ၏အမည်များနှင့်သီချင်းတွေကိုပေးနားထောင်ရန်ထားတဲ့သီချင်းတွေကိုအကြောင်းကိုဆုံးဖြတ်ချက်များဖန်ဆင်းတော်မူ၏။ သီချင်းတစ်ပုဒ်ကိုနားထောင်နေစဉ်, သင်တန်းသားများသီချင်းကိုဒေါင်းလုပ်လုပ်ရန်သူတို့ကအခွင့်အလမ်း (သို့သော်မတာဝန်) ရှိခဲ့ရာပြီးနောက်ကဘယ်လောက်ရှိသလဲဖို့တောင်းခံခဲ့ရသည်။ သူတို့မှာလည်းအသီးအသီးသီခငျြးကိုယခင်သင်တန်းသားများအားဖြင့်ဒေါင်းလုပ်လုပ်ခဲ့ပုံကိုအကြိမ်ပေါင်းများစွာကြည့်ရှုနိုင် မှလွဲ. လူမှုရေးသြဇာလွှမ်းမိုးမှုအခွအေနေမှာတော့သင်တန်းသားများ, တူညီတဲ့အတှေ့အကွုံခဲ့သညျ။ ထို့ပြင်လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေသင်တန်းသားများကိုကျပန်း (4.21 တွက်ဆ) လွတ်လပ်စွာပြောင်းလဲတစ်ဦးချင်းစီ၏ရှစ်အပြိုင်ကမ္ဘာ၏တဦးတည်းမှတာဝန်ကျတယ်။ ဒီဒီဇိုင်းကိုအသုံးပြုခြင်း, ငါတို့နှစ်ခုဆက်စပ်စမ်းသပ်ချက်သို့ပွေးလေ၏။ ပထမဦးဆုံးတှငျကြှနျုပျတို့လူကြိုက်များ၏အားနည်း signal ကိုသူတို့နှင့်အတူပေးအပ်ထားတဲ့တစ်ဦး unsorted ဇယားကွက်ထဲမှာပါဝင်သူမှသီချင်းတွေပေးအပ်သည်။ ဒုတိယစမ်းသပ်ချက်တှငျကြှနျုပျတို့လူကြိုက်များတစ်အများကြီးပိုမိုအားကောင်း signal ကို (ပုံ 4.22) ပေးအပ်သည့်အဆင့်စာရင်းအတွက်သီချင်းတွေပေးအပ်သည်။
ပုံ 4,20: ငါ့လုပ်ဖော်ကိုင်ဖက်နဲ့ငါ MusicLab စမ်းသပ်ချက်အဘို့အသင်တန်းသားများကိုစုဆောင်းဖို့အသုံးပြုခဲ့တဲ့နဖူးစည်းစာတမ်းကြော်ငြာတခုရဲ့ဥပမာ (Salganik, Dodds, and Watts 2006) ။ ကနေခွင့်ပြုချက်အားဖြင့်ပြန်ထုတ်လုပ်ခြင်း Salganik (2007) , 2,12 တွက်ဆ။
ပုံ 4,21: စမ်းသပ်သည့် MusicLab စမ်းသပ်ချက်အဘို့ဒီဇိုင်း (Salganik, Dodds, and Watts 2006) ။ လွတ်လပ်သောနှင့်လူမှုရေးသြဇာလွှမ်းမိုးမှု: သင်တန်းသားများကိုကျပန်းအခြေအနေနှစ်ခုထဲကတစ်ခုမှတာဝန်ကျတယ်။ လွတ်လပ်သောအခြေအနေသင်တန်းသားများကိုအခြားလူများပြုသမျှသောအရာကိုအကြောင်းကိုမဆိုသတင်းအချက်အလက်မပါဘဲသူတို့ရဲ့ရွေးချယ်မှုဖန်ဆင်းတော်မူ၏။ သူတို့ယခင်သင်တန်းသားများကို-၏အသီးအသီးသီခငျြးကသူတို့လောကမှာရှိတဲ့၏ downloads, ဖြင့်တိုင်းတာ, ဒါပေမဲ့သူတို့အကြောင်းကိုမဆိုသတင်းအချက်အလက်မမွငျနိုငျ, မပြုသကဲ့သို့လူကြိုက်များ-လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေသင်တန်းသားများကိုကျပန်းသူတို့ကြည့်ရှုနိုင်ရှိရာရှစ်အပြိုင်ကမ္ဘာ၏တဦးတည်းမှတာဝန်ပေးအပ်ခဲ့သည် ပင်အခြားကမ္ဘာ၏မည်သည့်၏တည်ရှိမှုနှင့်ပတ်သက်ပြီးသိကြ၏။ ကနေအဆင်ပြေအောင် Salganik, Dodds, and Watts (2006) , ပုံ S1 ။
ကျနော်တို့သီချင်းတွေကို၏လူကြိုက်များကံကောင်းပါစေအောင်မြင်မှုအတွက်အရေးပါသောအခန်းကဏ္ဍကစားကြောင်းအကြံပြုသည်ကမ္ဘာအနှံ့ကွဲပြားကြောင်းတွေ့ရှိခဲ့ပါတယ်။ အခြားကမ်ဘာပျေါတှငျက 40 လာ. စဉ်ဥပမာ, တစျကမ်ဘာပျေါတှငျ 52Metro အားဖြင့်သီချင်း "ပိတ်ဆို့ရှာဖွေမှုပြီးမှသာ", 48 သီချင်းများထဲက 1st လာ၏။ ဤသည်ကိုအတိအကျအားလုံးအတူတူပင်သည်အခြားသီချင်းတွေကိုဆန့်ကျင်ယှဉ်ပြိုင်တူသီချင်းခဲ့ပေမယ့်တဦးတည်းကမ္ဘာကြီးထဲမှာကံကောင်းတယ်နှင့်အခြားသူများကိုအတွက်မအမှုကိုပြု၏။ ထို့ပြင်နှစ်ခုစမ်းသပ်ချက်ကိုဖြတ်ပြီးရလဒ်များကိုနှိုင်းယှဉ်ခြင်းဖြင့်, ငါတို့ဖြစ်ကောင်းကျွမ်းကျင်မှု၏အရေးပါမှုကိုအကြံပြုထားတဲ့, လူမှုရေးသြဇာလွှမ်းမိုးမှုအနိုင်ရ-ယူ-သမျှသောဤစျေးကွက်၏သဘောသဘာဝတိုးပွါးကြောင်းတွေ့ရှိခဲ့ပါတယ်။ သို့သော်, (အပြိုင်ကမ္ဘာစမ်းသပ်မှုဒီလိုမျိုးပြင်ပပြုသောအမှုမရနိုငျသော) ကိုကမ္ဘာအနှံ့ရှာဖွေနေကျနော်တို့လူမှုရေးသြဇာလွှမ်းမိုးမှုအမှန်တကယ်ကံကောင်းခြင်း၏အရေးပါမှုကိုတိုးမြှင့်ကြောင်းတွေ့ရှိခဲ့ပါတယ်။ ထို့ပြင်အံ့သြစရာကောင်းလောက်အောင်ကြောင့်ကံ (ပုံ 4.23) အများဆုံးအရေးပါရှိရာအမြင့်ဆုံးအယူခံဝင်များ၏သီချင်းများဖြစ်ခဲ့သည်။
အဆိုပါ MusicLab စမ်းသပ်ချက်အတွက်လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေများကနေ Screenshots: 4,22 ပုံ (Salganik, Dodds, and Watts 2006) ။ စမ်းသပ်မှု 1 မှာလူမှုရေးသြဇာလွှမ်းမိုးမှုအခွအေနေမှာတော့သီချင်းတွေ, ယခင် downloads, ၏နံပါတ်နှင့်အတူ 16 အတွက်စီစဉ်ပေးသည့်သင်တန်းသားများကိုတင်ပြခဲ့ကြသည် \(\times\) သီချင်းတွေရဲ့ရာထူးကျပန်းတစ်ခုချင်းစီအတွက်တာဝန်ကျဘယ်မှာ 3 rectangular ဇယားကွက်, ပါဝင်သူ။ စမ်းသပ်မှု 2 ခုနှစ်, လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေသင်တန်းသားများကိုလက်ရှိရေပန်းစား၏အမိန့်ဆင်းတကော်လံအတွက်တင်ပြကို download အရေအတွက်, နှင့်တကွ, သီချင်းတွေကိုပြသခဲ့ကြသည်။
ပုံ 4,23: အယူခံဝင်ခြင်းနှင့်အောင်မြင်မှုအကြားဆက်ဆံရေးဖေါ်ပြခြင်းတို့သည် MusicLab စမ်းသပ်ချက်ကနေရလာဒ် (Salganik, Dodds, and Watts 2006) ။ အဆိုပါ \(x\) -axis သီချင်း၏အယူခံဝင်တစ်ဦးအတိုင်းအတာအဖြစ်တာဝန်ထမ်းဆောင်ရသောလွတ်လပ်သောကမ်ဘာပျေါတှငျသီခငျြး၏စျေးကွက်ဝေစုသည်နှင့် \(y\) -axis ၌တူညီသောသီချင်း၏စျေးကွက်ဝေစုဖြစ်ပါသည် သီချင်းတွေရဲ့အောင်မြင်မှုတစ်ခုတိုင်းတာမှုအဖြစ်တာဝန်ထမ်းဆောင်ရသောရှစ်လူမှုရေးသြဇာလွှမ်းမိုးမှုကမ္ဘာ။ ကျနော်တို့သင်တန်းသားများကိုကြုံတွေ့-အထူးလူမှုရေးသြဇာလွှမ်းမိုးမှုတိုးမြှင့်, စမ်းသပ်မှုမှ 2 စမ်းသပ်မှု 1 မှ layout ကိုအတွက်အပြောင်းအလဲ (ပုံ 4.22) အထူးသဖြင့်အမြင့်ဆုံးအယူခံဝင်နှင့်အတူသီခငျြးမြားအဘို့အပိုခန့်မှန်းရခက်ဖြစ်လာဖို့အောင်မြင်မှု -caused ကြောင်းကိုတွေ့ရှိခဲ့ပါတယ်။ ကနေအဆင်ပြေအောင် Salganik, Dodds, and Watts (2006) , ပုံ 3 ။
MusicLab ကြောင့်ဒီဇိုင်းရေးဆွဲခဲ့ကွောငျးလမျးမရှိမဖြစ်လိုအပ်တဲ့သုည variable ကိုကုန်ကျစရိတ်မှာ run ဖို့နိုင်ခဲ့သည်။ ငါအိပ်ပျော်စဉ်ကို run ပေးနိုင်ခဲ့တယ်ဒါကြောင့်ပထမဦးစွာအရာအားလုံးအပြည့်အဝ automated ခဲ့သည်။ ဒုတိယ, လျော်ကြေးအခမဲ့ဂီတခဲ့, ဒါကြောင့်အဘယ်သူမျှမ variable ကိုပါဝင်သူလျော်ကြေးငွေကုန်ကျစရိတ်ရှိ၏။ လျော်ကြေးအဖြစ်ဂီတများအသုံးပြုမှုကိုလည်း Trade-off သတ်မှတ်ထားတဲ့နှင့် variable ကိုကုန်ကျစရိတ်အကြားတခါတရံလည်းမရှိပုံကိုဖော်ပြထားသည်။ ငါခညျြအနှောထံမှခွင့်ပြုချက်လုံခြုံရေးနှင့်၎င်းတို့၏ဂီတမှသင်တန်းသားများကို '' တုံ့ပြန်မှုအကြောင်းကိုထိုသူတို့အဘို့အစီရင်ခံစာများပြင်ဆင်နေအချိန်ဖြုန်းခဲ့သောကြောင့်, ဂီတသုံးပြီး fixed ကုန်ကျစရိတ်တိုးတက်လာခဲ့သည်။ သို့သော်ဤအမှု၌, variable တွေကိုကုန်ကျစရိတ်လျော့ချနိုင်ရန်အတွက် fixed ကုန်ကျစရိတ်တိုးမြှင့်လုပ်ဖို့ညာဘက်အရာရှိ၏ တစ်ဦးစံဓာတ်ခွဲခန်းစမ်းသပ်မှုထက်အဆ 100 ပိုမိုကြီးမားခဲ့ကြောင်းစမ်းသပ်မှုတစ်ခု run ဖို့ကျွန်တော်တို့ကို enabled ယျ။
ထို့ပြင်အဆိုပါ MusicLab စမ်းသပ်ချက်သုည variable ကိုကုန်ကျစရိတ်သူ့ဟာသူအတွက်အဆုံးသတ်ဖြစ်မပြသ; မဟုတ်ဘဲ, ကစမ်းသပ်မှု၏အသစ်တစ်ခုကိုကြင်နာပြေးရန်နည်းလမ်းများရှိနိုင်ပါသည်။ ကျနော်တို့က 100 ကြိမ်စံလူမှုရေးသြဇာလွှမ်းမိုးမှုဓာတ်ခွဲခန်းစမ်းသပ်ချက်ကို run ဖို့ကျွန်တော်တို့ရဲ့သင်တန်းသားများအပေါငျးတို့သမသုံးခဲ့ပါကြောင်းသတိပြုပါ။ အစား, အကြှနျုပျတို့သညျမယ့်လူမှုဗေဒဆိုင်ရာတဦးတည်းမှတစ်ဦးစိတ်ပိုင်းဆိုင်ရာစမ်းသပ်မှုကနေပြောင်းအဖြစ်စဉ်းစားနိုင်သည့်ကွဲပြားခြားနားသောအရာတစ်ခုခုပြုလျက်, (Hedström 2006) ။ အဲဒီအစားတစ်ဦးချင်းဆုံးဖြတ်ချက်ချမှတ်ခြင်းအပေါ်အာရုံစူးစိုက်ခြင်းထက်, ငါတို့သည်လူကြိုက်များအပေါ်တစ်ဦးစုပေါင်းရလဒ်ကျွန်တော်တို့ရဲ့စမ်းသပ်မှုအာရုံစူးစိုက်။ တစ်စုပေါင်းရလဒ်မှဤသည် switch ကိုကျနော်တို့ (700 လူများအပြိုင်ကမ္ဘာအသီးအသီးရှိခဲ့ကြသည်) တစ်ခုတည်းဒေတာအချက်ထုတ်လုပ်ရန်နှင့်ပတ်သက်ပြီး 700 သင်တန်းသားများကိုလိုအပ်ကြောင်းဆိုလိုသညျ။ ဒါကစကေးကြောင့်စမ်းသပ်မှု၏ကုန်ကျစရိတ်ဖွဲ့စည်းပုံမှာသာဖြစ်နိုင်သောဖြစ်ခဲ့သည်။ သုတေသီများရလဒ်များတစ်ဦးချင်းဆုံးဖြတ်ချက်တွေကနေပျေါပေါကျပုံကိုစုပေါင်းလေ့လာချင်တယ်ဆိုရင်ယေဘုယျအားဖြင့်, ထိုကဲ့သို့သော MusicLab အဖြစ်အုပ်စုတစုစမ်းသပ်ချက်အလွန်စိတ်လှုပ်ရှားဖွယ်ရှိပါတယ်။ အတိတ်ကာလမှာတော့သူတို့ကပို့ဆောင်ထောက်ပံ့ရေးဆိုင်ရာကိစ္စရပ်များခက်ခဲပါပြီ, ဒါပေမဲ့အဲဒီအခက်အခဲကြောင့်အသုည variable ကိုကုန်ကျစရိတ်အချက်အလက်များ၏ဖြစ်နိုင်ခြေများနွမ်းနေကြသည်။
မြင့်မားသော fixed ကုန်ကျစရိတ်: သုည variable ကိုကုန်ကျစရိတ်အချက်အလက်များ၏အကျိုးကျေးဇူးများကိုသရုပ်ဖော်ဖို့ထို့အပြင် MusicLab စမ်းသပ်ချက်လည်းဒီချဉ်းကပ်မှုနှင့်အတူစိန်ခေါ်မှုပြသပါ။ ကြှနျတေျာ့အမှု၌ငါစမ်းသပ်မှုတည်ဆောက်ရန်အကြောင်းကိုခြောက်လပတေရုသ Hausel အမည်ရှိပါရမီက်ဘ်ဆိုက်ဆော့ဖ်ဝဲရေးသူနှင့်အတူအလုပ်လုပ်ရန်နိုင်စေဖို့အလွန်ကံကောင်းခဲ့ပါတယ်။ ငါ၏အအကြံပေး Duncan က Watts, သုတေသနဒီလိုမျိုးကိုထောကျပံ့ဖို့ထောက်ပံ့ငွေတစ်အရေအတွက်ကလက်ခံရရှိခဲ့ဘာဖြစ်လို့လဲဆိုတော့ဒါကသာဖြစ်နိုင်သောဖြစ်ခဲ့သည်။ နည်းပညာကျနော်တို့ 2004 ခုနှစ် MusicLab built ကတည်းကဒါကြောင့်ယခုဤကဲ့သို့သောစမ်းသပ်မှုတစ်ခုတည်ဆောက်ရန်အများကြီးပိုမိုလွယ်ကူပါလိမ့်မယ်တိုးတက်ခဲ့သည်။ သို့သော်မြင့်မား fixed ကုန်ကျစရိတ်မဟာဗျူဟာတစ်နည်းနည်းနဲ့သူတို့အားကုန်ကျစရိတ်ကိုဖုံးလွှမ်းနိုင်သူသုတေသီများအဘို့ကိုသာတကယ်ဖြစ်နိုင်သမျှဖြစ်ကြသည်။
နိဂုံးချုပ်မှာတော့ဒီဂျစ်တယ်စမ်းသပ်ချက် Analog စစမ်းသပ်ချက်ထက်သိသိသာသာကွဲပြားခြားနားသောကုန်ကျစရိတ်အဆောက်အဦများရှိနိုင်ပါသည်။ သင်အမှန်တကယ်ကြီးမားတဲ့စမ်းသပ်ချက်ကို run ချင်လျှင်, သင်သည်သင်၏ variable ကိုတတ်နိုင်သမျှကုန်ကျစရိတ်နှင့်ထွက်ရှိသောအားလုံးသုညဖို့လမ်းကိုလျော့ချဖို့ကြိုးစားသင့်ပါတယ်။ သငျသညျ (ဥပမာကွန်ပျူတာအချိန်နှင့်အတူလူ့အချိန်အစားထိုး) သင့်စမ်းသပ်မှုများ၏စက်ပြင်ကို automation နှင့်လူဖြစ်ချင်ကြောင်းစမ်းသပ်ချက်ဒီဇိုင်းအားဖြင့်ဤသို့ပြုနိုင်ပါတယ်။ ဤအင်္ဂါရပ်နှင့်အတူစမ်းသပ်ချက်ဒီဇိုင်းနိုင်သူသုတေသီများခဲ့စမ်းသပ်ချက်သစ်အမျိုးမျိုးကို run နိုင်ပါလိမ့်မည် အတိတ်ကာလမဖြစ်နိုင်ပါ။ သို့သော်သုည variable ကိုကုန်ကျစရိတ်စမ်းသပ်ချက်ဖန်တီးနိုင်စွမ်း, ငါသည်ယခုဖြေရှင်းကြလိမ့်မည်ဟုခေါင်းစဉ်အသစ်သောကျင့်ဝတ်ဆိုင်ရာမေးခွန်းများကိုမြှင့်နိုင်ပါ။
