4.6.1 သုည variable ကိုကုန်ကျစရိတ်ဒေတာ Create
ကြီးမားတဲ့စမ်းသပ်ချက်အပြေးဖို့အဓိကသော့ချက်သုညရန်သင့် variable ကိုကုန်ကျစရိတ်ကားမောင်းဖြစ်ပါတယ်။ ဒီလိုလုပ်ဖို့အကောင်းဆုံးနည်းလမ်းအလိုအလျောက်နဲ့ပျော်စရာစမ်းသပ်ချက်ဒီဇိုင်းဖြစ်ကြသည်။
ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်သိသိသာသာကွဲပြားခြားနားသောကုန်ကျစရိတ်အဆောက်အဦများရှိသည်နိုင်နှင့်ဤအတိတ်တွင်မဖြစ်နိုင်ခဲ့ကြကြောင်းစမ်းသပ်ချက်ကို run ဖို့သုတေသီများနိုင်ပါတယ်။ ပိုများသောအထူးသ, စမ်းသပ်ချက်ယေဘုယျအားဖြင့်ကုန်ကျစရိတ်နှစ်ယောက်အဓိကအမျိုးအစားများရှိသည်: ။ fixed ကုန်ကျစရိတ်နှင့် variable ကိုကုန်ကျစရိတ် Fixed ကုန်ကျစရိတ်သင်ရှိသည်မည်မျှသင်တန်းသားများပေါ် မူတည်. ပြောင်းလဲပစ်မကုန်ကျစရိတ်ရှိပါတယ်။ ဥပမာ, ဓာတ်ခွဲခန်းစမ်းသပ်မှုအတွက်, fixed ကုန်ကျစရိတ် space ကိုငှားရမ်းခြင်းနှင့်ပရိဘောဂဝယ်ယူ၏ကုန်ကျစရိတ်ဖြစ်လိမ့်မယ်။ Variable ကုန်ကျစရိတ်, အခြားတစ်ဖက်တွင်, သင်ရှိသည်မည်မျှသင်တန်းသားများပေါ် မူတည်. ပြောင်းလဲသည်။ ဥပမာ, ဓာတ်ခွဲခန်းစမ်းသပ်မှုအတွက်, variable ကိုကုန်ကျစရိတ်န်ထမ်းများနှင့်တက်ရောက်လာသူများကိုပေးဆောင်ခြင်းမှလာပေလိမ့်မည်။ ယေဘုယျအားဖြင့်, Analog စစမ်းသပ်ချက်အနိမ့် fixed ကုန်ကျစရိတ်နှင့်မြင့်မား variable ကိုကုန်ကျစရိတ်ရှိသည်, ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်မြင့်မား fixed ကုန်ကျစရိတ်နှင့်အနိမ့် variable ကိုကုန်ကျစရိတ် (ပုံ 4.18) ရှိသည်။ သင့်လျော်သောဒီဇိုင်းကိုအတူ, သင်တို့ရှိသမျှသည်လမ်းကိုသုညရန်သင့်စမ်းသပ်မှု၏ variable ကိုကုန်ကျစရိတ်မောင်းနှင်နိုင်ပါတယ်, ဤစိတ်လှုပ်ရှားစရာသုတေသနလုပ်ငန်းအခွင့်အလမ်းများကိုဖန်တီးနိုင်ပါတယ်။
ပုံ 4,18: Analog စအတွက်ကုန်ကျစရိတ်အဆောက်အဦများ၏သိထားနှင့်ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်။ ဒစ်ဂျစ်တယ်စမ်းသပ်ချက်မြင့်မား fixed ကုန်ကျစရိတ်နှင့်အနိမ့် variable ကိုကုန်ကျစရိတ်များသော်လည်းယေဘုယျအားဖြင့်, Analog စစမ်းသပ်ချက်အနိမ့် fixed ကုန်ကျစရိတ်နှင့်မြင့်မား variable ကိုကုန်ကျစရိတ်ရှိသည်။ မတူညီသောကုန်ကျစရိတ်အဆောက်အဦများဒစ်ဂျစ်တယ်စမ်းသပ်ချက် Analog စစမ်းသပ်ချက်နှင့်အတူမဖြစ်နိုင်ပါကြောင်းတစ်စကေးမှာ run နိုင်ပါတယ်ဆိုလို။
variable ကိုဝန်ထမ်းစရိတ်-ငွေပေးချေမှုနှင့်သင်တန်းသားများ-နှင့်ဤအသီးအသီးကွဲပြားခြားနားသောမဟာဗျူဟာများ အသုံးပြု. သုညမှမောင်းနှင်နိုင်ပါတယ်မှငွေပေးချေနှစ်ယောက်အဓိကဒြပ်စင်ရှိပါတယ်။ သုတေသနလုပ်ငန်းလက်ထောက်, သင်တန်းသားများကိုစုဆောင်းကုသပို့ဆောင်ခြင်း, ရလဒ်များကိုတိုင်းတာကြပါသောအလုပ်ကိုမှပင်စည်ဝန်ထမ်းငွေပေးချေ။ ဥပမာအား Schultz နှင့်လုပ်ဖော်ကိုင်ဘက်များ, အ Analog စလယ်ပြင်စမ်းသပ်မှု (2007) လူမှုရေးစံချိန်စံညွှန်းများနှင့်ကုသကယ်မနှုတ်နှင့်လျှပ်စစ်မီတာ (ပုံ 4.3) ဖတ်ရှုဖို့အသီးအသီးအိမ်သို့သွားရောက်သုတေသနလုပ်ငန်းလက်ထောက်လိုအပ်သောလျှပ်စစ်ဓာတ်အားအသုံးပြုမှုအပေါ်။ သုတေသနလုပ်ငန်းလက်ထောက်ဖွငျ့ဤအားထုတ်မှုအားလုံးလေ့လာမှုအသစ်အိမ်သူအိမ်သားထည့်သွင်းကုန်ကျစရိတ်ကိုထည့်သွင်းခဲ့ကြလိမ့်မယ်လို့ဆိုလို၏။ အခြားတစ်ဖက်တွင်, Restivo နှင့်ဗန်က de Rijt ၏ဒစ်ဂျစ်တယ်လယ်ပြင်စမ်းသပ်မှုများအတွက် (2012) ဝီကီပီးဒီးယားအတွက်ဆုလာဘ်အပေါ်သုတေသီများကနီးပါးမျှကုန်ကျမှာပိုပြီးသင်တန်းသားများကိုထည့်ပါနိုင်ဘူး။ variable ကိုအုပ်ချုပ်ရေးဆိုင်ရာကုန်ကျစရိတ်ကိုလျှော့ချများအတွက်အထွေထွေဗျူဟာ (စျေးပေါသော) ကွန်ပျူတာအလုပ်နှင့်အတူ (စျေးကြီးသော) လူ့အလုပ်နေရာတွင်အစားထိုးရန်ဖြစ်ပါသည်။ အကြမ်းအားဖြင့်, သင့်ကိုယ်သင်မေးနိုငျ: ငါ့သုတေသနအဖွဲ့အပေါ်လူတိုင်းအိပ်ပျော်နေစဉ်ကဒီစမ်းသပ်မှု run နိုင်သလဲ အဖြေဟုတ်သည်မှန်လျှင်, သင်အလိုအလျောက်များစွာသောအလုပ်အကိုင်အပြုမိပါဘူး။
variable ကိုကုန်ကျစရိတ်၏ဒုတိယအဓိကအမျိုးအစားသင်တန်းသားများငွေပေးချေဖြစ်ပါတယ်။ တချို့ကသုတေသီများသင်တန်းသားများအတွက်လိုအပ်သောသောငွေပေးချေမှုကိုလျော့ချဖို့အမေဇုံစက်မှု Turk နှင့်အခြားအွန်လိုင်းလုပ်အားစျေးကွက်အသုံးပြုခဲ့ကြသည်။ variable ကိုကုန်ကျစရိတ်သုညမှအပေါင်းတို့သည်လမ်းကိုမောင်းဖို့, သို့သော်, တစ်ဦးကွဲပြားခြားနားချဉ်းကပ်မှုလိုအပ်နေသည်။ အချိန်ကြာမြင့်စွာအဘို့, သုတေသီများဒါကြောင့်သူတို့ပါဝင်ဆောင်ရွက်ဖို့လူပေးဆောင်ဖို့ရှိသည် boring ဖြစ်ကြောင်းဒီဇိုင်းစမ်းသပ်ချက်ရှိသည်။ ဒါပေမယ့်သင်ကလူအတွက်ဖြစ်ချင်သောစမ်းသပ်မှုတစ်ခုဖန်တီးနိုင်အဘယ်သို့လျှင်? ဒီဝေးမရယူမြည်စေခြင်းငှါ, ငါမူကားငါ့ကိုယ်ပိုင်အလုပ်ထံမှသင်တို့အောက်တွင်ဖော်ပြထားသောဥပမာတစ်ခုပေးလိမ့်မယ်, နှင့်စားပွဲတင် 4.4 အတွက်နောက်ထပ်ဥပမာရှိပါတယ်။ ပျော်စရာစမ်းသပ်ချက်ဒီဇိုင်းဤချဉ်းကပ်မှုအစုလိုက်အပြုံလိုက် ပူးပေါင်း. ၏ဒီဇိုင်းနှင့် ပတ်သက်. ဒီဇိုင်းကပိုပျော်စရာစစ်တမ်းများနှင့် ပတ်သက်. အခန်း 3 မှာနဲ့အခနျး 5 အတွက် themes များအချို့ကိုထပ်လောင်းသတိပြုပါ။ ထို့ကြောင့်ကျွန်မပါဝင်သူခံစား-အဘယျသို့လည်းအသုံးပြုသူကိုခေါ်စေခြင်းငှါဒစ်ဂျစ်တယ်ခေတ်တွင်သုတေသနဆိုင်ရာဒီဇိုင်းတစ်ခုတိုးအရေးကြီးသောအစိတ်အပိုင်းဖြစ်အတှေ့အကွုံ-လိမ့်မည်ဟုထင်။
| လျော်ကြေး | ဆင့်ခေါ်ချက် |
|---|---|
| ကနျြးမာရေးသတင်းအချက်အလက်များနှင့်အတူကျဘျဆိုကျ | Centola (2010) |
| လေ့ကျင့်ခန်းအစီအစဉ် | 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 ကိုကုန်ကျစရိတ်စမ်းသပ်ချက်ဖန်တီးချင်တယ်ဆိုရင်သင်အရာအားလုံးကိုအပြည့်အဝအလိုအလျှောက်ခြင်းနှင့်တက်ရောက်လာသူများမည်သည့်ငွေပေးချေမှုမလိုအပ်ဘူးကြောင်းသေချာစေရန်ချင်ပါလိမ့်မယ်။ ဒီဖြစ်နိုင်ချေဘယ်လောက်ပြသနိုင်ရန်အတွက်ငါယဉ်ကျေးမှုထုတ်ကုန်များ၏အောင်မြင်မှုနှင့်ရှုံးနိမ်ပေါ်မှာငါ့ dissertation သုတေသနလုပ်ငန်းကိုဖော်ပြရန်ပါလိမ့်မယ်။ ဒီဥပမာလည်းသုည variable ကိုကုန်ကျစရိတ်ဒေတာစျေးသက်သာသောအရာတို့ကိုကျင့်ကိုကျင့်အကြောင်းမဖြောင့်ကြောင်းပြသထားတယ်။ အဲဒီအစား, ကမဟုတ်ရင်ဖြစ်နိုင်မှာမဟုတ်ဘူးလို့စမ်းသပ်ချက် enable လုပ်ထားခြင်းဖြစ်ပါတယ်။
အကြှနျုပျ၏ dissertation ယဉ်ကျေးမှုထုတ်ကုန်များအတွက်အောင်မြင်မှု၏စဉျးဇာတိအားဖြင့်လှုံ့ဆော်ခဲ့သည်။ သီခငျြးမြားကိုထိ, အကောင်းဆုံးရောင်းချနေစာအုပ်တွေနဲ့ Blockbuster ရုပ်ရှင်များ, ပိုပြီးအောင်မြင်တဲ့ပျမ်းမျှထက်အများကြီးရှိပါတယ်။ ထိုကြောင့်ဤထုတ်ကုန်များအတွက်စျေးကွက်မကြာခဏ "ဆုရှင်-ယူ-အားလုံး" စျေးကွက်ဟုခေါ်ကြသည်။ သို့သျောလညျး, အထူးသဖြင့်သီချင်း, စာအုပ်, ဒါမှမဟုတ်ရုပ်ရှင်အောင်မြင်သောဖြစ်လာလိမ့်မည်သည့်တစ်ချိန်တည်းမှာမယုံနိုင်လောက်အောင်ခန့်မှန်းရခက်သည်။ အဆိုပါဇာတ်ညွှန်းဝီလျံ Goldman (1989) လှပသော, ကအောင်မြင်မှုကိုခန့်မှန်းရန်ကြွလာသောအခါ, သည်ဟုဆိုသဖြင့်ပညာသင်နှစ်သုတေသနတွေအများကြီးဖွင့်ခြင်းဖြစ်သည် "ဘယ်သူမှဘာမှမသိတယ်။ " ခန့်မှန်းရခက်၏ဆုရှင်-ယူ-အားလုံးစျေးကွက်ငါ့ကိုရလဒ်သည်မည်မျှအောင်မြင်မှုတွေးမိလုပ် အရည်အသွေးနှင့်မည်မျှပဲကံကောင်းပါစေဖြစ်ပါတယ်။ ကျွန်တော်တို့အပြိုင်ကမ္ဘာဖန်တီးလျက်လူအပေါင်းတို့လွတ်လပ်စွာတဖြည်းဖြည်းတိုးတက်ပြောင်းလဲရှိသည်နိုင်လျှင်သို့မဟုတ်အနည်းငယ်ကွဲပြားခြားနားထုတ်ဖော်ပြောဆို, တူသီချင်းတွေကိုအသီးအသီးကမ္ဘာမှာရေပန်းစားဖြစ်လာမလဲ ထိုအမဟုတ်ဘဲလျှင်အဘယ်သည်ဤကွဲပြားခြားနားမှုဖြစ်စေသည်တဲ့ယန္တရားဖြစ်စေခြင်းငှါ,?
ဤမေးခွန်းများကိုဖြေဆိုနိုင်ရန်အတွက်ကျနော်တို့-ပတေရုသ Dodd, Duncan က Watts (ငါ၏အ dissertation အကြံပေး), နှင့်အွန်လိုင်းလယ်ပြင်စမ်းသပ်ချက်များဆက်တိုက်ငါ-သို့ပွေးလေ၏။ အထူးသဖြင့်ကျနော်တို့ကလူသစ်ကိုဂီတရှာဖွေတွေ့ရှိနိုင်ဘယ်မှာ MusicLab လို့ခေါ်တဲ့ဝက်ဘ်ဆိုက် built, ငါတို့သည်စမ်းသပ်ချက်တစ်ခုစီးရီးထိုသို့အသုံးပြုခဲ့သည်။ ကျနော်တို့ကဆယ်ကျော်သက်-အကျိုးစီးပွားဝက်ဘ်ဆိုက် (ပုံ 4.19) အပေါ်နှင့်မီဒီယာအတွက်ဖျောပွထားတဆင့်နဖူးစည်းစာတမ်းကြော်ငြာပြေးနေဖြင့်သင်တန်းသားများကိုခေါ်ယူခဲ့သည်။ အသိပေးထားသောသဘောတူခွင့်ပြုချက်ပေးထားကြှနျုပျတို့၏ website မှာရောက်ရှိလာသင်တန်းသားများ, တိုတောင်းတဲ့နောက်ခံမေးခွန်းလွှာပြီးစီးခဲ့နှင့်ကျပန်းနှစ်ခုစမ်းသပ်အခြေအနေများကို-လွတ်လပ်သောနှင့်လူမှုရေးသြဇာလွှမ်းမိုးမှု၏တဦးတည်းမှတာဝန်ပေးအပ်ခဲ့သည်။ လွတ်လပ်သောအခြေအနေ, သင်တန်းသားများကိုသာကြိုးကိုများ၏အမည်များနှင့်သီချင်းတွေကိုပေးနားထောင်ဖို့သောသီခငျြးမြားအကြောင်းကိုဆုံးဖြတ်ချက်များဖန်ဆင်းတော်မူ၏။ သီချင်းတစ်ပုဒ်နားထောင်ရင်းနေစဉ်, သင်တန်းသားများသီချင်းကို download လုပ်သူတို့ကအခွင့်အလမ်း (သို့သော်မတာဝန်) ရှိခဲ့ရာနောက်ပိုင်းကဘယ်လောက်ရှိသလဲခိုင်းခဲ့သည်။ သူတို့လည်းအသီးအသီးသီချင်းယခင်သင်တန်းသားများအားဖြင့် download လုပ်ခဲ့ပုံကိုအကြိမ်ပေါင်းများစွာကြည့်ရှုနိုင် မှလွဲ. လူမှုရေးသြဇာလွှမ်းမိုးမှုအခွအေနအတွက်, သင်တန်းသားများ, တူညီတဲ့အတှေ့အကွုံခဲ့သညျ။ ထို့ပြင်လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေသင်တန်းသားများကိုကျပန်းလွတ်လပ်စွာပြောင်းလဲအသီးအသီးသောအရှစ်အပြိုင်ကမ္ဘာ (ပုံ 4.20) ၏တတာဝန်ပေးအပ်ခဲ့သည်။ ဒီဒီဇိုင်းကိုအသုံးပြုခြင်း, ကျနော်တို့နှစ်ဦးကိုဆက်စပ်စမ်းသပ်ချက်သို့ပွေးလေ၏။ ပထမဦးဆုံး၌, ငါတို့သည်သူတို့ကိုလူကြိုက်များ၏အားနည်း signal ကိုထောက်ပံ့ပေးသည့် unsorted ဇယားကွက်ထဲမှာသင်တန်းသားများသီချင်းတွေ, ပေးအပ်သည်။ ဒုတိယစမ်းသပ်မှုတှငျကြှနျုပျတို့လူကြိုက်များတစ်အများကြီးပိုမိုအားကောင်း signal ကို (ပုံ 4.21) ထောက်ပံ့ပေးသည့်အဆင့်စာရင်းအတွက်သီချင်းတွေပေးအပ်သည်။
ပုံ 4,19: ငါ့လုပ်ဖော်ကိုင်ဖက်နဲ့ငါ MusicLab စမ်းသပ်ချက်အဘို့အသင်တန်းသားများကိုစုဆောင်းဖို့အသုံးပြုကြောင်းနဖူးစည်းစာတမ်းကြော်ငြာတခုရဲ့ဥပမာ (Salganik, Dodds, and Watts 2006) ။
ပုံ 4,20: စမ်းသပ်အ MusicLab စမ်းသပ်ချက်အဘို့ဒီဇိုင်း (Salganik, Dodds, and Watts 2006) ။ လွတ်လပ်သောနှင့်လူမှုရေးသြဇာလွှမ်းမိုးမှု: သင်တန်းသားများကိုကျပန်းအခြေအနေနှစ်ခုထဲကတစ်ခုသို့တာဝန်ပေးအပ်ခဲ့သည်။ လွတ်လပ်သောအခြေအနေသင်တန်းသားများကိုအခြားလူများပြုသမျှဘယ်သို့သောအကြောင်းဆိုသတင်းအချက်အလက်မပါဘဲသူတို့ရဲ့ရွေးချယ်မှုဖန်ဆင်းတော်မူ၏။ သူတို့ပင်ယခင်သင်တန်းသားများ-အသီးအသီးသီခငျြးကသူတို့ရဲ့ကမ္ဘာမှာ၏ downloads, ဖြင့်တိုင်းတာ, ဒါပေမဲ့သူတို့မဆိုသတင်းအချက်အလက်မမွငျနိုငျ, မပြုသကဲ့သို့လူကြိုက်များ-လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေသင်တန်းသားများကိုကျပန်းသူတို့ကြည့်ရှုနိုင်ကြောင်းဘယ်မှာရှစ်အပြိုင်ကမ္ဘာ၏တဦးတည်းသို့တာဝန်ပေးအပ်ခဲ့သည် အခြားတစ်ကမ္ဘာ၏မည်သည့်, ၏တည်ရှိမှုနှင့် ပတ်သက်. သိကြ၏။
ကျနော်တို့ကသီခငျြးမြား၏ကျော်ကြားမှုကံကောင်းခြင်း၏အရေးပါသောအခန်းကဏ္ဍကိုအကြံပြုခြင်းကမ္ဘာ့အနှံ့ကွဲပြားကြောင်းတွေ့ရှိခဲ့ပါတယ်။ ဥပမာ, တစျကမ်ဘာတှငျ 52Metro အားဖြင့်သီချင်း "Lockdown" 1st အတွက် လာ. , အခြားကမ္ဘာမှာက 48 သီခငျြးမြားထဲက 40 ကြ၏။ ဤသည်ကိုအတိအကျအားလုံးအတူတူပင်သီချင်းတွေကိုဆန့်ကျင်ယှဉ်ပြိုင်တူသီချင်းခဲ့ပေမယ့်တဦးတည်းကမ္ဘာမှာကကံကောင်းတယ်နှင့်အခြားသူများကို၌ကမကိုပြု၏။ နောက်ထပ်ကျနော်တို့လူမှုရေးသြဇာလွှမ်းမိုးမှုဖြစ်ကောင်းကြိုတင်ခန့်မှန်း၏အသွင်အပြင်ကိုဖန်တီးပေးရာကပိုညီမျှမှုအောင်မြင်မှု, စေပါတယ်တွေ့ရှိခဲ့နှစ်ခုစမ်းသပ်ချက်ဖြတ်ပြီးရလဒ်များကိုနှိုင်းယှဉ်ခြင်းဖြင့်။ သို့သော်, (အပြိုင်ကမ္ဘာစမ်းသပ်မှုဒီလိုမျိုးပြင်ပပြုသောအမှုမရနိုငျသော) ကိုကမ္ဘာအနှံ့ရှာဖွေနေကျနော်တို့လူမှုရေးသြဇာလွှမ်းမိုးမှုအမှန်တကယ်ခန့်မှန်းရခက်တိုးပွားလာကြောင်းတွေ့ရှိခဲ့ပါတယ်။ ထို့ပွငျ, အံ့သြစရာကောင်းလောက်အောင်ကအများဆုံးခန့်မှန်းရခက်ရလဒ်များ (ပုံ 4.22) ရှိသည်သောအမြင့်ဆုံးအယူခံ၏သီခငျြးမြားခဲ့သည်။
အ MusicLab စမ်းသပ်ချက်အတွက်လူမှုရေးသြဇာလွှမ်းမိုးမှုအခွအေနမှ Screenshots: 4,21 ပုံ (Salganik, Dodds, and Watts 2006) ။ စမ်းသပ်မှု 1 မှာလူမှုရေးသြဇာလွှမ်းမိုးမှုအခွအေနအတွက်, သီချင်းတွေ, ယခင် downloads, ၏နံပါတ်နှင့်အတူသီချင်းတွေရဲ့ရာထူးကျပန်းတစ်ခုချင်းစီပါဝင်သူဘို့တာဝန်ကျတဲ့ 16 X ကို 3 rectangular ဇယားကွက်ထဲမှာစီစဉ်ပေးသင်တန်းသားများပေးအပ်ခဲ့ကြသည်။ စမ်းသပ်မှု 2 ခုနှစ်, လူမှုရေးသြဇာလွှမ်းမိုးမှုအခြေအနေသင်တန်းသားများကိုလက်ရှိရေပန်းစား၏အမိန့်ဆင်းတကော်လံပေးအပ် download, အရေအတွက်, နှင့်တကွ, သီခငျြးမြားကိုပြသခဲ့ကြသည်။
ပုံ 4,22: အယူခံနှင့်အောင်မြင်မှုအကြားဆက်ဆံရေးဖြင့်အ MusicLab စမ်းသပ်ချက်မှရလဒ်များ (Salganik, Dodds, and Watts 2006) ။ အဆိုပါက x-axis သီချင်း၏အယူခံဝင်တစ်ဦးတိုင်းတာအဖြစ်တာဝန်ထမ်းဆောင်ရသောလွတ်လပ်သောကမ်ဘာပျေါတှငျသီခငျြး၏စျေးကွက်ဝေစုသည်, y-ဝင်ရိုးတာဝန်ထမ်းဆောင်ရသော 8 လူမှုရေးသြဇာလွှမ်းမိုးမှုကမ္ဘာ၌တူညီသောသီချင်း၏စျေးကွက်ဝေစုသည် သီချင်းတွေ၏အောင်မြင်မှုကိုတစ်ဦးအတိုင်းအရှည်အဖြစ်။ ကျနော်တို့သင်တန်းသားများကိုကြုံတွေ့-အထူးလူမှုရေးသြဇာလွှမ်းမိုးမှုတိုးမြှင့်, စမ်းသပ်မှုမှ 2 စမ်းသပ်မှု 1 မှ layout ကိုအတွက်အပြောင်းအလဲ (ပုံ 4.21) အထူးသဖြင့်အမြင့်ဆုံးအယူခံသီချင်းတွေကိုအဘို့, ပိုပြီးခန့်မှန်းရခက်ဖြစ်လာမှအောင်မြင်မှု -caused ကြောင်းကိုတွေ့ရှိခဲ့ပါတယ်။
MusicLab ကြောင့်ဒီဇိုင်းရေးဆွဲခဲ့ကွောငျးလမ်းမရှိမဖြစ်လိုအပ်တဲ့သုည variable ကိုကုန်ကျစရိတ်မှာ run ဖို့နိုင်ခဲ့သည်။ ငါအိပ်ပျော်စဉ်ကို run ဖို့နိုင်ခဲ့သည်ဒါကြောင့်ပထမဦးစွာအရာအားလုံးအပြည့်အဝအလိုအလျှောက်ခဲ့သည်။ ဒုတိယ, လျော်ကြေးမ variable ကိုပါဝင်သူလျော်ကြေးကုန်ကျစရိတ်ရှိ၏အခမဲ့ဂီတခဲ့သည်။ လျော်ကြေးအဖြစ်ဂီတများအသုံးပြုမှုလည်း fixed ကုန်ကျစရိတ်နှင့် variable ကိုကုန်ကျစရိတ်အကြားတစ်ဦး Trade-off တစ်ခါတစ်ရံလည်းမရှိပုံကိုသရုပ်ဖော်။ ငါကြိုးကိုထံမှခွင့်ပြုချက်ရရှိရေးနဲ့သူတို့ရဲ့ဂီတမှသင်တန်းသားများကို '' တုံ့ပြန်မှုအကြောင်းတပ်သားများအတွက်အစီရင်ခံစာများပြင်ဆင်နေအချိန်ဖြုန်းဖို့ကြောင့်ဂီတကိုအသုံးပြုပြီး fixed ကုန်ကျစရိတ်တိုးတက်လာခဲ့သည်။ သို့သော်ဤအမှု၌, variable တွေကိုကုန်ကျစရိတ်လျော့ချနိုင်ရန်အတွက် fixed ကုန်ကျစရိတ်တိုးမြှင့်လုပ်ဖို့ညာဘက်အရာရှိ၏ တစ်ဦးစံဓာတ်ခွဲခန်းစမ်းသပ်မှုထက် 100 ခန့်ကြိမ်ပိုကြီးခဲ့သည်စမ်းသပ်မှုတစ်ခု run ဖို့ကျွန်တော်တို့ကို enabled ယျ။
ထို့ပြင်ထို MusicLab စမ်းသပ်ချက်သုည variable ကိုကုန်ကျစရိတ်ကိုယ်တိုင်ကအတွက်အဆုံးသတ်ဖြစ်ဖို့ရှိသည်ပါဘူးကွောငျးဖျောပွသ; အစားကစမ်းသပ်မှု၏သစ်တစ်ခုမျိုးကိုပြေးဖို့နည်းလမ်းစေနိုင်ပါတယ်။ ကျွန်တော်တို့က 100 ကြိမ်စံလူမှုရေးသြဇာလွှမ်းမိုးမှုဓာတ်ခွဲခန်းစမ်းသပ်မှု run ဖို့ကျွန်တော်တို့ရဲ့သင်တန်းသားများအပေါငျးတို့သမသုံးခဲ့ပါကြောင်းသတိပြုပါ။ အဲဒီအစားငါတို့သည်သင်တို့တစ်လူမှုဗေဒဆိုင်ရာစမ်းသပ်မှုတစ်ခုစိတ်ပိုင်းဆိုင်ရာစမ်းသပ်မှုကနေ switching အဖြစ်စဉ်းစားနိုင်သည့်ကွဲပြားခြားနားတဲ့အရာတစ်ခုခုပြုလျက်, (Hedström 2006) ။ အဲဒီအစားတစ်ဦးချင်းစီဆုံးဖြတ်ချက်ချအပေါ်အာရုံစူးစိုက်ခြင်းထက်, ငါတို့သည်ကျော်ကြားမှုအပေါ်တစ်ဦးစုပေါင်းရလဒ်ကျွန်တော်တို့ရဲ့စမ်းသပ်မှုအာရုံစူးစိုက်။ တစ်စုပေါင်းရလဒ်မှဒီ switch ကိုကျနော်တို့ (700 လူအအပြိုင်ကမ္ဘာအသီးအသီးရှိခဲ့ကြသည်) တစ်ခုတည်းဒေတာအချက်ထုတ်လုပ်ရန်နှင့် ပတ်သက်. 700 သင်တန်းသားများကိုလိုအပ်ကြောင်းဆိုလို၏။ ဒါကစကေးကြောင့်စမ်းသပ်မှု၏ကုန်ကျစရိတ်ဖွဲ့စည်းပုံမှာသာဖြစ်နိုင်ပါခဲ့သည်။ သုတေသီများရလဒ်များတစ်ဦးချင်းဆုံးဖြတ်ချက်တွေကနေပျေါပေါကျပုံကိုစုပေါင်းလေ့လာချင်တယ်ဆိုရင်ယေဘုယျအားဖြင့်ထိုကဲ့သို့သော MusicLab အဖြစ်အုပ်စုစမ်းသပ်ချက်အလွန်စိတ်လှုပ်ရှားဖွယ်ရှိပါတယ်။ အတိတ်ကာလ၌, သူတို့ဖြစ်ဖြစ်ခက်ခဲခဲ့ကြပါပြီ, ဒါပေမဲ့အဲဒီအခက်အခဲကြောင့်အသုည variable ကိုကုန်ကျစရိတ်အချက်အလက်များ၏ဖြစ်နိုင်ခြေများနွမ်းကြသည်။
မြင့်မားသော fixed ကုန်ကျစရိတ်: သုည variable ကိုကုန်ကျစရိတ်အချက်အလက်များ၏အကျိုးကျေးဇူးများကိုသရုပ်ဖော်ဖို့ထို့အပြင် MusicLab စမ်းသပ်ချက်လည်းဒီချဉ်းကပ်မှုနှင့်အတူစိန်ခေါ်မှုပြသပါ။ အကြှနျုပျ၏အမှု၌ငါစမ်းသပ်မှုတည်ဆောက်ရန်နှင့် ပတ်သက်. ခြောက်လပတေရုသ Hausel အမည်ရှိပါရမီဝဘ် developer များနှင့်အတူအလုပ်လုပ်နိုင်မှအလွန်ကံကောင်းခဲ့ပါတယ်။ ငါ၏အအကြံပေး Duncan က Watts, သုတေသနဒီလိုမျိုးထောကျပံ့ဖို့ထောက်ပံ့ငွေတစ်ဦးအရေအတွက်လက်ခံရရှိခဲ့သောကွောငျ့ဤအသာဖြစ်နိုင်ပါခဲ့သည်။ ကျနော်တို့ 2004 ခုနှစ် MusicLab built ကတည်းကနည်းပညာတိုးတက်လာပြီ, ဒါကြောင့်ယခုဤကဲ့သို့သောစမ်းသပ်မှုတစ်ခုတည်ဆောက်ဖို့အများကြီးပိုပြီးလွယ်ကူပါလိမ့်မယ်။ သို့သော်မြင့်မြင့် fixed ကုန်ကျစရိတ်မဟာဗျူဟာတစ်နည်းနည်းနဲ့သူတို့အားကုန်ကျစရိတ်ကိုဖုံးလွှမ်းနိုင်သူသုတေသီများအတွက်သာတကယ်ဖြစ်နိုင်ခြေရှိပါတယ်။
နိဂုံးအတွက်, ဒစ်ဂျစ်တယ်စမ်းသပ်ချက် Analog စစမ်းသပ်ချက်ထက်သိသိသာသာကွဲပြားခြားနားသောကုန်ကျစရိတ်အဆောက်အဦများရှိနိုင်ပါသည်။ သင်အမှန်တကယ်ကြီးမားတဲ့စမ်းသပ်ချက်ကို run ချင်လျှင်, သင် (ကွန်ပျူတာအချိန်နှင့်အတူလူ့အချိန်အစားထိုးဥပမာ) သင့်စမ်းသပ်မှုများ၏စက်ပြင်ကို automation ဖွငျ့ဤလုပျနိုငျသင့်ရဲ့ variable ကိုတတ်နိုင်သမျှစရိတ်နှင့်ထွက်ရှိသောအားလုံး 0. ဖို့လမ်းကိုလျော့ချဖို့ကြိုးစားသင့် နှင့်ဤအင်္ဂါရပ်နှင့်အတူစမ်းသပ်ချက်ဒီဇိုင်းနိုင်သူလူစုကိုဖြစ်ချင်ကြောင်းစမ်းသပ်ချက်ဒီဇိုင်း။ သုတေသီများကပြီးခဲ့သည့်အတွက်မဖြစ်နိုင်ပါခဲ့ကြကြောင်းစမ်းသပ်ချက်သစ်အမျိုးမျိုးကို run နိုင်ပါလိမ့်မည်။
