4.5.2 အင်အားကြီးနှင့်အတူအဖော်

ဒီဘာသာပြန်ချက်ကွန်ပျူတာအသုံးပြုနေသူများကဖန်တီးခဲ့ပါတယ်။ ×

You are reading the Open Review Edition of Bit by Bit. Click here to read the 1st Edition.

4.5.2 အင်အားကြီးနှင့်အတူအဖော်

Partners ကုန်ကျစရိတ်လျှော့ချရန်နှင့်စကေးတိုးမြှင့်ပေမယ့်တက်ရောက်လာသူများ၏အမျိုးမျိုးပြောင်းလဲနိုင်, ကုသ, သင်သုံးနိုငျသကထွက်ပေါ်လာနိုင်ပါတယ်။

ဒါကြောင့်ကိုယ့်ကိုယ်လုပ်နေတာမှအခြားရွေးချယ်စရာအားကောင်းတဲ့ထိုကဲ့သို့သောကုမ္ပဏီအဖြစ်အဖှဲ့အစညျး, အစိုးရ, သို့မဟုတ်အန်ဂျီအိုနှင့်တွဲဖက်လုပ်ငန်းဖြစ်ပါတယ်။ တစ်ဖက်နဲ့အလုပ်လုပ်ခြင်း၏အားသာချက်ကိုသူတို့သင်ရုံကိုယ့်ကိုကိုယ်အားဖြင့်မပွုနိုငျကွောငျးကိုစမ်းသပ်ချက်ကို run ဖို့သငျသညျကို enable နိုငျသောကွောငျ့ဖွစျသညျ။ ဥပမာအားဖြင့်, ငါအောက်တွင်ဖော်ပြထားသောအကြောင်းသင်ပြောပြလိမ့်မယ်သောစမ်းသပ်ချက်တယောက် 61 သန်းသင်တန်းသားများပါဝင်ပတ်သက်; အဘယ်သူမျှမတစ်ဦးချင်းစီသုတေသီကြောင်းစကေးအောင်မြင်ရန်နိုင်။ Partners သငျသညျအဘယျသို့ပွုနိုငျသတိုးပွါးကြောင်းတချိန်တည်းမှာပင်, ကလည်း, တစ်ပြိုင်နက်, သငျသညျနှိုးဆော်ခြင်း။ ဥပမာအားဖြင့်, အများဆုံးကုမ္ပဏီတွေကသင်သည်သူတို့၏လုပ်ငန်းသို့မဟုတ်သူတို့၏ဂုဏ်သတင်းကိုထိခိုက်စေနိုင်ကြောင်းစမ်းသပ်မှုတစ်ခု run ဖို့ခွင့်ပြုလိမ့်မည်မဟုတ်ပေ။ လုပ်ဖော်ကိုင်ဖက်များနှင့်အလုပ်လုပ်ကိုလည်းထုတ်ဝေဖို့အချိန်ကြွလာသောအခါ, သင်သည် "Re-frame ကို" သင်တို့၏ရလဒ်များကိုမှဖိအားအောက်မှာလာစေခြင်းငှါဆိုလိုတာပါနှင့်အချို့သောလုပ်ဖော်ကိုင်ဖက်များပင်ထိုသူတို့အားမကောင်းတဲ့ကြည့်ရှုစေသည်လျှင်သင့်အလုပ်၏ပုံနှိပ်ထုတ်ဝေပိတ်ဆို့ဖို့ကြိုးစားပါလိမ့်မယ်။ နောက်ဆုံးအနေနဲ့ Partners ဤပူးပေါင်းဆောင်ရွက်မှုဖွံ့ဖြိုးဆဲနှင့်ထိန်းသိမ်းခြင်းနှင့်ဆက်စပ်သောစရိတ်များနှင့်အတူကြွလာ။

ဤသူမိတ်ဖက်အောင်မြင်သောအောင်ဖြေရှင်းခံရဖို့ရှိကြောင်းအဆိုပါ core ကိုစိန်ခေါ်မှုနှစ်ဖက်စလုံး၏အကျိုးစီးပွားကိုဟန်ချက်မျှအောင်ပြုလုပ်ပေးတဲ့နည်းလမ်းရှာဖွေတာဖြစ်ပါတယ်နှင့်ချိန်ခွင်လျှာကိုစဉ်းစားရန်တစ်ထောကျအကူပွုလမ်း Pasteur ရဲ့ Quadrant သည် (Stokes 1997) ။ အများစုကသုတေသီများသူတို့တစ်ခုခုတစ်ဖက်-ထိုအခါသူတို့သည်စစ်မှန်သောသိပ္ပံပညာလုပ်နေတာမရနိုငျမှအကျိုးစီးပွားဖြစ်အံ့သောငှါလက်တွေ့ကျတဲ့-တစ်ခုခုပေါ်တွင်အလုပ်လုပ်ကိုင်နေကြသည်လျှင်ထင်ပါတယ်။ ဒီအတွေးအခေါ်တွေကအလွန်ခက်ခဲအောင်မြင်သောမိတ်ဖက်ဖန်တီးစေမည်, နှင့်ကလည်းလုံးဝမှားဖြစ်ဖို့ဖြစ်လာတယ်။ စဉ်းစားတွေးခေါ်၏ဤအလမ်းနှင့်အတူအဆိုပါပြဿနာအံ့ဩဘွယ်သောဇီဝဗေဒပညာရှင်လူးဝစ် Pasteur ရဲ့ path-ခြိုးဖောကျသုတေသနလုပ်ငန်းများကသရုပ်ဖော်နေသည်။ အရက်သို့ beet ဖျော်ရည်ကို convert မှစီးပွားဖြစ်ကစော်ဖောက်ခြင်းစီမံကိန်းအတွက်အလုပ်လုပ်နေစဉ်, Pasteur နောက်ဆုံးမှာရောဂါပိုးများကူးစက်သီအိုရီမှဦးဆောင်ကြောင်းဇီဝသက်ရှိများ၏အသစ်တစ်ခုကိုအတန်းအစားရှာဖွေတွေ့ရှိခဲ့သည်။ ဒီတွေ့ရှိမှုဟာအလွန်လက်တွေ့ကျပြဿနာ-ကဖြစ်စဉ်ကိုတိုးတက်ကောင်းမွန်စော်ဖောက်ခြင်းနှင့်ကအဓိကသိပ္ပံနည်းကျကြိုတင်မဲမှဦးဆောင်ကူညီဖြေရှင်း။ ထို့ကြောင့်အစားစစ်မှန်တဲ့သိပ္ပံဆိုင်ရာသုတေသနနှင့်အတူပဋိပက္ခဖြစ်ခြင်းအဖြစ်လက်တွေ့ကျတဲ့ applications များနှင့်အတူသုတေသနလုပ်ငန်းစဉ်းစားခြင်းထက်, နှစ်ယောက်သီးခြားရှုထောင့်အဖြစ်ဤထင် သာ. ကောင်း၏။ သုတေသနအသုံးပြုမှု (သို့မဟုတ်မဟုတ်) ကလှုံ့ဆော်နိုင်ပါတယ်နှင့်သုတေသနအခြေခံနားလည်မှုကိုရှာခြင်းငှါ (သို့မဟုတ်မဟုတ်) နိုင်ပါတယ်။ ဝေဖန်, အခြို့သုတေသနလုပ်ငန်းကဲ့သို့ Pasteur's-နိုင်ပါတယ်အသုံးပြုလှုံ့ဆျောမှုနှင့်အခြေခံနားလည်မှုကို (ပုံ 4.16) ရှာဖွေလျက်ရလိမ့်မည်။ မူလကပင်သုတေသီများနှင့်လုပ်ဖော်ကိုင်ဖက်များအကြားပူးပေါင်းဆောင်ရွက်မှုများအတွက်စံပြ Two-ဖြစ်ပါတယ်ရည်မှန်းချက်ပန်းတိုင်တိုးတက်လာကြောင်း Pasteur ရဲ့ Quadrant-သုတေသနလုပ်ငန်းအတွက်သုတေသနလုပ်ငန်း။ ကုမ္ပဏီနှင့်အတူတဦးတည်းနှင့် NGO အဖွဲ့နှင့်အတူတစျ: ကနောက်ခံပေးထားငါမိတ်ဖက်နှင့်အတူနှစ်ဦးစမ်းသပ်လေ့လာမှုများကိုဖော်ပြရန်ပါလိမ့်မယ်။

4,16 ပုံ: Pasteur ရဲ့ Quadrant (ရမှာပါမှပုံ 3.5 (1997) အပေါ်အခြေခံပြီး) ။ အဲဒီအစားအခြေခံပညာသို့မဟုတ်အသုံးပြုမှု (သို့မဟုတ်မဟုတ်) ကလှုံ့ဆျောမှုအဖြစ်သုတေသနထင် သာ. ကောင်း၏လျှောက်ထားနှင့်အခြေခံနားလည်မှုကို (သို့မဟုတ်မဟုတ်) ရှာဖွေလျက်လည်းကောင်းအဖြစ်သုတေသန၏စဉ်းစားထက်။ နှစ်ဦးစလုံးအသုံးပြုလှုံ့ဆျောမှုနှင့်အခြေခံနားလည်မှုကိုရောဂါပိုးများကူးစက်သီအိုရီဖို့ဦးဆောင်လမ်းပြသောအရက်သို့ beet ဖျော်ရည်ကိုပြောင်းလဲအပေါ် Pasteur ရဲ့အလုပ်ဖြစ်ပါသည်ရှာကြံကြောင်းသုတေသန၏ဥပမာတစ်ခု။ ဒါဟာအင်အားကြီးနှင့်အတူလက်တွဲဘို့အကောင်းဆုံးသင့်လျော်ကြောင်းအလုပ်မျိုးဖြစ်ပါတယ်။ ကအသုံးပြုခြင်းဖြင့်လှုံ့ဆော်ပေမယ် Niels Bohr ကနေလာနားလညျမှုကိုရှာကြံရာမဟုတ်ကြောင်းသောမတ်စ်အက်ဒီဆင်နှင့်အလုပ်၏ဥပမာကနေလာအခြေခံနားလည်မှုကိုမရှာပါဘူးအသုံးပြုခြင်းဖြင့်လှုံ့ဆော်အလုပ်၏ဥပမာများပေမယ့်။ ဒီမူဘောင်နှင့်ဤအမှု၏အသီးအသီး၏တစ်ဦးထက်ပိုနှံ့နှံ့စပ်စပ်ဆွေးနွေးရမှာပါ (1997) ကိုကြည့်ပါ။

4,16 ပုံ: Pasteur ရဲ့ Quadrant (ထံမှသင်္ဘောသဖန်း 3.5 ပေါ်မှာအခြေခံပြီး Stokes (1997) ) ။ အဲဒီအစား "အခြေခံပညာ" သို့မဟုတ်အသုံးပြုမှု (သို့မဟုတ်မဟုတ်) ကလှုံ့ဆျောမှုကြောင့်သုတေသန၏ထင် သာ. ကောင်း၏ "လျှောက်ထား" တစ်ခုခုအဖြစ်သုတေသန၏စဉ်းစားနှင့်အခြေခံနားလည်မှုကို (သို့မဟုတ်မဟုတ်) ရှာဖွေလျက်ထက်။ နှစ်ဦးစလုံးအသုံးပြုလှုံ့ဆျောမှုနှင့်အခြေခံနားလည်မှုကိုရောဂါပိုးများကူးစက်သီအိုရီဖို့ဦးဆောင်လမ်းပြသောအရက်သို့ beet ဖျော်ရည်ကိုပြောင်းလဲအပေါ် Pasteur ရဲ့အလုပ်ဖြစ်ပါသည်ရှာကြံကြောင်းသုတေသန၏ဥပမာတစ်ခု။ ဒါဟာအင်အားကြီးနှင့်အတူလက်တွဲဘို့အကောင်းဆုံးသင့်လျော်ကြောင်းအလုပ်မျိုးဖြစ်ပါတယ်။ ကအသုံးပြုခြင်းဖြင့်လှုံ့ဆော်ပေမယ် Niels Bohr ကနေလာနားလညျမှုကိုရှာကြံရာမဟုတ်ကြောင်းသောမတ်စ်အက်ဒီဆင်နှင့်အလုပ်၏ဥပမာကနေလာအခြေခံနားလည်မှုကိုမရှာပါဘူးအသုံးပြုခြင်းဖြင့်လှုံ့ဆော်အလုပ်၏ဥပမာများပေမယ့်။ ကြည့်ရှုပါ Stokes (1997) ဒီမူဘောင်နှင့်ဤအမှု၏အသီးအသီး၏တစ်ဦးထက်ပိုနှံ့နှံ့စပ်စပ်ဆွေးနွေးမှုသည်။

အကြီးစားကုမ္ပဏီများ, အထူးသဖြင့်နည်းပညာကုမ္ပဏီများ, ရှုပ်ထွေးသောစမ်းသပ်လည်ပတ်ဘို့မယုံနိုင်လောက်အောင်ခေတ်မီအခြေခံအဆောက်အအုံများဖွံ့ဖြိုးပြီးကြပါပြီ။ (A နှင့် B သူတို့နှစ်ဦးကိုကုသ၏ထိရောက်မှုကိုစမ်းသပ်နေသောကြောင့်) နည်းပညာစက်မှုလုပ်ငန်းများတွင်ဤစမ်းသပ်ချက်မကြာခဏ A / B ကိုစမ်းသပ်မှုများဟုခေါ်ကြသည်။ ဤရွေ့ကားစမ်းသပ်ချက်မကြာခဏကြော်ငြာတွေကို click-မှတဆင့်နှုန်းထားများတိုးမြှင့်တူသောအရာတို့ကိုအဘို့အပြေးနေကြတယ်, ဒါပေမယ့်တူညီတဲ့စမ်းသပ်အခြေခံအဆောက်အအုံသိပ္ပံနည်းကျနားလည်မှုကိုတိုးတက်လာကြောင်းသုတေသနများအဘို့လည်းသုံးနိုင်တယ်။ သုတေသနဒီလိုမျိုး၏အလားအလာသရုပ်ဖော်ထားတဲ့ဥပမာအားမဲပေးသူအပေါ်ကွဲပြားခြားနားသောမက်ဆေ့ခ်ျ၏သက်ရောက်မှုအပေါ် Facebook နှင့်ကယ်လီဖိုးနီးယားတက္ကသိုလ်, San Diego မှသုတေသီ, အကြားတစ်ဦးမိတ်ဖက်များကကောက်ယူလေ့လာမှုတစ်ခုဖြစ်ပါသည် (Bond et al. 2012) ။

နိုဝင်ဘာလ 2 ရက်နေ့တွင်, 2010-The အမေရိကန်ကွန်ဂရက်ရွေးကောက်ပွဲ-အားလုံးအမေရိကန်မှာနေထိုင်ပြီးအသက် 18 ကျော်နေသော 61 သန်း Facebook အသုံးပြုသူများ၏နေ့မဲပေး ပတ်သက်. စမ်းသပ်မှုအတွက်တစ်စိတ်တစ်ပိုင်းယူလေ၏။ Facebook ကလာရောက်လည်ပတ်အပေါ်သို့အသုံးပြုသူများကျပန်းသူတို့ရဲ့ News Feed (ပုံ 4.17) ၏ထိပ်မှာနေရာချခဲ့ရာနဖူးစည်းစာတမ်း (ရှိပါက) စိတ်ပိုင်းဖြတ်သောအုပ်စုသုံးစု၏တဦးတည်းသို့တာဝန်ကျ:

တစ်ဦးကိုထိန်းချုပ်အုပ်စု။
တစ်နှိပ်လို့ရတဲ့ခလုတ်နှင့်တစ်ဦးကောင်တာ (အချက်အလက်) "ငါသည်မဲပေး" နဲ့မဲပေး ပတ်သက်. အလွတ်သဘောသတင်းစကား။
တစ်နှိပ်လို့ရတဲ့နှင့်အတူမဲပေး ပတ်သက်. အလွတ်သဘောသတင်းစကားခလုတ်နှင့်တစ်ဦးတန်ပြန် + အမည်များနှင့်ရှိပြီးသား (အင်ဖို + လူမှုရေး) "ငါသည်မဲပေး" ကလစ်ခဲ့သောသူတို့၏အဆွေခင်ပွန်း၏ဓာတ်ပုံများကို "ငါသည်မဲပေး" ။

ဘွန်းနဲ့လုပ်ဖော်ကိုင်ဘက်နှစ်ဦးကအဓိကရလဒ်ကိုလေ့လာ: မဲပေးအပြုအမူနှင့်အမှန်တကယ်မဲပေးအပြုအမူဖော်ပြခဲ့သည်။ ပထမဦးစွာ, ထိုသူတို့အင်ဖို + လူမှုရေးအုပ်စုတွင်လူအအင်ဖိုအုပ်စုတွင်လူ (18% vs 20 ခန့်%) "ငါသည်မဲပေး" ကိုနှိပ်ပါဖို့ထက် 2 ရာခိုင်နှုန်းမှတ်ပိုခဲ့ကြကြောင်းတွေ့ရှိခဲ့ရသည်။ ထို့ပြင်သုတေသီသူတို့အင်ဖို + လူမှုရေးအုပ်စုတွင်လူအမှန်တကယ်ထိန်းချုပ်အခြေအနေနှင့်အချက်အလက်အုပ်စုတွင်လူကလူထက်မဲပေး 0,39 ရာခိုင်နှုန်းရမှတ်ပိုခဲ့ကြကြောင်းတွေ့ရှိအကြောင်းကို 6 သန်းလူတို့အဘို့လူသိရှင်ကြားရရှိနိုင်မဲပေးမှတ်တမ်းများနှင့်အတူသူတို့၏ data တွေကိုပေါင်းစည်းပြီးနောက် ထိန်းချုပ်မှုခွအေနအေ (ပုံ 4.17) တွင်လူအဖြစ်မဲပေးမယ့်အဖြစ်ဖွယ်ရှိ။

4.17 ပုံ: Facebook ပေါ်မှာတစ် get-ထွက်-The-မဲစမ်းသပ်မှုကနေရလာဒ် (ဘွန်း et al, 2012 ။ ) ။ ထိုအချက်အလက်အုပ်စုတွင်ပါဝင်သူများထိန်းချုပ်မှုအခြေအနေကလူကဲ့သို့တူညီသောနှုန်းမှာမဲပေးပေမယ့်အချက်အလက် + လူမှုရေးအုပ်စုတွင်လူအနည်းငယ်မြင့်မားမှုနှုန်းမှာမဲပေးခဲ့သည်။ အဖျော်ယမကာခန့်မှန်းခြေ 95% ယုံကြည်စိတ်ချမှုကြားကာလကိုကိုယ်စားပြုသည်။ ပုံပြမျဉ်းထဲမှာရလဒ်များသုတေသီများမဲပေးမှတ်တမ်းများမှကိုက်ညီနိုင်တော်မူသောအဘို့အကြောင်းကို 6 သန်းသင်တန်းသားများပါဝင်သည်။

4.17 ပုံ: Facebook ပေါ်မှာတစ် get-ထွက်-The-မဲစမ်းသပ်မှုကနေရလာဒ် (Bond et al. 2012) ။ ထိုအချက်အလက်အုပ်စုတွင်ပါဝင်သူများထိန်းချုပ်မှုအခြေအနေကလူကဲ့သို့တူညီသောနှုန်းမှာမဲပေးပေမယ့်အချက်အလက် + လူမှုရေးအုပ်စုတွင်လူအနည်းငယ်မြင့်မားမှုနှုန်းမှာမဲပေးခဲ့သည်။ အဖျော်ယမကာခန့်မှန်းခြေ 95% ယုံကြည်စိတ်ချမှုကြားကာလကိုကိုယ်စားပြုသည်။ ပုံပြမျဉ်းထဲမှာရလဒ်များသုတေသီများမဲပေးမှတ်တမ်းများမှကိုက်ညီနိုင်တော်မူသောအဘို့အကြောင်းကို 6 သန်းသင်တန်းသားများပါဝင်သည်။

ဒီစမ်းသပ်မှုအချို့အွန်လိုင်း get-ထွက်-The-မဲမက်ဆေ့ခ်ျကိုအခြားသူများထက် ပို. ထိရောက်သောဖြစ်ကြသည်ကို၎င်း, တစ်ဦးကိုကုသ၏ထိရောက်မှုကို၏သုတေသီရဲ့ခန့်မှန်းချက်သူတို့အစီရင်ခံလေ့လာဖို့သို့မဟုတ်အမှန်တကယ်အပြုအမူရှိမရှိအပေါ်မူတည်နိုင်ပါတယ်ကွောငျးဖျောပွကွောငျးဖျောပွ။ ဒီစမ်းသပ်မှုကံမကောင်းလူမှုရေးသတင်းအချက်အလက်-သောအချို့သောသုတေသီများက playfully တဲ့ "မျက်နှာပုံ" -increased မဲပေးခေါ်ပြီအရာအားဖြင့်အယန္တရားများနှင့် ပတ်သက်. မည်သည့်သဲလွန်စကိုဆက်ကပ်မထားဘူး။ ဒါဟာလူမှုရေးသတင်းအချက်အလက်တစ်ယောက်ယောက်ကအလံကိုသတိပြုမိသို့မဟုတ်ပါကထိုအလံကိုသတိပြုမိသူတစ်ဦးအမှန်တကယ်မဲပေးသို့မဟုတ်နှစ်ခုလုံးသောဖြစ်နိုင်ခြေတိုးမြှင့်ကြောင်းကိုဖြစ်နိုင်ခြေတိုးပွားလာကြောင်းဖြစ်နိုင်ပါတယ်။ ထို့ကြောင့်ဤစမ်းသပ်မှုထပ်မံသုတေသီဖွယ်ရှိ (ဥပမာ, ကိုတွေ့မြင်လေ့လာစူးစမ်းလိမ့်မည်သည့်စိတ်ဝင်စားစရာတွေ့ရှိချက်ကိုထောက်ပံ့ပေး Bakshy, Eckles, et al. (2012) ) ။

သုတေသီများ၏ရည်မှန်းချက်ပန်းတိုင်တိုးတက်အပြင်, ဒီစမ်းသပ်မှုကိုလည်းမိတ်ဖက်အဖွဲ့အစည်းက (Facebook က) ၏ရည်မှန်းချက်ကြရပြီ။ သငျသညျကိုပြောင်းလဲလျှင်အပြုအမူဆပ်ပြာဝယ်မှမဲပေးမှလေ့လာ, ထို့နောက်သင်လေ့လာမှု (ဥပမာတွေ့အွန်လိုင်းကြော်ငြာတွေရဲ့သက်ရောက်မှုကိုတိုင်းတာရန်စမ်းသပ်မှုတစ်ခုအဖြစ်အတိအကျတူညီဖွဲ့စည်းတည်ဆောက်ပုံရှိကွောငျးတှေ့မွငျနိုငျ Lewis and Rao (2015) ) ။ ဤကြော်ငြာထိရောက်မှုလေ့လာမှုများမကြာခဏအွန်လိုင်းကြော်ငြာ-ထဲမှာကုသမှုဖို့ထိတွေ့ခြင်း၏အကျိုးသက်ရောက်မှုကိုတိုင်းတာ Bond et al. (2012) အခြေခံအားဖြင့်မဲပေး-အပေါ်အော့ဖ်လိုင်းအပြုအမူများအတွက်ကြော်ငြာဖြစ်ကြသည်။ ထို့ကြောင့်ဤလေ့လာမှုအွန်လိုင်းကြော်ငြာ၏ထိရောက်မှုကိုလေ့လာ Facebook ရဲ့စွမ်းရည်ကိုတိုးနိုင်နှင့် Facebook Facebook ကကြော်ငြာထိရောက်သောဖြစ်ကြောင်းအလားအလာကြော်ငြာယုံကြည်လက်ခံလာအောင်ကူညီနိုင်။

သုတေသီနှင့်လုပ်ဖော်ကိုင်ဖက်များ၏အကျိုးစီးပွားကိုအများအားဖြင့်ဒီလေ့လာမှုမှာ aligned ခဲ့ကြသော်လည်း, သူတို့သည်တစ်စိတ်တစ်ပိုင်းတင်းမာမှုလည်းရှိကြ၏။ သုံးယောက်အခြေအနေများကိုထိန်းချုပ်ရေး, အင်ဖိုမှသင်တန်းသားများ၏အထူးသဖြင့်, ထိုခွဲဝေပေးခြင်းနှင့်အချက်အလက် + လွန်စွာညီမျှမှုလူမှုရေး-ခဲ့သည်: အနမူနာ၏ 98% အင်ဖို + လူမှုရေးမှတာဝန်ပေးအပ်ခဲ့သည်။ ဒီ imbalanced ခွဲဝေပေးခြင်းကစာရင်းအင်းမတတ်နိုင်သောသည်, သုတေသီတစ်ဦးအများကြီးပိုကောင်းခွဲဝေအုပ်စုတစ်ခုချင်းစီအတွက်သင်တန်းသားများ၏ 1/3 ခဲ့ကြပြီမယ်။ Facebook ကလူတိုင်းအင်ဖို + လူမှုရေးကုသမှုခံယူဖို့လိုခငျြသောကွောငျ့သို့သော်ထို imbalanced ခွဲဝေဖြစ်ပျက်ခဲ့သည်။ ကံကောင်းထောက်မစွာ, သုတေသီတစ်ဦးထိန်းချုပ်ရေးအဖွဲ့ကပြန်မယ့်ဆက်စပ်ကုသမှုများအတွက် 1% နှင့်သင်တန်းသားများ၏ 1% ကျင်းပရန်သူတို့ကိုယုံကြည်။ ဒါကြောင့်တစ်ဦး "အထင်သည်တုန်လှုပ်မှုတည်းနှင့်စောငျ့ရှောကျ" စမ်းသပ်မှုထက် randomized ထိန်းချုပ်ထားသောစမ်းသပ်မှုဖြစ်ရပြီလို့ထိန်းချုပ်မှုအုပ်စုမရှိရင်ကြောင့်အင်ဖို + လူမှုရေးကုသမှု၏အကျိုးသက်ရောက်မှုကိုတိုင်းတာရန်အခြေခံအားဖြင့်မဖြစ်နိုင်ခဲ့ကြပေသည်။ ဒီဥပမာမိတ်ဖက်အတူလုပ်ကိုင်များအတွက်တန်ဖိုးရှိတဲ့လက်တွေ့ကျတဲ့သငျခနျးစာကိုပေးစွမ်း: တစ်ခါတစ်ရံသင်တစ်ဦးကိုကုသကယ်မနှုတ်နှင့်တစ်ခါတစ်ရံသင် (ဆိုလိုသည်မှာတစ်ဦးထိန်းချုပ်ရေးအဖွဲ့ကဖန်တီးရန်) တစ်ဦးကိုကုသကယ်မနှုတ်ဖို့မတစ်စုံတစ်ဦးကိုနားချဖို့ဆိုတာအားဖြင့်စမ်းသပ်မှုတစ်ခုဖန်တီးရန်တစ်စုံတစ်ဦးကိုနားချဖို့ဆိုတာအားဖြင့်စမ်းသပ်မှုတစ်ခုဖန်တီးပါ။

မိတ်ဖက်အမြဲသင်တန်းသားများကိုသန်းပေါင်းများစွာနှင့်အတူနည်းပညာကုမ္ပဏီများနှင့် A / B ကိုစမ်းသပ်မှုတွေပါဝင်ရန်မလိုအပ်ပါဘူး။ ဥပမာအားဖြင့်, အလက်ဇန်းဒါး Coppock, အင်ဒရူး Guess, ယောဟန် Ternovski (2016) လူမှုရေးစည်းရုံးလှုံ့ဆော်မြှင့်တင်ရန်အတွက်မတူညီသောနည်းဗျူဟာများစမ်းသပ်စမ်းသပ်ချက်ကို run ဖို့သဘာဝပတ်ဝန်းကျင်အန်ဂျီအို (ထိန်းသိမ်းရေးမဲဆန္ဒရှင်တွေရဲ့အဖွဲ့ချုပ်) နှင့်အတူပူးပေါင်း။ အဆိုပါသုတေသီများသည်အများပြည်သူမှာ tweet အထောက်အထားတွေကို၏ချုပ်အမျိုးမျိုးကြိုးစားခဲ့ကြောင်းပုဂ္ဂလိကတိုက်ရိုက်မက်ဆေ့ခ်ျနှစ်ခုလုံးထွက်ပေးပို့ဖို့အန်ဂျီအိုရဲ့တွစ်တာအကောင့်ကိုအသုံးပြုခဲ့သည်။ အဆိုပါသုတေသီများထို့နောက်အသနားခံစာအကြောင်းအသနားခံစာနှင့် Retweet သတင်းအချက်အလက်လက်မှတ်ထိုးရန်လူအားပေးမှုများအတွက်အထိရောက်ဆုံးခဲ့ကြသည်ဤမက်ဆေ့ခ်ျ၏အရာတိုင်းလေ၏။

စားပွဲတင် 4.3: သုတေသီများနှင့်အဖွဲ့အစည်းများအကြားပူးပေါင်းမှတဆင့်လာသုတေသန၏ဥပမာများ။ အချို့ကိစ္စများတွင်, သုတေသီများအဖွဲ့အစည်းများမှာအလုပ်လုပ်ပါတယ်။
အကွောငျး	ဆင့်ခေါ်ချက်
Facebook ကသတင်း၏အကျိုးသက်ရောက်မှုသတင်းအချက်အလက်ဝေမျှခြင်းအပေါ် Feed	Bakshy, Rosenn, et al. (2012)
အွန်လိုင်းချိန်းတွေ့ website တွင်အမူအကျင့်အပေါ်တစ်စိတ်တစ်ပိုင်းအမည်မဖော်များ၏အကျိုးသက်ရောက်မှု	Bapna et al. (2016)
လျှပ်စစ်မီးအသုံးပြုမှုအပေါ်မူလစာမျက်နှာစွမ်းအင်ဝန်ကြီးဌာနအစီရင်ခံစာများ၏အကျိုးသက်ရောက်မှု	Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
ဗိုင်းရပ်စ်ပျံ့နှံ့အပေါ် app ကိုဒီဇိုင်း၏အကျိုးသက်ရောက်မှု	Aral and Walker (2011)
ပျံ့နှံ့အပေါ်ယန္တရားပြန့်ပွား၏အကျိုးသက်ရောက်မှု	Taylor, Bakshy, and Aral (2013)
ကြော်ငြာတွေအတွက်လူမှုရေးအချက်အလက်များ၏အကျိုးသက်ရောက်မှု	Bakshy, Eckles, et al. (2012)
ဖောက်သည်များအမျိုးမျိုးအဘို့အ catalog နှင့်အွန်လိုင်းကတဆင့်ရောင်းအားအပေါ် catalog ကြိမ်နှုန်း၏အကျိုးသက်ရောက်မှု	Simester et al. (2009)
အလားအလာရှိသောအလုပ် applications များအပေါ်လူကြိုက်များမှုအချက်အလက်များ၏အကျိုးသက်ရောက်မှု	Gee (2015)
ကျော်ကြားမှုအပေါ်ကနဦးအဆင့်သတ်မှတ်ချက်၏အကျိုးသက်ရောက်မှု	Muchnik, Aral, and Taylor (2013)
နိုင်ငံရေးအရစည်းရုံးလှုံ့ဆော်အပေါ်သတင်းစကားအကြောင်းအရာအကျိုးသက်ရောက်မှု	Coppock, Guess, and Ternovski (2016)

ယေဘုယျအားအင်အားကြီးနှင့်တွဲဖက်လုပ်ငန်းဆောင်သင်တို့အားနိုင်ပါတယ်မဟုတ်ရင်ပြုပါရန်ခက်ခဲကြောင်းတစ်စကေးမှာလုပ်ကိုင်ရန်နှင့်စားပွဲတင် 4.3 သုတေသီများနှင့်အဖွဲ့အစည်းများအကြားပူးပေါင်းဆောင်ရွက်မှု၏အခြားဥပမာပေးစွမ်းသည်။ Partners သင့်ကိုယ်ပိုင်စမ်းသပ်မှုတည်ဆောက်ခြင်းထက်အများကြီးပိုမိုလွယ်ကူစေနိုင်ပါတယ်။ သို့သော်ဤအားသာချက်အားနည်းချက်များနှင့်အတူလာ: မိတ်ဖက်သင်တန်းသားများ, ကုသ, သင်လေ့လာဖို့နိုငျသောရလဒ်များ၏အမျိုးမျိုးကန့်သတ်နိုင်ပါတယ်။ နောက်ထပ်အဲဒီမိတ်ဖက်ကျင့်ဝတ်ဆိုင်ရာစိန်ခေါ်မှုများကိုဖြစ်ပေါ်စေနိုင်ပါသည်။ တစ်ဦးမိတ်ဖက်များအတွက်အခွင့်အလမ်းဆိုတာတွေ့ရဖို့အကောင်းဆုံးနည်းလမ်းသငျသညျစိတ်ဝင်စားစရာသိပ္ပံပညာလုပ်နေကြစဉ်သငျသညျဖြေရှင်းပေးနိုင်မယ့်စစ်မှန်တဲ့ပြဿနာသတိထားမိဖို့ဖြစ်ပါတယ်။ သင်တို့သည်လောကီမှာရှာဖွေနေ၏ဤလမ်းမှမသုံးနေတယ်ဆိုရင်, က Pasteur ရဲ့ Quadrant အတွက်ပြဿနာတွေဆိုတာတွေ့ရဖို့ခဲယဉ်းနိုင်ပါတယ်, ဒါပေမယ့်အလေ့အကျင့်နှင့်အတူ, သငျသညျ ပို. ပို. သူတို့ကိုသတိပြုမိရန်စတင်ပါလိမ့်မယ်။