4.5.2 Partner met de krachtige

Partnering kunnen kosten te verlagen en te verhogen schaal, maar het kan de soorten deelnemers, behandelingen te veranderen, en resultaten die u kunt gebruiken.

Het alternatief voor het zelf te doen werkt samen met een krachtige organisatie, zoals een bedrijf, de overheid of NGO. Het voordeel van het werken met een partner, is dat ze je in staat stelt om experimenten die je gewoon niet kunt doen door jezelf uit te voeren. Bijvoorbeeld, een van de experimenten die ik je vertellen over onderstaande betrokken 61 miljoen deelnemers; geen individuele onderzoeker kunnen bereiken die schaal. Op hetzelfde moment dat partnering verhoogt wat u kunt doen, maar ook, tegelijkertijd, dringt u. Zo zullen de meeste bedrijven niet toestaan ​​om een ​​experiment dat hun bedrijf of hun reputatie zou kunnen schaden draaien. Werken met partners betekent ook dat wanneer het tijd is om te publiceren komt, kunt u onder druk komen te staan ​​om "re-kader" van uw resultaten, en sommige partners zou zelfs proberen om de publicatie van uw werk te blokkeren als het maakt ze er slecht uitzien. Tot slot, samen komt ook met kosten in verband met het ontwikkelen en onderhouden van deze samenwerkingen.

De kern uitdaging die opgelost moet worden om deze partnerschappen een succes te maken is het vinden van een manier om de belangen van beide partijen in evenwicht te brengen, en een handige manier om na te denken over dat evenwicht is Pasteur's Quadrant (Stokes 1997) . Veel onderzoekers denken dat als ze werken aan iets praktisch-iets dat interessant kunnen zijn om een ​​partner-dan kunnen ze niet doen echte wetenschap. Deze mentaliteit maakt het erg moeilijk om succesvolle partnerschappen, en het gebeurt ook helemaal verkeerd te zijn. Het probleem met deze manier van denken is prachtig geïllustreerd door het baanbrekende onderzoek van bioloog Louis Pasteur. Tijdens het werken op commerciële fermentatie project bietensap zetten in alcohol, Pasteur ontdekt een nieuwe klasse van micro-organismen die uiteindelijk leidde tot de kiem theorie van ziekte. Deze ontdekking opgelost een zeer praktisch probleem-het hielp het verbeteren van het proces van fermentatie-en leiden tot een belangrijke wetenschappelijke vooruitgang. Dus in plaats van het denken over onderzoek met praktische toepassingen als strijdig met echte wetenschappelijk onderzoek, is het beter te denken als twee afzonderlijke dimensies. Onderzoek kan worden gemotiveerd door het gebruik (of niet) en onderzoek kan fundamenteel begrip (of niet) te zoeken. Kritisch, wat onderzoek-achtige Pasteur's-kan worden gemotiveerd door het gebruik en het zoeken naar fundamenteel begrip (figuur 4.16). Onderzoek in Pasteur's Quadrant-onderzoek dat inherent voert twee goals-ideaal is voor samenwerking tussen onderzoekers en partners. één met een bedrijf en één met een NGO: Gezien het feit dat de achtergrond, zal ik twee experimentele studies met partnerschappen beschrijven.

Figuur 4,16: Pasteur kwadrant (gebaseerd op Fig 3,5 van Stokes (1997) ). In plaats van te denken van het onderzoek als ofwel "basic" of "toegepast" dat het beter is om te denken van het onderzoek zoals gemotiveerd door gebruik (of niet) en het zoeken naar fundamenteel begrip (of niet). Een voorbeeld van onderzoek dat zowel wordt ingegeven door gebruik en strekt fundamenteel begrip is tijd van Pasteur tot omzetting bietensap in alcohol die leiden tot de kiem theorie van ziekte. Dit is het soort werk dat het best geschikt is voor samenwerking met de krachtige. Voorbeelden van werk ingegeven door gebruik, maar dat betekent fundamenteel begrip komen van Thomas Edison niet zoeken, en voorbeelden van werk dat niet is ingegeven door gebruik, maar die tot doel heeft begrip komen van Niels Bohr. Zie Stokes (1997) voor een grondige bespreking van dit kader en elk van deze gevallen.

Grote bedrijven, met name tech bedrijven, hebben ongelooflijk geavanceerde infrastructuur voor het uitvoeren van complexe experimenten ontwikkeld. In de tech industrie, zijn deze experimenten vaak A / B testen (omdat de effectiviteit van twee behandelingen testen: A en B). Deze experimenten zijn vaak lopen voor dingen zoals het verhogen click-through rates op advertenties, maar dezelfde experimentele infrastructuur kan ook worden gebruikt voor onderzoek dat wetenschappelijk inzicht voorschotten. Een voorbeeld dat het potentieel van dit soort onderzoek laat zien is een studie uitgevoerd door een samenwerkingsverband tussen onderzoekers van Facebook en de University of California, San Diego, over de effecten van verschillende berichten over de opkomst (Bond et al. 2012) .

Op 2 november 2010-de dag van de Amerikaanse congresverkiezingen-all 61 miljoen Facebook-gebruikers die in de VS wonen en zijn meer dan 18 namen deel aan het experiment over de stemming. Bij een bezoek bij zijn gebruikers gerandomiseerd in drie groepen, dat bepaalde over banner (indien aanwezig) boven hun News Feed (figuur 4,17) geplaatst:

• een controlegroep.
• een informatief bericht over stemmen met een klikbaar "Ik stemde" knop en een counter (info).
• een informatief bericht over stemmen met een klikbaar "Ik stemde" knop en een teller + namen en foto's van hun vrienden die al de "ik stemde" (info + social) had geklikt.

Bond en collega's onderzocht twee belangrijke uitkomsten: gemeld stemgedrag en de feitelijke stemgedrag. Ten eerste, vonden ze dat de mensen in de info + sociale groep waren ongeveer 2 procentpunt meer kans dan mensen in de info groep klikt u op "Ik stemde" (ongeveer 20% vs 18%). Verder, nadat de onderzoekers samengevoegd hun gegevens openbaar beschikbaar stemgedrag voor ongeveer 6 miljoen mensen vonden ze dat de mensen in de info + sociale groep was 0,39 procentpunt meer kans om daadwerkelijk te stemmen dan mensen in de controle conditie en dat de mensen in de info-groep net zoveel kans om te stemmen zoals de mensen in de controlegroep (figuur 4.17).

Figuur 4.17: Resultaten van een get-out-the-stemming experiment op Facebook (Bond et al. 2012) . Deelnemers aan de info groep gestemd tegen hetzelfde tarief als de mensen in de controlegroep, maar de mensen in de info + sociale groep op een iets hoger tarief gestemd. Bars vertegenwoordigen naar schatting 95% betrouwbaarheidsintervallen. De resultaten in de grafiek omvatten ongeveer 6 miljoen deelnemers voor wie de onderzoekers kunnen afstemmen op stemgedrag.

Dit experiment toont aan dat sommige online get-out-the-vote berichten effectiever zijn dan anderen, en het laat zien dat onderzoeker schatting van de effectiviteit van een behandeling kan afhangen van de vraag of ze studeren gemeld of feitelijke gedrag. Dit experiment helaas geen aanwijzingen over de mechanismen te bieden waardoor de sociaal-informatie die sommige onderzoekers speels een "face pile" -Verhoogde stemrecht hebben genoemd. Het kan zijn dat de sociale informatie vergroot de kans dat iemand merkte de vlag of die steeg de kans dat iemand die eigenlijk de banner gemerkt gestemd of beide. Aldus is deze proef een interessante bevinding dat verdere onderzoeker waarschijnlijk staand (zie bijvoorbeeld Bakshy, Eckles, et al. (2012) ).

In aanvulling op het bevorderen van de doelstellingen van de onderzoekers, dit experiment geavanceerde ook het doel van de partnerorganisatie (Facebook). Als u het gedrag bestudeerd van stemming aan het kopen van zeep veranderen, dan kun je zien dat de studie heeft precies dezelfde structuur als een experiment om het effect van online advertenties te meten (zie bijvoorbeeld, Lewis and Rao (2015) ). Deze reclame-effectiviteit studies vaak te meten van het effect van de blootstelling aan online advertenties-de behandelingen in Bond et al. (2012) zijn in principe advertenties voor je stem-on offline gedrag. Zo zou deze studie vooruit Facebook in staat is om de effectiviteit van online advertenties te bestuderen en kan helpen bij overtuigen potentiële adverteerders dat Facebook advertenties effectief zijn.

Hoewel het belang van de onderzoekers en partners werden meestal uitgelijnd in deze studie, waren ze ook gedeeltelijk onder spanning. Met name de toewijzing van deelnemers aan de drie voorwaarden-control, info en info + sociaal-was enorm onevenwichtig: 98% van de steekproef werd toegewezen aan info + sociaal. Deze onevenwichtige verdeling is inefficiënt statistisch gezien, en een veel betere toewijzing voor de onderzoekers zou hebben 1/3 van de deelnemers in elke groep zijn geweest. Maar, de onevenwichtige verdeling gebeurde omdat Facebook wilde dat iedereen de info + sociale behandeling. Gelukkig is de onderzoekers overtuigd ze 1% van de gerelateerde behandeling en 1% van de deelnemers aan een controlegroep houden. Zonder de controlegroep zou het in principe mogelijk zijn om het effect van de info + sociale behandeling meten, omdat het een "verstoren en waarnemen" experiment plaats een gerandomiseerd experiment zou zijn geweest. Dit voorbeeld geeft een waardevolle praktijkles voor het werken met partners: soms moet je een experiment door middel van overtuigend iemand om een ​​behandeling te leveren en soms moet je een experiment met het overtuigen van iemand die een behandeling niet te leveren creëren (dat wil zeggen, met een controlegroep te maken).

Partnerschap hoeft niet altijd te tech bedrijven en de A / B-testen te betrekken met miljoenen deelnemers. Bijvoorbeeld, Alexander Coppock, Andrew Guess, en John Ternovski (2016) samen met een milieu-NGO (League of Conservation Kiezers) om experimenten testen lopen verschillende strategieën voor het bevorderen van sociale mobilisatie. De onderzoekers gebruikten de NGO's Twitter-account voor het verzenden van zowel publieke tweets en particuliere directe berichten die probeerde om prime verschillende identiteiten. De onderzoekers vervolgens gemeten welke van deze berichten het meest effectief voor het stimuleren van mensen om een ​​petitie en retweet informatie over een petitie te tekenen waren.

Over het algemeen, samen met de krachtige staat stelt om u te werken op een schaal die is moeilijk om anders te doen, en Tabel 4.3 geeft andere voorbeelden van samenwerkingsverbanden tussen onderzoekers en organisaties. Samenwerken kan veel gemakkelijker dan het bouwen van uw eigen experiment. Maar deze voordelen komen met nadelen: partnerschappen kunnen de soorten deelnemers, behandelingen en resultaten die je kunt studeren beperken. Verder kunnen deze partnerschappen leiden tot ethische uitdagingen. De beste manier om een ​​kans voor een partnerschap ter plaatse is om een ​​echt probleem dat je kunt oplossen terwijl je aan het doen zijn interessante wetenschap merken. Als je niet gewend bent aan deze manier van kijken naar de wereld, kan het moeilijk zijn om de problemen in Pasteur Kwadrant te spotten, maar met de praktijk, zult u beginnen om ze meer en meer opmerken.