ਹੋਰ ਟਿੱਪਣੀ

ਇਸ ਭਾਗ ਦੀ ਬਜਾਏ, ਇੱਕ ਵਾਰਤਾ ਦੇ ਤੌਰ ਤੇ ਪੜ੍ਹਿਆ ਜਾ ਕਰਨ ਲਈ ਇੱਕ ਹਵਾਲਾ ਦੇ ਤੌਰ ਤੇ ਵਰਤਿਆ ਜਾ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ.

• ਜਾਣ ਪਛਾਣ (ਹਿੱਸਾ 4.1)

ਸਮਾਜਿਕ ਖੋਜ ਵਿਚ causality ਬਾਰੇ ਸਵਾਲ ਅਕਸਰ ਗੁੰਝਲਦਾਰ ਹੈ ਅਤੇ ਪੇਚੀਦਾ ਹਨ. Causal ਗਰਾਫ਼ 'ਤੇ ਆਧਾਰਿਤ causality ਕਰਨ ਲਈ ਇੱਕ ਬੁਰਨਆਦੀ ਪਹੁੰਚ ਲਈ, ਵੇਖੋ, Pearl (2009) , ਅਤੇ ਇੱਕ ਬੁਰਨਆਦੀ ਸੰਭਾਵੀ ਨਤੀਜੇ' ਤੇ ਅਧਾਰਿਤ ਪਹੁੰਚ ਲਈ, ਵੇਖੋ, Imbens and Rubin (2015) (ਅਤੇ ਇਸ ਅਧਿਆਇ ਵਿਚ ਤਕਨੀਕੀ ਅੰਤਿਕਾ). ਇਹ ਦੋ ਤਰੀਕੇ ਵਿਚਕਾਰ ਇੱਕ ਤੁਲਨਾ ਲਈ, ਵੇਖੋ, Morgan and Winship (2014) . ਨੂੰ ਇੱਕ confounder ਪਰਿਭਾਸ਼ਾ ਕਰਨ ਲਈ ਇੱਕ ਰਸਮੀ ਪਹੁੰਚ ਲਈ, ਵੇਖੋ VanderWeele and Shpitser (2013) .

ਅਧਿਆਇ ਵਿਚ, ਮੈਨੂੰ ਕੀ ਤਜਰਬੇ ਅਤੇ ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਤੱਕ causal ਅਨੁਮਾਨ ਕਰਨ ਲਈ ਸਾਡੀ ਯੋਗਤਾ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਚਮਕਦਾਰ ਲਾਈਨ ਵਰਗੇ ਸੀ ਬਣਾਇਆ. ਅਸਲੀਅਤ ਵਿੱਚ, ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਅੰਤਰ blurrier ਹੈ. ਮਿਸਾਲ ਲਈ, ਹਰ ਕੋਈ ਹੈ, ਜੋ ਕਿ ਸਿਗਰਟ ਕਸਰ, ਪਰ ਫਿਰ ਵੀ ਸਾਨੂੰ ਇੱਕ ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਤਜਰਬੇ, ਜੋ ਕਿ ਮਜਬੂਰ ਲੋਕ ਸਿਗਰਟ ਕਦੇ ਵੀ ਕੀਤਾ ਹੈ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ. ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਤੱਕ causal ਅਨੁਮਾਨ ਬਣਾਉਣ 'ਤੇ ਸ਼ਾਨਦਾਰ ਕਿਤਾਬ' ਦੀ ਲੰਬਾਈ ਦੇ ਇਲਾਜ ਲਈ ਨੂੰ ਵੇਖੋ Rosenbaum (2002) , Rosenbaum (2009) , Shadish, Cook, and Campbell (2001) , ਅਤੇ Dunning (2012) .

ਅਧਿਆਇ 1 ਅਤੇ 2 Freedman, Pisani, and Purves (2007) ਪ੍ਰਯੋਗ, ਕੰਟਰੋਲ ਪ੍ਰਯੋਗ ਵਿੱਚ ਅੰਤਰ ਵਿੱਚ ਇੱਕ ਸਾਫ-ਪਛਾਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਹੈ, ਅਤੇ ਕੰਟਰੋਲ ਪ੍ਰਯੋਗ ਬੇਤਰਤੀਬੀ.

Manzi (2012) ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਪ੍ਰਯੋਗ ਦੇ ਦਾਰਸ਼ਨਿਕ ਅਤੇ ਅੰਕੜਾ underpinnings ਵਿੱਚ ਇੱਕ ਦਿਲਚਸਪ ਅਤੇ ਪੜ੍ਹਨਯੋਗ ਪਛਾਣ ਦਿੰਦਾ ਹੈ. ਇਸ ਵਿਚ ਇਹ ਵੀ ਕਾਰੋਬਾਰ ਵਿਚ ਪਰਯੋਗ ਦੀ ਸ਼ਕਤੀ ਦੇ ਦਿਲਚਸਪ ਅਸਲੀ-ਸੰਸਾਰ ਮਿਸਾਲ ਦਿੰਦਾ ਹੈ.

• ਪ੍ਰਯੋਗ ਕੀ ਹਨ? (ਹਿੱਸਾ 4.2)

Casella (2008) , Box, Hunter, and Hunter (2005) , Athey and Imbens (2016b) ਤਜਰਬੇ ਡਿਜ਼ਾਇਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਅੰਕੜਾ ਪਹਿਲੂ ਨੂੰ ਚੰਗਾ ਸ਼ੁਰੂ ਮੁਹੱਈਆ. ਅਰਥਸ਼ਾਸਤਰ: ਅੱਗੇ, ਉੱਥੇ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਖੇਤਰ 'ਚ ਪ੍ਰਯੋਗ ਦੇ ਵਰਤਣ ਦੀ ਸ਼ਾਨਦਾਰ ਇਲਾਜ ਹਨ (Bardsley et al. 2009) , ਸਿਾਿ (Willer and Walker 2007; Jackson and Cox 2013) , ਮਨੋਵਿਗਿਆਨ (Aronson et al. 1989) , ਸਿਆਸੀ ਵਿਗਿਆਨ (Morton and Williams 2010) , ਅਤੇ ਸਮਾਜਿਕ ਨੀਤੀ ਨੂੰ (Glennerster and Takavarasha 2013) .

ਭਾਗੀਦਾਰ ਦੀ ਭਰਤੀ (ਉਦਾਹਰਨ ਲਈ, ਨਮੂਨੇ) ਦੀ ਮਹੱਤਤਾ ਨੂੰ ਅਕਸਰ ਤਜਰਬੇ ਖੋਜ ਵਿਚ ਹੇਠ-ਸ਼ਲਾਘਾ ਹੁੰਦੀ ਹੈ. ਪਰ, ਜੇਕਰ ਇਲਾਜ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਆਬਾਦੀ ਵਿੱਚ ਵਿਖਮ ਹੈ, ਫਿਰ ਨਮੂਨੇ ਨਾਜ਼ੁਕ ਹੈ. Longford (1999) ਜਦ ਉਹ ਬੇਢੰਗੇ ਨਮੂਨਾ ਦੇ ਨਾਲ ਇੱਕ ਦੀ ਆਬਾਦੀ ਸਰਵੇਖਣ ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਯੋਗ ਦੀ ਸੋਚ ਖੋਜਕਾਰ ਲਈ ਵਕਾਲਤ ਸਾਫ਼-ਸਾਫ਼ ਇਸ ਮੌਕੇ 'ਬਣਾ ਦਿੰਦਾ ਹੈ.

• ਪ੍ਰਯੋਗ ਦੇ ਦੋ ਮਾਪ: ਲੈਬ-ਖੇਤਰ ਅਤੇ ​​ਐਨਾਲਾਗ-ਡਿਜ਼ੀਟਲ (ਹਿੱਸਾ 4.3)

ਆਪਾ ਵਿਰੋਧ ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਲੈਬ ਅਤੇ ਖੇਤ ਪ੍ਰਯੋਗ ਦੇ ਵਿਚਕਾਰ ਪੇਸ਼ ਸਧਾਰਨ ਇੱਕ ਬਿੱਟ ਹੈ. ਅਸਲ ਵਿਚ, ਹੋਰ ਖੋਜਕਾਰ ਖਾਸ ਲੋਕ, ਜੋ ਕਿ ਵੱਖ ਕਰ ਖੇਤ ਪ੍ਰਯੋਗ ਦੇ ਵੱਖ-ਵੱਖ ਰੂਪ ਵਿੱਚ ਹੋਰ ਵਿਸਥਾਰ typologies ਪ੍ਰਸਤਾਵਿਤ ਹੈ, (Harrison and List 2004; Charness, Gneezy, and Kuhn 2013) . ਸਰਵੇਖਣ ਪ੍ਰਯੋਗ ਅਤੇ ਸਮਾਜਿਕ ਪ੍ਰਯੋਗ ਸਰਵੇ ਪ੍ਰਯੋਗ ਕਰ ਰਹੇ ਹਨ ਮੌਜੂਦਾ ਸਰਵੇਖਣ ਦੀ ਬੁਨਿਆਦੀ ਵਰਤ ਪ੍ਰਯੋਗ ਅਤੇ ਬਦਲ ਵਰਜਨ ਦਾ ਜਵਾਬ ਦੀ ਤੁਲਨਾ ਕਰੋ: ਅੱਗੇ, ਉੱਥੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਕੇ ਕੀਤੀ ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਲੈਬ ਅਤੇ ਖੇਤ ਗੈਰਸੰਵੇਦਨਸ਼ੀਲ ਵਿੱਚ ਕਰੀਨੇ ਫਿੱਟ ਨਾ ਕਰਦੇ ਦੇ ਦੋ ਹੋਰ ਕਿਸਮ ਦੇ ਹੁੰਦੇ ਹਨ. ਉਸੇ ਹੀ ਸਵਾਲ (ਕੁਝ ਸਰਵੇਖਣ ਪ੍ਰਯੋਗ ਅਧਿਆਇ 3 ਵਿਚ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਨ); ਸਰਵੇਖਣ ਪ੍ਰਯੋਗ 'ਤੇ ਹੋਰ ਨੂੰ ਦੇਖ ਲਈ Mutz (2011) . ਸੋਸ਼ਲ ਪ੍ਰਯੋਗ ਪ੍ਰਯੋਗ ਹੈ, ਜਿੱਥੇ ਇਲਾਜ ਦੇ ਕੁਝ ਸਮਾਜਿਕ ਨੀਤੀ ਨੂੰ ਹੈ, ਜੋ ਕਿ ਸਿਰਫ ਇੱਕ ਸਰਕਾਰ ਦੁਆਰਾ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਹਨ. ਸੋਸ਼ਲ ਪ੍ਰਯੋਗ ਧਿਆਨ ਨਾਲ ਪੜਤਾਲ ਪ੍ਰੋਗਰਾਮ ਨਾਲ ਸਬੰਧਤ ਹਨ. ਨੀਤੀ ਨੂੰ ਪ੍ਰਯੋਗ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Orr (1998) , Glennerster and Takavarasha (2013) , ਅਤੇ Heckman and Smith (1995) .

ਕਾਗਜ਼ ਦੀ ਇੱਕ ਨੰਬਰ ਦੀ ਵੱਖਰਾ ਵਿਚ ਲੈਬ ਅਤੇ ਖੇਤ ਪ੍ਰਯੋਗ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਹੈ (Falk and Heckman 2009; Cialdini 2009) ਅਤੇ ਸਿਆਸੀ ਵਿਗਿਆਨ' ਚ ਖਾਸ ਤਜ਼ਰਬੇ ਦੇ ਨਤੀਜੇ ਦੇ ਰੂਪ ਵਿੱਚ (Coppock and Green 2015) , ਅਰਥਸ਼ਾਸਤਰ (Levitt and List 2007a; Levitt and List 2007b; Camerer 2011; Al-Ubaydli and List 2013) ਅਤੇ ਮਨੋਵਿਗਿਆਨ (Mitchell 2012) . Jerit, Barabas, and Clifford (2013) ਲੈਬ ਅਤੇ ਖੇਤ ਪ੍ਰਯੋਗ ਦੇ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਇੱਕ ਚੰਗੇ ਖੋਜ ਡਿਜ਼ਾਇਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ.

ਆਪਣੇ ਵਿਹਾਰ ਨੂੰ ਤਬਦੀਲ ਕਰਨ, ਕਿਉਕਿ ਉਹ ਜਾਣਦੇ ਹਨ ਕਿ ਉਹ ਧਿਆਨ ਨਾਲ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ, ਕਈ ਵਾਰ ਦੀ ਮੰਗ ਪ੍ਰਭਾਵ ਕਹਿੰਦੇ ਹਨ, ਅਤੇ ਉਹ ਮਨੋਵਿਗਿਆਨ ਵਿਚ ਪੜ੍ਹਾਈ ਕੀਤੀ ਗਿਆ ਹੈ ਹਿੱਸਾ ਲੈਣ ਬਾਰੇ ਚਿੰਤਾ (Orne 1962) ਅਤੇ ਅਰਥਸ਼ਾਸਤਰ (Zizzo 2009) . ਪਰ ਜ਼ਿਆਦਾਤਰ ਲੈਬ ਪ੍ਰਯੋਗ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ, ਇਹ ਉਸੇ ਹੀ ਮੁੱਦੇ ਦੇ ਨਾਲ ਨਾਲ ਖੇਤਰ ਨੂੰ ਪ੍ਰਯੋਗ ਦੇ ਲਈ ਸਮੱਸਿਆ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ. ਅਸਲ ਵਿਚ, ਇਸ ਮੰਗ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਵੀ ਕਈ ਵਾਰ Hawthorne ਪ੍ਰਭਾਵ ਨੂੰ ਇੱਕ ਮਿਆਦ, ਜੋ ਕਿ ਇੱਕ ਖੇਤ ਤਜਰਬੇ ਤੱਕ ਮਾਣਦੇਹਨ, ਖਾਸ ਤੌਰ 'ਤੇ ਪ੍ਰਸਿੱਧ ਭਰਨਾ ਹੈ ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਕੰਪਨੀ ਦੇ Hawthorne ਵਰਕਸ' ਤੇ 1924 ਵਿਚ ਸ਼ੁਰੂ ਕਹਿੰਦੇ ਹਨ, (Adair 1984; Levitt and List 2011) . ਦੋਨੋ ਦੀ ਮੰਗ ਪ੍ਰਭਾਵ ਅਤੇ Hawthorn ਪ੍ਰਭਾਵ ਧਿਆਨ ਨਾਲ ਅਧਿਆਇ 2 ਵਿਚ ਚਰਚਾ ਪ੍ਰਤਿਕਿਰਿਆ ਮਾਪ ਦੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਸਬੰਧਤ ਹਨ (ਨੂੰ ਵੀ ਵੇਖਣ Webb et al. (1966) ).

ਖੇਤਰ ਪ੍ਰਯੋਗ ਦੇ ਇਤਿਹਾਸ ਅਰਥਸ਼ਾਸਤਰ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ (Levitt and List 2009) , ਸਿਆਸੀ ਵਿਗਿਆਨ (Green and Gerber 2003; Druckman et al. 2006; Druckman and Lupia 2012) , ਮਨੋਵਿਗਿਆਨ (Shadish 2002) , ਅਤੇ ਜਨਤਕ ਨੀਤੀ (Shadish and Cook 2009) . ਜਿੱਥੇ ਕਿ ਖੇਤਰ ਪ੍ਰਯੋਗ ਤੇਜ਼ੀ ਨਾਲ ਮਸ਼ਹੂਰ ਹੋ ਗਿਆ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਦਾ ਇੱਕ ਖੇਤਰ ਹੈ, ਅੰਤਰਰਾਸ਼ਟਰੀ ਵਿਕਾਸ ਹੁੰਦਾ ਹੈ. ਅਰਥ ਦੇ ਅੰਦਰ ਹੈ, ਜੋ ਕਿ ਕੰਮ ਦੀ ਇੱਕ ਸਕਾਰਾਤਮਕ ਸਮੀਖਿਆ ਦੇ ਲਈ ਨੂੰ ਵੇਖੋ Banerjee and Duflo (2009) , ਅਤੇ ਇੱਕ ਨਾਜ਼ੁਕ ਿਨਰਧਾਰਨ ਲਈ ਨੂੰ ਵੇਖੋ Deaton (2010) . ਸਿਆਸੀ ਵਿਗਿਆਨ 'ਚ ਇਸ ਕੰਮ ਦੀ ਸਮੀਖਿਆ ਲਈ ਵੇਖੋ, Humphreys and Weinstein (2009) . ਅੰਤ ਵਿੱਚ, ਨੈਤਿਕ ਖੇਤਰ ਪ੍ਰਯੋਗ ਨਾਲ ਸ਼ਾਮਲ ਚੁਣੌਤੀ ਸਿਆਸੀ ਵਿਗਿਆਨ 'ਚ ਪਤਾ ਲਗਾਇਆ ਗਿਆ ਹੈ (Humphreys 2015; Desposato 2016b) ਅਤੇ ਵਿਕਾਸ ਅਰਥਸ਼ਾਸਤਰ (Baele 2013) .

ਅਧਿਆਇ ਵਿਚ, ਮੈਨੂੰ ਕਿਹਾ ਕਿ ਪ੍ਰੀ-ਇਲਾਜ ਜਾਣਕਾਰੀ ਅੰਦਾਜ਼ਾ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਇਸ ਦੀ ਪਹੁੰਚ ਬਾਰੇ ਕੁਝ ਬਹਿਸ ਹੈ: Freedman (2008) , Lin (2013) , ਅਤੇ Berk et al. (2013) ; ਦੇਖਣ ਨੂੰ Bloniarz et al. (2016) ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ.

• ਸਧਾਰਨ ਹੈ ਪ੍ਰਯੋਗ ਪਰੇ ਭੇਜਣਾ ਹੈ (ਹਿੱਸਾ 4.4)

ਵੈਧਤਾ, ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ, ਅਤੇ ਢੰਗ: ਮੈਨੂੰ ਤਿੰਨ ਸੰਕਲਪ 'ਤੇ ਧਿਆਨ ਦੇਣ ਲਈ ਚੁਣਿਆ ਹੈ. ਇਹ ਧਾਰਨਾ ਵੱਖ-ਵੱਖ ਖੇਤਰ 'ਚ ਵੱਖ ਵੱਖ ਨਾਮ ਹਨ. ਮਿਸਾਲ ਲਈ, ਮਨੋ ਵਿਚੋਲੇ ਅਤੇ ਸੰਚਾਲਕ 'ਤੇ ਧਿਆਨ ਦੇ ਕੇ ਹੀ ਸਧਾਰਨ ਪ੍ਰਯੋਗ ਪਰੇ ਜਾਣ ਲਈ ਹੁੰਦੇ ਹਨ (Baron and Kenny 1986) . ਵਿਚੋਲੇ ਦੇ ਵਿਚਾਰ ਮੈਨੂੰ ਕੀ ਢੰਗ ਨੂੰ ਕਾਲ ਦੁਆਰਾ ਹਾਸਲ ਹੈ, ਅਤੇ ਸੰਚਾਲਕ ਦੇ ਵਿਚਾਰ ਕੀ ਹੈ ਮੈਨੂੰ ਬਾਹਰੀ ਵੈਧਤਾ (ਉਦਾਹਰਨ ਲਈ, ਤਜਰਬੇ ਦੇ ਨਤੀਜੇ ਵੱਖ ਵੱਖ ਹੋ ਜਾਵੇਗਾ, ਜੇ ਇਸ ਨੂੰ ਵੱਖ-ਵੱਖ ਹਾਲਾਤ ਵਿਚ ਚਲਾਉਣ ਗਿਆ ਸੀ) ਅਤੇ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ (ਨੂੰ ਕਾਲ ਦੁਆਰਾ ਹਾਸਲ ਹੈ ਉਦਾਹਰਨ ਲਈ, ਪ੍ਰਭਾਵ ਹੋਰ ਲੋਕ ਵੱਧ ਕੁਝ ਲੋਕ) ਲਈ ਵੱਡੇ ਹੁੰਦੇ ਹਨ.

ਦੇ ਤਜਰਬੇ Schultz et al. (2007) ਪਤਾ ਲੱਗਦਾ ਹੈ ਸਮਾਜਿਕ ਮਨਮਤਿ ਅਸਰਦਾਰ ਦਖਲ ਤਿਆਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ. ਅਸਰਦਾਰ ਦਖ਼ਲਅੰਦਾਜ਼ੀ ਨੂੰ ਵਤਆਰ ਵਿੱਚ ਥਿਊਰੀ ਦੀ ਭੂਮਿਕਾ ਬਾਰੇ ਇੱਕ ਹੋਰ ਆਮ ਤੌਰ 'ਤੇ ਦਲੀਲ ਲਈ, ਵੇਖੋ, Walton (2014) .

• ਪ੍ਰਮਾਣਕਤਾ (ਹਿੱਸਾ 4.4.1)

ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਵੈਧਤਾ ਦੀ ਧਾਰਨਾ ਪਹਿਲੀ ਵਿਚ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ Campbell (1957) . ਦੇਖੋ Shadish, Cook, and Campbell (2001) , ਇੱਕ ਹੋਰ ਵੇਰਵੇ ਇਤਿਹਾਸ ਅਤੇ ਅੰਕੜਾ ਸਿੱਟੇ ਵੈਧਤਾ, ਅੰਦਰੂਨੀ ਵੈਧਤਾ ਦੀ ਧਿਆਨ ਨਾਲ ਨਿਰਮਾਣ ਲਈ ਵੈਧਤਾ, ਅਤੇ ਬਾਹਰੀ ਵੈਧਤਾ ਦੀ ਉਸਾਰੀ.

ਪ੍ਰਯੋਗ ਵਿਚ ਅੰਕੜਾ ਸਿੱਟੇ ਵੈਧਤਾ ਸਬੰਧਤ ਮੁੱਦੇ ਦੀ ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਲਈ ਨੂੰ ਵੇਖੋ Gerber and Green (2012) (ਸੋਸ਼ਲ ਸਾਇੰਸ ਨਜ਼ਰੀਏ ਲਈ) ਅਤੇ Imbens and Rubin (2015) (ਇੱਕ ਅੰਕੜਾ ਨਜ਼ਰੀਏ ਲਈ). ਅੰਕੜਾ ਸਿੱਟੇ ਵੈਧਤਾ ਦੇ ਕੁਝ ਮੁੱਦੇ ਹਨ ਕਿ ਆਨਲਾਈਨ ਖੇਤਰ ਪ੍ਰਯੋਗ ਵਿਚ ਖਾਸ ਤੌਰ 'ਤੇ ਪੈਦਾ ਅਜਿਹੇ ਨਿਰਭਰ ਡਾਟੇ ਨਾਲ ਆਤਮ-ਵਿਸ਼ਵਾਸ ਅੰਤਰਾਲ ਬਣਾਉਣ ਲਈ ਕੰਪਿਊਟਰ ਦੇ ਕੁਸ਼ਲ ਢੰਗ ਦੇ ਤੌਰ ਤੇ ਮੁੱਦੇ ਸ਼ਾਮਲ ਹਨ (Bakshy and Eckles 2013) .

ਅੰਦਰੂਨੀ ਵੈਧਤਾ ਕੰਪਲੈਕਸ ਖੇਤਰ ਪ੍ਰਯੋਗ ਵਿਚ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ,, ਵੇਖੋ Gerber and Green (2000) , Imai (2005) , ਅਤੇ Gerber and Green (2005) ਵੋਟਿੰਗ ਬਾਰੇ ਇੱਕ ਗੁੰਝਲਦਾਰ ਖੇਤਰ ਤਜਰਬੇ ਦੇ ਲਾਗੂ ਕਰਨ ਬਾਰੇ ਬਹਿਸ ਲਈ. Kohavi et al. (2012) ਅਤੇ Kohavi et al. (2013) ਆਨਲਾਈਨ ਖੇਤਰ ਪ੍ਰਯੋਗ ਵਿਚ ਅੰਤਰਾਲ ਵੈਧਤਾ ਦੀ ਚੁਣੌਤੀ ਵਿੱਚ ਇੱਕ ਪਛਾਣ ਮੁਹੱਈਆ ਕਰਦਾ ਹੈ.

ਅੰਦਰੂਨੀ ਵੈਧਤਾ ਦੇ ਨਾਲ ਇਕ ਵੱਡੀ ਚਿੰਤਾ ਦਾ randomization ਨਾਲ ਸਮੱਸਿਆ ਹੈ. ਇਕ ਤਰੀਕਾ ਹੈ ਸੰਭਾਵੀ randomization ਨਾਲ ਸਮੱਸਿਆ ਨੂੰ ਖੋਜਣ ਲਈ ਦੇਖਿਆ ਗੁਣ ਤੇ ਇਲਾਜ ਅਤੇ ਕੰਟਰੋਲ ਗਰੁੱਪ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਹੈ. ਤੁਲਨਾ ਦੇ ਇਸ ਕਿਸਮ ਦੀ ਇੱਕ ਸੰਤੁਲਨ ਚੈੱਕ ਕਿਹਾ ਗਿਆ ਹੈ. ਦੇਖੋ Hansen and Bowers (2008) , ਇੱਕ ਅੰਕੜਾ ਪਹੁੰਚ ਚੈਕ ਸੰਤੁਲਨ ਹੈ, ਅਤੇ ਵੇਖਣ ਲਈ Mutz and Pemantle (2015) ਸੰਤੁਲਨ ਚੈਕ ਬਾਰੇ ਚਿੰਤਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਸੰਤੁਲਨ ਵਰਤ ਚੈੱਕ Allcott (2011) ਨੂੰ ਮਿਲਿਆ, ਕੁਝ ਇਸ ਗੱਲ ਦਾ ਸਬੂਤ ਹੈ ਕਿ randomization OPower ਪ੍ਰਯੋਗ ਦੇ ਕੁਝ ਵਿੱਚ ਪ੍ਰਯੋਗ ਦੇ ਤਿੰਨ ਵਿਚ ਠੀਕ ਲਾਗੂ ਨਾ ਕੀਤਾ ਗਿਆ ਸੀ, ਉੱਥੇ ਹੈ, ਜੋ ਕਿ (ਸਾਰਣੀ 2 ਦੇਖੋ; ਸਾਈਟ 2, 6, ਅਤੇ 8). ਹੋਰ ਤਰੀਕੇ ਲਈ, ਵੇਖੋ, Imbens and Rubin (2015) , ਅਧਿਆਇ 21.

ਅੰਦਰੂਨੀ ਵੈਧਤਾ ਸਬੰਧਤ ਹੋਰ ਪ੍ਰਮੁੱਖ ਸਰੋਕਾਰ ਹਨ: 1) ਇਕ-ਸਾਥ ਗੈਰ-ਰਹਿਤ ਹੈ, ਜਿੱਥੇ ਇਲਾਜ ਸਮੂਹ ਵਿੱਚ ਹਰ ਕਿਸੇ ਨੂੰ ਨਾ ਅਸਲ ਵਿੱਚ ਇਲਾਜ ਪ੍ਰਾਪਤ ਕੀਤਾ, 2) ਦੋ ਸਾਥੀ ਗੈਰ-ਰਹਿਤ ਹੈ, ਜਿੱਥੇ ਇਲਾਜ ਸਮੂਹ ਵਿੱਚ ਹਰ ਕਿਸੇ ਨੂੰ ਨਾ ਇਲਾਜ ਅਤੇ ਕੁਝ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਕੰਟਰੋਲ ਗਰੁੱਪ ਵਿੱਚ ਲੋਕ ਇਲਾਜ, 3) ਕਜ, ਜਿੱਥੇ ਨਤੀਜੇ ਕੁਝ ਹਿੱਸਾ ਦੇ ਲਈ ਮਾਪਿਆ ਨਹੀ ਕਰ ਰਹੇ ਹਨ, ਅਤੇ 4) ਦਖ਼ਲ ਹੈ, ਜਿੱਥੇ ਇਲਾਜ ਵੱਧ ਲੋਕ ਇਲਾਜ ਹਾਲਤ ਵਿਚ ਲੋਕ ਨੂੰ ਕੰਟਰੋਲ ਹਾਲਤ ਵਿਚ ਡੁੱਲ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ. ਦੇਖੋ Gerber and Green (2012) ਅਧਿਆਇ 5, 6, 7, ਅਤੇ ਇਹ ਮੁੱਦੇ ਦੇ ਹਰ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ 8.

ਬਣਤਰ ਵੈਧਤਾ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Westen and Rosenthal (2003) , ਅਤੇ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਵਿੱਚ ਬਣਤਰ ਵੈਧਤਾ, ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ Lazer (2015) ਅਤੇ ਇਸ ਕਿਤਾਬ ਦੇ ਅਧਿਆਇ 2.

ਬਾਹਰੀ ਵੈਧਤਾ ਦੀ ਇਕ ਪਹਿਲੂ ਸੈਟਿੰਗ, ਜਿੱਥੇ ਇੱਕ ਦਖਲ ਟੈਸਟ ਹੁੰਦਾ ਹੈ. Allcott (2015) ਦੀ ਸਾਈਟ ਚੋਣ ਪੱਖਪਾਤ ਦੀ ਧਿਆਨ ਨਾਲ ਲਿਖਤੀ ਅਤੇ ਅਨੁਭਵੀ ਇਲਾਜ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ. ਇਹ ਮੁੱਦਾ ਵੀ ਚਰਚਾ ਕੀਤੀ ਹੈ Deaton (2010) . ਬਹੁਤ ਸਾਰੇ ਸਾਈਟ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਜਾ ਰਿਹਾ ਕਰਨ ਦੇ ਇਲਾਵਾ, ਮੁੱਖ ਊਰਜਾ ਦੀ ਰਿਪੋਰਟ ਦਖਲ ਨੂੰ ਵੀ ਸੁਤੰਤਰ ਮਲਟੀਪਲ ਖੋਜ ਗਰੁੱਪ ਨੇ ਪੜ੍ਹਾਈ ਕੀਤੀ ਗਿਆ ਹੈ (ਉਦਾਹਰਨ ਲਈ, Ayres, Raseman, and Shih (2013) ).

• ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ (ਹਿੱਸਾ 4.4.2)

ਖੇਤਰ ਪ੍ਰਯੋਗ ਵਿਚ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਦੀ ਇੱਕ ਸ਼ਾਨਦਾਰ ਸੰਖੇਪ ਜਾਣਕਾਰੀ ਲਈ, ਅਧਿਆਇ 12 ਨੂੰ ਵੇਖ Gerber and Green (2012) . ਮੈਡੀਕਲ ਟਰਾਇਲ ਵਿਚ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਨੂੰ ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਵੇਖੋ, Kent and Hayward (2007) , Longford (1999) , ਅਤੇ Kravitz, Duan, and Braslow (2004) . ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਆਮ ਤੌਰ 'ਤੇ ਪ੍ਰੀ-ਇਲਾਜ ਗੁਣ ਦੇ ਆਧਾਰ' ਤੇ ਮਤਭੇਦ ਤੇ ਧਿਆਨ. ਤੁਹਾਨੂੰ ਪੋਸਟ-ਇਲਾਜ ਨਤੀਜੇ ਦੇ ਆਧਾਰ 'ਤੇ ਸੰਸਿਤੀ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ, ਜੇ, ਫਿਰ ਹੋਰ ਗੁੰਝਲਦਾਰ approachs ਅਜਿਹੇ ਪ੍ਰਮੁੱਖ stratification ਦੇ ਤੌਰ ਤੇ ਲੋੜ ਹੈ (Frangakis and Rubin 2002) ; ਵੇਖੋ, Page et al. (2015) ਨੂੰ ਇੱਕ ਸਮੀਖਿਆ ਲਈ.

ਕਈ ਖੋਜਕਾਰ ਲੀਨੀਅਰ ਰੈਗਰੈਸ਼ਨ ਵਰਤ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਅੰਦਾਜ਼ਾ ਹੈ, ਪਰ ਨਵ ਢੰਗ ਮਸ਼ੀਨ ਸਿਖਲਾਈ 'ਤੇ ਭਰੋਸਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ Green and Kern (2012) , Imai and Ratkovic (2013) , Taddy et al. (2016) , ਅਤੇ Athey and Imbens (2016a) .

ਉੱਥੇ ਹੈ, ਕਿਉਕਿ ਕਈ ਕਈ ਤੁਲਨਾ ਸਮੱਸਿਆ ਹੈ ਅਤੇ ". ਫੜਨ" ਉੱਥੇ ਅੰਕੜਾ ਤਰੀਕੇ, ਜੋ ਕਿ ਕਈ ਕਈ ਮੁਕਾਬਲੇ ਬਾਰੇ ਪਤਾ ਨੂੰ ਚਿੰਤਾ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਦੀ ਇੱਕ ਕਿਸਮ ਦੇ ਹੁੰਦੇ ਹਨ ਦਾ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਦੇ ਖੁਲਾਸੇ ਬਾਰੇ ਕੁਝ ਸ਼ੱਕ ਹੈ (Fink, McConnell, and Vollmer 2014; List, Shaikh, and Xu 2016) . "ਫੜਨ" ਬਾਰੇ ਚਿੰਤਾ ਕਰਨ ਦੀ ਇਕ ਪਹੁੰਚ ਪ੍ਰੀ-ਰਜਿਸਟ੍ਰੇਸ਼ਨ, ਜੋ ਕਿ ਮਨੋਵਿਗਿਆਨ ਵਿਚ ਵਧਦੀ ਆਮ ਬਣ ਗਿਆ ਹੈ (Nosek and Lakens 2014) , ਸਿਆਸੀ ਵਿਗਿਆਨ (Humphreys, Sierra, and Windt 2013; Monogan 2013; Anderson 2013; Gelman 2013; Laitin 2013) , ਅਤੇ ਅਰਥਸ਼ਾਸਤਰ (Olken 2015) .

ਦਾ ਅਧਿਐਨ ਵਿਚ Costa and Kahn (2013) ਸਿਰਫ ਤਜਰਬੇ ਵਿਚ ਪਰਿਵਾਰ ਦੇ ਬਾਰੇ ਅੱਧੇ ਜਨ ਜਾਣਕਾਰੀ ਨਾਲ ਜੁੜਿਆ ਜਾ ਕਰਨ ਦੇ ਯੋਗ ਸਨ. ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਵੇਰਵੇ ਅਤੇ ਸੰਭਵ ਸਮੱਸਿਆ ਵਿੱਚ ਦਿਲਚਸਪੀ ਪਾਠਕ ਅਸਲੀ ਕਾਗਜ਼ ਵੇਖੋ ਚਾਹੀਦਾ ਹੈ.

• ਢੰਗ ਹੈ (ਹਿੱਸਾ 4.4.3)

ਢੰਗ ਬਹੁਤ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਪਰ ਉਹ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਬਹੁਤ ਹੀ ਮੁਸ਼ਕਲ ਹੋ ਕਰਨ ਲਈ ਬਾਹਰ ਚਾਲੂ. ਢੰਗ ਬਾਰੇ ਖੋਜ ਨਜ਼ਦੀਕੀ ਮਨੋਵਿਗਿਆਨ ਵਿਚ ਵਿਚੋਲੇ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਸਬੰਧਤ ਹੈ (ਪਰ ਇਹ ਵੀ ਦੇਖਣ ਨੂੰ VanderWeele (2009) , ਦੋ ਵਿਚਾਰ ਵਿਚਕਾਰ ਇੱਕ ਸਟੀਕ ਤੁਲਨਾ ਕਰਨ ਲਈ). ਅਜਿਹੇ ਵਿਚ ਵਿਕਸਤ ਪਹੁੰਚ ਦੇ ਤੌਰ ਤੇ ਲੱਭਣ ਦੇ ਢੰਗ ਨੂੰ ਅੰਕੜਾ ਤਰੀਕੇ, Baron and Kenny (1986) , ਕਾਫ਼ੀ ਆਮ ਹਨ. ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਸ ਨੂੰ ਬਾਹਰ ਕਾਮੁਕ ਹੈ ਕਿ ਉਹ ਕਾਰਵਾਈ ਕੁਝ ਮਜ਼ਬੂਤ ​​ਕਲਪਨਾ 'ਤੇ ਨਿਰਭਰ (Bullock, Green, and Ha 2010) ਅਤੇ ਦੁੱਖ ਜਦ ਕਿ ਕਈ ਢੰਗ ਹਨ, ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਸਾਰੇ ਹਾਲਾਤ ਵਿੱਚ ਉਮੀਦ ਕਰ ਸਕਦਾ ਹੈ (Imai and Yamamoto 2013; VanderWeele and Vansteelandt 2014) . Imai et al. (2011) ਅਤੇ Imai and Yamamoto (2013) ਕੁਝ ਸੁਧਾਰ ਅੰਕੜਾ ਢੰਗ ਦੀ ਪੇਸ਼ਕਸ਼. ਅੱਗੇ, VanderWeele (2015) ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇੱਕ ਵਿਆਪਕ ਪਹੁੰਚ ਸ਼ਾਮਲ ਹੈ ਮਹੱਤਵਪੂਰਨ ਨਤੀਜੇ, ਦੇ ਇੱਕ ਨੰਬਰ ਦੇ ਨਾਲ ਇੱਕ ਕਿਤਾਬ-ਲੰਬਾਈ ਦੇ ਇਲਾਜ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ.

ਇੱਕ ਵੱਖਰਾ ਪਹੁੰਚ ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਵਿਧੀ ਨੂੰ ਸਿੱਧੇ (ਉਦਾਹਰਨ ਲਈ, ਦੇ ਰਿਹਾ ਮਲਾਹ ਵਿਟਾਮਿਨ C) ਨੂੰ ਸੋਧਣ ਦੀ ਕੋਸ਼ਿਸ਼ 'ਤੇ ਜ਼ੋਰ. ਬਦਕਿਸਮਤੀ ਨਾਲ, ਬਹੁਤ ਸਾਰੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਸੈਟਿੰਗ ਵਿਚ ਅਕਸਰ ਕਈ ਕਈ ਢੰਗ ਹਨ ਅਤੇ ਇਸ ਨੂੰ ਇਲਾਜ ਹੈ, ਜੋ ਕਿ ਹੋਰ ਹੋਰ ਨੂੰ ਬਦਲਣ ਬਿਨਾ ਇੱਕ ਨੂੰ ਤਬਦੀਲ ਤਿਆਰ ਕਰਨ ਲਈ ਔਖਾ ਹੈ. ਕੁਝ ਤਰੀਕੇ experimentally ਬਦਲਣ ਦੇ ਢੰਗ ਵਿੱਚ ਦਿੱਤਾ ਗਿਆ ਹੈ ਨੂੰ Imai, Tingley, and Yamamoto (2013) , Ludwig, Kling, and Mullainathan (2011) , ਅਤੇ Pirlott and MacKinnon (2016) .

ਅੰਤ ਵਿੱਚ, ਢੰਗ ਵੀ ਇੱਕ ਲੰਮਾ ਇਤਿਹਾਸ ਵਿਗਿਆਨ ਦੇ ਦਰਸ਼ਨ ਵਿੱਚ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇ ਕੇ ਦੱਸਿਆ ਗਿਆ ਹੈ ਹੈ Hedström and Ylikoski (2010) .

• ਮੌਜੂਦਾ ਵਾਤਾਵਰਣ ਦਾ ਇਸਤੇਮਾਲ (ਹਿੱਸਾ 4.5.1.1)

ਪੱਤਰ ਪੜ੍ਹਾਈ ਅਤੇ ਆਡਿਟ ਪੜ੍ਹਾਈ ਦੀ ਵਰਤੋ ਵਿਤਕਰੇ ਨੂੰ ਮਾਪਣ ਲਈ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਨੂੰ ਵੇਖੋ Pager (2007) .

• ਆਪਣੇ ਖੁਦ ਦੇ ਤਜਰਬੇ ਬਣਾਓ (ਹਿੱਸਾ 4.5.1.2)

ਸਭ ਆਮ ਤਰੀਕਾ ਹੈ ਪ੍ਰਯੋਗ, ਜੋ ਕਿ ਤੁਹਾਨੂੰ ਬਣਾਉਣ ਲਈ ਹਿੱਸਾ ਭਰਤੀ ਕਰਨ ਐਮਾਜ਼ਾਨ ਮਕੈਨੀਕਲ Turk (MTurk) ਹੈ. ਰਵਾਇਤੀ ਲੈਬ ਪ੍ਰਯੋਗ-ਭੁਗਤਾਨ ਲੋਕ MTurk mimics ਪਹਿਲੂ ਕੰਮ ਹੈ ਕਿ ਉਹ ਮੁਫ਼ਤ-ਬਹੁਤ ਸਾਰੇ ਖੋਜਕਾਰ ਲਈ ਕੀ ਨਾ ਸੀ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਇਸ ਕਰਕੇ ਹੀ ਰਵਾਇਤੀ ਵੱਧ ਤੇਜ਼ ਅਤੇ ਸਸਤਾ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਵਿੱਚ ਨਤੀਜੇ ਮਨੁੱਖੀ ਪਰਜਾ ਪ੍ਰਯੋਗ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਦੇ ਰੂਪ Turkers (MTurk ਤੇ ਵਰਕਰ) ਵਰਤ ਸ਼ੁਰੂ ਕੀਤਾ ਹੈ ਤੇ-ਪਰਿਸਰ ਲੈਬਾਰਟਰੀ ਪ੍ਰਯੋਗ (Paolacci, Chandler, and Ipeirotis 2010; Horton, Rand, and Zeckhauser 2011; Mason and Suri 2012; Rand 2012; Berinsky, Huber, and Lenz 2012) .

MTurk ਤੱਕ ਭਰਤੀ ਹਿੱਸਾ ਲੈਣ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ ਦਾ ਵੱਡਾ ਤਾਕਤ ਯੋਜਨਾਬੰਦੀ ਸਬੰਧੀ ਹਨ: ਉਹ ਖੋਜਕਾਰ ਹਿੱਸਾ ਲੈਣ ਦੀ ਭਰਤੀ ਕਰਨ ਨੂੰ ਜਲਦੀ ਅਤੇ ਲੋੜ ਦੇ ਤੌਰ ਤੇ ਸਹਾਇਕ ਹੈ. ਜਦ ਕਿ ਲੈਬ ਪ੍ਰਯੋਗ ਨੂੰ ਚਲਾਉਣ ਲਈ ਹਫ਼ਤੇ ਲੱਗ ਸਕਦੇ ਹਨ ਅਤੇ ਪ੍ਰਚਾਰ ਪ੍ਰਯੋਗ ਮਹੀਨੇ ਲੱਗ ਸੈੱਟ-ਅੱਪ ਕਰਨ ਲਈ ਕਰ ਸਕਦੇ ਹੋ, MTurk ਤੱਕ ਭਰਤੀ ਹਿੱਸਾ ਲੈਣ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ ਦਿਨ ਵਿਚ ਚਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, Berinsky, Huber, and Lenz (2012) ਇਕ ਦਿਨ ਵਿਚ 400 ਪਰਜਾ ਭਰਤੀ ਕਰਨ ਲਈ ਇੱਕ 8 ਮਿੰਟ ਤਜਰਬੇ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਲਈ ਯੋਗ ਸਨ. ਅੱਗੇ, ਇਹ ਹਿੱਸਾ ਲੈਣ (ਦੇ ਤੌਰ ਅਧਿਆਇ 3 ਵਿਚ ਚਰਚਾ, ਸਰਵੇਖਣ ਅਤੇ ਪੁੰਜ ਸਹਿਯੋਗ ਵੀ ਸ਼ਾਮਲ ਹੈ ਅਤੇ 5) ਲੱਗਭਗ ਕਿਸੇ ਵੀ ਮਕਸਦ ਲਈ ਭਰਤੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਭਰਤੀ ਦਾ ਇਹ ਸੌਖ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਤੇਜ਼ੀ ਉਤਰਾਧਿਕਾਰ ਵਿੱਚ ਸਬੰਧਿਤ ਪ੍ਰਯੋਗ ਦੀ ਤਰਤੀਬ ਨੂੰ ਚਲਾ ਸਕਦੇ ਹੋ ਦਾ ਮਤਲਬ ਹੈ.

ਆਪਣੇ ਖੁਦ ਦੇ ਪ੍ਰਯੋਗ ਦੇ ਲਈ MTurk ਤੱਕ ਹਿੱਸਾ ਭਰਤੀ ਅੱਗੇ, ਉੱਥੇ ਚਾਰ ਜ਼ਰੂਰੀ ਕੰਮ ਨੂੰ ਪਤਾ ਕਰਨ ਲਈ ਹੁੰਦੇ ਹਨ. ਪਹਿਲੀ, ਬਹੁਤ ਸਾਰੇ ਖੋਜਕਾਰ Turkers ਸ਼ਾਮਲ ਪ੍ਰਯੋਗ ਦੀ ਇੱਕ ਗੈਰ-ਖਾਸ ਸੰਦੇਹ ਹੈ. ਇਸ ਕਰਕੇ ਇਸ ਨੂੰ ਸੰਦੇਹ ਖਾਸ ਨਹੀ ਹੈ, ਇਸ ਨੂੰ ਸਬੂਤ ਦੇ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਔਖਾ ਹੈ. ਪਰ, Turkers ਵਰਤ ਪੜ੍ਹਾਈ ਦੇ ਕਈ ਸਾਲ ਬਾਅਦ, ਸਾਨੂੰ ਹੁਣ ਸਿੱਟਾ ਕੱਢ ਸਕਦੇ ਹਨ ਕਿ ਇਹ ਸੰਦੇਹ ਖਾਸ ਕਰਕੇ ਜ਼ਰੂਰੀ ਨਹੀ ਹੈ. ਹੋਰ ਵੀ ਕਈ ਆਬਾਦੀ ਅਤੇ ਕਈ ਪੜ੍ਹਾਈ ਹੋਰ ਆਬਾਦੀ ਦੇ ਨਤੀਜੇ ਦਾ Turkers ਨਾਲ ਪ੍ਰਯੋਗ ਦੇ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ Turkers ਦੇ ਜਨ ਤੁਲਨਾ ਪੜ੍ਹਾਈ ਕੀਤਾ ਗਿਆ ਹੈ. ਇਸ ਸਾਰੇ ਕੰਮ ਨੂੰ ਦਿੱਤਾ ਹੈ, ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਇਸ ਬਾਰੇ ਸੋਚਣ ਦੀ ਲਈ ਵਧੀਆ ਤਰੀਕਾ ਹੈ, ਜੋ ਕਿ ਹੈ, ਜੋ ਕਿ Turkers ਬਹੁਤ ਕੁਝ ਵਿਦਿਆਰਥੀ, ਪਰ ਥੋੜ੍ਹਾ ਹੋਰ ਵੱਖ ਵੱਖ ਵਰਗਾ, ਇੱਕ ਜਾਇਜ਼ ਦੀ ਸਹੂਲਤ ਨਮੂਨਾ ਹਨ (Berinsky, Huber, and Lenz 2012) . ਇਸ ਲਈ, ਹੁਣੇ ਹੀ ਦੇ ਤੌਰ ਵਿਦਿਆਰਥੀ ਨੂੰ ਕੁਝ ਕਰਨ ਲਈ ਇੱਕ ਵਾਜਬ ਆਬਾਦੀ ਹੈ ਪਰ ਨਾ ਸਾਰੇ ਤਜਰਬੇ ਖੋਜ ਕਰਦੇ ਹਨ, Turkers ਕੁਝ ਕਰਨ ਲਈ ਇੱਕ ਵਾਜਬ ਆਬਾਦੀ ਹੈ, ਨਾ ਹੈ, ਪਰ ਸਾਰੇ ਖੋਜ ਹਨ. ਤੁਹਾਨੂੰ Turkers ਨਾਲ ਕੰਮ ਕਰਨ ਜਾ ਰਹੇ ਹਨ, ਜੇ, ਫਿਰ ਇਸ ਨੂੰ ਅਰਥ ਇਹ ਤੁਲਨਾਤਮਕ ਅਧਿਐਨ ਦੇ ਬਹੁਤ ਸਾਰੇ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਆਪਣੇ ਸੂਖਮ ਨੂੰ ਸਮਝਣ ਲਈ ਕਰਦਾ ਹੈ.

ਦੂਜਾ, ਖੋਜਕਾਰ Turk ਤਜ਼ਰਬੇ ਦੇ ਅੰਦਰੂਨੀ ਵੈਧਤਾ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਧੀਆ-ਅਭਿਆਸ ਵਿਕਸਤ ਕੀਤਾ ਹੈ, ਅਤੇ ਤੁਹਾਨੂੰ ਇਸ ਬਾਰੇ ਸਿੱਖਣ ਅਤੇ ਇਹ ਵਧੀਆ-ਅਭਿਆਸ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ (Horton, Rand, and Zeckhauser 2011; Mason and Suri 2012) . ਮਿਸਾਲ ਲਈ, Turkers ਵਰਤ ਖੋਜਕਾਰ screeners ਨੂੰ ਵਰਤਣ ਲਈ ਕਰਦ ਹਿੱਸਾ ਲੈਣ ਨੂੰ ਹਟਾਉਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ ਜਾਦਾ ਹੈ (Berinsky, Margolis, and Sances 2014; Berinsky, Margolis, and Sances 2016) (ਪਰ ਇਹ ਵੀ ਦੇਖਣ ਨੂੰ DJ Hauser and Schwarz (2015b) ਅਤੇ DJ Hauser and Schwarz (2015a) ). ਤੁਹਾਨੂੰ ਕਰਦ ਹਿੱਸਾ ਲੈਣ ਨੂੰ ਹਟਾਉਣ ਨਾ ਕਰਦੇ ਹੋ, ਫਿਰ ਇਲਾਜ ਦੇ ਕਿਸੇ ਵੀ ਪ੍ਰਭਾਵ ਕਰਦ ਹਿੱਸਾ ਲੈਣ ਤੱਕ ਪੇਸ਼ ਸ਼ੋਰ ਨਾਲ ਬਾਹਰ ਧੋਤੇ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਅਭਿਆਸ ਵਿੱਚ ਕਰਦ ਹਿੱਸਾ ਲੈਣ ਦੀ ਗਿਣਤੀ ਕਾਫ਼ੀ ਹੋ ਸਕਦਾ ਹੈ. Huber ਅਤੇ ਸਾਥੀ ਦੇ ਤਜਰਬੇ ਵਿਚ (2012) ਹਿੱਸਾ ਲੈਣ ਦੇ ਬਾਰੇ 30% ਬੁਨਿਆਦੀ ਦਾ ਧਿਆਨ screeners ਫੇਲ੍ਹ ਹੈ. ਇਕ ਹੋਰ ਸਮੱਸਿਆ ਦਾ Turkers ਨਾਲ ਆਮ ਗੈਰ-ਸੱਤਰਾ ਹਿੱਸਾ ਹੈ (Chandler et al. 2015) .

ਤੀਜਾ, ਡਿਜ਼ੀਟਲ ਤਜ਼ਰਬੇ ਦੇ ਕੁਝ ਹੋਰ ਫਾਰਮ ਲਈ ਰਿਸ਼ਤੇਦਾਰ, MTurk ਪ੍ਰਯੋਗ ਸਕੇਲ ਨਾ ਕਰ ਸਕਦਾ ਹੈ; Stewart et al. (2015) ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ ਕਿ ਕਿਸੇ ਵੀ ਦਿੱਤੇ ਵੇਲੇ 'ਤੇ ਉਥੇ MTurk ਤੇ ਸਿਰਫ ਬਾਰੇ 7,000 ਲੋਕ ​​ਹਨ.

ਅੰਤ ਵਿੱਚ, ਤੁਹਾਨੂੰ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ MTurk ਇਸ ਦੇ ਆਪਣੇ ਨਿਯਮ ਅਤੇ ਨਿਯਮ ਦੇ ਨਾਲ ਇੱਕ ਭਾਈਚਾਰੇ ਹੈ (Mason and Suri 2012) . ਇਸੇ ਤਰੀਕੇ ਨਾਲ ਹੈ, ਜੋ ਕਿ ਤੁਹਾਨੂੰ ਇੱਕ ਦੇਸ਼ ਹੈ, ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਆਪਣੇ ਪ੍ਰਯੋਗ ਨੂੰ ਚਲਾਉਣ ਲਈ ਜਾ ਰਹੇ ਸਨ ਦੇ ਸਭਿਆਚਾਰ ਬਾਰੇ ਪਤਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਗੇ, ਤੁਹਾਨੂੰ ਸਭਿਆਚਾਰ ਅਤੇ ​​Turkers ਦੇ ਨਿਯਮ ਬਾਰੇ ਹੋਰ ਪਤਾ ਕਰਨ ਲਈ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ (Salehi et al. 2015) . ਅਤੇ, ਤੁਹਾਨੂੰ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ Turkers ਆਪਣੇ ਤਜਰਬੇ ਬਾਰੇ ਗੱਲ ਕੀਤੀ ਜਾਵੇਗੀ, ਜੇਕਰ ਤੁਹਾਨੂੰ ਕੁਝ ਅਣਉਚਿਤ ਜ ਅਨੈਤਿਕ ਕੀ (Gray et al. 2016) .

MTurk ਆਪਣੇ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਹਿੱਸਾ ਭਰਤੀ ਕਰਨ ਲਈ ਇੱਕ ਬਹੁਤ ਹੀ ਸੁਵਿਧਾਜਨਕ ਤਰੀਕਾ ਹੈ, ਕਿ ਕੀ ਉਹ ਅਜਿਹੇ ਤੌਰ ਲੈਬ-ਵਰਗੇ ਹਨ, Huber, Hill, and Lenz (2012) , ਜ ਹੋਰ ਖੇਤਰ-ਵਰਗੇ, ਅਜਿਹੇ ਤੌਰ Mason and Watts (2009) , Goldstein, McAfee, and Suri (2013) , Goldstein et al. (2014) , Horton and Zeckhauser (2016) , ਅਤੇ Mao et al. (2016) .

• ਆਪਣੇ ਖੁਦ ਦੇ ਉਤਪਾਦ ਬਣਾਉਣ (ਹਿੱਸਾ 4.5.1.3)

ਤੁਹਾਡੇ ਲਈ ਆਪਣੇ ਆਪ ਉਤਪਾਦ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਦੀ ਸੋਚ ਰਹੇ ਹੋ, ਮੈਨੂੰ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਹੈ, ਜੋ ਕਿ ਤੁਹਾਨੂੰ ਸਲਾਹ ਵਿਚ MovieLens ਗਰੁੱਪ ਦੇ ਦੁਆਰਾ ਦੀ ਪੇਸ਼ਕਸ਼ ਨੂੰ ਪੜ੍ਹ Harper and Konstan (2015) . ਆਪਣੇ ਤਜਰਬੇ ਦਾ ਇੱਕ ਕੁੰਜੀ ਸਮਝ ਹੈ, ਜੋ ਕਿ ਹਰ ਇੱਕ ਸਫਲ ਪ੍ਰਾਜੈਕਟ ਲਈ ਉੱਥੇ ਬਹੁਤ ਸਾਰੇ, ਬਹੁਤ ਸਾਰੇ ਫੇਲ੍ਹ ਹਨ. ਮਿਸਾਲ ਲਈ, MovieLens ਗਰੁੱਪ ਨੂੰ ਅਜਿਹੇ GopherAnswers ਹੈ, ਜੋ ਕਿ ਮੁਕੰਮਲ ਹੋ ਫੇਲ੍ਹ ਸਨ ਦੇ ਤੌਰ ਤੇ ਹੋਰ ਉਤਪਾਦ ਸ਼ੁਰੂ (Harper and Konstan 2015) . ਇਕ ਖੋਜਕਾਰ ਇਕ ਉਤਪਾਦ ਬਣਾਉਣ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਹੈ, ਜਦਕਿ ਅਸਫਲ ਦੀ ਇਕ ਹੋਰ ਮਿਸਾਲ ਹੈ ਇੱਕ ਆਨਲਾਈਨ ਦੀ ਖੇਡ Arden ਕਹਿੰਦੇ ਬਣਾਉਣ ਲਈ ਐਡਵਰਡ Castronova ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ. ਫੰਡ ਵਿਚ $ 250,000 ਦੇ ਬਾਵਜੂਦ, ਪ੍ਰਾਜੈਕਟ ਨੂੰ, ਇੱਕ ਫਲਾਪ ਸੀ (Baker 2008) . GopherAnswers ਅਤੇ Arden ਵਰਗੇ ਪ੍ਰਾਜੈਕਟ ਬਦਕਿਸਮਤੀ ਬਹੁਤ ਕੁਝ MovieLens ਵਰਗੇ ਪ੍ਰਾਜੈਕਟ ਵੱਧ ਹੋਰ ਆਮ ਹਨ. ਅੰਤ ਵਿੱਚ, ਜਦ ਮੈਨੂੰ ਕਿਹਾ ਹੈ ਕਿ ਮੈਨੂੰ ਕਿਸੇ ਹੋਰ ਨੂੰ ਖੋਜਕਾਰ, ਜੋ ਕਿ ਸਫਲਤਾ ਨਾਲ ਵਾਰ ਵਾਰ ਪ੍ਰਯੋਗ ਦੇ ਲਈ ਉਤਪਾਦ ਬਣਾਇਆ ਸੀ ਨਾ ਸੀ ਪਤਾ ਇੱਥੇ ਮੇਰੇ ਮਾਪਦੰਡ ਹਨ: 1) ਹਿੱਸਾ ਹੈ, ਕਿਉਕਿ ਕਿ ਕੀ ਇਸ ਨੂੰ ਦਿੰਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਉਹ ਦਾ ਭੁਗਤਾਨ ਨਾ ਰਹੇ ਹਨ ਦੇ ਉਤਪਾਦ ਨੂੰ ਵਰਤਣ ਅਤੇ ਉਹ ਨਹੀ ਹਨ ਵਾਲੰਟੀਅਰ ਵਿਗਿਆਨ ਦੀ ਮਦਦ) ਅਤੇ 2) ਉਤਪਾਦ ਵੱਧ ਇੱਕ ਵੱਖਰੇ ਤਜਰਬੇ (ਭਾਵ, ਨਾ ਕਿ ਉਸੇ ਪ੍ਰਯੋਗ ਨੂੰ ਕਈ ਵੱਖ ਵੱਖ ਭਾਗੀਦਾਰ ਪੂਲ ਦੇ ਨਾਲ ਵਾਰ) ਲਈ ਵਰਤਿਆ ਗਿਆ ਹੈ. ਤੁਹਾਨੂੰ ਹੋਰ ਮਿਸਾਲ ਦੇ ਜਾਣਦੇ ਹੋ, ਮੈਨੂੰ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਕਿਰਪਾ ਕਰਕੇ.

• ਸ਼ਕਤੀਸ਼ਾਲੀ ਨਾਲ ਸਾਥੀ (ਹਿੱਸਾ 4.5.2)

ਮੈਨੂੰ ਪਾਸਟਰ ਦੇ Quadrant ਤਕਨੀਕੀ ਕੰਪਨੀ 'ਤੇ ਅਕਸਰ ਚਰਚਾ ਕੀਤੀ ਦਾ ਵਿਚਾਰ ਸੁਣਿਆ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਗੂਗਲ' ਤੇ ਖੋਜ ਦੇ ਯਤਨ ਨੂੰ ਸੰਗਠਿਤ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ (Spector, Norvig, and Petrov 2012) .

Bond ਅਤੇ ਸਾਥੀ 'ਦਾ ਅਧਿਐਨ (2012) ਨੂੰ ਵੀ ਜਿਹੜੇ ਉਹ ਨੂੰ ਪ੍ਰਾਪਤ ਦੇ ਦੋਸਤ' ਤੇ ਇਹ ਇਲਾਜ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਖੋਜਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ. ਇਸ ਕਰਕੇ ਤਜਰਬੇ ਦੇ ਡਿਜ਼ਾਇਨ ਦੀ, ਇਹ spillovers ਠੀਕ ਖੋਜ ਕਰਨ ਲਈ ਮੁਸ਼ਕਲ ਹਨ; ਦਿਲਚਸਪੀ ਪਾਠਕ ਵੇਖ ਚਾਹੀਦਾ ਹੈ Bond et al. (2012) , ਇੱਕ ਹੋਰ ਚੰਗੀ ਚਰਚਾ ਲਈ. ਇਹ ਤਜਰਬੇ ਵੋਟ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਯਤਨ 'ਤੇ ਸਿਆਸੀ ਵਿਗਿਆਨ' ਚ ਪ੍ਰਯੋਗ ਦੇ ਇੱਕ ਲੰਬੇ ਪਰੰਪਰਾ ਦਾ ਹਿੱਸਾ ਹੈ (Green and Gerber 2015) . ਉਹ ਪਾਸਟਰ ਦੇ Quadrant ਵਿੱਚ ਹਨ ਇਹ ਪ੍ਰਾਪਤ-ਆਊਟ--ਵੋਟ ਪ੍ਰਯੋਗ ਹਿੱਸੇ ਵਿੱਚ ਆਮ ਹਨ. ਜੋ ਕਿ ਹੈ, ਉੱਥੇ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਹਨ ਜੋ ਵੋਟਿੰਗ ਅਤੇ ਵੋਟਿੰਗ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਤੀਰੇ ਨੂੰ ਤਬਦੀਲੀ ਅਤੇ ਸਮਾਜਿਕ ਪ੍ਰਭਾਵ ਬਾਰੇ ਆਮ ਮਨਮਤਿ ਨੂੰ ਟੈਸਟ ਕਰਨ ਲਈ ਇੱਕ ਦਿਲਚਸਪ ਵਿਵਹਾਰ ਨੂੰ ਹੋ ਸਕਦਾ ਹੈ ਪ੍ਰੇਰਿਤ ਹਨ.

ਹੋਰ ਖੋਜਕਾਰ ਅਜਿਹੇ ਸਿਆਸੀ ਧਿਰ, ਗੈਰ, ਅਤੇ ਕਾਰੋਬਾਰ ਦੇ ਤੌਰ ਤੇ ਸਾਥੀ ਸੰਗਠਨ ਨਾਲ ਖੇਤ ਪ੍ਰਯੋਗ ਚੱਲ ਬਾਰੇ ਸਲਾਹ ਦਿੱਤੀ ਹੈ (Loewen, Rubenson, and Wantchekon 2010; List 2011; Gueron 2002) . ਦੂਸਰੇ ਨੂੰ ਸੰਗਠਨ ਦੇ ਨਾਲ ਭਾਈਵਾਲੀ ਖੋਜ ਡਿਜ਼ਾਈਨ ਅਸਰ ਕਰ ਸਕਦਾ ਹੈ, ਬਾਰੇ ਸਲਾਹ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ ਹੈ (Green, Calfano, and Aronow 2014; King et al. 2007) . ਭਾਈਵਾਲੀ ਦਾ ਵੀ ਨੈਤਿਕ ਸਵਾਲ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰ ਸਕਦੇ ਹਨ (Humphreys 2015; Nickerson and Hyde 2016) .

• ਡਿਜ਼ਾਈਨ ਸਲਾਹ (ਹਿੱਸਾ 4.6)

ਤੁਹਾਨੂੰ ਆਪਣੇ ਤਜਰਬੇ ਚੱਲ ਰਹੇ ਅੱਗੇ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਲਈ ਜਾ ਰਹੇ ਹਨ, ਜੇ, ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਰਿਪੋਰਟਿੰਗ ਦਿਸ਼ਾ ਪੜ੍ਹ ਕੇ ਸ਼ੁਰੂ ਕਰੋ. ਕੰਤ ਦਿਸ਼ਾ (ਟ੍ਰਾਇਲਸ ਦੇ ਕੰਸੋਲਿਡੇਟਿਡ ਮਿਆਰੀ ਰਿਪੋਰਟਿੰਗ) ਦਵਾਈ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ (Schulz et al. 2010) ਅਤੇ ਸਮਾਜਿਕ ਖੋਜ ਲਈ ਸੋਧਿਆ (Mayo-Wilson et al. 2013) . ਦਿਸ਼ਾ ਦੀ ਇੱਕ ਸੰਬੰਧਿਤ ਸੈੱਟ ਪ੍ਰਯੋਗਾਤਮਕ ਸਿਆਸੀ ਵਿਗਿਆਨ ਦੇ ਜਰਨਲ ਦੇ ਸੰਪਾਦਕ ਦੁਆਰਾ ਵਿਕਸਿਤ ਕੀਤਾ ਗਿਆ ਹੈ (Gerber et al. 2014) (ਵੀ ਵੇਖਣ Mutz and Pemantle (2015) ਅਤੇ Gerber et al. (2015) ). ਅੰਤ ਵਿੱਚ, ਰਿਪੋਰਟ ਦਿਸ਼ਾ ਮਨੋਵਿਗਿਆਨ ਵਿਚ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, (Group 2008) , ਅਤੇ ਇਹ ਵੀ ਦੇਖਣ ਨੂੰ Simmons, Nelson, and Simonsohn (2011) .

ਤੁਹਾਨੂੰ ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ, ਜੇ ਤੁਹਾਨੂੰ ਇਸ ਨੂੰ ਪ੍ਰੀ-ਰਜਿਸਟਰ ਕਰਕੇ ਪ੍ਰੀ-ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਦਾ ਭਰੋਸਾ ਹੋਰ ਆਪਣੇ ਨਤੀਜੇ ਵਿੱਚ ਹੈ, ਜੋ ਕਿ ਵਾਧਾ ਹੋਵੇਗਾ ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. ਅੱਗੇ, ਜੇ ਤੁਹਾਨੂੰ ਇੱਕ ਸਾਥੀ ਦੇ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹਨ, ਇਸ ਨੂੰ ਆਪਣੇ ਸਾਥੀ ਦੇ ਨਤੀਜੇ ਦੇਖ ਕੇ ਬਾਅਦ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨੂੰ ਸੀਮਿਤ ਕਰ ਦੇਵੇਗਾ. ਪ੍ਰੀ-ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਮਨੋਵਿਗਿਆਨ ਵਿਚ ਵਧਦੀ ਆਮ ਬਣ ਰਿਹਾ ਹੈ (Nosek and Lakens 2014) , ਸਿਆਸੀ ਵਿਗਿਆਨ (Humphreys, Sierra, and Windt 2013; Monogan 2013; Anderson 2013; Gelman 2013; Laitin 2013) , ਅਤੇ ਅਰਥਸ਼ਾਸਤਰ (Olken 2015) .

ਆਪਣੇ ਪ੍ਰੀ-ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੌਰਾਨ ਤੁਹਾਨੂੰ ਪਤਾ ਹੈ ਕਿ ਕੁਝ ਖੋਜਕਾਰ ਇਹ ਵੀ ਰੈਗਰੈਸ਼ਨ ਅਤੇ ਸੰਬੰਧਿਤ ਤਰੀਕੇ ਵਰਤਣ ਦੀ ਅੰਦਾਜ਼ਨ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਇਸ ਦੀ ਪਹੁੰਚ ਬਾਰੇ ਕੁਝ ਬਹਿਸ ਹੈ: Freedman (2008) , Lin (2013) , ਅਤੇ Berk et al. (2013) ; ਦੇਖਣ ਨੂੰ Bloniarz et al. (2016) ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ.

ਆਨਲਾਈਨ ਖੇਤਰ ਪ੍ਰਯੋਗ ਦੇ ਲਈ ਡਿਜ਼ਾਈਨ ਸਲਾਹ ਖਾਸ ਵਿੱਚ ਵੀ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ Konstan and Chen (2007) ਅਤੇ Chen and Konstan (2015) .

• ਜ਼ੀਰੋ ਵੇਰੀਏਬਲ ਦੀ ਡਾਟਾ ਬਣਾਓ (ਹਿੱਸਾ 4.6.1)

MusicLab ਪ੍ਰਯੋਗ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Salganik, Dodds, and Watts (2006) , Salganik and Watts (2008) , Salganik and Watts (2009b) , Salganik and Watts (2009a) , ਅਤੇ Salganik (2007) . ਜੇਤੂ-ਲੈ-ਦੇ ਸਾਰੇ ਬਾਜ਼ਾਰ ਤੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Frank and Cook (1996) . ਹੋਰ ਆਮ ਤੌਰ 'ਤੇ untangling ਕਿਸਮਤ ਅਤੇ ਹੁਨਰ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Mauboussin (2012) , Watts (2012) , ਅਤੇ Frank (2016) .

ਭਰਤੀ: ਕੋਈ ਭਾਗੀਦਾਰ ਭੁਗਤਾਨ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਸਾਵਧਾਨੀ ਨਾਲ ਵਰਤਣਾ ਚਾਹੀਦਾ ਹੈ ਖਤਮ ਕਰਨ ਦਾ ਇੱਕ ਹੋਰ ਪਹੁੰਚ ਹੈ. ਬਹੁਤ ਸਾਰੇ ਆਨਲਾਈਨ ਖੇਤਰ ਪ੍ਰਯੋਗ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਅਸਲ ਵਿੱਚ ਪ੍ਰਯੋਗ ਵਿੱਚ ਤਿਆਰ ਹੈ ਅਤੇ ਕਦੇ ਵੀ ਮੁਆਵਜ਼ਾ ਰਹੇ ਹਨ. ਇਸ ਪਹੁੰਚ ਦੇ ਉਦਾਹਰਣ Restivo ਅਤੇ ਵੈਨ ਦੇ Rijt ਦੇ ਸ਼ਾਮਲ ਹਨ (2012) ਵਿਕੀਪੀਡੀਆ ਅਤੇ Bond ਅਤੇ ਸਾਥੀ ਦੇ ਵਿੱਚ ਇਨਾਮ 'ਤੇ ਤਜਰਬੇ (2012) ਨੂੰ ਵੋਟ ਕਰਨ ਲਈ ਲੋਕ ਨੂੰ ਹੌਸਲਾ ਤੇ ਤਜਰਬੇ. ਇਹ ਪ੍ਰਯੋਗ ਅਸਲ ਜ਼ੀਰੋ ਵੇਰੀਏਬਲ ਦੀ ਹੈ, ਨਾ ਹੈ, ਉਹ ਖੋਜਕਾਰ ਨੂੰ ਜ਼ੀਰੋ ਵੇਰੀਏਬਲ ਦੀ ਹੈ. ਪਰ ਇਹ ਪ੍ਰਯੋਗ ਦੇ ਬਹੁਤ ਸਾਰੇ ਦੀ ਲਾਗਤ ਹਰ ਇੱਕ ਭਾਗੀਦਾਰ ਲਈ ਬਹੁਤ ਹੀ ਛੋਟਾ ਹੈ, ਛੋਟੇ ਦੀ ਲਾਗਤ ਹਿੱਸਾ ਲੈਣ ਦੀ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਗਿਣਤੀ ਨੂੰ ਛੇਤੀ ਸ਼ਾਮਲ ਕਰ ਸਕਦੇ ਹੋ ਲਗਾਇਆ. ਵੱਡੇ ਆਨਲਾਈਨ ਪ੍ਰਯੋਗ ਚੱਲ ਖੋਜਕਾਰ ਅਕਸਰ ਕਿਹਾ ਹੈ ਕਿ ਇਹ ਛੋਟੇ ਪ੍ਰਭਾਵ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਦ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੋ ਸਕਦਾ ਹੈ ਕੇ ਛੋਟੇ ਅੰਦਾਜ਼ਨ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੀ ਮਹੱਤਤਾ ਨੂੰ ਜਾਇਜ਼. ਸਹੀ ਉਸੇ ਹੀ ਸੋਚ ਦੀ ਲਾਗਤ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਹਿੱਸਾ ਲੈਣ 'ਤੇ ਥੋਪਣ ਦੀ ਲਾਗੂ ਹੁੰਦਾ ਹੈ. ਆਪਣੇ ਪ੍ਰਯੋਗ ਇੱਕ ਮਿੰਟ ਬਰਬਾਦ ਕਰਨ ਲਈ ਇੱਕ ਲੱਖ ਲੋਕ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ, ਜੇ, ਤਜਰਬੇ ਨੂੰ ਕਿਸੇ ਵੀ ਖਾਸ ਵਿਅਕਤੀ ਨੂੰ ਬਹੁਤ ਹੀ ਨੁਕਸਾਨਦੇਹ ਹੈ, ਨਾ ਹੈ, ਪਰ ਕੁੱਲ ਵਿੱਚ ਇਸ ਵਾਰ ਦੇ ਲਗਭਗ ਦੋ ਸਾਲ ਬਰਬਾਦ ਕੀਤਾ ਹੈ.

ਹਿੱਸਾ ਲੈਣ ਲਈ ਜ਼ੀਰੋ ਵੇਰੀਏਬਲ ਦੀ ਭੁਗਤਾਨ ਬਣਾਉਣ ਲਈ ਇਕ ਹੋਰ ਪਹੁੰਚ ਲਈ ਇੱਕ ਲਾਟਰੀ, ਇੱਕ ਪਹੁੰਚ ਹੈ, ਜੋ ਕਿ ਇਹ ਵੀ ਸਰਵੇਖਣ ਖੋਜ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਹੈ ਨੂੰ ਵਰਤਣ ਲਈ ਹੈ (Halpern et al. 2011) . ਅੰਤ ਵਿੱਚ, ਨੂੰ ਤਿਆਰ ਕਰਨ ਬਾਰੇ ਹੋਰ ਲਈ ਮਜ਼ੇਦਾਰ ਯੂਜ਼ਰ-ਅਨੁਭਵ ਨੂੰ ਦੇਖ Toomim et al. (2011) .

• , ਤਬਦੀਲ ਸੁਧਾਰੋ, ਅਤੇ ਘਟਾਓ (ਹਿੱਸਾ 4.6.2)

ਇੱਥੇ ਤਿੰਨ ਆਰ ਦੇ ਅਸਲੀ ਪਰਿਭਾਸ਼ਾ, ਹਨ Russell and Burch (1959) :

"ਬਦਲੀ insentient ਸਮੱਗਰੀ ਦੀ ਸਚੇਤ ਰਹਿਣ ਉੱਚ ਜਾਨਵਰ ਲਈ substitution ਦਾ ਮਤਲਬ ਹੈ. ਕਟੌਤੀ ਇੱਕ ਦਿੱਤੇ ਦੀ ਰਕਮ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਨਵਰ ਦੇ ਗਿਣਤੀ ਵਿਚ ਕਮੀ ਦਾ ਮਤਲਬ ਹੈ. ਸੁਧਾਈ ਦੀ ਘਟਨਾ ਜ ਜਿਹੜੇ ਜਾਨਵਰ ਨੂੰ ਅਜੇ ਵੀ ਵਰਤਿਆ ਜਾ ਕਰਨ ਦੀ ਹੈ, ਜੋ ਕਿ ਲਈ ਲਾਗੂ ਅਣਮਨੁੱਖੀ ਕਾਰਵਾਈ ਦੀ ਗੰਭੀਰਤਾ ਵਿੱਚ ਕਿਸੇ ਵੀ ਕਮੀ ਦਾ ਮਤਲਬ ਹੈ. "

ਤਿੰਨ ਆਰ ਦੀ ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਪ੍ਰਸਤਾਵ ਅਧਿਆਇ 6. ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ ਨੈਤਿਕ ਅਸੂਲ ਓਵਰਰਾਈਡ ਨਾ ਕਰੋ ਇਸ ਦੀ ਬਜਾਇ, ਉਹ ਮਨੁੱਖੀ ਪ੍ਰਯੋਗ ਦੇ ਸੈਟਿੰਗ ਲਈ ਦੇ ਅਸੂਲ-ਭਲਾਈ-ਖਾਸ ਨੂੰ ਇੱਕ ਹੋਰ ਵਿਸਥਾਰ ਵਰਜਨ ਇੱਕ ਹਨ.

ਜਦ ਭਾਵਾਤਮਕ Contagion ਦਾ ਵਿਚਾਰ ਸੀ, ਉਥੇ ਇਸ ਤਜਰਬੇ ਨੂੰ ਸਮਝਣਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਲਈ ਤਿੰਨ ਗੈਰ-ਨੈਤਿਕ ਮੁੱਦੇ ਹਨ. ਪਹਿਲੀ, ਇਸ ਨੂੰ ਪ੍ਰਯੋਗ ਦੇ ਅਸਲ ਵੇਰਵੇ ਲਿਖਤੀ ਦਾਅਵੇ ਨਾਲ ਜੁੜਨ ਸਾਫ ਨਹੀ ਹੈ; ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਉੱਥੇ ਬਣਤਰ ਵੈਧਤਾ ਬਾਰੇ ਸਵਾਲ ਹਨ. ਇਹ ਸਪੱਸ਼ਟ ਨਹੀ ਹੈ, ਜੋ ਕਿ ਸਕਾਰਾਤਮਕ ਅਤੇ ਨਕਾਰਾਤਮਕ ਸ਼ਬਦ ਨੂੰ ਗਿਣਤੀ ਹੈ, ਕਿਉਕਿ 1) ਇਸ ਨੂੰ ਸਾਫ ਨਹੀ ਹੈ, ਅਸਲ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਦੀ ਭਾਵਨਾਤਮਕ ਨੂੰ ਰਾਜ ਦਾ ਇੱਕ ਚੰਗਾ ਸੰਕੇਤ ਹਨ, ਜੋ ਕਿ ਸ਼ਬਦ ਹੈ, ਜੋ ਕਿ ਲੋਕ ਪੋਸਟ ਨੂੰ ਆਪਣੇ ਜਜ਼ਬਾਤ ਦੇ ਇੱਕ ਚੰਗਾ ਸੰਕੇਤ ਹਨ ਅਤੇ 2) ਇਸ ਨੂੰ ਸਾਫ ਨਹੀ ਹੈ, ਖਾਸ ਭਾਵਨਾ ਵਿਸ਼ਲੇਸ਼ਣ ਤਕਨੀਕ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਵਰਤਿਆ ਭਰੋਸੇਯੋਗ ਜਜ਼ਬਾਤ ਮਹਤਵ ਕਰਨ ਦੇ ਯੋਗ ਹੈ (Beasley and Mason 2015; Panger 2016) . ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਉੱਥੇ ਇੱਕ ਪੱਖਪਾਤੀ ਸਿਗਨਲ ਦੀ ਇੱਕ ਬੁਰਾ ਮਾਪ ਹੋ ਸਕਦਾ ਹੈ. ਦੂਜਾ, ਡਿਜ਼ਾਇਨ ਅਤੇ ਤਜਰਬੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਸਾਨੂੰ ਜੋ ਸਭ ਪ੍ਰਭਾਵਿਤ ਕੀਤਾ ਗਿਆ ਸੀ (ਭਾਵ, ਉਥੇ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਦੀ ਕੋਈ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ) ਅਤੇ ਇਸ ਦਾ ਕੀ ਢੰਗ ਹੋ ਸਕਦਾ ਹੈ, ਬਾਰੇ ਕੁਝ ਵੀ ਦੱਸਦੀ ਹੈ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਖੋਜਕਾਰ ਹਿੱਸਾ ਲੈਣ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੀ ਲਾਟ ਸੀ, ਪਰ ਉਹ ਅਵੱਸ਼ਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਵਿਡਜਿਟ ਇਲਾਜ ਕੀਤਾ ਗਿਆ ਸੀ. ਤੀਜਾ, ਇਸ ਤਜਰਬੇ ਵਿਚ ਅਸਰ ਦਾ ਆਕਾਰ ਬਹੁਤ ਹੀ ਛੋਟਾ ਸੀ; ਇਲਾਜ ਅਤੇ ਕੰਟਰੋਲ ਹਾਲਾਤ ਵਿਚਕਾਰ ਫਰਕ ਬਾਰੇ 1 1000 ਸ਼ਬਦ ਵਿੱਚ ਹੈ. ਆਪਣੇ ਪੇਪਰ ਵਿੱਚ, ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਦੇ ਕੇਸ ਹੈ, ਜੋ ਕਿ ਇਸ ਦਾ ਆਕਾਰ ਦਾ ਇੱਕ ਪ੍ਰਭਾਵ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਕਿਉਕਿ ਲੋਕ ਦੇ ਦਹਿ ਦੇ ਅਣਗਿਣਤ ਤੱਕ ਪਹੁੰਚ ਨੂੰ ਆਪਣੇ ਨਿਊਜ਼ ਹਰ ਰੋਜ਼ ਚਾਰ ਬਣਾਉਣ. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਉਹ ਕਹਿੰਦੇ ਹਨ ਕਿ ਇਹ ਵੀ ਪ੍ਰਭਾਵ ਹੈ, ਜੋ ਕਿ ਹਰ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਉਹ ਸਾਮੂਹਿਕ ਵਿੱਚ ਵੱਡੇ ਹਨ ਛੋਟੇ ਹਨ. ਵੀ, ਜੇ ਤੁਹਾਨੂੰ ਇਸ ਦਲੀਲ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਲਈ ਸਨ, ਇਸ ਨੂੰ ਹਾਲੇ ਵੀ ਸਾਫ ਨਹੀ ਹੈ, ਜੇ ਇਸ ਦਾ ਆਕਾਰ ਦਾ ਇੱਕ ਪ੍ਰਭਾਵ ਭਾਵਨਾਤਮਕ contagion ਬਾਰੇ ਆਮ ਵਿਗਿਆਨਕ ਸਵਾਲ ਦਾ ਸੰਬੰਧ ਮਹੱਤਵਪੂਰਨ ਹੈ. ਹਾਲਾਤ, ਜਿੱਥੇ ਛੋਟੇ ਪ੍ਰਭਾਵ ਮਹੱਤਵਪੂਰਨ ਹਨ 'ਤੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਨੂੰ ਵੇਖੋ Prentice and Miller (1992) .

ਪਹਿਲੀ ਆਰ (ਤਬਦੀਲੀ), ਦੇ ਰੂਪ ਵਿੱਚ, ਭਾਵਾਤਮਕ Contagion ਤਜਰਬੇ ਦੀ ਤੁਲਨਾ (Kramer, Guillory, and Hancock 2014) ਅਤੇ ਭਾਵਾਤਮਕ contagion ਕੁਦਰਤੀ ਤਜਰਬੇ (Coviello et al. 2014) ਤੱਕ ਵਧਣਾ ਨਾਲ ਸ਼ਾਮਲ ਵਪਾਰ-ਆਫ ਦੇ ਬਾਰੇ ਕੁਝ ਨੂੰ ਆਮ ਸਬਕ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਪ੍ਰਯੋਗ (ਅਤੇ ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਵਿਚ ਪ੍ਰਯੋਗ ਅਨੁਮਾਨ ਕਰਨ ਲਈ ਹੈ, ਜੋ ਕਿ ਦੀ ਕੋਸ਼ਿਸ਼ ਮੇਲ ਵਰਗੇ ਹੋਰ ਤਰੀਕੇ, ਅਧਿਆਇ 2 ਦੇਖੋ). ਨੈਤਿਕ ਲਾਭ ਲਈ ਇਸ ਦੇ ਨਾਲ, ਤਜਰਬੇ ਤੱਕ ਗੈਰ-ਤਜਰਬੇ ਅਧਿਐਨ ਕਰਨ ਲਈ ਓਧਰ ਨੂੰ ਵੀ ਇਲਾਜ ਹੈ ਕਿ ਉਹ logistically ਸ਼ਾਮਿਲ ਕਰਨ ਲਈ ਅਸਮਰੱਥ ਹੁੰਦੇ ਹਨ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਖੋਜਕਾਰ ਯੋਗ ਕਰਦਾ ਹੈ. ਇਹ ਨੈਤਿਕ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਸਬੰਧੀ ਲਾਭ ਦੀ ਲਾਗਤ ਨਾਲ ਆ, ਪਰ. ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਨਾਲ ਖੋਜਕਾਰ ਹਿੱਸਾ ਲੈਣ, randomization ਦੀ ਭਰਤੀ ਵਰਗੇ ਕੁਝ ਵੱਧ ਘੱਟ ਕੰਟਰੋਲ ਹੈ, ਅਤੇ ਇਲਾਜ ਦੇ ਸੁਭਾਅ ਦੀ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਦੇ ਇਲਾਜ ਦੇ ਤੌਰ ਤੇ ਬਾਰਿਸ਼ ਦੇ ਇੱਕ ਸੀਮਾ ਹੈ, ਜੋ ਕਿ ਇਸ ਨੂੰ ਦੋਨੋ ਉਸਾਰੂ ਨੂੰ ਵਧਾ ਅਤੇ ਨਾਸਤਿਕਤਾ ਘਟਦੀ ਹੈ. ਤਜਰਬੇ ਦਾ ਅਧਿਐਨ ਵਿੱਚ, ਪਰ, ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਸੁਤੰਤਰ ਉਸਾਰੂ ਅਤੇ ਨਾਸਤਿਕਤਾ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਦੇ ਯੋਗ ਸਨ.

ਖਾਸ ਕਰ ਕੇ ਵਰਤਿਆ ਪਹੁੰਚ Coviello et al. (2014) ਨੂੰ ਹੋਰ ਵਿਚ ਵਿਸਥਾਰ ਕੀਤਾ ਗਿਆ ਸੀ Coviello, Fowler, and Franceschetti (2014) . ਸਹਾਇਕ ਵੇਰੀਏਬਲ ਲਈ ਜਾਣਕਾਰੀ ਲਈ ਨੂੰ ਵੇਖੋ Angrist and Pischke (2009) (ਘੱਟ ਰਸਮੀ) ਜ Angrist, Imbens, and Rubin (1996) (ਹੋਰ ਰਸਮੀ). ਸਹਾਇਕ ਵੇਰੀਏਬਲ ਦੀ ਇੱਕ ਸ਼ੱਕੀ ਮੁੱਲ ਲਈ ਨੂੰ ਵੇਖੋ Deaton (2010) , ਅਤੇ ਕਮਜ਼ੋਰ ਯੰਤਰ (ਬਾਰਿਸ਼ ਕਮਜ਼ੋਰ ਸਾਧਨ ਹੈ) ਦੇ ਨਾਲ ਸਹਾਇਕ ਵੇਰੀਏਬਲ ਲਈ ਜਾਣਕਾਰੀ ਲਈ, ਵੇਖੋ, Murray (2006) .

ਹੋਰ ਆਮ ਤੌਰ 'ਤੇ, ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਕਰਨ ਲਈ ਇੱਕ ਚੰਗਾ ਪਛਾਣ ਹੈ Dunning (2012) , ਅਤੇ Rosenbaum (2002) , Rosenbaum (2009) , ਅਤੇ Shadish, Cook, and Campbell (2001) ਪ੍ਰਯੋਗ ਬਿਨਾ causal ਪ੍ਰਭਾਵ ਅੰਦਾਜ਼ਾ ਬਾਰੇ ਚੰਗੇ ਵਿਚਾਰ ਪੇਸ਼ ਕਰਦੇ ਹਨ.

ਦੂਜਾ ਆਰ (ਸੁਧਾਈ) ਦੇ ਰੂਪ ਵਿਚ, ਵਿਗਿਆਨਕ ਅਤੇ ਯੋਜਨਾਬੰਦੀ ਸਬੰਧੀ ਵਪਾਰ-ਆਫ ਜਦ ਪੋਸਟ ਨੂੰ ਹੁਲਾਰਾ ਨੂੰ ਪੋਸਟ ਨੂੰ ਰੋਕ ਤੱਕ ਭਾਵਾਤਮਕ Contagion ਦੇ ਡਿਜ਼ਾਇਨ ਨੂੰ ਬਦਲਣ ਦਾ ਵਿਚਾਰ ਹਨ. ਮਿਸਾਲ ਲਈ, ਇਸ ਨੂੰ ਕੇਸ ਦੀ ਨਿਊਜ਼ ਫੀਡ ਦੇ ਤਕਨੀਕੀ ਲਾਗੂ ਕਰਨ ਲਈ ਇਸ ਨੂੰ ਕਾਫੀ ਸੌਖਾ ਹੈ ਪੋਸਟ ਨੂੰ ਹੁਲਾਰਾ ਦੇ ਨਾਲ ਇੱਕ ਤਜਰਬੇ ਦੀ ਬਜਾਏ ਪੋਸਟ ਰੋਕ ਨਾਲ ਇੱਕ ਤਜਰਬੇ ਨੂੰ ਕੀ ਕਰਨ ਦੀ ਹੈ ਕਿ ਹੋ ਸਕਦਾ ਹੈ (ਯਾਦ ਰੱਖੋ ਕਿ ਪੋਸਟ ਨੂੰ ਰੋਕ ਦੇ ਨਾਲ ਇੱਕ ਤਜਰਬੇ 'ਤੇ ਇੱਕ ਲੇਅਰ ਦੇ ਤੌਰ ਤੇ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅੰਡਰਲਾਈੰਗ ਸਿਸਟਮ ਦੇ ਤਬਦੀਲੀ) ਲਈ ਕਿਸੇ ਵੀ ਲੋੜ ਨੂੰ ਬਿਨਾ ਨਿਊਜ਼ ਫੀਡ ਸਿਸਟਮ ਦੇ ਚੋਟੀ ਦੇ. ਵਿਗਿਆਨਕ, ਪਰ, ਥਿਊਰੀ ਤਜਰਬੇ ਨੇ ਸੰਬੋਧਨ ਸਾਫ਼-ਦੂਜੇ ਨੂੰ 'ਤੇ ਇੱਕ ਡਿਜ਼ਾਇਨ ਦਾ ਸੁਝਾਅ ਨਾ ਕੀਤਾ.

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਮੈਨੂੰ ਰੋਕ ਅਤੇ ਨਿਊਜ਼ ਫੀਡ ਵਿੱਚ ਸਮੱਗਰੀ ਨੂੰ ਹੁਲਾਰਾ ਦੇ ਰਿਸ਼ਤੇਦਾਰ ਪੁਖ਼ਤਗੀ ਬਾਰੇ ਕਾਫ਼ੀ ਪੁਰਾਣੇ ਖੋਜ ਦਾ ਪਤਾ ਨਾ am. ਇਸ ਦੇ ਨਾਲ, ਮੈਨੂੰ ਬਹੁਤ ਕੁਝ ਖੋਜ ਨੂੰ ਘੱਟ ਨੁਕਸਾਨਦੇਹ ਬਣਾਉਣ ਲਈ ਇਲਾਜ ਨੂੰ ਤਿਆਰ ਕਰਨ ਬਾਰੇ ਨਾ ਵੇਖਿਆ ਹੈ; ਇੱਕ ਅਪਵਾਦ ਹੈ Jones and Feamster (2015) , ਜੋ ਕਿ ਇੰਟਰਨੈੱਟ ਸਸਰਿਸ਼ਪ ਦੇ ਮਾਪ ਦੇ ਮਾਮਲੇ ਸਮਝਦਾ ਹੈ (ਇੱਕ ਵਿਸ਼ਾ ਮੈਨੂੰ Encore ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਰਿਸ਼ਤੇ ਵਿਚ ਅਧਿਆਇ 6 ਵਿਚ ਚਰਚਾ (Burnett and Feamster 2015; Narayanan and Zevenbergen 2015) ).

ਤੀਜੇ ਆਰ (ਘਟਾਉਣ) ਦੇ ਰੂਪ ਵਿੱਚ, ਰਵਾਇਤੀ ਬਿਜਲੀ ਦੀ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇੱਕ ਚੰਗੀ ਜਾਣ ਪਛਾਣ ਹੈ Cohen (1988) . ਪਰੀ-ਇਲਾਜ covariates ਡਿਜ਼ਾਇਨ ਪੜਾਅ ਹੈ ਅਤੇ ਤਜ਼ਰਬੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਪੜਾਅ ਵਿੱਚ ਸ਼ਾਮਿਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਦੇ ਅਧਿਆਇ 4 Gerber and Green (2012) ਦੋਨੋ ਤਰੀਕੇ ਲਈ ਇੱਕ ਚੰਗਾ ਪਛਾਣ ਦਿੰਦਾ ਹੈ, ਅਤੇ Casella (2008) , ਇੱਕ ਹੋਰ ਵਿਚ-ਡੂੰਘਾਈ ਇਲਾਜ ਮੁਹੱਈਆ ਕਰਦਾ ਹੈ. ਤਕਨੀਕ ਨੂੰ ਹੈ, ਜੋ ਕਿ randomization ਵਿੱਚ ਇਸ ਪ੍ਰੀ-ਇਲਾਜ ਜਾਣਕਾਰੀ ਨੂੰ ਵਰਤਣ ਖਾਸ ਤੌਰ ਕਿਸੇ ਤਜਰਬੇ ਡਿਜ਼ਾਈਨ ਜ stratified ਤਜਰਬੇ ਡਿਜ਼ਾਈਨ (ਭਾਸ਼ਾ ਭਾਈਚਾਰੇ ਭਰ ਵਿੱਚ ਲਗਾਤਾਰ ਵਰਤਿਆ ਨਹੀ ਹੈ) ਬਲੌਕ ਕਹਿੰਦੇ ਹਨ; ਇਹ ਤਕਨੀਕ ਬਹੁਤ ਅਧਿਆਇ 3. ਦੇਖੋ ਵਿਚ ਚਰਚਾ stratified ਨਮੂਨਾ ਤਕਨੀਕ ਨਾਲ ਸਬੰਧਤ ਰਹੇ ਹਨ Higgins, Sävje, and Sekhon (2016) ਵੱਡੇ ਪ੍ਰਯੋਗ ਵਿੱਚ ਇਹ ਡਿਜ਼ਾਈਨ ਵਰਤ 'ਤੇ ਹੋਰ ਲਈ. ਪਰੀ-ਇਲਾਜ covariates ਨੂੰ ਵੀ ਵਿਸ਼ਲੇਸ਼ਣ ਪੜਾਅ ਵਿੱਚ ਸ਼ਾਮਿਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. McKenzie (2012) ਵੱਡਾ ਵਿਸਥਾਰ ਵਿਚ ਖੇਤਰ ਪ੍ਰਯੋਗ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਅੰਤਰ ਹੈ-ਵਿੱਚ-ਅੰਤਰ ਪਹੁੰਚ ਦੀ ਪੜਚੋਲ. ਦੇਖੋ Carneiro, Lee, and Wilhelm (2016) ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਦੇ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਅਨੁਮਾਨ ਵਿਚ ਸ਼ੁੱਧਤਾ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਿਚਕਾਰ ਵਪਾਰ-ਆਫ 'ਤੇ ਹੋਰ ਲਈ. ਅੰਤ ਵਿੱਚ, ਜਦ ਫੈਸਲਾ ਡਿਜ਼ਾਇਨ ਜ ਵਿਸ਼ਲੇਸ਼ਣ ਪੜਾਅ (ਜ ਦੋਨੋ) ਵਿਖੇ ਪ੍ਰੀ-ਇਲਾਜ covariates ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਕਿ ਕੀ, ਉੱਥੇ ਕੁਝ ਕਾਰਕ ਵਿਚਾਰ ਕਰਨ ਲਈ ਹੁੰਦੇ ਹਨ. ਇੱਕ ਸੈਟਿੰਗ ਹੈ ਜਿੱਥੇ ਖੋਜਕਾਰ ਨੂੰ ਦਿਖਾਉਣ ਲਈ ਹੈ, ਜੋ ਕਿ ਉਹ "ਫੜਨ" ਨਹੀ ਹਨ ਚਾਹੁੰਦੇ ਵਿਚ (Humphreys, Sierra, and Windt 2013) , ਡਿਜ਼ਾਇਨ ਪੜਾਅ 'ਚ ਪ੍ਰੀ-ਇਲਾਜ covariates ਵਰਤ ਸਹਾਇਕ ਹੋ ਸਕਦਾ ਹੈ (Higgins, Sävje, and Sekhon 2016) . ਹਾਲਾਤ, ਜਿੱਥੇ ਹਿੱਸਾ ਲੈਣ ਕ੍ਰਮ ਪਹੁੰਚਣ, ਖਾਸ ਕਰਕੇ ਆਨਲਾਈਨ ਖੇਤਰ ਪ੍ਰਯੋਗ, ਡਿਜ਼ਾਇਨ ਪੜਾਅ 'ਚ ਪ੍ਰੀ-ਇਲਾਜ ਜਾਣਕਾਰੀ ਵਰਤ ਕੇ logistically ਮੁਸ਼ਕਲ ਹੋ ਸਕਦਾ ਹੈ ਵਿਚ, ਉਦਾਹਰਣ ਲਈ ਵੇਖੋ, Xie and Aurisset (2016) .

ਇਹ ਇਸੇ ਫਰਕ--ਅੰਤਰ ਵਿਚ ਫ਼ਰਕ-ਵਿੱਚ-ਦਾ ਮਤਲਬ ਹੈ ਵੱਧ, ਇਸ ਲਈ ਹੋਰ ਬਹੁਤ ਕੁਝ ਅਸਰਦਾਰ ਹੋ ਸਕਦਾ ਹੈ, ਬਾਰੇ ਸਹਿਜ ਦੀ ਇੱਕ ਬਿੱਟ ਸ਼ਾਮਿਲ ਕਰਨ ਦੀ ਕੀਮਤ ਹੈ. ਕਈ ਆਨਲਾਈਨ ਨਤੀਜੇ ਬਹੁਤ ਹੀ ਉੱਚ ਫਰਕ ਹੈ (ਵੇਖੋ, ਉਦਾਹਰਨ ਲਈ, Lewis and Rao (2015) ਅਤੇ Lamb et al. (2015) ) ਅਤੇ ਵਾਰ ਵੱਧ ਸਥਿਰ ਹਨ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਤਬਦੀਲੀ ਸਕੋਰ ਕਾਫ਼ੀ ਛੋਟੇ ਫਰਕ ਹੈ, ਅੰਕੜਾ ਟੈਸਟ ਦੀ ਸ਼ਕਤੀ ਵਧ ਜਾਵੇਗਾ. ਇਕ ਕਾਰਨ ਹੈ ਕਿ ਇਸ ਪਹੁੰਚ ਨੂੰ ਹੋਰ ਅਕਸਰ ਵਰਤਿਆ ਨਹੀ ਹੈ, ਜੋ ਕਿ ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਨੂੰ ਪੁਰਾਣੇ ਇਸ ਨੂੰ ਪ੍ਰੀ-ਇਲਾਜ ਨਤੀਜੇ ਕੋਲ ਕਰਨ ਲਈ ਆਮ ਨਹੀ ਸੀ ਹੁੰਦਾ ਹੈ. ਇਸ ਬਾਰੇ ਸੋਚਣ ਲਈ ਇੱਕ ਹੋਰ ਠੋਸ ਤਰੀਕੇ ਨਾਲ ਇੱਕ ਤਜਰਬੇ ਦੀ ਕਲਪਨਾ ਕਰਨ ਨੂੰ ਮਾਪਣ ਲਈ ਇੱਕ ਖਾਸ ਕਸਰਤ ਰੁਟੀਨ ਭਾਰ ਦਾ ਨੁਕਸਾਨ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ ਕਿ ਕੀ ਹੁੰਦਾ ਹੈ. ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਫ਼ਰਕ-ਵਿੱਚ-ਜ਼ਰੀਏ ਪਹੁੰਚ ਕਰਦੇ ਹੋ, ਆਪਣੇ ਅੰਦਾਜ਼ੇ ਅਨਿੱਤਤਾ ਹੈ, ਜੋ ਕਿ ਆਬਾਦੀ ਵਿਚ ਵਜ਼ਨ ਵਿੱਚ ਅਨਿੱਤਤਾ ਤੱਕ ਮਿਲਦੀ ਹੈ. ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਫ਼ਰਕ-ਵਿੱਚ-ਫਰਕ ਪਹੁੰਚ ਕਰਦੇ ਹੋ, ਪਰ, ਵਜ਼ਨ ਵਿਚ ਹੈ, ਜੋ ਕਿ ਕੁਦਰਤੀ ਵਾਪਰਨ ਪਰਿਵਰਤਨ ਨੂੰ ਹਟਾ ਦਿੱਤਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਹੋਰ ਆਸਾਨੀ ਨਾਲ ਇਲਾਜ ਦੇ ਕਾਰਨ ਇੱਕ ਫਰਕ ਖੋਜ ਕਰ ਸਕਦਾ ਹੈ.

ਇਕ ਜ਼ਰੂਰੀ ਤਰੀਕਾ ਹੈ ਆਪਣੇ ਤਜਰਬੇ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘਟਾਉਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ, ਜੋ ਕਰੈਮਰ ਅਤੇ ​​ਸਾਥੀ ਪ੍ਰਭਾਵ ਅਕਾਰ ਦੇ ਕੇ ਕੁਦਰਤੀ ਤਜਰਬੇ ਤੱਕ ਦੇਖਿਆ ਤੇ ਅਧਾਰਿਤ ਕੀਤਾ ਹੈ ਕਰ ਸਕਦਾ ਹੈ ਕਰਨ ਲਈ ਹੈ Coviello et al. (2014) ਜ ਪਿਛਲੇ ਗੈਰ-ਤਜਰਬੇ ਖੋਜ ਕਰੈਮਰ ਨੇ (2012) (ਅਸਲ ਵਿਚ ਇਹ ਇਸ ਅਧਿਆਇ ਦੇ ਅੰਤ 'ਤੇ ਕੰਮ ਨੂੰ ਕਰਦੇ ਹਨ). ਧਿਆਨ ਦਿਓ ਕਿ ਬਿਜਲੀ ਦੀ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਇਸ ਵਰਤਣ ਆਮ ਵੱਧ, ਇੱਕ ਬਿੱਟ ਵੱਖ ਵੱਖ ਹੁੰਦਾ ਹੈ. (, ਦੇ ਅਧੀਨ-ਤਾਕਤੀ ਭਾਵ) ਐਨਾਲਾਗ ਦੀ ਉਮਰ ਵਿੱਚ, ਖੋਜਕਾਰ ਆਮ ਤੌਰ 'ਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਆਪਣੇ ਅਧਿਐਨ ਦਾ ਬਹੁਤ ਛੋਟਾ ਹੈ, ਨਾ ਸੀ ਕਰਨ ਲਈ ਬਿਜਲੀ ਦੀ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ. (, ਵੱਧ-ਤਾਕਤੀ ਭਾਵ) ਹੁਣ, ਪਰ, ਖੋਜਕਾਰ ਦੀ ਸ਼ਕਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਇਹ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਆਪਣੇ ਅਧਿਐਨ ਦਾ ਬਹੁਤ ਵੱਡਾ ਹੈ, ਨਾ ਹੈ, ਬਣਾਉਣ ਲਈ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ.

Repurpose: ਅੰਤ ਵਿੱਚ, ਮੈਨੂੰ ਸ਼ਾਮਿਲ ਕਰਨ ਲਈ ਇੱਕ ਚੌਥੀ ਆਰ ਮੰਨਿਆ. ਜੋ ਕਿ ਖੋਜਕਾਰ ਆਪਣੇ ਆਪ ਨੂੰ ਹੋਰ ਤਜਰਬੇ ਡਾਟੇ ਨਾਲ ਲੱਭਣ ਲਈ, ਜੇ ਵੱਧ ਉਹ ਆਪਣੇ ਅਸਲੀ ਖੋਜ ਸਵਾਲ ਦਾ ਹੱਲ ਕਰਨ ਲਈ ਲੋੜ ਹੈ, ਉਹ ਨਵ ਸਵਾਲ ਪੁੱਛਣ ਲਈ ਡਾਟਾ repurpose ਚਾਹੀਦਾ ਹੈ, ਹੈ. ਮਿਸਾਲ ਲਈ, ਕਲਪਨਾ ਕਰੋ ਕਿ ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਹੋਰ ਡਾਟਾ ਵੱਧ ਆਪਣੇ ਖੋਜ ਦਾ ਸਵਾਲ ਹੱਲ ਕਰਨ ਲਈ ਲੋੜ ਹੈ ਦੇ ਨਾਲ ਇੱਕ ਫਰਕ-ਵਿੱਚ-ਅੰਤਰ ਅੰਦਾਜ਼ਾ ਵਰਤਿਆ ਹੈ ਅਤੇ ਆਪਣੇ ਆਪ ਨੂੰ ਲੱਭਿਆ ਸੀ. ਇਸ ਦੀ ਬਜਾਇ ਪੂਰੀ ਹੱਦ ਤੱਕ ਡਾਟਾ ਵਰਤ ਨਾ ਵੱਧ, ਉਹ ਇੱਕ ਫੰਕਸ਼ਨ ਪ੍ਰੀ-ਇਲਾਜ ਕਰਨ ਲਈ ਭਾਵਨਾਤਮਕ ਸਮੀਕਰਨ ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਭਾਵ ਦੇ ਆਕਾਰ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਹੈ ਹੋ ਸਕਦਾ ਹੈ. ਉਸੇ ਦੇ ਤੌਰ ਤੇ Schultz et al. (2007) ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਇਲਾਜ ਦੇ ਪ੍ਰਭਾਵ ਰੌਸ਼ਨੀ ਅਤੇ ਭਾਰੀ ਉਪਭੋਗੀ ਲਈ ਵੱਖ-ਵੱਖ ਸੀ, ਸ਼ਾਇਦ ਨਿਊਜ਼ ਫੀਡ ਦਾ ਪ੍ਰਭਾਵ, ਜੋ ਲੋਕ ਹੀ ਖੁਸ਼ (ਜ ਉਦਾਸ) ਸੁਨੇਹੇ ਪੋਸਟ ਕਰਨ ਲਈ ਵੱਖ-ਵੱਖ ਸਨ ਸਨ. "ਫੜਨ 'ਨੂੰ ਲੈ ਕੇ ਹੋ ਸਕਦਾ ਹੈ Repurposing (Humphreys, Sierra, and Windt 2013) ਅਤੇ" ਪੀ-ਹੈਕਿੰਗ' (Simmons, Nelson, and Simonsohn 2011) ਹੈ, ਪਰ ਇਹ ਵੱਡੇ ਪੱਧਰ ਇਮਾਨਦਾਰ ਰਿਪੋਰਟਿੰਗ ਦੇ ਸੁਮੇਲ ਨਾਲ addressable ਰਹੇ ਹਨ (Simmons, Nelson, and Simonsohn 2011) , ਪ੍ਰੀ-ਰਜਿਸਟ੍ਰੇਸ਼ਨ (Humphreys, Sierra, and Windt 2013) , ਅਤੇ ਮਸ਼ੀਨ ਨੂੰ ਸਿੱਖਣ ਢੰਗ ਹੈ, ਜੋ ਕਿ ਵੱਧ-ਫਿਟਿੰਗ ਬਚਣ ਲਈ ਦੀ ਕੋਸ਼ਿਸ਼.