4.5.4 Partner z potężnymi

Partnerstwo może zmniejszyć koszty i zwiększyć skalę, ale może zmieniać rodzaje uczestników, zabiegów i wyników, które można użyć.

Alternatywą dla samodzielnego działania jest współpraca z potężną organizacją, taką jak firma, rząd lub organizacja pozarządowa. Zaletą współpracy z partnerem jest to, że umożliwiają one prowadzenie eksperymentów, których nie można samodzielnie wykonać. Na przykład jeden z eksperymentów, o których powiem poniżej, dotyczył 61 milionów uczestników - żaden indywidualny badacz nie byłby w stanie osiągnąć takiej skali. W tym samym czasie, gdy partnerstwo zwiększa to, co możesz zrobić, to także cię ogranicza. Na przykład większość firm nie zezwoli na prowadzenie eksperymentu, który mógłby zaszkodzić ich działalności lub reputacji. Praca z partnerami oznacza również, że kiedy przyjdzie czas na publikację, możesz znaleźć się pod presją, aby "zmienić ramkę" swoich wyników, a niektórzy partnerzy mogą nawet próbować zablokować publikację Twojej pracy, jeśli sprawi, że będą wyglądać źle. Wreszcie partnerstwo wiąże się również z kosztami związanymi z rozwojem i utrzymaniem współpracy.

Kluczowym wyzwaniem, które należy rozwiązać, aby osiągnąć sukces tych partnerstw, jest znalezienie sposobu na zrównoważenie interesów obu stron, a pomocny sposób myślenia o tej równowadze to kwadrant Pasteura (Stokes 1997) . Wielu badaczy uważa, że ​​jeśli pracują nad czymś praktycznym - czymś, co może być interesujące dla partnera - to nie mogą robić prawdziwej nauki. Ten sposób myślenia bardzo utrudni tworzenie udanych partnerstw, a także stanie się całkowicie błędny. Problem z tym sposobem myślenia jest doskonale zilustrowany przez przełomowe badania biologa Louisa Pasteura. Podczas pracy nad komercyjnym projektem fermentacji w celu przekształcenia soku z buraków w alkohol, Pasteur odkrył nową klasę mikroorganizmów, która ostatecznie doprowadziła do powstania zarodkowej teorii choroby. To odkrycie rozwiązało bardzo praktyczny problem - pomógł w usprawnieniu procesu fermentacji - i doprowadziło do dużego postępu naukowego. Zatem zamiast myśleć o badaniach z praktycznymi zastosowaniami jako będących w konflikcie z prawdziwymi badaniami naukowymi, lepiej jest myśleć o nich jako o dwóch odrębnych wymiarach. Badania mogą być motywowane przez użycie (lub nie), a badania mogą poszukiwać podstawowego zrozumienia (lub nie). Krytycznie, niektóre badania podobne do Pasteura mogą być motywowane przez użycie i poszukiwanie podstawowego zrozumienia (rysunek 4.17). Badania w kwadrancie Pasteura, które z natury rozwijają dwa cele, są idealne do współpracy między naukowcami i partnerami. Biorąc to pod uwagę, opiszę dwa eksperymentalne studia z partnerstwami: jeden z firmą i jeden z organizacją pozarządową.

Rysunek 4.17: Kwadrant Pasteura (Stokes 1997) . Zamiast myśleć o badaniach jako "podstawowych" lub "zastosowanych", lepiej jest myśleć o tym jako o motywacji przez użycie (lub nie) i poszukiwanie podstawowego zrozumienia (lub nie). Przykładem badań, które są motywowane przez używanie i szukają fundamentalnego zrozumienia, jest praca Pasteura nad przekształcaniem soku z buraków w alkohol prowadzący do teorii zarodkowej choroby. Jest to rodzaj pracy, która najlepiej nadaje się do partnerstwa z potężnymi. Przykłady pracy motywowanej przez używanie, ale nie szukające fundamentalnego zrozumienia pochodzą od Thomasa Edisona, a przykłady pracy, które nie są motywowane przez użycie, ale które szukają zrozumienia, pochodzą od Nielsa Bohra. Zobacz Stokes (1997) aby dokładniej omówić tę ramę i każdy z tych przypadków. Adaptacja ze Stokes (1997) , rysunek 3.5.

Duże firmy, szczególnie firmy technologiczne, opracowały niezwykle zaawansowaną infrastrukturę do przeprowadzania złożonych eksperymentów. W branży technologicznej eksperymenty te są często nazywane testami A / B, ponieważ porównują skuteczność dwóch metod leczenia: A i B. Takie eksperymenty są często prowadzone w celu zwiększenia współczynnika klikalności reklam, ale ta sama infrastruktura eksperymentalna może również być wykorzystywane do badań, które przyczyniają się do postępu naukowego. Przykładem ilustrującym potencjał tego rodzaju badań jest badanie przeprowadzone przez partnerstwo między badaczami z Facebooka i Uniwersytetu Kalifornijskiego w San Diego, dotyczące wpływu różnych komunikatów na frekwencję wyborczą (Bond et al. 2012) .

2 listopada 2010 r. - w dniu wyborów do Kongresu Stanów Zjednoczonych - wszystkie 61 milionów użytkowników Facebooka mieszkających w Stanach Zjednoczonych, którzy ukończyli 18 lat, wzięło udział w eksperymencie dotyczącym głosowania. Po odwiedzeniu Facebooka użytkownicy zostali losowo przydzieleni do jednej z trzech grup, która określiła, który baner (jeśli taki był) został umieszczony na górze swojego kanału informacyjnego (rysunek 4.18):

• grupa kontrolna
• komunikat informacyjny o głosowaniu za pomocą klikalnego przycisku "I Voted" i licznika (Info)
• komunikat informujący o głosowaniu za pomocą klikalnego przycisku "I Voted" i licznika oraz imiona i nazwiska swoich znajomych, którzy kliknęli już "I Voted" (Info + Social)

Bond i koledzy badali dwa główne wyniki: odnotowano zachowanie w głosowaniu i faktyczne zachowanie w głosowaniu. Po pierwsze, okazało się, że osoby z grupy Info + Social były o dwa punkty procentowe bardziej prawdopodobne niż osoby z grupy Informacje, które kliknęłyby "Głosowałem" (około 20% w stosunku do 18%). Ponadto, po tym, jak naukowcy połączyli swoje dane z publicznie dostępnymi zapisami głosowania dla około sześciu milionów osób, okazało się, że osoby z grupy Info + Social były o 0,3 punktu procentowego bardziej skłonne do głosowania niż osoby z grupy kontrolnej i że osoby z grupy informacji głosowali równie dobrze jak ci z grupy kontrolnej (rysunek 4.18).

Rysunek 4.18: Wyniki eksperymentu "get-the-vote" na Facebooku (Bond et al. 2012) . Uczestnicy grupy Info głosowali w tym samym tempie, co w grupie kontrolnej, ale osoby z grupy Info + Social głosowały nieco częściej. Słupki reprezentują estymowane 95% przedziały ufności. Wyniki na wykresie dotyczą około sześciu milionów uczestników, którzy zostali dopasowani do rekordów głosowania. Adaptacja z Bond et al. (2012) , rysunek 1.

Wyniki tego eksperymentu pokazują, że niektóre komunikaty "get-out-the-vote" online są bardziej skuteczne niż inne, a ocena skuteczności przeprowadzana przez naukowca może zależeć od tego, czy wynik jest raportowany z głosowania czy z rzeczywistego głosowania. Ten eksperyment niestety nie dostarcza żadnych wskazówek na temat mechanizmów, dzięki którym informacje społeczne - które niektórzy badacze żartobliwie nazywali "stosem twarzy" - zwiększyły głosowanie. Możliwe, że informacje społeczne zwiększyły prawdopodobieństwo, że ktoś zauważył baner lub zwiększyło prawdopodobieństwo, że ktoś, kto zauważył baner, faktycznie głosował, lub jedno i drugie. Tak więc, ten eksperyment dostarcza interesującego odkrycia, które inni badacze prawdopodobnie będą badać (patrz np. Bakshy, Eckles, et al. (2012) ).

Oprócz realizacji celów badaczy, eksperyment ten przyczynił się również do osiągnięcia celu organizacji partnerskiej (Facebook). Jeśli zmienisz zachowane zachowanie z głosowania na kupno mydła, możesz zobaczyć, że badanie ma dokładnie taką samą strukturę jak eksperyment mierzenia wpływu reklam online (zobacz np. RA Lewis and Rao (2015) ). Te badania skuteczności reklam często mierzą wpływ ekspozycji na reklamy online - zabiegi w Bond et al. (2012) to po prostu reklamy głosowania na zachowanie offline. W związku z tym badania te mogą zwiększyć zdolność Facebooka do badania skuteczności reklam online i pomóc Facebookowi przekonać potencjalnych reklamodawców, że reklamy na Facebooku są skuteczne w zmianie zachowań.

Mimo że interesy badaczy i partnerów były w większości zbieżne w tym badaniu, oni również częściowo odczuwali napięcia. W szczególności przydzielenie uczestników do trzech grup - kontrola, informacja i informacja + społeczność - było niezwykle niezrównoważone: 98% próby zostało przypisane do Info + Social. Ta niezrównoważona alokacja jest nieefektywna statystycznie, a znacznie lepsza alokacja dla naukowców miałaby jedną trzecią uczestników w każdej grupie. Ale niezrównoważony przydział nastąpił, ponieważ Facebook chciał, aby wszyscy otrzymali Info + Opieka społeczna. Na szczęście naukowcy przekonali ich, by powstrzymali 1% za powiązane leczenie i 1% za grupę kontrolną. Bez grupy kontrolnej byłoby praktycznie niemożliwe zmierzenie wpływu leczenia Info + Social, ponieważ byłby raczej eksperymentem "perturbuj i obserwuj", niż eksperymentem z randomizacją. Ten przykład stanowi cenną lekcję praktyczną do pracy z partnerami: czasami tworzysz eksperyment, przekonując kogoś do dostarczenia leczenia, a czasami tworzysz eksperyment, przekonując kogoś, aby nie dostarczał leczenia (np. Do stworzenia grupy kontrolnej).

Partnerstwo nie zawsze musi angażować firmy technologiczne i testy A / B z milionami uczestników. Na przykład Alexander Coppock, Andrew Guess i John Ternovski (2016) współpracowali z ekologiczną organizacją pozarządową - Ligą Konserwatywnych Wyborców - aby przeprowadzać eksperymenty testujące różne strategie promowania mobilizacji społecznej. Naukowcy korzystali z konta Twitter organizacji pozarządowej, aby wysyłać zarówno publiczne tweety, jak i prywatne wiadomości bezpośrednie, które próbowały udowodnić różne typy tożsamości. Następnie mierzyli, które z tych wiadomości były najskuteczniejsze, aby zachęcić ludzi do podpisania petycji i ponownego przekazania informacji o petycji.

Ogólnie rzecz biorąc, współpraca z potężnymi pozwala ci działać w skali, która jest trudna do wykonania, a tabela 4.3 zawiera inne przykłady partnerstwa między naukowcami i organizacjami. Współpraca może być znacznie łatwiejsza niż tworzenie własnego eksperymentu. Ale te zalety mają swoje wady: partnerstwa mogą ograniczać rodzaje uczestników, leczenia i wyniki, które można studiować. Ponadto partnerstwa te mogą prowadzić do wyzwań etycznych. Najlepszym sposobem na dostrzeżenie szansy na partnerstwo jest dostrzeżenie prawdziwego problemu, który możesz rozwiązać, robiąc interesującą naukę. Jeśli nie jesteś przyzwyczajony do tego sposobu patrzenia na świat, może być trudno dostrzec problemy w kwadrancie Pasteura, ale w praktyce zaczniesz je zauważać coraz bardziej.