4.5.1.2 Zbuduj swój własny eksperyment
Budowa własnego eksperymentu może być kosztowne, ale będzie to umożliwiają tworzenie eksperymentu, który chcesz.
Oprócz nakładania eksperymenty na szczycie istniejących środowisk, można również zbudować własny eksperyment. Główną zaletą tego podejścia jest kontrola; Jeśli budujesz eksperyment można tworzyć środowiska i zabiegów, które chcesz. Te zindywidualizowane środowisk doświadczalnych może stworzyć okazję do testowania teorii, które są niemożliwe do przetestowania w środowisku naturalnie występujące. Głównymi wadami budowy własnego doświadczenia są takie, że może to być kosztowne i że środowiska, które jesteś w stanie stworzyć może nie mieć realizm systemu występującego naturalnie. Naukowcy budują swój własny eksperyment również musi mieć strategię rekrutacji uczestników. Podczas pracy w istniejących systemach, naukowcy są w istocie doprowadzenie eksperymenty ich uczestników. Jednak, gdy naukowcy budować własne doświadczenia, muszą doprowadzić uczestników do niego. Na szczęście, usługi takie jak Amazon Mechanical Turk (MTurk) może dostarczyć naukowcom wygodny sposób doprowadzić uczestników do swoich eksperymentów.
Jeden przykład, który ilustruje zalety środowisk na miarę testowania abstrakcyjnych teorii jest cyfrowe laboratorium eksperyment Gregory Huber, Seth Hill i Gabriel Lenz (2012) . Eksperyment bada ewentualne praktyczne ograniczenia w funkcjonowaniu demokratycznego ładu. Wcześniejsze badania nieeksperymentalne rzeczywistych wyborów wskazują, że wyborcy nie są w stanie dokładnie ocenić wydajność zasiedziałych polityków. W szczególności, wyborcy wydają się cierpieć z trzech uprzedzeń: 1) koncentruje się na ostatnich zamiast skumulowanego wyniku; 2) manipulowanych przez retorykę, więźby i marketingu; i 3), pod wpływem zdarzeń niezwiązanych dominującego zachowania się, takiego jak sukces lokalnego zespołu sportowego i pogody. W tych wcześniejszych badań, jednak trudno było wyizolować którykolwiek z tych czynników od wszystkich innych rzeczy, które dzieje się w prawdziwym, wybory bałagan. Dlatego Huber i jego współpracownicy stworzyli bardzo uproszczonego otoczenia głosu, w celu wyizolowania, a następnie badać doświadczalnie, każdy z tych trzech możliwych uprzedzeń.
Jak opisać eksperymentalny set-up pod nim zabrzmi bardzo sztuczny, ale należy pamiętać, że realizm nie jest celem samym w eksperymentach laboratoryjnych stylu. Przeciwnie, celem jest, aby wyraźnie odizolować proces, który próbujesz się uczyć, i to mocno izolacji czasami nie jest możliwe w badaniach z większym realizmem (Falk and Heckman 2009) . Ponadto, w tym konkretnym przypadku, naukowcy twierdzili, że jeśli wyborcy nie mogą skutecznie ocenić wydajność w tym bardzo uproszczonej ustawienia, a następnie są one nie będzie w stanie to zrobić w bardziej realistyczny, bardziej skomplikowanym otoczeniu.
Huber i współpracownicy wykorzystali Amazon Mechanical Turk (MTurk) do rekrutacji uczestników. Gdy uczestnik warunkiem świadomej zgody i przeszedł krótki test, powiedziano jej, że uczestniczył w 32 rundzie gry zarabiać tokeny, które mogą być zamienione na prawdziwe pieniądze. Na początku gry każdy z uczestników dowiedział się, że została ona przypisana do "przydzielania", które dałyby jej wolną Żetony w każdej rundzie, a niektórzy podzielniki były bardziej korzystne niż inne. Ponadto, każdy uczestnik został również poinformowany, że będzie miała szansę albo trzymać ją przydzielania lub być przypisany nowy po 16 rundach gry. Biorąc pod uwagę, co wiesz o Huber i celów badawczych kolegów, można zobaczyć, że podzielnik reprezentuje rząd, a wybór ten oznacza wybory, ale uczestnicy nie byli świadomi ogólnych celów badawczych. W sumie, Huber i współpracownicy zatrudnieni około 4000 uczestników, którzy zapłaciliśmy około $ 1.25 za zadania, które trwało około 8 minut.
Przypomnijmy, że jeden z wniosków z wcześniejszych badań było to, że wyborcy nagrody i karania beneficjantów do wyników, które są wyraźnie poza ich kontrolą, takich jak sukces lokalnych drużyn sportowych i pogody. Aby ocenić, czy decyzje uczestników głosowania może być pod wpływem czysto przypadkowych zdarzeń w ich otoczeniu, Huber i wsp dodał loterii do swojego układu doświadczalnego. W każdej rundzie 8. lub 16. rundzie (czyli tuż przed szansą wymiany podzielnika) uczestnicy zostali losowo umieszczone w loterii, gdzie niektóre zdobył 5000 punktów, niektóre zdobył 0 punktów, a niektóre stracił 5000 punktów. Ta loteria miała naśladować dobre lub złe wieści, która jest niezależna od wykonywania polityk. Choć uczestnicy zostali wyraźnie powiedział, że loteria była związana z wykonywaniem ich przydzielania, wyniki loterii wciąż wpływ decyzje uczestników. Uczestnicy, którzy skorzystali z loterii były bardziej prawdopodobne, aby ich przydzielania, a efekt ten był silniejszy, gdy loterii wydarzyło się w rundzie 16-tuż przed wymianą decyzji niż kiedy to miało miejsce w rundzie 8 (rysunek 4.14). Wyniki te wraz z wynikami kilku innych eksperymentów na papierze, na czele Huber i kolegów, aby stwierdzić, że nawet w uproszczonej ustawienia, wyborcy mają trudności podejmowania mądrych decyzji, wynik które miały wpływ na przyszłe badania na temat podejmowania decyzji wyborców (Healy and Malhotra 2013) . Eksperyment Huber i wsp MTurk pokazuje, że może być stosowany do rekrutacji uczestników do eksperymentów laboratoryjnych stylu precyzyjnego testowania bardzo szczególnych teorii. Pokazuje ona również wartość budowania własnego środowiska eksperymentalnego: trudno sobie wyobrazić, w jaki sposób te same procesy mogły być odizolowane, tak czysto w jakimkolwiek innym otoczeniu.
Rysunek 4.14: Wyniki z Huber, Hill, and Lenz (2012) . Uczestnicy, którzy skorzystali z loterii były bardziej prawdopodobne, aby zachować ich przydzielania, a efekt ten był silniejszy, gdy loterii wydarzyło się w rundzie 16-tuż przed wymianą decyzji niż kiedy to miało miejsce w rundzie 8.
Oprócz budowy eksperymentów laboratoryjnych, jak naukowcy mogą także zbudować eksperymenty, które są bardziej podobny do pola. Na przykład, Centola (2010) wbudowany cyfrowy doświadczenie polowe do badania wpływu struktury sieci społecznych na rozprzestrzenianie się zachowań. wymagał od niego jego pytanie badawcze obserwować samo zachowanie rozprzestrzeniania się w populacji, które miały różne struktury społecznej sieci, ale było inaczej nierozróżnialne. Jedynym sposobem, aby to zrobić, to o zamówienie specyfikacji klienta eksperymentu. W tym przypadku, Centola zbudowali internetowego społeczności zdrowia.
Centola zatrudnionych około 1500 uczestników z reklamy na stronach internetowych zdrowotnych. Gdy uczestnicy przybyli na szczeblu społeczności, które on-line został zwanego zdrowego stylu życia Network-Zapewnili świadomej zgody, a następnie przypisano "kumpli zdrowia". Ze względu na sposób Centola przypisanego tych kumpli zdrowia był w stanie powiązać w jedną całość różne struktury społecznej sieci w różnych grup. Niektóre grupy były budowane mieć przypadkowych sieci (gdzie wszyscy byli jednakowo prawdopodobne jest podłączony) i inne grupy powstały mieć klastrowych sieci (gdzie połączenia są bardziej lokalnie zwarta). Następnie Centola wprowadził nowe zachowanie w każdej sieci, możliwość zarejestrowania nowej strony internetowej z dodatkowymi informacjami zdrowia. Ilekroć ktoś zapisał się na tej nowej stronie wszystkich swoich kumpli zdrowia otrzymałem e-mail informujący to zachowanie. Centola okazało się, że to zachowanie, podpisywanie się za nowa strona-rozprzestrzeniać dalej i szybciej w sieci klastrowej niż sieci losowej, stwierdzeniem, że był w przeciwieństwie do niektórych istniejących teorii.
Ogólnie rzecz biorąc, budowa własnego eksperyment daje dużo większą kontrolę; to pozwala skonstruować możliwie najlepsze warunki do izolowania, co chcesz studiować. Trudno sobie wyobrazić, jak któryś z tych eksperymentów mogły być wykonywane w już istniejącym środowisku. Ponadto, budując własny system zmniejsza problemy etyczne wokół eksperymentowanie w istniejących systemach. Podczas tworzenia własnego doświadczenia jednak napotkasz wiele problemów, które napotykają w eksperymentach laboratoryjnych: rekrutacji uczestników oraz obaw o realizm. Ostatnim minusem jest to, że buduje swój własny eksperyment może być kosztowne i czasochłonne, chociaż jak pokazują powyższe przykłady, eksperymenty może wahać się od stosunkowo prostych środowiskach (takich jak badania głosowania Huber, Hill, and Lenz (2012) ) do relatywnie złożonych środowiskach (takich jak badania sieci i zarażenia przez Centola (2010) ).
