4.3 د تجربو دوه اړخونه: د لابراتوار-ډګر او د انالوګ-ګڼيال

له لابراتوار تجربو کنترول وړاندې کوي، د سيمې د تجربه په واقعیتونو وړاندې کوي، او د ډيجيټل د سيمې د تجربه په کچه د کنترول او د واقعیتونو په ګډه.

تجربه په ډیری مختلفو شکلونو او اندازو کې راځي. په تیرو وختونو کې، څیړونکو دا ګټوره موندلې چې د لابراتوار تجربو او ساحو تجربو ترمنځ د دوامداره تسلط سره تجربې تنظیم کړي . که څه هم، څیړونکي باید د انالیز تجربو او ډیجیټل تجربو ترمنځ د دویمې دوام سره تجربه هم تنظیم کړي . د دې دوه اړخیز ډیزاین ځای به تاسو سره د مختلفو کړنو پیاوړتیا او ضعیفونو په اړه پوه شئ او د لوی فرصتونو ساحو ته اشاره وکړئ (شمیره 4.1).

انځور 4.1: د تجربو لپاره د ډیزاین د پلان پلان. په تیرو وختونو کې، تجربې د لابراتوار ساحه کې هم توپیر درلود. اوس، دوی د انالجال-ډیجیټل اړخ په اړه هم توپیر لري. دا دوه اړخیز ډیزاین ځای د څلورو تجربو لخوا بیان شوی چې زه پدې دې فصل کې تشریح کوم. زما په نظر، د سترو فرصتونو ساحه د ډیجیټل ساحه تجربه ده.

یو بل اړخ چې تجربه کولی شي تنظیم شي کیدای شي د لابراتوار میدان ساحه وي. په ټولنیزو علومو کې ډیری تجربې د لابراتوار تجربې دي چیرې چې د لیسانس زده کونکي په لابراتوار کې د کورس کریډیټ لپاره عجيب کارونه ترسره کوي. دا ډول تجربه د رواني ناروغیو په اړه څیړنې غلبې کوي ځکه چې دا څیړونکي توانوي چې په سمه توګه د ټولنیز چلند په اړه ځانګړي نظریات تکرار او ازموینې لپاره خورا کنترول ترتیبات رامینځ ته کړي. په هرصورت، د ځینو ستونزو لپاره، یو څه دومره غیر عادي احساس کوي چې د انساني چلند په اړه د دې غیر معمولي خلکو لخوا د داسې غیر معمولي ترتیب کې داسې غیر معمولي دندې سرته رسولو په اړه قوي پایلې چمتو کولو په اړه. دا اندیښنې د ساحوي تجربو په لور یو حرکت دی. د ساحې تجربې د تصادفی کنترول تجربو قوي ډیزاین سره ګډونوالو سره د ګډونوالو ډیری استازو سره په ډیری طبیعي ترتیباتو کې نور عام کارونه ترسره کوي.

که څه هم ځینې خلک د لیګ میتودونو په توګه د لابراتوار او ساحوي تجربو په اړه فکر کوي، دا خورا غوره ده چې د بشپړولو او ضعیفاتو سره د بشپړولو په توګه فکر وکړئ. د مثال په توګه، Correll, Benard, and Paik (2007) د "لابراتواري جزا" سرچینې موندلو هڅه کې د لابراتوار تجربه او د ساحې تجربه کارولې. په متحده ایاالتو کې میندې د بې وزله ښځو په پرتله لږې پیسې ترالسه کوي، حتی د هغو ښځو پرتله کول چې ورته مهارتونه لري په ورته دندې کې کار کوي. د دې نمونې لپاره ډیری ممکنه توضیحات شتون لري، یو له دې څخه دی چې ګمارونکي د میندو په وړاندې مقاومت لري. (په زړه پوري خبره، برعکس ښکاري چې د پلرونو لپاره ریښتیا وي: دوی د میندو په پرتله د بې وزلو نارینه وو څخه ډیر ګټه اخلي.) د میندو په وړاندې د ممکنه تعصبونو ارزولو لپاره، کریرل او همکارانو دوه تجربې ترسره کړې: یو یې په لابراتوار او یو یې په ساحه کې.

لومړی، د لابراتوار په تجربه کې دوی ګډون کونکو ته وویل، څوک چې د پوهنتون فارغان دي، دا شرکت د یو کس لپاره د کار موندنې لټون ترسره کوي ترڅو خپل ختیځ ساحل بازار موندنې څانګه رهبري کړي. زده کونکو ته ویل کیده چې شرکت د کار کولو په پروسه کې د هغوی مرسته غواړي، او دوی غوښتل چې د ډیرو احتمالي کاندیدانو بیا پیلولو او د ګڼ شمیر اړخونو لکه نوماندانو، تودوخې، او د کار ژمنې ژمنې نوماندانو ارزونه وکړي. سربېره پردې، زده کونکو څخه وغوښتل چې آیا غوښتن لیک ورکوونکي استخدام او سپارښتنه وکړي چې دوی به د پیل شوي معاش په توګه وړاندیز وکړي. په هرصورت، زده کونکو ته غیرقانوني، که څه هم، بیا پیلونه په ځانګړی ډول جوړ شوي و چې ورته ورته وي لکه یو څه پرته: ځینې یې د اخلاقي مفاهيم) د مور او پالر د ښوونکي په ټولنه کې د ګډون کولو له لارې (او ځینې یې نه و. Correll او همکارانو دا وموندله چې زده کونکي لږ احتمال لري د میندو ګمارلو سپارښتنه وکړي او دوی دوی ته لږ معاش وړاندې کوي. برسېره پر دې، د درجه بندي او ګومارنې اړوند پریکړو دواړه د احصایوي تحلیل له مخې، Correll او همکارانو وموندله چې د میندو زیان په پراخه توګه د حقیقت له مخې تشریح شوي چې دوی د وړتیا او ژمنې په اساس ټیټ شوي. په دې توګه، د دې لیب تجربه Correll او همکارانو ته اجازه ورکړه چې یو انفلافي اغیز اندازه کړي او د دې اغیز لپاره ممکن احتمال چمتو کړي.

البته، کیدای شي د متحده ایاالتو د کار مارکیټ په اړه د انځور پایلې په اړه د څو سوه فارغانو پریکړو پر اساس چې شاید ممکن هیڅکله پوره وخت نه درلوده، یواځې یو څوک استخدام کړی. له دې امله کوریل او همکارانو د تکمیل ساحې تجربه هم ترسره کړه. دوی د سلګونو اعالن شویو دندو پرانیستو ته د جعلي پوښ لیکونو او بیا پیلولو سره ځواب ورکړ. د لیسانسونو ته ورته توکي ورته ورته، ځینې یې د پیژندل شوي اخوان المسلمین بیا پیل کوي او ځینې یې ندي. Correll او همکارانو دا وموندله چې میندې د بې وزله میرمنو ښځو په پرتله د مرکو لپاره بیرته بلل کیږي. په بل عبارت، ریښتینې کارمندان د طبیعي ترتیباتو په اړه د پریکړې پریکړې کول د فارغانو په څیر ډیر چلند کوي. ایا دوی د ورته دلیل لپاره ورته پریکړې کړي؟ له بده مرغه، موږ نه پوهیږو. څیړونکي ونه توانیدل چې د کار ورکوونکو څخه وغواړي چې نوماندان وټاکي یا د دوی پریکړې روښانه کړي.

د تجربو دغه جوڑی په عمومی توګه د لابراتوار او ساحی تجربو په اړه ډیر څه څرګندوی. د لابراتوار تجربې څیړونکي د چاپیریال نږدې نږدې کنټرول وړاندې کوي چې پکې ګډون کوونکي پریکړې کوي. نو د بیلګې په توګه، په لابراتوار تجربه کې، Correll او همکاران پدې توانیدلي وو چې ډاډ ترلاسه کړي چې ټول بیارغونه په یوه خاموش ترتیب کې لوستل شوي؛ په ساحه کې تجربه کې، ځینې بیا پیلونه ممکن حتمي نه وي لوستلی. برسېره پردې، ځکه چې د لابراتوار په ترتیب کې برخه اخیستونکي پوهیږي چې دوی زده کړې کیږي، څیړونکي اکثرا د اضافي ډیټا راټولولو توان لري چې کولی شي مرسته وکړي چې ولې برخه اخیستونکي خپلې پریکړې کوي. د مثال په توګه، Correll او همکارانو د لیبر په تجربه کې برخه والو څخه وغوښتل چې په مختلفو اړخونو کې کاندیدان وټاکي. دا ډول پروسیجر کولی شي د څیړونکو سره مرسته وکړي چې د توپیرونو تر مینځ میکانیزم په دې پوه شي چې ګډونوالو د بیا پیلولو درملنه کوي.

له بلې خوا، دا ورته ځانګړتیاوې چې ما یوازې د ګټو په توګه بیان کړې دي هم ځینې وختونه زیان لیدل کیږي. څیړونکي چې د ساحې تجربې غوره کوي بحث کوي چې د لابراتوار تجربو کې برخه اخیستونکي کولی شي په مختلف ډول عمل وکړي ځکه دوی پوهیږي چې دوی زده کړې کیږي. د مثال په توګه، په لابراتوار تجربه کې، ګډون کونکو ممکن د څیړنې هدف وټاکي او خپل چلند بدل کړي لکه څنګه چې اړخیز نه ښکاري. برسېره پردې، څېړونکي چې د ساحې تجربې غوره کوي ښايي پدې اړه بحث وکړي چې د بیا پیل کولو کې کوچني توپیرونه یوازې د پاک، لابراتوار په چاپیرال کې شتون لري، او له دې امله د لیبر تجربه به د اصلي استخدام پریکړو په اړه د میثو اغیزه تکرار کړي. په پای کې، د ساحې تجربو ډیری ملاتړي د WEIRD ګډون کونکو باندې د لیب تجربې باندې نیوکه کوي: په عمده توګه د لویدیځ، زده کړې، صنعتي، امیر، او ډموکراتیک هیوادونو زده کونکي (Henrich, Heine, and Norenzayan 2010a) . د Correll او همکارانو لخوا تجربه (2007) د دوو لابراتوارونو په لابراتوار ساحه کې د دوام په اړه څرګندوي. د دغو دوو برعکسونو ترمنځ د هایبرډ مختلف ډیزاینونه هم شتون لري، لکه د تګلارو په څیر غیر محصلین لابراتوار ته راوړي یا په ساحه کې ځي، مګر بیا هم ګډون کوونکي غیر معمولي کار ترسره کوي.

سربیره پردې د لابراتوار میدان ساحه چې پخوا تیره وه، ډیجیټل عمر پدې مانا لري چې څیړونکي اوس مهال دویمه لویه برخه لري چې ورسره تجربه کولی شي توپیر ولري: انالج - ډیجیټل. لکه څنګه چې دلته د لابراتوار خالص تجربې، د خالص ساحې تجربې، او د مختلفو سنجونو ترمنځ، د خالص انالیز تجربې، خالص ډیجیټل تجربې، او یو شمیر مختلف ډولونه شتون لري. دا د دې اړخ رسمي رسمي وړاندیز وړاندیز کوي، مګر یو ګټور کاري تعریف دا دی چې بشپړ بشپړ ډیجیټل تجربې هغه تجربې دي چې ګډون کونکي استخدام کولو لپاره، ډیجیټل زیربنا کارول، ناڅاپي کول، درملنه کول، او د پایلې اندازه کول. د بیلګې په توګه، ریویوو او وین دي ریتټ (2012) د باروارډ او ويکيپېډیا مطالعې یو بشپړ ډیجیټل تجربه وه ځکه چې دا د دې ټولو څلورو مرحلو لپاره ډیجیټل سیسټمونه کارول. همداشان، په بشپړه توګه انالیزي تجربې د دغو څلورو ګامونو لپاره د ډیجیټل زیربنا کارول ندي. د ارواپوهنې ډیری کلاشینیک تجربې په بشپړه توګه انلایل تجربې دي. د دغو دوو برعکسونو ترمنځ، په نسبتا ډول ډیجیټل تجربې شتون لري چې د انالیل او ډیجیټل سیسټمونو سره یوځای کاروي.

کله چې ځینې خلک د ډیجیټل تجربو په اړه فکر کوي، دوی د سمدستي آنلاین تجربو فکر کوي. دا بدبخته ده ځکه چې د ډیجیټل تجربو چلولو فرصتونه آنلاین نه دي. څیړونکي کولی شي د جزایاتو د وړاندې کولو یا د پایلې اندازه کولو لپاره په فزیکي نړۍ کې ډیجیټل وسایلو کارولو په برخه کې په ډیرو ډیجیټل تجربو کار وکړي. د بیلګې په توګه، څیړونکي کولی شي سمارټ فونز وکاروي تر څو په پایله چاپیریال کې د پایلې اندازه کولو لپاره درمل یا سینسرونه وړاندې کړي. په حقیقت کې، لکه څنګه چې موږ به پدې فصل کې وروسته وګورو، څیړونکو دمخه د کور بریښنا متره کارولې ترڅو د انرژی مصرف په اړه تجربو کې د 8.5 میلیونو کورنیو (Allcott 2015) . لکه څنګه چې ډیجیټل وسایل په پراخه توګه د خلکو په ژوند کې شامل شوي او سینسر د ساختماني چاپیریال سره مینځ ته کیږي، دا امکانات په فزیکي نړۍ کې د جزایی ازموینې ترسره کولو فرصتونه به په ډراماتیک ډول ډیریږي. په بل عبارت، ډیجیټل تجربې یوازې آنلاین تجربې نه دي.

ډیجیټل سیسټمونه په هر ځای کې د لابراتوار په ساحه کې د دوام په اړه تجربو لپاره نوې امکانات رامینځته کوي. د خالص لابراتوار تجربو کې، د بیلګې په توګه، څیړونکي کولی شي ډیجیټل سیسټمونه د ګډونوالو د چلند اندازه کولو لپاره کاروي؛ د دې ښه شوي ماینونو یوه بیلګه د لید د تجهیزاتو وسیله ده چې د ناڅاپي موقعیت دقیق او دوامداره ګامونه وړاندې کوي. د ډیجیټل عمر هم د لیبل چلولو امکانات آنلاین تجربه کوي. د بیلګې په توګه، محققانو د انلاین تجربو لپاره ګډون کوونکو ته ګمارلو لپاره ایمیزونیک میخانیک ترک (MTurk) په چټکۍ سره ومنله (شمیره 4.2). MTurk "ګمارونکي" سره کار کوي چې هغه دندې لري چې "کارګرانو" سره بشپړه شي چې څوک غواړي د پیسو لپاره دا دندې بشپړ کړي. په هرصورت، د دودیزو کار بازارونو په پرتله، په هرصورت، دندې په عمومي ډول یوازې د پوره کولو لپاره څو دقیقو ته اړتیا لري، او د کارمندانو او کارکونکي ترمنځ ټولې اړیکې آنلاین دي. ځکه چې میټروک د دودیزو لابراتوار تجربو اړخونو اړخونه دي - خلکو ته پیسې ورکوي چې دوی د وړیا لپاره نه ترسره کوي - دا په طبیعی توګه د تجربو لپاره د ځینو ډولونو لپاره مناسبه ده. په حقیقت کې، MTurk د خلکو ګډون کوونکی او پیسې ورکول د زیربنا د تنظیم لپاره زیربناوې رامینځته کړي - او څیړونکي د دې زیربنا څخه ګټه اخیستې ترڅو د ګډونوالو لپاره د تل لپاره الره برابره کړي.

شکل 4.2: کاغذونه د ایمیزونیک میخانیک ترک (MTurk) څخه د معلوماتو په کارولو خپاره شوي. MTKU او د آنلاین کارګر بازارونه څیړونکي د تجربو لپاره د ګډونوالو استخدام لپاره اسانه لاره ده. د Bohannon (2016) تطبیق شوی.

ډیجيټل سیسټمونه د ساحې په څیر تجربو لپاره حتی نور امکانات رامنځته کوي. په ځانګړې توګه، دوی څیړونکي پدې توانوي چې سخت کنترول او پروسیجرونه چې د لابراتوار تجربو سره تړاو لري د بیالبیلو ګډون کوونکو او نورو طبیعي ترتیباتو سره چې د لابراتوار تجربو سره تړاو لري. برسېره پردې، د ډیجيټل فیلډ تجربې هم په انالیز تجربو کې درې ستونزمن وړاندیزونه وړاندې کوي.

لومړی، پداسې حال کې چې د اسالال لیبټ او ساحې تجربې په سلګونو ګډون کونکي لري، د ډیجیټل ساحې تجربې کولی شي په میلیونونو ګډون کونکي ولري. دا بدلون په پیمانه دی ځکه چې ځینې ډیجیټل تجربې د صفر متغیر لګښت په اړه معلومات چمتو کوي. دا دا ده، کله چې څیړونکو تجربې زیربنا رامینځته کړې، د ګډون کونکو شمیر زیاتوالی په ځانګړې توګه لګښت ندی راولي. د 100 یا ډیرو فکتورونو له خوا د ګډون کوونکو شمیر زیاتوالی نه یوازې د کمولو بدلون دی؛ دا یو کیفي بدلون دی، ځکه چې دا څیړونکي توانوي چې مختلف شیان د تجربو څخه زده کړي) د بیلګې په توګه، د درملنې اغیزاتو تثبیتیت () او په بشپړه توګه د تجربې ډیزاینونو چلول (د مثال په توګه، لوی ګروپ تجربې). دا ټکی خورا مهم دی، زه به هغه ته د دې باب پای ته ورسیږم کله چې زه د ډیجیټل تجربو جوړولو په اړه مشورې وړاندیز کوم.

دوهم، پداسې حال کې چې د انالیزال لابراتوار او ساحې تجربې برخه اخیستونکي د غیر معقول ویجټز په توګه چلند کوي، ډیجیټل ساحوي تجربې اکثرا د ګډون کونکو په اړه د څیړنې په ډیزاین او تحلیل پړاوونو کې د پس منظر معلوماتو کاروي. دا پس منظر معلومات، چې د درملنې دمخه معلومات ورته ویل کیږي، ډیری وختونه په ډیجیټل تجربو کې شتون لري ځکه چې دوی د ماینونو د سیستم سیسټمونو ته ځي) دوهم فصل وګورئ (. د مثال په توګه، په فیسبوک کې یو څیړونکی د پوهنتون محقق په پرتله د ډیجیټل فیلډ تجربې کې د خلکو په اړه د درملنې دمخه ډیر ډیر معلومات لري د هغه د انالیز فیلډ تجربې په اړه د خلکو په اړه. دا وړاندیز کول ډیر اغیزمن تجرباتي ډیزاینونه فعالوي - لکه خنډونه (Higgins, Sävje, and Sekhon 2016) او د ګډون کونکو استخدام (Eckles, Kizilcec, and Bakshy 2016) - او نور بصیرت تحلیلونه لکه د درملنې د اثراتو د تثبیت اټکل (Athey and Imbens 2016a) او د ښه اصالحاتو لپاره د تعدیل تعدیلات (Bloniarz et al. 2016) .

دریم، په داسې حال کې چې د انالیزال لیبر او ساحه تجربې درملنې په نسبتا پیچلې وخت کې درمل او اندازه اندازه کوي، ځینې ډیجیټل فیلم تجربې ډیر وختونه وختونه پېل کیږي. د بیلګې په توګه، ریویویو او وین دي ریتټ تجربه درلوده د 90 ورځو لپاره هره ورځ اندازه کیږي، او یو تجربه چې زه به تاسو ته وروسته په فصل کې (Ferraro, Miranda, and Price 2011) په دريو کلونو کې درناوی پایلې په بنسټیز ډول نه وي لګښت. د دریو فرصتونو اندازه، مخکې له درملنې مخکې معلومات، او د اوږدمهاله درملنې او پایلو ډاټا - تر ټولو زیات عام کیږي کله چې تجربې د تل پیمانه سیسټمونو په سر کې روانې وي) د تل په پیمانه سیسټمونو کې د دوی لپاره د دویم فصل وګورئ (.

پداسې حال کې چې ډیجیټل فیلډ تجربې ډیری امکانات وړاندې کوي، دوی د ځینې ضعیفیتونه هم هم شریکوي چې د انالال لیب او انالوژیک میدان تجربو سره. د مثال په توګه، تیرې تجربې لپاره تجربې نه کارول کیدی شي، او دوی یوازې د درملنې اغیزې اټکل کولی شي کوم چې کیدلای شي. په هرصورت، که څه هم تجربې د پالیسۍ الرښوونې لپاره ګټورې دي، دقیق لارښوونې چې دوی یې وړاندیز کولی شي د پیچلو هڅو له کبله محدوده وي لکه د چاپیریال پورې اړه لري، د اطاعت کولو ستونزې، او د توپیر اغیزې (Banerjee and Duflo 2009; Deaton 2010) . د ډیجيټل فیلډ تجربې هم د اخالقي اندیښنو زیاتوالی هم کوي چې د ساحې تجربو لخوا رامینځ ته کیږي - یوه موضوع زه به پدې فصل کې او په شپږم فصل کې مراجعه وکړئ.