4.5.4 Parceria com os poderosos

Partnering pode reduzir custos e aumentar a escala, mas ele pode alterar os tipos de participantes, tratamentos e os resultados que você pode usar.

A alternativa para fazer isso sozinho é fazer parceria com uma organização poderosa, como uma empresa, governo ou ONG. A vantagem de trabalhar com um parceiro é que ele permite que você execute experimentos que você não pode fazer sozinho. Por exemplo, um dos experimentos com os quais falarei a seguir envolveu 61 milhões de participantes - nenhum pesquisador individual conseguiu atingir essa escala. Ao mesmo tempo em que a parceria aumenta o que você pode fazer, ela também o restringe. Por exemplo, a maioria das empresas não permite que você execute um experimento que possa prejudicar seus negócios ou sua reputação. Trabalhar com parceiros também significa que, quando chega a hora de publicar, você pode ficar sob pressão para “reencadear” seus resultados, e alguns parceiros podem até tentar bloquear a publicação de seu trabalho se isso os fizer parecer mal. Finalmente, a parceria também vem com custos relacionados ao desenvolvimento e manutenção dessas colaborações.

O principal desafio a ser resolvido para tornar essas parcerias bem-sucedidas é encontrar uma maneira de equilibrar os interesses de ambas as partes, e uma maneira útil de pensar sobre esse equilíbrio é o Quadrante de Pasteur (Stokes 1997) . Muitos pesquisadores pensam que, se estão trabalhando em algo prático - algo que pode interessar a um parceiro -, então não podem estar fazendo ciência real. Essa mentalidade dificultará muito a criação de parcerias bem-sucedidas e também estará completamente errada. O problema com esse modo de pensar é maravilhosamente ilustrado pela pesquisa inovadora do biólogo Louis Pasteur. Enquanto trabalhava em um projeto de fermentação comercial para converter suco de beterraba em álcool, Pasteur descobriu uma nova classe de microorganismo que levou à teoria da doença. Essa descoberta resolveu um problema muito prático - ajudou a melhorar o processo de fermentação - e levou a um grande avanço científico. Assim, em vez de pensar em pesquisas com aplicações práticas como estando em conflito com a verdadeira pesquisa científica, é melhor pensar nelas como duas dimensões separadas. A pesquisa pode ser motivada pelo uso (ou não), e a pesquisa pode buscar um entendimento fundamental (ou não). Criticamente, algumas pesquisas - como as de Pasteur - podem ser motivadas pelo uso e buscando entendimento fundamental (figura 4.17). A pesquisa no Quadrante de Pasteur - pesquisa que avança inerentemente dois objetivos - é ideal para colaborações entre pesquisadores e parceiros. Tendo em vista esse pano de fundo, descreverei dois estudos experimentais com parcerias: um com uma empresa e outro com uma ONG.

Figura 4.17: Quadrante de Pasteur (Stokes 1997) . Em vez de pensar a pesquisa como “básica” ou “aplicada”, é melhor pensar nela como motivada pelo uso (ou não) e buscar compreensão fundamental (ou não). Um exemplo de pesquisa que é motivado pelo uso e busca a compreensão fundamental é o trabalho de Pasteur em converter o suco de beterraba em álcool, que leva à teoria germinal da doença. Este é o tipo de trabalho que é mais adequado para parcerias com os poderosos. Exemplos de trabalhos que são motivados pelo uso, mas que não buscam entendimento fundamental, vêm de Thomas Edison, e exemplos de trabalhos que não são motivados pelo uso, mas que buscam entendimento, vêm de Niels Bohr. Veja Stokes (1997) para uma discussão mais aprofundada desta estrutura e cada um desses casos. Adaptado de Stokes (1997) , figura 3.5.

Grandes empresas, particularmente empresas de tecnologia, desenvolveram uma infraestrutura incrivelmente sofisticada para executar experimentos complexos. No setor de tecnologia, esses experimentos costumam ser chamados de testes A / B porque eles comparam a eficácia de dois tratamentos: A e B. Esses experimentos são frequentemente realizados para aumentar as taxas de cliques nos anúncios, mas a mesma infraestrutura experimental também pode ser usado para pesquisas que avancem a compreensão científica. Um exemplo que ilustra o potencial desse tipo de pesquisa é um estudo realizado por uma parceria entre pesquisadores do Facebook e da Universidade da Califórnia, em San Diego, sobre os efeitos de diferentes mensagens sobre o comparecimento às urnas (Bond et al. 2012) .

Em 2 de novembro de 2010 - o dia das eleições para o Congresso dos EUA - todos os 61 milhões de usuários do Facebook que moravam nos Estados Unidos e tinham 18 anos ou mais participaram de um experimento sobre votação. Ao visitar o Facebook, os usuários foram distribuídos aleatoriamente em um dos três grupos, o que determinou qual banner (se houver) foi colocado no topo de seu News Feed (figura 4.18):

• um grupo de controle
• uma mensagem informativa sobre a votação com um botão “Eu votei” clicável e um contador (Info)
• uma mensagem informativa sobre a votação com um botão "Eu votei" clicável e um contador, além de nomes e fotos de seus amigos que já haviam clicado no "Eu votei" (Info + Social)

Bond e seus colegas estudaram dois resultados principais: comportamento de voto e comportamento eleitoral. Primeiro, eles descobriram que as pessoas no grupo Info + Social estavam cerca de dois pontos percentuais mais propensos do que as pessoas no grupo Info a clicar em "Eu votei" (cerca de 20% versus 18%). Além disso, depois que os pesquisadores fundiram seus dados com registros de votação disponíveis publicamente para cerca de seis milhões de pessoas, eles descobriram que as pessoas no grupo Info + Social tinham 0,39 ponto percentual mais chances de votar do que as do grupo de controle e que as pessoas no grupo Info. tinham a mesma probabilidade de votar do que os do grupo de controle (figura 4.18).

Figura 4.18: Resultados de um experimento de obter-a-votação no Facebook (Bond et al. 2012) . Os participantes do grupo Info votaram na mesma taxa que os do grupo de controle, mas as pessoas do grupo Info + Social votaram em uma taxa um pouco maior. Barras representam intervalos de confiança estimados de 95%. Os resultados no gráfico são para os aproximadamente seis milhões de participantes que foram correspondidos aos registros de votação. Adaptado de Bond et al. (2012) , figura 1.

Os resultados deste experimento mostram que algumas mensagens on-line são mais eficazes do que outras e que a estimativa da eficácia de um pesquisador pode depender se o resultado é relatado como votante ou como votação real. Infelizmente, este experimento não oferece nenhuma pista sobre os mecanismos pelos quais a informação social - que alguns pesquisadores chamam de “pilha de rosto” - aumentou a votação. Pode ser que a informação social aumente a probabilidade de que alguém tenha percebido o banner ou que tenha aumentado a probabilidade de que alguém tenha percebido que o banner realmente votou ou ambos. Assim, este experimento fornece uma descoberta interessante que outros pesquisadores provavelmente explorarão (ver, por exemplo, Bakshy, Eckles, et al. (2012) ).

Além de avançar nas metas dos pesquisadores, esse experimento também avançou no objetivo da organização parceira (Facebook). Se você mudar o comportamento estudado de votar para comprar sabão, verá que o estudo tem exatamente a mesma estrutura de um experimento para medir o efeito dos anúncios on-line (ver, por exemplo, RA Lewis and Rao (2015) ). Esses estudos de eficácia de anúncios frequentemente medem o efeito da exposição a anúncios on-line - os tratamentos em Bond et al. (2012) são basicamente anúncios para votação - no comportamento offline. Assim, essa pesquisa poderia aumentar a capacidade do Facebook de estudar a eficácia dos anúncios on-line e poderia ajudar o Facebook a convencer anunciantes em potencial de que os anúncios do Facebook são eficazes para mudar o comportamento.

Embora os interesses dos pesquisadores e parceiros estivessem alinhados principalmente neste estudo, eles também estavam parcialmente em tensão. Em particular, a alocação de participantes aos três grupos - controle, Info e Info + Social - foi tremendamente desequilibrada: 98% da amostra foi designada para Info + Social. Essa alocação desequilibrada é ineficiente estatisticamente, e uma alocação muito melhor para os pesquisadores teria um terço dos participantes em cada grupo. Mas a alocação desequilibrada aconteceu porque o Facebook queria que todos recebessem o tratamento Info + Social. Felizmente, os pesquisadores convenceram-nos a reter 1% para um tratamento relacionado e 1% dos participantes para um grupo controle. Sem o grupo de controle, seria basicamente impossível medir o efeito do tratamento Info + Social porque teria sido um experimento de “perturbar e observar” ao invés de um experimento controlado randomizado. Este exemplo fornece uma valiosa lição prática para trabalhar com parceiros: às vezes, você cria um experimento convencendo alguém a fazer um tratamento e, às vezes, cria um experimento convencendo alguém a não entregar um tratamento (por exemplo, para criar um grupo de controle).

A parceria nem sempre precisa envolver empresas de tecnologia e testes A / B com milhões de participantes. Por exemplo, Alexander Coppock, Andrew Guess e John Ternovski (2016) fizeram uma parceria com uma ONG ambientalista - a Liga dos Eleitores de Conservação - para realizar experimentos testando diferentes estratégias para promover a mobilização social. Os pesquisadores usaram a conta do Twitter da ONG para enviar tweets públicos e mensagens diretas privadas que tentavam criar diferentes tipos de identidades. Eles então mediram quais dessas mensagens foram mais eficazes para encorajar as pessoas a assinar uma petição e retuitar informações sobre uma petição.

No geral, a parceria com o poderoso permite que você opere em uma escala que é difícil de fazer, e a tabela 4.3 fornece outros exemplos de parcerias entre pesquisadores e organizações. A parceria pode ser muito mais fácil do que criar sua própria experiência. Mas essas vantagens vêm com desvantagens: as parcerias podem limitar os tipos de participantes, tratamentos e resultados que você pode estudar. Além disso, essas parcerias podem levar a desafios éticos. A melhor maneira de identificar uma oportunidade para uma parceria é perceber um problema real que você pode resolver enquanto está fazendo ciência interessante. Se você não está acostumado a essa maneira de ver o mundo, pode ser difícil detectar problemas no Quadrante de Pasteur, mas, com a prática, você começará a notá-los cada vez mais.