4.5.2 Parceiro com o poderoso
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 fazê-lo sozinho é uma parceria com uma organização poderosa, como uma empresa, governo ou ONG. A vantagem de trabalhar com um parceiro é que eles permitem que você pode executar experimentos que você simplesmente não pode fazer por si mesmo. Por exemplo, um dos experimentos que eu vou te dizer sobre a seguir envolveu 61 milhões de participantes; nenhum pesquisador indivíduo poderia alcançar essa escala. Ao mesmo tempo que a parceria aumenta o que pode fazer, também, ao mesmo tempo, restringe-lo. Por exemplo, a maioria das empresas não vai permitir que você execute um experimento que pode prejudicar o seu negócio ou a sua reputação. Trabalhando com parceiros também significa que quando chega a hora de publicar, você pode vir sob pressão para "re-frame" seus resultados, e alguns parceiros podem até tentar bloquear a publicação de seu trabalho, se isso os faz ficar mal. Finalmente, a parceria também vem com os custos relacionados com o desenvolvimento e manutenção dessas colaborações.
O desafio central que tem de ser resolvido para fazer essas parcerias de sucesso é encontrar uma maneira de equilibrar os interesses de ambas as partes, e uma maneira útil para pensar que o equilíbrio é quadrante de Pasteur (Stokes 1997) . Muitos pesquisadores acreditam que, se eles estão trabalhando em algo prático, algo que pode ser do interesse de um parceiro, então eles podem não ser fazer ciência real. Essa mentalidade vai torná-lo muito difícil criar parcerias bem sucedidas, e também passa a ser completamente errado. O problema com esta maneira de pensar é maravilhosamente ilustrado pela pesquisa pioneiro 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 microrganismos que eventualmente levou à teoria do germe da doença. Esta descoberta resolveu um problema-lo muito prático ajudou a melhorar o processo de fermentação e levar a um grande avanço científico. Assim, ao invés de pensar sobre a pesquisa com aplicações práticas como estando em conflito com a pesquisa científica verdadeira, é melhor pensar neles como duas dimensões distintas. A pesquisa pode ser motivado pelo uso (ou não) e pesquisa pode buscar a compreensão fundamental (ou não). Criticamente, alguns Pasteur's-pode investigação de como ser motivado pelo uso e busca de entendimento fundamental (Figura 4.16). Research in Quadrant-pesquisa de Pasteur que, inerentemente, avança dois objetivos é ideal para colaborações entre pesquisadores e parceiros. Dado que o fundo, vou descrever dois estudos experimentais com parcerias: uma com uma empresa e um com uma ONG.
Figura 4.16: quadrante de Pasteur (com base na Fig 3.5 a partir de Stokes (1997) ). Em vez de pensar de pesquisas ou como "base" ou "aplicadas" é melhor pensar de pesquisa como motivado pelo uso (ou não) e busca de entendimento fundamental (ou não). Um exemplo de pesquisa que tanto é motivada pelo uso e busca o entendimento fundamental é o trabalho de Pasteur sobre a conversão de suco de beterraba em álcool que levou à teoria do germe da doença. Este é o tipo de trabalho que é mais adequado para as parcerias com os poderosos. Exemplos de trabalho motivado pelo uso, mas que não busca compreensão fundamental vêm de Thomas Edison, e exemplos de trabalho que não é motivado pelo uso, mas que busca o entendimento vêm de Niels Bohr. Veja Stokes (1997) para uma discussão mais aprofundada deste quadro e cada um desses casos.
As grandes empresas, particularmente as empresas de tecnologia, têm desenvolvido infra-estrutura extremamente sofisticada para a execução de experimentos complexos. Na indústria de tecnologia, essas experiências são muitas vezes chamados testes A / B (porque eles testar a eficácia de dois tratamentos: A e B). Estas experiências são muitas vezes correr para coisas como aumentar as taxas de click-through em anúncios, mas a mesma infra-estrutura experimental também pode ser usado para a investigação que avança a compreensão científica. Um exemplo que ilustra o potencial deste tipo de pesquisa é um estudo realizado por uma parceria entre pesquisadores da Facebook e da Universidade da Califórnia, San Diego, sobre os efeitos de diferentes mensagens sobre o número de eleitores (Bond et al. 2012) .
Em 02 de novembro de 2010, o dia das eleições-all do Congresso dos EUA 61 milhões de usuários do Facebook que vivem em os EUA e mais de 18 anos participaram do experimento sobre a votação. Ao visitar o Facebook, os usuários foram designados aleatoriamente para um dos três grupos, que determinou o banner (se houver) foi colocado no topo de sua News Feed (Figura 4.17):
- um grupo de controle.
- uma mensagem informativa sobre a votação com um clicável "eu votei" botão e um contador (info).
- uma mensagem informativa sobre a votação com um clicável "eu votei" botão e um contador de + nomes e fotos de seus amigos que já tivesse clicado no "eu votei" (info + sociais).
Bond e seus colegas estudaram dois resultados principais: relatado comportamento eleitoral eo comportamento de votação em si. Primeiro, eles descobriram que as pessoas no grupo info + social eram cerca de 2 pontos percentuais mais propensos do que as pessoas no grupo Informação de clicar em "eu votei" (cerca de 20% vs 18%). Além disso, depois que os pesquisadores fundiram os seus dados com registros de votação acessíveis ao público para cerca de 6 milhões de pessoas descobriram que pessoas na info + grupo social foram 0,39 pontos percentuais mais provável que realmente votar do que as pessoas na condição de controle e que as pessoas no grupo de informações a mesma probabilidade de votar como as pessoas na condição de controle (Figura 4.17).
Figura 4.17: Resultados de um experimento get-out-a-voto no Facebook (Bond et al. 2012) . Os participantes do grupo informações votado na mesma taxa que as pessoas na condição de controle, mas as pessoas na info + grupo social votou a uma taxa ligeiramente superior. As barras representam calculados intervalos de confiança de 95%. Os resultados no gráfico incluem cerca de 6 milhões de participantes, para os quais os pesquisadores poderiam corresponder aos registros de voto.
Esta experiência mostra que algumas mensagens get-out-a-voto online são mais eficazes do que outros, e mostra que a estimativa do pesquisador da eficácia de um tratamento pode depender se eles estudam relatado ou comportamento real. Esta experiência, infelizmente, não oferece nenhuma pista sobre os mecanismos pelos quais a informação social, que alguns pesquisadores têm brincadeira chamada de "face pilha" de votação -aumento. Pode ser que a informação social aumentou a probabilidade de que alguém notou o banner ou que aumentou a probabilidade de que alguém que percebeu a bandeira realmente votou ou ambos. Assim, esta experiência fornece um achado interessante que ainda pesquisador provavelmente vai explorar (ver, por exemplo, Bakshy, Eckles, et al. (2012) ).
Além de avançar os objetivos dos pesquisadores, esta experiência também avançou a meta da organização parceira (Facebook). Se você alterar o comportamento estudado de votar para comprar sabão, em seguida, você pode ver que o estudo tem a mesma estrutura exata como um experimento para medir o efeito de anúncios on-line (ver, por exemplo, Lewis and Rao (2015) ). Estes estudos de eficácia de anúncios frequentemente medir o efeito da exposição a linha ads-os tratamentos em Bond et al. (2012) são basicamente os anúncios para a votação-no comportamento offline. Assim, este estudo poderia avançar a capacidade do Facebook para estudar a eficácia dos anúncios on-line e pode ajudar o Facebook a convencer os potenciais anunciantes que os anúncios do Facebook são eficazes.
Mesmo que os interesses dos pesquisadores e parceiros foram em sua maioria alinhados neste estudo, eles também foram parcialmente em tensão. Em particular, a alocação dos participantes para as três condições-controle, informação, e info +-social foi tremendamente desequilibrada: 98% da amostra foi atribuída a info + social. Essa alocação desequilibrada é ineficiente estatisticamente, e uma muito melhor repartição para os pesquisadores teria sido 1/3 dos participantes em cada grupo. Mas, a alocação desequilibrada aconteceu porque o Facebook queria que todos recebem a informação + tratamento social. Felizmente, os pesquisadores convenceu-os a conter 1% para um tratamento relacionado e 1% de participantes de um grupo de controle. Sem o grupo de controlo que teria sido basicamente impossível de medir o efeito da informação tratamento social, + porque teria sido uma experiência de "perturbar e observar" ao invés de um experimento controlado randomizado. Este exemplo fornece uma lição prática valiosa para trabalhar com parceiros: às vezes você criar uma experiência de convencer alguém a entregar um tratamento e, por vezes, criar uma experiência de convencer alguém não emitir um tratamento (ou seja, para criar um grupo de controle).
Parceria nem sempre precisa envolver empresas de tecnologia e os testes A / B, com milhões de participantes. Por exemplo, Alexander Coppock, Andrew Guess, e John Ternovski (2016) em parceria com uma ONG ambiental (League of Conservation Voters) para executar testes de experimentos diferentes estratégias para promover a mobilização social. Os pesquisadores usaram conta no Twitter da ONG para enviar ambos os tweets públicos e mensagens diretas privadas que tentaram primos diferentes tipos de identidades. Os pesquisadores mediram então qual destas mensagens eram mais eficaz para encorajar as pessoas a assinar uma petição e informações de retweet sobre uma petição.
| Tema | Citação |
|---|---|
| Efeito do Facebook News Feed na troca de informações | Bakshy, Rosenn, et al. (2012) |
| Efeito de anonimato parcial sobre o comportamento no site de namoro online | Bapna et al. (2016) |
| Efeito da Home Energy Relatórios sobre o uso da eletricidade | Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013) |
| Efeito do desenho app no disseminação viral | Aral and Walker (2011) |
| Efeito do mecanismo de dispersão em difusão | Taylor, Bakshy, and Aral (2013) |
| Efeito de informação social em anúncios | Bakshy, Eckles, et al. (2012) |
| Efeito da freqüência catálogo em vendas através de catálogo e on-line para diferentes tipos de clientes | Simester et al. (2009) |
| Efeito de informação popularidade em aplicações de trabalho potenciais | Gee (2015) |
| Efeito das avaliações iniciais sobre a popularidade | Muchnik, Aral, and Taylor (2013) |
| Efeito do conteúdo da mensagem na mobilização política | Coppock, Guess, and Ternovski (2016) |
No geral, em parceria com o poderoso permite a você operar em uma escala que é difícil de fazer o contrário, e Tabela 4.3 fornece outros exemplos de parcerias entre pesquisadores e organizações. Partnering pode ser muito mais fácil do que construir a 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 detectar uma oportunidade para uma parceria é a notar um problema real que você pode resolver enquanto você está fazendo a ciência interessante. Se você não está acostumado a este modo de olhar o mundo, pode ser difícil de detectar problemas no quadrante de Pasteur, mas com a prática, você vai começar a notar-los mais e mais.
