4.3 تجربن مان ٻه پکيڙ: ليبارٽري-ميدان ۽ اينالاگ-ڊجيٽل
ليبارٽري تجربن ڪنٽرول آڇ، ميدان تي تجربن جي حقيقت نگاري آڇ، ۽ ڊجيٽل ميدان تجربن پيماني تي قبضي ۽ حقيقت نگاري تڏهن.
تجربا ڪيترن ئي مختلف شڪلن ۽ سائيز ۾ اچن ٿيون. ماضي ۾، محقق ان کي مددگار ثابت ڪري ورتو آهي ليب تجربن ۽ فيلڊ تجربن جي وچ ۾ اوپنسمن سان تجربن کي منظم ڪرڻ. هاڻيرحال، محقق کي ايجنالاجي تجربن ۽ ڊجيٽل تجربن جي وچ ۾ ٻه سيڪنڊن جي تجربن کي پڻ منظم ڪرڻ گهرجي. هي ٻه جہائي ڊيزائن واري جاء توهان جي مختلف طريقن جي قوت ۽ ضعيف کي سمجهڻ ۾ مدد ڪندي ۽ عظيم ترين موقعن جي عالمن کي اشارو ڪري سگهندي (نمبر 4.1).
تصوير 4.1: تجربن لاء ڊزائين جي جڳهه جي اسڪيماتي. ماضي ۾، تجربن ۾ ليڊ فيلڊ جي ماپ سان گڏ مختلف آهن. هاڻي، اهي اينالاگ ڊجيٽل تي به مختلف هوندا آهن. هي ٻه جہائي ڊيزائن جي جڳهه کي چار تجربن جي ذريعي بيان ڪيو ويو آهي جيڪو هن باب ۾ بيان ڪري ٿو. منهنجي خيال ۾، وڏي حصي جو علائقو ڊجيٽل فيلڊ تجربات آهي.
هڪ طول و عرض جو تجربو پڻ منظم ڪيو ويندو آهي ليب-فيلڊ جي ماپ جو. سماجي سائنس ۾ ڪيترائي تجربا ليب تجربا آهن، جن ۾ گريجوئيشن شاگردن کي ليبارٽ ۾ غير معمولي ڪمن جو مظاهرو ڪيو ويو آهي. هن قسم جي تجربات نفسياتيات ۾ تحقيق تي ڇانيل آهي ڇو ته اهو محقق سڌارن کي خاص طور تي سماجي رويو بابت مخصوص نظريات کي جانچ ۽ جانچ ڪرڻ لاء انتهائي ڪنٽرول سيٽنگ ٺاهي ٿو. بهرحال ڪجهه مسئلن لاء، ڪجھه غير معمولي ماڻهو جهڙوڪ غير معمولي ماڻهن جهڙوڪ غير معمولي ڪمن کي انجام ڏيڻ واري غير معمولي ماڻهن جي انسانيت بابت مضبوط نتيجه جوڙي بابت ڪجهه عجيب محسوس ڪيو. اهي خدشن هڪ تحريڪ جي ميدان ۾ اچڻ جي تجربن جي ڪري پيا آهن . تجربن جي ميدان ۾ وڌيڪ قدرتي سيٽنگن ۾ وڌيڪ عام ڪم ڪارڪردگي جي وڌيڪ نمائندگي گروپن سان بي ترتيب ٿيل ڪنٽرول تجربن جي تجربن جو مضبوط جوڙجڪ.
جيتوڻيڪ ڪجھ ماڻهو ليبار طريقن سان ليب ۽ فيلڊ تجربن جو سوچڻ، انهن لاء بهترين طور تي سوچڻ، مختلف قوتن ۽ ڪمزورين سان. مثال طور، Correll, Benard, and Paik (2007) "لیبر کی سزا" کے ذریعہ تلاش کرنے کی کوشش میں دونوں لیبار تجربے اور ایک فیلڈ تجربے کا استعمال کیا. امریکہ میں، مائر ٻارن جي ڀيٽ ۾ گھٽ پئسن جي ڀيٽ ۾ گھٽ پئسا ڪمائي، جيتوڻيڪ جڏهن انهي سان گڏوگڏ عورتون جيڪي ساڳي مهارتن ۾ ڪم ڪري رهيا آهن. ھن نموني لاء ڪيترائي ممڪن وضاحتون آھن، جن مان ھڪڙو آھي تھ مھينن جو نوڪر ھميشھ تي مبني آھي. (دلچسپي سان، پيء جي ڀيٽ ۾ ممڪن ٿي سگهي ٿو. اهي مائر خلاف ممڪن ٿيندڙ تعصب جو جائزو وٺڻ لاء، ڪورري ۽ ساٿين جا ٻه تجربا ورتا: هڪ ليب ۽ هڪ فيلڊ ۾.
پهريون، ليبار تجربن ۾ شرڪت ڪندڙن کي ٻڌايو ويو ته ڪاليج ان گريجوئيشن هو، جيڪا هڪ ڪمپني پنهنجي نئين اوڀر سامونڊي مارڪيٽنگ ڊپارٽمينٽ جي اڳواڻي لاء هڪ شخص لاء روزگار تلاش ڪري رهي هئي. شاگردن کي ٻڌايو ويو آهي ته ڪمپنيء کي انهن جي نوڪرين جي عمل ۾ مدد هئي، ۽ انهن کي ڪيترن ئي امڪاني اميدوارن جي ٻيهر جائزو وٺڻ ۽ اميدوارن جي شرح ڪيترن ئي طيارن تي نظرثاني ڪرڻ لاء چيو ويو، جهڙوڪ انهن جي ذھن، استخباراتي، گرمي ۽ ڪم ڪرڻ جو عزم. ان کان علاوه شاگردن کان پڇيو ويو ته اهي درخواست ڏيڻ وارن کي روزگار جي سفارش ڪنداسين ۽ شروعاتي تنخواه جي سفارش ڪنداسين. جيتوڻيڪ يونيورسٽيء جي شاگردن کي خاص طور تي شروع ڪيو ويو خاص طور تي هڪ شيء جي لاء ساڳئي طرح تعمير ڪيو ويو: انهن مان ڪجهه سگنل مسيح (والدين جي استاد جي استادن جي شرڪت جي ترتيب سان) ۽ ڪجهه نه ڪيو. ڪوريل ۽ ساٿين کي اهو معلوم ڪيو ويو ته شاگردن کي گهٽ ۾ گهٽ امڪان جي ماء جي روزگار جي صلاحيت هئي ۽ انهن کي انهن کي گهٽ شروع ڪندڙ تنخواه پيش ڪيو آهي. وڌيڪ، درجه بندي ۽ ملازمت سان لاڳاپيل فيصلا جي تجزياتي تجزيي ذريعي، ڪوريل ۽ ساٿين اهو محسوس ڪيو آهي ته ماتا کي نقصان گهڻو ڪري هن حقيقت جي وضاحت سان بيان ڪيو ويو آهي ته انهن کي قابليت ۽ عزم جي لحاظ سان گهٽايو ويو آهي. ان ڪري، هن ليبارٽري تجربو ڪورري ۽ ساٿي کي اجازت ڏني ۽ هڪ ئي اثر انداز ڪرڻ ۽ ان اثر لاء ممڪن وضاحت پيش ڪن.
يقينا، شايد هر آمريڪي مزدورن جي بازار بابت ڊرائنگ نتيجن بابت شايد شڪست ٿي سگھي ٿو ڪي سؤ گريجوئيشن جي فيصلن جي بنياد تي، جيڪو شايد ڪڏهن مڪمل طور تي مڪمل وقت نه هوندو هو، رڳو اڪيلائيء ۾ ڪنهن کي. تنهن ڪري، ڪورري ۽ ساٿين کي به هڪ مڪمل طور تي فيلڊ تجربه پڻ ڏني. هنن سئو سلائي اشتهارن جي نوڪري جي نوڪري سان جعلي ڪپڙا خط ۽ شروع ڪرڻ سان جواب ڏنو. ساڳئي مواد ان گريجوئيڊس کي ڏيکاري ٿو، ڪجهه ڪن ٿا ميڊيڪل ماڊل شروع ڪري ٿو ۽ ڪجهه نه ڪيو. ڪوريل ۽ ڪارڪنن اهو آهي ته مائر ٻارن جي برابر بي روزگار عورتن جي ڀيٽ ۾ انٽرويو لاء واپس اچڻ جو امڪان گهٽ هو. ٻين لفظن ۾، حقيقي جوڙجڪ جيڪي قدرتي جوڙجڪ ۾ فيصلا ڪرڻ چاهيندا ان کان وڌيڪ يونيورسٽيء جي حيثيت سان برداشت ڪيو. ڇا اهي ساڳيا سبب ساڳيا فيصلا ڪيا؟ بدقسمتي سان، اسان کي خبر ناهي. محقق جيڪي اميدوارن کي گهٽائڻ يا پنهنجن فيصلن کي بيان ڪرڻ لاء ملازمت کان پڇڻ جي قابل نه هئا.
تجربن جي هن جوڙي عام طور ليب ۽ فيلڊ تجربن بابت گهڻو بيان ڪري ٿو. ليبار تجربن جي تحقيق ڪندڙن کي ماحول جي ويجهو ڪل سنڀال ڪن ٿا جنهن ۾ شرڪت ڪندڙ فيصلا ڪيا وڃن. سو، مثال طور، ليب تجربن ۾، Correll ۽ ساٿين کي يقيني بنائڻ جي قابل ٿي چڪي آهي ته سڀئي سيٽ خاموش سيٽنگ ۾ پڙهي رهيا هئا؛ فيلڊ تجربن ۾، ڪجھ شروع ٿيندڙ شايد شايد پڙهي نه سگهيو آهي. وڌيڪ، ڇو ته ليبٽنگ جي ترتيب ۾ شرڪت ڪندڙ اهو ڄاڻو ٿا ته انهن جو اڀياس ڪيو ويو آهي، محقق اڪثر ڪري اضافي ڊيٽا گڏ ڪرڻ جي قابل هوندا آهن جيڪا وضاحت ڪرڻ ۾ مدد ڪري ٿي ته ڇو شرڪت ڪندڙ فيصلا ڪري رهيا آهن. مثال طور، ڪورري ۽ ساٿين کي مختلف تجربن تي اميدوارن کي شرح ڏيڻ لاء ليببار تجربو ۾ شرڪت ڪندڙن کان پڇيو. اهڙي قسم جي عمل جي ڊيٽا محقق جي ڀڃڪڙي کي سمجهڻ وارا محقق جي مدد ڪري سگھن ٿا ته شرڪت ڪندڙن کي ڪيئن شروع ڪئين.
ٻئي طرف، اهي ساڳيون ساڳيون خاصيتون جيڪي مون کي صرف فائدن سان بيان ڪيا آهن، ڪڏهن ڪڏهن ڪڏهن نقصان جي سمجهيو ويندو آهي. تجربن جي ميدان کي ترجيح ڪندڙ محققین جو دليل آهي ته ليب تجربن ۾ شرڪت ڪيترن ئي مختلف طريقي سان ڪم ڪري سگهي ٿي ڇاڪاڻ ته اهي ڄاڻن ٿا ته اهي اڀياس ڪري رهيا آهن. مثال طور، ليب تجربن ۾، شرڪت ڪندڙن شايد تحقيق جي مقصد جو اندازو لڳايو ۽ انهن جي رويي کي تبديل ڪري ڇڏيو جيئن ته باضابطه نظر نه ايندو. وڌيڪ، محقق جيڪي فيلڊ تجربن کي پسند ڪن ٿا تنقيد ڪن ٿا ته شروع ۾ ننڍڙن اختلافن صرف هڪ صاف، بيزاري ليبيل ماحول ۾ بيٺل آهي، ۽ اهڙي طرح ليبار تجربه حقيقي ملازمت جي فيصلي تي ميوي جو اثر تسلط ڪري سگهندو. آخرڪار، فيلڊ تجربن جي ڪيترن ئي پروپيگارن کي WEIRD شرڪت ڪندڙن تي ليب تجربن تي تنقيد ڪندي: خاص طور تي مغربي، تعليم يافته، صنعتي، ريچ، ۽ جمہوريه ملڪن (Henrich, Heine, and Norenzayan 2010a) . Correll ۽ ساٿيو جي تجربا (2007) جي ليبارٽري-ميدان continuum تي ٻن غلو بيان. انهن ٻن ايراضين جي وچ ۾ پڻ هائبرڊ ڊزائن جا مختلف قسم آهن، بشمول طريقن جهڙوڪ غير شاگردن کي ليبرن ۾ يا فيلڊ ۾ وڃڻ، پر اڃا تائين حصو وٺندڙ هڪ غير معمولي ڪم انجام ڏئي ٿو.
ماضي ۾ موجود ليب-فيلڊ جي ايجاد جو اضافي ۾، ڊجيٽل عمر جو مطلب آهي ته هاڻي تحقيق ڪندڙ هڪ ٻيو وڏو طول و عرض آهي، جنهن ۾ تجربا مختلف هوندا آهن: اينالاگ ڊجيٽل. جيئن ته خالص ليبار تجربات، خالص فيلڊ تجربات، ۽ حائبر مختلف قسم جي وچ ۾، خالص اينالاگ تجربات، خالص ڊجيٽل تجربو، ۽ مختلف قسم جي هائبرز موجود آهن. اهو انهي طول و عرض جي رسمي تعريف پيش ڪرڻ لاء ڏاڍو ڏکيو آهي، پر هڪ ڪارائتو ڪارڪردگي تجربي اهو آهي ته مڪمل طور ڊجيٽل تجربا تجربا آهن جيڪي شرڪت ڪندڙن، ترتيب ڏيڻ، علاج فراهم ڪرڻ ۽ ماپ جي نتيجن کي هٽائڻ لاء ڊجيٽل بنيادي طور تي استعمال ڪن ٿا. مثال طور، ريويو و وين ڊيجٽ (2012) بارنٽ ۽ وکيپيڊ جو مطالعو مڪمل طور تي ڊجيٽل تجربو هو، ڇاڪاڻ ته اهو انهن سڀني مرحلن جي لاء ڊجيٽل سسٽم استعمال ڪيو. ساڳئي طرح، مڪمل طور تي اينالاگ تجربن جي انهن چار مرحلن لاء ڊجيٽل بنيادي جوڙجڪ نه ٺاهي. نفسياتي تجربن جا ڪيترائي نمونا مڪمل طور تي اينالاگ تجربا آهن. انهن ٻن ايراضي جي وچ ۾، جزوي طور ڊجيٽل تجربا آهن جيڪي اينالاگ ۽ ڊجيٽل سسٽم جي ميلاپ استعمال ڪن ٿيون.
جڏهن ڪجهه ماڻهو ڊجيٽل تجربن جو سوچيو، اهي فوري طور تي آن لائن تجربن جو سوچيو. اها بدقسمتي آهي ڇاڪاڻ ته ڊجيٽل تجربن کي هلائڻ جا موقعا صرف آن لائن آهن. محقق علاج يا انداز جي نتيجن کي پهچائڻ لاء جسماني دنيا ۾ ڊجيٽل ڊوائيس استعمال ڪندي جزوي طور ڊجيٽل تجربن کي هلائي سگهن ٿا. مثال طور، محقق پنهنجي ماحول ۾ علاج يا سينٽر فراهم ڪرڻ لاء اسمارٽ فونز استعمال ڪري سگهي ٿي. حقيقت ۾، اسان هن باب ۾ بعد ۾ ڏسندا، جيئن محقق اڳ ۾ ئي طاقت جي گھر استعمال ڪيا ويا آهن، جن ۾ انرجي استعمال جي باري ۾ تجربن جي نتيجي ۾ 8.5 ملين گهرين (Allcott 2015) . جئين ڊجيٽل ڊوائيس تيزيء سان ماڻهن جي زندگيء ۽ سينسر ۾ ضم ٿي ويا آهن، انهن جي تعمير ماحول ۾ ضم ٿي ويندي آهي، اهي جسماني دنيا ۾ جزوي طور تي ڊجيٽل تجربن کي هلائڻ جا موقعا ناگزير ٿيندا. ٻين لفظن ۾، ڊجيٽل تجربا صرف آن لائن تجربا نه آهن.
ڊجيٽل سسٽم هر جڳهه تجربن لاء ليب-فيلڊ جي لاڳيتر گڏ لاء نوان امکانات ٺاهي رهيا آهن. مثال طور خالص ليب تجربات، مثال طور، محقق ڊجيٽل سسٽم کي پورو ڌرين جي رويي جي اندازي لاء استعمال ڪري سگهن ٿا؛ هن قسم جي سڌاري ماپ جو هڪ مثال اکين جي ٽريڪشن جو سامان آهي جنهن کي گيس واري هنڌ جي صحيح ۽ مسلسل قدم مهيا ڪري ٿي. ڊجيٽل عمر پڻ آن لائين ليبارس جي تجربن جي آن لائن چلڻ جي امڪان پيدا ڪري ٿي. مثال طور، محقق آن آن لائين تجربو (اعداد و شمار 4.2) کي گهٽائڻ لاء ايم ڪيو ايم ميڪيڪل ترڪي (ايمڪڪڪ) کي تيزيء سان منظور ڪيو آهي. MTurk "ملازمت" سان ملي ٿو جيڪي ڪم ڪن ٿيون جيڪي "مزدورن" سان گڏ مڪمل ڪيا وڃن جيڪي پيسا لاء انهن ڪمن کي مڪمل ڪرڻ چاهيندا آهن. تاہم، روايتي پورهيتن جي مارڪيٽ وانگر، کامن ۾ عام طور تي مڪمل ٿيڻ لاء صرف چند منٽن جي ضرورت هوندي آهي، ۽ نوڪر ۽ ورڪر جي وچ ۾ مڪمل گفتگو آن لائن آهي. ڇاڪاڻ ته ٽڪريڪ روايتي ليبارٽرين جي حصن جي ماڻهن کي پورو ڪري ٿو جيڪي ماڻهن کي مڪمل طور تي نه پهچندا آهن، خاص طور تي تجربن جي ڪجهه قسمن لاء مناسب آهي. لازمي طور تي، ميٽرڪ نے شرڪت ڪندڙن کي زير انتظام ڪرڻ لاء زيربنا پيدا ڪيو- भर्ती ۽ भुक्तानी، जनता-शोधकर्ताहरूले यस संरचनाको फायदा उठाएका छन्.
تصوير 4.2: پي ايمز ميزيڪل ميڪسيڪي ترڪي (ايمڪڪڪ) مان ڊيٽا استعمال ڪندي شايع ٿيل آهن. ميٽرڪ ۽ ٻيون آن لائين مزدور مارڪيٽ تحقيق ڪندڙن کي شرڪت ڪندڙن لاء تجربن لاء ڀرپور طريقا پيش ڪن ٿا. Bohannon (2016) کان اختصار
ڊجيٽل سسٽم فيلڊ وانگر تجربن لاء اڃا وڌيڪ امڪان پيدا ڪندا آهن. خاص طور تي، محقق انهن کي قابل ڪنٽرول ۽ پروسيس جو ڊيٽا شامل ڪن ٿا جيڪي ليبار تجربن سان لاڳاپيل آهن جيڪي وڌيڪ متضاد شرڪت ۽ وڌيڪ قدرتي سيٽنگون آهن جيڪي ليب تجربن سان لاڳاپيل آهن. ان کان سواء، ڊجيٽل فيلڊ تجربن ٽن موقعن تي پڻ پيش ڪن ٿيون جيڪي اينالاگ تجربن ۾ ڏکيا هوندا هئا.
پهرين، جڏهن ته اڪثر اينالاگ ليب ۽ فيلڊ تجربن جا ڪيترائي حصو وٺندا آهن، ڊجيٽل فيلڊ تجربن وارا لکن ۾ شرڪت ڪري سگھن ٿا. هي تبديلي پيماني ۾ آهي ڇاڪاڻ ته ڪجهه ڊجيٽل تجربو صفر متغير قيمت ۾ ڊيٽا پيدا ڪري سگهي ٿو. اهو ئي آهي، هڪ دفعو محقق هڪ تجرباتي زيربنا پيدا ڪيا آهن، خاص طور تي شرڪت ڪندڙن جو تعداد وڌائي قيمت وڌائي نه ٿو. 100 يا وڌيڪ جي عنصر طرفان شرڪت ڪندڙن جو تعداد وڌائڻ رڳو ڪا مقدار ۾ تبديلي ناهي؛ اهو هڪ معيار جي تبديلي آهي، ڇاڪاڻ ته اها محققين مختلف شين کي تجربن مان سکڻ جي قابل ڪري ٿي (مثال طور، علاج جي اثرات جي حرڪت سان) ۽ مڪمل طور تي مختلف تجرباتي نموني هلائڻ لاء (مثال طور، وڏي گروپ جي تجربن). اهو نڪتو تمام ضروري آهي، آئون ان کي واپس باب جي آخر ڏانهن موٽندس، جڏهن آء ڊجيٽل تجربن جي باري ۾ مشورو ڏيان ٿو.
ٻيو، جڏهن ته اڪثر اينالاگ ليب ۽ فيلڊ تجربن جي ڌرين کي اڻ ڄاڻايل ويجسٽن وانگر، ڊجيٽل فيلڊ تجربن اڪثر تحقيق جي تجزيو ۽ تجزيو جي مرحلن ۾ شرڪت ڪندڙن جي پس منظر بابت معلومات استعمال ڪن ٿا. اهو پس منظر جي معلومات، جيڪو پري علاج جي معلومات کي سڏيو ويندو آهي، اڪثر اڪثر ڊجيجي تجربن ۾ موجود آهي ڇو ته اهي هميشه ماپ ۾ سسٽم جي سر تي هلائيندا آهن (باب 2 ڏسو). مثال طور، فيسڪشن تي هڪ محقق يونيورسٽي يونيورسٽي محقق جي ڀيٽ ۾ هن جي ڊجيٽل فيلڊ تجربن جي ماڻهن بابت اڳ ۾ ئي علاج کان اڳ ڄاڻايل فيلڊ تجربن جي ماڻهن بابت آهي. هي پهريان علاج کان وڌيڪ موثر تجرباتي ڊزائينز جهڙوڪ بلاڪنگ (Higgins, Sävje, and Sekhon 2016) (Eckles, Kizilcec, and Bakshy 2016) کي وڌيڪ ھدف ڪن ٿا ۽ شرڪت ڪندڙن کي (Eckles, Kizilcec, and Bakshy 2016) کي وڌيڪ (Eckles, Kizilcec, and Bakshy 2016) وڌيڪ (Eckles, Kizilcec, and Bakshy 2016) جهڙوڪ علاج اثرات جي حرجات جي اندازي (Athey and Imbens 2016a) ۽ سڌارن جي سڌاري لاء غير (Athey and Imbens 2016a) ترميم (Bloniarz et al. 2016) .
ٽئين، جڏهن ته ڪيترا اينالاگ ليب ۽ فيلڊ تجربن کي نسبتا لاڳت جي مقدار ۾ علاج ۽ ماپ جي نتيجن کي پهچائي ٿي، ڪجهه ڊجيٽل فيلڊ تجربن جي ڀيٽ ۾ گهڻو وقت جي ڀيٽ ۾ وڌيڪ ماهي وينديون. مثال طور، رائييوو ۽ وين وينج جي تجربن جو نتيجو روزانو 90 ڏينهن تائين ماپ ڪيو ويو، ۽ مان هڪ تجربن مان توهان کي دير جي باب بابت (Ferraro, Miranda, and Price 2011) ٽن سالن کان وڌيڪ نتيجن جي چڪاس ڪيو خرچ. اهي ٽي موقعا، سائيز، پري علاج جي معلومات، ۽ ڊگهي رڪاوٽ جو نتيجو، عام طور تي عام طور تي ٿينديون آهن جڏهن تجربن جي هميشه ماپ سسٽم جي مٿين تجربن تي هليا ويندا آهن (هميشه ماپ واري نظام تي وڌيڪ لاء 2 باب ڏسو).
جڏهن ته ڊجيٽل فيلڊ تجربن ڪيترن ئي امڪانن کي پيش ڪن ٿا، انهن ۾ ڪجهه ضعيف پڻ شامل آهن اينالاگ ليب ۽ اينالاگ فيلڊ تجربن سان. مثال طور، ماضي جي مطالعي لاء تجربات استعمال نه ٿي ڪري سگهجي، ۽ انهن کي صرف علاج جو اثر اندازو ڪري سگهجي ٿو جيڪو ٺاهي سگهجي ٿو. انهي کان علاوه، تجربن جون شڪايتون پاليسين جي رهنمائي ڪرڻ لاء مفيد آهي، صحيح هدايتون اهي اهي پيش ڪري سگهن ٿا جن جي پيچيدگين سبب ڪجهه محدود هونديون آهن جهڙوڪ ماحولياتي انحصار، تعميل مسئلن، ۽ متوازن اثرات (Banerjee and Duflo 2009; Deaton 2010) . ڊجيٽل فيلڊ تجربن جي اخلاقي تشويش پڻ فوري تجربن پاران پيدا ٿيل آهن جيڪي هڪ موضوع سان آئون هن باب ۾ ۽ باب 6 ۾ پتو پوي ٿو.
