4.5.2 Partner med den kraftfulla

Partnering kan minska kostnaderna och öka skalan, men det kan ändra vilka typer av deltagare, behandlingar och resultat som du kan använda.

Alternativet till att göra det själv samarbetar med en kraftfull organisation som ett företag, myndigheter eller icke-statliga organisationer. Fördelen med att arbeta med en partner är att de kan göra det möjligt för dig att köra experiment som du bara inte kan göra själv. Till exempel, en av de experiment som jag ska berätta om under involverade 61 miljoner deltagare; ingen enskild forskare skulle kunna uppnå den skalan. Samtidigt som partnering ökar vad du kan göra, det också, samtidigt begränsar dig. Till exempel kommer de flesta företag inte tillåter dig att köra ett experiment som kan skada deras verksamhet eller deras rykte. Att arbeta med partners innebär också att när det blir dags att publicera, kan du komma under press att "re-frame" dina resultat, och vissa partner kanske försöka blockera publiceringen av ditt arbete om det gör dem ser dåligt. Slutligen samarbetar också kommer med kostnader i samband med utveckling och underhåll av dessa samarbeten.

Kärn utmaning som måste lösas för att dessa partnerskap framgångsrik är att hitta ett sätt att balansera intressena hos båda parter, och ett bra sätt att tänka på denna balans är Pasteurs kvadrant (Stokes 1997) . Många forskare tror att om de arbetar på något praktiskt, något som kan vara av intresse för en partner då de inte kan göra verklig vetenskap. Detta tänkesätt kommer att göra det mycket svårt att skapa framgångsrika partnerskap, och det händer också att vara helt fel. Problemet med detta sätt att tänka är underbart illustreras av banbrytande forskning biologer Louis Pasteur. När du arbetar på en kommersiell jäsning projekt för att konvertera betor juice till alkohol, upptäckte Pasteur en ny klass av mikroorganismer som så småningom ledde till groddar teorin om sjukdom. Denna upptäckt löst ett mycket praktiskt problem, det bidragit till att förbättra jäsnings-och det leder till en större vetenskapliga framsteg. I stället för att tänka på forskning med praktiska tillämpningar som i konflikt med sann vetenskaplig forskning, är det bättre att tänka på dessa som två separata dimensioner. Forskning kan motiveras av användning (eller inte) och forskning kan söka grundläggande förståelse (eller inte). Kritiskt, vissa forskningsliknande Pasteur's-kan motiveras av användning och söker grundläggande förståelse (figur 4.16). Forskning inom Pasteurs kvadrant-forskning som i sig avancerar två mål-är idealisk för samarbeten mellan forskare och partners. Med tanke på att bakgrunden ska jag beskriva två experimentella studier med partnerskap: en med ett företag och en med en icke-statlig organisation.

Figur 4.16: Pasteurs Quadrant (baserat på fig 3,5 från Stokes (1997) ). Snarare än tänker på forskning som antingen "grundläggande" eller "tillämpad" det är bättre att tänka på forskning som motiveras av användning (eller inte) och söker grundläggande förståelse (eller inte). Ett exempel på forskning som både motiveras av användning och söker grundläggande förståelse är Pasteurs arbete med att omvandla betor juice i alkohol som leder till groddar teorin om sjukdom. Detta är den typ av arbete som är bäst lämpad för partnerskap med den kraftfulla. Exempel på arbete motiveras av användning men som inte söker grundläggande förståelse kommer från Thomas Edison, och exempel på arbete som inte motiveras av användning men som syftar förståelse som kommer från Niels Bohr. Se Stokes (1997) för en mer ingående diskussion av denna ram och vart och ett av dessa fall.

Stora företag, särskilt högteknologiska företag, har utvecklats otroligt sofistikerad infrastruktur för att köra komplexa experiment. I den tekniska branschen, är dessa experiment ofta kallas A / B-tester (eftersom de testa effektiviteten av två behandlingar: A och B). Dessa experiment är ofta kör för saker som att öka klickfrekvenser på annonser, men samma experimentella infrastruktur kan även användas för forskning som avancerar vetenskaplig förståelse. Ett exempel som illustrerar potentialen för denna typ av forskning är en studie utförd av ett samarbete mellan forskare vid Facebook och University of California, San Diego, om effekterna av olika meddelanden på valdeltagandet (Bond et al. 2012) .

Den 2 november-2010 dagen för den amerikanska kongressvalet-alla 61 miljoner Facebook-användare som bor i USA och är över 18 deltog i försöket om röstning. Vid besök Facebook har användare slumpmässigt i en av tre grupper, som bestäms vilken banner (om någon) placerades på toppen av sin News Feed (Figur 4.17):

• en kontrollgrupp.
• ett informationsmeddelande om att rösta med en klickbar "Jag röstade" -knappen och en räknare (info).
• ett informationsmeddelande om att rösta med en klickbar "Jag röstade" -knappen och en räknare + namn och bilder på sina vänner som redan hade klickat på "Jag röstade" (info + social).

Bond och kollegor studerade två viktigaste resultaten: rapporterade att rösta beteende och faktiska röstningsbeteende. Först fann de att människor i info + social grupp var cirka 2 procentenheter mer benägna än människor i informationsgruppen att klicka på "Jag röstade" (ca 20% vs 18%). Vidare, efter forskarna samman sina data med offentligt tillgängliga omröstningar för cirka 6 miljoner människor som de fann att människor i info + social grupp var 0,39 procentenheter mer benägna att faktiskt rösta än människor i kontroll skick och att människor i info-gruppen lika benägna att rösta som personer i kontroll tillstånd (Figur 4.17).

Figur 4.17: Resultat från en get-out-the-omröstningen experiment på Facebook (Bond et al. 2012) . Deltagarna i informationsgruppen röstade i samma takt som människor i kontroll skick, men folk i info + social grupp röstade på en något högre takt. Staplar representerar uppskattningsvis 95% konfidensintervall. Resultat i diagrammet omfattar cirka 6 miljoner deltagare för vilka forskarna kunde matcha till omröstnings.

Detta experiment visar att vissa online get-out-the-röst meddelanden är mer effektiva än andra, och det visar att forskarens bedömning av effektiviteten av en behandling kan bero på om de studerar rapporteras eller faktiska beteendet. Detta experiment tyvärr inte erbjuda några ledtrådar om de mekanismer genom vilka den sociala informations som vissa forskare lekfullt har kallat ett "ansikte högen" -Ökad röstning. Det kan vara att den sociala informationen ökade sannolikheten att någon märkte banner eller att den ökade sannolikheten att någon som märkte banderollen faktiskt röstade eller båda. Således tillhandahåller detta experiment en intressant konstaterande att ytterligare forskaren sannolikt kommer att utforska (se till exempel, Bakshy, Eckles, et al. (2012) ).

Förutom att främja målen för forskarna detta experiment avancerade också målet för samarbetsorganisationen (Facebook). Om du ändrar beteendet studeras från att rösta till att köpa tvål, då kan du se att studien har exakt samma struktur som ett experiment för att mäta effekten av annonser på nätet (se t ex Lewis and Rao (2015) ). Dessa annonseffektiviteten mäta ofta effekten av exponering för online-annonser-behandlingarna i Bond et al. (2012) är i grunden annonser för röstning-on offline beteende. Således kan denna studie avancera Facebook förmåga att studera effektiviteten av annonser på nätet och kan hjälpa Facebook övertyga potentiella annonsörer som Facebook-annonser är effektiva.

Även om de intressen som forskare och partners var mestadels inriktade i denna studie var de också delvis i spänning. I synnerhet fördelningen av deltagarna att de tre villkor-kontroll, info och info + social var oerhört obalans: 98% av provet tilldelades info + social. Denna obalanserad fördelning är ineffektiv statist och en mycket bättre fördelning för forskarna skulle ha varit 1/3 av deltagarna i varje grupp. Men hände obalanserade fördelningen eftersom Facebook ville att alla skulle få info + sociala behandling. Lyckligtvis forskarna övertygade dem att hålla tillbaka ett% för en relaterad behandling och 1% av deltagarna för en kontrollgrupp. Utan kontrollgruppen skulle det ha varit i stort sett omöjligt att mäta effekten av information + sociala behandling eftersom det skulle ha varit en "störa och observera" experiment snarare än en randomiserad kontrollerad experiment. Detta exempel ger en värdefull praktisk lektion för att arbeta med partners: ibland du skapar ett experiment genom att övertyga någon att leverera en behandling och ibland du skapar ett experiment genom att övertyga någon att inte avge en behandling (det vill säga att skapa en kontrollgrupp).

Partnerskap inte alltid behöver innebära tech företag och A / B-tester med miljontals deltagare. Till exempel, Alexander Coppock, Andrew Guess, och John Ternovski (2016) samarbetar med en icke-statlig miljöorganisation (League of beskyddväljare) för att köra experiment testa olika strategier för att främja social mobilisering. Forskarna använde NGO Twitter-konto för att skicka ut både offentliga tweets och privata direktmeddelanden som försökte prime olika typer av identiteter. Forskarna mätte sedan vilka av dessa meddelanden var mest effektiva för att uppmuntra människor att skriva under en petition och retweet information om en petition.

Sammantaget samarbetar med den kraftfulla gör det möjligt att du arbeta på en skala som är svårt att göra något annat, och tabell 4.3 ger andra exempel på partnerskap mellan forskare och organisationer. Partnering kan vara mycket lättare än att bygga din egen experiment. Men dessa fördelar kommer med nackdelar: partnerskap kan begränsa vilka typer av deltagare, behandlingar och resultat som du kan studera. Vidare kan dessa partnerskap leda till etiska utmaningar. Det bästa sättet att upptäcka en möjlighet för ett partnerskap är att lägga märke till ett verkligt problem som du kan lösa medan du gör intressant vetenskap. Om du inte är van vid detta sätt att se på världen, kan det vara svårt att upptäcka problem i Pasteurs kvadrant, men med övning kommer du börja märka dem mer och mer.