4.5.2 உங்கள் சொந்த பரிசோதனையை உருவாக்குங்கள்

உங்கள் சொந்த சோதனை கட்டி விலையுயர்ந்த இருக்கலாம், ஆனால் அதை நீங்கள் விரும்பும் என்று சோதனை உருவாக்க உதவும்.

ஏற்கனவே சூழல்களின் மேல் சோதனைகள் மேலோட்டமாகக் கூடுதலாக, உங்கள் சொந்த சோதனைகளை உருவாக்கலாம். இந்த அணுகுமுறையின் முக்கிய நன்மை என்பது கட்டுப்பாடு; நீங்கள் பரிசோதனையை உருவாக்கினால், நீங்கள் விரும்பும் சூழ்நிலைகளையும் சிகிச்சையும் உருவாக்க முடியும். இந்த பேஸ்போக் பரிசோதனை சூழல்களில் இயற்கையாக நிகழும் சூழல்களில் சோதிக்க முடியாத கோட்பாடுகளை சோதிக்க வாய்ப்புகளை உருவாக்கலாம். உங்கள் சொந்த பரிசோதனையை உருவாக்குவதற்கான பிரதான குறைபாடுகள், விலை உயர்ந்தவையாகவும், நீங்கள் உருவாக்கக்கூடிய சூழல் இயற்கையாக நிகழும் அமைப்பின் யதார்த்தத்தை கொண்டிருக்கக்கூடாது என்பதே. ஆராய்ச்சியாளர்கள் அவர்களது சொந்த பரிசோதனையை உருவாக்குவது பங்கேற்பாளர்களை ஆட்சேர்ப்பு செய்வதற்கான ஒரு மூலோபாயம் இருக்க வேண்டும். தற்போதுள்ள கணினிகளில் வேலை செய்யும் போது, ​​ஆராய்ச்சியாளர்கள் அவற்றின் பங்கேற்பாளர்களுக்கு சோதனைகள் கொண்டு வருகிறார்கள். ஆனால், ஆய்வாளர்கள் தங்களின் சொந்த பரிசோதனையை கட்டியெழுப்பும்போது, ​​அவர்கள் பங்கேற்பாளர்களை அதை கொண்டு வர வேண்டும். அதிர்ஷ்டவசமாக, அமேசான் மெக்கானிக் டர்க் (MTurk) போன்ற சேவைகள் ஆராய்ச்சியாளர்களை அவர்களது சோதனையாளர்களுக்கு பங்கேற்பாளர்களைக் கொண்டுவருவதற்கான ஒரு வசதியான வழியை வழங்க முடியும்.

சுருங்கியல் கோட்பாடுகளை சோதிக்கும் bespeoke சூழல்களின் நற்பண்புகளை விளக்குகிறது ஒரு உதாரணம் கிரிகோரி ஹூபர், சேத் ஹில், மற்றும் கேப்ரியல் லெனெஸ் (2012) ஆகியோரால் டிஜிட்டல் ஆய்வக பரிசோதனை. இந்த ஆய்வி, ஜனநாயக ஆட்சிமுறையின் செயல்பாட்டிற்கு சாத்தியமான நடைமுறை வரம்பை ஆராய்கிறது. உண்மையான தேர்தல்களின் முந்தைய ஆய்வுகளில் முந்தைய வாக்காளர்கள் தற்போதைய அரசியல்வாதிகளின் செயல்திறனை துல்லியமாக மதிப்பீடு செய்ய முடியாது என்று பரிந்துரைத்தார். குறிப்பாக, வாக்காளர்கள் மூன்று பாகுபாடுகளால் பாதிக்கப்படுகின்றனர்: (1) அவை சமீபகாலமாக ஒட்டுமொத்த செயல்திறனைக் காட்டிலும் கவனம் செலுத்துகின்றன; (2) அவர்கள் சொல்லாட்சி, கட்டமைத்தல் மற்றும் மார்க்கெட்டிங் மூலம் கையாளப்படலாம்; மற்றும் (3) அவர்கள் உள்ளூர் விளையாட்டு அணிகள் மற்றும் வானிலை வெற்றி போன்ற தற்போதைய செயல்திறன் தொடர்பில் நிகழ்வுகள், தாக்கம் முடியும். ஆயினும்கூட, இந்த முந்தைய ஆய்வுகள், உண்மையான, குழப்பமான தேர்தல்களில் நடக்கும் எல்லாவற்றிலிருந்தும் இந்த காரணிகளில் எந்தவொரு தனிமையையும் தனிமைப்படுத்த கடினமாக இருந்தது. எனவே, ஹூபரும் சக ஊழியர்களும் தனிமைப்படுத்தப்பட்ட வகையில் மிகவும் எளிமையான வாக்களிக்கும் சூழலை உருவாக்கி, பின்னர் இந்த மூன்று சாத்தியமான கருத்துக்களில் ஒவ்வொன்றும் ஆய்வு செய்து ஆய்வு செய்தனர்.

கீழே உள்ள சோதனைத் தொகுப்பை நான் விவரிப்பது போல், அது மிகவும் செயற்கைத் தன்மையை ஒலிப்பதோடு போகிறது, ஆனால் ஆய்வியல் ஆய்வக சோதனைகளில் ஒரு யதார்த்தம் அல்ல என்பதை நினைவில் வையுங்கள். மாறாக, நீங்கள் படிப்பதற்காக முயற்சி செய்கின்ற செயல்முறையை தெளிவாக தனிமைப்படுத்துவது, மற்றும் இந்த இறுக்கமான தனிமைப்பாடு இன்னும் யதார்த்தவாதத்துடன் (Falk and Heckman 2009) படிப்பதில் சாத்தியமே இல்லை. மேலும், இந்த குறிப்பிட்ட வழக்கில், ஆராய்ச்சியாளர்கள் வாக்காளர்கள் இந்த மிக எளிமைப்படுத்தப்பட்ட அமைப்பில் செயல்திறனை மதிப்பீடு செய்ய முடியாவிட்டால், அதை இன்னும் உண்மையான, மிகவும் சிக்கலான அமைப்பில் செய்ய முடியாது என்று வாதிட்டனர்.

ஹூபர் மற்றும் சக பங்கேற்பாளர்களை பணியமர்த்தியதற்கு MTurk பயன்படுத்தினார். ஒரு பங்கேற்பாளர் அறிந்த சம்மதத்தை வழங்கியதும், ஒரு சிறிய சோதனை முடிந்ததும், 32-சுற்று விளையாட்டில் அவர் உண்மையான பணமாக மாற்றக்கூடிய டோக்கன்களை சம்பாதிக்கிறார் என்று கூறினார். விளையாட்டின் ஆரம்பத்தில், ஒவ்வொரு பங்கேற்பாளரும் ஒரு "ஒதுக்கீட்டை" வழங்கியதாக கூறப்பட்டது; ஒவ்வொரு சுற்றிலும் அவரது இலவச டோக்கன்களை வழங்குவதாகவும், சில ஒதுக்கீட்டாளர்கள் மற்றவர்களை விட மிகுந்த தாராளமாக இருந்ததாகவும் கூறப்பட்டது. மேலும், ஒவ்வொரு பங்கேற்பாளரும் அவரின் ஒதுக்கீட்டைப் பராமரிக்க அல்லது விளையாட்டின் 16 சுற்றுகளுக்குப் பிறகு ஒரு புதிய ஒன்றை நியமிப்பதற்கான வாய்ப்பைப் பெறுவார் என்று கூறப்பட்டது. ஹூபர் மற்றும் சக பணியாளர்களின் ஆராய்ச்சி இலக்குகளைப் பற்றி உங்களுக்குத் தெரிந்ததைப் பொறுத்தவரை, ஒதுக்குநர் ஒரு அரசாங்கத்தை பிரதிநிதித்துவம் செய்கிறார், இந்தத் தேர்வு ஒரு தேர்தலை பிரதிநிதித்துவப்படுத்துகிறது என்பதை நீங்கள் காணலாம், ஆனால் பங்கேற்பாளர்கள் பொதுமக்களின் ஆராய்ச்சியின் குறிக்கோள்களைப் பற்றி விழிப்புடன் இருக்கவில்லை. மொத்தத்தில், ஹூபர் மற்றும் சக ஊழியர்கள் எட்டு நிமிடங்கள் எடுத்த ஒரு பணிக்காக சுமார் 1.25 டாலர் சம்பாதித்த சுமார் 4,000 பங்கேற்பாளர்களை நியமித்துள்ளனர்.

முந்தைய ஆராய்ச்சியிலிருந்து கண்டறிதல்களில் ஒன்று, உள்ளூர் விளையாட்டு அணிகளின் வெற்றி மற்றும் வானிலை போன்ற வெற்றிகரமாக தங்கள் கட்டுப்பாட்டிற்கு அப்பாற்பட்ட விளைவுகளுக்கு வாக்காளர்களுக்கு வெகுமதி மற்றும் தண்டனையை வழங்குவதை நினைவூட்டுவதாக இருந்தது. பங்கேற்பாளர்கள் வாக்களிக்கும் முடிவுகள் தங்கள் அமைப்பில் முற்றிலும் சீரற்ற நிகழ்வுகளால் தாக்கப்படலாம் என்பதை மதிப்பிடுவதற்கு, ஹூபர் மற்றும் சகவர்கள் தங்கள் சோதனை முறைக்கு ஒரு லாட்டரியைச் சேர்க்கின்றனர். 8 வது சுற்று அல்லது 16 வது சுற்று (அதாவது, ஒதுக்கீட்டை மாற்றுவதற்கான வாய்ப்புக்கு முன்பாக) பங்கேற்பாளர்கள் சில நேரங்களில் 5,000 புள்ளிகள் பெற்றனர், சிலர் 0 புள்ளிகள் வென்றனர், சிலர் 5,000 புள்ளிகளை இழந்தனர். இந்த லாட்டரி அரசியல்வாதிகளின் செயல்திறன் சுயாதீனமான நல்ல அல்லது கெட்ட செய்திகளைப் போன்று வடிவமைக்கப்பட்டுள்ளது. லாட்டரி அவர்களின் ஒதுக்கீட்டின் செயல்திறன் தொடர்பில் தொடர்பில்லாதது என பங்கேற்பாளர்கள் வெளிப்படையாக அறிவித்திருந்த போதிலும், லாட்டரி விளைவு இன்னும் பங்கேற்பாளர்களின் முடிவுகளை பாதித்தது. லாட்டரி மூலம் பயனடைந்தோர் பங்கேற்பாளர்கள் தங்கள் ஒதுக்கீட்டை அதிகப்படுத்தியிருக்கிறார்கள், இந்த விளைவு லோட்டரி 16-ல் வலதுபுறத்தில் நடந்தது, அதற்கு பதிலாக மாற்று முடிவுக்கு முன்னர்-இது சுற்றில் 8 (தோராயமாக 4.15) நடந்தபோது இருந்ததை விட வலுவானது. இந்த முடிவுகளிலும், மற்ற பல பரிசோதனையுடனும் சேர்த்து, ஹூபரையும் சக ஊழியர்களையும் ஒரு எளிமையான அமைப்பில் கூட, வாக்காளர்கள் ஞானமான முடிவுகளை எடுக்க சிரமப்பட்டனர், இதன் விளைவாக வாக்காளர் முடிவெடுக்கும் (Healy and Malhotra 2013) . ஹூபர் மற்றும் சக ஊழியர்களின் சோதனை, குறிப்பிட்ட குறிப்புகள் துல்லியமாக சோதிக்கும் பொருட்டு, லாட்-ஸ்டைல் ​​சோதனையாளர்களுக்கான பங்கேற்பாளர்களைப் பெறுவதற்கு MTurk பயன்படுத்தப்படலாம் என்பதைக் காட்டுகிறது. இது உங்கள் சொந்த சோதனை சூழலை உருவாக்குவதற்கான மதிப்பையும் காட்டுகிறது: வேறு எந்த அமைப்பிலும் இந்த அதே செயல்முறைகள் தனித்தனியாக எப்படி தனித்தனியாக இருக்க முடியும் என்பதை கற்பனை செய்வது கடினம்.

படம் 4.15: Huber, Hill, and Lenz (2012) . லாட்டரி மூலம் பயனடைந்தோர் பங்கேற்பாளர்கள் தங்கள் ஒதுக்கீட்டைத் தக்கவைத்துக்கொள்ள அதிக வாய்ப்புகள் இருந்தன, இந்த விளைவு லாட்டரி சுற்றில் 16-வது இடத்தில் நடந்தது, அது சுற்று 8-ல் நடந்தபோது விடப்பட்டது. Huber, Hill, and Lenz (2012) , எண்ணிக்கை 5.

ஆய்வகப் பரிசோதனையைத் தோற்றுவிப்பதற்கு கூடுதலாக, ஆராய்ச்சியாளர்கள் இன்னும் புலம்-சோதனையான பரிசோதனைகள் உருவாக்கலாம். எடுத்துக்காட்டாக, Centola (2010) நடத்தை பரவலில் சமூக வலைப்பின்னல் அமைப்பு விளைவுகளை ஆய்வு செய்ய ஒரு டிஜிட்டல் துறையில் சோதனை கட்டப்பட்டது. அவரது ஆராய்ச்சி கேள்வி வெவ்வேறு சமூக நெட்வொர்க் கட்டமைப்புகள் இருந்த மக்கள் ஆனால் மற்றபடி பிரித்தறிய முடியாத இருந்த மக்கள் பரவி அதே நடத்தை கண்காணிக்க வேண்டும். இதை செய்ய ஒரே வழி ஒரு bespoke, தனிபயன் கட்டப்பட்ட சோதனை இருந்தது. இந்த விஷயத்தில், Centola ஒரு வலை அடிப்படையிலான சுகாதார சமூகத்தை கட்டியது.

சென்டாலா உடல்நலம் வலைத்தளங்களில் விளம்பரம் மூலம் சுமார் 1,500 பங்கேற்பாளர்கள் ஆட்சேர்ப்பு. ஆன்லைன் சமூகத்தில் பங்கேற்றவர்கள்-ஆரோக்கியமான வாழ்க்கை முறை நெட்வொர்க் என்று அழைக்கப்பட்ட-அவர்கள் அறிந்த சம்மதத்தை வழங்கினர், பின்னர் "சுகாதார நண்பர்களாக" நியமிக்கப்பட்டனர். சென்டோலா இந்த ஆரோக்கிய நண்பர்களை நியமித்ததால், அவர் பல்வேறு சமூக நெட்வொர்க் கட்டமைப்புகளை ஒன்றாக பிரிக்க முடிந்தது வெவ்வேறு குழுக்கள். சில குழுக்கள் சீரற்ற நெட்வொர்க்குகள் (எல்லோரும் சமமாக இணைக்கப்படக்கூடியதாக) இருக்க கட்டப்பட்டது, மற்ற குழுக்கள் க்ளஸ்டர் நெட்வொர்க்குகள் (எங்கே இணைப்புகளை உள்நாட்டில் அடர்த்தியானவை) உருவாக்க கட்டப்பட்டது. பின்னர், ஒவ்வொரு வலையமைப்பிலும் Centola ஒரு புதிய நடத்தை அறிமுகப்படுத்தியது: கூடுதல் சுகாதார தகவலுடன் ஒரு புதிய வலைத்தளத்திற்கு பதிவு செய்ய வாய்ப்பு. இந்த புதிய வலைத்தளத்திற்கு யாராவது கையெழுத்திட்டிருந்தாலும், அவளுடைய அனைத்து உடல்நல நண்பர்களும் இந்த நடத்தையை அறிவிக்கும் மின்னஞ்சலைப் பெற்றனர். இந்த நடத்தை-புதிய வலைத்தளத்திற்கான கையொப்பம்-சீரற்ற நெட்வொர்க்கை விட கிளஸ்டர் நெட்வொர்க்கில் மேலும் விரைவாகவும் பரவலாகவும் இருப்பதாக Centola கண்டறிந்தது, இது சில தற்போதுள்ள கோட்பாடுகளுக்கு முரணாக இருந்தது.

மொத்தத்தில், உங்கள் சொந்த பரிசோதனையை கட்டியெழுப்ப நீங்கள் அதிகமான கட்டுப்பாட்டை அளிக்கிறது; அதை நீங்கள் படிக்க விரும்புவதை தனிமைப்படுத்த சிறந்த சூழலை கட்டமைக்க உதவுகிறது. நான் ஏற்கனவே விவரிக்கப்பட்ட இரண்டு சோதனைகள் ஏற்கெனவே இருக்கும் சூழலில் எவ்வாறு செயல்படுத்தப்படுகின்றன என்பதை கற்பனை செய்து பார்ப்பது கடினம். மேலும், உங்கள் சொந்த அமைப்பை உருவாக்குவது, தற்போது இருக்கும் கணினிகளில் சோதனைக்குள்ளாக நெறிமுறை சார்ந்த கவலைகள் குறைகிறது. ஆயினும், உங்கள் சொந்த பரிசோதனையைத் தயாரிக்கும் போது, ​​ஆய்வக சோதனையில் எதிர்கொண்டிருக்கும் பல சிக்கல்களில் நீங்கள் ஓடுவீர்கள்: யதார்த்தத்தைப் பற்றி பங்கேற்பாளர்கள் மற்றும் கவலைகளை ஆட்சேர்ப்பு செய்தல். இந்த உதாரணங்கள் காட்டுவதுபோல், சோதனைகள் ஒப்பீட்டளவில் எளிமையான சூழல்களிலிருந்து ( Huber, Hill, and Lenz (2012) வாக்களிப்பதைப் போன்றவை) போன்றவற்றைக் காட்டலாம். ஒப்பீட்டளவில் சிக்கலான சூழல்களுக்கு ( Centola (2010) நெட்வொர்க்குகள் மற்றும் தொற்று ஆய்வு போன்றவை).