చర్యలు

• కష్టం డిగ్రీ: సులభం , మీడియం , హార్డ్ , చాలా కఠినం
• గణితం అవసరం )
• కోడింగ్ అవసరం ( )
• వివరాల సేకరణ ( )
• నాకు ఇష్టమైనవి ( )

1. [ , ] బెరిన్స్కీ మరియు సహచరులు (2012) మూడు క్లాసిక్ ప్రయోగాలు ప్రతిబింబించడం ద్వారా భాగంగా MTurk విశ్లేషించారు. Tversky and Kahneman (1981) ద్వారా క్లాసిక్ ఆసియా డిసీజ్ ఫ్రేమింగ్ ప్రయోగం ప్రతిబింబిస్తాయి. మీ ఫలితాలను Tversky మరియు Kahneman యొక్క మ్యాచ్? మీ ఫలితాలను ఆ బెరిన్స్కీ మరియు సహోద్యోగులతో సరిపోలుస్తారా? ఏమైనా-ఇది సర్వే ప్రయోగాలు కోసం MTurk ఉపయోగించి గురించి మాకు బోధిస్తుంది?

2. [ , ] కొంతమంది నాలుక-లో-చెంప పేపరులో "వుయ్ హావ్ టు బ్రేక్ అప్" అనే సాంఘిక మనస్తత్వవేత్త రాబర్ట్ సియల్డిని, Schultz et al. (2007) రచయితలలో ఒకరు Schultz et al. (2007) (Cialdini 2009) అనే ఒక క్రమశిక్షణ (మనస్తత్వ శాస్త్రం) లో ఫీల్డ్ ప్రయోగాలను ఎదుర్కొంటున్న సవాళ్ళ కారణంగా అతను ఒక ప్రొఫెసర్గా (Cialdini 2009) . Cialdini యొక్క కాగితాన్ని చదివి, డిజిటల్ ప్రయోగాలు యొక్క అవకాశాల కాంతి లో తన విడిపోవడానికి పునః పరిశీలన చేయమని అతనిని ఒక ఇమెయిల్ను రాయండి. తన ఆందోళనలను వివరించే పరిశోధన యొక్క ప్రత్యేక ఉదాహరణలు ఉపయోగించండి.

3. [ ] చిన్న ప్రారంభ విజయాలను లాక్ చేస్తారా లేదా లేదో నిర్ణయించడానికి, వాన్ డి రిజ్ట్ మరియు సహచరులు (2014) యాదృచ్ఛికంగా ఎంపిక చేసిన వ్యక్తులపై విజయాన్ని అందించే నాలుగు విభిన్న వ్యవస్థలుగా జోక్యం చేసుకున్నారు, ఆపై ఈ స్వతంత్ర విజయం యొక్క దీర్ఘకాలిక ప్రభావాలు కొలుస్తారు. మీరు ఇలాంటి ప్రయోగాలు అమలు చేయగల ఇతర వ్యవస్థల గురించి ఆలోచించగలరా? శాస్త్రీయ విలువ, అల్గారిథమిక్ గందరగోళ సమస్యల (అధ్యాయం 2 చూడండి), మరియు నైతిక సమస్యల పరంగా ఈ వ్యవస్థలను పరీక్షించండి.

4. [ , ] ఒక ప్రయోగం యొక్క ఫలితాలను పాల్గొనేవారు ఆధారపడి ఉండవచ్చు. ఒక ప్రయోగాన్ని సృష్టించి ఆపై రెండు విభిన్న నియామక వ్యూహాలను ఉపయోగించి MTurk లో దీన్ని అమలు చేయండి. ఫలితాలు సాధ్యమైనంత భిన్నంగా ఉంటాయి కాబట్టి ప్రయోగాలు మరియు నియామక వ్యూహాలను ఎంచుకునేందుకు ప్రయత్నించండి. ఉదాహరణకు, మీ రిక్రూట్మెంట్ వ్యూహాలు ఉదయం మరియు సాయంత్రం పాల్గొనేవారిని నియమించగలవు లేదా పాల్గొనేవారికి అధిక మరియు తక్కువ జీతంతో భర్తీ చేయడం. నియామక వ్యూహంలో తేడాలు ఈ రకమైన పాల్గొనే వివిధ కొలనులను మరియు వివిధ ప్రయోగాత్మక ఫలితాలకు దారితీస్తుంది. మీ ఫలితాలు ఎలా విభిన్నంగా వచ్చాయి? MTurk న ప్రయోగాలు అమలు గురించి ఏమి బహిర్గతం చేస్తుంది?

5. [ , , ] మీరు భావోద్వేగ అంటువ్యాధి ప్రయోగం (Kramer, Guillory, and Hancock 2014) ప్రణాళిక చేస్తున్నారని ఆలోచించండి. ప్రతి పరిస్థితిలో పాల్గొనేవారి సంఖ్యను నిర్ణయించడానికి Kramer (2012) ద్వారా ముందుగా పరిశీలించిన అధ్యయనం నుండి ఫలితాలను ఉపయోగించండి. ఈ రెండు అధ్యయనాలు సంపూర్ణంగా సరిపోలడం లేదు కాబట్టి మీరు తయారు చేసిన అన్ని అంచనాలను స్పష్టంగా తెలియజేయాలి:

   1. Kramer (2012) లో ప్రభావం \(\alpha = 0.05\) మరియు \(1 - \beta = 0.8\) తో ప్రభావాన్ని గుర్తించడానికి ఎంతమంది పాల్గొనేవారు అవసరమో నిర్ణయించే అనుకరణను అమలు చేయండి.
   2. Analytically అదే లెక్క చేయండి.
   3. Kramer (2012) ఫలితాల వలన ఎమోషనల్ కంటాజియాన్ (Kramer, Guillory, and Hancock 2014) ఓవర్-ఆధారితమైనది (అనగా, అవసరమైన దానికంటే ఎక్కువ మంది పాల్గొన్నావా?)
   4. మీరు తయారు చేసిన అంచనాలలో, మీ గణనలో అత్యధిక ప్రభావాన్ని కలిగి ఉన్నాయా?

6. [ , , ] మునుపటి ప్రశ్నకు మళ్ళీ సమాధానం చెప్పండి, కాని ఈ సమయం Kramer (2012) చే ముందుగా పరిశీలించిన అధ్యయనమును ఉపయోగించకుండా, Lorenzo Coviello et al. (2014) ద్వారా ఒక సహజమైన సహజ ప్రయోగము నుండి ఫలితాలను వాడండి Lorenzo Coviello et al. (2014) .

7. [ ] రెండు Margetts et al. (2011) మరియు వాన్ డి రిజ్ట్ ఎట్ ఆల్. (2014) పిటిషన్పై సంతకం చేసిన వ్యక్తుల ప్రక్రియను అధ్యయనం చేసిన ప్రయోగాలను ప్రదర్శించారు. ఈ అధ్యయనాల నమూనాలు మరియు అన్వేషణలను పోల్చండి మరియు వ్యత్యాసం చేయండి.

8. [ ] Dwyer, Maki, and Rothman (2015) సామాజిక నియమాలు మరియు పర్యావరణ అనుకూల ప్రవర్తన మధ్య సంబంధంపై రెండు Dwyer, Maki, and Rothman (2015) ప్రయోగాలను నిర్వహించారు. ఇక్కడ వారి పేపర్ యొక్క వియుక్త:

   "మానసిక విజ్ఞాన శాస్త్రం ప్రగతిపాత్ర ప్రవర్తనను ప్రోత్సహించడానికి ఎలా ఉపయోగించబడుతుంది? రెండు అధ్యయనాల్లో, ప్రభుత్వ బాత్రూంలో శక్తి పరిరక్షణ ప్రవర్తనను ప్రోత్సహించే లక్ష్యాలు, వివరణాత్మక నిబంధనలు మరియు వ్యక్తిగత బాధ్యతలను ప్రభావితం చేశాయి. స్టడీ 1 లో, ఎవరైనా ఒక ఖాళీగా ఉన్న బహిరంగ బాత్రూంలోకి ప్రవేశించడానికి ముందు కాంతి స్థితి (అంటే, ఆన్ లేదా ఆఫ్) మార్చబడింది, ఆ అమరికకు వివరణాత్మక నియమాన్ని సూచిస్తుంది. వారు ప్రవేశించినప్పుడు పాల్గొన్నవారు ఆఫ్ ఉంటే ఆఫ్ లైట్లు ఆఫ్ చెయ్యడానికి ఎక్కువగా ఉన్నాయి. అధ్యయనం 2 లో, ఒక అదనపు షరతును చేర్చారు, ఇందులో కాంతిని తిప్పికొట్టే నియమం సమాఖ్యచే ప్రదర్శించబడింది, కానీ పాల్గొనేవారికి అది తిరగడానికి బాధ్యత వహించలేదు. వ్యక్తిగత బాధ్యత ప్రవర్తనపై సాంఘిక నియమాల ప్రభావాన్ని పర్యవేక్షిస్తుంది; పాల్గొనేవారు కాంతిపై తిరగడానికి బాధ్యత వహించనప్పుడు, ప్రమాణం యొక్క ప్రభావం తగ్గిపోయింది. ఈ ఫలితాలు వివరణాత్మక నిబంధనలు మరియు వ్యక్తిగత బాధ్యత ప్రోజెన్సనల్ జోక్యం యొక్క ప్రభావాన్ని నియంత్రిస్తాయి. "

   వారి కాగితాన్ని చదివి అధ్యయనం యొక్క ప్రతిరూపకల్పనను రూపకల్పన 1.

9. [ , ] మునుపటి ప్రశ్నపై బిల్డింగ్, ఇప్పుడు మీ డిజైన్ను నిర్వహిస్తాయి.

   1. ఫలితాలు ఎలా సరిపోతాయి?
   2. ఈ తేడాలు ఏమి వివరించవచ్చు?

10. [ MTurk నుండి నియమించిన పాల్గొనేవారు ఉపయోగించి ప్రయోగాలు గురించి గణనీయమైన చర్చ జరిగింది. సమాంతరంగా, అండర్గ్రాడ్యుయేట్ విద్యార్థి జనాభా నుండి నియమించబడిన పాల్గొనేవారిని ఉపయోగించి ప్రయోగాలు గురించి గణనీయమైన చర్చ జరిగింది. టర్క్స్ మరియు అండర్గ్రాడ్యుయేట్లతో పోల్చడం మరియు పరిశోధన పాల్గొనే రెండు పేజీల మెమోను వ్రాయండి. మీ పోలికలో శాస్త్రీయ మరియు రవాణా సమస్యల గురించి చర్చ ఉండాలి.

11. [ ] జిమ్ మన్జీ యొక్క పుస్తకం అనియంత్రిత (2012) వ్యాపారంలో ప్రయోగాలు చేసే శక్తికి ఒక అద్భుతమైన పరిచయం. ఈ పుస్తకంలో అతను కింది కథను ప్రసారం చేశాడు:

    "ఒకసారి ఒక నిజమైన వ్యాపార మేధావి, ఒక స్వీయ-నిర్మిత బిలియనీర్తో సమావేశంలో నేను ప్రయోగాలు చేస్తున్న శక్తి యొక్క లోతైన, సహజమైన అర్థాన్ని కలిగి ఉన్నాను. సంప్రదాయ వివేకం వారు తప్పనిసరిగా చెప్పాలంటే, వినియోగదారులని ఆకర్షించే గొప్ప దుకాణం విండో డిస్ప్లేలను సృష్టించడం మరియు విక్రయాల పెంపకాన్ని పెంపొందించుకోవడం కోసం అతని సంస్థ ముఖ్యమైన వనరులను గడిపాడు. నిపుణులు జాగ్రత్తగా డిజైన్ తర్వాత డిజైన్ పరీక్షలు, మరియు సంవత్సరాలలో వ్యక్తిగత పరీక్ష సమీక్ష సెషన్లలో అమ్మకాలు ప్రతి కొత్త ప్రదర్శన డిజైన్ యొక్క ఎటువంటి అసాధారణ ప్రభావం చూపిస్తున్న ఉంచింది. ఈ చారిత్రక పరీక్ష ఫలితాలను సమీక్షించడానికి సీఈఓతో సీనియర్ మార్కెటింగ్ మరియు వర్తక అధికారులు సమావేశపడ్డారు. ప్రయోగాత్మక సమాచారం అందజేసిన తరువాత, సంప్రదాయ వివేకం తప్పు అని నిర్ధారించారు-విండోస్ డిస్ప్లేలు అమ్మకాలు జరగవు. ఈ ప్రాంతంలో ఖర్చులు మరియు కృషిని తగ్గించాలనే వారి సిఫార్సు చర్య. సాంప్రదాయిక వివేకాన్ని అణిచివేసేందుకు ప్రయోగాత్మక సామర్థ్యాన్ని ఇది నాటకీయంగా ప్రదర్శించింది. CEO యొక్క ప్రతిస్పందన చాలా సులభం: 'నా నిర్మాతలు మీ డిజైనర్లు చాలా మంచివి కారని చెప్పడం.' దుకాణాల ప్రదర్శన రూపకల్పనలో ప్రయత్నం పెంచడం మరియు కొత్త వ్యక్తులను చేయటానికి అతని పరిష్కారం. " (Manzi 2012, 158–9)

    CEO యొక్క ఆందోళన ఏ రకమైన ప్రామాణికతను సూచిస్తుంది?

12. [ ] పూర్వ ప్రశ్నపై బిల్డింగ్, మీరు ప్రయోగాలు ఫలితాలను చర్చించిన సమావేశానికి చెందినవారని ఊహించండి. మీరు అడిగే నాలుగు ప్రశ్నలు ఏమిటి-ప్రతి రకమైన చెల్లుబాటు (గణాంక, నిర్మాణం, అంతర్గత మరియు బాహ్య) కోసం?

13. [ ] Bernedo, Ferraro, and Price (2014) నీటి పొదుపు జోక్యం వివరించిన ఏడు సంవత్సరాల ప్రభావం అధ్యయనం Ferraro, Miranda, and Price (2011) (ఫిగర్ 4.11 చూడండి). ఈ కాగితంలో, బెర్నెడో మరియు సహచరులు కూడా చికిత్స అందించిన తర్వాత తరలించబడని కుటుంబాల యొక్క ప్రవర్తనను పోల్చడం ద్వారా ప్రభావం వెనుక ఉన్న విధానాన్ని అర్థం చేసుకోవడానికి ప్రయత్నించారు. అంటే, సుమారు, వారు చికిత్స హోమ్ లేదా ఇంటి యజమాని ప్రభావితం లేదో చూడటానికి ప్రయత్నించారు.

    1. కాగితాన్ని చదువు, వారి డిజైన్ను వివరించండి మరియు వాటి ఫలితాలను సంగ్రహించండి.
    2. ఇదే విధమైన జోక్యాల యొక్క వ్యయ-ప్రభావాన్ని మీరు ఎలా అంచనా వేయాలి అనేదానిపై ప్రభావం చూపుతుందా? అలా అయితే, ఎందుకు? లేకపోతే, ఎందుకు కాదు?

14. [ Schultz et al. (2007) (Schultz, Khazian, and Zaleski 2008) రెండు విభిన్నమైన పర్యావరణ ప్రవర్తన (టవల్ పునర్వినియోగం) మీద వివరణాత్మక మరియు నిషిద్ధ నిబంధనల ప్రభావంపై షుల్ట్జ్ మరియు సహచరులు వరుసగా మూడు ప్రయోగాలు చేశారు. .

    1. ఈ మూడు ప్రయోగాల రూపకల్పన మరియు అన్వేషణలను సంగ్రహించండి.
    2. ఎలా ఉంటే, వారు Schultz et al. (2007) మీ వ్యాఖ్యానం మార్చడానికి లేదు? Schultz et al. (2007) ?

15. [ Schultz et al. (2007) ప్రతిస్పందనగా Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) విద్యుత్ బిల్లుల రూపకల్పనను అధ్యయనం చేయడానికి లాబ్-లాంటి ప్రయోగాలు నిర్వహించారు. అవి వివరాల్లో ఇవి ఎలా వర్ణించబడుతున్నాయి:

    "ఒక సర్వే-ఆధారిత ప్రయోగంలో, ప్రతి ఒక్కరూ ఒక అధికార విద్యుత్ వినియోగంతో ఒక కుటుంబం కోసం ఒక ఊహాత్మక విద్యుత్ బిల్లును చూశారు, (ఎ) చారిత్రక ఉపయోగం, (బి) పొరుగువారి పోలికలు మరియు (సి) చారిత్రక ఉపయోగం ఉపకరణాల విచ్ఛేదంతో ఉన్న సమాచారం. (ఎ) పట్టికలు, (బి) పట్టీ గ్రాఫ్లు మరియు (సి) ఐకాన్ గ్రాఫ్లు వంటి మూడు ఫార్మాట్లలో ఒకదానిలో పాల్గొన్నవారు పాల్గొన్నారు. మేము మూడు ప్రధాన ఫలితాలను నివేదిస్తాము. మొదట, ఒక టేబుల్ లో సమర్పించినప్పుడు వినియోగదారుల ప్రతి రకాన్ని విద్యుత్ వినియోగ సమాచారాన్ని అర్థం చేసుకున్నారు, బహుశా పట్టికలు సాధారణ బిందు పఠనం సులభతరం కావచ్చు. సెకను, విద్యుత్తును కాపాడడానికి ప్రాధాన్యతలను మరియు ఉద్దేశ్యాలు చారిత్రక వినియోగ సమాచారం కోసం, ఫార్మాట్ నుండి స్వతంత్రంగా బలమైనవి. మూడవది, తక్కువ శక్తి అక్షరాస్యత కలిగిన వ్యక్తులు అన్ని సమాచారం తక్కువగా అర్థం చేసుకున్నారు. "

    ఇతర ఫాలో అప్ అధ్యయనాలు కాకుండా, Canfield, Bruin, and Wong-Parodi (2016) లో ఆసక్తిని ప్రధాన ఫలితం ప్రవర్తన గురించి నివేదించబడింది, అసలు ప్రవర్తన కాదు. ఇంధన పొదుపును ప్రోత్సహించే విస్తృత పరిశోధన కార్యక్రమంలో ఈ విధమైన అధ్యయనం యొక్క బలాలు మరియు బలహీనతలు ఏమిటి?

16. [ , ] Smith and Pell (2003) పారాచూట్ యొక్క ప్రభావాన్ని చూపించే అధ్యయనాల వ్యంగ్య మెటా-విశ్లేషణను సమర్పించారు. వారు ఇలా ముగించారు:

    "అనారోగ్యం నివారించడానికి ఉద్దేశించిన అనేక జోక్యాల మాదిరిగా, పారాచ్యూట్ల యొక్క ప్రభావము యాదృచ్ఛిక నియంత్రిత ట్రయల్స్ ఉపయోగించి కఠినమైన అంచనాలకు గురి కాలేదు. సాక్ష్యం ఆధారిత ఔషధం యొక్క వాదనలు మాత్రమే పరిశీలనాత్మక డేటాను ఉపయోగించడం ద్వారా అంచనా వేయబడిన మధ్యవర్తిత్వాల దత్తతను విమర్శించాయి. సాక్ష్యం ఆధారిత ఔషధం యొక్క అత్యంత తీవ్రమైన నాయకులు డబుల్ బ్లైండ్, రాండమైజ్డ్, ప్లేస్బో నియంత్రిత, పారాచూట్ యొక్క క్రాస్ఓవర్ ట్రయల్లో నిర్వహించబడి మరియు పాల్గొనడానికి ప్రతి ఒక్కరూ ప్రయోజనం పొందుతారని మేము భావిస్తున్నాము. "

    ప్రయోగాత్మక ఆధారం యొక్క ఫెటిష్ని వాదించడానికి న్యూయార్క్ టైమ్స్ వంటి ఒక సాధారణ-పాఠకుల వార్తాపత్రికకు అనుగుణంగా ఒక ఎడి-ఎడిట్ రాయండి. నిర్దిష్ట, కాంక్రీటు ఉదాహరణలను అందించండి. సూచన: Deaton (2010) మరియు Bothwell et al. (2016) కూడా చూడండి Bothwell et al. (2016) .

17. [ , , ] వ్యత్యాసాల వ్యత్యాసము వ్యత్యాసం-వ్యాయామం చేసే వ్యయాల కంటే చికిత్స ప్రభావము యొక్క అంచనాలు మరింత ఖచ్చితమైనవి. ఒక ఆన్లైన్ ప్రయోగాన్ని అమలు చేయడానికి వ్యత్యాసం-తేడాలు-విధాన పద్ధతిని వివరిస్తూ ప్రారంభ-అప్ సోషల్ మీడియా కంపెనీలో A / B పరీక్ష బాధ్యత కలిగిన ఇంజనీర్కు ఒక మెమోను వ్రాయండి. ఈ మెమోలో సమస్య యొక్క ప్రకటన, వ్యత్యాసాల వ్యత్యాస అంచనా వ్యత్యాసలో వ్యత్యాసాన్ని అధిగమిస్తుంది, మరియు సాధారణ అనుకరణ అధ్యయనం యొక్క పరిస్థితుల గురించి కొన్ని అంతర్ దృష్టి ఉంటుంది.

18. [ , ] గ్యారీ లవ్మాన్ హార్వర్డ్ బిజినెస్ స్కూల్లో ప్రొఫెసర్గా పనిచేశాడు, హర్రాస్ యొక్క CEO గా అవతరించాడు, ఇది ప్రపంచంలోని అతిపెద్ద కాసినో కంపెనీలలో ఒకటి. అతను హర్రాస్ కు వెళ్ళినప్పుడు, కస్టమర్ ప్రవర్తన గురించి విపరీతమైన మొత్తంలో సమాచారాన్ని సేకరించి, తరచుగా లవ్-మ్యాన్ విధేయత కార్యక్రమంతో లవ్మాన్ ఈ సంస్థను మార్చాడు. ఈ పైనే కొలత వ్యవస్థ పైన, సంస్థ ప్రయోగాలను అమలు చేయడం ప్రారంభించింది. ఉదాహరణకు, వారు ఒక నిర్దిష్ట జూదం నమూనాతో వినియోగదారులకు ఉచిత హోటల్ రాత్రి కోసం కూపన్ యొక్క ప్రభావాన్ని అంచనా వేయడానికి ఒక ప్రయోగాన్ని అమలు చేస్తారు. హర్రా యొక్క రోజువారీ వ్యాపార పద్ధతులకు ప్రయోగం యొక్క ప్రాముఖ్యతను లవ్మాన్ వివరించాడు:

    "మీరు మహిళలను వేధి 0 చకు 0 డా ఉ 0 డడ 0 లా 0 టిది, మీరు దొంగిలించరు, మీకు నియంత్రణ సమూహ 0 ఉ 0 ది. ఇది హర్రాస్ వద్ద మీ పనిని కోల్పోయే విషయాలలో ఒకటి - ఒక నియంత్రణ సమూహాన్ని అమలు చేయదు. " (Manzi 2012, 146)

    నియంత్రణా బృందాన్ని కలిగి ఉండటం చాలా ముఖ్యం అని LOman ఎందుకు వివరిస్తున్నట్లు ఒక కొత్త ఉద్యోగికి ఒక ఇమెయిల్ను వ్రాయండి. మీరు ఒక ఉదాహరణను చేర్చడానికి ప్రయత్నించాలి - వాస్తవమైనది లేదా మీ పాయింట్ను వివరించడానికి రూపొందించబడింది.

19. [ , ] ఒక కొత్త ప్రయోగం, టీకామందును తీసుకునేటప్పుడు టెక్స్ట్ సందేశ రిమైండర్లు అందుకునే ప్రభావాన్ని అంచనా వేయడానికి ప్రయత్నిస్తుంది. వంద మరియు యాభై క్లినిక్లు, ప్రతి 600 అర్హత కలిగిన రోగులు, పాల్గొనడానికి సిద్ధమయ్యాయి. మీరు పనిచేయాలనుకుంటున్న ప్రతి క్లినిక్కు $ 100 యొక్క స్థిర వ్యయం ఉంది మరియు మీరు పంపాలనుకుంటున్న ప్రతి టెక్స్ట్ సందేశానికి $ 1 ఖర్చు అవుతుంది. అంతేకాకుండా, మీరు పనిచేస్తున్న ఏవైనా క్లినిక్లు ఫలితాన్ని కొలుస్తాయి (ఎవరైనా ఒక టీకాను పొందారా లేదా అని) ఉచితంగా. మీకు $ 1,000 బడ్జెట్ ఉందని అనుకోండి.

    1. ఏవైనా పరిస్థితుల్లో మీ వనరులను కొద్ది సంఖ్యలో క్లినిక్లలో దృష్టి పెట్టడం ఉత్తమం కావచ్చు మరియు వాటిని మరింత విస్తృతంగా వ్యాపింపజేసే పరిస్థితులు ఏవి?
    2. మీరు మీ బడ్జెట్తో విశ్వసనీయంగా గుర్తించగల అతి చిన్న ప్రభావ పరిమాణాన్ని ఏ కారకాలు నిర్ణయించాయి?
    3. సంభావ్య ఆనందం కోసం ఈ ట్రేడ్-ఆఫ్లను వివరిస్తూ ఒక మెమో వ్రాయండి.

20. [ , ఆన్లైన్ కోర్సులు ఒక ప్రధాన సమస్య attrition ఉంది: కోర్సులు మొదలు అనేక విద్యార్థులు బయటకు పడిపోవటం ముగుస్తుంది. మీరు ఒక ఆన్ లైన్ లెర్నింగ్ ప్లాట్ఫాంలో పనిచేస్తున్నారని ఊహిస్తారు మరియు ప్లాట్ఫారమ్లో డిజైనర్ ఒక విజువల్ పురోగతి పట్టీని సృష్టించాడు, ఇది విద్యార్థులను కోర్సు నుండి తొలగించకుండా నిరోధించడానికి ఆమె సహాయం చేస్తుంది. మీరు పెద్ద గణన సామాజిక శాస్త్ర కోర్సులో విద్యార్థులపై పురోగతి బార్ ప్రభావాన్ని పరీక్షించాలనుకుంటున్నారు. ఈ ప్రయోగంలో ఏవైనా నైతిక సమస్యల గురించి ప్రస్తావించిన తరువాత, మీరు మరియు మీ సహోద్యోగులు చాల అభ్యంతరాలు కలిగి ఉంటారు, కోర్సులో విద్యార్థులను ప్రోగ్రెస్ బార్ యొక్క ప్రభావాలను గుర్తించడానికి విశ్వసనీయతను కలిగి ఉండదు. క్రింది గణనల్లో, మీరు విద్యార్థులు సగం పురోగతి బార్ మరియు సగం కాదు అందుకుంటారు భావించవచ్చు. అంతేకాక, జోక్యం లేదని మీరు అనుకోవచ్చు. మరో మాటలో చెప్పాలంటే, పాల్గొనే వారు చికిత్స లేదా నియంత్రణను స్వీకరించినట్లయితే మాత్రమే ప్రభావితమవుతారని మీరు అనుకోవచ్చు; ఇతర వ్యక్తులు చికిత్స లేదా నియంత్రణను అందుకున్నారో లేదో వారు ప్రభావితం కావు (మరింత అధికారిక నిర్వచనం కోసం, Gerber and Green (2012) యొక్క 8 వ అధ్యాయం చూడండి. మీరు చేసే అదనపు అదనపు ఊహలను ట్రాక్ చేయండి.

    1. పురోగతి బార్ 1 శాతం పాయింట్లతో తరగతి పూర్తి చేసిన విద్యార్థుల సంఖ్యను పెంచుతుందని అనుకుందాం; విశ్వసనీయంగా ప్రభావం గుర్తించడానికి అవసరమైన నమూనా పరిమాణం ఏమిటి?
    2. పురోగతి బార్ 10 శాతం పాయింట్లతో తరగతి పూర్తి చేసిన విద్యార్థుల సంఖ్యను పెంచుతుందని అనుకుందాం; విశ్వసనీయంగా ప్రభావం గుర్తించడానికి అవసరమైన నమూనా పరిమాణం ఏమిటి?
    3. ఇప్పుడు మీరు ప్రయోగాన్ని అమలు చేశారని ఊహించుకోండి మరియు అన్ని కోర్సు పదార్థాలను పూర్తి చేసిన విద్యార్ధులు తుది పరీక్షలో పాల్గొన్నారు. పురోగతి పట్టీని అందుకోని విద్యార్థుల తుది పరీక్ష స్కోర్లను మీరు పోల్చినప్పుడు, మీ ఆశ్చర్యకరంగా, మీరు కనుగొన్న, స్కోర్ బార్ ను అందుకున్న విద్యార్థులందరూ ఎక్కువగా చేరుకున్నారు. దీని అర్థం పురోగతి బార్ విద్యార్థులను తక్కువగా నేర్చుకోవటానికి కారణమా? ఈ ఫలితాల డేటా నుండి మీరు ఏమి నేర్చుకోవచ్చు? (సూచించు: Gerber and Green (2012) యొక్క అధ్యాయం 7 చూడండి

21. [ , , ] మీరు ఒక టెక్ సంస్థలో డేటా శాస్త్రవేత్తగా పనిచేస్తున్నారని ఊహిస్తారు. ఒక కొత్త ఆన్లైన్ ప్రకటన ప్రచారం కోసం ఇన్వెస్ట్మెంట్ (ROI) తిరిగి అంచనా వేయడానికి వారు ప్లాన్ చేస్తున్న ఒక ప్రయోగాన్ని అంచనా వేయడంలో మార్కెటింగ్ శాఖ నుండి ఎవరైనా మీ సహాయం కోసం అడుగుతారు. ప్రచార ఖర్చు ద్వారా విభజించబడిన ప్రచారం నుండి ROI ని నికర లాభం గా నిర్వచించవచ్చు. ఉదాహరణకు, అమ్మకాలపై ప్రభావం చూపని ప్రచారం -100% ROI ఉంటుంది; ఉత్పత్తి చేయబడిన లాభాలు సమానమైన ఖర్చులకు సమానం కాగా ఒక ROI 0; మరియు లాభాలు సృష్టించిన ఒక ప్రచారం రెట్టింపుగా ఖర్చు 200% ROI ఉంటుంది.

    ప్రయోగం ప్రారంభించే ముందు, మార్కెటింగ్ విభాగం వారి పూర్వ పరిశోధన ఆధారంగా ఈ క్రింది సమాచారాన్ని అందిస్తుంది (వాస్తవానికి, ఈ విలువలు లూయిస్ మరియు రావు (2015) లో రియల్ ఆన్ లైన్ ప్రకటన ప్రచారాల యొక్క విలక్షణమైనవి:

    • కస్టమర్కు సగటు అమ్మకాలు ఒక లాగ్-సాధారణ పంపిణీని $ 7 సగటుతో మరియు $ 75 యొక్క ప్రామాణిక విచలనంతో అనుసరిస్తాయి.
    • కస్టమర్కు $ 0.175 లాభం పెరగడంతో కస్టమర్కి $ 0.35 విక్రయాల ద్వారా ప్రచారం పెరుగుతుంది.
    • ప్రయోగం యొక్క ప్రణాళిక పరిమాణం 200,000 మంది: చికిత్స సమూహంలో సగం మరియు నియంత్రణ సమూహంలో సగం.
    • ప్రచార ఖర్చు $ 0.14 చొప్పున.
    • ప్రచారం కోసం ఊహించిన ROI 25% [ \((0.175 - 0.14)/0.14\) . మరో మాటలో చెప్పాలంటే, మార్కెటింగ్ విభాగం ప్రతి 100 డాలర్లు మార్కెటింగ్ కోసం ఖర్చు చేస్తుందని విశ్వసిస్తుంది, సంస్థ లాభంలో అదనంగా $ 25 సంపాదిస్తుంది.

    ఈ ప్రతిపాదిత ప్రయోగాన్ని మూల్యాంకనం చేస్తూ ఒక మెమో వ్రాయండి. మీ మెమో మీరు సృష్టించిన అనుకరణ నుండి సాక్ష్యాన్ని వాడాలి, మరియు ఇది రెండు ప్రధాన సమస్యలను పరిష్కరించాలి: (1) ఈ ప్రయోగాన్ని ప్రయోగించాలని మీరు సిఫార్సు చేస్తారా? అలా అయితే, ఎందుకు? లేకపోతే, ఎందుకు కాదు? ఈ నిర్ణయం తీసుకోవడానికి మీరు ఉపయోగిస్తున్న ప్రమాణాల గురించి స్పష్టంగా తెలుసుకోండి. (2) ఈ ప్రయోగం కోసం మీరు నమూనా పరిమాణాన్ని సిఫార్సు చేస్తారా? మళ్ళీ ఈ నిర్ణయం తీసుకోవడానికి మీరు ఉపయోగిస్తున్న ప్రమాణాల గురించి స్పష్టంగా చెప్పండి.

    ఒక మంచి మెమో ఈ నిర్దిష్ట సందర్భంలో పరిష్కరించబడుతుంది; ఒక మంచి మెమో ఈ సందర్భంలో నుండి ఒకే విధంగా (ఉదా., నిర్ణయం ప్రచారం యొక్క ప్రభావం యొక్క పరిణామంగా ఎలా మారుతుందో చూపండి); మరియు గొప్ప మెమో పూర్తి సాధారణ ఫలితం ఉంటుంది. మీ ఫలితాలను ఉదహరించడానికి మీ మెమో గ్రాఫ్లను ఉపయోగించాలి.

    ఇక్కడ రెండు సూచనలు ఉన్నాయి. మొదట, మార్కెటింగ్ డిపార్ట్మెంట్ మీకు కొన్ని అనవసరమైన సమాచారం అందించింది ఉండవచ్చు, మరియు వారు మీకు అవసరమైన సమాచారం అందించడానికి విఫలమయ్యి ఉండవచ్చు. రెండవది, మీరు R ను ఉపయోగిస్తుంటే, rlnorm () ఫంక్షన్ అనేక మంది ఆశించే విధంగా పనిచేయదు.

    ఈ కార్యాచరణ మీకు శక్తి విశ్లేషణతో, అనుకరణలను సృష్టించి, మీ ఫలితాలను పదాలు మరియు గ్రాఫ్లతో కమ్యూనికేట్ చేస్తుంది. ఏ రకమైన ప్రయోగానికీ శక్తి విశ్లేషణను నిర్వహించడంలో ఇది మీకు సహాయపడాలి, ROI ను అంచనా వేయడానికి కేవలం ప్రయోగాలు మాత్రమే కాదు. ఈ సూచించే మీరు గణాంక పరీక్ష మరియు శక్తి విశ్లేషణ తో కొంత అనుభవం కలిగి ఊహిస్తుంది. మీరు శక్తి విశ్లేషణ గురించి మీకు తెలియకపోతే, Cohen (1992) చేత "ఎ పవర్ ప్రైమర్" ను చదవాలని నేను సిఫార్సు చేస్తున్నాను.

    ఈ కార్యక్రమాన్ని RA Lewis and Rao (2015) ద్వారా ఒక సుందరమైన కాగితంచే ప్రేరణ పొందింది, ఇది భారీ ప్రయోగాలు యొక్క ప్రాథమిక గణాంక పరిమితిని స్పష్టంగా వివరిస్తుంది. వారి కాగితము-మొదట "ఆన్ ది దగ్గర-ఇంపాజిసిబిలిటీ ఆఫ్ మెజరింగ్ ది రిటర్న్స్ టు అడ్వర్టైజింగ్" రెచ్చగొట్టే శీర్షికను కలిగి ఉంది-మిలియన్ల మంది వినియోగదారులతో డిజిటల్ ప్రయోగాలు కలిగినప్పటికీ, ఆన్లైన్ ప్రకటనల పెట్టుబడులపై తిరిగి రావటానికి ఎంత కష్టంగా ఉంది అనేదాన్ని చూపుతుంది. మరింత సాధారణంగా, RA Lewis and Rao (2015) డిజిటల్-వయస్సు ప్రయోగాలు ముఖ్యంగా ముఖ్యమైన ఒక ప్రాథమిక గణాంక వాస్తవాన్ని ఉదహరించండి: ధ్వని ఫలితం డేటా మధ్య చిన్న చికిత్స ప్రభావాలు అంచనా కష్టం.

22. [ , ] మునుపటి ప్రశ్న వలె అదే చేయండి, కానీ, అనుకరణ కంటే, మీరు విశ్లేషణాత్మక ఫలితాలను ఉపయోగించాలి.

23. [ , , ] మునుపటి ప్రశ్న వలెనే చేయండి, కానీ అనుకరణ మరియు విశ్లేషణ ఫలితాలు రెండింటినీ ఉపయోగించుకోండి.

24. [ , , ] మీరు పైన వివరించిన మెమోని వ్రాశాడని ఇమాజిన్ చేయండి మరియు మార్కెటింగ్ విభాగానికి చెందిన ఒకరు కొత్త సమాచారం అందిస్తారు: ప్రయోగానికి ముందు మరియు తర్వాత విక్రయాల మధ్య 0.4 సహసంబంధాన్ని వారు ఆశించారు. ఇది మీ మెమోలో సిఫారసులను ఎలా మారుస్తుంది? (సూచించు: వ్యత్యాసాల అంచనాదారుడు మరియు వ్యత్యాసం-తేడాలు అంచనా వేసేవారిపై ఎక్కువ భాగం కోసం విభాగం 4.6.2 చూడండి.)

25. [ , ] నూతన వెబ్-ఆధారిత ఉపాధి-సహాయం కార్యక్రమం యొక్క ప్రభావాన్ని అంచనా వేయడానికి, ఒక విశ్వవిద్యాలయం వారి ఆఖరి సంవత్సరం పాఠశాలలో ప్రవేశించిన 10,000 మంది విద్యార్థులలో ఒక యాదృచ్ఛిక నియంత్రణ పరీక్షను నిర్వహించింది. యాదృచ్ఛికంగా ఎంపిక చేసుకున్న విద్యార్థుల యొక్క 5,000 మందికి ప్రత్యేకమైన ఇమెయిల్ ఆహ్వానం ద్వారా ఉచిత లాగ్-ఇన్ సమాచారంతో ఉచిత చందా పంపబడింది, మిగిలిన 5,000 మంది నియంత్రణ సమూహంలో ఉన్నారు మరియు సభ్యత్వాన్ని కలిగి లేరు. పన్నెండు నెలలు తరువాత, ఒక తదుపరి సర్వే (ఏ నాన్ రిప్రెషన్ లేకుండా) చికిత్స మరియు నియంత్రణ సమూహాలలో, విద్యార్ధులలో 70% మంది తమ ఎంచుకున్న రంగంలో (పట్టిక 4.6) పూర్తి సమయం ఉపాధిని పొందారు. అందువల్ల, వెబ్ ఆధారిత సేవ ఎటువంటి ప్రభావం చూపలేదు.

    అయితే, యూనివర్శిటీలో ఒక తెలివైన డేటా శాస్త్రవేత్త ఒక బిట్ మరింత దగ్గరికి చూశారు మరియు చికిత్స సమూహంలో ఉన్న విద్యార్థుల్లో 20% మాత్రమే ఇ-మెయిల్ను స్వీకరించిన తర్వాత ఖాతాలోకి లాగిన్ అయ్యారని గుర్తించారు. మరింత, మరియు కొంతవరకు ఆశ్చర్యకరంగా, వెబ్ సైట్ లో లాగిన్ చేసిన వారిలో, కేవలం 60% మాత్రమే వారి ఎంచుకున్న రంగంలో పూర్తి-స్థాయి ఉపాధిని పొందారు, ఇది ప్రజలకు రేటు కంటే తక్కువగా లాగిన్ అవ్వని ప్రజల రేటు కంటే తక్కువ నియంత్రణ పరిస్థితిలో (పట్టిక 4.7).

    1. ఏమి జరిగి ఉండవచ్చు అనేదానికి వివరణ ఇవ్వండి.
    2. ఈ ప్రయోగంలో చికిత్స ప్రభావాన్ని లెక్కించడానికి రెండు విభిన్న మార్గాలు ఏమిటి?
    3. ఈ ఫలితంగా, అన్ని విద్యార్థులకు ఈ సేవను అందించాలా? స్పష్టంగా చెప్పాలంటే, ఇది సాధారణ సమాధానంతో ప్రశ్న కాదు.
    4. వారు ఏమి చేయాలి?

    సూచన: ఈ ప్రశ్న ఈ అధ్యాయంలో కవర్ చేయబడిన పదార్థం దాటి పోతుంది, కానీ ప్రయోగాల్లో సాధారణ సమస్యలను పరిష్కరిస్తుంది. ప్రయోగాత్మక రూపకల్పన యొక్క ఈ రకం కొన్నిసార్లు ప్రోత్సాహం నమూనా అని పిలుస్తారు, ఎందుకంటే పాల్గొనేవారు చికిత్సలో పాల్గొనడానికి ప్రోత్సహించారు. ఈ సమస్య ఏకపక్ష అసమానత అని పిలవబడేదానికి ఉదాహరణ ( Gerber and Green (2012) యొక్క అధ్యాయం 5 చూడండి).

26. [ తదుపరి పరీక్ష తర్వాత, మునుపటి ప్రశ్నలో వివరించిన ప్రయోగం మరింత క్లిష్టంగా ఉందని తేలింది. ఇది నియంత్రణ సమూహంలోని ప్రజల్లో 10% మంది సేవకు ప్రాప్తించటానికి చెల్లించారు, మరియు వారు 65% (పట్టిక 4.8) యొక్క ఉపాధి రేటుతో ముగించారు.

    1. మీరు ఏమనుకుంటున్నారో ఊహించి ఒక ఇమెయిల్ను రాయండి మరియు చర్య యొక్క కోర్సును సిఫారసు చేయండి.

    సూచన: ఈ ప్రశ్న ఈ అధ్యాయంలో కవర్ చేయబడిన పదార్థం దాటి పోతుంది, కానీ ప్రయోగాల్లో సాధారణ సమస్యలను పరిష్కరిస్తుంది. ఈ సమస్య ద్విపార్శ్వ అసమానతగా పిలవబడేదానికి ఒక ఉదాహరణ ( Gerber and Green (2012) యొక్క 6 వ అధ్యాయం చూడండి).