చర్యలు

కీ:

  • కష్టం డిగ్రీ: సులభం సులభంగా , మీడియం మీడియం హార్డ్ హార్డ్ , చాలా కఠినం చాలా కఠినం
  • గణిత అవసరం ( గణిత అవసరం )
  • కోడింగ్ అవసరం ( కోడింగ్ అవసరం )
  • వివరాల సేకరణ ( వివరాల సేకరణ )
  • నాకు ఇష్టమైనవి ( నా ఇష్టమైన )
  1. [ మీడియం , వివరాల సేకరణ ] Berinsky మరియు సహచరులు (2012) మూడు సంప్రదాయ ప్రయోగాలు పునరావృత్తం పాక్షికప్రేరణను మెకానికల్ టర్క్ మదింపు. క్లాసిక్ ఆసియా వ్యాధి చట్రములో ప్రయోగం ప్రతిబింబాన్ని Tversky and Kahneman (1981) . మీ ఫలితాలు మ్యాచ్ Tversky మరియు Kahneman యొక్క లేదా? మీ ఫలితాలు మ్యాచ్ Berinsky మరియు సహచరులు లేదా? ఐతే ఏమిటి-ఏదైనా లేదు ఈ మాకు సర్వే పరిశోధనలకు మెకానికల్ టర్క్ ఉపయోగించి గురించి బోధిస్తారు?

  2. [ మీడియం , నా ఇష్టమైన ] పేరుతో కొంత నాలుక లో చెంప పేపర్లో "మేము విచ్ఛిన్నం ఉంటుంది," సాంఘిక మనస్తత్వవేత్త రాబర్ట్ Cialdini, రచయితలు ఒకటి Schultz et al. (2007) , అతను ఎందుకంటే అతను ప్రధానంగా ల్యాబ్ పరిశోధనలు నిర్వహిస్తుంది ఒక క్రమశిక్షణ (సైకాలజీ) రంగం ప్రయోగాలు చేయడం ఎదుర్కొన్న సవాళ్లు భాగం లో, ప్రారంభ ఒక ఆచార్యుడిగా ఉద్యోగం నుండి రిటైర్ అని వ్రాసాడు (Cialdini 2009) . Cialdini యొక్క పత్రం చదవండి, మరియు అతనికి డిజిటల్ ప్రయోగాలు అవకాశాలను వెలుగులో అతని విడిపోయిన వేయగా అతనికి విజ్ఞప్తి ఒక ఇమెయిల్ వ్రాయండి. తన ఆందోళనలు అడ్రసు పరిశోధన నిర్దిష్ట ఉదాహరణలు ఉపయోగించండి.

  3. [ మీడియం ] చిన్న ప్రారంభంలో విజయం లాక్ లో లేదో గుర్తించడానికి లేదా ఫేడ్ దూరంగా చేయడానికి, వాన్ డి Rijt మరియు సహచరులు (2014) యాదృచ్ఛికంగా ఎంపిక పాల్గొన్న విజయం చెయ్యటం నాలుగు వేర్వేరు వ్యవస్థలు జోక్యం చేసుకున్నారు, తరువాత ఈ ఏకపక్ష విజయం దీర్ఘకాల ప్రభావాలు కొలుస్తారు. మీరు ఇతర వ్యవస్థలు అనుకుంటున్నాను మీరు ఇలాంటి ప్రయోగాలను అమలు కాలేదు దీనిలో చేయవచ్చు? శాస్త్రీయ విలువ యొక్క సమస్యలు పరంగా ఈ వ్యవస్థలు పరీక్షించు, క్రమసూత్ర విచ్ఛిన్న మరియు నైతిక (చాప్టర్ 2 చూడండి).

  4. [ మీడియం , వివరాల సేకరణ ] ఒక ప్రయోగ ఫలితాలు పాల్గొనే దోహదపడతాయి. ఒక ప్రయోగం సృష్టించు ఆపై రెండు వేర్వేరు నియామక పద్ధతులను ఉపయోగించి అమెజాన్ మెకానికల్ టర్క్ (MTurk) దీన్ని అమలు. ఫలితాలు వీలైనంత వివిధ ఉంటుందని కాబట్టి ప్రయోగం మరియు నియామక వ్యూహాలు ఎంచుకునేందుకు ప్రయత్నించండి. ఉదాహరణకు, మీ నియామక వ్యూహాలు ఉదయం మరియు సాయంత్రం పాల్గొనే సమీకరణకు లేదా అధిక మరియు తక్కువ వేతనం పాల్గొన్న భర్తీ కావచ్చు. నియామక వ్యూహం తేడాలు ఈ రకాల పాల్గొనే మరియు వివిధ ప్రయోగాత్మక ఫలితాల వివిధ కొలనులు దారితీస్తుంది. ఎలా వివిధ మీ ఫలితాలు టర్నవుట్ చేశారు? ఆ MTurk ప్రయోగాలు అమలు గురించి ఏమి వెల్లడి చేస్తుంది?

  5. [ చాలా కఠినం , గణిత అవసరం , కోడింగ్ అవసరం , నా ఇష్టమైన ] మీరు ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది అధ్యయనం ప్రణాళిక ఆ ఇమాజిన్ (Kramer, Guillory, and Hancock 2014) . చేసిన ముందస్తు పరిశీలనాత్మక అధ్యయనం నుండి ఫలితాలు ఉపయోగించండి Kramer (2012) ప్రతి పరిస్థితి లో పాల్గొనేవారు సంఖ్య అనుకుంటారు. ఈ రెండు అధ్యయనాలు సరిపోలడం లేదు సంపూర్ణ అలా స్పష్టంగా మీరు చేసే అన్ని అంచనాలు జాబితా తప్పకుండా:

    1. అమలులోకి అంత పెద్ద ప్రభావం కనుగొనడం ఉంటుందని తెలిపింది ఎన్ని పాల్గొనే చేశారు నిర్ణయించే ఒక అనుకరణ అమలు Kramer (2012) \ తో (\ ఆల్ఫా = 0.05 \) మరియు \ (1 - \ బేటా = 0.8 \).
    2. విశ్లేషణాత్మకంగా అదే లెక్కింపు.
    3. నుండి ఫలితాలను కారణంగా Kramer (2012) ఎమోషనల్ ఒకరి నుండి ఇంకొకరి వ్యాపించేది జరిగినది (Kramer, Guillory, and Hancock 2014) ఓవర్ శక్తి (అంటే, అది అవసరమైన కంటే ఎక్కువ పాల్గొనే లేదు)?
    4. మీ లెక్కింపు అత్యధిక ప్రభావం కలిగిన మీరు చేసిన అంచనాలు, యొక్క?
  6. [ చాలా కఠినం , గణిత అవసరం , కోడింగ్ అవసరం , నా ఇష్టమైన ] పైన ప్రశ్నకు సమాధానం, కానీ గతంలో పరిశీలనాత్మక అధ్యయనం ఉపయోగించి కంటే Kramer (2012) చేసిన ముందస్తు సహజ ప్రయోగం నుండి ఫలితాలను ఉపయోగించాలా Coviello et al. (2014) .

  7. [ సులభంగా ] రెండు Rijt et al. (2014) మరియు Margetts et al. (2011) లు రెండూ ఒక పిటిషన్ను సంతకం ప్రజల ప్రక్రియ అధ్యయనం చేసే ప్రయోగాలు నిర్వహించడానికి. పోల్చండి మరియు రూపకల్పన మరియు ఈ అధ్యయనాలు కనుగొన్న కాంట్రాస్ట్.

  8. [ సులభంగా ] Dwyer, Maki, and Rothman (2015) సామాజిక నిబంధనలను proenvironmental ప్రవర్తన మధ్య సంబంధం పై రెండు field ప్రయోగాలు నిర్వహించారు. ఇక్కడ వారి కాగితం నైరూప్య వార్తలు:

    "ఎలా మానసిక శాస్త్రం proenvironmental ప్రవర్తనను ప్రోత్సహించాలి వినియోగించే ఉండవచ్చు? రెండు అధ్యయనాలు, పబ్లిక్ స్నానపు గదులు శక్తిని ఆదా ప్రవర్తనను ప్రచారం లక్ష్యంతో జోక్యాలు వివరణాత్మక పద్దతులు మరియు వ్యక్తిగత బాధ్యత ప్రభావమే పరిశీలించారు. స్టడీ 1, ఎవరైనా ఆ నేపధ్యంలో వివరణాత్మక కట్టుబాటు సిగ్నలింగ్, ఒక ఖాళీగా ప్రజా స్నానాల రాకముందే తేలికపాటి స్థితి (అంటే, ఆన్ లేదా ఆఫ్) మోస. పాల్గొనేవారు వారు ప్రవేశించాడు వారు ఆఫ్ ఒకవేళ ఆఫ్ లైట్స్ తిరుగులేని గణనీయంగా ఎక్కువగా ఉన్నాయి. స్టడీ 2, అదనపు పరిస్థితి దీనిలో కాంతి ఆఫ్ చెయ్యడానికి నియమావళిని ఒక సమ్మేళనా ప్రదర్శించింది చేర్చారు, కానీ పాల్గొనే తాము దానిపై టర్నింగ్ బాధ్యత పడింది. వ్యక్తిగత బాధ్యత ప్రవర్తనపై సామాజిక నిబంధనల ప్రభావం మోడరేట్; పాల్గొనేవారు కాంతి ప్రారంభించిన బాధ్యత కాదు ఉన్నప్పుడు, కట్టుబాటు యొక్క ప్రభావం తగ్గింది అని. ఈ ఫలితాలు proenvironmental జోక్యాల యొక్క సామర్ధ్యం ఎంత వివరణాత్మక పద్దతులు మరియు వ్యక్తిగత బాధ్యత నియంత్రించే ఉండవచ్చు సూచిస్తున్నాయి. "

    వారి పేపర్ చదివి అధ్యయనం 1 యొక్క రెప్లికేషన్ రూపకల్పన.

  9. [ మీడియం , వివరాల సేకరణ ] మునుపటి ప్రశ్న పై, ఇప్పుడు మీ డిజైన్ చేపడుతుంటారు.

    1. ఎలా ఫలితాలను పోల్చడానికి లేదు?
    2. ఏమి ఈ తేడాలు వివరించవచ్చు?
  10. [ మీడియం ] అక్కడ అమెజాన్ మెకానికల్ టర్క్ రిక్రూట్ పాల్గొనే ఉపయోగించి ప్రయోగాలు గురించి గణనీయమైన చర్చ జరుగుతూనే ఉంది. సమాంతరంగా, కూడా అండర్గ్రాడ్యుయేట్ విద్యార్థుల జనాభా రిక్రూట్ పాల్గొనే ఉపయోగించి ప్రయోగాలు గురించి గణనీయమైన చర్చ జరుగుతూనే ఉంది. పోల్చడం మరియు పరిశోధకులు పాల్గొంటారు Turkers మరియు స్నాతకపూర్వ విరుద్దమైన రెండు పేజీల మెమో వ్రాయండి. మీ పోలిక శాస్త్రీయ మరియు రవాణా సమస్యలను యొక్క చర్చ కలిగి ఉండాలి.

  11. [ సులభంగా ] జిమ్ Manzi పుస్తకం నియంత్రణలేని (2012) వ్యాపార ప్రయోగం శక్తిని ఒక అద్భుతమైన పరిచయం ఉంది. పుస్తకంలో అతను ఈ కథ ప్రసారమయ్యే:

    "నేను ఒక నిజమైన వ్యాపార మేధావి ప్రయోగాల శక్తి యొక్క ఒక లోతైన, సహజమైన తక్కువ చేసి చేసిన ఒక స్వీయ చేసిపెట్టిన బిలియనీర్ ఒక సమావేశంలో ఒకప్పుడు. అతని సంస్థ సంప్రదాయ జ్ఞానం వారు తప్పక ఇలా, వినియోగదారులు మరియు పెరుగుదల అమ్మకాలు ఆకర్షించే గొప్ప స్టోర్ విండో డిస్ప్లేలు సృష్టించేందుకు ప్రయత్నిస్తున్నారు గుర్తించదగిన వనరులు గడిపాడు. నిపుణులు జాగ్రత్తగా పరీక్షించబడిన తరువాత డిజైన్, మరియు అమ్మకాలపై ప్రతి కొత్త ప్రదర్శన డిజైన్ గుర్తించదగినంత సాధారణ ప్రభావం చూపడం ఉంచింది సంవత్సరాల కాలంలో వ్యక్తిగత పరీక్ష సమీక్ష సమయాల్లో జరుగుతుంది. సీనియర్ మార్కెటింగ్ మరియు సామాగ్రితో అధికారులు పూర్తిగా లో ఈ చారిత్రాత్మక పరీక్షా ఫలితాలు ది CEO కలిశారు. ప్రయోగాత్మక డేటా అన్ని ప్రదర్శించడం తరువాత, వారు సంప్రదాయ జ్ఞానం తప్పు విండోలో డిస్ప్లేలు అమ్మకాలు డ్రైవ్ లేదు అని నిర్ధారించారు. వారి సిఫార్సు చర్య ఈ ప్రాంతం ఖర్చులు మరియు కృషి తగ్గించేందుకు ఉంది. ఈ నాటకీయంగా సంప్రదాయ జ్ఞానం తారుమారు ప్రయోగం సామర్థ్యాన్ని ప్రదర్శించింది. CEO యొక్క స్పందన సాధారణ ఉంది: 'నా ముగింపు మీ డిజైనర్లు చాలా మంచి కాదు అని.' తన పరిష్కారం స్టోర్ ప్రదర్శన డిజైన్ ప్రయత్నం పెంచడానికి మరియు కొత్త వారిని దీన్ని పొందుటకు ఉంది. " (Manzi 2012, 158–9)

    సీఈఓ వ్యవహారంగా చెల్లే ఏ రకం?

  12. [ సులభంగా ] మునుపటి ప్రశ్న పై, మీరు ప్రయోగాలు ఫలితాలు చర్చలు జరిగే సమావేశంలో అని ఊహించుకోండి. మీరు అడగండి అని నాలుగు ప్రశ్నలు, చెల్లే ప్రతి రకం (గణాంకాల, నిర్మాణమని అంతర్గత మరియు బాహ్య) ఒక ఏమిటి?

  13. [ సులభంగా ] Bernedo, Ferraro, and Price (2014) నీటి ఆదా జోక్యం వివరించిన ఏడు సంవత్సరాల ప్రభావాన్ని అధ్యయనం Ferraro, Miranda, and Price (2011) (Figure 4.10 చూడండి). ఈ కాగితం లో, Bernedo మరియు సహచరులు కూడా కలిగి ఉంటాయని మరియు చికిత్స సరఫరా చేసిన తర్వాత తరలించబడింది లేదు గృహాలు ప్రవర్తన పోల్చడం ద్వారా ప్రభావాన్ని వెనుక ఉన్న సంవిధాన అర్ధం చేసుకోవటానికి ప్రయత్నిస్తారు. అంటే, సుమారు, వారు చికిత్స హోమ్ లేదా గృహయజమాని ప్రభావం చూపింది లేదో చూడటానికి ప్రయత్నించండి.

    1. , కాగితం చదవండి వాటి రూపకల్పన వివరించడానికి, వారి నిర్ణయాలు సంగ్రహించేందుకు. బి) మీరు ఇలాంటి ఆవిష్కరణల సార్థకమైన ధర అంచనా ఉండాలి ఎలా వారి నిర్ణయాలు ప్రభావితం లేదు? అలా అయితే, ఎందుకు? లేకపోతే, ఎందుకు కాదు?
  14. [ సులభంగా ] ఒక అనుసరించండి- up లో Schultz et al. (2007) , షుల్ట్ మరియు సహచరులు ఇద్దరు సందర్భాలలో (ఒక హోటల్ మరియు ఒక సమయ విభజన నివాసంలో) లో వేరే పర్యావరణ ప్రవర్తన (టవల్ పునర్వినియోగం) పై వివరణాత్మక మరియు తక్షణ నిబంధనలను ప్రభావం మూడు ప్రయోగాలు పరంపర (Schultz, Khazian, and Zaleski 2008) .

    1. ఈ మూడు ప్రయోగాత్మక రూపకల్పన మరియు విషయాల సంగ్రహించేందుకు.
    2. ఎలా, అన్ని వద్ద ఉంటే, వారు మీ వ్యాఖ్యానం మార్చగలను Schultz et al. (2007) ?
  15. [ సులభంగా ] స్పందిస్తూ Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) విద్యుత్ బిల్లులు రూపకల్పన అధ్యయనం ప్రయోగశాల వంటి ప్రయోగాలు వరుస నడిచింది. ఇక్కడ వారు సంగ్రహంగా దాని వివరించడానికి ఎలా వార్తలు:

    "ఒక సర్వే ఆధారిత ప్రయోగంలో, పాల్గొనే ప్రతి ఒక ఊహాత్మక విద్యుత్ బిల్లు ఒక కుటుంబం సాపేక్షంగా అధిక విద్యుత్ వినియోగం (ఎ) చారిత్రక ఉపయోగం గురించి సమాచారాన్ని కవరింగ్, చూసింది (బి) పొరుగువారి పోలికలు, (సి) ఉపకరణం బ్రేక్డౌన్ చారిత్రక ఉపయోగం. పాల్గొనేవారు, సహా (ఎ) పట్టికలు (బి) బార్ గ్రాఫ్స్, మరియు (సి) చిహ్నం గ్రాఫ్లు మూడు ఫార్మాట్లలో లో అన్ని సమాచారం రకాల చూసింది. మేము మూడు ప్రధాన తీర్పులు నివేదిస్తాయి. వినియోగదారుల అత్యంత అది ఒక పట్టిక లో సమర్పించబడిన చేసినప్పుడు, పట్టికలు సాధారణ పాయింట్ పఠనం సులభతరం బహుశా ఎందుకంటే విద్యుత్ వినియోగ సమాచారం యొక్క ప్రతి రకం అర్థం. రెండవది, ప్రాధాన్యతలను మరియు విద్యుత్ సేవ్ ఉద్దేశాలు ఫార్మాట్ స్వతంత్ర చారిత్రక ఉపయోగం సమాచారం కోసం బాగా తగ్గిపోతుంది. మూడవది, తక్కువ శక్తి అక్ష్యరాస్యత వ్యక్తులు చాలా తక్కువగా అన్ని సమాచారం అర్థం. "

    ఇతర తదుపరి అధ్యయనాలు కాకుండా, లో ఆసక్తి ప్రధాన ఫలితం Canfield, Bruin, and Wong-Parodi (2016) ప్రవర్తన కాదు వాస్తవ ప్రవర్తన నివేదించబడింది. ఇంధన ఆదా ప్రచారం విస్తృత పరిశోధన కార్యక్రమం అధ్యయనం ఈ రకమైన బలాలు మరియు బలహీనతల ఏమిటి?

  16. [ మీడియం , నా ఇష్టమైన ] Smith and Pell (2003) పారాచ్యుట్స్లో యొక్క ప్రభావాన్ని చూపిస్తూ అధ్యయనాలు వ్యంగ్య మెటా విశ్లేషణ. వారు నిర్ధారించారు:

    "అనేక జోక్యాలు అనారోగ్యం నిరోధించడానికి ఉద్దేశించిన మాదిరిగా, పారాచ్యుట్స్లో ప్రభావం స్వైర నియంత్రిత ఉపయోగించి కఠినమైన పరిణామానికి గురి కాలేదు. సాక్ష్యం ఆధారిత ఔషధం యొక్క న్యాయవాదులు మాత్రమే పరిశీలన డేటా ఉపయోగించి పరిశీలించిన జోక్యాలు స్వీకరణ విమర్శించారు. మేము రాండమైజ్డ్ ప్లేసిబో, నియంత్రిత పారాచూట్ క్రాస్ఓవర్ విచారణ సాక్ష్యం ఆధారిత ఔషధం యొక్క అత్యంత తీవ్రమైన ప్రవక్తలు వ్యవస్థీకృత మరియు ఒక డబుల్ బ్లైండ్ పాల్గొన్నారు ఉంటే ఒక్కరూ ప్రయోజనం ఉండవచ్చు అని అనుకుంటున్నాను. "

    ప్రయోగాత్మక సాక్ష్యం fetishization వ్యతిరేకంగా వాదిస్తూ అయిన న్యూయార్క్ టైమ్స్ వంటి ఒక సాధారణ పాఠకులను వార్తాపత్రిక, అనుకూలంగా op-ed వ్రాయండి. నిర్దిష్ట, కాంక్రీటు ఉదాహరణలు అందించండి. సూచన: ఇవి కూడా చూడండి, Bothwell et al. (2016) మరియు Deaton (2010)

  17. [ మీడియం , కోడింగ్ అవసరం , నా ఇష్టమైన ] తేడా-లో-తేడాలు చికిత్సకోసం ప్రభావం ఎస్టిమేటర్ తేడా ఇన్ సగటు ఎస్టిమేటర్ కంటే మరింత ఖచ్చితమైన ఉంటుంది. ఒక ఆన్లైన్ ప్రయోగాన్ని రన్ తేడా ఇన్ తేడాలు విధానం యొక్క విలువ వివరిస్తూ ఒక ప్రారంభ సామాజిక మీడియా కంపెనీ వద్ద A / B పరీక్ష బాధ్యతలు ఒక ఇంజనీర్ ఒక మేమో వ్రాయండి. మెమో సమస్య ఒక ప్రకటనలో, తేడా లో తేడా అంచనా వేస్తుంది తేడా ఇన్ సగటు అంచనా వేస్తుంది తలదన్నే పరిస్థితుల గురించి కొన్ని అంతర్బుద్ధి మరియు ఒక సాధారణ అనుకరణ అధ్యయనం కలిగి ఉండాలి.

  18. [ సులభంగా , నా ఇష్టమైన ] గ్యారీ Loveman హరాస్ యొక్క CEO, ప్రపంచంలో అతిపెద్ద కాసినో కంపెనీలలో ఒకటిగా నిలిచింది ముందు హార్వర్డ్ బిజినెస్ స్కూల్ వద్ద ఒక ప్రొఫెసర్ ఉంది. అతను హరాస్ కి వెళ్ళినప్పుడు, Loveman వినియోగదారు ప్రవర్తనను గురించి సమాచారాన్ని అద్భుతమైన మొత్తంలో సేకరించిన ఒక తరచూ ప్రయాణించే లాంటి విశ్వాసపాత్ర కార్యక్రమాన్ని కంపెనీ రూపాంతరం. ఈ ఎల్లప్పుడూ ఆన్ కొలత వ్యవస్థ పైన, కంపెనీ ప్రయోగాలు చేయటం ప్రారంభించింది. ఉదాహరణకు, వారు ఒక నిర్దిష్ట జూదం నమూనా తో వినియోగదారులకు ఒక ఉచిత హోటల్ రాత్రి ఒక కూపన్ యొక్క ప్రభావాన్ని అంచనా వేసేందుకు ఒక ప్రయోగం అమలు కావచ్చు. ఇక్కడ Loveman హరాస్ రోజువారీ వ్యాపార అలవాట్లకు ప్రయోగం యొక్క ప్రాముఖ్యతను వివరించారు వార్తలు:

    "ఇది మీరు మహిళలు హింసించడానికి లేదు వంటి, మీరు దొంగతనం లేదు, మరియు మీరు ఒక నియంత్రణ సమూహం కలిగి పొందారు. ఈ మీరు Harrah's-కాదు నియంత్రణ సమూహం నడుస్తున్న వద్ద మీ ఉద్యోగ కోల్పోతారు చేసే విషయాలు ఒకటి. " (Manzi 2012, 146)

    Loveman అది ఒక నియంత్రణ సమూహం కలిగి చాలా ముఖ్యమైనది ఎందుకు ఆలోచించడం వివరిస్తూ ఒక కొత్త ఉద్యోగి ఒక ఇమెయిల్ వ్రాయండి. మీరు ఒక ఉదాహరణని-గాని నిజమైన లేదా అప్ టు మీ పాయింట్ వర్ణించేందుకు తయారు ఉన్నాయి ప్రయత్నించాలి.

  19. [ హార్డ్ , గణిత అవసరం ] ఒక కొత్త ప్రయోగం టీకా తీసుకునే టెక్స్ట్ సందేశం రిమైండర్లు అందుకుంటున్న ప్రభావాన్ని అంచనా వేయడం లక్ష్యం. 150 క్లినిక్లు, 600 అర్హత రోగులకు ప్రతి, పాల్గొనేందుకు సిద్ధమయ్యాయి. మీరు పని అనుకుంటున్నారా ప్రతి క్లినిక్లో కోసం 100 డాలర్ల స్థిర వ్యయం ఉంది, మరియు మీరు పంపాలనుకుంటే ప్రతి టెక్స్ట్ సందేశం కోసం 1 డాలర్ ఖర్చవుతుంది. మరింత, మీరు కలిసి ఆ ఏ క్లినిక్లు ఫలితం అంచనా ఉచిత (ఎవరైనా ఒక టీకా పొందినా). మీరు 1000 డాలర్ల బడ్జెట్ భావిస్తాయి.

    1. ఏమి పరిస్థితులలో ఇది క్లినిక్లు ఒక చిన్న సంఖ్య మరియు ఏమి పరిస్థితుల్లో మీ వనరులను కేంద్రీకరించేందుకు మరింత విస్తృతంగా వాటిని వ్యాప్తి మంచి కావచ్చు మంచి కావచ్చు?
    2. ఏం కారకాలు మీరు విశ్వసనీయంగా మీ బడ్జెట్ తో గుర్తించడం చెయ్యగలరు ఆ చిన్న ప్రభావం పరిమాణం నిర్ణయించడానికి ఉంటుంది?
    3. ఒక సంభావ్య funder ఈ విక్రయాల్లో వివరిస్తూ ఒక మెమో వ్రాయండి.
  20. [ హార్డ్ , గణిత అవసరం ] ఆన్లైన్ కోర్సులు ప్రధాన సమస్య ఘర్షణ ఉంది; కోర్సులు ప్రారంభించడానికి అనేక విద్యార్థులు జారవిడిచిన అవుట్ ముగుస్తుంది. మీరు ఒక ఆన్లైన్ లెర్నింగ్ వేదిక వద్ద పని, మరియు వేదిక వద్ద ఒక రూపకర్త ఆమె కోర్సు యొక్క విరమణకు నుండి విద్యార్థులు నిరోధించడానికి సహాయం చేస్తుంది యోచిస్తుంది ఒక దృశ్య పురోగతి బార్ సృష్టించింది ఆలోచించండి. మీరు ఒక పెద్ద గణన సామాజిక శాస్త్రం కోర్సులో విద్యార్థులు పురోగతి బార్ యొక్క ప్రభావం పరీక్షించడానికి కావలసిన. ప్రయోగంలో సంభవించబోయే ఏ నైతిక సమస్యలను తర్వాత, మీరు మరియు మీ సహచరులు వాస్తవానికి విశ్వసనీయంగా పురోగతి బార్ యొక్క ప్రభావాలు గుర్తించడం తగినంత విద్యార్థులు లేకపోవచ్చు కలత పొందండి. మీరు క్రింద లెక్కలు లో విద్యార్థుల సగం ఊహించుకుని పురోగమనంలో బార్ మరియు సగం అందుకుంటారు. మరింత, మీరు ఏ జోక్యం ఉందని భావించవచ్చు. ఇతర మాటలలో, మీరు పాల్గొన్న వారు చికిత్స లేదా నియంత్రణ పొందినా ప్రభావితమవుతాయి ఊహించుకుని; వారు ఇతరుల చికిత్స లేదా నియంత్రణ (మరింత అధికారిక నిర్వచనం చూడుము పొందినా ప్రభావితం లేదు Gerber and Green (2012) , సిహెచ్. 8). దయచేసి మీరు చేసే ఏ అదనపు అంచనాలు ట్రాక్.

    1. పురోగతి బార్ అనుకుందాం 1 శాతం పాయింట్ ద్వారా తరగతి పూర్తి విద్యార్ధుల నిష్పత్తిపై పెరుగుతాయని, విశ్వసనీయంగా ప్రభావం కనుగొనడం అవసరమైన నమూనా పరిమాణం ఏమిటి?
    2. పురోగతి బార్ అనుకుందాం 10 శాతం పాయింట్లు తరగతి పూర్తి విద్యార్ధుల నిష్పత్తిపై పెరుగుతాయని, విశ్వసనీయంగా ప్రభావం కనుగొనడం అవసరమైన నమూనా పరిమాణం ఏమిటి?
    3. ఇప్పుడు మీరు అన్ని కోర్సు పదార్థాలు ఒక ఆఖరి పరీక్ష తీసుకున్న పూర్తి చేసిన ప్రయోగం మరియు విద్యార్థులు అమలు చేసిన ఊహించుకోండి. మీరు మీ ఆశ్చర్యం కాదు, మీరు కనుగొన్న ఆ, చాలా వరకు పురోగతి బార్ పొందిన పురోగతి బార్ అందుకోలేదు చేసిన విద్యార్థులు నిజానికి అధిక చేసాడు విద్యార్థులు ఆఖరి పరీక్ష స్కోర్ల సరిపోల్చండి. ఈ పురోగతి బార్ విద్యార్థులు తక్కువ తెలుసుకోవడానికి కారణమైన భావమా? మీరు ఈ ఫలితం డేటా నుండి ఏమి నేర్చుకోవచ్చు? (సూచన: చూడండి Gerber and Green (2012) , సిహెచ్ 7.)
  21. [ చాలా కఠినం , కోడింగ్ అవసరం ] ఒక సుందరమైన కాగితం లో, Lewis and Rao (2015) స్పష్టమైన కూడా భారీ ప్రయోగాలు ప్రాథమిక గణాంక పరిమితి ఎదురుకాదు. పేపరు ​​మొదట్లో "అడ్వర్టైజింగ్ రాబడులను కొలవడం నియర్-అసంభవం న" రెచ్చగొట్టే శీర్షిక కలిగి అది కూడా డిజిటల్ ప్రయోగాలు వినియోగదారులు మిలియన్ల పాల్గొన్న తో, ఆన్లైన్ ప్రకటనలు రాబడులకు లెక్కించటం ఎంత కష్టం -shows. మరింత సాధారణంగా, కాగితం స్పష్టంగా శబ్దంతో ఫలితం డేటా నడుమ చిన్న చికిత్స ప్రభావాన్ని అంచనా వేయడం కష్టం అని చూపిస్తుంది. లేదా diffently పేర్కొంది, కాగితం అంచనా చికిత్సా ఫలితాలని పెద్ద విశ్వసనీయాంతరాలు అని చూపిస్తుంది ప్రభావం టు ప్రామాణికం విచలనం (\ (\ frac {\ Delta \ పట్టీ {y}} {\ సిగ్మా} \)) నిష్పత్తి చిన్నది. ఈ కాగితం నుండి ముఖ్యమైన సాధారణ పాఠం చిన్న ప్రభావం టు ప్రామాణికం విచలనం నిష్పత్తి ప్రయోగాల నుండి ఫలితాలను (ఉదా, ప్రకటన ప్రచారాలను ROI) అసంతృప్తికర అని ఉంది. మీ సవాలు ఒక యాడ్ ప్రచారం యొక్క ROI కొలిచేందుకు ఒక ప్రణాళిక ప్రయోగం evaluting మీ సంస్థ యొక్క మార్కెటింగ్ శాఖ లో ఎవరైనా ఒక మెమో వ్రాయడానికి ఉంటుంది. మీ మెమో కంప్యూటర్ అనుకరణలను ఫలితాలు గ్రాఫ్లు మద్దతు చేయాలి.

    ఇక్కడ మీరు అవసరం అని కొంత నేపథ్య సమాచారం. ఈ సంఖ్యా విలువలు అన్ని నివేదించారు నిజమైన ప్రయోగాలు సాధారణమైనవి Lewis and Rao (2015) :

    • ROI, ఆన్లైన్ ప్రచారాల్లో ఒక కీలక మెట్రిక్, ప్రచారం (ప్రచారం యొక్క ప్రచారం మైనస్ ఖరీదు స్థూల లాభం) ప్రచారం ఖర్చు ద్వారా విభజించబడింది నుండి నికర లాభం పేర్కొంటారు. అమ్మకాలపై ఎటువంటి ప్రభావం -100% ఒక ROI ఎక్కడ ఉత్పత్తి లాభాలు ఖర్చులు సమానంగా 0 ఒక ROI వుంటుంది ఉండేవి ప్రచారం ఉండేది అని ప్రచారం ఉదాహరణకు.

    • వినియోగదారునికి సగటు అమ్మకాలు $ 75 ఒక ప్రామాణిక విచలనం $ 7.

    • ప్రచారంలో వినియోగదారునికి $ 0.35 వినియోగదారునికి $ 0.175 లాభాలు పెరుగుదల అనుగుణంగా ఉండే ద్వారా అమ్మకాలు పెంచడానికి భావిస్తున్నారు. ఇతర మాటలలో, స్థూల మార్జిన్ 50% ఉంది.

    • ప్రయోగం యొక్క ప్రణాళిక పరిమాణం 200,000 మంది నియంత్రణ గ్రూపు చికిత్స గుంపుకు సగం మరియు సగం ఉంటుంది.

    • ప్రచారంలో ఖర్చు ప్రతి పాల్గొనే $ 0.14 ఉంది.

    ఈ ప్రయోగం evaluting ఒక మెమో వ్రాయండి. మీరు అనుకున్నట్టు ఈ ప్రయోగం ప్రారంభించడం సిఫార్సు అనుకుంటున్నారా? అలా అయితే, ఎందుకు? లేకపోతే, ఏమి మార్పులు మీరు సిఫారసు చేస్తాం?

    ఒక మంచి మెమో ఈ నిర్దిష్ట సందర్భంలో చర్చిస్తారు; ఒక మంచి మెమో ఒక విధంగా ఈ కేసులో సాధారణీకరించడం (ఉదా, చూపించడానికి ఎలా ప్రభావం టు ప్రామాణికం విచలనం నిష్పత్తి విధిగా నిర్ణయం మార్పులు); మరియు ఒక గొప్ప మెమో పూర్తిగా సాధారణీకరణం ఫలితంగా బహుకరిస్తుంది.

  22. [ చాలా కఠినం , గణిత అవసరం ] అదే మునుపటి ప్రశ్న గా డు, కానీ అనుకరణ కంటే మీరు విశ్లేషణాత్మక ఫలితాలు వాడాలి.

  23. [ చాలా కఠినం , గణిత అవసరం , కోడింగ్ అవసరం ] మునుపటి ప్రశ్న అదే చేయండి, కానీ అనుకరణ మరియు విశ్లేషణాత్మక ఫలితాలు రెండు ఉపయోగించవచ్చు.

  24. [ చాలా కఠినం , గణిత అవసరం , కోడింగ్ అవసరం ] మీరు పైన ఉపయోగించి అనుకరణ, విశ్లేషణాత్మక ఫలితాలు, లేదా మార్కెటింగ్ శాఖ నుంచి రెండింటిని మరియు ఎవరైనా గాని కాకుండా అంటే అంచనా వైవిధ్యత కంటే ఒక తేడా ఇన్ తేడాలు అంచనా వేస్తుంది సిఫార్సు వివరించిన మెమో రాసిన ఇమాజిన్ (విభాగం 4.6.2 చూడండి) . ప్రయోగం తర్వాత ప్రయోగానికి ముందు అమ్మకాలు మరియు అమ్మకాలు మధ్య 0.4 సహసంబంధం మీ ముగింపు ప్రభావితం చేస్తాయని ఎలా వివరిస్తూ ఒక కొత్త పొట్టి మెమో వ్రాయండి.

  25. [ హార్డ్ , గణిత అవసరం ] ఒక కొత్త వెబ్ ఆధారిత కెరీర్లో సేవ యొక్క ప్రభావం అంచనా చేయడానికి, ఒక విశ్వవిద్యాలయం కెరీర్ సర్వీసెస్ కార్యాలయం పాఠశాల వారి ఆఖరి సంవత్సరం ప్రవేశిస్తున్న 10,000 విద్యార్థులంతా స్వైర నియంత్రణ విచారణ నిర్వహించారు. ఇతర 5,000 మంది విద్యార్ధులు నియంత్రణ సమూహం లో ఉన్నప్పుడు మరియు ఒక చందా లేని ఏకైక లాగ్ ఇన్ సమాచారం ఒక ఉచిత చందా, యాదృచ్ఛికంగా ఎంపిక విద్యార్థులు 5,000 ఒక ప్రత్యేక ఇమెయిల్ ఆహ్వానం ద్వారా పంపబడింది. పన్నెండు నెలల తర్వాత ఒక అనుసరించండి- up సర్వే (ఏ కాని స్పందనతో) రెండు చికిత్స మరియు నియంత్రించిన సమూహాల, విద్యార్థులు 70% వారి ఎంచుకున్న రంగంలో (టేబుల్ 4.5) లో పూర్తి సమయం ఉపాధి సురక్షితం అని చూపిస్తుంది. అందువలన, ఇది వెబ్ ఆధారిత సేవ ప్రభావాన్ని కలిగి ఉన్నట్లు తెలుస్తోంది.

    అయితే, విశ్వవిద్యాలయంలో ఒక తెలివైన డేటా శాస్త్రవేత్త ఒక బిట్ మరింత సన్నిహితంగా డేటా చూస్తూ చికిత్స సమూహంలో విద్యార్థులు మాత్రమే 20% ఎప్పుడైనా ఇమెయిల్ పొందిన తరువాత ఖాతాలోకి లాగిన్ కనుగొన్నారు. మరింత, మరియు కొంతవరకు ఆశ్చర్యకరంగా, ఎవరు వెబ్సైట్ లోకి లాగిన్ చేశారు వారిలో కేవలం 60% పూర్తి సమయం ఉపాధి ప్రజలకు రేటు కంటే లాగిన్ లేదని ప్రజలు కోసం రేటు కంటే తక్కువ మరియు తక్కువ ఉంది వారు ఎంచుకున్న రంగంలో సంపాదించాడు నియంత్రణ పరిస్థితి (టేబుల్ 4.6).

    1. ఏమి జరిగి ఉండొచ్చన్న వివరణ ఇవ్వండి.
    2. ఈ ప్రయోగం లో చికిత్స ప్రభావం లెక్కించేందుకు రెండు వేర్వేరు మార్గాలు ఏమిటి?
    3. ఈ ఫలితాన్ని ఇచ్చిన, విశ్వవిద్యాలయం వృత్తి సేవా విద్యార్థులందరికీ ఈ వెబ్ ఆధారిత కెరీర్లో సేవ అందించాలి? జస్ట్ స్పష్టతను, ఈ ఒక సాధారణ సమాధానం ఒక ప్రశ్న.
    4. వారు తదుపరి ఏమి చేయాలి?

    సూచన: ఈ ప్రశ్న ఈ అధ్యాయం లో కవర్ పదార్థం దాటి, కానీ ప్రయోగాల్లో సాధారణ సమస్యలను పరిష్కరిస్తుంది. పాల్గొనే చికిత్స చేయటం ప్రోత్సహించింది ఎందుకంటే ప్రయోగాత్మక రూపకల్పన ఈ రకమైన కొన్నిసార్లు ఒక ప్రోత్సాహంతో డిజైన్ అంటారు. ఈ సమస్య ఏమిటి ఏకపక్షంగా సాగిన తీసే అంటారు ఒక ఉదాహరణ (చూడండి Gerber and Green (2012) , సిహెచ్. 5)

  26. [ హార్డ్ ] మరింత పరీక్ష తర్వాత, మునుపటి ప్రశ్న వివరించిన ప్రయోగం మరింత సంక్లిష్టమైన అని అవుతుంది. ఇది నియంత్రణ సమూహం లో ప్రజల 10% సర్వీస్ను యాక్సెస్ చెల్లించిన, మరియు వారు 65% (టేబుల్ 4.7) యొక్క ఒక ఉద్యోగితా రేటు తో ముగించారు హాజరవుతారు.

    1. మీరు జరుగుతుందో ఆలోచించడం మరియు చర్య యొక్క ఒక కోర్సు సిఫార్సు ఏమి క్రోడీకరించి ఒక ఇమెయిల్ వ్రాయండి.

    సూచన: ఈ ప్రశ్న ఈ అధ్యాయం లో కవర్ పదార్థం దాటి, కానీ ప్రయోగాల్లో సాధారణ సమస్యలను పరిష్కరిస్తుంది. ఈ సమస్య ఏమిటి ద్విపార్శ్వ తీసే అంటారు ఒక ఉదాహరణ (చూడండి Gerber and Green (2012) , సిహెచ్. 6)

టేబుల్ 4.5: కెరీర్ సర్వీసెస్ ప్రయోగం నుండి సమాచారం యొక్క సాధారణ దృశ్యం.
గ్రూప్ పరిమాణం ఉపాధి రేటు
వెబ్సైట్ ప్రాప్యత మంజూరు 5,000 70%
మంజూరు నాట్ వెబ్సైట్ యాక్సెస్ 5,000 70%
టేబుల్ 4.6: కెరీర్ సర్వీసెస్ ప్రయోగం నుండి డేటా యొక్క మరింత పూర్తి దృశ్యం.
గ్రూప్ పరిమాణం ఉపాధి రేటు
వెబ్సైట్కు యాక్సెస్ మంజూరు మరియు లాగిన్ 1,000 60%
వెబ్సైట్ ఆక్సెస్ మన్నించి లాగిన్ ఎప్పుడూ 4,000 85%
మంజూరు నాట్ వెబ్సైట్ యాక్సెస్ 5,000 70%
టేబుల్ 4.7: కెరీర్ సర్వీసెస్ ప్రయోగం నుండి డేటా యొక్క పూర్తి వీక్షణ.
గ్రూప్ పరిమాణం ఉపాధి రేటు
వెబ్సైట్కు యాక్సెస్ మంజూరు మరియు లాగిన్ 1,000 60%
వెబ్సైట్ ఆక్సెస్ మన్నించి లాగిన్ ఎప్పుడూ 4,000 72.5%
వెబ్సైట్కు యాక్సెస్ మంజూరు మరియు అది చెల్లించిన 500 65%
వెబ్సైట్కు యాక్సెస్ మంజూరు లేదు మరియు అది ఇవ్వలేదని 4,500 70,56%