4.3 రెండు ప్రయోగాలు కొలతలు: ప్రయోగశాల రంగంలో మరియు అనలాగ్-డిజిటల్

ల్యాబ్ పరిశోధనలు నియంత్రణను అందిస్తాయి రంగంలో ప్రయోగాలు వాస్తవికత అందించే, మరియు డిజిటల్ రంగంలో ప్రయోగాలు స్థాయిలో నియంత్రణ మరియు వాస్తవికత మిళితం.

ప్రయోగాలు అనేక వివిధ ఆకారాలు మరియు పరిమాణాలు వస్తాయి. కానీ, ఈ తేడాలు ఉన్నప్పటికీ, పరిశోధకులు ఉపయోగపడిందా ల్యాబ్ పరిశోధనలు మరియు ఫీల్డ్ ప్రయోగాలు మధ్య నిరంతర పాటు ప్రయోగాలు నిర్వహించడానికి కనుగొన్నారు. ఇప్పుడు, అయితే, పరిశోధకులు కూడా ప్రయోగాలు అనలాగ్ ప్రయోగాలు మరియు డిజిటల్ ప్రయోగాలు మధ్య నిరంతర పాటు నిర్వహించడానికి ఉండాలి. ఈ రెండు డైమెన్షనల్ డిజైన్ స్పేస్ మీరు బలాలు మరియు వివిధ పద్ధతుల బలహీనతల అర్థం మరియు సూచించారు గొప్ప అవకాశం ప్రాంతాల్లో (మూర్తి 4.1) సహాయం చేస్తుంది.

మూర్తి 4.1 ప్రయోగాలు రూపకల్పన స్థలం స్కీమాటిక్. గతంలో, ప్రయోగాలు ప్రయోగశాల రంగంలో మితీయ మారుతూ వచ్చింది. ఇప్పుడు, వారు ఆనలాగ్-డిజిటల్ కోణాలను వేర్వేరుగా ఉంటాయి. నా అభిప్రాయం లో, గొప్ప అవకాశాన్ని ప్రాంతంలో డిజిటల్ రంగంలో ప్రయోగాలు ఉంది.

గతంలో, పరిశోధకులు ప్రయోగాలు నిర్వహించిన ప్రధాన మార్గం ప్రయోగశాల రంగంలో పరిమాణం వెంట ఉంది. సామాజిక శాస్త్రాలలో ప్రయోగాలు ఎక్కువగా అండర్గ్రాడ్యుయేట్ విద్యార్థులు కోర్సు క్రెడిట్ కోసం ఒక ప్రయోగశాల లో వింత పనులను ప్రయోగశాల ప్రయోగాలు జరుగుతున్నాయి. అది సామాజిక ప్రవర్తన గురించి చాలా నిర్దిష్ట సిద్ధాంతాలు పరీక్షిస్తాయి రూపొందించబడిన నిర్దిష్ట చికిత్సలు సృష్టించడానికి పరిశోధకులు అనుమతిస్తుంది ఎందుకంటే ప్రయోగంలో ఈ రకమైన మనస్తత్వ శాస్త్రాలలో పరిశోధనను ప్రభావితం. కొన్ని సమస్యలు, అయితే, ఏదో ఒక అసాధారణ సెట్టింగ్ లో ఇటువంటి అసాధారణ పనులు చేస్తూ ఇటువంటి అసాధారణ వారి నుంచి మానవ ప్రవర్తన గురించి బలమైన నిర్దారణలను గురించి ఒక బిట్ వింత భావిస్తాడు. ఈ ఆందోళనలు రంగంలో ప్రయోగాలు వైపు ఉద్యమం దారి తీసాయి. ఫీల్డ్ ప్రయోగాలు స్వైర నియంత్రణ ప్రయోగాల బలమైన డిజైన్ పాల్గొనే మరింత ప్రతినిధి బృందాలు మరింత సాధారణ పనులను, మరింత సహజ అమరికలలో మిళితం.

కొంతమంది పోటీ పద్ధతులుగా ప్రయోగశాల మరియు రంగంలో ప్రయోగాల అనుకున్నా, అది వివిధ బలాలు మరియు బలహీనతల పరిపూరకరమైన పద్ధతులు వంటి వాటిలో ఆలోచించడం ఉత్తమం. ఉదాహరణకు, Correll, Benard, and Paik (2007) ఒక ప్రయోగశాల ప్రయోగం మరియు వనరులుగా "మాతృత్వం పెనాల్టీ." యునైటెడ్ స్టేట్స్ లో కనుగొనేందుకు ప్రయత్నంలో ఒక రంగంలో ప్రయోగంలో రెండు ఉపయోగించవచ్చు, తల్లులు, కూడా పిల్లలు లేని స్త్రీలు కంటే తక్కువ డబ్బు సంపాదించడానికి ఇలాంటి ఉద్యోగాలు పని ఇలాంటి నైపుణ్యాలు తో మహిళలు పోల్చారు. ఈ నమూనా కోసం అనేక వివరణలు ఉన్నాయి, మరియు ఒక యజమానులు తల్లులు వ్యతిరేకంగా పక్షపాతం ఉంటాయి అని. (: వారు పోల్చదగిన పిల్లలు లేకుండా పురుషుల కంటే ఎక్కువ సంపాదించడానికి ఉంటాయి ఆసక్తికరంగా సరసన తండ్రుల నిజమని తెలుస్తోంది). ల్యాబ్లో ఒకటి పొలములో ఒకటి: తల్లులు వ్యతిరేకంగా సంభావ్య పక్షపాతం అంచనా చేయడానికి, Correll మరియు సహచరులు ఇద్దరు ప్రయోగాలు నడిచింది.

మొదటి, ఒక ప్రయోగశాల ప్రయోగంలో Correll మరియు సహచరులు కళాశాల కలిగిన స్నాతకపూర్వ వీరు పాల్గొనే, ఒక కాలిఫోర్నియాలో ప్రారంభ సమాచార కంపెనీ తన కొత్త ఈస్ట్ కోస్ట్ మార్కెటింగ్ శాఖ నడిపించడానికి ఒక వ్యక్తి కోసం ఒక ఉపాధి శోధన జరుపుతోందని చెప్పారు. స్టూడెంట్స్ కంపెనీ నియామక ప్రక్రియ పూర్తి సహాయ కోరుకున్నారు మరియు వారు అనేక సంభావ్య అభ్యర్థులు రెస్యూమ్ సమీక్షించడానికి వంటి వారి మేధస్సు, వెచ్చదనం, మరియు పని నిబద్ధత కొలతలు అనేక అభ్యర్థులను రేట్ అడిగారు చెప్పబడ్డాయి. ఇంకా, వారు దరఖాస్తుదారు మరియు అవి ఏమి ప్రారంభ వేతనం వంటి సిఫారసు చేస్తాం నియామకం సిఫారసు చేస్తాం ఉంటే విద్యార్థులు అడిగారు. విద్యార్థులకు తెలియకుండా, అయితే, రెస్యూమ్స్ ప్రత్యేకంగా ఒక విషయం తప్ప పోలి ఉంటుంది నిర్మించారు: రెస్యూమ్ కొన్ని సంకేతాన్ని మాతృత్వం (తల్లితండ్రుల-గురువు సహకారంతో ప్రమేయం జాబితా) మరియు కొన్ని జరగలేదు. Correll విద్యార్థులు తల్లులు నియామకం సిఫార్సు తక్కువ అవకాశాలు ఉన్నాయి మరియు వాటిని దిగువ ప్రారంభ జీతం ఇచ్చింది కనుగొన్నారు. మరింత, రేటింగ్లు మరియు నియామకం సంబంధిత నిర్ణయాలు రెండు యొక్క ఒక గణాంక విశ్లేషణ ద్వారా, Correll తల్లులు 'అప్రయోజనాలు ఎక్కువగా తల్లులు యోగ్యత మరియు నిబద్ధత పరంగా తక్కువ రేట్ నిజాన్ని వివరించవచ్చు తెలిసింది. ఇతర మాటలలో, Correll ఈ లక్షణాలు విధానం తల్లులు పేదలకు దీని ద్వారా వాదిస్తున్నారు. అందువలన, ఈ లాబ్ ప్రయోగం సాధారణ ప్రభావం కొలవటానికి మరియు ప్రభావం కోసం సాధ్యమయ్యే వివరణ ఇవ్వటంలో Correll మరియు సహచరులు అనుమతించింది.

కోర్సు యొక్క, ఒక బహుశా, ఒక పూర్తి స్థాయి ఉద్యోగాన్ని కలిగి ఎప్పుడూ ఎవరు విడదీసి ప్రజలు నియమించారు కొన్ని వందల స్నాతకపూర్వ నిర్ణయాలు ఆధారంగా మొత్తం సంయుక్త కార్మిక మార్కెట్ గురించి నిర్ణయాలను తీసుకోవడానికి సందేహాస్పదంగా కావచ్చు. అందువలన, Correll మరియు సహచరులు కూడా ఒక కాంప్లిమెంటరీ రంగంలో ప్రయోగంలో నిర్వహించారు. పరిశోధకులు నకిలీ కవర్ అక్షరాలు మరియు అప్లి లో పంపడం ద్వారా ప్రచారమే ఉద్యోగం ప్రారంభాలు వందల స్పందించింది. అండర్ చూపిన పదార్థాలు లాగానే, కొన్ని రెస్యూమ్ మాతృత్వం సంకేతాన్ని మరియు కొన్ని జరగలేదు. Correll మరియు సహచరులు తల్లులు సమానంగా అర్హత పిల్లలు లేని స్త్రీలు కంటే ఇంటర్వ్యూ కోసం తిరిగి అని వచ్చే అవకాశం తక్కువగా కనుగొన్నారు. ఇతర మాటలలో, ఒక సహజ నేపధ్యంలో పరిణామాత్మక నిర్ణయాలు మేకింగ్ నిజమైన యజమానులు చాలా కలిగిన స్నాతకపూర్వ వంటి ప్రవర్తించారు. వారు అదే కారణం నిర్ణయాలు తీసుకునే తెలుసా? దురదృష్టవశాత్తు, మేము తెలియదు. పరిశోధకులు రేట్ అభ్యర్థులు లేదా వారి నిర్ణయాలు వివరించేందుకు యజమానులు అడగండి చెయ్యలేకపోయాము.

ప్రయోగాలు ఈ జంట సాధారణంగా ప్రయోగశాల మరియు రంగంలో ప్రయోగాలు గురించి చాలా చెబుతాడు. ల్యాబ్ పరిశోధనలు పాల్గొనే నిర్ణయాలు దీనిలో పర్యావరణం యొక్క మొత్తం కంట్రోల్ దగ్గర పరిశోధకులు అందిస్తున్నాయి. కాబట్టి, ఉదాహరణకు, ప్రయోగశాల ప్రయోగంలో, Correll అన్ని రెస్యూమ్ ఒక నిశ్శబ్ద నేపధ్యంలో చదివేవారు ఉండేలా చేయగలిగింది; రంగంలో ప్రయోగంలో, రెస్యూమ్స్ కొన్ని కూడా చదివాను కాదు ఉండవచ్చు. మరింత, ప్రయోగశాల నేపధ్యంలో పాల్గొనే వారు అధ్యయనం చేస్తున్నారు తెలుసు ఎందుకంటే పరిశోధకులు తరచుగా ఎందుకు పాల్గొనే వారి నిర్ణయాలు వాటిని అర్థం సహాయపడే అదనపు డేటా సేకరించడానికి చేయగలరు. ఉదాహరణకు, Correll రేట్ వివిధ కోణాలు అభ్యర్థులను ల్యాబ్ ప్రయోగంలో పాల్గొనే కోరారు. ప్రక్రియ సమాచారం యొక్క ఈ రకమైన పరిశోధకులు పాల్గొనే రెస్యూమ్ చికిత్స ఎలా లో తేడాలు వెనుక విధానాల అర్థం సహాయం కాలేదు.

మరోవైపు, నేను ప్రయోజనాలు వివరించి ఈ ఖచ్చితమైన లక్షణాలు కూడా కొన్నిసార్లు అప్రయోజనాలు భావిస్తారు. ఫీల్డ్ ప్రయోగాలు ఇష్టపడతారు పరిశోధకులు వారు ఆచరించారు చేస్తున్నారు ల్యాబ్ పరిశోధనలు లో పాల్గొనే చాలా భిన్నంగా పని వాదిస్తారు. ఉదాహరణకు, ప్రయోగశాల ప్రయోగం పాల్గొనే పరిశోధన యొక్క లక్ష్యంగా ఊహించిన మరియు పక్షపాతంతో అగుపిస్తాయి కాదు కాబట్టి వారి ప్రవర్తన మార్పు ఉండవచ్చు. మరింత ఫీల్డ్ ప్రయోగాలు ఇష్టపడతారు రెస్యూమ్ ఆ చిన్న తేడాలు వాదిస్తారు ఉండవచ్చు పరిశోధకులు కేవలం చాలా శుభ్రంగా, శుభ్రమైన ప్రయోగశాల వాతావరణంలో నిలబడి, మరియు ఆ విధంగా ల్యాబ్ ప్రయోగంలో నిజమైన నియమించడానికి నిర్ణయాలలో మాతృత్వం యొక్క ప్రభావం మీద-అంచనా ఉంటుంది. ప్రధానంగా పశ్చిమ, చదువుకుంటాడు పారిశ్రామిక, రిచ్ నుండి విద్యార్థులు, డెమొక్రటిక్ దేశాలు: చివరిగా, ఫీల్డ్ ఎన్నో ప్రయోగాల ప్రతిపాదకులు విచిత్రమైన పాల్గొన్న ల్యాబ్ పరిశోధనలు రిలయన్స్ విమర్శించడానికి (Henrich, Heine, and Norenzayan 2010) . Correll మరియు సహచరులు ద్వారా ప్రయోగాలు (2007) ప్రయోగశాల రంగంలో నిరంతర రెండు తీవ్రతలు ఎదురుకాదు. ఈ రెండు తీవ్రతలు మధ్య వంటి ఒక ప్రయోగశాల కాని విద్యార్థులు తీసుకురావడానికి లేదా ఫీల్డ్ వెళ్లడానికి కానీ ఇప్పటికీ పాల్గొనే ఒక అసాధారణ పని కలిగి విధానాలతో సహా హైబ్రిడ్ వివిధ రకాల ఉన్నాయి.

అనలాగ్-డిజిటల్: గతంలో ఉనికిలో ఉంది ప్రయోగశాల రంగంలో పరిమాణం పాటు, డిజిటల్ వయస్సు పరిశోధకులు ఇప్పుడు పాటు ప్రయోగాలు మారవచ్చు రెండవ ప్రధాన పరిమాణం కలిగి అర్థం. స్వచ్ఛమైన ల్యాబ్ పరిశోధనలు, స్వచ్ఛమైన రంగంలో ప్రయోగాలు, మరియు మధ్య లో సంకర వివిధ ఉన్నట్టుగా, స్వచ్ఛమైన అనలాగ్ ప్రయోగాలు, స్వచ్ఛమైన డిజిటల్ ప్రయోగాలు, మరియు సంకర వివిధ ఉన్నాయి. ఇది ఈ పరిమాణం ఒక అధికారిక నిర్వచనం అందించే కష్టమైన విషయం, కానీ ఒక ఉపయోగకరమైన వర్కింగ్ నిర్వచనం పూర్తిగా డిజిటల్ ప్రయోగాలు, పాల్గొనే సమీకరణకు రాండమ్, చికిత్సలు బట్వాడా, మరియు ఫలితాలను కొలవటానికి డిజిటల్ మౌలిక వాడుకునే ప్రయోగాలు ఉన్నారు. ఉదాహరణకు, సెటినా మరియు వాన్ డి Rijt యొక్క (2012) ఈ దశలను నాలుగు డిజిటల్ వ్యవస్థలు ఉపయోగించారు ఎందుకంటే barnstars అధ్యయనం మరియు వికీపీడియా పూర్తిగా డిజిటల్ ప్రయోగం ఉంది. అదేవిధంగా పూర్తిగా అనలాగ్ ప్రయోగాలు ఈ నాలుగు దశలను ఏ డిజిటల్ మౌలిక వినియోగించుకోవచ్చు లేని ప్రయోగాలే. మనస్తత్వ శాస్త్రంలో క్లాసిక్ యొక్క అనేక పరిశోధనలు అనలాగ్ ప్రయోగాలు జరుగుతున్నాయి. ఈ రెండు తీవ్రతలు మధ్య లో పాక్షికంగా నాలుగు దశలను అనలాగ్ మరియు డిజిటల్ వ్యవస్థలు కలిపి ఉపయోగించండి డిజిటల్ ప్రయోగాలు జరుగుతున్నాయి.

దూషిస్తూ అమలు అవకాశాలు డిజిటల్ ప్రయోగాలు కాదు కేవలం ఆన్లైన్. పరిశోధకులు చికిత్సలు బట్వాడా లేదా ఫలితాల కొలవటానికి మరియు గమనించటానికి భౌతిక ప్రపంచంలో డిజిటల్ పరికరాలు ఉపయోగించి పాక్షికంగా డిజిటల్ ప్రయోగాలను అమలు చేయవచ్చు. ఉదాహరణకు, పరిశోధకులు ఫలితాలను కొలవటానికి నిర్మించిన పర్యావరణం లో చికిత్సలు లేదా సెన్సార్లు బట్వాడా స్మార్ట్ ఫోన్లు వాడవచ్చు. నిజానికి, మేము ఈ అధ్యాయంలో తర్వాత చూస్తారు వంటి, పరిశోధకులు ఇప్పటికే ఇంటి పవర్ మీటర్ల సాంఘిక కట్టుబాట్లు మరియు గృహాలు 8.5 మిలియన్ పాల్గొన్న శక్తి వినియోగం గురించి ప్రయోగాలు ఫలితాలను కొలవటానికి ఉపయోగించిన (Allcott 2015) . డిజిటల్ పరికరాలు పెరుగుతున్న ప్రజల జీవితాల్లో కలిసిపోవచ్చు మరియు సెన్సార్లు నిర్మించిన పర్యావరణం పొందుపర్చారు అవ్వటంతో, ఈ అవకాశాలు భౌతిక ప్రపంచం లో పాక్షికంగా డిజిటల్ ప్రయోగాలను అమలు నాటకీయంగా పెరుగుతుంది. ఇతర మాటలలో, డిజిటల్ ప్రయోగాలు కేవలం ఆన్లైన్ ప్రయోగాలే.

డిజిటల్ వ్యవస్థలు ప్రతిచోటా ప్రయోగశాల రంగంలో నిరంతర పాటు ప్రయోగాలు కోసం కొత్త అవకాశాలను సృష్టించవచ్చు. స్వచ్ఛమైన ల్యాబ్ పరిశోధనలు, ఉదాహరణకు, పరిశోధకులు పాల్గొనే 'ప్రవర్తన యొక్క ముఖ్య సంగతులు కొలత కోసం డిజిటల్ వ్యవస్థలు ఉపయోగించవచ్చు; మెరుగైన కొలత యొక్క ఈ రకం యొక్క ఒక ఉదాహరణ ఇది చూపులు స్థానాల ఖచ్చితమైన మరియు నిరంతర చర్యలు అందిస్తుంది కంటికి ట్రాకింగ్ పరికరాలు. డిజిటల్ వయస్సు కూడా ప్రయోగశాల లాంటి ప్రయోగాలు అమలు అవకాశం సృష్టిస్తుంది. ఉదాహరణకు, పరిశోధకులు వేగంగా ఆన్లైన్ ప్రయోగాలు కోసం పాల్గొనే (మూర్తి 4.2) సమీకరణకు అమెజాన్ మెకానికల్ టర్క్ (MTurk) అనుసరిస్తున్నాయి. MTurk డబ్బు కోసం ఆ పనులు పూర్తి అనుకున్నవారికి "కార్మికులు" తో పూర్తవుతుంది అవసరం పనులు కలిగిన "యజమానుల" సరిపోలుతుంది. సంప్రదాయ కార్మిక మార్కెట్లలో మాదిరిగా కాకుండా, సాధారణంగా చేరి పనులు మాత్రమే కొన్ని నిమిషాల పూర్తి అవసరం మరియు యజమాని మరియు కార్మికుడు మధ్య మొత్తం పరస్పర వాస్తవిక ఉంది. సంప్రదాయ ల్యాబ్ పరిశోధనలు-చెల్లించి ప్రజలు MTurk అనుకరించడం అంశాలను వారు అలా అని పనులు పూర్తి ఎందుకంటే స్వేచ్చగా ఇది సహజంగా ప్రయోగాలు కొన్ని రకాల సరిపోయే. అత్యావశ్యకము, MTurk పాల్గొనే-నియామక మడుగులో మేనేజింగ్ మరియు ప్రజలు మరియు పరిశోధకులు ఎల్లప్పుడూ అందుబాటులో పాల్గొనేవారు యొక్క కొలను ట్యాప్ అవస్థాపన యొక్క ప్రయోజనం తీసుకున్న చెల్లించే మౌలిక సృష్టించింది.

మూర్తి 4.2: పేపర్స్ అమెజాన్ మెకానికల్ టర్క్ (MTurk) నుండి డేటాను ఉపయోగించి ప్రచురితమైన (Bohannon 2016) . MTurk మరియు ఇతర ఆన్లైన్ కార్మిక మార్కెట్లలో పరిశోధకులు పరిశోధనలకు పాల్గొనే సమీకరణకు ఒక అనుకూలమైన మార్గాన్ని అందిస్తాయి.

డిజిటల్ ప్రయోగాలు రంగంలో లాంటి ప్రయోగాలు మరింత అవకాశాలను సృష్టించవచ్చు. డిజిటల్ రంగంలో ప్రయోగాలు సహజ పర్యావరణం (రంగంలో ప్రయోగాలు వంటి) లో రియల్ నిర్ణయాలు మేకింగ్ అవకాశం విధానాల (ల్యాబ్ పరిశోధనలు వంటి) మరియు మరింత విభిన్న పాల్గొనే అర్థం గట్టి నియంత్రణ మరియు ప్రక్రియ డేటా అందిస్తారు. ముందు ప్రయోగాలు మంచి లక్షణాలు ఈ కలయిక పాటు, డిజిటల్ రంగంలో ప్రయోగాలు ఆనలాగ్ ప్రయోగశాల మరియు ఫీల్డ్ ప్రయోగాల్లో కష్టం అని మూడు అవకాశాలు అందిస్తున్నాయి.

మొదటి, అత్యంత అనలాగ్ ప్రయోగశాల మరియు రంగంలో ప్రయోగాలు పాల్గొనే వందల అయితే, డిజిటల్ రంగంలో ప్రయోగాలు పాల్గొన్న లక్షలాది కలిగి ఉంటుంది. కొన్ని డిజిటల్ ప్రయోగాలు సున్నా వేరియబుల్ ఖర్చుతో డేటా ఉత్పత్తి ఎందుకంటే కొలబద్దపై ఈ మార్పు. ఒకసారి పరిశోధకులు పాల్గొనే సంఖ్యను పెంచడం సాధారణంగా ధర పెరగదు, ఒక ప్రయోగాత్మక మౌలిక సృష్టించిన ఆ, ఉంది. 100 లేదా ఎక్కువ కారకం పాల్గొనేవారు సంఖ్య పెరుగుతున్న కేవలం ఒక పరిమాణాత్మక మార్పు లేదు, అది ప్రయోగాలు (ఉదా, చికిత్సా ఫలితాలని భిన్నత్వం) మరియు పూర్తిగా వేర్వేరు ప్రయోగాత్మక నమూనాలు అమలు (భిన్నంగా విషయాలు తెలుసుకోవడానికి పరిశోధకులు అనుమతిస్తుంది ఎందుకంటే ఒక గుణాత్మకమైన మార్పు ఉదా పెద్ద సమూహం ప్రయోగాలు). ఈ పాయింట్ చాలా ముఖ్యమైనది, నేను అధ్యాయానికి ముగింపు వైపుగా తిరిగి ఉంటాం నేను డిజిటల్ ప్రయోగాలు సృష్టించడం గురించి సలహాలు ఇచ్చారు ఉన్నప్పుడు.

రెండవది, అత్యంత అనలాగ్ ప్రయోగశాల మరియు రంగంలో ప్రయోగాలు పాల్గొనే చికిత్స అయితే వంటి విడదీయలేం విడ్జెట్స్, డిజిటల్ రంగంలో ప్రయోగాలు తరచూ పరిశోధన రూపకల్పన మరియు విశ్లేషణ దశల్లో పాల్గొనేవారి గురించి నేపథ్య సమాచారాన్ని ఉపయోగిస్తాము. వారు పూర్తిగా కొలుస్తారు వాతావరణాలలో జరుగుతాయి ఎందుకంటే ఇది ముందుగానే శుద్ధి సమాచారాన్ని అంటారు ఈ నేపథ్యంలో సమాచారం ఉంది, డిజిటల్ ప్రయోగాలు తరచుగా అందుబాటులో ఉంది. ఉదాహరణకు ఫేస్బుక్ వద్ద ఒక పరిశోధకుడు కలిగిన స్నాతకపూర్వ ఒక ప్రామాణిక ప్రయోగశాల ప్రయోగం రూపకల్పన ఒక పరిశోధకుడు కంటే ఎక్కువ ముందుగానే శుద్ధి సమాచారాన్ని కలిగి ఉంది. ఈ ముందు చికిత్స సమాచారాన్ని పాల్గొంటారు విడదీయలేం విడ్జెట్లను చికిత్స దాటి తరలించడానికి పరిశోధకులు అనుమతిస్తుంది. మరింత ప్రత్యేకంగా, ముందుగానే శుద్ధి సమాచారాన్ని మరింత సమర్థవంతంగా ప్రయోగాత్మక రూపకల్పనలు-వంటి నిరోధించడాన్ని అనుమతిస్తుంది (Higgins, Sävje, and Sekhon 2016) మరియు పాల్గొన్న వారిలో లక్ష్యంగా నియామక (Eckles, Kizilcec, and Bakshy 2016) -మరియు మరింత తెలివైన విశ్లేషణా వంటి భిన్నత్వం యొక్క అంచనా చికిత్స ప్రభావాలు (Athey and Imbens 2016a) మరియు మెరుగైన ఖచ్చితత్వం covariate సర్దుబాటు (Bloniarz et al. 2016) .

మూడవ, అనేక అనలాగ్ ప్రయోగశాల మరియు రంగంలో ప్రయోగాలు సమయం సాపేక్షంగా కంప్రెస్ మొత్తంలో చికిత్సలు మరియు కొలత ఫలితాలను బట్వాడా అయితే, కొన్ని డిజిటల్ రంగంలో ప్రయోగాలు కాలక్రమేణా పంపిణీ చేయవచ్చు మరియు ప్రభావాలు కాలక్రమేణా కొలవవచ్చు చికిత్సలు సంబంధం ఉంటుంది. ఉదాహరణకు, సెటినా మరియు వాన్ డి Rijt యొక్క ప్రయోగం 90 రోజుల రోజువారీ కొలుస్తారు ఫలితం ఉంది, మరియు ప్రయోగాలలో ఒకదాన్ని నేను తరువాత అధ్యాయంలో గురించి మీరు చెప్పండి చేస్తాము (Ferraro, Miranda, and Price 2011) ప్రాథమికంగా 3 సంవత్సరాలుగా ఫలితాలను ట్రాక్ ఏ ఖరీదు. ప్రయోగాలు పైన అమలు చేసినప్పుడు ఈ మూడు అవకాశాలు పరిమాణం, ముందుగానే శుద్ధి సమాచారం, మరియు రేఖాంశ చికిత్స మరియు ఫలితం అత్యంత సాధారణ డేటా ఇవి ఎప్పుడూ కొలతలు వ్యవస్థలు (ఎప్పుడూ కొలిచే వ్యవస్థలను మరింత అధ్యాయము 2 చూడండి).

డిజిటల్ రంగంలో ప్రయోగాలు అనేక అవకాశాలను అందించే ఉండగా, వారు కూడా అనలాగ్ ప్రయోగశాల మరియు రంగంలో ప్రయోగాలు రెండింటినీ కొన్ని బలహీనతలను భాగస్వామ్యం. ఉదాహరణకు, ప్రయోగాలు గత అధ్యయనం చేయడానికి ఉపయోగించే సాధ్యం కాదు, మరియు వారు మాత్రమే అవకతవకలు చేసే చికిత్సలు యొక్క ప్రభావాలు అంచనా చేయవచ్చు. అలాగే, ప్రయోగాలు నిస్సందేహంగా విధానం మార్గనిర్దేశం ఉపయోగకరమైన ఉన్నప్పటికీ, వారు అందించే ఖచ్చితమైన మార్గదర్శకత్వం ఎందుకంటే పర్యావరణ ఆధారపడటం, సమ్మతి సమస్యలు, మరియు సమతౌల్య ప్రభావాలు సమస్యలు కొంతవరకు పరిమితం (Banerjee and Duflo 2009; Deaton 2010) . చివరగా, డిజిటల్ రంగంలో ప్రయోగాలు రంగంలో ప్రయోగాలు, రూపొందించినవారు నైతిక ఆందోళనలు పెంచు. ఫీల్డ్ ప్రయోగాలు యొక్క మద్దతుదారులు మిలియన్ల సంఖ్యలో ప్రజలు తయారు పరిణామాత్మక నిర్ణయాలలో నిరాటంకంగా మరియు యాదృచ్చికంగా జోక్యం వారి సామర్థ్యాన్ని ట్రంపెట్. ఈ లక్షణాలు నిర్దిష్ట శాస్త్రీయ ప్రయోజనాలు అందించే, కానీ వారు కూడా (పరిశోధకులు పెద్ద స్థాయిలో "లాబ్ ఎలుకల" వంటి చికిత్స ప్రజలు దాని గురించి ఆలోచించడం) రంగంలో ప్రయోగాలు నైతికంగా అందిస్తాయి. ఇంకా, సాధ్యమైనంత హానికరమైన పాటు భాగస్వాములకు లో, డిజిటల్ రంగంలో ప్రయోగాలు, ఎందుకంటే వారి స్థాయి యొక్క, సామాజిక వ్యవస్థలు పని విఘాతం గురించి పెంచడానికి చేయవచ్చు (ఉదా వికీపీడియా బహుమతి వ్యవస్థ అంతరాయం సెటినా మరియు వాన్ డెర్ Rijt చాలా barnstars ఇచ్చింది ఉంటే గురించి ఆందోళనలు) .