4.5.2 Partner na may malakas na

Partnering maaaring mabawasan ang mga gastos at dagdagan ang antas, ngunit maaari itong baguhin ang mga uri ng mga kalahok, paggamot, at kinalabasan na maaari mong gamitin.

Ang mga alternatibo sa gawin sa sarili ay partnering sa isang malakas na organisasyon tulad ng isang kumpanya, pamahalaan, o NGO. Ang bentahe ng nagtatrabaho sa isang partner ay na maaari nilang daan sa iyo upang magpatakbo ng mga eksperimento na ikaw lamang ay hindi maaaring gawin sa pamamagitan ng iyong sarili. Halimbawa, ang isa sa mga eksperimento na kukunin ko na sabihin sa iyo ang tungkol sa ibaba kasangkot sa 61 milyong mga kalahok; walang mga indibidwal na researcher ay maaaring makamit na scale. Kasabay nito na partnering ay nagdaragdag kung ano ang maaari mong gawin, ito rin, sabay-sabay, constrains iyo. Halimbawa, karamihan sa mga kumpanya ay hindi daan sa iyo upang magpatakbo ng isang eksperimento na maaaring makapinsala sa kanilang mga negosyo o kanilang reputasyon. Nagtatrabaho sa mga kasosyo rin ay nangangahulugan na kapag ito ay dumating na oras upang i-publish, maaari mong dumating sa ilalim ng presyon sa "re-frame" ang iyong mga resulta, at ilang mga kasosyo ay maaaring kahit na subukan upang harangan ang mga publication ng iyong trabaho kung ito ay gumagawa ng mga ito hitsura masama. Sa wakas, partnering ay dumarating rin na may mga gastos na may kaugnayan sa pagbuo at pagpapanatili ng mga collaborations.

Ang core hamon na may upang malutas sa upang gumawa ng mga pakikipagsosyo matagumpay ay sa paghahanap ng isang paraan upang balansehin ang mga interes ng parehong partido, at isang kapaki-pakinabang na paraan upang isipin ang tungkol sa balanse na ay ni Pasteur Quadrant (Stokes 1997) . Maraming mga mananaliksik sa tingin na kung sila ay nagtatrabaho sa isang bagay na praktikal-isang bagay na maaaring maging ng interes sa isang partner-at pagkatapos ay sila ay hindi maaaring paggawa ng real science. mindset na ito ay gumawa ito lubhang mahirap na lumikha ng matagumpay na mga samahan, at ito din ang mangyayari sa maging ganap na mali. Ang problema sa ganitong paraan ng pag-iisip ay kamangha-mangha isinalarawan sa pamamagitan ng path-paglabag pananaliksik ng biologist Louis Pasteur. Habang nagtatrabaho sa isang komersyal na pagbuburo proyekto upang i-convert beet juice sa alak, natuklasan Pasteur isang bagong klase ng mikroorganismo na huli na humantong sa ang mikrobyo teorya ng sakit. Pagkatuklas na ito malulutas ng isang napaka-praktikal na problema-ito nakatulong mapabuti ang proseso ng pagbuburo-at ito humantong sa isang pangunahing pang-agham advance. Kaya, sa halip na pag-iisip tungkol sa pananaliksik sa mga praktikal na aplikasyon bilang salungat sa tunay na pang-agham na pananaliksik, ito ay mas mahusay na sa tingin ng mga ito bilang dalawang magkahiwalay na mga sukat. Research ay maaaring motivated sa pamamagitan ng paggamit (o hindi) at pananaliksik ay maaaring humingi ng pangunahing pag-unawa (o hindi). Critically, ang ilang mga pananaliksik-like Pasteur's-maaaring motivated sa pamamagitan ng paggamit at naghahanap pangunahing unawa (Figure 4.16). Research in ni Pasteur Quadrant-pananaliksik na inherently advances dalawang mga layunin-ay mainam para sa collaborations pagitan ng mga mananaliksik at mga kasosyo. Given na background, kukunin ko na ilarawan dalawang experimental pag-aaral sa pakikipagtulungan: ang isa sa isang kumpanya at ang isa ay may isang NGO.

Figure 4.16: ni Pasteur Quadrant (batay sa Fig 3.5 mula Stokes (1997) ). Sa halip na pag-iisip ng pananaliksik bilang alinman sa "basic" o "apply" ito ay mas mahusay na sa tingin ng pananaliksik bilang motivated sa pamamagitan ng paggamit (o hindi) at naghahanap ng mga pangunahing pag-unawa (o hindi). Ang isang halimbawa ng pananaliksik na ang parehong ay motivated sa pamamagitan ng paggamit at naglalayong pangunahing unawa ay ni Pasteur trabaho sa pag-convert ng beet juice sa alak na kung saan humantong sa ang mikrobyo teorya ng sakit. Ito ang uri ng trabaho na ay pinaka-ugma para sa pakikipagtulungan sa mga makapangyarihan. Mga halimbawa ng mga trabaho motivated sa pamamagitan ng paggamit ngunit na ay hindi humingi ng pangunahing unawa dumating mula sa Thomas Edison, at mga halimbawa ng mga trabaho na ay hindi motivated sa pamamagitan ng paggamit ngunit kung saan naglalayong unawa nanggaling mula Niels Bohr. Tingnan Stokes (1997) para sa isang mas masusing talakayan ng mga ito framework at bawat isa sa mga kasong ito.

Malaking kumpanya, lalo na tech na mga kompanya, kami ay binuo incredibly sopistikadong infrastructure para sa pagpapatakbo ng kumplikadong mga eksperimento. Sa tech na industriya, ang mga eksperimento ay madalas na tinatawag na A / B na pagsubok (dahil sila subukan ang pagiging epektibo ng dalawang treatment: A at B). Ang mga eksperimento ay madalas tumakbo para sa mga bagay tulad ng pagtaas-click-through rate sa mga ad, ngunit ang parehong experimental infrastructure ay maaari ding gamitin para sa pananaliksik na advances agham-unawa. Ang isang halimbawa na naglalarawan ng mga potensyal ng ganitong uri ng pananaliksik ay isang pag-aaral na isinasagawa sa pamamagitan ng isang pakikipagtulungan sa pagitan ng mga mananaliksik sa Facebook at sa University of California, San Diego, sa mga epekto ng iba't ibang mga mensahe sa bilang ng bumoboto (Bond et al. 2012) .

On November 2, 2010-ang araw ng US pakongreso halalan-ang lahat ng 61 milyong mga gumagamit Facebook na nakatira sa US at nangamumuno sa 18 kinuha bahagi sa eksperimento tungkol sa pagboto. Sa pagbisita Facebook, mga gumagamit ay sapalaran itinalaga sa isa sa tatlong mga grupo, na kung saan tinutukoy kung ano banner (kung mayroon man) ay inilagay sa tuktok ng kanilang mga News Feed (Figure 4.17):

• isang control group.
• isang pang-impormasyon na mensahe tungkol sa pagboto sa isang naki-click "Binoto ko" button at ang isang counter (info).
• isang pang-impormasyon na mensahe tungkol sa pagboto sa isang naki-click "Binoto ko" button at ang isang counter + pangalan at larawan ng kanilang mga kaibigan na na nag-click ang "I Binoto" (info + panlipunan).

Bond at kasamahan-aral ng dalawang pangunahing kinalabasan: mga iniulat uugali pagboto at aktwal na pag-uugali sa pagboto. Una, sila natagpuan na ang mga tao sa info + panlipunang grupo ay tungkol sa 2 porsyento puntos mas malamang kaysa sa mga tao sa grupo ng impormasyon upang i-click ang "Binoto ko" (tungkol sa 20% vs 18%). Dagdag dito, pagkatapos ng mga mananaliksik Pinagsama kanilang data sa magagamit na pampublikong mga talaan ng pagboto para sa tungkol sa 6 milyong mga tao sila ay natagpuan na ang mga tao sa info + social group ay 0.39 porsyento puntos mas malamang na aktwal na bumoto kaysa sa mga tao sa kalagayan control at na ang mga tao sa grupo info tulad ng malamang na bumoto bilang mga tao sa kalagayan control (Figure 4.17).

Figure 4.17: Ang mga resulta mula sa isang get-out-the-vote eksperimento sa Facebook (Bond et al. 2012) . Kalahok sa grupo info bumoto sa parehong rate bilang mga tao sa kalagayan control, ngunit ang mga tao sa info + social group bumoto sa isang bahagyang mas mataas na rate. Bars kumatawan tinatayang 95% agwat ng kumpyansa. Resulta sa graph isama tungkol sa 6 milyong mga kalahok para sa kanino mananaliksik ay maaaring tumugma sa mga tala sa pagboto.

Ang eksperimentong ito ay nagpapakita na ang ilang online get-out-the-vote mensahe ay mas mabisa kaysa sa iba, at ito ay nagpapakita na estimate ni researcher ng ang pagiging epektibo ng isang paggamot ay maaaring depende sa kung pinag-aaralan nila iniulat o aktwal na pag-uugali. Ang eksperimentong ito ay sa kasamaang-palad hindi nag-aalok ng anumang mga pahiwatig tungkol sa mga mekanismo sa pamamagitan ng kung saan ang mga social impormasyong may-kung saan ang ilang mga mananaliksik ay may playfully tinatawag na isang "mukha pile" Tumaas na pagboto. Maaaring ito ay na ang mga social impormasyon nadagdagan ang posibilidad na ang isang tao napansin ang banner o na ito ay nadagdagan ang posibilidad na ang isang tao na napansin ang banner talagang bumoto o pareho. Kaya, ang eksperimentong ito ay nagbibigay ng isang kagiliw-giliw na paghahanap na karagdagang researcher ay malamang galugarin (tingnan eg, Bakshy, Eckles, et al. (2012) ).

Bilang karagdagan sa pagsusulong ng mga layunin ng mga mananaliksik, ang eksperimentong ito din advanced na ang layunin ng organisasyon partner (Facebook). Kung binago mo ang pag-uugali-aral mula sa pagboto sa pagbili sabon, pagkatapos ay maaari mong makita na ang pag-aaral ay ang eksaktong parehong istraktura bilang isang eksperimento upang masukat ang epekto ng mga patalastas sa online (tingnan eg, Lewis and Rao (2015) ). Ang mga pagiging epektibo ad studies madalas sukatin ang epekto ng exposure sa mga patalastas sa online-the treatment sa Bond et al. (2012) ay isa lamang mga ad para sa pagboto-sa offline na pag-uugali. Kaya, pag-aaral na ito ay maaaring mag-advance kakayahan Facebook upang pag-aralan ang pagiging epektibo ng mga patalastas sa online at maaaring makatulong sa Facebook kumbinsihin ang mga potensyal advertisers na Facebook mga ad ay epektibo.

Kahit na ang mga interes ng mga mananaliksik at mga kasosyo ay halos nakahanay sa pag-aaral na ito, sila ay din bahagyang sa pag-igting. Sa partikular, ang allocation ng mga kalahok sa tatlong kundisyon-control, impormasyon, at impormasyon + sosyal-ay tremendously imbalanced: 98% ng mga sample ay itinalaga sa info + panlipunan. Ito imbalanced allocation ay hindi mabisa istatistika, at isang mas mas mahusay na laang-gugulin para sa mga mananaliksik sana ay 1/3 ng mga kalahok sa bawat pangkat. Subalit, ang imbalanced allocation nangyari dahil Nais Facebook sa lahat upang makatanggap ng impormasyon + panlipunan paggamot. Sa kabutihang palad, ang mga mananaliksik ay kinumbinsi sila na humawak likod 1% para sa isang kaugnay na paggamot at 1% ng mga kalahok para sa isang pangkat control. Kung wala ang control group ay ito ay isa lamang imposible upang masukat ang epekto ng info + panlipunan paggamot dahil ito ay naging isang "matigatig at obserbahan" eksperimento sa halip na isang randomized kinokontrol na eksperimento. Halimbawa na ito ay nagbibigay ng isang mahalagang praktikal na aralin para sa nagtatrabaho sa mga kasosyo: sometimes kang lumikha ng isang eksperimento sa pamamagitan ng nakakumbinsi sa isang tao na naghahatid ng isang paggamot at kung minsan kang lumikha ng isang eksperimento sa pamamagitan ng nakakumbinsi sa isang tao na hindi maghatid ng isang paggamot (ibig sabihin, upang lumikha ng isang control group).

Partnership ay hindi laging kailangan upang makasali tech kompanya at A / B pagsubok na may milyon-milyong mga kalahok. Halimbawa, Alexander Coppock, Andrew Guess, at Juan Ternovski (2016) nakipagsosyo sa isang kapaligiran NGO (League of Conservation Voters) upang magpatakbo ng mga eksperimento sa pagsubok iba't ibang mga diskarte para sa pagtataguyod ng mga social pagpapakilos. Ang mga mananaliksik na ginamit Twitter account ang NGO na magpadala siya ng parehong mga pampublikong tweet at pribadong direct message na tinangka upang prime iba't ibang uri ng mga pagkakakilanlan. Ang mga mananaliksik pagkatapos ay sinusukat kung alin sa mga mensaheng ito ay pinaka-epektibo para mahikayat ang mga tao upang mag-sign isang petisyon at retweet impormasyon tungkol sa isang petisyon.

Sa pangkalahatan, partnering na may malakas na nagbibigay-daan sa upang mapatakbo sa iyo sa isang scale na mahirap gawin kung hindi man, at Table 4.3 nagbibigay ng iba pang mga halimbawa ng pakikipagtulungan sa pagitan ng mga mananaliksik at mga organisasyon. Partnering ay maaaring maging lubhang mas madaling kaysa sa paggawa sa inyong sariling eksperimento. Ngunit, ang mga pakinabang na dumating na may disadvantages: pakikipagtulungan ay maaaring limitahan ang uri ng mga kalahok, treatment, at kinalabasan na maaari mong pag-aralan. Dagdag dito, ang mga samahan ay maaaring humantong sa etikal hamon. Ang pinakamahusay na paraan upang makita ang isang pagkakataon para sa isang pakikipagtulungan ay upang mapansin ang isang tunay na problema na maaari mong malutas habang gumagawa ka ng mga kagiliw-giliw science. Kung ikaw ay hindi na ginagamit sa ganitong paraan ng pagtingin sa mundo, maaari itong maging mahirap na lugar ang mga problema sa ni Pasteur Quadrant, ngunit sa pagsasanay, ikaw ay magsisimulang upang mapansin ang mga ito higit pa at higit pa.