4.6.1 sıfır değişken maliyet verilerini oluşturma

Büyük denemelerin çalıştırılmasının anahtarı, değişken maliyetinizi sıfırlamaktır. Bunu yapmanın en iyi yolu, otomasyon ve keyifli deneyler tasarlamaktır.

Dijital deneyler, önemli ölçüde farklı maliyet yapılarına sahip olabilir ve bu, araştırmacıların geçmişte imkansız olan deneyleri çalıştırmasını sağlar. Bu farkı düşünmenin bir yolu, deneylerin genellikle iki tür maliyete sahip olduğunu belirtmektir: sabit maliyetler ve değişken maliyetler. Sabit maliyetler , katılımcı sayısından bağımsız olarak değişmeden kalan maliyetlerdir. Örneğin, bir laboratuvar denemesinde, sabit maliyetler, kiralama ve mobilya satın alma maliyetleri olabilir. Diğer taraftan değişken maliyetler , katılımcı sayısına göre değişmektedir. Örneğin, bir laboratuar deneyinde, değişken maliyetler ödeme yapan personel ve katılımcılardan gelebilir. Genel olarak, analog deneyler düşük sabit maliyetlere ve yüksek değişken maliyetlere sahipken, dijital deneyler yüksek sabit maliyetlere ve düşük değişken maliyetlere sahiptir (şekil 4.19). Dijital deneyler düşük değişken maliyetlere sahip olsa da, değişken maliyetini sıfıra kadar sürdüğünüzde birçok heyecan verici fırsat yaratabilirsiniz.

Şekil 4.19: Analog ve dijital deneylerdeki maliyet yapıları şeması. Genel olarak, analog deneyler düşük sabit maliyetlere ve yüksek değişken maliyetlere sahipken, dijital deneyler yüksek sabit maliyetlere ve düşük değişken maliyetlere sahiptir. Farklı maliyet yapıları, dijital deneylerin, analog deneylerle mümkün olmayan bir ölçekte çalışabileceği anlamına gelir.

Değişken maliyetin iki temel unsuru vardır - personele yapılan ödemeler ve katılımcılara yapılan ödemeler - ve bunların her biri farklı stratejiler kullanılarak sıfıra indirilebilmektedir. Personele yapılan ödemeler, araştırma görevlilerinin katılımcıları işe aldıkları, tedavileri gerçekleştirdikleri ve sonuçları ölçdüğü çalışmalardan kaynaklanmaktadır. Örneğin, Schultz ve meslektaşlarının (2007) elektrik kullanımına ilişkin analojik alan deneyi, araştırma görevlilerini tedaviyi sağlamak ve elektrik sayacını okumak için her eve gitmek üzere araştırma görevlilerini gerekli kılmıştır (şekil 4.3). Araştırma görevlilerinin bu çabasının tamamı, çalışmaya yeni bir hane eklenmesi maliyetine katkıda bulunacaktı. Öte yandan, Wikipedia editörleri üzerindeki ödüllerin etkisiyle Restivo ve van de Rijt (2012) 'ın dijital alan deneyi için araştırmacılar neredeyse hiç bedelsiz olarak daha fazla katılımcı ekleyebilirler. Değişken idari maliyetlerin azaltılmasına yönelik genel bir strateji, (pahalı olan) insan çalışmasının bilgisayar çalışmasıyla (ucuz olan) değiştirilmesidir. Kabaca, kendinize şunu sorabilirsiniz: Bu deney, araştırma ekibimdeki herkes uyurken gidebilir mi? Cevabınız evet ise, iyi bir otomasyon işi yaptınız.

İkinci ana değişken maliyet türü, katılımcılara yapılan ödemelerdir. Bazı araştırmacılar, Amazon Mechanical Turk ve diğer çevrimiçi işgücü piyasalarını katılımcıların ihtiyaç duyduğu ödemeleri azaltmak için kullandılar. Değişken maliyetleri sıfırdan sonuna kadar sürmek için farklı bir yaklaşıma ihtiyaç vardır. Uzun zamandan beri, araştırmacılar, insanlara katılmak için çok sıkıcı deneyler tasarladılar. Ama ya insanların içinde olmak istediği bir deney oluşturabilirseniz? Bu çok zor gelebilir, ancak size kendi çalışmamdan bir örnek vereceğim ve tablo 4.4'te daha fazla örnek var. Keyifli deneyler tasarlama fikri, bölüm 3'teki temaların bazılarını daha keyifli anketlerin tasarlanması ve bölüm 5'te kitlesel işbirliğinin tasarımı ile ilgili olarak yansıtmaktadır. Bu nedenle, katılımcıların zevklerinin - kullanıcı deneyimi olarak adlandırılabilecekleri - dijital çağda araştırma tasarımının giderek daha önemli bir parçası olacağını düşünüyorum.

Sıfır değişken maliyet verileriyle denemeler oluşturmak istiyorsanız, her şeyin tam otomatik olduğundan ve katılımcıların herhangi bir ödeme gerektirmediğinden emin olmanız gerekir. Bunun nasıl mümkün olabileceğini göstermek için tez çalışmamı kültürel ürünlerin başarısı ve başarısızlığı üzerine açıklayacağım.

Tezim, kültürel ürünlerin başarısının şaşırtıcı doğası tarafından motive edildi. Hit şarkıları, en çok satan kitaplar ve gişe rekorları kıran filmler, ortalamadan çok daha başarılı. Bu nedenle, bu ürünlere yönelik pazarlara genellikle “kazan-kazan” pazarları denir. Bununla birlikte, aynı zamanda, hangi özel şarkı, kitap veya filmin başarılı olacağı inanılmaz derecede tahmin edilemez. Senarist William Goldman (1989) başarıyı tahmin etmeye geldiğinde, “kimse hiçbir şey bilmiyor” diyerek çok sayıda akademik araştırmayı zarif bir şekilde özetledi. Kazanan her pazarın öngörülemezliği, ne kadar başarının bir sonuç olduğunu merak etmemi sağladı. kalite ve ne kadar sadece şans. Ya da, biraz daha farklı bir şekilde ifade edersek, paralel dünyalar yaratabilmemiz ve hepsinin bağımsız olarak evrim geçirebilselerdi, aynı şarkılar her dünyada popüler olur muydu? Ve değilse, bu farklılıklara neden olan bir mekanizma ne olabilir?

Bu soruları cevaplamak için, biz Peter Dodds, Duncan Watts (tez danışmanım) ve ben bir dizi çevrimiçi saha deneyi gerçekleştirdik. Özellikle, insanların yeni müzikler keşfedebilecekleri MusicLab adlı bir web sitesi oluşturduk ve bunu bir dizi deney için kullandık. Gençlere yönelik bir web sitesinde (şekil 4.20) afiş reklamları yayınlayarak ve medyadaki ifadelerle katılımcıları işe aldık. Web sitemize gelen katılımcılar bilgilendirilmiş onam vermiş, kısa bir arka plan anketini tamamlamış ve iki deneysel koşuldan birine (bağımsız ve sosyal etki) rastgele atanmışlardır. Bağımsız durumda, katılımcılar sadece grupların ve şarkıların isimleriyle hangi şarkıların dinleneceği konusunda kararlar verdiler. Bir şarkıyı dinlerken, katılımcılardan, şarkıyı indirmeleri için fırsat (ancak yükümlülüğü olmayan) olduklarını belirtmeleri istendi. Sosyal etki koşulunda, katılımcılar aynı deneyimi yaşadılar, ancak her bir şarkının daha önceki katılımcılar tarafından kaç kez indirildiğini görebiliyorlardı. Ayrıca, sosyal etki koşulundaki katılımcılar, her biri bağımsız olarak gelişen sekiz paralel dünyadan birine rastgele olarak atanmıştır (şekil 4.21). Bu tasarımı kullanarak, iki ilgili deney gerçekleştirdik. İlk olarak, şarkıları katılımcılara, zayıf bir popülerlik sinyali sunan, sıralanmamış bir ızgarada sunduk. İkinci denemede, şarkıları çok daha güçlü bir popülerlik sinyali sunan sıralı bir listede sunduk (şekil 4.22).

Şekil 4.20: Meslektaşlarımla birlikte MusicLab deneyleri için katılımcıları işe aldığım bir banner reklam örneği (Salganik, Dodds, and Watts 2006) . Salganik (2007) alınan izinle Salganik (2007) , şekil 2.12.

Şekil 4.21: MusicLab deneyleri için deneysel tasarım (Salganik, Dodds, and Watts 2006) . Katılımcılar rastgele iki şarttan birine tahsis edildi: bağımsız ve sosyal etki. Bağımsız koşuldaki katılımcılar, diğer insanların ne yaptıkları hakkında herhangi bir bilgi vermeden seçimlerini yaptılar. Sosyal etki koşulundaki katılımcılar, dünyadaki her şarkının popülaritesini (önceki katılımcıların indirmeleriyle ölçüldüğü gibi) görebildikleri sekiz paralel dünyadan birine tahsis edilmişlerdi, ancak onlar hakkında herhangi bir bilgi görememişlerdi. Hatta diğer dünyalardan herhangi birinin varlığını bile biliyoruz. Salganik, Dodds, and Watts (2006) uyarlanmıştır Salganik, Dodds, and Watts (2006) , şekil s1.

Şarkıların popülerliğinin dünyalar arasında farklılık gösterdiğini gördük ve şansın başarıda önemli bir rol oynadığını belirttik. Örneğin, bir dünyada, 52Metro'nun “Lockdown” adlı şarkısı, 48 şarkının 1'inde, başka bir dünyada 40'ıncı sırada geldi. Bu tam olarak aynı şarkının tüm diğer şarkılara karşı yarıştığı şarkıydı, ama bir dünyada şanslıydı ve diğerlerinde de yoktu. Dahası, iki deney boyunca sonuçları karşılaştırarak, sosyal etkinin, bu pazarların kazan-kazan-alma özelliğini artırdığını gördük. Ancak, (bu türden paralel dünyalar deneyinin dışında gerçekleştirilemeyen) dünyalara baktığımızda, sosyal etkinin aslında şansın önemini artırdığını gördük. Dahası, şaşırtıcı bir şekilde, en çok neyin önemli olduğu önemli bir itirazın şarkısıydı (şekil 4.23).

Şekil 4.22: MusicLab deneylerinde sosyal etki koşullarından ekran görüntüleri (Salganik, Dodds, and Watts 2006) . Deney 1'deki sosyal etki koşulunda, şarkılar, önceki yüklemelerin sayısıyla birlikte, 16 \(\times\) 3 dikdörtgen ızgarada düzenlenmiş katılımcılara sunulmuş, şarkılar için konumların her biri için rastgele atanmıştır. katılımcı. 2. deneyde, sosyal etki koşulundaki katılımcılara, indirilen sayımlarla, popüler popülaritesinin azalan sırasına göre bir sütunda sunulan şarkılar gösterildi.

Şekil 4.23: Temyiz ve başarı arasındaki ilişkiyi gösteren MusicLab deneylerinden elde edilen sonuçlar (Salganik, Dodds, and Watts 2006) . \(x\) -axis, şarkının bağımsızlığı içindeki şarkının pazar payıdır, bu da şarkının cazibesinin bir ölçüsüdür ve \(y\) -axis aynı şarkının pazar payıdır. şarkıların başarısının bir ölçüsü olarak hizmet eden sekiz sosyal etki dünyası. Katılımcıların deneyimledikleri sosyal etkiyi, özellikle de deney 1'den deney 2'ye geçişteki değişimi (şekil 4.22), özellikle de en yüksek itirazları olan şarkılar için daha fazla tahmin edilemeyen başarıyı artırdıklarını bulduk. Salganik, Dodds, and Watts (2006) uyarlanmıştır, şekil 3.

MusicLab, tasarlandığı şekilde temelde sıfır değişken maliyetle çalışabildi. İlk olarak, her şey tam otomatik oldu, bu yüzden ben uyurken koşabildim. İkincisi, tazminat ücretsiz müzik oldu, bu nedenle değişken katılımcı tazminat maliyeti yoktu. Müziğin tazminat olarak kullanılması, bazen sabit ve değişken maliyetler arasında nasıl bir değişimin olduğunu da gösterir. Müzik kullanmak sabit maliyetleri arttırdı çünkü gruplardan izin almak için zaman harcamak zorunda kaldım ve katılımcıların müziğe tepkileri hakkında raporlar hazırladım. Ancak bu durumda, değişken maliyetleri azaltmak için sabit maliyetlerin arttırılması, yapılması gereken doğru şeydi; Bu, standart bir laboratuar deneyinden yaklaşık 100 kat daha büyük bir deneyi çalıştırmamızı sağlayan şeydi.

Ayrıca, MusicLab deneyleri, sıfır değişken maliyetin kendi başına bir son olması gerekmediğini göstermektedir; daha ziyade, yeni bir deney türünü çalıştırmak için bir araç olabilir. Tüm katılımcılarımızı standart bir sosyal etki laboratuarı deneyi 100 kez çalıştırmak için kullanmadığımıza dikkat edin. Bunun yerine, psikolojik bir deneyden sosyolojik bir deneyime geçmeyi düşündüğünüz farklı bir şey yaptık (Hedström 2006) . Bireysel karar verme üzerine odaklanmak yerine, deneyimizi popülariteye, kolektif bir sonuca odakladık. Bu, kolektif bir sonuca geçiş, yaklaşık 700 katılımcının tek bir veri noktası üretmesini gerektirdiğimiz anlamına geliyordu (paralel dünyaların her birinde 700 kişi vardı). Bu ölçek sadece deneyin maliyet yapısı nedeniyle mümkün olmuştur. Genel olarak, araştırmacılar kolektif sonuçların bireysel kararlardan nasıl kaynaklandığını incelemek isterlerse, MusicLab gibi grup deneyleri çok heyecan vericidir. Geçmişte, lojistik açıdan zordu, ancak sıfır değişken maliyet verisi olasılığı nedeniyle bu zorluklar sönüyor.

Sıfır değişken maliyet verilerinin faydalarını göstermenin yanı sıra, MusicLab deneyleri de bu yaklaşımla ilgili bir zorluk göstermektedir: yüksek sabit maliyetler. Benim durumumda, deneyi inşa etmek için yaklaşık altı ay boyunca Peter Hausel adlı yetenekli bir web geliştiricisi ile çalışabilmem için çok şanslıydım. Bu sadece mümkün oldu, çünkü danışmanım Duncan Watts, bu tür araştırmaları desteklemek için bir dizi hibe aldı. 2004 yılında MusicLab'ı geliştirdiğimiz için teknoloji gelişmiştir, bu yüzden şimdi böyle bir deney yapmak çok daha kolay olacaktır. Ancak, yüksek sabit maliyet stratejileri, bu maliyetleri bir şekilde karşılayabilecek araştırmacılar için gerçekten mümkün.

Sonuç olarak, dijital deneyler, analog deneylerden çok farklı maliyet yapılarına sahip olabilir. Gerçekten büyük deneyler yapmak istiyorsanız, değişken maliyetinizi olabildiğince ve ideal olarak sıfıra indirgemeye çalışmalısınız. Bunu, denemenizin tekniklerini otomatikleştirerek (örneğin, insan zamanını bilgisayar zamanıyla değiştirerek) ve insanların içinde olmak istediği deneyleri tasarlayarak yapabilirsiniz. Bu özelliklerle deney tasarlayabilecek araştırmacılar, yeni tür deneyleri çalıştırabileceklerdir. Geçmişte mümkün değil. Bununla birlikte, sıfır değişken maliyet deneyleri yaratma yeteneği, yeni etik soruları gündeme getirebilir.