4.5.1 Sử dụng môi trường hiện có

Bạn có thể chạy các thí nghiệm trong môi trường hiện tại, mà không được mã hóa hoặc hợp tác.

Một cách hợp lý, cách dễ nhất để thực hiện thử nghiệm kỹ thuật số là phủ trải nghiệm của bạn lên trên môi trường hiện có. Các thí nghiệm như vậy có thể chạy ở quy mô lớn hợp lý và không yêu cầu hợp tác với một công ty hoặc phát triển phần mềm mở rộng.

Ví dụ, Jennifer Doleac và Luke Stein (2013) đã tận dụng lợi thế của một thị trường trực tuyến tương tự như Craigslist để chạy thử nghiệm đo phân biệt chủng tộc. Họ quảng cáo hàng ngàn iPod, và bằng cách thay đổi một cách có hệ thống các đặc tính của người bán, họ đã có thể nghiên cứu ảnh hưởng của chủng tộc đối với các giao dịch kinh tế. Hơn nữa, họ đã sử dụng quy mô thử nghiệm của họ để ước tính khi nào hiệu ứng lớn hơn (tính không đồng nhất của hiệu quả điều trị) và đưa ra một số ý tưởng về lý do tại sao hiệu ứng có thể xảy ra (cơ chế).

Các quảng cáo iPod của Doleac và Stein thay đổi theo ba chiều chính. Đầu tiên, các nhà nghiên cứu thay đổi đặc điểm của người bán, được báo hiệu bằng tay chụp ảnh cầm chiếc iPod [trắng, đen, trắng với hình xăm] (hình 4.13). Thứ hai, họ thay đổi giá chào bán [90 đô la, 110 đô la, 130 đô la]. Thứ ba, chúng thay đổi chất lượng của văn bản quảng cáo [chất lượng cao và chất lượng thấp (ví dụ: lỗi cApitalization và lỗi spelin)]. Do đó, các tác giả có thiết kế 3 \(\times\) 3 \(\times\) 2 đã được triển khai trên hơn 300 thị trường địa phương, từ các thị trấn (ví dụ: Kokomo, Indiana và North Platte, Nebraska) đến mega- thành phố (ví dụ, New York và Los Angeles).

Hình 4.13: Bàn tay được sử dụng trong thí nghiệm của Doleac and Stein (2013) . iPod đã được bán bởi người bán với các đặc tính khác nhau để đo lường sự phân biệt đối xử trong một thị trường trực tuyến. Sao chép theo sự cho phép của Doleac and Stein (2013) , hình 1.

Trung bình trên tất cả các điều kiện, kết quả tốt hơn cho những người bán hàng trắng hơn người bán màu đen, với những người bán xăm có kết quả trung gian. Ví dụ: người bán màu trắng nhận được nhiều phiếu mua hàng hơn và có giá bán cuối cùng cao hơn. Ngoài những hiệu ứng trung bình, Doleac và Stein ước tính tính không đồng nhất của các hiệu ứng. Ví dụ, một dự đoán từ lý thuyết trước đó là phân biệt đối xử sẽ ít hơn ở các thị trường nơi có nhiều cạnh tranh hơn giữa người mua. Sử dụng số lượng chào hàng trong thị trường đó như một thước đo về số lượng người mua cạnh tranh, các nhà nghiên cứu thấy rằng người bán hàng đen đã thực sự nhận được ưu đãi tồi tệ hơn trên thị trường với mức độ cạnh tranh thấp. Hơn nữa, bằng cách so sánh kết quả cho quảng cáo có chất lượng cao và văn bản chất lượng thấp, Doleac và Stein nhận thấy rằng chất lượng quảng cáo không ảnh hưởng đến những bất lợi mà người bán đen và người xăm phải đối mặt. Cuối cùng, lợi dụng thực tế là quảng cáo được đặt ở hơn 300 thị trường, các tác giả nhận thấy rằng người bán da đen có hoàn cảnh khó khăn hơn ở các thành phố có tỷ lệ tội phạm cao và phân biệt dân cư cao. Không có kết quả nào cho thấy chính xác lý do tại sao người bán da đen có kết quả tồi tệ hơn, nhưng khi kết hợp với kết quả của các nghiên cứu khác, họ có thể bắt đầu thông báo lý thuyết về nguyên nhân phân biệt chủng tộc trong các loại giao dịch kinh tế khác nhau.

Một ví dụ khác cho thấy khả năng của các nhà nghiên cứu tiến hành các thí nghiệm kỹ thuật số trong các hệ thống hiện có là nghiên cứu của Arnout van de Rijt và các đồng nghiệp (2014) về chìa khóa thành công. Trong nhiều khía cạnh của cuộc sống, những người dường như tương tự kết thúc với những kết quả rất khác nhau. Một giải thích có thể cho mô hình này là những lợi thế nhỏ - và về cơ bản là ngẫu nhiên có thể khóa và phát triển theo thời gian, một quá trình mà các nhà nghiên cứu gọi là lợi thế tích luỹ . Để xác định xem những thành công ban đầu nhỏ có bị khóa hay biến mất hay không, van de Rijt và các đồng nghiệp (2014) can thiệp vào bốn hệ thống khác nhau, đem lại thành công cho những người tham gia được chọn ngẫu nhiên, và sau đó đo lường những tác động tiếp theo của thành công tùy ý này.

Cụ thể hơn, van de Rijt và các đồng nghiệp (1) đã cam kết tiền cho các dự án được chọn ngẫu nhiên trên Kickstarter, một trang web gây quỹ từ cộng đồng; (2) đánh giá tích cực lựa chọn ngẫu nhiên về Epinions, một trang web đánh giá sản phẩm; (3) trao giải thưởng cho những người đóng góp được chọn ngẫu nhiên vào Wikipedia; và (4) đã ký các kiến ​​nghị được lựa chọn ngẫu nhiên trên change.org. Họ đã tìm thấy kết quả rất giống nhau trên tất cả bốn hệ thống: trong mỗi trường hợp, những người tham gia ngẫu nhiên được thành công sớm sẽ tiếp tục thành công nhiều hơn so với những người khác không thể phân biệt được (hình 4.14). Thực tế là cùng một mẫu xuất hiện trong nhiều hệ thống làm tăng giá trị bên ngoài của các kết quả này bởi vì nó làm giảm cơ hội mẫu này là một tạo phẩm của bất kỳ hệ thống cụ thể nào.

Hình 4.14: Những ảnh hưởng lâu dài của thành công được ban tặng ngẫu nhiên trong bốn hệ thống xã hội khác nhau. Arnout van de Rijt và các đồng nghiệp (2014) (1) đã cam kết tiền cho các dự án được chọn ngẫu nhiên trên Kickstarter, một trang web gây quỹ từ cộng đồng; (2) đánh giá tích cực lựa chọn ngẫu nhiên về Epinions, một trang web đánh giá sản phẩm; (3) trao giải thưởng cho những người đóng góp được chọn ngẫu nhiên vào Wikipedia; và (4) đã ký các kiến ​​nghị được lựa chọn ngẫu nhiên trên change.org. Chuyển thể từ Rijt et al. (2014) , hình 2.

Cùng với nhau, hai ví dụ này cho thấy rằng các nhà nghiên cứu có thể tiến hành các thí nghiệm kỹ thuật số mà không cần phải hợp tác với các công ty hoặc xây dựng các hệ thống kỹ thuật số phức tạp. Hơn nữa, bảng 4.2 cung cấp nhiều ví dụ hơn cho thấy phạm vi của những gì có thể khi các nhà nghiên cứu sử dụng cơ sở hạ tầng của các hệ thống hiện có để cung cấp điều trị và / hoặc đo lường kết quả. Những thí nghiệm này tương đối rẻ đối với các nhà nghiên cứu và họ cung cấp một mức độ cao của chủ nghĩa hiện thực. Nhưng họ cung cấp cho các nhà nghiên cứu kiểm soát giới hạn đối với những người tham gia, phương pháp điều trị và kết quả cần đo. Hơn nữa, đối với các thí nghiệm chỉ diễn ra trong một hệ thống, các nhà nghiên cứu cần quan tâm rằng các hiệu ứng có thể được thúc đẩy bởi các động lực cụ thể của hệ thống (ví dụ, cách Kickstarter xếp hạng các dự án hoặc cách thay đổi. xem các cuộc thảo luận về thuật toán nhiễu trong chương 2). Cuối cùng, khi các nhà nghiên cứu can thiệp vào các hệ thống làm việc, các câu hỏi đạo đức phức tạp nổi lên về nguy hại có thể xảy ra cho người tham gia, người không tham gia và hệ thống. Chúng ta sẽ xem xét những câu hỏi đạo đức này chi tiết hơn trong chương 6, và có một thảo luận tuyệt vời về chúng trong phụ lục của van de Rijt et al. (2014) . Các thương vụ đi kèm với việc làm việc trong một hệ thống hiện tại không lý tưởng cho mọi dự án, và vì lý do đó, một số nhà nghiên cứu xây dựng hệ thống thử nghiệm của riêng họ, như tôi sẽ minh họa tiếp theo.