អត្ថាធិប្បាយបន្ថែមទៀត

ផ្នែកនេះគឺត្រូវបានរចនាឡើងដើម្បីត្រូវបានប្រើជាសេចក្ដីយោងជាជាងការដើម្បីត្រូវបានអានក្នុងនិទានកថាវិញ។

  • សេចក្តីផ្តើម (ផ្នែកទី 4.1)

សំណួរអំពីមូលហេតុក្នុងការស្រាវជ្រាវសង្គមជាញឹកញាប់ស្មុគ្រស្មាញនិងស្មុគស្មាញ។ សម្រាប់វិធីសាស្រ្តជាមូលដ្ឋានដើម្បីបង្ហាញពីមូលហេតុដែលមានមូលដ្ឋានលើក្រាហ្វធ្វើអោយសូមមើល Pearl (2009) , និងសម្រាប់វិធីសាស្រ្តជាមូលដ្ឋានដោយផ្អែកលើលទ្ធផលនៃសក្តានុពល, មើល Imbens and Rubin (2015) (និងសេចក្ដីបន្ថែមបច្ចេកទេសក្នុងជំពូកនេះ) ។ ចំពោះការប្រៀបធៀបរវាងវិធីសាស្រ្តទាំងពីរនេះមួយមើលឃើញ Morgan and Winship (2014) ។ សម្រាប់វិធីសាស្រ្តជាផ្លូវការដើម្បីកំណត់បំផ្លាញមួយមើលឃើញ VanderWeele and Shpitser (2013)

ក្នុងជំពូកនេះខ្ញុំបានបង្កើតអ្វីដែលហាក់ដូចជាដូចជាបន្ទាត់ដែលភ្លឺរវាងសមត្ថភាពរបស់យើងដើម្បីធ្វើឱ្យការប៉ាន់ស្មានពីទិន្នន័យពិសោធន៍មូលហេតុនិងមិនមែនជាការពិសោធន៍។ នៅក្នុងការពិតខ្ញុំគិតថាភាពខុសគ្នានេះគឺ blurrier ។ ឧទាហរណ៍, មនុស្សគ្រប់គ្នាទទួលយកថាការជក់បារីបណ្ដាលឱ្យមានជំងឺមហារីកទោះបីជាយើងមិនដែលបានធ្វើការពិសោធន៍បានគ្រប់គ្រង randomized ដែលបង្ខំប្រជាជនឱ្យជក់បារី។ សម្រាប់ការព្យាបាលប្រវែងសៀវភៅល្អឥតខ្ចោះលើការធ្វើឱ្យការប៉ាន់ស្មានធ្វើអោយពីទិន្នន័យដែលមិនមែនជាពិសោធន៍ឃើញ Rosenbaum (2002) , Rosenbaum (2009) , Shadish, Cook, and Campbell (2001) , និង Dunning (2012)

ជំពូកទី 1 និងទី 2 នៃ Freedman, Pisani, and Purves (2007) បានផ្តល់ជូននូវសេចក្តីណែនាំច្បាស់លាស់ចូលទៅក្នុងភាពខុសគ្នារវាងការពិសោធន៍, ពិសោធន៍បានគ្រប់គ្រង, និងចែកពិសោធន៍គ្រប់គ្រង។

Manzi (2012) ផ្ដល់នូវការណែនាំគួរឱ្យចាប់អារម្មណ៍និងអាចអានបានចូលទៅក្នុងការទ្រទ្រង់វិជ្ជានិងស្ថិតិនៃការពិសោធន៍គ្រប់គ្រងបានជ្រើសរើសដោយចៃដន្យ។ វាផ្តល់នូវឧទហរណ៍ពិភពលោកពិតប្រាកដគួរឱ្យចាប់អារម្មណ៍ពីអំណាចនៃការពិសោធន៍នៅក្នុងអាជីវកម្ម។

  • តើអ្វីទៅជាការពិសោធន៍ជាអ្វី? (ផ្នែកទី 4.2)

Casella (2008) , Box, Hunter, and Hunter (2005) , Athey and Imbens (2016b) បានផ្តល់នូវការណែនាំល្អដើម្បីទិដ្ឋភាពស្ថិតិនៃការរចនានិងការវិភាគពិសោធន៍។ លើសពីនេះទៀតមានការព្យាបាលដែលល្អឥតខ្ចោះនៃការប្រើប្រាស់នៃការពិសោធន៍នៅក្នុងវាលផ្សេងគ្នាជាច្រើន: សេដ្ឋកិច្ច (Bardsley et al. 2009) , សង្គមវិទ្យា (Willer and Walker 2007; Jackson and Cox 2013) , ចិត្តវិទ្យា (Aronson et al. 1989) វិទ្យាសាស្រ្តនយោបាយ (Morton and Williams 2010) និងគោលនយោបាយសង្គម (Glennerster and Takavarasha 2013)

សារៈសំខាន់នៃការជ្រើសរើសអ្នកចូលរួម (ឧទាហរណ៍គំរូ) គឺជាញឹកញាប់ក្រោមកោតសរសើរចំពោះពិសោធន៍ក្នុងការស្រាវជ្រាវ។ ទោះយ៉ាងណាបើប្រសិទ្ធិភាពនៃការព្យាបាលនេះគឺដូចគ្នានៅប្រជាពលរដ្ឋនោះគំរូគឺមានសារៈសំខាន់។ Longford (1999) ធ្វើឱ្យចំណុចនេះយ៉ាងច្បាស់នៅពេលដែលគាត់តស៊ូមតិសម្រាប់អ្នកស្រាវជ្រាវគិតពីបទពិសោធដូចជាការស្ទង់មតិមួយដែលមានគំរូចំនួនប្រជាជនដែលឥតព្រាងទុក។

  • វិមាត្រពីរនៃការពិសោធន៍: មន្ទីរពិសោធន៍និងអាណាឡូកវាលឌីជីថល (ផ្នែក 4.3)

ការបែងចែកជាពីររវាងដែលខ្ញុំបានធ្វើបទបង្ហាញពិសោធន៍និងវាលមន្ទីរពិសោធន៍នេះគឺជាការសាមញ្ញបន្តិច។ តាមការពិតក្រុមអ្នកស្រាវជ្រាវផ្សេងទៀតបានស្នើឡើងភទលម្អិតបន្ថែមទៀតនៅក្នុងការពួកអ្នកដែលពិសេសដែលបំបែកទម្រង់នានានៃការធ្វើពិសោធន៍វាល (Harrison and List 2004; Charness, Gneezy, and Kuhn 2013) ។ លើសពីនេះទៀតវាមានពីរប្រភេទផ្សេងទៀតនៃការពិសោធន៍វិទ្យាសាស្ដ្រសង្គមបានអនុវត្តដោយថាមិនសមយ៉ាងល្អចូលទៅក្នុងមន្ទីរពិសោធន៍និងវាលការបែងចែកជាពីរគឺ: ។ ការពិសោធន៍ការស្ទង់មតិនិងការពិសោធន៍សង្គមស្ទាបស្ទង់មតិដែលត្រូវបានពិសោធន៍ពិសោធន៍ហេដ្ឋារចនាសម្ព័ន្ធនៃការស្ទង់មតិដោយប្រើប្រាស់ដែលមានស្រាប់និងការប្រៀបធៀបការឆ្លើយតបទៅនឹងកំណែជំនួសនៃការ សំណួរដូចគ្នា (ពិសោធន៍ការស្ទង់មតិមួយចំនួនត្រូវបានបង្ហាញនៅក្នុងជំពូកទី 3); សម្រាប់ការបន្ថែមទៀតលើការពិសោធន៍ការស្ទង់មតិឃើញ Mutz (2011)ការពិសោធន៍សង្គមគឺជាការពិសោធន៍ដែលជាកន្លែងដែលការព្យាបាលនេះគឺគោលនយោបាយសង្គមមួយចំនួនដែលអាចត្រូវបានអនុវត្តតែប៉ុណ្ណោះដោយរដ្ឋាភិបាល។ ការពិសោធន៍សង្គមត្រូវបានទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងការកម្មវិធីវាយតម្លៃ។ ចំពោះការបន្ថែមទៀតលើការពិសោធន៍គោលនយោបាយ, មើល Orr (1998) , Glennerster and Takavarasha (2013) , និង Heckman and Smith (1995)

ចំនួននៃក្រដាសមួយដែលបានប្រៀបធៀបមន្ទីរពិសោធន៍និងវាលពិសោធន៍ក្នុងអរូបី (Falk and Heckman 2009; Cialdini 2009) និងនៅក្នុងលក្ខខណ្ឌនៃការពិសោធន៍ជាក់លាក់លទ្ធផលក្នុងវិទ្យាសាស្រ្តនយោបាយ (Coppock and Green 2015) សេដ្ឋកិច្ច (Levitt and List 2007a; Levitt and List 2007b; Camerer 2011; Al-Ubaydli and List 2013) និងចិត្តវិទ្យា (Mitchell 2012)Jerit, Barabas, and Clifford (2013) ផ្តល់ជូននូវការរចនាស្រាវជ្រាវស្រស់ស្អាតសម្រាប់ប្រៀបធៀបលទ្ធផលពីមន្ទីរពិសោធន៍និងវាលពិសោធន៍។

ការព្រួយបារម្ភអំពីការផ្លាស់ប្តូរឥរិយាបទរបស់ពួកអ្នកចូលរួមបានទេព្រោះពួកគេដឹងថាពួកគេកំពុងត្រូវបានសង្កេតឃើញយ៉ាងជិតស្និទ្ធត្រូវបានគេហៅថាពេលខ្លះតម្រូវផលប៉ះពាល់ហើយពួកគេត្រូវបានគេសិក្សានៅក្នុងចិត្តវិទ្យា (Orne 1962) និងសេដ្ឋកិច្ច (Zizzo 2009) ។ ទោះបីជាភាគច្រើនបានផ្សារភ្ជាប់ជាមួយនឹងការពិសោធន៍មន្ទីរពិសោធន៍, បញ្ហាដូចគ្នាទាំងនេះអាចបង្កឱ្យមានបញ្ហាសម្រាប់ការពិសោធន៍វាលផងដែរ។ នៅក្នុងការពិតតម្រូវការមានផលប៉ះពាល់ត្រូវបានគេហៅផងដែរពេលខ្លះផល Hawthorne, រយៈពេលមួយដែលបានប្រែក្លាយមកពីការពិសោធន៍វាលជាពិសេសពិសោធន៍បំភ្លឺល្បីដែលបានចាប់ផ្ដើមនៅឆ្នាំ 1924 នៅក្នុងការងារ Hawthorne របស់ក្រុមហ៊ុនលោកខាងលិចអគ្គិសនី (Adair 1984; Levitt and List 2011)ទាំងពីរតម្រូវការនិងផលប៉ះពាល់ផលប៉ះពាល់ត្រូវបានទាក់ទងយ៉ាងជិតស្និទ្ធ Hawthorn គំនិតនៃការវាស់វែងទៅនឹងការឆ្លើយតបបានពិភាក្សានៅក្នុងជំពូកទី 2 (សូមមើលផងដែរ Webb et al. (1966) ) ។

ប្រវត្តិនៃការពិសោធន៍វាលនេះត្រូវបានរៀបរាប់នៅក្នុងសេដ្ឋកិច្ច (Levitt and List 2009) , វិទ្យាសាស្រ្តនយោបាយ (Green and Gerber 2003; Druckman et al. 2006; Druckman and Lupia 2012) , ចិត្តវិទ្យា (Shadish 2002) និងគោលនយោបាយសាធារណៈ (Shadish and Cook 2009) តំបន់មួយនៃវិទ្យាសាស្រ្តសង្គមដែលជាកន្លែងដែលការពិសោធន៍វាលយ៉ាងឆាប់រហ័សក្លាយលេចធ្លោគឺការអភិវឌ្ឍអន្តរជាតិ។ សម្រាប់ការពិនិត្យឡើងវិញជាវិជ្ជមាននៃការងារដែលនៅក្នុងសេដ្ឋកិច្ចឃើញ Banerjee and Duflo (2009) , និងឱ្យមានការវាយតម្លៃជាសំខាន់មើលឃើញ Deaton (2010) ។ សម្រាប់ការពិនិត្យនៃការងារនៅក្នុងវិទ្យាសាស្រ្តនយោបាយនេះឃើញ Humphreys and Weinstein (2009) ។ ទីបំផុត, បញ្ហាប្រឈមវិជ្ជាជីវៈដែលពាក់ព័ន្ធនឹងការពិសោធន៍ត្រូវបានគេរកឃើញវាលក្នុងវិទ្យាសាស្រ្តនយោបាយ (Humphreys 2015; Desposato 2016b) និងសេដ្ឋកិច្ចការអភិវឌ្ឍ (Baele 2013)

ក្នុងជំពូកនេះខ្ញុំបានស្នើថាពការព្យាបាលមុនអាចត្រូវបានប្រើដើម្បីកែលម្អភាពជាក់លាក់នៃផលប៉ះពាល់ការព្យាបាលការប៉ាន់ប្រមាណនេះទេប៉ុន្តែមានការជជែកពិភាក្សាគ្នាអំពីវិធីសាស្រ្តនេះ: Freedman (2008) , Lin (2013) , និងការ Berk et al. (2013) ; ឃើញ Bloniarz et al. (2016) ថែមទៀត។

  • ការផ្លាស់ប្តូរលើសពីការពិសោធន៍សាមញ្ញ (ផ្នែកទី 4.4)

ខ្ញុំបានជ្រើសរើសដើម្បីផ្តោតសំខាន់លើបីគំនិត: សុពលភាព, វិសភាគមួយនៃផលប៉ះពាល់ការព្យាបាលនិងយ​​ន្តការ។ គំនិតទាំងនេះមានឈ្មោះផ្សេងគ្នានៅក្នុងវាលផ្សេងគ្នា។ ឧទាហរណ៍អ្នកចិត្តសាស្ត្រមាននិន្នាការដើម្បីផ្លាស់ទីហួសពីការពិសោធន៍សាមញ្ញដោយផ្តោតលើការសំរបសំរួលនិងល្មម (Baron and Kenny 1986) ។ គំនិតនៃការសំរបសំរួលនេះត្រូវបានចាប់យកដោយអ្វីដែលខ្ញុំហៅយន្តការនិងគំនិតនៃការសម្របសម្រួលត្រូវបានចាប់យកដោយអ្វីដែលខ្ញុំហៅសុពលភាពខាងក្រៅ (ឧទាហរណ៍លទ្ធផលនៃការពិសោធន៍នេះនឹងមានភាពខុសគ្នាប្រសិនបើវាត្រូវបានរត់នៅក្នុងស្ថានភាពផ្សេងគ្នា) និងផលប៉ះពាល់ការព្យាបាលវិសភាគមួយនៃ ( ឧទាហរណ៍, មានផលប៉ះពាល់ដែលមានទំហំធំសម្រាប់មនុស្សមួយចំនួនជាងមនុស្សផ្សេងទៀត) ។

ការពិសោធន៍របស់ Schultz et al. (2007) បានបង្ហាញពីរបៀបទ្រឹស្តីសង្គមអាចត្រូវបានប្រើដើម្បីរៀបចំការអន្តរាគមន៍មានប្រសិទ្ធិភាព។ ចំពោះអាគុយម៉ង់ទូទៅបន្ថែមអំពីតួនាទីនៃទ្រឹស្តីក្នុងការរចនាការអន្តរាគមន៍ប្រសិទ្ធិភាពមើលឃើញ Walton (2014)

  • សុពលភាព (ផ្នែកទី 4.4.1)

គំនិតនៃការសុពលភាពខាងក្នុងនិងខាងក្រៅត្រូវបានគេណែនាំដំបូងក្នុង Campbell (1957) ។ សូមមើល Shadish, Cook, and Campbell (2001) សម្រាប់លម្អិតបន្ថែមទៀតនិងជាប្រវត្តិសាស្រ្តមួយដែលបរិយាយប្រុងប្រយ័ត្ននៃសុពលភាពសន្និដ្ឋានស្ថិតិសុពលភាពផ្ទៃក្នុងសាងសង់សុពលភាពនិងមានសុពលភាពខាងក្រៅ។

ចំពោះទិដ្ឋភាពទូទៅនៃបញ្ហាដែលទាក់ទងទៅនឹងស្ថិតិក្នុងសុពលភាពសន្និដ្ឋានពិសោធន៍មួយមើលឃើញ Gerber and Green (2012) (សម្រាប់អ្នកវិទ្យាសាស្រ្តសង្គមទស្សនៈវិស័យ) និង Imbens and Rubin (2015) (សម្រាប់ទស្សនវិស័យស្ថិតិ) ។ បញ្ហាមួយចំនួននៃសុពលភាពសន្និដ្ឋានដែលកើតឡើងជាពិសេសស្ថិតិនៅលើបណ្តាញរួមបញ្ចូលទាំងការពិសោធន៍វាលមានដូចជាវិធីសាស្រ្តបញ្ហាប្រសិទ្ធិភាព computationally ទំនុកចិត្តសម្រាប់ការបង្កើតចន្លោះពេលជាមួយនឹងទិន្នន័យពឹងផ្អែកលើ (Bakshy and Eckles 2013)

សុពលភាពផ្ទៃក្នុងអាចជាការលំបាកដើម្បីធានាឱ្យបានក្នុងការពិសោធន៍វាលស្មុគ្រស្មាញ។ សូមមើល, ឧទាហរណ៍, Gerber and Green (2000) , Imai (2005) , និង Gerber and Green (2005) សម្រាប់ការជជែកពិភាក្សាគ្នាអំពីការអនុវត្តការពិសោធន៍មួយដែលស្មុគ្រស្មាញអំពីវាលបោះឆ្នោត។ Kohavi et al. (2012) និង Kohavi et al. (2013) បានផ្តល់នូវសេចក្តីណែនាំទៅក្នុងបញ្ហាប្រឈមនៃសុពលភាពចន្លោះនៅក្នុងការពិសោធន៍វាលអនឡាញមួយ។

ក្តីបារម្ភចម្បងមួយដែលមានសុពលភាពផ្ទៃក្នុងនោះគឺមានបញ្ហាជាមួយនឹងចៃដន្យ។ វិធីមួយដែលមានសក្តានុពលរកឃើញបញ្ហាជាមួយចៃដន្យនេះគឺដើម្បីប្រៀបធៀបការព្យាបាលនិងការត្រួតពិនិត្យលើលក្ខណៈដែលអាចធ្វើការអង្កេត។ ប្រភេទនៃការប្រៀបធៀបនេះត្រូវបានគេហៅថាការត្រួតពិនិត្យតុល្យភាព។ សូមមើល Hansen and Bowers (2008) សម្រាប់វិធីសាស្រ្តស្ថិតិដើម្បីឱ្យមានតុល្យភាពការត្រួតពិនិត្យនិងការមើលឃើញ Mutz and Pemantle (2015) សម្រាប់ការព្រួយបារម្ភអំពីការត្រួតពិនិត្យតុល្យភាព។ ឧទាហរណ៍ការប្រើតុល្យភាពពិនិត្យមើល Allcott (2011) បានរកឃើញថាមានភស្តុតាងមួយចំនួនដែលចៃដន្យនេះមិនត្រូវបានអនុវត្តត្រឹមត្រូវក្នុងការទាំងបីនៃការពិសោធន៍ក្នុងការពិសោធន៍មួយចំនួននៃ OPower (សូមមើលតារាងទី 2 តំបន់បណ្ដាញ 2, 6, 8) ។ ចំពោះវិធីសាស្រ្តផ្សេងទៀតសូមមើល Imbens and Rubin (2015) ជំពូកទី 21 ។

ការព្រួយបារម្ភសំខាន់ផ្សេងទៀតដែលទាក់ទងទៅនឹងសុពលភាពខាងក្នុងគឺ: 1) មួយខាងមិនគោរពតាម, ដែលជាកន្លែងដែលមិនមែនគ្រប់គ្នាក្នុងក្រុមព្យាបាលពិតជាបានទទួលការព្យាបាល, 2) ពីរខាងមិនគោរពតាម, ដែលជាកន្លែងដែលមិនមែនគ្រប់គ្នាក្នុងក្រុមព្យាបាលទទួលការព្យាបាលនិងមួយចំនួន មនុស្សនៅក្នុងក្រុមវត្ថុបញ្ជាទទួលការព្យាបាល, 3) ការ attrition, ដែលជាកន្លែងដែលលទ្ធផលមិនត្រូវបានវាស់សម្រាប់អ្នកចូលរួមមួយចំនួន, និង 4) ការជ្រៀតជ្រែក, ដែលជាកន្លែងដែលការព្យាបាលរហូតជាងពីមនុស្សនៅក្នុងស្ថានភាពការព្យាបាលដល់ប្រជាជននៅក្នុងស្ថានភាពវត្ថុបញ្ជា។ សូមមើល Gerber and Green (2012) ជំពូក 5, 6, 7, និង 8 បន្ថែមទៀតនៅលើគ្នានៃបញ្ហាទាំងនេះ។

ចំពោះការបន្ថែមទៀតលើសុពលភាពបង្កើតសូមមើល Westen and Rosenthal (2003) និងសម្រាប់បន្ថែមទៀតនៅលើសុពលភាពសំណង់នៅក្នុងប្រភពទិន្នន័យធំ Lazer (2015) និងជំពូកទី 2 នៃសៀវភៅនេះ។

ទិដ្ឋភាពមួយនៃសុពលភាពខាងក្រៅគឺជាការកំណត់ដែលជាកន្លែងដែលការធ្វើអន្តរាគមន៍មួយត្រូវបានសាកល្បង។ Allcott (2015) បានផ្តល់នូវទ្រឹស្តីនិងជាក់ស្ដែងការព្យាបាលដោយការប្រុងប្រយ័ត្នក្នុងការជ្រើសរើសបណ្តានៃភាពលម្អៀង។ បញ្ហានេះត្រូវបានពិភាក្សាផងដែរនៅក្នុង Deaton (2010) ។ លើសពីនេះទៀតត្រូវបានចម្លងនៅក្នុងតំបន់ជាច្រើនដែលជាការធ្វើអន្តរាគមន៍របាយការណ៍ថាមពលដើមត្រូវបានគេបានសិក្សាដោយឯករាជ្យដោយក្រុមស្រាវជ្រាវច្រើន (ឧទាហរណ៍ Ayres, Raseman, and Shih (2013) ) ។

  • វិសភាគនៃផលប៉ះពាល់ការព្យាបាល (ផ្នែកទី 4.4.2)

សម្រាប់ទិដ្ឋភាពទូទៅល្អនៃវិសភាគមួយនៃផលប៉ះពាល់ការព្យាបាលនៅក្នុងការពិសោធន៍នៅវាល, សូមមើលជំពូក 12 នៃ Gerber and Green (2012) ។ សម្រាប់សេចក្តីណែនាំវិសភាគមួយនៃផលប៉ះពាល់ការព្យាបាលនៅក្នុងការសាកល្បងផ្នែកវេជ្ជសាស្រ្ត, សូមមើល Kent and Hayward (2007) , Longford (1999) , និង Kravitz, Duan, and Braslow (2004) ។ វិសភាគនៃផលប៉ះពាល់ការព្យាបាលជាទូទៅផ្តោតលើភាពខុសគ្នាដោយផ្អែកលើលក្ខណៈការព្យាបាលមុន។ ប្រសិនបើអ្នកមានចំណាប់អារម្មណ៍ក្នុងការវិសភាគដែលមានមូលដ្ឋានលើលទ្ធផលក្រោយការព្យាបាល, បន្ទាប់មកវិធីសាស្រ្តស្មុគ្រស្មាញកាន់តែច្រើនត្រូវបានគេត្រូវការជាចាំបាច់ដូចជាការ stratification សំខាន់ (Frangakis and Rubin 2002) ; ឃើញ Page et al. (2015) សម្រាប់ការពិនិត្យមួយ។

អ្នកស្រាវជ្រាវជាច្រើននាក់បានប៉ាន់ប្រមាណវិសភាគនៃផលការព្យាបាលដោយប្រើតំរែតំរង់លីនេអ៊ែរនោះទេប៉ុន្ដែវិធីសាស្រ្តថ្មីជាងពឹងផ្អែកលើការរៀនម៉ាស៊ីន, ឧទាហរណ៍ Green and Kern (2012) , Imai and Ratkovic (2013) , Taddy et al. (2016) , និង Athey and Imbens (2016a)

មានការសង្ស័យមួយចំនួនអំពីការរកឃើញនៃវិសភាគមួយនៃផលប៉ះពាល់ដោយសារបញ្ហាការប្រៀបធៀបជាច្រើននិង "។ ការនេសាទត្រី" មិនមានភាពខុសគ្នានៃវិធីសាស្រ្តស្ថិតិដែលអាចជួយការព្រួយបារម្ភអាសយដ្ឋានអំពីការប្រៀបធៀបច្រើនមានគឺ (Fink, McConnell, and Vollmer 2014; List, Shaikh, and Xu 2016) វិធីសាស្រ្តមួយដែលមានការព្រួយបារម្ភអំពី "ការនេសាទត្រី" គឺការចុះឈ្មោះជាមុនដែលនឹងត្រូវបានក្លាយជារឿងធម្មតាឡើងនៅក្នុងចិត្តវិទ្យា (Nosek and Lakens 2014) , វិទ្យាសាស្រ្តនយោបាយ (Humphreys, Sierra, and Windt 2013; Monogan 2013; Anderson 2013; Gelman 2013; Laitin 2013) និងសេដ្ឋកិច្ច (Olken 2015)

នៅក្នុងការសិក្សារបស់ Costa and Kahn (2013) តែប្រហែលពាក់កណ្តាលនៃគ្រួសារក្នុងការពិសោធន៍នេះអាចត្រូវបានភ្ជាប់ទៅនឹងពដើម។ អ្នកអានចាប់អារម្មណ៍នៅក្នុងសេចក្ដីលម្អិតនិងបញ្ហាដែលអាចធ្វើបានជាមួយនឹងការវិភាគនេះគួរតែយោងទៅក្រដាសដើម។

  • មេកានិច (ផ្នែកទី 4.4.3)

មានសារៈសំខាន់មិនគួរឱ្យជឿយន្ដការ, ប៉ុន្តែពួកគេបែរទៅជាមានការលំបាកខ្លាំងណាស់ក្នុងការសិក្សា។ ស្រាវជ្រាវអំពីយន្តការដែលទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងការសិក្សានេះបានធ្វើការសម្រុះសម្រួលផ្នែកចិត្តវិទ្យា (ប៉ុន្តែសូមមើលផងដែរ VanderWeele (2009) សម្រាប់ការប្រៀបធៀបច្បាស់លាស់រវាងគំនិតពីរ) ។ វិធីសាស្រ្តស្ថិតិដើម្បីស្វែងរកការយន្ដការដូចជាវិធីសាស្រ្តដែលបានបង្កើតឡើងនៅក្នុង Baron and Kenny (1986) , ជារឿងធម្មតាណាស់។ ជាអកុសលវាប្រែថានីតិវិធីទាំងនោះពឹងផ្អែកលើការសន្មត់យ៉ាងខ្លាំងមួយចំនួន (Bullock, Green, and Ha 2010) និងទទួលរងនៅពេលដែលមានយន្តការច្រើន, ដូចដែលគេអាចរំពឹងថាក្នុងស្ថានភាពមួយជាច្រើន (Imai and Yamamoto 2013; VanderWeele and Vansteelandt 2014)Imai et al. (2011) និង Imai and Yamamoto (2013) ផ្តល់ជូននូវវិធីសាស្រ្តស្ថិតិមួយចំនួនធ្វើឱ្យប្រសើរឡើង។ លើសពីនេះទៀត VanderWeele (2015) បានផ្តល់នូវការព្យាបាលសៀវភៅប្រវែងជាមួយនឹងចំនួនលទ្ធផលសំខាន់រួមទាំងវិធីសាស្រ្តទូលំទូលាយដើម្បីធ្វើការវិភាគមួយ។

វិធីសាស្រ្តមួយដាច់ដោយឡែកផ្តោតលើការពិសោធន៍ដែលព្យាយាមដើម្បីរៀបចំយន្តការដោយផ្ទាល់ (ឧទាហរណ៍, ការផ្តល់ឱ្យនាវិកវីតាមីន C) ។ ជាអកុសលនៅក្នុងការកំណត់ផ្នែកវិទ្យាសាស្រ្តសង្គមជាច្រើនមានជាញឹកញាប់យន្តការច្រើនហើយវាជាការលំបាកក្នុងការព្យាបាលដែលនឹងផ្លាស់ប្តូរមួយដោយគ្មានការផ្លាស់ប្តូរអ្នកដទៃទៀត។ វិធីសាស្រ្តមួយចំនួនដើម្បីផ្លាស់ប្តូរត្រូវបានយន្តការពិសោធន៍រៀបរាប់ក្នុង Imai, Tingley, and Yamamoto (2013) , Ludwig, Kling, and Mullainathan (2011) , និង Pirlott and MacKinnon (2016)

ជាចុងក្រោយយន្តការធ្លាប់មានប្រវត្តិជាយូរមកហើយក្នុងទស្សនវិជ្ជានៃវិទ្យាសាស្ត្រដូចបានរៀបរាប់ដោយ Hedström and Ylikoski (2010)

  • ការប្រើបរិស្ថានដែលមានស្រាប់ (ផ្នែក 4.5.1.1)

ចំពោះការបន្ថែមទៀតលើការប្រើប្រាស់និងការសិក្សាការសិក្សាការឆ្លើយឆ្លងសវនកម្មដើម្បីវាស់ការរើសអើងឃើញ Pager (2007)

  • បង្កើតការធ្វើពិសោធន៍របស់អ្នកផ្ទាល់ (ផ្នែក 4.5.1.2)

វិធីសាមញ្ញបំផុតក្នុងការជ្រើសរើសអ្នកចូលរួមក្នុងការពិសោធន៍មួយដែលអ្នកបានសាងសង់គឺក្រុមហ៊ុន Amazon មេកានិចទួ (MTurk) ។ ដោយសារតែការធ្វើត្រាប់តាមទិដ្ឋភាព MTurk មន្ទីរពិសោធន៍បង់ប្រពៃណីពិសោធន៍ប្រជាជនដើម្បីបំព​​េញភារកិច្ចថាពួកគេនឹងមិនធ្វើសម្រាប់មនុស្សជាច្រើនអ្នកស្រាវជ្រាវដោយឥតគិតថ្លៃរួចទៅហើយដោយប្រើប្រាស់បានចាប់ផ្ដើម Turkers (កម្មករនៅលើ MTurk) ជាអ្នកចូលរួមនៅក្នុងការពិសោធន៍មនុស្សជាលទ្ធផលនៅក្នុងមុខវិជ្ជាប្រមូលទិន្នន័យលឿនជាងនិងថោកជាងប្រពៃណី ការពិសោធន៍នៅលើទីធ្លាសាលាមន្ទីរពិសោធន៍ (Paolacci, Chandler, and Ipeirotis 2010; Horton, Rand, and Zeckhauser 2011; Mason and Suri 2012; Rand 2012; Berinsky, Huber, and Lenz 2012)

កម្លាំងធំបំផុតនៃការពិសោធន៍ជាមួយអ្នកចូលរួមជ្រើសរើសពី MTurk មានការដឹកជញ្ជូន: ពួកគេអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវធ្វើការជ្រើសរើសអ្នកចូលរួមបានឆាប់រហ័សនិងជាការចាំបាច់។ ចំណែកឯការពិសោធន៍មន្ទីរពិសោធន៍អាចយកសប្តាហ៍ដើម្បីរត់និងអាចយកពិសោធន៍វាលខែដើម្បីកំណត់ឡើង, ដោយមានអ្នកចូលរួមពិសោធន៍ជ្រើសរើសពី MTurk អាចត្រូវបានរត់នៅក្នុងថ្ងៃ។ ឧទាហរណ៍ Berinsky, Huber, and Lenz (2012) គេអាចជ្រើសរើសមុខវិជ្ជាចំនួន 400 នាក់នៅថ្ងៃតែមួយដើម្បីចូលរួមក្នុងការពិសោធន៍ 8 នាទី។ លើសពីនេះទៀតអ្នកចូលរួមទាំងនេះអាចត្រូវបានជ្រើសរើសសម្រាប់ស្ទើរតែគោលបំណងណាមួយ (រួមបញ្ចូលទាំងការស្ទង់មតិនិងការសហការធំ, ជាការពិភាក្សានៅក្នុងជំពូកទី 3 និងទី 5) ។ ភាពងាយស្រួលនៃការជ្រើសរើសនេះមានន័យថាក្រុមអ្នកស្រាវជ្រាវអាចរត់លំដាប់នៃការពិសោធន៍ពាក់ព័ន្ធក្នុងការទទួលបានជោគជ័យយ៉ាងឆាប់រហ័ស។

មុនពេលជ្រើសរើសអ្នកចូលរួមពី MTurk សម្រាប់ធ្វើពិសោធន៍ផ្ទាល់ខ្លួនរបស់អ្នកមានរឿងសំខាន់បួនដើម្បីដឹងថាមាន។ ដំបូង, អ្នកស្រាវជ្រាវបានមនុស្សជាច្រើនមានការសង្ស័យដែលមិនជាក់លាក់នៃការពិសោធន៍ដែលពាក់ព័ន្ធនឹង Turkers ។ ដោយសារតែការសង្ស័យនេះមិនជាក់លាក់, វាគឺជាការលំបាកក្នុងការទប់ទល់ជាមួយនឹងភស្តុតាង។ ទោះជាយ៉ាងណាបន្ទាប់ពីជាច្រើនឆ្នាំក្នុងការសិក្សាដោយប្រើប្រាស់ Turkers យើងអាចសន្និដ្ឋានថាឥឡូវនេះមិនមែនជាការសង្ស័យចាំបាច់ជាពិសេស។ មានការសិក្សាជាច្រើនបានប្រៀបធៀបប្រជាសាស្ត្រនៃ Turkers នេះដល់ប្រជាជនផ្សេងទៀតនិងការសិក្សាជាច្រើនបើប្រៀបធៀបលទ្ធផលនៃការពិសោធន៍ជាមួយ Turkers ទៅនឹងលទ្ធផលដែលបានមកពីចំនួនប្រជាជនផ្សេងទៀត។ ដែលបានផ្ដល់ឱ្យការងារទាំងអស់នេះខ្ញុំគិតថាវិធីល្អបំផុតសម្រាប់អ្នកក្នុងការគិតអំពីវានោះគឺថា Turkers មានគំរូភាពងាយស្រួលសមរម្យជាច្រើនដូចជាសិស្សប៉ុន្តែចម្រុះបន្តិចបន្ថែមទៀត (Berinsky, Huber, and Lenz 2012) ។ ដូច្នេះគ្រាន់តែជាសិស្សនិស្សិតគឺសមហេតុផលសម្រាប់ប្រជាជនមួយចំនួនប៉ុន្តែមិនមែនទាំងអស់ការស្រាវជ្រាវពិសោធន៍, Turkers ជាសមហេតុផលសម្រាប់ការមួយចំនួនមានចំនួនប្រជាជនប៉ុន្តែមិនបានស្រាវជ្រាវទាំងអស់។ ប្រសិនបើអ្នកកំពុងធ្វើការជាមួយនឹង Turkers, បន្ទាប់មកវាធ្វើឱ្យយល់ក្នុងការអានជាច្រើននៃការសិក្សាប្រៀបធៀបទាំងនេះនិងយល់ការ nuances របស់ពួកគេ។

ទីពីរ, អ្នកស្រាវជ្រាវបានបង្កើតដែលល្អបំផុតសម្រាប់បង្កើនការអនុវត្តន៍-សុពលភាពពិសោធន៍ទួផ្ទៃនិងអ្នកគួរតែរៀនអំពីការទាំងនេះនិងអនុវត្តតាមការអនុវត្តន៍ល្អបំផុត- (Horton, Rand, and Zeckhauser 2011; Mason and Suri 2012) ។ ឧទាហរណ៍ក្រុមអ្នកស្រាវជ្រាវបានប្រើប្រាស់ Turkers ត្រូវបានលើកទឹកចិត្តឱ្យប្រើ screeners ដើម្បីយកអ្នកចូលរួមក្នុងការមិនយកចិត្ដទុកដាក់ (Berinsky, Margolis, and Sances 2014; Berinsky, Margolis, and Sances 2016) (ប៉ុន្តែសូមមើលផងដែរ DJ Hauser and Schwarz (2015b) និង DJ Hauser and Schwarz (2015a) ) ។ ប្រសិនបើអ្នកមិនយកអ្នកចូលរួមក្នុងការមិនយកចិត្ដទុកដាក់ហើយបន្ទាប់មកមានប្រសិទ្ធិភាពនៃការព្យាបាលណាមួយដែលអាចយ​​កទៅលាងសំអាតដោយសម្លេងណែនាំពីអ្នកចូលរួមមិនយកចិត្ដទុកដាក់និងនៅក្នុងការអនុវត្តចំនួននៃអ្នកចូលរួមអាចត្រូវបានមិនយកចិត្ដទុកដាក់ច្រើន។ ក្នុងការពិសោធន៍នៃ Huber និងមិត្តរួមការងារ (2012) ប្រហែល 30% នៃអ្នកចូលរួមបានបរាជ័យ screeners ការយកចិត្តទុកដាក់ជាមូលដ្ឋាន។ បញ្ហាមួយទៀតជារឿងធម្មតាជាមួយ Turkers គឺមិនមែនជារឿងឆោតល្ងង់អ្នកចូលរួម (Chandler et al. 2015)

ទីបីទាក់ទងទៅនឹងទម្រង់ផ្សេងទៀតមួយចំនួននៃការពិសោធន៍ឌីជីថលពិសោធន៍ MTurk ធ្វើមាត្រដ្ឋានមិនអាច! Stewart et al. (2015) បានប៉ាន់ប្រមាណថានៅពេលដែលបានផ្ដល់ណាមានប្រមាណជា 7000 នាក់នៅលើ MTurk ប៉ុណ្ណោះ។

ជាចុងក្រោយអ្នកគួរតែដឹងថា MTurk គឺជាសហគមន៍មួយដែលមានច្បាប់និងបទដ្ឋានរបស់ខ្លួន (Mason and Suri 2012) ។ នៅក្នុងវិធីដូចគ្នាដែលអ្នកនឹងព្យាយាមដើម្បីរកឱ្យឃើញអំពីវប្បធម៍នៃប្រទេសដែលជាកន្លែងដែលអ្នកនឹងរត់ការពិសោធន៍របស់អ្នកនោះអ្នកគួរតែព្យាយាមស្វែងយល់បន្ថែមអំពីវប្បធម៍និងបទដ្ឋាននៃ Turkers (Salehi et al. 2015) ។ ហើយអ្នកគួរដឹងថា Turkers នេះនឹងត្រូវបាននិយាយអំពីការពិសោធន៍របស់អ្នកប្រសិនបើអ្នកធ្វើអ្វីមួយមិនសមរម្យឬ unethical (Gray et al. 2016)

MTurk គឺជាវិធីងាយស្រួលមិនគួរឱ្យជឿក្នុងការជ្រើសរើសអ្នកចូលរួមក្នុងការធ្វើពិសោធន៍របស់អ្នក, ថាតើពួកគេមានមន្ទីរពិសោធន៍ដូច, ដូចជា Huber, Hill, and Lenz (2012) , ឬវាលដូចជាច្រើនទៀតដូចជា Mason and Watts (2009) , Goldstein, McAfee, and Suri (2013) , Goldstein et al. (2014) , Horton and Zeckhauser (2016) , និង Mao et al. (2016)

  • ស្ថាបនាផលិតផលរបស់អ្នកផ្ទាល់ (ផ្នែក 4.5.1.3)

ប្រសិនបើអ្នកកំពុងគិតពីការព្យាយាមបង្កើតផលិតផលផ្ទាល់ខ្លួនរបស់អ្នក, ខ្ញុំសូមផ្តល់អនុសាសន៍ថាអ្នកអានដំបូន្មានដែលផ្តល់ដោយក្រុម MovieLens ក្នុង Harper and Konstan (2015) ។ ការយល់ដឹងទូលំទូលាយសំខាន់ពីបទពិសោធន៍របស់នោះគឺថាសម្រាប់គម្រោងទទួលបានជោគជ័យគ្នាមានមនុស្សជាច្រើន, ការបរាជ័យជាច្រើន។ ឧទាហរណ៍ក្រុម MovieLens បានចាប់ផ្តើមផលិតផលផ្សេងទៀតដូចជា GopherAnswers ពេញលេញដែលមានការបរាជ័យ (Harper and Konstan 2015) ។ ឧទាហរណ៍មួយទៀតនៃការបរាជ័យក្នុងការស្រាវជ្រាវខណៈពេលកំពុងព្យាយាមស្ថាបនាផលិតផលមួយគឺជាការប៉ុនប៉ងរបស់លោកដើម្បីឱ្យលោក Edward Castronova ការលេងហ្គេមអនឡាញកសាងភាពជាគេហៅថា Arden ។ ទោះបីជា $ 250,000 ក្នុងការផ្តល់មូលនិធិគម្រោងនេះគឺជាដំណាក់កាល flop មួយ (Baker 2008) ។ គម្រោងដូច GopherAnswers និង Arden ជាអកុសលជាច្រើនទៀតជារឿងធម្មតាគម្រោងដូច MovieLens ជាង។ នៅទីបំផុតនៅពេលដែលខ្ញុំបាននិយាយថាខ្ញុំមិនបានដឹងថាអ្នកស្រាវជ្រាវផ្សេងទៀតដែលបានសង់ផលិតផលដោយជោគជ័យសម្រាប់ការពិសោធន៍ម្តងហើយម្តងទៀតនៅទីនេះគឺជាលក្ខណៈវិនិច្ឆ័យរបស់ខ្ញុំ: 1) អ្នកចូលរួមក្នុងការប្រើផលិតផលនេះដោយសារតែអ្វីដែលវាបានផ្តល់ឱ្យពួកគេ (ឧទា, ពួកគេមិនត្រូវបានបង់ហើយពួកគេមិនមាន អ្នកស្ម័គ្រចិត្តជួយដល់ផ្នែកវិទ្យាសាស្រ្ត) និង 2) ផលិតផលនេះត្រូវបានប្រើសម្រាប់ការពិសោធខុស​​គ្នាច្រើនជាងមួយ (ពោលគឺមិនមែនជាការពិសោធន៍ដដែលច្រើនដងដោយមានថ្លុកអ្នកចូលរួមផ្សេងគ្នា) ។ ប្រសិនបើអ្នកស្គាល់គំរូផ្សេងទៀត, សូមអនុញ្ញាតឱ្យខ្ញុំដឹង។

  • ដៃគូជាមួយអ្នកមានអំណាចនេះ (ផ្នែកទី 4.5.2)

ខ្ញុំបានឮគំនិតនៃ quadrant ប៉ាស្ទ័របានពិភាក្សាជាញឹកញាប់នៅក្រុមហ៊ុនបច្ចេកវិទ្យានេះហើយវាអាចជួយក្នុងការរៀបចំកិច្ចខិតខំប្រឹងប្រែងស្រាវជ្រាវនៅក្រុមហ៊ុន Google (Spector, Norvig, and Petrov 2012)

មូលបត្របំណុលនិងការសិក្សាមិត្តរួមការងារ " (2012) ផងដែរព្យាយាមដើម្បីរកឱ្យឃើញប្រសិទ្ធិភាពនៃការព្យាបាលទាំងនេះនៅលើមិត្តភក្តិរបស់អ្នកដែលបានទទួលពួកគេ។ ដោយសារតែការរចនានៃការពិសោធន៍នេះម្យ៉ាងទៀតផលប៉ះពាល់ទាំងនេះគឺមានការលំបាកក្នុងការរកឃើញស្អាត! អ្នកអានចាប់អារម្មណ៍គួរតែមើលឃើញ Bond et al. (2012) សម្រាប់ការពិភាក្សាហ្មត់ចត់បន្ថែមទៀត។ ការពិសោធន៍នេះគឺជាផ្នែកមួយនៃប្រពៃណីយូរនៃការពិសោធន៍ផ្នែកវិទ្យាសាស្ត្រនយោបាយនៅលើកិច្ចខិតខំប្រឹងប្រែងដើម្បីលើកទឹកចិត្តដល់ការបោះឆ្នោត (Green and Gerber 2015) ។ ពិសោធន៍ទទួលចេញការបោះឆ្នោតទាំងនេះគឺជារឿងធម្មតាមួយផ្នែកដោយសារតែពួកគេមាននៅក្នុង quadrant ប៉ាស្ទ័របាន។ នោះគឺ, មានមនុស្សជាច្រើនដែលមានការលើកទឹកចិត្តដើម្បីបង្កើនការបោះឆ្នោតនិងការបោះឆ្នោតអាចជាឥរិយាបថគួរឱ្យចាប់អារម្មណ៍ដើម្បីសាកល្បងទ្រឹស្តីទូទៅបន្ថែមអំពីការផ្លាស់ប្ដូរឥរិយាបថនិងឥទ្ធិពលក្នុងសង្គម។

ក្រុមអ្នកស្រាវជ្រាវផ្សេងទៀតបានផ្តល់ដំបូន្មានអំពីការរត់ការពិសោធន៍វាលជាមួយអង្គការដៃគូដូចជាគណបក្សនយោបាយអង្គការមិនមែនរដ្ឋាភិបាលនិងអាជីវកម្ម (Loewen, Rubenson, and Wantchekon 2010; List 2011; Gueron 2002) ។ អ្នកផ្សេងទៀតបានផ្តល់ដំបូន្មានអំពីរបៀបដែលភាពជាដៃគូជាមួយអង្គការអាចមានឥទ្ធិពលលើការរចនាម៉ូដស្រាវជ្រាវ (Green, Calfano, and Aronow 2014; King et al. 2007) ។ ភាពជាដៃគូផងដែរអាចនាំឱ្យមានសំណួរវិជ្ជាជីវៈ (Humphreys 2015; Nickerson and Hyde 2016)

  • ដំបូន្មានរចនា (ផ្នែកទី 4.6)

ប្រសិនបើអ្នកកំពុងនឹងបង្កើតផែនការវិភាគមួយមុនពេលរត់ការពិសោធន៍របស់អ្នក, ខ្ញុំសូមណែនាំថាអ្នកចាប់ផ្តើមដោយការអានគោលការណ៍ណែនាំរាយការណ៍។ អគ្គមហេសីនេះ (ស្តង់ដាររបាយការណ៍រួមនៃទុក្ខលំបាក) គោលការណ៍ណែនាំបានផលិតក្នុងការថាំពទ្យ (Schulz et al. 2010) និងបានកែប្រែសម្រាប់ការស្រាវជ្រាវសង្គម (Mayo-Wilson et al. 2013)សំណុំទាក់ទងនឹងគោលការណ៍ណែនាំត្រូវបានបង្កើតឡើងដោយកម្មវិធីនិពន្ធនៃទស្សនាវដ្តីវិទ្យាសាស្រ្តនយោបាយនៃការពិសោធន៍នេះ (Gerber et al. 2014) (សូមមើលផងដែរ Mutz and Pemantle (2015) និង Gerber et al. (2015) ) ។ ជាចុងក្រោយ, គោលការណ៍ណែនាំរាយការណ៍ត្រូវបានបង្កើតឡើងនៅក្នុងចិត្តវិទ្យា (Group 2008) និងសូមមើលផងដែរ Simmons, Nelson, and Simonsohn (2011)

ប្រសិនបើអ្នកបង្កើតផែនការវិភាគមួយដែលអ្នកគួរពិចារណាមុនការចុះឈ្មោះវាដោយសារតែការចុះឈ្មោះជាមុននឹងបង្កើនទំនុកចិត្តថាអ្នកផ្សេងទៀតមាននៅក្នុងលទ្ធផលរបស់អ្នក។ លើសពីនេះបើអ្នកកំពុងធ្វើការជាមួយដៃគូមួយ, វានឹងកម្រិតសមត្ថភាពរបស់ដៃគូរបស់អ្នកដើម្បីផ្លាស់ប្តូរការវិភាគនេះបន្ទាប់ពីឃើញលទ្ធផល។ ចុះឈ្មោះជាមុនឡើងនៅក្នុងការក្លាយជារឿងធម្មតាចិត្តវិទ្យា (Nosek and Lakens 2014) , វិទ្យាសាស្រ្តនយោបាយ (Humphreys, Sierra, and Windt 2013; Monogan 2013; Anderson 2013; Gelman 2013; Laitin 2013) , និងសេដ្ឋកិច្ច (Olken 2015)

ខណៈពេលដែលការបង្កើតផែនការមុនការវិភាគរបស់អ្នកអ្នកគួរតែដឹងថាក្រុមអ្នកស្រាវជ្រាវមួយចំនួនបានប្រើតំរែតំរង់និងវិធីសាស្រ្តដែលពាក់ព័ន្ធដើម្បីពង្រឹងភាពច្បាស់លាស់ក្នុងការដែលមានប្រសិទ្ធិភាពការព្យាបាលប៉ាន់ប្រមាណថានិងមានការជជែកពិភាក្សាគ្នាអំពីវិធីសាស្រ្តនេះ: Freedman (2008) , Lin (2013) , និង Berk et al. (2013) ; ឃើញ Bloniarz et al. (2016) ថែមទៀត។

ដំបូន្មានរចនាឡើងជាពិសេសសម្រាប់ការធ្វើពិសោធន៍វាលអនឡាញត្រូវបានបង្ហាញផងដែរនៅក្នុង Konstan and Chen (2007) និង Chen and Konstan (2015)

  • បង្កើតសូន្យទិន្នន័យចំណាយអថេរ (ផ្នែកទី 4.6.1)

ចំពោះការបន្ថែមទៀតលើការពិសោធន៍ MusicLab, មើលឃើញ Salganik, Dodds, and Watts (2006) , Salganik and Watts (2008) , Salganik and Watts (2009b) , Salganik and Watts (2009a) , និង Salganik (2007) ។ ចំពោះការបន្ថែមទៀតលើអ្នកឈ្នះ-ទាំងអស់ទីផ្សារយកសូមមើល Frank and Cook (1996) ។ ចំពោះការបន្ថែមទៀតនៅលើសំណាង untangling និងជំនាញជាទូទៅសូមមើល Mauboussin (2012) , Watts (2012) , និង Frank (2016)

ការកេណ្ឌទាហានថ្មី: មានវិធីសាស្រ្តមួយផ្សេងទៀតដើម្បីលុបបំបាត់ការបង់ប្រាក់អ្នកចូលរួមថាអ្នកស្រាវជ្រាវគួរប្រើដោយប្រុងប្រយ័ត្នគឺ។ នៅក្នុងការពិសោធន៍វាលអនឡាញជាច្រើនចូលរួមត្រូវបានព្រាងឡើងជាមូលដ្ឋានចូលទៅនិងមិនបានផ្តល់សំណងពិសោធន៍។ ឧទាហរណ៍នៃវិធីសាស្រ្តនេះរួមមាន Restivo ដែលបម្រើការដឺ Rijt និង Van របស់ (2012) ពិសោធន៍នៅលើវិគីភីឌានិងរង្វាន់ក្នុងសញ្ញាប័ណ្ណនិងមិត្តរួមការងាររបស់ (2012) ពិសោធន៍លើការលើកទឹកចិត្តឱ្យបោះឆ្នោត។ ការពិសោធន៍ទាំងនេះពិតជាមិនមានការចំណាយអថេរសូន្យពួកគេមានសូន្យចំណាយអថេរទៅអ្នកស្រាវជ្រាវ។ ទោះបីជាតម្លៃនៃការជាច្រើននៃការពិសោធន៍ទាំងនេះគឺតូចខ្លាំងណាស់ក្នុងការចូលរួម, ការចំណាយមួយចំនួនតូចដែលបានដាក់អ្នកចូលរួមធំអាចបន្ថែមឡើងយ៉ាងឆាប់រហ័ស។ ក្រុមអ្នកស្រាវជ្រាវបានពិសោធន៍លើបណ្តាញយ៉ាងច្រើនដែលកំពុងរត់ជាញឹកញាប់បង្ហាញអំពីភាពត្រឹមត្រូវពីសារៈសំខាន់នៃការប៉ាន់ស្មានផលប៉ះពាល់ការព្យាបាលតូចនិយាយថាដោយផលប៉ះពាល់តូចទាំងនេះអាចក្លាយជាការសំខាន់នៅពេលដែលបានអនុវត្តទៅមនុស្សជាច្រើន។ នេះជាការគិតដូចគ្នាពិតប្រាកដត្រូវបានអនុវត្តទៅការចំណាយដែលអ្នកស្រាវជ្រាវប្រាស់នៅលើអ្នកចូលរួម។ ប្រសិនបើមានការធ្វើពិសោធន៍របស់អ្នកបណ្តាលអោយមនុស្សមួយលាននាក់ខ្ជះខ្ជាយមួយនាទីពិសោធន៍គឺមិនមានះថាក់ណាស់ទៅមនុស្សម្នាក់ពិសេសណាមួយប៉ុន្តែនៅក្នុងចំណាយសរុបវាបានជិតពីរឆ្នាំនៃពេលវេលា។

វិធីសាស្រ្តមួយផ្សេងទៀតដើម្បីបង្កើតការចំណាយអថេរសូន្យទូទាត់ដល់អ្នកចូលរួមគឺប្រើឆ្នោតមួយវិធីសាស្រ្តដែលត្រូវបានប្រើផងដែរក្នុងការស្រាវជ្រាវស្ទាបស្ទង់មតិមួយ (Halpern et al. 2011) ។ ជាចុងក្រោយ, សម្រាប់បន្ថែមអំពីការរចនាបទពិសោធន៍អ្នកប្រើប្រាស់រីករាយឃើញ Toomim et al. (2011)

  • ជំនួសឱ្យប្រសើរនិងកាត់បន្ថយ (ផ្នែកទី 4.6.2)

ខាងក្រោមនេះជានិយមន័យដើមបី៛ពីមាន Russell and Burch (1959) :

"ការជំនួសជំនួសសម្រាប់ការរស់នៅមានន័យថាការយល់ដឹងខ្ពស់នៃសត្វសម្ភារៈ insentient នេះ។ ការកាត់បន្ថយមានន័យថាការកាត់បន្ថយក្នុងចំនួននៃសត្វបានប្រើដើម្បីទទួលបាននូវពនៃចំនួនទឹកប្រាក់ដែលបានផ្តល់ឱ្យនិងភាពជាក់លាក់នោះទេ។ ការរីកចម្រើនណាមួយក្នុងន័យថាការធ្លាក់ចុះឧប្បត្តិហេតុឬភាពធ្ងន់ធ្ងរនៃនីតិវិធីឃោឃៅដែលបានអនុវត្តទៅសត្វទាំងនោះដែលនៅតែមាននឹងត្រូវបានប្រើ "។

ទាំងបី៛ដែលខ្ញុំបានស្នើរសុំមិនបដិសេធគោលការណ៍វិជ្ជាជីវៈដែលបានចែងក្នុងជំពូកទី 6 ផ្ទុយទៅវិញពួកគេគឺជាកំណែល្អិតល្អន់ជាងមួយនៃគោលការណ៍ទាំងនោះជាពិសេសសម្រាប់ការ-គុណការកំណត់នៃការពិសោធន៍មនុស្ស។

ពេលពិចារណា Contagion អារម្មណ៍, មានបញ្ហាមិនត្រឹមត្រូវចំនួនបីដើម្បីរក្សាទុកក្នុងចិត្តនៅពេលបកប្រែពិសោធន៍នេះ។ ដំបូងវាគឺជាការមិនច្បាស់ថាតើសេចក្តីលម្អិតពិតប្រាកដនៃការពិសោធន៍នេះបានភ្ជាប់ទៅនឹងពាក្យបណ្តឹងទ្រឹស្តីនេះ; នៅក្នុងពាក្យផ្សេងទៀត, មានសំណួរអំពីសុពលភាពនៃការបង្កើតមាន។ វាមិនមែនជាការច្បាស់ណាស់ថាការរាប់ចំនួនពាក្យវិជ្ជមាននិងអវិជ្ជមានគឺពិតជាការចង្អុលបង្ហាញបានល្អនៃរដ្ឋអារម្មណ៍នៃអ្នកចូលរួមបានទេព្រោះ 1) វាមិនមែនជាការច្បាស់ណាស់ថាពាក​​្យថាមនុស្សប្រកាសមានសូចនាករល្អនៃអារម្មណ៍របស់ពួកគេនិង 2) វាមិនមែនជាការច្បាស់ណាស់ថា បច្ចេកទេសវិភាគសន្ទស្សន៍នេះបានពិសេសដែលអ្នកស្រាវជ្រាវបានប្រើប្រាស់គឺអាចសន្និដ្ឋានអារម្មណ៍ឿទុកចិត្ដ (Beasley and Mason 2015; Panger 2016) ។ នៅក្នុងពាក្យផ្សេងទៀតវាអាចនឹងមានជាវិធានការអាក្រក់នៃសញ្ញាមានភាពលម្អៀង។ ទីពីរការរចនានិងការវិភាគនៃការពិសោធន៍នេះបានប្រាប់យើងគ្មានអ្វីអំពីការដែលរងផលប៉ះពាល់ច្រើនបំផុត (ពោលគឺមិនមានការវិភាគនៃការវិសភាគមួយនៃព្យាបាលផលប៉ះពាល់) និងជាអ្វីដែលយន្តការនេះអាចនឹងមាន។ ក្នុងករណីនេះក្រុមអ្នកស្រាវជ្រាវបានមានច្រើននៃអ្នកចូលរួមបានអំពីទេប៉ុន្តែពួកគេត្រូវបានទទួលការព្យាបាលសំខាន់ដែលជាធាតុក្រាហ្វិកនៅក្នុងការវិភាគនេះ។ ទីបីទំហំផលប៉ះពាល់ក្នុងការពិសោធន៍នេះគឺតូចណាស់; ភាពខុសគ្នារវាងលក្ខខណ្ឌការព្យាបាលនិងការត្រួតពិនិត្យនេះគឺប្រហែល 1 ក្នុង 1.000 នាក់បានពាក្យ។ នៅក្នុងក្រដាសរបស់ពួកគេនិងមិត្តរួមការងារធ្វើឱ្យ Kramer ករណីដែលមានប្រសិទ្ធិភាពនៃទំហំនេះគឺមានសារៈសំខាន់ដោយសារតែមានមនុស្សរាប់រយលាននាក់ចូលប្រើជារៀងរាល់ថ្មីរបស់ខ្លួន Feed ថ្ងៃ។ នៅក្នុងពាក្យផ្សេងទៀតដែលពួកគេបានអះអាងថាទោះបីជាផលប៉ះពាល់ដែលមានទំហំតូចសម្រាប់មនុស្សម្នាក់ដែលពួកគេគឺធំនៅសរុប។ សូម្បីតែប្រសិនបើអ្នកត្រូវបានគេដើម្បីទទួលយកអាគុយម៉ង់នេះ, វានៅតែមិនច្បាស់ថាតើផលប៉ះពាល់នៃទំហំនេះគឺមានសារៈសំខាន់ទាក់ទងនឹងសំណួរខាងវិទ្យាសាស្រ្តបន្ថែមទៀតអំពីការរីករាលដាលអគ្គផ្លូវអារម្មណ៍។ ចំពោះការបន្ថែមទៀតលើស្ថានភាពដែលជាកន្លែងដែលមានផលប៉ះពាល់គឺមានសារៈសំខាន់មើលឃើញតូច Prentice and Miller (1992)

នៅក្នុងលក្ខខណ្ឌនៃការស្រាវជ្រាវដំបូង (ជំនួស), ប្រៀបធៀបបទពិសោធអារម្មណ៍ Contagion (Kramer, Guillory, and Hancock 2014) និងការរីករាលដាលផ្លូវចិត្តពិសោធន៍ធម្មជាតិ (Coviello et al. 2014) បានផ្តល់ជូននូវមេរៀនទូទៅមួយចំនួនអំពីការដូរចុះឡើងជាប់ពាក់ព័ន្ធជាមួយនឹងការផ្លាស់ប្តូរពី ពិសោធន៍ក្នុងការពិសោធន៍ធម្មជាតិ (និងវិធីសាស្រ្តផ្សេងទៀតដូចជាការផ្គូផ្គងនឹងការប៉ុនប៉ងដើម្បីប្រហាក់ប្រហែលពិសោធន៍នៅក្នុងទិន្នន័យដែលមិនបានពិសោធន៍ដែលសូមមើលជំពូកទី 2) ។ ក្រៅពីផលប្រយោជន៍វិជ្ជាជីវៈ, ការផ្លាស់ប្តូរពីការពិសោធន៍ទៅលើការសិក្សាមិនមែនជាការពិសោធន៍អាចឱ្យអ្នកស្រាវជ្រាវសិក្សាការព្យាបាលដែលពួកគេត្រូវបានដាក់ពង្រាយផ្នែកភស្ដុភារមិនអាច។ អត្ថប្រយោជន៍វិជ្ជាជីវៈនិងការដឹកជញ្ជូនទាំងនេះមកនៅក្នុងការចំណាយមួយ, ទោះជាយ៉ាងណា។ ជាមួយនឹងបទពិសោធធម្មជាតិអ្នកស្រាវជ្រាវមានការគ្រប់គ្រងតិចជាងអ្វីដែលដូចជាការជ្រើសរើសអ្នកចូលរួម, ចៃដន្យ, និងធម្មជាតិនៃការព្យាបាលនេះ។ ឧទាហរណ៍មួយដែនកំណត់នៃការធ្លាក់ភ្លៀងដែលជាការព្យាបាលមួយគឺថាវាបានទាំងវិជ្ជមាននិងការថយចុះការបង្កើនអវិជ្ជមាន។ នៅក្នុងការសិក្សាពិសោធន៍ទោះជាយ៉ាងណា Kramer និងសហការីអាចលៃតម្រូវវិជ្ជមាននិងអវិជ្ជមានឯករាជ្យ។

វិធីសាស្រ្តពិសេសដែលត្រូវបានប្រើដោយ Coviello et al. (2014) បានសហការបន្ថែមទៀតនៅក្នុង Coviello, Fowler, and Franceschetti (2014) ។ សម្រាប់សេចក្តីណែនាំអំពីមធ្យោបាយមួយដែលមើលឃើញអថេរ Angrist and Pischke (2009) (តិចជាផ្លូវការ) ឬ Angrist, Imbens, and Rubin (1996) (ផ្លូវការច្រើនទៀត) ។ ចំពោះការវាយតម្លៃអថេរឧបករណ៍សង្ស័យឃើញ Deaton (2010) និងសម្រាប់សេចក្ដីណែនាំទៅអថេរឧបករណ៍ជាមួយឧបករណ៍ខ្សោយ (មានភ្លៀងធ្លាក់ជាឧបករណ៍ខ្សោយ) សូមមើល Murray (2006)

ជាទូទៅ, ការណែនាំល្អក្នុងការពិសោធន៍ធម្មជាតិគឺ Dunning (2012) , និង Rosenbaum (2002) , Rosenbaum (2009) , និង Shadish, Cook, and Campbell (2001) ផ្តល់ជូននូវគំនិតល្អអំពីការប៉ាន់ប្រមាណផលប៉ះពាល់ធ្វើអោយដោយគ្មានពិសោធន៍។

នៅក្នុងលក្ខខណ្ឌនៃការ៛ទីពីរ (ចម្រាញ់), មានតុលវិទ្យាសាស្រ្តនិងនៅពេលដែលពិចារណាការផ្លាស់ប្តូរខាងដឹកនាំសាស្ត្រការរចនារបស់ Contagion អារម្មណ៍ពីការទប់ស្កាត់ការប្រកាសដើម្បីជំរុញប្រកាសមាន។ ឧទាហរណ៍វាអាចជាករណីដែលថាការអនុវត្តបច្ចេកទេសនៃដំណឹងនេះបានធ្វើឱ្យមតិដែលវាគឺជាការងាយស្រួលក្នុងការធ្វើខ្លាំងមួយជាមួយនឹងការទប់ស្កាត់ការពិសោធន៍ប្រកាសជាជាងការពិសោធន៍មួយជាមួយនឹងការបង្កើនការប្រកាស (ចំណាំថាការពិសោធន៍ជាមួយនឹងការទប់ស្កាត់ការប្រកាសនេះអាចត្រូវបានអនុវត្តជាស្រទាប់នៅលើ កំពូលនៃប្រព័ន្ធមតិដោយមិនចាំបាច់ដំណឹងសម្រាប់ការកែសម្រួលនៃប្រព័ន្ធមូលដ្ឋាន) ណាមួយឡើយ។ វិទ្យាសាស្រ្ត, ទោះជាយ៉ាងណា, ទ្រឹស្តីដែលបានដោះស្រាយដោយការពិសោធន៍នេះមិនបានបញ្ជាក់យ៉ាងច្បាស់រចនាជាងមួយផ្សេងទៀត។

ជាអកុសល, ខ្ញុំមិនបានដឹងពីការស្រាវជ្រាវមុនច្រើនអំពី merits ទាក់ទងនៃទប់ស្កាត់និងការបង្កើនមាតិកាក្នុងមតិដំណឹងនេះ។ ដូចគ្នានេះផងដែរខ្ញុំមិនបានឃើញការស្រាវជ្រាវជាច្រើនអំពីក្រលំអការព្យាបាលធ្វើឱ្យពួកគេមានគ្រោះថ្នាក់តិច; ករណីលើកលែងមួយគឺ Jones and Feamster (2015) ដែលបានចាត់ទុកករណីនៃការវាស់វែងនៃការត្រួតពិនិត្យអ៊ីនធឺណិត (ខ្ញុំបានពិភាក្សាអំពីប្រធានបទមួយក្នុងជំពូកទី 6 ក្នុងទំនាក់ទំនងទៅនឹងការសិក្សា Encore នេះ (Burnett and Feamster 2015; Narayanan and Zevenbergen 2015) ) ។

នៅក្នុងលក្ខខណ្ឌនៃការ៛ទីបី (កាត់បន្ថយ), ការណែនាំល្អដើម្បីវិភាគអំណាចបែបប្រពៃណីគឺ Cohen (1988) ។ ការព្យាបាលជាមុនកូវ៉ារ្យង់ដែលអាចត្រូវបានរួមបញ្ចូលនៅក្នុងដំណាក់កាលរចនានិងដំណាក់កាលវិភាគនៃការពិសោធន៍; ជំពូកទី 4 នៃ Gerber and Green (2012) ផ្ដល់នូវការណែនាំល្អដើម្បីវិធីសាស្រ្តទាំងពីរ, ហើយ Casella (2008) ផ្ដល់នូវការព្យាបាលបន្ថែមទៀតនៅក្នុងជម្រៅ។ បច្ចេកទេសដែលប្រើពការព្យាបាលមុននេះនៅក្នុងចៃដន្យត្រូវបានហៅថាជាធម្មតាទាំងការរចនាម៉ូដពិសោធន៍បានរាំងខ្ទប់ឬការរចនាម៉ូដពិសោធន៍ stratified (ដែលពាក្យនេះមិនត្រូវបានគេប្រើបានជាប់លាប់តាមសហគមន៍); បច្ចេកទេសទាំងនេះត្រូវបានទាក់ទងយ៉ាងខ្លាំងទៅនឹងបច្ចេកទេសគំរូ stratified ពិភាក្សានៅក្នុងជំពូកទី 3. សូមមើល Higgins, Sävje, and Sekhon (2016) សម្រាប់ការប្រើការរចនាម៉ូដទាំងនេះនៅក្នុងការពិសោធន៍ច្រើន។ ការព្យាបាលជាមុនកូវ៉ារ្យង់អាចត្រូវបានរួមបញ្ចូលនៅក្នុងដំណាក់កាលវិភាគ។ McKenzie (2012) ការរកឃើញនូវវិធីសាស្រ្តមានភាពខុសគ្នានៅក្នុងការវិភាគលើការពិសោធន៍ភាពខុសគ្នាទៅនឹងវាលនៅក្នុងលម្អិតកាន់តែច្រើន។ សូមមើល Carneiro, Lee, and Wilhelm (2016) សម្រាប់ការបន្ថែមទៀតនៅលើយន្តហោះចាប់ផ្តើមហោះពាណិជ្ជកម្មរវាងវិធីសាស្រ្តផ្សេងដើម្បីបង្កើនភាពជាក់លាក់ក្នុងការប៉ាន់ប្រមាណពីផលប៉ះពាល់ការព្យាបាល។ ជាចុងក្រោយ, ពេលសម្រេចចិត្តថាតើត្រូវព្យាយាមដើម្បីរួមបញ្ចូលកូវ៉ារ្យង់ការព្យាបាលមុននៅក្នុងការរចនាឬការវិភាគឆាក (ឬទាំងពីរ), មានកត្តាមួយចំនួនដើម្បីពិចារណា។ នៅក្នុងការកំណត់ដែលជាកន្លែងដែលក្រុមអ្នកស្រាវជ្រាវចង់បង្ហាញថាពួកគេមិនមាន "ត្រី" មួយ (Humphreys, Sierra, and Windt 2013) , ការប្រើប្រាស់កូវ៉ារ្យង់ការព្យាបាលមុននៅក្នុងដំណាក់កាលរចនានេះអាចមានប្រយោជន៍ (Higgins, Sävje, and Sekhon 2016) ។ នៅក្នុងស្ថានភាពដែលជាកន្លែងដែលអ្នកចូលរួមបានមកដល់បន្តគ្នា, ការពិសោធន៍វាលជាពិសេសអនឡាញដោយប្រើពការព្យាបាលមុននៅក្នុងដំណាក់កាលការរចនាអាចជាការលំបាកភស្ដុភារសូមមើលឧទាហរណ៍ Xie and Aurisset (2016)

លោកបានបន្ថែមថាវាគឺជាតម្លៃមួយវិចារណញាណបន្តិចហេតុអ្វីបានភាពខុសគ្នាប្រហែលនៅក្នុងភាពខុសគ្នា-អាចមានប្រសិទ្ធភាពខ្លាំងជាងភាពខុសគ្នានៅក្នុងមធ្យោបាយ។ លទ្ធផលលើបណ្តាញជាច្រើនមានការខុសគ្នាខ្ពស់ណាស់ (សូមមើលឧទាហរ Lewis and Rao (2015) និង Lamb et al. (2015) ) និងមានស្ថេរភាពជាងពេលវេលា។ ក្នុងករណីនេះ, ពិន្ទុការផ្លាស់ប្តូរនេះនឹងមានទំហំតូចខុសគ្នាយ៉ាងខ្លាំង, ក​​ារកើនឡើងអំណាចនៃការធ្វើតេស្តស្ថិតិនេះ។ ហេតុផលមួយនេះបានចូលទៅជិតមិនត្រូវបានប្រើជាច្រើនទៀតជាញឹកញាប់គឺថាមុនពេលអាយុឌីជីថលវាមិនមែនជារឿងធម្មតាដើម្បីឱ្យមានលទ្ធផលការព្យាបាលមុន។ វិធីបេតុងបន្ថែមទៀតដើម្បីគិតអំពីវាគឺជាការស្រមៃពិសោធន៍មួយដើម្បីវាស់ស្ទង់ថាតើការធ្វើលំហាត់ប្រាណជាក់លាក់មួយដែលបង្ករឱ្យមានទម្រង់ការសម្រកទម្ងន់។ ប្រសិនបើអ្នកធ្វើវិធីសាស្រ្តមានភាពខុសគ្នានៅក្នុងមធ្យោបាយ, ការប៉ាន់ប្រមាណរបស់អ្នកនឹងមានការប្រែប្រួលដែលបានមកពីការប្រែប្រួលចំពោះទម្ងន់នៃចំនួនប្រជាជន។ ប្រសិនបើអ្នកធ្វើវិធីសាស្រ្តមានភាពខុសគ្នានៅក្នុងភាពខុសគ្នា, ថាបំរែបំរួលកើតឡើងដោយធម្មជាតិនៅក្នុងទម្ងន់ត្រូវបានយកចេញហើយអ្នកអាចរកឃើញភាពខុសគ្នាដែលបង្កឡើងដោយការព្យាបាលបន្ថែមទៀតយ៉ាងងាយស្រួល។

វិធីសំខាន់មួយដើម្បីកាត់បន្ថយចំនួននៃអ្នកចូលរួមក្នុងការពិសោធរបស់អ្នកគឺដើម្បីធ្វើការវិភាគថាមពលមួយដែល Kramer និងសហការីអាចធ្វើបានដោយផ្អែកលើទំហំផលប៉ះពាល់សង្កេតឃើញពីការពិសោធន៍ធម្មជាតិដោយ Coviello et al. (2014) ឬមុនការស្រាវជ្រាវដែលមិនមែនជាពិសោធន៍ដោយ Kramer (2012) (នៅក្នុងការពិតទាំងនេះគឺសកម្មភាពនៅចុងបញ្ចប់នៃជំពូកនេះ) ។ បានកត់សម្គាល់ឃើញថាការប្រើប្រាស់នៃការវិភាគអំណាចនេះគឺខុសគ្នាជាងធម្មតាបន្តិច។ នៅក្នុងអាយុអាណាឡូកនេះ, អ្នកស្រាវជ្រាវបានធ្វើការវិភាគជាទូទៅម​​ានអំណាចដើម្បីធ្វើឱ្យប្រាកដថាការសិក្សារបស់ពួកគេគឺមិនតូចពេក (ពោលគឺក្រោមអំណាច) ។ ឥឡូវនេះទោះជាយ៉ាងណាក្រុមអ្នកស្រាវជ្រាវគួរតែធ្វើការវិភាគអំណាចដើម្បីធ្វើឱ្យប្រាកដថាការស្រាវជ្រាវរបស់ពួកគេគឺមិនធំពេក (ពោលគឺជាងដែលមានអនុភាព) ។

ទីបំផុតខ្ញុំបានចាត់ទុកថាជាការបន្ថែម៛ទីបួន: repurpose ។ នោះគឺប្រសិនបើអ្នកស្រាវជ្រាវបានរកឃើញដោយខ្លួនឯងជាមួយនឹងទិន្នន័យពិសោធន៍ច្រើនជាងពួកគេត្រូវការដើម្បីដោះស្រាយសំណួរស្រាវជ្រាវដើមរបស់ខ្លួន, ពួកគេគួរតែ repurpose ទិន្នន័យដើម្បីសួរសំណួរថ្មី។ ជាឧទាហរណ៍សូមស្រមៃថា Kramer និងសហការីបានប្រើការប៉ាន់ស្មានជាមានភាពខុសគ្នានៅក្នុងភាពខុសគ្នានិងបានរកឃើញដោយខ្លួនឯងជាមួយនឹងទិន្នន័យបានច្រើនជាងការចាំបាច់ដើម្បីដោះស្រាយសំណួរស្រាវជ្រាវរបស់ពួកគេ។ ជាជាងការមិនប្រើទិន្នន័យឱ្យបានត្រឹមត្រូវទៅតាមនោះពួកគេអាចនឹងបានសិក្សាពីទំហំនៃផលប៉ះពាល់ជាមុខងារក្នុងការបង្ហាញពីអារម្មណ៍មួយដែលមុនការព្យាបាល។ គ្រាន់តែជាការ Schultz et al. (2007) បានរកឃើញថាមានប្រសិទ្ធិភាពនៃការព្យាបាលនេះគឺខុសគ្នាសម្រាប់អ្នកប្រើពន្លឺនិងធ្ងន់, ប្រហែលជាផលប៉ះពាល់នៃការចិញ្ចឹមដំណឹងគឺខុសគ្នាសម្រាប់មនុស្សដែលហាក់ដូចជារួចហើយដើម្បីប្រកាសសារសប្បាយចិត្ត (ឬសោកស្តាយ) ។ Repurposing អាចនាំដល់ "ត្រី" (Humphreys, Sierra, and Windt 2013) និង "P-លួច" (Simmons, Nelson, and Simonsohn 2011) , ប៉ុន្តែទាំងនេះត្រូវបាន addressable ភាគច្រើនជាមួយនឹងការរួមបញ្ចូលគ្នានៃរបាយការណ៍មានភាពស្មោះត្រង់ (Simmons, Nelson, and Simonsohn 2011) , ការចុះឈ្មោះជាមុន (Humphreys, Sierra, and Windt 2013) , និងវិធីសាស្រ្តសិក្សាម៉ាស៊ីនដែលព្យាយាមដើម្បីជៀសវាងដែលសមត្រឹមត្រូវ។