4.6.2 ਤਬਦੀਲ, ਸੁਧਾਰ, ਅਤੇ ਘਟਾਓ

, ਗੈਰ-ਤਜਰਬੇ ਪੜ੍ਹਾਈ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ ਤਬਦੀਲ ਇਲਾਜ ਨੂੰ ਤਿਆਰ ਹੈ, ਅਤੇ ਹਿੱਸਾ ਲੈਣ ਦੀ ਗਿਣਤੀ ਘਟਾ ਕੇ ਆਪਣੇ ਤਜਰਬੇ ਨੂੰ ਹੋਰ ਮਨੁੱਖਤਾਵਾਦੀ ਬਣਾਓ.

ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਡਿਜ਼ੀਟਲ ਪ੍ਰਯੋਗ ਨੂੰ ਤਿਆਰ ਕਰਨ ਬਾਰੇ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਸਲਾਹ ਦੇ ਦੂਜੇ ਟੁਕੜੇ ਨੈਤਿਕਤਾ ਬਾਰੇ. ਵਿਕੀਪੀਡੀਆ, ਸ਼ੋਅ ਵਿਚ barnstars ਤੇ Restivo ਅਤੇ ਵੈਨ ਦੇ Rijt ਤਜਰਬੇ, ਘੱਟ ਲਾਗਤ ਨੂੰ ਹੋਣ ਦੇ ਨਾਤੇ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਨੈਤਿਕਤਾ ਖੋਜ ਡਿਜ਼ਾਇਨ ਦੀ ਇੱਕ ਵਧਦੀ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸਾ ਬਣ ਜਾਵੇਗਾ. ਨੈਤਿਕ ਅਸੂਲ ਜਾਨਵਰ ਨੂੰ ਸ਼ਾਮਲ ਪ੍ਰਯੋਗ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਤਿਆਰ: ਮਨੁੱਖੀ ਪਰਜਾ ਖੋਜ ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਅਧਿਆਇ 6 ਵਿਚ ਦਾ ਵਰਣਨ ਹੋਵੋਗੇ ਅਗਵਾਈ ਨੈਤਿਕ ਫਰੇਮਵਰਕ ਨੂੰ ਇਸ ਦੇ ਨਾਲ, ਡਿਜ਼ੀਟਲ ਪ੍ਰਯੋਗ ਨੂੰ ਵਤਆਰ ਖੋਜਕਾਰ ਇਹ ਵੀ ਇੱਕ ਵੱਖਰੇ ਸਰੋਤ ਤੱਕ ਨੈਤਿਕ ਵਿਚਾਰ 'ਤੇ ਖਿੱਚਣ ਕਰ ਸਕਦਾ ਹੈ. ਖਾਸ ਕਰਕੇ, ਮਾਨਵ ਹਿਤੈਸ਼ੀ ਤਜਰਬੇ ਤਕਨੀਕ ਦੇ ਆਪਣੇ ਇਤਿਹਾਸਕ ਕਿਤਾਬ ਨੂੰ ਅਸੂਲ ਵਿੱਚ, Russell and Burch (1959) ਤਬਦੀਲ, ਸੁਧਾਰ, ਅਤੇ ਘਟਾਓ: ਤਿੰਨ ਅਸੂਲ ਹੈ ਕਿ ਜਾਨਵਰ ਖੋਜ ਦੀ ਅਗਵਾਈ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਪ੍ਰਸਤਾਵਿਤ. ਮੈਨੂੰ ਪ੍ਰਸਤਾਵ ਹੈ ਕਿ ਇਹ ਤਿੰਨ ਆਰ ਦੇ ਲਈ ਵੀ ਵਰਤਿਆ-ਵਿੱਚ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਇੱਕ ਥੋੜ੍ਹਾ ਸੋਧਿਆ ਚਾਹੁੰਦੇ ਮਨੁੱਖੀ ਪ੍ਰਯੋਗ ਦੇ ਡਿਜ਼ਾਇਨ ਫਾਰਮ-ਕਰਨ ਲਈ ਅਗਵਾਈ. ਵਿਸ਼ੇਸ਼ ਰੂਪ ਤੋਂ,

  • ਤਬਦੀਲ: ਘੱਟ ਖਤਰਨਾਕ ਢੰਗ ਸੰਭਵ ਹੈ ਜੇ ਨਾਲ ਪ੍ਰਯੋਗ ਤਬਦੀਲ
  • ਸੁਧਾਰੋ: ਇਲਾਜ ਜਾਚ ਇਸ ਨੂੰ ਸੰਭਵ ਤੌਰ 'ਤੇ ਭੋਲੇ ਕਰਨ ਲਈ
  • ਘਟਾਓ: ਦੇ ਤੌਰ ਤੇ ਬਹੁਤ ਆਪਣੇ ਤਜਰਬੇ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਦੀ ਗਿਣਤੀ ਘਟਾਓ ਸੰਭਵ ਤੌਰ 'ਤੇ

ਕ੍ਰਮ ਇਹ ਤਿੰਨ ਆਰ ਦੇ ਠੋਸ ਬਣਾਉਣ ਅਤੇ ਉਹ ਸੰਭਾਵਿਤ ਬਿਹਤਰ ਅਤੇ ਹੋਰ ਮਨੁੱਖਤਾਵਾਦੀ ਤਜਰਬੇ ਡਿਜ਼ਾਇਨ ਕਰਨ ਲਈ ਅਗਵਾਈ ਕਰ ਸਕਦਾ ਹੈ ਦਿਖਾਉਣ ਲਈ ਵਿਚ, ਮੈਨੂੰ ਇੱਕ ਆਨਲਾਈਨ ਖੇਤ ਤਜਰਬੇ, ਜੋ ਕਿ ਨੈਤਿਕ ਬਹਿਸ ਪੈਦਾ ਦਾ ਵਰਣਨ ਹੋਵੋਗੇ. ਫਿਰ ਮੈਨੂੰ ਦਾ ਵਰਣਨ ਹੋਵੋਗੇ ਨੂੰ ਤਿੰਨ ਆਰ ਦੇ ਤਜਰਬੇ ਦੇ ਡਿਜ਼ਾਇਨ ਨੂੰ ਠੋਸ ਅਤੇ ਅਮਲੀ ਤਬਦੀਲੀ ਦਾ ਸੁਝਾਅ.

ਸਭ ਨੈਤਕ ਬਹਿਸ ਡਿਜ਼ੀਟਲ ਖੇਤਰ ਪ੍ਰਯੋਗ ਦੇ ਇਕ "ਭਾਵਾਤਮਕ Contagion,", ਜੋ ਆਦਮ ਕਰੈਮਰ ਜੈਮੀ Gillroy, ਅਤੇ ਜੈਫ਼ਰੀ Hancock ਕੇ ਕਰਵਾਏ ਹੋ ਗਿਆ ਹੈ (2014) . ਤਜਰਬੇ ਫੇਸਬੁੱਕ 'ਤੇ ਜਗ੍ਹਾ ਲੈ ਲਈ ਅਤੇ ਵਿਗਿਆਨਕ ਅਤੇ ਅਮਲੀ ਸਵਾਲ ਦੇ ਇੱਕ ਮਿਸ਼ਰਣ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਕੀਤਾ ਗਿਆ ਸੀ. ਵਾਰ ਤੇ, ਪ੍ਰਮੁੱਖ ਤਰੀਕੇ ਨਾਲ ਹੈ, ਜੋ ਕਿ ਉਪਭੋਗੀ ਨੂੰ ਫੇਸਬੁੱਕ ਨਾਲ ਗੱਲਬਾਤ ਨਿਊਜ਼ ਫੀਡ, ਇੱਕ ਉਪਭੋਗੀ ਦੇ ਫੇਸਬੁੱਕ ਦੋਸਤ ਤੱਕ ਫੇਸਬੁੱਕ ਹਾਲਤ ਅੱਪਡੇਟ ਦਾ ਦਾ ਇੱਕ ਐਲਗੋਰਿਦਮ ਕਿਉਰੇਟਿਡ ਸੈੱਟ ਸੀ. ਫੇਸਬੁੱਕ ਦੇ ਕੁਝ ਆਲੋਚਕ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ ਸੀ ਕਿ, ਕਿਉਕਿ ਨਿਊਜ਼ ਫੀਡ ਆਸਮਾਨ ਸਕਾਰਾਤਮਕ ਆਪਣੇ ਤਾਜ਼ਾ ਬੰਦ ਦਿਖਾ ਪੋਸਟ-ਦੋਸਤ ਹਨ ਪਾਰਟੀ ਦੇ-ਇਸ ਨੂੰ ਉਪਭੋਗੀ ਉਦਾਸ ਮਹਿਸੂਸ ਕਰਨ ਕਰਕੇ ਆਪਣੇ ਜੀਵਨ ਦੀ ਤੁਲਨਾ ਵਿਚ ਘੱਟ ਦਿਲਚਸਪ ਲੱਗਦਾ ਹੈ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ. ਦੂਜੇ ਪਾਸੇ, ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਪ੍ਰਭਾਵ ਬਿਲਕੁਲ ਉਲਟ ਹੈ; ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਆਪਣੇ ਦੋਸਤ ਨੂੰ ਇੱਕ ਚੰਗਾ ਵਾਰ ਤੁਹਾਨੂੰ ਖੁਸ਼ ਮਹਿਸੂਸ ਕਰ ਜਾਵੇਗਾ ਹੋਣ ਨੂੰ ਦੇਖਣ? ਕ੍ਰਮ ਨੂੰ ਸੰਬੋਧਨ ਕਰਨ ਲਈ ਇਹ ਪਰੀਕਲਪਨਾ-ਅਤੇ ਇੱਕ ਤਜਰਬੇ ਨੂੰ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਜਜ਼ਬਾਤ ਉਸ ਦੇ ਦੋਸਤ '' ਦੇ ਕੇ ਪ੍ਰਭਾਵਿਤ ਕਰ ਰਹੇ ਹਨ ਦੀ ਸਾਡੀ ਸਮਝ ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਲਈ ਜਜ਼ਬਾਤ-ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਭੱਜ ਮੁਕਾਬਲਾ. ਖੋਜਕਾਰ ਇਕ ਹਫ਼ਤੇ ਦੇ ਲਈ ਚਾਰ ਗਰੁੱਪ ਵਿੱਚ 700,000 ਬਾਰੇ ਉਪਭੋਗੀ ਰੱਖਿਆ: ਇਕ "ਨਾਸਤਿਕਤਾ ਘਟਾ" ਗਰੁੱਪ, ਨਕਾਰਾਤਮਕ ਸ਼ਬਦ (ਉਦਾਹਰਨ ਲਈ, ਸ਼੍ਰੋਮਣੀ ਅਕਾਲੀ ਦਲ) ਲਗਾਤਾਰ ਨਿਊਜ਼ ਫੀਡ ਪੇਸ਼ ਤੱਕ ਬਲੌਕ ਕੀਤਾ ਗਿਆ ਸੀ ਦੇ ਨਾਲ ਜਿਸ ਲਈ ਪੋਸਟ; ਇੱਕ "ਉਸਾਰੂ ਘਟਾ" ਲਈ ਜਿਸ ਨੂੰ ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ (ਉਦਾਹਰਨ ਲਈ, ਧੰਨ ਹੈ) ਦੇ ਨਾਲ ਪੋਸਟ ਲਗਾਤਾਰ ਬਲੌਕ ਕੀਤਾ ਗਿਆ ਸੀ ਗਰੁੱਪ ਨੂੰ; ਅਤੇ ਦੋ ਕੰਟਰੋਲ ਗਰੁੱਪ. "ਨਾਸਤਿਕਤਾ ਘਟਾਇਆ" ਸਮੂਹ ਲਈ ਕੰਟਰੋਲ ਗਰੁੱਪ ਵਿੱਚ, ਪੋਸਟ ਲਗਾਤਾਰ "ਨਾਸਤਿਕਤਾ ਘਟਾ" ਗਰੁੱਪ ਦੇ ਤੌਰ ਤੇ ਹੈ, ਪਰ ਭਾਵਨਾਤਮਕ ਸਮੱਗਰੀ ਨੂੰ ਦੇ ਸੰਬੰਧ ਬਿਨਾ ਉਸੇ ਹੀ ਦਰ 'ਤੇ ਬਲੌਕ ਕੀਤਾ ਗਿਆ ਸੀ. "ਉਸਾਰੂ ਘਟਾਇਆ" ਸਮੂਹ ਲਈ ਕੰਟਰੋਲ ਗਰੁੱਪ ਨੂੰ ਇੱਕ ਪੈਰਲਲ ਫੈਸ਼ਨ ਵਿੱਚ ਨਿਰਮਾਣ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਸ ਤਜਰਬੇ ਦੇ ਡਿਜ਼ਾਇਨ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਉਚਿਤ ਕੰਟਰੋਲ ਗਰੁੱਪ ਹਮੇਸ਼ਾ ਕੋਈ ਤਬਦੀਲੀ ਨਾਲ ਇੱਕ ਨਹੀ ਹੈ. ਇਸ ਦੀ ਬਜਾਇ, ਕਈ ਵਾਰ ਕੰਟਰੋਲ ਗਰੁੱਪ ਕ੍ਰਮ ਸਹੀ ਤੁਲਨਾ ਬਣਾਉਣ ਲਈ ਹੈ, ਜੋ ਕਿ ਇਕ ਖੋਜ ਸਵਾਲ ਦਾ ਲੋੜ ਹੈ ਵਿੱਚ ਇੱਕ ਇਲਾਜ ਹੈ. ਸਾਰੇ ਕੇਸ ਵਿੱਚ, ਪੋਸਟ ਹੈ, ਜੋ ਕਿ ਨਿਊਜ਼ ਫੀਡ ਤੱਕ ਬਲੌਕ ਕੀਤਾ ਗਿਆ ਸੀ ਅਜੇ ਵੀ ਫੇਸਬੁੱਕ ਦੀ ਵੈੱਬਸਾਈਟ ਦੇ ਹੋਰ ਹਿੱਸੇ ਦੁਆਰਾ ਉਪਭੋਗੀ ਨੂੰ ਉਪਲੱਬਧ ਸਨ.

ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਉਸਾਰੂ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਦੀ ਹਾਲਤ ਘਟਾ ਲਈ, ਆਪਣੇ ਹਾਲਤ ਅੱਪਡੇਟ ਦਾ ਚ ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਘਟੀ ਹੈ ਅਤੇ ਨਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਵਧੀ ਹੈ. ਦੂਜੇ ਪਾਸੇ, negativity ਘਟਾ ਹਾਲਤ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਲਈ, ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦਾ ਪ੍ਰਤੀਸ਼ਤ ਦਾ ਵਾਧਾ ਹੈ ਅਤੇ ਨਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ (ਚਿੱਤਰ 4.23) ਘਟੀ. ਪਰ, ਇਹ ਪ੍ਰਭਾਵ ਕਾਫ਼ੀ ਛੋਟੇ ਸਨ: ਇਲਾਜ ਅਤੇ ਕੰਟਰੋਲ ਵਿਚਕਾਰ ਸਕਰਾਤਮਕ ਤੇ ਰਿਣਾਤਮਕ ਸ਼ਬਦ ਫ਼ਰਕ ਬਾਰੇ 1 1000 ਸ਼ਬਦ ਵਿਚ ਸੀ.

ਚਿੱਤਰ 4.23: ਜਜ਼ਬਾਤੀ contagion ਦਾ ਸਬੂਤ (ਕਰੈਮਰ Guillory, ਅਤੇ Hancock 2014). ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ ਅਤੇ ਤਜਰਬੇ ਹਾਲਤ ਦੁਆਰਾ ਨਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ. ਬਾਰ ਮਿਆਰੀ ਗਲਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਹਨ.

ਚਿੱਤਰ 4.23: ਜਜ਼ਬਾਤੀ contagion ਦਾ ਸਬੂਤ (Kramer, Guillory, and Hancock 2014) . ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ ਅਤੇ ਤਜਰਬੇ ਹਾਲਤ ਦੁਆਰਾ ਨਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ. ਬਾਰ ਮਿਆਰੀ ਗਲਤੀ ਦਾ ਅੰਦਾਜ਼ਾ ਹਨ.

ਮੈਨੂੰ ਅਧਿਆਇ ਦੇ ਅੰਤ 'ਤੇ ਹੋਰ ਅੱਗੇ ਪੜ੍ਹਨ ਭਾਗ ਵਿੱਚ ਇਸ ਤਜਰਬੇ ਦੇ ਵਿਗਿਆਨਕ ਪਹਿਲੂ ਦੀ ਚਰਚਾ ਪਾ ਕੀਤਾ ਹੈ, ਪਰ ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਸ ਤਜਰਬੇ ਸਭ ਨੈਤਿਕ ਬਹਿਸ ਬਣਾਉਣ ਲਈ ਜਾਣਿਆ ਗਿਆ ਹੈ. ਬਸ ਦਿਨ ਬਾਅਦ ਇਸ ਕਾਗਜ਼ ਸਾਇੰਸਜ਼ ਦੇ ਨੈਸ਼ਨਲ ਅਕੈਡਮੀ ਦੇ ਕਾਰਵਾਈ 'ਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਉਥੇ ਦੋਨੋ ਖੋਜਕਾਰ ਅਤੇ ​​ਪ੍ਰੈਸ ਤੱਕ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਰੋਣਾ ਸੀ. 1) ਹਿੱਸਾ ਲੈਣ ਮਿਆਰੀ ਫੇਸਬੁੱਕ ਰੂਪ-ਦੇ-ਸੇਵਾ ਦਾ ਇੱਕ ਇਲਾਜ ਹੈ, ਜੋ ਕਿ ਕੁਝ ਸੋਚਣ ਅਤੇ ਹਿੱਸਾ ਲੈਣ ਦਾ ਨੁਕਸਾਨ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ 2) ਦੇ ਅਧਿਐਨ ਕਰਵਾਈ ਨਾ ਸੀ, ਤੀਜੀ-ਪਾਰਟੀ ਨੈਤਿਕ ਲਈ ਪਰੇ ਕੋਈ ਵੀ ਸਹਿਮਤੀ ਮੁਹੱਈਆ ਨਾ ਕੀਤਾ: ਦੋ ਮੁੱਖ ਅੰਕ 'ਤੇ ਧਿਆਨ ਪੇਪਰ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦਾ ਗੁੱਸਾ ਸਮੀਖਿਆ (Grimmelmann 2015) . ਇਸ ਬਹਿਸ ਵਿਚ ਉਠਾਏ ਗਏ ਨੈਤਿਕ ਸਵਾਲ ਕਾਰਨ ਜਰਨਲ ਤੇਜ਼ੀ ਨਾਲ ਨੈਤਿਕਤਾ ਅਤੇ ਖੋਜ ਦੇ ਲਈ ਨੈਤਿਕ ਸਮੀਖਿਆ ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਬਾਰੇ ਇੱਕ ਬਹੁਤ ਹੀ ਦੁਰਲੱਭ "ਚਿੰਤਾ ਦਾ ਸੰਪਾਦਕੀ ਹੈ ਕਿ" ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਲਈ (Verma 2014) . ਬਾਅਦ ਸਾਲ ਵਿੱਚ, ਤਜਰਬੇ ਤੀਬਰ ਬਹਿਸ ਅਤੇ ਅਸਹਿਮਤੀ ਦਾ ਇੱਕ ਸਰੋਤ ਹੋ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਸ ਅਸਹਿਮਤੀ ਸ਼ੈੱਡੋ ਹੋਰ ਵੀ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਕੰਪਨੀ ਦੁਆਰਾ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਵਿੱਚ ਗੱਡੀ ਚਲਾਉਣ ਦੇ ਇਕਸਾਰ ਅਸਰ ਪਿਆ ਹੈ ਹੋ ਸਕਦਾ ਹੈ (Meyer 2014) .

ਭਾਵਾਤਮਕ Contagion ਬਾਰੇ ਹੈ, ਜੋ ਕਿ ਪਿੱਠਭੂਮੀ ਦੇ ਮੱਦੇਨਜ਼ਰ, ਮੈਨੂੰ ਹੁਣ ਦਿਖਾਉਣ ਲਈ ਹੈ, ਜੋ ਕਿ 3 ਆਰ ਦੇ ਅਸਲੀ ਪੜ੍ਹਾਈ ਲਈ ਠੋਸ, ਅਮਲੀ ਸੁਧਾਰ (ਜੋ ਵੀ ਤੁਹਾਨੂੰ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਇਸ ਨੂੰ ਖਾਸ ਤਜਰਬੇ ਦੀ ਨੈਤਿਕਤਾ ਬਾਰੇ ਸੋਚਦੇ ਹੋ ਸਕਦਾ ਹੈ) ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦੇ ਹੋ ਚਾਹੁੰਦੇ ਹੋ. ਪਹਿਲੀ R ਤਬਦੀਲ ਹੁੰਦਾ ਹੈ: ਖੋਜਕਾਰ, ਘੱਟ ਖਤਰਨਾਕ ਹੈ ਅਤੇ ਖ਼ਤਰਨਾਕ ਤਕਨੀਕ ਨਾਲ ਪ੍ਰਯੋਗ ਨੂੰ ਤਬਦੀਲ ਕਰਨ ਲਈ, ਜੇਕਰ ਸੰਭਵ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ. ਮਿਸਾਲ ਲਈ, ਨਾ ਕਿ ਇੱਕ ਤਜਰਬੇ ਚੱਲ ਵੱਧ, ਖੋਜਕਾਰ ਇਕ ਕੁਦਰਤੀ ਤਜਰਬੇ ਦਾ ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਹੈ, ਹੋ ਸਕਦਾ ਹੈ. ਅਧਿਆਇ 2 ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ, ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ (ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਲਾਟਰੀ ਫ਼ੈਸਲਾ ਕਰਨ ਲਈ ਜੋ ਫੌਜੀ ਵਿੱਚ ਤਿਆਰ ਕੀਤਾ ਜਾਵੇਗਾ) ਹੈ, ਜਿੱਥੇ ਕੋਈ ਚੀਜ਼ ਸੰਸਾਰ ਹੈ, ਜੋ ਕਿ ਇਲਾਜ ਦੇ ਬੇਤਰਤੀਬੇ ਕੰਮ approximates ਵਿਚ ਹੁੰਦਾ ਹੈ ਹਾਲਾਤ ਹਨ. ਇੱਕ ਕੁਦਰਤੀ ਤਜਰਬੇ ਦਾ ਫਾਇਦਾ ਹੈ ਕਿ ਖੋਜਕਾਰ ਇਲਾਜ ਦੇ ਹਵਾਲੇ ਕਰਨ ਲਈ ਹੈ, ਨਾ ਹੈ ਹੈ; ਵਾਤਾਵਰਣ ਨੂੰ ਤੁਹਾਡੇ ਲਈ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਇੱਕ ਕੁਦਰਤੀ ਤਜਰਬੇ ਦੇ ਨਾਲ, ਖੋਜਕਾਰ experimentally ਲੋਕ ਦੇ ਨਿਊਜ਼ ਫੀਡ ਸੋਧਣ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਨਾ ਹੋਵੇਗਾ.

ਅਸਲ ਵਿਚ, ਭਾਵਾਤਮਕ Contagion ਤਜਰਬੇ ਦੇ ਨਾਲ ਲਗਭਗ ਇੱਕੋ, Coviello et al. (2014) ਸ਼ੋਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ ਕਿ ਕੀ ਇੱਕ ਭਾਵਾਤਮਕ Contagion ਕੁਦਰਤੀ ਤਜਰਬੇ ਨੂੰ ਬੁਲਾਇਆ ਜਾ ਸਕਦਾ ਹੈ. ਆਪਣੇ ਪਹੁੰਚ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਤਕਨੀਕ ਸਹਾਇਕ ਵੇਰੀਏਬਲ ਕਹਿੰਦੇ ਵਰਤਦਾ ਹੈ, ਜੇਕਰ ਤੁਹਾਨੂੰ ਇਸ ਨੂੰ ਅੱਗੇ ਕਦੇ ਵੀ ਵੇਖਿਆ ਹੈ, ਇੱਕ ਬਿੱਟ ਗੁੰਝਲਦਾਰ ਹੈ. ਇਸ ਲਈ, ਕ੍ਰਮ ਨੂੰ ਸਮਝਾਉਣ ਲਈ ਇਸ ਨੂੰ ਲੋੜ ਸੀ ਵਿੱਚ, ਦੀ ਇਸ ਨੂੰ ਕਰਨ ਲਈ ਸਾਈਨ ਬਣਾਉਣ ਚਾਹੀਦਾ ਹੈ. ਪਹਿਲੀ ਇਹ ਵਿਚਾਰ ਕੁਝ ਖੋਜਕਾਰ ਜਜ਼ਬਾਤੀ contagion ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਹੈ, ਹੋ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਦਿਨ ਹੈ, ਜਿੱਥੇ ਤੁਹਾਡੀ ਨਿਊਜ਼ ਫੀਡ ਬਹੁਤ ਦਿਨ 'ਤੇ ਆਪਣੇ ਪੋਸਟ ਕਰਨ ਲਈ ਸਕਾਰਾਤਮਕ ਹੈ, ਜਿੱਥੇ ਤੁਹਾਡੀ ਨਿਊਜ਼ ਫੀਡ ਬਹੁਤ ਨਕਾਰਾਤਮਕ ਸੀ ਤੇ ਆਪਣੇ ਪੋਸਟ ਤੁਲਨਾ ਕਰਨ ਲਈ ਹੋਵੇਗਾ. ਜੇਕਰ ਟੀਚਾ ਤੁਹਾਡੇ ਪੋਸਟ ਦੀ ਭਾਵਨਾਤਮਕ ਸਮੱਗਰੀ ਨੂੰ ਦਾ ਅਨੁਮਾਨ ਕਰਨ ਲਈ ਸਿਰਫ ਸੀ ਇਹ ਪਹੁੰਚ ਦਾ ਜੁਰਮਾਨਾ ਹੋਵੇਗਾ, ਪਰ ਇਸ ਨੂੰ ਪਹੁੰਚ ਸਮੱਸਿਆ ਹੈ ਦਾ ਟੀਚਾ ਤੁਹਾਡੇ ਪੋਸਟ 'ਤੇ ਆਪਣੇ ਨਿਊਜ਼ ਫੀਡ ਦੇ causal ਪ੍ਰਭਾਵ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਹੈ, ਜੇ. ਇਸ ਡਿਜ਼ਾਇਨ ਨਾਲ ਸਮੱਸਿਆ ਦੇਖਣ ਲਈ, ਧੰਨਵਾਦੀ ਵਿਚਾਰ. ਅਮਰੀਕਾ '' ਚ, ਸਕਾਰਾਤਮਕ ਪੋਸਟ ਸਮਾਈਕ ਅਤੇ ਨਕਾਰਾਤਮਕ ਪੋਸਟ ਧੰਨਵਾਦੀ 'ਤੇ ਘੱਟ. ਇਸ ਲਈ, ਇਸ ਧੰਨਵਾਦੀ 'ਤੇ, ਖੋਜਕਾਰ ਨੂੰ ਦੇਖ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਆਪਣੇ ਨਿਊਜ਼ ਫੀਡ ਬਹੁਤ ਸਕਾਰਾਤਮਕ ਸੀ ਅਤੇ ਤੁਹਾਨੂੰ ਸਕਾਰਾਤਮਕ ਕੁਝ ਦੇ ਨਾਲ ਨਾਲ ਤਾਇਨਾਤ ਹੈ, ਜੋ ਕਿ. ਪਰ, ਆਪਣੇ ਸਕਾਰਾਤਮਕ ਪੋਸਟ ਨੂੰ ਆਪਣੇ ਨਿਊਜ਼ ਫੀਡ ਦੀ ਸਮੱਗਰੀ ਦੇ ਕੇ ਨਾ ਧੰਨਵਾਦੀ ਦੇ ਕਾਰਨ ਕੀਤਾ ਗਿਆ ਹੈ ਹੋ ਸਕਦਾ ਹੈ. ਇਸ ਦੀ ਬਜਾਇ, ਕ੍ਰਮ causal ਪ੍ਰਭਾਵ ਖੋਜਕਾਰ ਜੋ ਕਿ ਕੁਝ ਨੂੰ ਸਿੱਧੇ ਆਪਣੇ ਜਜ਼ਬਾਤ ਨੂੰ ਬਦਲਣ ਬਗੈਰ ਆਪਣੇ ਨਿਊਜ਼ ਫੀਡ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਤਬਦੀਲ ਦੀ ਲੋੜ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ. ਮੌਸਮ: ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਉੱਥੇ ਹੈ, ਜੋ ਕਿ ਕੀ ਹੋ ਰਿਹਾ ਹਰ ਵੇਲੇ ਵਰਗੇ ਕੁਝ ਹੈ.

Coviello ਅਤੇ ਸਾਥੀ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਕਿਸੇ ਦੇ ਸ਼ਹਿਰ ਵਿੱਚ, ਇੱਕ ਬਰਸਾਤੀ ਦਿਨ ਦਾ ਹੋਵੇਗਾ, ਔਸਤ 'ਤੇ, ਪੋਸਟ ਹੈ, ਜੋ ਕਿ ਇਸ ਬਾਰੇ 1 ਫੀਸਦੀ ਬਿੰਦੂ ਕੇ ਸਕਾਰਾਤਮਕ ਹਨ ਦਾ ਅਨੁਪਾਤ ਘੱਟ ਹੈ ਅਤੇ ਪੋਸਟ ਹੈ, ਜੋ ਕਿ ਇਸ ਬਾਰੇ 1 ਫੀਸਦੀ ਬਿੰਦੂ ਦੁਆਰਾ ਨਕਾਰਾਤਮਕ ਹਨ ਦੇ ਅਨੁਪਾਤ ਨੂੰ ਵਧਾਉਣ. ਤਦ, Coviello ਅਤੇ ਸਾਥੀ ਦੀ ਲੋੜ experimentally ਸੋਧਣ ਲਈ ਕਿਸੇ ਦੀ ਨਿਊਜ਼ ਫੀਡ ਬਿਨਾ ਭਾਵੁਕ contagion ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਇਸ ਗੱਲ ਦਾ ਸ਼ੋਸ਼ਣ. ਅਸਲ ਵਿੱਚ ਉਹ ਕੀ ਕੀਤਾ ਸੀ ਮਾਪ ਨੂੰ ਆਪਣੇ ਪੋਸਟ ਸ਼ਹਿਰ ਹੈ, ਜਿੱਥੇ ਆਪਣੇ ਰਹਿੰਦੇ ਵਿੱਚ ਮੌਸਮ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਹੋ ਗਏ ਹਨ. ਦੇਖਣ ਲਈ ਇਸ ਅਰਥ ਰੱਖਦਾ ਹੈ, ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਹਾਨੂੰ ਨਿਊਯਾਰਕ ਸਿਟੀ ਵਿਚ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਤੁਹਾਨੂੰ ਇੱਕ ਦੋਸਤ ਨੂੰ, ਜੋ ਸੀਐਟ੍ਲ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ ਹੈ. ਹੁਣ ਕਲਪਨਾ ਕਰੋ ਕਿ ਇਕ ਦਿਨ ਇਸ ਨੂੰ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ, ਸੀਐਟ੍ਲ ਵਿੱਚ ਛੱਡਾਗੇ. ਸੀਐਟ੍ਲ ਵਿੱਚ ਇਹ ਬਾਰਸ਼ ਨੂੰ ਸਿੱਧੇ ਆਪਣੇ ਮੂਡ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਾ ਕਰੇਗਾ, ਪਰ ਇਸ ਨੂੰ ਤੁਹਾਡੇ ਨਿਊਜ਼ ਫੀਡ ਕਰਕੇ ਆਪਣੇ ਦੋਸਤ ਦੀ ਪੋਸਟ ਦੇ ਘੱਟ ਸਕਾਰਾਤਮਕ ਅਤੇ ਹੋਰ ਨਕਾਰਾਤਮਕ ਹੋਣ ਦਾ ਕਾਰਨ ਬਣ ਜਾਵੇਗਾ. ਇਸ ਲਈ, ਸੀਐਟ੍ਲ ਵਿੱਚ ਬਾਰਸ਼ ਲਗਾਤਾਰ ਆਪਣੇ ਨਿਊਜ਼ ਫੀਡ ਪੇਸ਼. ਇੱਕ ਭਰੋਸੇਯੋਗ ਅੰਕੜਾ ਵਿਧੀ ਵਿੱਚ ਇਸ ਨੂੰ ਸਹਿਜ ਪਰਤਿਆ ਗੁੰਝਲਦਾਰ ਹੈ (ਅਤੇ ਸਹੀ Coviello ਅਤੇ ਸਾਥੀ ਦੁਆਰਾ ਵਰਤੇ ਪਹੁੰਚ ਇੱਕ ਬਿੱਟ ਗੈਰ-ਮਿਆਰੀ ਹੈ), ਇਸ ਲਈ ਮੈਨੂੰ ਹੋਰ ਅੱਗੇ ਪੜ੍ਹਨ ਭਾਗ ਵਿੱਚ ਇੱਕ ਹੋਰ ਵੇਰਵੇ ਚਰਚਾ ਪਾ ਲਿਆ ਹੈ. ਸਭ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ Coviello ਬਾਰੇ ਯਾਦ ਕਰਨ ਲਈ ਹੈ ਅਤੇ ਸਾਥੀ ਦੀ ਪਹੁੰਚ ਹੈ, ਜੋ ਕਿ ਇਸ ਨੂੰ ਯੋਗ ਹੈ ਕਿ ਇੱਕ ਤਜਰਬੇ ਹੈ, ਜੋ ਕਿ ਸੰਭਾਵੀ ਹਿੱਸਾ ਲੈਣ ਨੂੰ ਨੁਕਸਾਨ ਹੋ ਸਕਦਾ ਹੈ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜ ਨੂੰ ਬਿਨਾ ਭਾਵੁਕ contagion ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਹੈ, ਅਤੇ ਇਸ ਕੇਸ ਦੀ ਹੈ, ਜੋ ਕਿ ਹੋਰ ਵੀ ਬਹੁਤ ਸਾਰੇ ਸੈਟਿੰਗ ਵਿੱਚ ਤੁਹਾਨੂੰ ਹੋਰ ਨਾਲ ਪ੍ਰਯੋਗ ਤਬਦੀਲ ਕਰ ਸਕਦਾ ਹੈ ਹੋ ਸਕਦਾ ਹੈ ਤਕਨੀਕ.

ਵਿਚ 3 ਰੁਪਏ ਦੂਜਾ ਸੁਧਾਰ ਹੈ: ਖੋਜਕਾਰ ਕ੍ਰਮ ਛੋਟੀ ਨੁਕਸਾਨ ਸੰਭਵ ਦਾ ਕਾਰਨ ਵਿੱਚ ਆਪਣੇ ਇਲਾਜ ਸੁਧਾਰ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ. ਮਿਸਾਲ ਲਈ, ਨਾ ਕਿ ਸਮੱਗਰੀ ਨੂੰ ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਸਕਾਰਾਤਮਕ ਜ ਨਕਾਰਾਤਮਕ ਸੀ ਨੂੰ ਰੋਕ ਵੱਧ, ਖੋਜਕਾਰ ਸਮੱਗਰੀ ਨੂੰ ਹੈ, ਜੋ ਕਿ ਸਕਾਰਾਤਮਕ ਜ ਨਕਾਰਾਤਮਕ ਸੀ ਮਿਲਿਆ ਹੈ ਹੋ ਸਕਦਾ ਹੈ. ਇਹ ਨੂੰ ਹੁਲਾਰਾ ਡਿਜ਼ਾਇਨ ਹਿੱਸਾ ਲੈਣ ਦੀ ਨਿਊਜ਼ ਫੀਡ ਭਾਵਨਾਤਮਕ ਸਮੱਗਰੀ ਨੂੰ ਤਬਦੀਲ ਹੋ ਗਏ ਹਨ, ਪਰ ਇਸ ਨੂੰ ਚਿੰਤਾ ਦੀ ਇੱਕ ਹੈ, ਜੋ ਕਿ ਆਲੋਚਕ ਦਾ ਪ੍ਰਗਟਾਵਾ ਕੀਤਾ ਸੰਬੋਧਨ ਕੀਤਾ ਹੈ ਸੀ: ਹੈ, ਜੋ ਕਿ ਪ੍ਰਯੋਗ ਹਿੱਸਾ ਲੈਣ ਦਾ ਕਾਰਨ ਹੋ ਸਕਦਾ ਹੈ ਉਹ ਆਪਣੇ ਨਿਊਜ਼ ਫੀਡ ਵਿਚ ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਨੂੰ ਮਿਸ ਕਰਨ ਲਈ. ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਦੁਆਰਾ ਵਰਤਿਆ ਡਿਜ਼ਾਇਨ ਨਾਲ, ਇੱਕ ਸੁਨੇਹਾ ਹੈ, ਜੋ ਕਿ ਜ਼ਰੂਰੀ ਹੈ, ਦੇ ਰੂਪ ਵਿੱਚ, ਜੋ ਕਿ ਇੱਕ ਨਹੀ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ ਬਲੌਕ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ. ਪਰ, ਇੱਕ ਹੁਲਾਰਾ ਡਿਜ਼ਾਈਨ ਦੇ ਨਾਲ, ਸੁਨੇਹੇ, ਜੋ ਕਿ ਬੇਘਰ ਕੀਤਾ ਜਾਵੇਗਾ ਜੋ ਕਿ ਜਿਹੜੇ ਘੱਟ ਮਹੱਤਵਪੂਰਨ ਹਨ ਹੋਵੇਗੀ.

ਅੰਤ ਵਿੱਚ, ਤੀਜੀ ਆਰ ਘਟਾਓ ਹੈ: ਖੋਜਕਾਰ, ਆਪਣੇ ਤਜਰਬੇ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘਟਾਉਣ ਲਈ, ਜੇਕਰ ਸੰਭਵ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ. ਅਤੀਤ ਵਿੱਚ, ਇਸ ਕਮੀ ਕੁਦਰਤੀ ਵਾਪਰਿਆ ਹੈ, ਕਿਉਕਿ ਐਨਾਲਾਗ ਪ੍ਰਯੋਗ ਦੇ ਵੇਰੀਏਬਲ ਦੀ ਉੱਚ ਸੀ, ਜੋ ਕਿ ਆਪਣੇ ਡਿਜ਼ਾਇਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਲਈ ਖੋਜ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ. ਪਰ, ਜਦ ਜ਼ੀਰੋ ਵੇਰੀਏਬਲ ਦੀ ਡਾਟਾ ਹੈ, ਖੋਜਕਾਰ ਨੂੰ ਆਪਣੇ ਤਜਰਬੇ ਦੇ ਆਕਾਰ 'ਤੇ ਇੱਕ ਦੀ ਪਾਬੰਦੀ ਦਾ ਸਾਹਮਣਾ ਨਾ ਕਰੋ, ਅਤੇ ਇਸ ਸੰਭਾਵੀ ਬੇਲੋੜੀ ਵੱਡੇ ਪ੍ਰਯੋਗ ਨੂੰ ਲੈ ਕੇ ਹੈ.

ਮਿਸਾਲ ਲਈ, ਕਰੈਮਰ ਅਤੇ ਸਾਥੀ ਨੂੰ ਆਪਣੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਹੋਰ ਕੁਸ਼ਲ ਬਣਾਉਣ ਲਈ ਵਿਵਹਾਰ ਨੂੰ-ਆਪਣੇ ਹਿੱਸਾ ਲੈਣ-ਅਜਿਹੇ ਪੂਰਵ-ਇਲਾਜ ਪੋਸਟਿੰਗ ਦੇ ਤੌਰ ਤੇ ਦੇ ਬਾਰੇ ਪ੍ਰੀ-ਇਲਾਜ ਦੀ ਜਾਣਕਾਰੀ ਦਾ ਇਸਤੇਮਾਲ ਕੀਤਾ ਹੈ ਹੋ ਸਕਦਾ ਹੈ. ਖਾਸ ਤੌਰ ਤੇ, ਨਾ ਕਿ ਇਲਾਜ ਅਤੇ ਕੰਟਰੋਲ ਹਾਲਾਤ ਵਿੱਚ ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦਾ ਅਨੁਪਾਤ ਦੀ ਤੁਲਨਾ ਵੱਧ, ਕਰੈਮਰ ਅਤੇ ​​ਸਾਥੀ ਦੇ ਹਾਲਾਤ ਦੇ ਵਿਚਕਾਰ ਸਕਾਰਾਤਮਕ ਸ਼ਬਦ ਦੇ ਅਨੁਪਾਤ ਵਿਚ ਤਬਦੀਲੀ ਦੇ ਮੁਕਾਬਲੇ ਹੈ ਹੋ ਸਕਦਾ ਹੈ; ਇੱਕ ਪਹੁੰਚ ਅਕਸਰ ਅੰਤਰ ਹੈ-ਵਿੱਚ-ਅੰਤਰ ਹੈ ਅਤੇ ਜਿਸ ਨੂੰ ਧਿਆਨ ਨਾਲ (ਚਿੱਤਰ 4.5) ਮਿਕਸਡ ਡਿਜ਼ਾਇਨ ਹੈ, ਜੋ ਕਿ ਮੈਨੂੰ ਅਧਿਆਇ ਵਿਚ ਪਿਛਲੇ ਦੱਸਿਆ ਗਿਆ ਸਬੰਧਤ ਹੈ ਕਹਿੰਦੇ ਹਨ. ਜੋ ਕਿ, ਹਰ ਭਾਗੀਦਾਰ ਲਈ, ਖੋਜਕਾਰ ਇੱਕ ਤਬਦੀਲੀ ਸਕੋਰ (ਪੋਸਟ-ਇਲਾਜ ਵਿਵਹਾਰ ਨੂੰ - ਪ੍ਰੀ-ਇਲਾਜ ਵਿਵਹਾਰ ਨੂੰ) ਬਣਾਇਆ ਗਿਆ ਹੈ ਹੋ ਸਕਦਾ ਹੈ ਹੈ ਅਤੇ ਫਿਰ ਇਲਾਜ ਅਤੇ ਕੰਟਰੋਲ ਹਾਲਾਤ ਵਿੱਚ ਹਿੱਸਾ ਲੈਣ ਦੀ ਤਬਦੀਲੀ ਸਕੋਰ ਦੇ ਮੁਕਾਬਲੇ. ਇਹ ਫ਼ਰਕ-ਵਿੱਚ-ਅੰਤਰ ਪਹੁੰਚ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਖੋਜਕਾਰ ਵੀ ਉਸੇ ਅੰਕੜਾ ਦਾ ਭਰੋਸਾ ਬਹੁਤ ਛੋਟਾ ਨਮੂਨੇ ਵਰਤ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਭੋਰਾ ਹੋਰ ਕੁਸ਼ਲ ਹੈ,. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, "ਵਿਦਜੈੱਟ" ਵਰਗੇ ਹਿੱਸਾ ਲੈਣ ਦਾ ਇਲਾਜ ਨਾ ਕਰ ਕੇ, ਖੋਜਕਾਰ ਅਕਸਰ ਹੋਰ ਸਹੀ ਅਨੁਮਾਨ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ.

ਕੱਚਾ ਡਾਟਾ ਹੋਣ ਦੇ ਬਗੈਰ ਇਸ ਨੂੰ ਪਤਾ ਕਰਨ ਲਈ ਬਿਲਕੁਲ ਨੂੰ ਹੋਰ ਵੀ ਬਹੁਤ ਕੁਝ ਕੁਸ਼ਲ ਇੱਕ ਫਰਕ-ਵਿੱਚ-ਅੰਤਰ ਪਹੁੰਚ ਨੂੰ ਇਸ ਮਾਮਲੇ 'ਚ ਕੀਤਾ ਗਿਆ ਹੈ ਸੀ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ. ਪਰ, Deng et al. (2013) , ਜੋ ਕਿ ਰਿਪੋਰਟ ਕਰੋ ਖੋਜ ਇੰਜਣ 'ਤੇ ਤਿੰਨ ਆਨਲਾਈਨ ਪ੍ਰਯੋਗ ਵਿੱਚ ਉਹ ਦੇ ਬਾਰੇ 50% ਕੇ ਆਪਣੇ ਅਨੁਮਾਨ ਦੇ ਫਰਕ ਨੂੰ ਘੱਟ ਕਰਨ ਦੇ ਯੋਗ ਸਨ, ਅਤੇ ਇਸੇ ਨਤੀਜੇ Netflix' ਤੇ ਕੁਝ ਆਨਲਾਈਨ ਪ੍ਰਯੋਗ ਦੇ ਲਈ ਰਿਪੋਰਟ ਕੀਤਾ ਗਿਆ ਹੈ (Xie and Aurisset 2016) . ਇਹ 50% ਫਰਕ ਕਮੀ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਭਾਵਾਤਮਕ Contagion ਖੋਜਕਾਰ ਅੱਧ ਵਿਚ ਆਪਣੇ ਨਮੂਨੇ ਕੱਟ ਕਰਨ ਲਈ, ਜੇ ਉਹ ਇੱਕ ਥੋੜ੍ਹਾ ਵੱਖ ਵਿਸ਼ਲੇਸ਼ਣ ਢੰਗ ਵਰਤਿਆ ਸੀ ਦੇ ਯੋਗ ਹੋ ਗਿਆ ਹੈ ਹੋ ਸਕਦਾ ਹੈ. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਛੋਟੇ ਤਬਦੀਲੀ ਦੇ ਨਾਲ, 350,000 ਲੋਕ ਤਜਰਬੇ ਵਿਚ ਹਿੱਸਾ ਬਚ ਗਿਆ ਹੈ ਹੋ ਸਕਦਾ ਹੈ.

ਇਸ ਮੌਕੇ 'ਤੇ ਤੁਹਾਨੂੰ ਹੈਰਾਨ ਕੀਤਾ ਜਾ ਸਕਦਾ, ਇਸੇ ਖੋਜਕਾਰ, ਜੇ 350,000 ਲੋਕ ਬੇਲੋੜੀ ਭਾਵਾਤਮਕ Contagion ਵਿੱਚ ਸਨ ਦੇਖ-ਚਾਹੀਦਾ ਹੈ. ਉੱਥੇ ਹੈ, ਜੋ ਕਿ ਬਹੁਤ ਜ਼ਿਆਦਾ ਦਾ ਆਕਾਰ ਦੇ ਨਾਲ ਚਿੰਤਾ ਉਚਿਤ ਬਣਾਉਣ ਭਾਵਾਤਮਕ Contagion ਦੇ ਦੋ ਖਾਸ ਫੀਚਰ ਹਨ, ਅਤੇ ਇਹ ਫੀਚਰ ਬਹੁਤ ਸਾਰੇ ਡਿਜੀਟਲ ਖੇਤਰ ਪ੍ਰਯੋਗ ਦੁਆਰਾ ਸ਼ੇਅਰ ਕਰ ਰਹੇ ਹਨ: 1) ਇਸ ਬਾਰੇ ਤਜਰਬੇ 'ਤੇ ਘੱਟੋ ਘੱਟ ਕੁਝ ਹਿੱਸਾ ਦਾ ਨੁਕਸਾਨ ਦਾ ਕਾਰਨ ਬਣ ਜਾਵੇਗਾ ਅਤੇ 2) ਸ਼ਮੂਲੀਅਤ ਨਾ ਸੀ ਕਿ ਕੀ ਅਨਿਸ਼ਚਿਤਤਾ ਹੈ ਆਪਣੀ ਇੱਛਾ ਨਾਲ. ਇਹ ਦੋ ਗੁਣ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ 'ਚ ਇਸ ਨੂੰ ਪ੍ਰਯੋਗ ਸੰਭਵ ਤੌਰ' ਤੇ ਤੌਰ ਛੋਟੇ ਰੱਖਣ ਲਈ ਸਲਾਹ ਦਿੱਤੀ ਲੱਗਦਾ ਹੈ.

ਸਿੱਟਾ ਵਿੱਚ, ਤਿੰਨ, R's-ਤਬਦੀਲ ਜਾਚ ਹੈ, ਅਤੇ ਅਸੂਲ ਦੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਖੋਜਕਾਰ ਆਪਣੇ ਤਜਰਬੇ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਨੈਤਿਕਤਾ ਬਣਾਉਣ ਨੂੰ ਘੱਟ-ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ. ਬੇਸ਼ੱਕ, ਭਾਵਾਤਮਕ Contagion ਨੂੰ ਇਹ ਸੰਭਵ ਤਬਦੀਲੀ ਦੇ ਹਰੇਕ ਵਪਾਰ-ਆਫ ਪੇਸ਼ ਕਰਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਤੱਕ ਇਸ ਗੱਲ ਦਾ ਸਬੂਤ ਹੈ, ਨਾ ਹਮੇਸ਼ਾ ਦੇ ਤੌਰ ਤੇ ਸਾਫ਼ ਬੇਤਰਤੀਬੀ ਪ੍ਰਯੋਗ ਤੱਕ ਇਸ ਗੱਲ ਦਾ ਸਬੂਤ ਹੈ ਅਤੇ ਹੁਲਾਰਾ ਹੋਰ logistically ਮੁਸ਼ਕਲ ਬਲਾਕ ਵੱਧ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਕੀਤਾ ਗਿਆ ਹੈ, ਹੋ ਸਕਦਾ ਹੈ. ਇਸ ਲਈ, ਇਹ ਤਬਦੀਲੀ ਸੁਝਾਅ ਦੇ ਮਕਸਦ ਨੂੰ ਹੋਰ ਖੋਜਕਾਰ ਦੇ ਫੈਸਲੇ ਦਾ ਦੂਜਾ-ਲਗਾਉਣ ਲਈ ਨਾ ਸੀ. ਇਸ ਦੀ ਬਜਾਇ, ਇਸ ਨੂੰ ਸਮਝਾਉਣ ਲਈ ਤਿੰਨ ਆਰ ਦੇ ਲਈ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਹਾਲਤ ਵਿਚ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਸੀ.