4.5.4 শক্তিশালী সঙ্গে অংশীদার

অংশিদারীত্বে খরচ কমাতে পারেন এবং স্কেল বৃদ্ধি, কিন্তু এটা অংশগ্রহণকারীদের চিকিত্সা ধরণের পরিবর্তন করতে পারেন, এবং ফলাফল যে আপনি ব্যবহার করতে পারেন.

এটি নিজেকে করার বিকল্প একটি শক্তিশালী সংস্থা যেমন একটি কোম্পানীর, সরকার, বা এনজিও সঙ্গে অংশীদার হয়। একটি অংশীদার সঙ্গে কাজ করার সুবিধা হল যে তারা আপনাকে পরীক্ষা চালাতে সক্ষম করতে পারে যে আপনি নিজে নিজে করতে পারেন না। উদাহরণস্বরূপ, নিম্নোক্ত 61 মিলিয়ন অংশগ্রহণকারীকে নিয়ে আমি আপনাকে বলব যে এমন এক পরীক্ষার - কোনও পৃথক গবেষক এই স্কেল অর্জন করতে পারে না। একই সময়ে যে পার্টিশনিং আপনি যা করতে পারেন তা বাড়িয়ে দেয়, এটি আপনাকেও আবদ্ধ করে। উদাহরণস্বরূপ, বেশিরভাগ কোম্পানি আপনাকে এমন একটি পরীক্ষা চালাতে দেয় না যা তাদের ব্যবসা বা তাদের খ্যাতি ক্ষতি করতে পারে। অংশীদারদের সাথে কাজ করার মানে হচ্ছে এটি প্রকাশিত হওয়ার সময় হলে, আপনি আপনার ফলাফলগুলির "পুনরায় ফ্রেম" চাপে আসতে পারেন, এবং কিছু অংশীদার এমনকি আপনার কাজের প্রকাশনকে ব্লক করার চেষ্টা করতে পারেন যদি এটি খারাপ করে তোলে। অবশেষে, অংশীদারি এছাড়াও এই সহযোগিতা উন্নয়নশীল এবং বজায় রাখার সাথে সম্পর্কিত খরচ সঙ্গে আসে।

এই অংশীদারিত্বকে সফল করার জন্য মূল চ্যালেঞ্জটি সমাধান করা হয়েছে উভয় পক্ষের স্বার্থের ভারসাম্য বজায় রাখার একটি উপায় খুঁজে বের করা, এবং সেই ভারসাম্য সম্পর্কে চিন্তা করার একটি সহায়ক উপায় হল পাসষ্টারের কোরাড্রেন্ট (Stokes 1997) । অনেক গবেষক মনে করেন যে যদি তারা কিছু কার্যকারী কাজ করে যা কিছু অংশীদারের পক্ষে হতে পারে - তাহলে তারা প্রকৃত বিজ্ঞান করতে পারবে না। এই মানসিকতা সফল অংশীদারিত্ব তৈরি করতে খুব কঠিন করে তুলবে এবং এটি সম্পূর্ণ ভুল হতে পারে। এই ধরনের চিন্তাধারার সাথে সমস্যাটি বিস্ময়কর লুইস পাস্তুরের পথভ্রষ্ট গবেষণার মাধ্যমে বিস্ময়করভাবে তুলে ধরা হয়েছে। বিট জলের মধ্যে অ্যালকোহল রূপান্তর করার জন্য বানিজ্যিক ফেমেশন প্রকল্পে কাজ করার সময়, পেস্টর একটি নতুন শ্রেণীর মাইক্রোঅরগানিজম আবিষ্কার করেন যা অবশেষে রোগের জীবাণু তত্ত্বের দিকে পরিচালিত করে। এই আবিষ্কার একটি খুব ব্যবহারিক সমস্যা সমাধান - এটি fermentation প্রক্রিয়া উন্নত সাহায্য - এবং এটি একটি প্রধান বৈজ্ঞানিক অগ্রগামী নেতৃত্বে - সুতরাং, সত্য বৈজ্ঞানিক গবেষণার সাথে দ্বন্দ্ব হিসাবে ব্যবহারিক প্রয়োগগুলির সাথে গবেষণার বিষয়ে চিন্তা করার পরিবর্তে, এটি দুটি ভিন্ন মাত্রা হিসাবে বিবেচনা করা ভাল। গবেষণায় (অথবা না) ব্যবহার দ্বারা অনুপ্রাণিত হতে পারে, এবং গবেষণা মৌলিক বোঝার (বা না) চাইতে পারেন জটিলভাবে, কিছু গবেষণা-যেমন পেস্টুর-ব্যবহার করে এবং মৌলিক বোঝার খোঁজে (চিত্র 4.17) অনুপ্রাণিত হতে পারে। প্যাসুরের কোয়ার্ডেন্ট-রিসার্চ-এর গবেষণায় স্বতঃস্ফূর্তভাবে দুটি লক্ষ্য অর্জন করা হয়-গবেষকরা এবং অংশীদারদের মধ্যে সহযোগিতার জন্য আদর্শ। যে পটভূমি দেওয়া, আমি অংশীদারিত্বের সঙ্গে দুটি পরীক্ষামূলক গবেষণা বর্ণনা করব: একটি কোম্পানী এবং একটি এনজিও সঙ্গে এক।

চিত্র 4.17: পাসষ্টারের কোরাড্রেন্ট (স্টোকস 1997)। বরং মৌলিক বা প্রয়োগ হিসাবে গবেষণা সম্পর্কে চিন্তা করার পরিবর্তে, এটি ব্যবহার করা (বা না) দ্বারা অনুপ্রাণিত এবং মৌলিক বোঝার (বা না) চাওয়া হিসাবে এটি মনে করা ভাল। গবেষণার একটি উদাহরণ উভয়ই ব্যবহার করে প্রেরণা পায় এবং মৌলিক বোঝার চেষ্টা করে যে, পেটুরের বীট জালকে অ্যালকোহলে রূপান্তর করার জন্য কাজ করে যা রোগের জীবাণু তত্ত্বের দিকে পরিচালিত করে। এটি এমন ধরনের কাজ যা শক্তিশালী সহকারে অংশীদারিত্বের জন্য উপযুক্ত। ব্যবহার করে অনুপ্রাণিত হয় এমন কাজের উদাহরণ কিন্তু টমাস এডিসন থেকে মৌলিক সংজ্ঞার সন্ধান পায় না, এবং এমন কাজের উদাহরণ যা ব্যবহার দ্বারা অনুপ্রাণিত হয় না কিন্তু যা নিল বোরির থেকে বোঝার চেষ্টা করে। এই কাঠামোর একটি আরও পুঙ্খানুপুঙ্খ আলোচনা এবং স্টকস (1997) দেখুন এই ক্ষেত্রে প্রতিটি। স্টোকস থেকে অভিযোজিত (1997), চিত্র 3.5।

চিত্র 4.17: পাসষ্টারের কোরাড্রেন্ট (Stokes 1997) । বরং "মৌলিক" বা "প্রয়োগ করা" হিসাবে গবেষণা করার পরিবর্তে, এটি ব্যবহার করা (বা না) দ্বারা অনুপ্রাণিত এবং মৌলিক সংজ্ঞার (বা না) চেষ্টা হিসাবে ভাল মনে হয়। গবেষণার একটি উদাহরণ উভয়ই ব্যবহার করে প্রেরণা পায় এবং মৌলিক বোঝার চেষ্টা করে যে, পেটুরের বীট জালকে অ্যালকোহলে রূপান্তর করার জন্য কাজ করে যা রোগের জীবাণু তত্ত্বের দিকে পরিচালিত করে। এটি এমন ধরনের কাজ যা শক্তিশালী সহকারে অংশীদারিত্বের জন্য উপযুক্ত। ব্যবহার করে অনুপ্রাণিত হয় এমন কাজের উদাহরণ কিন্তু টমাস এডিসন থেকে মৌলিক সংজ্ঞার সন্ধান পায় না, এবং এমন কাজের উদাহরণ যা ব্যবহার দ্বারা অনুপ্রাণিত হয় না কিন্তু যা নিল বোরির থেকে বোঝার চেষ্টা করে। এই কাঠামোর একটি আরও পুঙ্খানুপুঙ্খ আলোচনা এবং Stokes (1997) দেখুন এই ক্ষেত্রে প্রতিটি। Stokes (1997) থেকে অভিযোজিত Stokes (1997) , চিত্র 3.5।

বৃহৎ কোম্পানিগুলি, বিশেষ করে কারিগরি কোম্পানিগুলি জটিল পরীক্ষা চালানোর জন্য অবিশ্বাস্যভাবে অত্যাধুনিক পরিকাঠামো তৈরি করেছে। কারিগরি শিল্পে, এই পরীক্ষায় প্রায়ই এ / বি পরীক্ষার নাম বলা হয় কারণ তারা দুটি চিকিত্সাগুলির কার্যকারিতা তুলনা করে: এ এবং বি। এই ধরনের বিজ্ঞাপনগুলো প্রায়ই বিজ্ঞাপনগুলির উপর ক্লিকের মাধ্যমে বাড়ানো হারের মতো কাজ করে, কিন্তু একই পরীক্ষামূলক পরিকাঠামোও করতে পারে বৈজ্ঞানিক বোঝার অগ্রগতির জন্য গবেষণার জন্য ব্যবহার করা হবে। এই ধরনের গবেষণা সম্ভাব্য ব্যাখ্যা একটি উদাহরণ ভোটার ভোটাধিকার (Bond et al. 2012) উপর বিভিন্ন বার্তা প্রভাব উপর, ফেসবুক এবং ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, সান ডিয়েগো মধ্যে গবেষকরা মধ্যে একটি অংশীদারিত্ব দ্বারা পরিচালিত একটি গবেষণা হয়।

২ নভেম্বর ২010-মার্কিন কংগ্রেসনাল নির্বাচনের দিন-মার্কিন যুক্তরাষ্ট্রে বসবাসরত সকল 61 মিলিয়ন ফেসবুক ব্যবহারকারী এবং 18 বছর বয়সি এবং ভোটারদের একটি পরীক্ষাতে অংশগ্রহণ করেন। ফেসবুকে পরিদর্শন করার পর, ব্যবহারকারীরা তিনটি গ্রুপের মধ্যে এলোমেলোভাবে একটিকে অন্তর্ভুক্ত করে, যা নির্ধারণ করে যে তাদের ব্যানার (যদি থাকে) তাদের নিউজ ফিড (চিত্র 4.18) শীর্ষে স্থাপন করা হয়:

  • একটি নিয়ন্ত্রণ গ্রুপ
  • একটি ক্লিকযোগ্য "আমি ভোট দেওয়া" বোতাম এবং একটি কাউন্টার (তথ্য) দিয়ে ভোট দেওয়ার বিষয়ে একটি তথ্যগত বার্তা
  • একটি ক্লিকযোগ্য "আমি ভোট দেওয়া" বোতাম এবং একটি কাউন্টার প্লাস নাম এবং তাদের বন্ধুদের ছবি যারা ইতিমধ্যে "আমি ভোট দেওয়া" (তথ্য + সামাজিক) ক্লিক করে ভোট দিয়ে একটি তথ্য বার্তা।

বন্ড এবং সহকর্মীরা দুটি প্রধান ফলাফল অধ্যয়ন করেছেন: ভোটের আচরণ এবং প্রকৃত ভোটিং আচরণের প্রতিবেদন। প্রথমত, তারা দেখে যে, তথ্য + সামাজিক গ্রুপের লোকরা "আমি ভোট দেওয়া" (প্রায় ২0% বনাম 18%) ক্লিক করার জন্য তথ্য গোষ্ঠীর লোকেদের তুলনায় প্রায় দ্বিগুণ পয়েন্ট বেশি। অধিকন্তু, গবেষকরা তাদের ছয় মিলিয়ন লোকের জন্য সর্বজনীনভাবে ভোটের রেকর্ডের সাথে তাদের ডেটা মিলিয়ে পরে জানতে পেরেছে যে তথ্য + সামাজিক গ্রুপের লোকরা প্রকৃতপক্ষে নিয়ন্ত্রণ গোষ্ঠীর তুলনায় ভোটের সংখ্যা বেশি বলে 0.39 শতাংশ বেশি এবং তথ্য গোষ্ঠীর লোকেরা নিয়ন্ত্রণ গ্রুপ যারা হিসাবে ভোটের সম্ভবত হিসাবে সম্ভবত ছিল (চিত্র 4.18)।

চিত্র 4.18: ফেইসবুকে (বন্ড এট .২২) উপর একটি আউট-আউট-দ্য-ভোট পরীক্ষার ফলাফল। তথ্য গোষ্ঠীতে অংশগ্রহণকারীদের নিয়ন্ত্রণ গোষ্ঠীর মতো একই হারে ভোটাধিকার, কিন্তু তথ্য + সামাজিক গ্রুপের লোকেরা একটি সামান্য উচ্চ হারে ভোট দিয়েছেন। বার আনুমানিক 95% আস্থা অন্তর প্রতিনিধিত্ব করে। গ্রাফের ফলাফলগুলি প্রায় 6 মিলিয়ন অংশগ্রহণকারীর জন্য যারা ভোটের রেকর্ডের সাথে মিলেছে। বন্ড এট আল থেকে অভিযোজিত (২01২), চিত্র 1

চিত্র 4.18: ফেইসবুকে (Bond et al. 2012) উপর একটি আউট-আউট-দ্য-ভোট পরীক্ষার ফলাফল। তথ্য গোষ্ঠীতে অংশগ্রহণকারীদের নিয়ন্ত্রণ গোষ্ঠীর মতো একই হারে ভোটাধিকার, কিন্তু তথ্য + সামাজিক গ্রুপের লোকেরা একটি সামান্য উচ্চ হারে ভোট দিয়েছেন। বার আনুমানিক 95% আস্থা অন্তর প্রতিনিধিত্ব করে। গ্রাফের ফলাফলগুলি প্রায় 6 মিলিয়ন অংশগ্রহণকারীর জন্য যারা ভোটের রেকর্ডের সাথে মিলেছে। Bond et al. (2012) থেকে অভিযোজিত Bond et al. (2012) , চিত্র 1

এই পরীক্ষার ফলাফল দেখায় যে কিছু অনলাইন আউট-আউট-দ্য-ভোট বার্তাগুলি অন্যদের তুলনায় আরো কার্যকরী এবং কার্যকারিতার একজন গবেষক এর অনুমানের উপর নির্ভর করে কিনা তা নির্ভর করে ভোটিং বা প্রকৃত ভোটগ্রহণের ফলাফল সম্পর্কে। এই গবেষণায় দুর্ভাগ্যবশত, যান্ত্রিকতার কোনও সূত্র প্রদান করা হয় না যার মাধ্যমে সামাজিক তথ্য-যা কিছু গবেষক খেলাটিকে "মুখমণ্ডল" বলে অভিহিত করে - বাড়তি ভোটদান। এটা হতে পারে যে সামাজিক তথ্যটি সম্ভাব্যতা বৃদ্ধি করে যে কেউ এই ব্যানারটি লক্ষ্য করে বা এটি সম্ভাব্যতা বৃদ্ধি করে যে কেউ লক্ষ্য করেছেন যে আসলে আসলে ভোট দেওয়া হয়েছে বা উভয়ই। সুতরাং, এই গবেষণায় একটি আকর্ষণীয় আবিষ্কার পাওয়া যায় যে অন্যান্য গবেষকরা সম্ভবত অন্বেষণ করবে (দেখুন Bakshy, Eckles, et al. (2012) )।

গবেষকদের লক্ষ্য অগ্রগতি ছাড়াও, এই পরীক্ষা এছাড়াও অংশীদার সংস্থা (ফেসবুক) এর লক্ষ্য উন্নত। আপনি সাবান কেনার জন্য ভোটিং থেকে পড়া আচরণ পরিবর্তন করে থাকেন, তাহলে আপনি দেখতে পারেন যে অনলাইন বিজ্ঞাপনের প্রভাব (যেমন, RA Lewis and Rao (2015) ) পরিমাপের জন্য গবেষণাটি একটি গবেষণার মতো একই কাঠামো রয়েছে। এই বিজ্ঞাপন কার্যকারিতা অধ্যয়নগুলি প্রায়ই অনলাইনে বিজ্ঞাপনগুলির প্রভাবের পরিমাপের পরিমাপ - Bond et al. (2012) -এর চিকিত্সাগুলি Bond et al. (2012) মূলত অফলাইন আচরণের জন্য ভোটিং-এর বিজ্ঞাপন। সুতরাং, এই গবেষণা অনলাইন বিজ্ঞাপন কার্যকারিতা অধ্যয়ন করার জন্য ফেসবুকের ক্ষমতা অগ্রসর হতে পারে এবং ফেইসবুকে সম্ভাব্য বিজ্ঞাপনদাতাদেরকে সন্তুষ্ট করতে পারে যে ফেসবুক বিজ্ঞাপন পরিবর্তন আচরণে কার্যকর।

যদিও গবেষকরা এবং অংশীদারদের স্বার্থ বেশিরভাগই এই গবেষণায় সংযুক্ত ছিল, তবুও তারা আংশিকভাবে তানবীরাতে ছিল। বিশেষত, তিনটি গ্রুপ-নিয়ন্ত্রণ, তথ্য এবং তথ্য + সামাজিক-এর অংশগ্রহণকারীদের বরাদ্দ ছিল ব্যাপকভাবে ভারসাম্যহীন: 98% নমুনা তথ্য + সামাজিককে নিয়োগ করা হয়েছিল। এই ভারসাম্যহীন বরাদ্দ অসম্পূর্ণ পরিসংখ্যানগত, এবং গবেষকদের জন্য আরও ভাল বরাদ্দ প্রতিটি দলের অংশগ্রহণকারীদের এক তৃতীয়াংশ থাকতে হবে। কিন্তু ভারসাম্যহীন বরাদ্দ ঘটেছে কারণ ফেসবুক চায় সবাই যেন তথ্য + সামাজিক চিকিত্সা গ্রহণ করে। সৌভাগ্যবশত, গবেষকরা তাদের একটি সম্পর্কিত চিকিত্সার জন্য 1% এবং একটি নিয়ন্ত্রণ গ্রুপের জন্য অংশগ্রহণকারীদের 1% ধরে রাখা বিশ্বাস করে। নিয়ন্ত্রণ গোষ্ঠী ছাড়া, এটি তথ্য + সামাজিক চিকিত্সাের প্রভাব পরিমাপ করা মূলত অসম্ভব ছিল কারণ এটি একটি র্যান্ডমাইজড নিয়ন্ত্রিত পরীক্ষার পরিবর্তে "বিরক্তিকর এবং পর্যবেক্ষণ করা" পরীক্ষায় পরিণত হবে। এই উদাহরণ অংশীদারদের সাথে কাজ করার জন্য একটি মূল্যবান পাঠ্য প্রদান করে: কখনও কখনও আপনি কোনও একটি চিকিত্সা প্রদানের জন্য দৃঢ়তার সাথে একটি পরীক্ষা তৈরি করেন এবং কখনও কখনও কোনও একটি চিকিত্সার ব্যবস্থা না করার জন্য (যথা, একটি নিয়ন্ত্রণ গোষ্ঠী তৈরি করতে) দৃঢ়ভাবে কোনও পরীক্ষার সৃষ্টি করে।

অংশীদারিত্বের লক্ষ্যে লক্ষ লক্ষ অংশগ্রহণকারীর সাথে প্রযুক্তিগত সংস্থাগুলি এবং A / B পরীক্ষার প্রয়োজন নেই। উদাহরণস্বরূপ, আলেকজান্ডার কপকক, অ্যান্ড্রু গয়েস এবং জন টেরনোভস্কি (2016) একটি পরিবেশগত এনজিও-দ্য লীগ অফ কনজারভেশন ভোটার-এর সাথে অংশীদারিত্ব করার জন্য - সামাজিক দফতর প্রচারের জন্য বিভিন্ন কৌশল পরীক্ষা করে পরীক্ষা চালানোর জন্য। গবেষকরা এনজিওর Twitter অ্যাকাউন্ট ব্যবহার করেছেন যা পাবলিক টুইট এবং প্রাইভেট ডাইরেক্ট মেসেজ উভয়েই পাঠাতে পারে যা বিভিন্ন ধরণের প্রধান পরিচয় সনাক্ত করার চেষ্টা করেছিল। তারপর তারা মাপসই করে যে কোন বার্তাগুলি কোনও পিটিশনে সাইন ইন করার জন্য এবং একটি পিটিশন সম্পর্কে তথ্য উল্টে দেওয়ার জন্য উত্সাহিত করার জন্য এই বার্তাগুলি সবচেয়ে কার্যকর ছিল।

সারণি 4.3: গবেষকরা এবং সংগঠনগুলির মধ্যে অংশীদারিত্বের সাথে জড়িত গবেষণার উদাহরণ
বিষয় তথ্যসূত্র
তথ্য শেয়ারিং এর উপর ফেসবুক নিউজ ফিডের প্রভাব Bakshy, Rosenn, et al. (2012)
অনলাইন ডেটিং ওয়েবসাইটের আচরণের উপর আংশিক গোপনীয়তা প্রভাব Bapna et al. (2016)
বিদ্যুৎ ব্যবহারের উপর হোম শক্তি রিপোর্ট প্রভাব Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
ভাইরাল বিস্তার উপর অ্যাপ্লিকেশন নকশা প্রভাব Aral and Walker (2011)
আশ্লেষের প্রক্রিয়া বিস্তারের প্রভাব SJ Taylor, Bakshy, and Aral (2013)
বিজ্ঞাপনে সামাজিক তথ্য প্রভাব Bakshy, Eckles, et al. (2012)
বিভিন্ন ধরনের গ্রাহকদের জন্য ক্যাটালগ এবং অনলাইন মাধ্যমে ক্যাটালগ ফ্রিকোয়েন্সি প্রভাব Simester et al. (2009)
সম্ভাব্য কাজের অ্যাপ্লিকেশনের উপর জনপ্রিয়তা সম্পর্কিত তথ্য Gee (2015)
জনপ্রিয়তা নেভিগেশন প্রাথমিক রেটিং প্রভাব Muchnik, Aral, and Taylor (2013)
রাজনৈতিক সংহতির উপর বার্তা কন্টেন্ট প্রভাব Coppock, Guess, and Ternovski (2016)

সামগ্রিকভাবে, শক্তিশালী সহ অংশীদারিত্ব আপনি একটি স্কেল যা অন্যথায় কঠিন কাজ চালায় সক্ষম, এবং টেবিল 4.3 গবেষক এবং প্রতিষ্ঠানের মধ্যে অংশীদারিত্বের অন্যান্য উদাহরণ উপলব্ধ করা হয়। পার্টনারিং আপনার নিজস্ব পরীক্ষা নির্মাণের চেয়ে অনেক সহজ হতে পারে। কিন্তু এই সুবিধাগুলির অসুবিধাগুলি আসে: অংশীদারিত্ব অংশগ্রহণকারীদের ধরন, চিকিত্সা এবং ফলাফলগুলি সীমিত করতে পারে যা আপনি অধ্যয়ন করতে পারেন। উপরন্তু, এই অংশীদারিত্ব নৈতিক চ্যালেঞ্জ হতে পারে। একটি অংশীদারিত্বের জন্য একটি সুযোগ স্পট সবচেয়ে ভাল উপায় আপনি আকর্ষণীয় বিজ্ঞান করছেন যখন আপনি সমাধান করতে পারেন যে একটি বাস্তব সমস্যা লক্ষ্য করা হয়। যদি আপনি পৃথিবীর দিকে তাকানোর এই পদ্ধতিতে ব্যবহার না করেন, তবে পাসশারের কোরাড্রেন্টে সমস্যা দেখা দিতে পারে, তবে অনুশীলনের সঙ্গে সঙ্গে আপনি আরও বেশি কিছু দেখতে পাবেন।