4.5.2 Erstellen Sie Ihr eigenes Experiment

Ihr eigenes Experiment Gebäude könnte teuer werden, aber es wird Ihnen ermöglichen , das Experiment zu erstellen , die Sie wollen.

Zusätzlich zur Überlagerung von Experimenten in bestehenden Umgebungen können Sie auch ein eigenes Experiment erstellen. Der Hauptvorteil dieses Ansatzes ist Kontrolle; Wenn Sie das Experiment erstellen, können Sie die gewünschte Umgebung und Behandlung erstellen. Diese maßgeschneiderten experimentellen Umgebungen können Möglichkeiten bieten, Theorien zu testen, die in natürlich vorkommenden Umgebungen nicht getestet werden können. Die Hauptnachteile beim Erstellen eines eigenen Experiments sind, dass es teuer sein kann und dass die Umgebung, die Sie erstellen können, nicht den Realismus eines natürlich vorkommenden Systems aufweist. Forscher, die ihr eigenes Experiment aufbauen, müssen auch eine Strategie für die Rekrutierung von Teilnehmern haben. Wenn Forscher in bestehenden Systemen arbeiten, bringen sie die Experimente im Wesentlichen zu ihren Teilnehmern. Aber wenn Forscher ihr eigenes Experiment aufbauen, müssen sie die Teilnehmer dazu bringen. Glücklicherweise können Dienste wie Amazon Mechanical Turk (MTurk) Forschern eine bequeme Möglichkeit bieten, Teilnehmer zu ihren Experimenten zu bringen.

Ein Beispiel, das die Tugenden von maßgeschneiderten Umgebungen zum Testen abstrakter Theorien veranschaulicht, ist das digitale Laborexperiment von Gregory Huber, Seth Hill und Gabriel Lenz (2012) . Dieses Experiment untersucht eine mögliche praktische Einschränkung der Funktionsweise demokratischer Regierungsführung. Frühere nicht-experimentelle Studien über tatsächliche Wahlen haben gezeigt, dass Wähler nicht in der Lage sind, die Leistung etablierter Politiker genau zu beurteilen. Insbesondere scheinen die Wähler unter drei Voreingenommenheiten zu leiden: (1) Sie konzentrieren sich eher auf die jüngste als auf die kumulative Leistung; (2) sie können durch Rhetorik, Framing und Marketing manipuliert werden; und (3) sie können durch Ereignisse beeinflusst werden, die nichts mit der bisherigen Leistung zu tun haben, wie zum Beispiel der Erfolg lokaler Sportmannschaften und das Wetter. In diesen früheren Studien war es jedoch schwierig, irgendeinen dieser Faktoren von all den anderen Dingen zu isolieren, die bei echten, unordentlichen Wahlen passieren. Daher haben Huber und seine Kollegen eine stark vereinfachte Wahlumgebung geschaffen, um jede dieser drei möglichen Verzerrungen zu isolieren und dann experimentell zu untersuchen.

Wenn ich das experimentelle Setup unten beschreibe, wird es sehr künstlich klingen, aber bedenken Sie, dass Realismus kein Ziel bei Laborexperimenten ist. Ziel ist es vielmehr, den Prozess, den Sie zu untersuchen versuchen, klar zu isolieren, und diese enge Isolation ist in Studien mit mehr Realismus manchmal nicht möglich (Falk and Heckman 2009) . In diesem speziellen Fall argumentierten die Forscher, dass die Wähler, wenn sie die Leistung in diesem stark vereinfachten Umfeld nicht effektiv bewerten können, dies nicht in einem realistischeren und komplexeren Umfeld tun können.

Huber und Kollegen nutzten MTurk, um Teilnehmer zu rekrutieren. Sobald eine Teilnehmerin ihre Einwilligung gegeben und einen kurzen Test bestanden hatte, wurde ihr mitgeteilt, dass sie an einem 32-Runden-Spiel teilnahm, um Spielmarken zu verdienen, die in echtes Geld umgewandelt werden konnten. Zu Beginn des Spiels wurde jeder Teilnehmerin mitgeteilt, dass ihr ein "Zuweiser" zugewiesen wurde, der ihr in jeder Runde kostenlose Tokens geben würde und dass einige Zuweiser großzügiger waren als andere. Außerdem wurde jeder Teilnehmerin mitgeteilt, dass sie nach 16 Spielrunden die Möglichkeit haben würde, ihren Zuweiser zu behalten oder einen neuen zuzuteilen. In Anbetracht dessen, was Sie über die Forschungsziele von Huber und Kollegen wissen, können Sie sehen, dass der Zuweiser eine Regierung repräsentiert und diese Wahl eine Wahl repräsentiert, aber die Teilnehmer waren sich der allgemeinen Ziele der Forschung nicht bewusst. Insgesamt rekrutierten Huber und Kollegen etwa 4.000 Teilnehmer, die für eine etwa achtminütige Aufgabe rund 1,25 US-Dollar erhielten.

Daran erinnern wir uns, dass eine der Ergebnisse früherer Untersuchungen darin bestand, dass die Wähler die Amtsinhaber für Ergebnisse belohnen und bestrafen, die eindeutig außerhalb ihrer Kontrolle liegen, wie zum Beispiel der Erfolg lokaler Sportmannschaften und das Wetter. Um zu beurteilen, ob die Abstimmungsentscheidungen der Teilnehmer durch rein zufällige Ereignisse in ihrem Umfeld beeinflusst werden können, haben Huber und Kollegen ihr Experimentiersystem um eine Lotterie erweitert. Entweder in der 8. Runde oder der 16. Runde (dh kurz vor der Chance, den Allokator zu ersetzen) wurden die Teilnehmer zufällig in einer Lotterie platziert, wo einige 5.000 Punkte, einige 0 Punkte und einige 5.000 Punkte verloren. Diese Lotterie sollte gute oder schlechte Nachrichten nachahmen, die unabhängig von der Leistung des Politikers sind. Obwohl den Teilnehmern ausdrücklich gesagt wurde, dass die Verlosung nicht mit der Leistung ihres Verlegers zusammenhing, beeinflusste das Ergebnis der Verlosung immer noch die Entscheidungen der Teilnehmer. Teilnehmer, die von der Lotterie profitierten, behielten ihre Zuteilungswahrscheinlichkeit wahrscheinlicher, und dieser Effekt war stärker, als die Lotterie in Runde 16 stattfand - direkt vor der Ersatzentscheidung - als in Runde 8 (Abbildung 4.15). Diese Ergebnisse, zusammen mit einigen anderen Experimenten in der Arbeit, führten Huber und Kollegen zu der Schlussfolgerung, dass Wähler auch in einer vereinfachten Umgebung Schwierigkeiten haben, weise Entscheidungen zu treffen, ein Ergebnis, das zukünftige Forschung über Wählerentscheidungen beeinflusst (Healy and Malhotra 2013) . Das Experiment von Huber und Kollegen zeigt, dass MTurk verwendet werden kann, um Teilnehmer für Laborexperimente zu rekrutieren, um sehr spezifische Theorien genau zu testen. Es zeigt auch, wie wichtig es ist, eine eigene experimentelle Umgebung aufzubauen: Es ist schwer vorstellbar, wie diese Prozesse in jeder anderen Umgebung so sauber isoliert werden konnten.

Abbildung 4.15: Ergebnisse von Huber, Hill und Lenz (2012). Teilnehmer, die von der Lotterie profitierten, behielten ihre Zuweiser eher, und dieser Effekt war stärker, als die Lotterie in Runde 16 - kurz vor der Ersatzentscheidung - stattfand, als in Runde 8. Angepasst von Huber, Hill und Lenz ( 2012), Abbildung 5.

Abbildung 4.15: Ergebnisse von Huber, Hill, and Lenz (2012) . Teilnehmer, die von der Lotterie profitierten, behielten ihre Zuweiser eher, und dieser Effekt war stärker, als die Lotterie in Runde 16 - kurz vor der Ersatzentscheidung - stattfand, als in Runde 8. Angepasst von Huber, Hill, and Lenz (2012) , Abbildung 5.

Labore können nicht nur Experimente erstellen, sondern auch Experimente erstellen, die eher feldähnlich sind. So hat Centola (2010) ein digitales Feldexperiment entwickelt, um den Einfluss sozialer Netzwerkstrukturen auf die Verbreitung von Verhalten zu untersuchen. Seine Forschungsfrage verlangte von ihm, dasselbe Verhalten zu beobachten, das sich in Populationen ausbreitete, die unterschiedliche soziale Netzwerkstrukturen aufwiesen, ansonsten aber nicht zu unterscheiden waren. Der einzige Weg dazu war ein maßgeschneidertes Experiment. In diesem Fall baute Centola eine webbasierte Gesundheitsgemeinschaft auf.

Centola rekrutierte rund 1.500 Teilnehmer durch Werbung auf Gesundheitswebsites. Als die Teilnehmer in der Online-Community ankamen, die Healthy Lifestyle Network genannt wurde, gaben sie ihr Einverständnis und wurden dann "Gesundheitskumpels" zugewiesen. Aufgrund der Art und Weise, wie Centola diese Gesundheitskumpels einsetzte, konnte er verschiedene soziale Netzwerkstrukturen miteinander verbinden verschiedene Gruppen. Einige Gruppen wurden so gebaut, dass sie zufällige Netzwerke haben (wo jeder gleich wahrscheinlich verbunden war), während andere Gruppen so gebaut wurden, dass sie geclusterte Netzwerke haben (wo Verbindungen lokal dichter sind). Dann führte Centola ein neues Verhalten in jedes Netzwerk ein: die Möglichkeit, sich für eine neue Website mit zusätzlichen Gesundheitsinformationen zu registrieren. Wann immer sich jemand für diese neue Website anmeldete, erhielten alle ihre Gesundheitskameraden eine E-Mail, in der sie dieses Verhalten ankündigten. Centola stellte fest, dass sich dieses Verhalten - die Anmeldung für die neue Website - im Cluster-Netzwerk weiter und schneller ausbreitete als im Zufallsnetzwerk, was im Gegensatz zu einigen bestehenden Theorien stand.

Insgesamt bietet dir der Aufbau deines eigenen Experiments viel mehr Kontrolle. Es ermöglicht Ihnen, die bestmögliche Umgebung zu erstellen, um zu isolieren, was Sie studieren möchten. Es ist schwer vorstellbar, wie die beiden Experimente, die ich gerade beschrieben habe, in einer bereits bestehenden Umgebung durchgeführt werden könnten. Durch den Aufbau eines eigenen Systems werden ethische Bedenken hinsichtlich des Experimentierens in bestehenden Systemen verringert. Wenn Sie jedoch ein eigenes Experiment erstellen, stoßen Sie auf viele der Probleme, die in Laborexperimenten auftreten: Rekrutierung von Teilnehmern und Bedenken bezüglich Realismus. Ein letzter Nachteil ist, dass der Aufbau eines eigenen Experiments kostspielig und zeitraubend sein kann, obwohl, wie diese Beispiele zeigen, die Experimente von relativ einfachen Umgebungen ausgehen können (wie das Studium der Stimmabgabe von Huber, Hill, and Lenz (2012) ). zu relativ komplexen Umgebungen (wie das Studium von Netzwerken und Ansteckung durch Centola (2010) ).