4.2 Kio estas eksperimentoj?

Randomigitaj kontrolitaj eksperimentoj havas kvar ĉefajn ingrediencojn: reclutamiento de partoprenantoj, aleatorización de traktado, livero de kuracado, kaj mezurado de rezultoj.

Randomigitaj kontrolitaj eksperimentoj povas preni multajn formojn kaj povas esti uzita por studi multajn tipojn de konduto. Sed, ĉe ilia kerno, randomigitaj kontrolitaj eksperimentoj havas kvar ĉefajn ingrediencojn: reclutamiento de partoprenantoj, aleatorización de traktado, livero de kuracado, kaj mezurado de rezultoj. La cifereca erao ne ŝanĝas la fundamentan naturon de experimentación, sed ĝi faras ilin pli facile logísticamente. Ekzemple, en la pasinteco ĝi eble estus malfacile mezuri la konduton de milionoj da personoj, sed kiu estas nun rutine okazas en multaj ciferecaj sistemoj. Esploristoj kiuj povas eltrovi kiel jungi tiuj novaj ŝancoj povos kuri eksperimentoj kiuj estis neebla antaŭe.

Fari ĉi tutan iom pli konkretaj-ambaŭ kio restis la sama kaj kio ŝanĝis-ni konsideru Michael Restivo kaj Arnout van de Rijt la (2012) . La investigadores volis kompreni la efikon de neformala samulo rekompencoj sur redakciaj kontribuoj al Vikipedio. Aparte, ili studis la efikojn de barnstars, premio kiu ajna Wikipedian povas doni al ĉiu alia Wikipedian agnoski laboremo kaj pro diligenteco. Restivo kaj van de Rijt donis barnstars 100 meritanta wikipedistas. Do Restivo kaj van de Rijt spuris la ricevantoj 'postaj kontribuoj al Vikipedio dum la venontaj 90 tagoj. Multe al lia surprizo, la personoj al kiuj ili aljuĝis barnstars inklinis fari malpli redaktetojn post ricevi unu. Alivorte, la barnstars ŝajnis malinstigado anstataŭ instiganta kontribuo.

Feliĉe, Restivo kaj van de Rijt ne kuri "inmutó kaj observi" eksperimento; Ili kuradis kun randomigitaj kontrolitaj eksperimento. Do, aldone al elektanta 100 supro kontribuantoj ricevi barnstar, ili ankaŭ kolektis 100 supro kontribuantoj al kiu oni ne donis barnstar. Tiuj cent funkciis kiel kontrolgrupo kaj kiu ricevis barnstar kaj kiu ne estis determinita hazarde. Kiam Restivo kaj van de Rijt rigardis la kontrolgrupo ili trovis ke ĝi havis abruptan falon en kontribuoj tro. Fine, kiam la investigadores komparis personoj en la traktado grupo (te, ricevis barnstars) kaj personoj en la grupo de kontrolo, ili trovis ke la barnstar kaŭzis redaktoroj kontribui ĉirkaŭ 60% pli. Sed, ĉi tiu pliigo en kontribuo estis prenante loko kiel parto de totala malkresko en ambaŭ grupoj.

Kiel ĉi tiu studo ilustras, la grupo de kontrolo en eksperimentoj estas kritika en maniero kiu estas iom paradoksa. Por precize mezuri la efikon de barnstars, Restivo kaj kamioneto der Rijt bezonis observi personoj kiuj ne ricevis barnstars. Multfoje esploristoj kiuj ne estas familiarizados kun eksperimentoj malsukcesos estimi la nekredebla valoro de la kontrolgrupo. Se Restivo kaj van de Rijt ne havis kontrolon grupo, ili estus tiritaj precize la malĝusta konkludo. Kontrolo grupoj estas tiel grava ol la CEO de grava kazino firmao diris ke estas nur tri vojoj ke oficistoj povas esti pafita de lia entrepreno: ŝtelo, seksa ĝenado kaj kurante eksperimento sen kontrolo grupo (Schrage 2011) .

Restivo kaj van de Rijt studo ilustras la kvar ĉefaj ingrediencoj de eksperimento: varbado, aleatorización, interveno, kaj rezultoj. Kune, tiuj kvar ingrediencoj permesas sciencistojn moviĝi preter correlaciones kaj mezuri la kaŭzan efikon de traktadoj. Specife, aleatorización signifas ke kiam vi komparas rezultojn por la traktado kaj kontrolo grupoj vin akiri takson de la kaŭza efiko de tiu interveno por ke aro da partoprenantoj. Alivorte, per randomigitaj kontrolitaj eksperimento povas esti certa ke iu ajn diferencojn en rezultoj estas kaŭzitaj de la interveno kaj ne confounder, aserton kiun mi faras preciza en la Teknika Apendico uzante la potenciala rezultoj kadro.

Krom esti bela ilustraĵo de la mekaniko de eksperimentoj, Restivo kaj van de Rijt la studo ankaŭ montras ke la loĝistiko de ciferecaj eksperimentoj povas esti tute malsama de analoga eksperimentoj. En Restivo kaj van de Rijt eksperimento, estis facile al la barnstar al ĉiu en la mondo kaj estis facile spuri la rezulto-nombro de redaktoj-super plilongigita periodo de tempo (ĉar redaktohistorio aŭtomate gravuritaj de Vikipedio). Tiu kapablo liveri traktadoj kaj mezuri rezultoj en neniu kosto estas kvalite kontraste eksperimentoj en la pasinteco. Kvankam tiu eksperimento implikis 200 homojn, ĝi povus esti kurita kun 2.000 aŭ 20.000 personoj. La ĉefa afero malhelpanta la investigadores de krustanta siajn eksperimento je faktoro de 100 ne kostis, estis etiko. Te Restivo kaj van de Rijt ne volis doni barnstars al meritas eldonistoj kaj ili ne volis ilia eksperimento interrompi la Vikipedia komunumo (Restivo and Rijt 2012; Restivo and Rijt 2014) . Do, kvankam la eksperimento de Restivo kaj van de Rijt estas relative simpla, ĝi klare montras, ke kelkaj aferoj pri eksperimentoj restis la samaj kaj iom ŝanĝiĝis. Aparte, la baza logiko de eksperimentado estas la sama, sed la loĝistiko ŝanĝiĝis. Sekva, por pli klare izoli la ŝancoj kreita de ĉi tiu ŝanĝo, mi komparos la eksperimentoj kiujn esploristoj povas fari nun la specoj de eksperimentoj kiuj estis faritaj en la pasinteco.