4.5.4 Partenaire avec les puissants

Le partenariat peut réduire les coûts et d' augmenter l' échelle, mais il peut modifier les types de participants, les traitements, et les résultats que vous pouvez utiliser.

L'alternative de le faire vous-même est un partenariat avec une organisation puissante telle qu'une entreprise, un gouvernement ou une ONG. L'avantage de travailler avec un partenaire est qu'il peut vous permettre de réaliser des expériences que vous ne pouvez pas réaliser seul. Par exemple, l'une des expériences que je vais vous raconter ci-dessous a impliqué 61 millions de participants - aucun chercheur individuel n'a pu atteindre cette échelle. En même temps que le partenariat augmente ce que vous pouvez faire, il vous contraint également. Par exemple, la plupart des entreprises ne vous permettent pas de mener une expérience qui pourrait nuire à leur entreprise ou à leur réputation. Travailler avec des partenaires signifie également que lorsque vient le temps de publier, vous pouvez être amené à «re-tracer» vos résultats, et certains partenaires pourraient même essayer de bloquer la publication de votre travail si cela leur donne l'air mauvais. Enfin, le partenariat comporte également des coûts liés au développement et au maintien de ces collaborations.

Le principal défi à relever pour que ces partenariats réussissent est de trouver un moyen d'équilibrer les intérêts des deux parties, et un moyen utile de penser à cet équilibre est le Quadrant de Pasteur (Stokes 1997) . Beaucoup de chercheurs pensent que s'ils travaillent sur quelque chose de pratique - quelque chose qui pourrait intéresser un partenaire - alors ils ne peuvent pas faire de véritable science. Cet état d'esprit rendra très difficile la création de partenariats fructueux, et il se trouve également que c'est complètement faux. Le problème de cette façon de penser est merveilleusement illustré par la recherche novatrice du biologiste Louis Pasteur. Tout en travaillant sur un projet de fermentation commerciale pour convertir le jus de betterave en alcool, Pasteur a découvert une nouvelle classe de micro-organismes qui a finalement conduit à la théorie des germes de la maladie. Cette découverte a résolu un problème très pratique - elle a aidé à améliorer le processus de fermentation - et a conduit à une avancée scientifique majeure. Ainsi, plutôt que de penser à la recherche avec des applications pratiques comme étant en conflit avec la vraie recherche scientifique, il vaut mieux les considérer comme deux dimensions distinctes. La recherche peut être motivée par l'utilisation (ou non), et la recherche peut rechercher une compréhension fondamentale (ou non). D'un point de vue critique, certains travaux de recherche - comme celui de Pasteur - peuvent être motivés par l'utilisation et la recherche d'une compréhension fondamentale (figure 4.17). La recherche dans le Quadrant de Pasteur - une recherche qui avance deux objectifs par nature - est idéale pour les collaborations entre chercheurs et partenaires. Dans ce contexte, je décrirai deux études expérimentales en partenariat: une avec une entreprise et une avec une ONG.

Figure 4.17: Quadrant de Pasteur (Stokes 1997). Plutôt que de penser que la recherche est fondamentale ou appliquée, il vaut mieux la considérer comme motivée par l'utilisation (ou pas) et chercher la compréhension fondamentale (ou non). Le travail de Pasteur sur la conversion du jus de betterave en alcool conduisant à la théorie des germes de la maladie est un exemple de recherche motivée par l'usage et recherchant une compréhension fondamentale. C'est le genre de travail qui convient le mieux aux partenariats avec les puissants. Des exemples de travaux motivés par l'usage mais qui ne recherchent pas une compréhension fondamentale viennent de Thomas Edison, et des exemples de travaux qui ne sont pas motivés par l'usage mais qui recherchent la compréhension viennent de Niels Bohr. Voir Stokes (1997) pour une discussion plus approfondie de ce cadre et de chacun de ces cas. Adapté de Stokes (1997), figure 3.5.

Figure 4.17: Quadrant de Pasteur (Stokes 1997) . Plutôt que de considérer la recherche comme «fondamentale» ou «appliquée», il vaut mieux la considérer comme motivée par l'usage (ou non) et chercher la compréhension fondamentale (ou non). Le travail de Pasteur sur la conversion du jus de betterave en alcool conduisant à la théorie des germes de la maladie est un exemple de recherche motivée par l'usage et recherchant une compréhension fondamentale. C'est le genre de travail qui convient le mieux aux partenariats avec les puissants. Des exemples de travaux motivés par l'usage mais qui ne recherchent pas une compréhension fondamentale viennent de Thomas Edison, et des exemples de travaux qui ne sont pas motivés par l'usage mais qui recherchent la compréhension viennent de Niels Bohr. Voir Stokes (1997) pour une discussion plus approfondie de ce cadre et de chacun de ces cas. Adapté de Stokes (1997) , figure 3.5.

Les grandes entreprises, en particulier les entreprises technologiques, ont développé une infrastructure incroyablement sophistiquée pour exécuter des expériences complexes. Dans l'industrie de la technologie, ces expériences sont souvent appelées tests A / B parce qu'elles comparent l'efficacité de deux traitements: A et B. De telles expériences sont fréquemment utilisées pour augmenter les taux de clics sur les publicités, mais la même infrastructure expérimentale peut également être utilisé pour la recherche qui fait progresser la compréhension scientifique. Un exemple qui illustre le potentiel de ce type de recherche est une étude menée par un partenariat entre des chercheurs de Facebook et de l'Université de Californie à San Diego sur les effets de différents messages sur la participation électorale (Bond et al. 2012) .

Le 2 novembre 2010 - le jour des élections au Congrès américain -, 61 millions d'utilisateurs de Facebook qui vivaient aux États-Unis et avaient 18 ans et plus ont pris part à une expérience sur le vote. En visitant Facebook, les utilisateurs ont été assignés au hasard dans l'un des trois groupes, qui ont déterminé quelle bannière (le cas échéant) a été placé en haut de leur fil d'actualité (figure 4.18):

  • un groupe de contrôle
  • un message d'information sur le vote avec un bouton "I Voted" cliquable et un compteur (Info)
  • un message informatif sur le vote avec un bouton "I Voted" cliquable et un compteur plus les noms et les photos de leurs amis qui avaient déjà cliqué sur le bouton "J'ai voté" (Info + Social)

Bond et ses collègues ont étudié deux résultats principaux: le comportement de vote rapporté et le comportement de vote réel. Premièrement, ils ont constaté que les personnes du groupe Info + Social étaient environ deux points de plus susceptibles que les personnes du groupe Info de cliquer sur «J'ai voté» (environ 20% contre 18%). De plus, après que les chercheurs ont fusionné leurs données avec les dossiers de vote disponibles publiquement pour environ six millions de personnes, ils ont trouvé que les personnes du groupe Info + Social étaient plus susceptibles de voter que celles du groupe témoin et celles du groupe Info étaient tout aussi susceptibles de voter que ceux du groupe témoin (figure 4.18).

Figure 4.18: Résultats d'une expérience de sortie sur Facebook (Bond et al., 2012). Les participants au groupe Info ont voté au même taux que ceux du groupe témoin, mais les membres du groupe Info + Social ont voté à un taux légèrement supérieur. Les barres représentent des intervalles de confiance estimés à 95%. Les résultats dans le graphique concernent les quelque six millions de participants qui ont été appariés aux dossiers de vote. Adapté de Bond et al. (2012), figure 1.

Figure 4.18: Résultats d'une expérience de sortie sur Facebook (Bond et al. 2012) . Les participants au groupe Info ont voté au même taux que ceux du groupe témoin, mais les membres du groupe Info + Social ont voté à un taux légèrement supérieur. Les barres représentent des intervalles de confiance estimés à 95%. Les résultats dans le graphique concernent les quelque six millions de participants qui ont été appariés aux dossiers de vote. Adapté de Bond et al. (2012) , figure 1.

Les résultats de cette expérience montrent que certains messages de sortie en ligne sont plus efficaces que d'autres et que l'estimation de l'efficacité d'un chercheur peut dépendre du fait que le résultat est le vote déclaré ou le vote effectif. Cette expérience ne fournit malheureusement aucun indice sur les mécanismes par lesquels l'information sociale - que certains chercheurs ont surnommée ludique «pile de visages» - augmentait le nombre de votes. Il se pourrait que l'information sociale augmente la probabilité que quelqu'un ait remarqué la bannière ou qu'elle augmente la probabilité que quelqu'un qui a remarqué la bannière ait effectivement voté ou les deux. Ainsi, cette expérience fournit une découverte intéressante que d'autres chercheurs exploreront probablement (voir, par exemple, Bakshy, Eckles, et al. (2012) ).

En plus de faire avancer les objectifs des chercheurs, cette expérience a également fait progresser l'objectif de l'organisation partenaire (Facebook). Si vous changez le comportement étudié du vote à l'achat de savon, alors vous pouvez voir que l'étude a exactement la même structure qu'une expérience pour mesurer l'effet des publicités en ligne (voir par exemple, RA Lewis and Rao (2015) ). Ces études sur l'efficacité des annonces mesurent fréquemment l'effet de l'exposition aux publicités en ligne - les traitements de Bond et al. (2012) sont essentiellement des annonces pour un comportement de vote hors ligne. Ainsi, cette recherche pourrait faire progresser la capacité de Facebook à étudier l'efficacité des publicités en ligne et pourrait aider Facebook à convaincre les annonceurs potentiels que les publicités Facebook sont efficaces pour changer les comportements.

Même si les intérêts des chercheurs et des partenaires étaient pour la plupart alignés dans cette étude, ils étaient aussi partiellement en tension. En particulier, l'allocation des participants aux trois groupes - contrôle, Info, et Info + Social - a été extrêmement déséquilibrée: 98% de l'échantillon a été affecté à Info + Social. Cette allocation déséquilibrée est inefficace statistiquement, et une allocation beaucoup mieux pour les chercheurs aurait eu un tiers des participants dans chaque groupe. Mais l'allocation déséquilibrée s'est produite parce que Facebook voulait que tout le monde reçoive le traitement Info + Social. Heureusement, les chercheurs les ont convaincus de retenir 1% pour un traitement associé et 1% des participants pour un groupe témoin. Sans le groupe de contrôle, il aurait été fondamentalement impossible de mesurer l'effet du traitement Info + Social, car il s'agirait d'une expérience «perturber et observer» plutôt que d'une expérience contrôlée randomisée. Cet exemple fournit une leçon pratique précieuse pour travailler avec des partenaires: parfois, vous créez une expérience en persuadant quelqu'un d'administrer un traitement et parfois vous créez une expérience en persuadant quelqu'un de ne pas délivrer de traitement (par exemple, créer un groupe témoin).

Le partenariat n'a pas toujours besoin d'impliquer les entreprises technologiques et les tests A / B avec des millions de participants. Par exemple, Alexander Coppock, Andrew Guess et John Ternovski (2016) associés à une ONG environnementale - la League of Conservation Voters - pour mener des expériences testant différentes stratégies de promotion de la mobilisation sociale. Les chercheurs ont utilisé le compte Twitter de l'ONG pour envoyer à la fois des tweets publics et des messages privés directs qui tentaient d'amorcer différents types d'identités. Ils ont ensuite mesuré lequel de ces messages était le plus efficace pour encourager les gens à signer une pétition et à retweeter des informations sur une pétition.

Tableau 4.3: Exemples d'expériences impliquant des partenariats entre chercheurs et organisations
Sujet Les références
Effet de Facebook News Feed sur le partage d'informations Bakshy, Rosenn, et al. (2012)
Effet de l'anonymat partiel sur le comportement sur le site de rencontres en ligne Bapna et al. (2016)
Effet des rapports sur l'énergie domestique sur l'utilisation de l'électricité Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
Effet de la conception de l'application sur la propagation virale Aral and Walker (2011)
Effet du mécanisme d'étalement sur la diffusion SJ Taylor, Bakshy, and Aral (2013)
Effet de l'information sociale dans les publicités Bakshy, Eckles, et al. (2012)
Effet de la fréquence du catalogue sur les ventes par catalogue et en ligne pour différents types de clients Simester et al. (2009)
Effet de l'information de popularité sur les candidatures potentielles Gee (2015)
Effet des cotes initiales sur la popularité Muchnik, Aral, and Taylor (2013)
Effet du contenu du message sur la mobilisation politique Coppock, Guess, and Ternovski (2016)

Dans l'ensemble, le partenariat avec les puissants vous permet de fonctionner à une échelle qui est par ailleurs difficile à réaliser, et le tableau 4.3 fournit d'autres exemples de partenariats entre chercheurs et organisations. Le partenariat peut être beaucoup plus facile que de construire votre propre expérience. Mais ces avantages s'accompagnent de désavantages: les partenariats peuvent limiter les types de participants, les traitements et les résultats que vous pouvez étudier. De plus, ces partenariats peuvent mener à des défis éthiques. La meilleure façon de repérer une opportunité de partenariat est de remarquer un vrai problème que vous pouvez résoudre pendant que vous faites des recherches scientifiques intéressantes. Si vous n'êtes pas habitué à cette vision du monde, il peut être difficile de repérer des problèmes dans le Quadrant de Pasteur, mais avec de la pratique, vous commencerez à les remarquer de plus en plus.