પ્રવૃત્તિઓ

• મુશ્કેલીની ડિગ્રી: સરળ , મધ્યમ , હાર્ડ , ખૂબ જ હાર્ડ
• ગણિત જરૂરી છે ( )
• કોડિંગની જરૂર છે ( )
• માહિતી સંગ્રહ ( )
• મારા મનપસંદ ( )

1. [ , ] બેરિન્સ્કી અને સહકાર્યકરો (2012) ત્રણ ક્લાસિક પ્રયોગોનું પ્રતિકૃતિ કરીને ભાગમાં એમટીયુકેનું મૂલ્યાંકન કર્યું હતું. Tversky and Kahneman (1981) દ્વારા ક્લાસિક એશિયન ડિસીઝ ફ્રેમિંગ પ્રયોગ ફરીથી Tversky and Kahneman (1981) . શું તમારા પરિણામો ટવર્સ્કી અને કાહ્નમેનની સાથે મેળ ખાય છે? શું તમારા પરિણામો બેરીન્સ્કી અને સહકાર્યકરો સાથે મેળ ખાય છે? શું-જો કંઈ-આ સર્વેક્ષણ પ્રયોગો માટે એમટીકેકનો ઉપયોગ કરવા વિશે અમને શીખવે છે?

2. [ , ] સોશિયલ મનોવિજ્ઞાની રોબર્ટ સિઆલ્ડિની, Schultz et al. (2007) લેખકોમાંની એક, "અમે હઝ ટુ બ્રેક" નામના એક જીભ-ઇન-ગાલ પેપરમાં Schultz et al. (2007) , લખ્યું હતું કે તેઓ પ્રાધ્યાપક તરીકે તેમની નોકરીમાંથી શરૂઆતમાં નિવૃત્ત થયા હતા, કારણ કે તેઓ એક પડદા (મનોવિજ્ઞાન) માં ક્ષેત્ર પ્રયોગો કરવાના પડકારોનો સામનો કરતા હતા, જે મુખ્યત્વે લેબોરેટરી પ્રયોગો (Cialdini 2009) સંચાલન કરે છે. Cialdini ના કાગળ વાંચો, અને તેમને એક ઇમેઇલ લખો કે જે ડિજિટલ પ્રયોગોની શક્યતાઓના પ્રકાશમાં તેના બ્રેક-અપ પર પુનર્વિચાર કરવા વિનંતી કરે છે. સંશોધનના ચોક્કસ ઉદાહરણોનો ઉપયોગ કરો કે જે તેમની ચિંતાઓને સંબોધિત કરે છે.

3. [ ] નક્કી કરવા માટે કે નાની પ્રારંભિક સફળતાઓ તાળવામાં અથવા દૂર થઈ જાય છે, વાન દે રીજ અને અને સહકાર્યકરો (2014) રેન્ડમલી પસંદ કરેલ સહભાગીઓ પર સફળતા આપી રહ્યાં છે તે ચાર અલગ-અલગ સિસ્ટમ્સમાં હસ્તક્ષેપ કર્યો હતો અને પછી આ મનસ્વી સફળતાના લાંબા-ગાળાની અસરોને માપ્યા હતા. શું તમે અન્ય પ્રણાલીઓ વિશે વિચારી શકો છો કે જેમાં તમે સમાન પ્રયોગો ચલાવી શકો છો? વૈજ્ઞાનિક મૂલ્ય, એલ્ગોરિધમિક ગુંચવણ ના મુદ્દા (પ્રકરણ 2 જુઓ), અને નૈતિકતાના આધારે આ સિસ્ટમોનું મૂલ્યાંકન કરો.

4. [ , ] પ્રયોગના પરિણામો સહભાગીઓ પર આધાર રાખે છે એક પ્રયોગ બનાવો અને ત્યારબાદ બે જુદી જુદી ભરતી વ્યૂહરચનાઓનો ઉપયોગ કરીને તેને MTurk પર ચલાવો. પ્રયોગ અને ભરતી વ્યૂહરચનાઓ પસંદ કરવાનો પ્રયાસ કરો જેથી પરિણામો શક્ય તેટલી અલગ હશે. ઉદાહરણ તરીકે, તમારી ભરતી વ્યૂહરચના સવારે અને સાંજે સહભાગીઓની ભરતી કરી શકે છે અથવા પ્રતિભાગીઓને ઉચ્ચ અને નીચું પગાર ભરપાઈ કરી શકે છે. ભરતીની વ્યૂહરચનામાં આ પ્રકારનાં તફાવતો સહભાગીઓના વિવિધ પુલ અને વિવિધ પ્રાયોગિક પરિણામો તરફ દોરી શકે છે. તમારા પરિણામો કેવી રીતે અલગ થયા? એમટીયુકેક પર ચાલી રહેલા પ્રયોગો વિશે તે શું જણાવે છે?

5. [ , , ] કલ્પના કરો કે તમે ઇમોશનલ સંયોગ પ્રયોગ (Kramer, Guillory, and Hancock 2014) . દરેક શરતમાં સહભાગીઓની સંખ્યા નક્કી કરવા માટે Kramer (2012) દ્વારા પહેલાંનાં નિરીક્ષક અભ્યાસમાંથી પરિણામોનો ઉપયોગ કરો. આ બે અભ્યાસો સંપૂર્ણપણે મેળ ખાતા નથી જેથી તમે જે ધારણાઓ કરો છો તે સ્પષ્ટપણે સૂચિબદ્ધ કરવાની ખાતરી કરો:

   1. Kramer (2012) \(\alpha = 0.05\) અને \(1 - \beta = 0.8\) સાથે અસર તરીકે મોટી અસર શોધવા માટે કેટલા સહભાગીઓની જરૂર છે તે એક સિમ્યુલેશન ચલાવો.
   2. એનાલિટલીથી સમાન ગણતરી કરો
   3. Kramer (2012) ના પરિણામોને લાગણીશીલ સંયોગ (Kramer, Guillory, and Hancock 2014) ઓવર-સંચાલિત (એટલે ​​કે, તે જરૂરી કરતાં વધુ સહભાગીઓ છે) આપ્યા છે?
   4. તમે બનાવેલી ધારણાઓમાંથી, તમારી ગણતરી પર સૌથી વધુ અસર કયા છે?

6. [ , , ] પાછલા પ્રશ્નનો ફરીથી જવાબ આપો, પરંતુ Kramer (2012) દ્વારા અગાઉના નિરીક્ષણ અભ્યાસનો ઉપયોગ કરતાં, આ વખતે Lorenzo Coviello et al. (2014) દ્વારા અગાઉના પ્રાકૃતિક પ્રયોગમાંથી પરિણામોનો ઉપયોગ કરો Lorenzo Coviello et al. (2014) .

7. [ ] બંને Margetts et al. (2011) અને વાન દે રીજ એટ એટ (2014) એક અરજી સાઇન ઇન લોકો પ્રક્રિયા પ્રક્રિયા અભ્યાસ પ્રયોગો કરવામાં. આ અભ્યાસોની રચનાઓ અને તારણોની તુલના કરો અને તેની તુલના કરો.

8. [ ] Dwyer, Maki, and Rothman (2015) સામાજિક ધોરણો અને પર્યાવરણીય વર્તણૂકો વચ્ચેનો સંબંધ પર બે ક્ષેત્ર પ્રયોગો યોજ્યા. અહીં તેમના કાગળનું અમૂર્ત છે:

   મનોવૈજ્ઞાનિક વિજ્ઞાનનો ઉપયોગ પર્યાવરણીય વર્તનને પ્રોત્સાહિત કરવા માટે કેવી રીતે કરી શકાય? બે અભ્યાસોમાં, જાહેર સ્નાનગૃહમાં ઊર્જા સંરક્ષણના વર્તનને પ્રોત્સાહન આપવાના હેતુથી વર્ણનાત્મક પગલાંએ વર્ણનાત્મક ધોરણો અને વ્યક્તિગત જવાબદારીના પ્રભાવની તપાસ કરી હતી. અભ્યાસ 1 માં, કોઈ વ્યક્તિએ એક નિરંકુશ જાહેર બાથરૂમમાં દાખલ થતાં પહેલાં પ્રકાશની સ્થિતિ (એટલે ​​કે, ચાલુ અથવા બંધ) ની હેરફેર કરવામાં આવી હતી, જે તે સેટિંગ માટે વર્ણનાત્મક ધોરણને સંકેત આપે છે. પ્રતિસ્પર્ધાઓ લાઇટોને બંધ કરવાની શક્યતા વધુ હોય છે જો તેઓ દાખલ થયા ત્યારે તેઓ બંધ હતાં અભ્યાસ 2 માં, એક વધારાની શરતનો સમાવેશ કરવામાં આવ્યો હતો જેમાં સંમતિ દ્વારા પ્રકાશને બંધ કરવાનોનો નમૂનો દર્શાવવામાં આવ્યો હતો, પરંતુ સહભાગીઓ પોતાને તેને બદલવા માટે જવાબદાર ન હતા. વ્યક્તિગત જવાબદારી વર્તન પર સામાજિક ધોરણોના પ્રભાવને નિયંત્રિત કરે છે; જ્યારે સહભાગીઓ પ્રકાશને ચાલુ કરવા માટે જવાબદાર ન હતા, ત્યારે ધોરણનો પ્રભાવ ઘટ્યો હતો આ પરિણામો સૂચવે છે કે કેવી રીતે વર્ણનાત્મક ધોરણો અને વ્યક્તિગત જવાબદારી કાર્યકારી પર્યાવરણીય અસરકારકતાને નિયમન કરી શકે છે. "

   તેમના કાગળ વાંચો અને અભ્યાસની નકલ કરો.

9. [ , ] પહેલાના પ્રશ્ન પર બિલ્ડ, હવે તમારી ડિઝાઇન હાથ ધરવા

   1. પરિણામો કેવી રીતે તુલના કરે છે?
   2. શું આ તફાવત સમજાવી શકે?

10. [ ] એમટીયુકેક દ્વારા ભરતી કરવામાં આવેલા સહભાગીઓ દ્વારા પ્રયોગો વિશે નોંધપાત્ર ચર્ચા કરવામાં આવી છે. સમાંતર માં, અંડરગ્રેજ્યુએટ વિદ્યાર્થી વસતીમાંથી ભરતી સહભાગીઓનો ઉપયોગ કરીને પ્રયોગો વિશે નોંધપાત્ર ચર્ચા કરવામાં આવી છે. સંશોધન સહભાગીઓ તરીકે ટૂર્કો અને અંડરગ્રેજ્યુએટની તુલના અને વિરોધાભાષા કરતા બે-પૃષ્ઠ મેમો લખો. તમારી તુલનામાં વૈજ્ઞાનિક અને હેરફેરને લગતી બંને મુદ્દાઓની ચર્ચા શામેલ કરવી જોઈએ.

11. [ ] જિમ મૅન્જીની પુસ્તક અનસ્રોન્ટ્ર્ડ (2012) બિઝનેસમાં પ્રયોગો કરવાની શક્તિનો અદ્દભુત પરિચય છે. પુસ્તકમાં તેમણે નીચેની વાર્તા પ્રસ્તુત કરી:

    "હું એક વખત સાચા કારોબારી પ્રતિભા સાથેની બેઠકમાં હતો, સ્વ-નિર્ભર અબજોપતિ જે પ્રયોગોની શક્તિના ઊંડા, અંતર્ગત અંતર્ગત હતા. તેમની કંપનીએ મહાન સ્ટોર વિન્ડો ડિસ્પ્લે બનાવવાનો પ્રયાસ કર્યો હતો, જે ગ્રાહકોને આકર્ષિત કરશે અને વેચાણમાં વધારો કરશે, કારણ કે પરંપરાગત શાણપણએ જણાવ્યું હતું કે તે જોઇએ નિષ્ણાતોએ કાળજીપૂર્વક ડીઝાઇન પછી ડિઝાઈનની ચકાસણી કરી અને વર્ષો દરમિયાન વ્યક્તિગત પરીક્ષણ સમીક્ષા સત્રોમાં વેચાણ પરના દરેક નવા ડિસ્પ્લે ડીઝાઇનની કોઈ નોંધપાત્ર સાબિત અસર ન બતાવી. સિનિયર માર્કેટિંગ અને મર્ચંન્ડિંગિંગ એક્ઝિક્યુટિવ્સ સીઇઓ સાથે મળીને આ ઐતિહાસિક પરીક્ષણોના પરિણામની સમીક્ષા કરી રહ્યા છે. તમામ પ્રાયોગિક ડેટા પ્રસ્તુત કર્યા પછી, તેમણે તારણ કાઢ્યું હતું કે પરંપરાગત શાણપણ ખોટું હતું - તે વિંડો ડિસ્પ્લે વેચાણ નહીં કરે. તેમની ભલામણ કરાયેલી ક્રિયા આ વિસ્તારમાં ખર્ચ અને પ્રયત્નો ઘટાડવાનો હતો. આ નાટ્યાત્મક પરંપરાગત શાણપણ બદલવા માટે પ્રયોગો કરવાની ક્ષમતા દર્શાવ્યું. સીઇઓનો જવાબ સરળ હતો: 'મારો નિષ્કર્ષ એ છે કે તમારા ડિઝાઇનરો ખૂબ સારી નથી.' તેમનો ઉકેલ સ્ટોર ડિસ્પ્લે ડિઝાઇનમાં પ્રયત્નો વધારવાનો અને નવા લોકોને તે કરવા માટેનો પ્રયાસ હતો. " (Manzi 2012, 158–9)

    સીઈઓ અંગેની કઈ પ્રકારની માન્યતા છે?

12. [ ] પહેલાંના પ્રશ્ન પર નિર્માણ, કલ્પના કરો કે તમે મીટિંગમાં હતા જ્યાં પ્રયોગોના પરિણામોની ચર્ચા કરવામાં આવી હતી. ચાર પ્રશ્નો છે જે તમે પૂછી શકો છો-દરેક પ્રકારની માન્યતા માટે (આંકડાકીય, રચના, આંતરિક અને બાહ્ય)?

13. [ ] Bernedo, Ferraro, and Price (2014) Ferraro, Miranda, and Price (2011) માં વર્ણવવામાં આવેલા પાણી બચત હસ્તક્ષેપના સાત વર્ષના અસરનો અભ્યાસ કર્યો હતો (જુઓ આકૃતિ 4.11). આ પેપરમાં, બેર્નાડો અને તેમના સહકાર્યકર્તાઓએ પણ ઘરની વર્તણૂકોની સરખામણી કરીને ઉપચારની પદ્ધતિને સમજવાની પણ માંગ કરી હતી, જે સારવાર થયા બાદ અને ખસેડવામાં આવ્યા નથી. એટલે કે, આશરે, તેઓએ એ જોવાની કોશિશ કરી કે સારવારથી ઘર અથવા ઘરના માલિકને અસર થઈ છે કે કેમ.

    1. કાગળ વાંચો, તેમની રચનાનું વર્ણન કરો, અને તેમના તારણો સારાંશ આપો.
    2. શું તેમના તારણો અસર કરે છે તમે કેવી રીતે સમાન હસ્તક્ષેપોની કિંમત-અસરકારકતાનું મૂલ્યાંકન કરવું જોઈએ? જો એમ હોય તો શા માટે? જો નહીં, શા માટે નહીં?

14. [ ] Schultz et al. (2007) માટે અનુવર્તી Schultz et al. (2007) , સ્કલ્ત્ઝ અને તેના સાથીદારોએ બે પ્રસ્તાવો (હોટલ અને ટાઇમશેર કૉન્ડોમિનિયમ) (Schultz, Khazian, and Zaleski 2008) માં અલગ અલગ પર્યાવરણીય વર્તન (ટુવાલનો પુનઃઉપયોગ) પર વર્ણનાત્મક અને ઇન્જેક્ટિવ ધોરણોની અસર પર ત્રણ પ્રયોગો (Schultz, Khazian, and Zaleski 2008) .

    1. આ ત્રણ પ્રયોગોના ડિઝાઇન અને તારણોનો સારાંશ કરો.
    2. કેવી રીતે, જો બધુ જ, તેઓ Schultz et al. (2007) આપના અર્થઘટનને બદલતા નથી Schultz et al. (2007) ?

15. [ ] Schultz et al. (2007) પ્રતિક્રિયામાં Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) ઇલેક્ટ્રિક બિલોના ડિઝાઇનનો અભ્યાસ કરવા માટે લેબ-જેવા પ્રયોગોની શ્રેણી ચલાવી હતી. અહીં તે કેવી રીતે તે અમૂર્તમાં વર્ણવે છે:

    "સર્વેક્ષણ આધારિત પ્રયોગમાં, દરેક સહભાગીએ પરિવાર માટે પ્રમાણમાં ઊંચી વીજળી વપરાશ સાથે એક અનુમાનિત વીજળી બિલને જોયું છે, (એ) ઐતિહાસિક ઉપયોગ, (બ) પડોશીઓની તુલના, અને (c) સાધન વિરામ સાથે ઐતિહાસિક ઉપયોગ. સહભાગીઓએ તમામ માહિતી પ્રકારોમાંથી એકમાં ત્રણ ફોર્મેટમાં જોયા છે જેમાં (એ) કોષ્ટકો, (b) બાર ગ્રાફ અને (c) આયકન ગ્રાફનો સમાવેશ થાય છે. અમે ત્રણ મુખ્ય તારણો પર જાણ કરીએ છીએ સૌ પ્રથમ, ગ્રાહક દરેક પ્રકારના વીજળીને સમજી શક્યા - તે માહિતી ટેબલમાં પ્રસ્તુત કરતી વખતે સૌથી વધારે હોય છે, કદાચ કારણ કે કોષ્ટકો સરળ બિંદુ વાંચન સરળ બનાવે છે. બીજું, વીજળીને બચાવવા માટેની પસંદગીઓ અને હેતુઓ, ફોર્મેટથી સ્વતંત્ર, ઐતિહાસિક ઉપયોગની માહિતી માટે સૌથી મજબૂત હતા. ત્રીજું, નીચા ઊર્જા સાક્ષરતાવાળી વ્યક્તિઓ બધી માહિતી ઓછી સમજી શકે છે. "

    અન્ય અનુવર્તી અભ્યાસોથી વિપરીત, Canfield, Bruin, and Wong-Parodi (2016) માં રસનું મુખ્ય પરિણામ વર્તન, વાસ્તવિક વર્તન નથી, જાણ કરવામાં આવે છે. ઊર્જા બચતને પ્રોત્સાહન આપતી વ્યાપક સંશોધન કાર્યક્રમમાં આ પ્રકારના અભ્યાસની શક્તિ અને નબળાઈઓ શું છે?

16. [ , ] Smith and Pell (2003) પેરાશૂટની અસરકારકતા દર્શાવતા અભ્યાસોના વ્યંગ્યાત્મક મેટા-વિશ્લેષણ રજૂ કરે છે. તેઓ તારણ કાઢ્યું:

    "બીમાર આરોગ્યને રોકવા માટેના ઘણા દરમિયાનગીરીઓ સાથે, પેરાશૂટની અસરકારકતા રેન્ડમાઇઝ્ડ કન્ટ્રોલ્ડ ટ્રાયલ્સ દ્વારા સખત મૂલ્યાંકન કરવામાં આવી નથી. પુરાવા આધારિત દવાઓનાં સમર્થકોએ માત્ર નિરીક્ષણાત્મક માહિતીનો ઉપયોગ કરીને મૂલ્યાંકન કરવામાં આવેલા દરમિયાનગીરીઓના દત્તકની ટીકા કરી છે. અમે માનીએ છીએ કે દરેક વ્યક્તિને ફાયદો થઈ શકે છે જો પુરાવા આધારીત મેડિકલના સૌથી વધુ મહત્ત્વપૂર્ણ કથાઓ પેરાશૂટના બેવડા અંધ, રેન્ડમાઇઝ્ડ, પ્લેસબો નિયંત્રિત, ક્રોસઓવર ટ્રાયલમાં ભાગ લે છે અને ભાગ લે છે. "

    પ્રાયોગિક પુરાવાઓના ફિટનેસની વિરુદ્ધમાં દલીલ કરે છે, જેમ કે ન્યૂ યોર્ક ટાઇમ્સ જેવા સામાન્ય વાચકોના અખબાર માટે એક ઑપ-એડ યોગ્ય લખો. ચોક્કસ, કોંક્રિટ ઉદાહરણો પૂરા પાડો. સંકેત: Deaton (2010) અને Bothwell et al. (2016)

17. [ , , ] તફાવત-ઇન-તફાવતો-સારવારના અંદાજો તફાવત-માં-સરેરાશ અંદાજો કરતા વધુ ચોક્કસ હોઇ શકે છે. પ્રારંભિક સોશિયલ મીડિયા કંપની ખાતે એ / બી પરીક્ષણના ઈનનેજરને એક મેમો લખો જે એક ઑનલાઇન પ્રયોગ ચલાવવા માટેના તફાવતો-તફાવત તફાવતના મૂલ્યને સમજાવે છે. આ મેમોમાં સમસ્યાના નિવેદનનો સમાવેશ થવો જોઈએ, તે શરતો વિશે થોડું અંતઃકરણ, જેમાં તફાવત-ઇન-ફિકશન અંદાજ તફાવત-અર્થ-સરેરાશ અંદાજકાર, અને એક સરળ સિમ્યુલેશન અભ્યાસ કરશે.

18. [ , ] ગેરી લવમેન હાર્વર્ડ બિઝનેસ સ્કૂલમાં પ્રોફેસર હતા અને હર્રાહના સીઈઓ બન્યા હતા, જે વિશ્વમાં સૌથી મોટી કેસિનો કંપનીઓમાંનો એક હતો. જ્યારે તેઓ હર્રાહમાં ગયા, ત્યારે લવમેનએ કંપનીને વારંવાર ફલાઈર જેવા વફાદારી કાર્યક્રમ સાથે રૂપાંતરિત કર્યું, જે ગ્રાહક વર્તણૂંક વિશે ખૂબ જ વિશાળ ડેટા એકત્ર કરે છે. આ હંમેશાં માપન પદ્ધતિની ટોચ પર, કંપનીએ પ્રયોગો કરવાનું શરૂ કર્યું હતું. દાખલા તરીકે, ચોક્કસ જુગાર પેટર્ન ધરાવતા ગ્રાહકો માટે મફત હોટલની રાત માટે તેઓ કૂપનની અસરનું મૂલ્યાંકન કરવા માટે પ્રયોગ કરી શકે છે. અહીં કેવી રીતે લવમેને હર્રાહના રોજબરોજની વ્યવસાય વ્યવહારમાં પ્રયોગોના મહત્વનું વર્ણન કર્યું છે:

    "એવું જ છે કે તમે સ્ત્રીઓને હેરાન કરતા નથી, તમે ચોરી કરતા નથી અને તમારી પાસે નિયંત્રણ જૂથ હોવું જોઈએ આ એક એવી વસ્તુ છે જેમાં તમે તમારી નોકરી હાર્રાહમાં ગુમાવી શકો છો - નિયંત્રણ જૂથ ચલાવતા નથી. " (Manzi 2012, 146)

    એક નવું કર્મચારીને ઇમેઇલ લખો, જેમાં લવમેનનું માનવું છે કે નિયંત્રણ જૂથ હોવું તે ખૂબ જ મહત્વપૂર્ણ છે. તમે તમારા બિંદુને સમજાવવા માટે એક ઉદાહરણ - ક્યાં તો વાસ્તવિક અથવા બનેલું શામેલ કરવાનો પ્રયાસ કરો.

19. [ , ] એક નવું પ્રયોગ, રસીકરણની સમજશક્તિ પર ટેક્સ્ટ મેસેજ રીમાઇન્ડર્સ મેળવવાની અસરનો અંદાજ કાઢવાનો છે. એકસો અને પચાસ ક્લિનિક્સ, 600 પાત્ર દર્દીઓ ધરાવતા દરેક, ભાગ લેવા માટે તૈયાર છે. દરેક ક્લિનિક માટે $ 100 ની નિશ્ચિત કિંમત છે જેની સાથે તમે કામ કરવા માગો છો, અને તે પ્રત્યેક ટેક્સ્ટ સંદેશ માટે $ 1 નો ખર્ચ થાય છે જે તમે મોકલવા માંગો છો. વધુમાં, કોઈપણ ક્લિનિક્સ કે જેની સાથે તમે કામ કરી રહ્યા છો તે મફત માટે પરિણામ (કોઈ વ્યક્તિને રસીકરણ મળ્યું છે) માપશે. ધારે છે કે તમારી પાસે $ 1,000 નું બજેટ છે.

    1. થોડી સંજોગોમાં તમારા સંસાધનો પર ધ્યાન કેન્દ્રીત કરવું તે વધુ સારૂં હોઇ શકે છે અને તે વધુ ફેલાવવા માટે કયા પરિસ્થિતિઓ વધુ સારી હોઇ શકે છે?
    2. શું પરિબળો નાના અસરનું કદ નક્કી કરશે કે જે તમે તમારા બજેટ સાથે વિશ્વસનીય રીતે શોધી શકશો?
    3. આ ટ્રેડ-ઓફને સંભવિત ફંડરને સમજાવીને એક મેમો લખો.

20. [ , ] ઓનલાઈન અભ્યાસક્રમો સાથેની મોટી સમસ્યા એટ્રિશન છે: ઘણા વિદ્યાર્થીઓ કે જેઓ અભ્યાસ શરૂ કરે છે તેઓ બહાર નીકળી જાય છે કલ્પના કરો કે તમે ઑનલાઇન લર્નિંગ પ્લેટફોર્મ પર કામ કરી રહ્યા છો, અને પ્લેટફોર્મ પર ડિઝાઇનર દ્રશ્ય પ્રગતિ પટ્ટી બનાવી છે કે તે વિચારે છે કે વિદ્યાર્થીઓને કોર્સમાંથી બહાર નીકળી જવાથી રોકવામાં મદદ કરશે. તમે મોટી કોમ્પ્યુટેશનલ સોશિયલ સાયન્સ કોર્સમાં વિદ્યાર્થીઓ પર પ્રોગ્રેસ બારની અસર ચકાસવા માંગો છો. પ્રયોગમાં જન્મેલા કોઈપણ નૈતિક મુદ્દાઓને સંબોધિત કર્યા પછી, તમે અને તમારા સહકાર્યકરો ચિંતા અનુભવે છે કે અભ્યાસક્રમમાં પ્રોગ્રેસ બારની અસરોને વિશ્વસનીય રીતે શોધવા માટે પૂરતી વિદ્યાર્થીઓ હોઈ શકે નહીં. નીચેની ગણતરીઓમાં, તમે ધારી શકો છો કે અડધા વિદ્યાર્થીઓ પ્રગતિ પટ્ટી અને અડધા નહીં પ્રાપ્ત કરશે. વધુમાં, તમે એમ ધારી શકો છો કે કોઈ દખલગીરી નથી. બીજા શબ્દોમાં કહીએ તો, તમે ધારણા કરી શકો છો કે સહભાગીઓ માત્ર ત્યારે જ અસર કરે છે કે કેમ તે સારવાર અથવા નિયંત્રણ પ્રાપ્ત કરે છે; તેઓ અન્ય લોકોએ સારવાર અથવા નિયંત્રણ મેળવ્યું છે (વધુ ઔપચારિક વ્યાખ્યા માટે, Gerber and Green (2012) ના પ્રકરણ 8 જુઓ). તમે બનાવો છો તે કોઈપણ વધારાની ધારણાઓનો ટ્રૅક રાખો

    1. ધારો કે પ્રગતિ પટ્ટી, જે વર્ગને 1 ટકાના દરે પૂરા કરે છે તેના પ્રમાણમાં વધારો કરવાની ધારણા છે; વિશ્વસનીય અસર શોધવા માટે જરૂરી નમૂનાનું કદ શું છે?
    2. ધારો કે પ્રગતિ પટ્ટીના વર્ગમાં 10 ટકાનો વધારો કરનાર વિદ્યાર્થીઓના પ્રમાણમાં વધારો થવાની ધારણા છે; વિશ્વસનીય અસર શોધવા માટે જરૂરી નમૂનાનું કદ શું છે?
    3. હવે કલ્પના કરો કે તમે પ્રયોગ ચલાવી છે, અને જે વિદ્યાર્થીઓએ તમામ કોર્સ સામગ્રી પૂર્ણ કરી છે તે અંતિમ પરીક્ષા લેવામાં આવી છે. જ્યારે તમે એવા વિદ્યાર્થીઓના અંતિમ પરીક્ષાના સ્કોર્સની સરખામણી કરતા હોવ જે કે જેઓની સંખ્યામાં પ્રોગ્રેસ બાર મળ્યા ન હતા, ત્યારે તમને આશ્ચર્ય થયું હતું કે, જે વિદ્યાર્થીઓ પ્રગતિ પટ્ટી પ્રાપ્ત કરતા નથી તેઓ ખરેખર વધારે સ્કોર કરે છે. શું એનો અર્થ એવો થયો કે પ્રગતિ પટ્ટીઓ વિદ્યાર્થીઓ ઓછા શીખવા માટે કારણભૂત છે? આ પરિણામ માહિતીમાંથી તમે શું શીખી શકો? (સંકેત: Gerber and Green (2012) ના પ્રકરણ 7 જુઓ)

21. [ , , કલ્પના કરો કે તમે ટેક કંપનીમાં માહિતી વૈજ્ઞાનિક તરીકે કામ કરી રહ્યા છો. માર્કેટિંગ વિભાગમાંથી કોઇ વ્યક્તિ એક પ્રયોગનું મૂલ્યાંકન કરવામાં તમારી મદદ માટે પૂછે છે કે તેઓ નવી ઑનલાઇન જાહેરાત ઝુંબેશ માટે રોકાણ પર વળતર (આરઓઆય) માપવા માટે આયોજન કરે છે. આરઓઆઇની અભિવ્યક્તિ ઝુંબેશના ખર્ચથી વિભાજિત ઝુંબેશમાંથી ચોખ્ખો નફો તરીકે થાય છે. ઉદાહરણ તરીકે, એક અભિયાન કે જેની વેચાણ પર કોઈ અસર થતી નથી તે -100% ની આરઓઆઇ હશે; એક ઝુંબેશ કે જ્યાં નફો પેદા થાય તેટલા ખર્ચને 0 ની આરઓઆઇ હશે; અને એક ઝુંબેશ જ્યાં નફો પેદા કરવામાં આવ્યો હતો તે બમણી કિંમત 200% ના આરઓઆઇ હશે.

    પ્રયોગ શરૂ કરતા પહેલા, માર્કેટિંગ વિભાગ તમને તેમના અગાઉના સંશોધન પર આધારિત નીચેની માહિતી પૂરી પાડે છે (હકીકતમાં, આ મૂલ્યો લેવિસ અને રાવ (2015) માં નોંધાયેલા પ્રત્યક્ષ ઓનલાઇન જાહેરાત ઝુંબેશની લાક્ષણિકતા છે):

    • ગ્રાહક દીઠ સરેરાશ વેચાણ $ 7 ના સરેરાશ અને $ 75 ના પ્રમાણભૂત વિચલન સાથે લોગ-સામાન્ય વિતરણને અનુસરે છે.
    • આ ઝુંબેશ પ્રતિ ગ્રાહક દીઠ 0.35 ડોલરનું વેચાણ વધારવાની ધારણા છે, જે ગ્રાહક દીઠ 0.175 ડોલરના નફામાં વધારો દર્શાવે છે.
    • પ્રયોગનો આયોજિત કદ 200,000 લોકો છે: સારવાર જૂથમાં અડધા અને નિયંત્રણ જૂથમાં અડધા.
    • આ અભિયાનનો ખર્ચ $ 0.14 પ્રતિભાગી છે.
    • ઝુંબેશ માટે અપેક્ષિત ROI 25% છે [ \((0.175 - 0.14)/0.14\) ] \((0.175 - 0.14)/0.14\) બીજા શબ્દોમાં કહીએ તો, માર્કેટિંગ વિભાગ માને છે કે માર્કેટિંગ પર ખર્ચવામાં આવતા દરેક 100 ડોલર માટે, કંપની નફો વધારશે $ 25.

    આ પ્રસ્તાવિત પ્રયોગનું મૂલ્યાંકન કરીને એક મેમો લખો. તમારા મેમોએ તમને બનાવેલા સિમ્યુલેશનમાંથી પુરાવાઓનો ઉપયોગ કરવો જોઈએ, અને તે બે મુખ્ય મુદ્દાઓને સંબોધિત કરવા જોઈએ: (1) શું તમે આ પ્રયોગને આયોજિત કરવાની ભલામણ કરશો? જો એમ હોય તો શા માટે? જો નહીં, શા માટે નહીં? આ નિર્ણય લેવા માટે તમે જે માપદંડનો ઉપયોગ કરી રહ્યા છો તે વિશે સ્પષ્ટ થવાની ખાતરી કરો. (2) તમે આ પ્રયોગ માટે કયા સેમ્પલનું કદ ભલામણ કરશો? ફરીથી કૃપા કરીને આ નિર્ણય કરવા માટે તમે ઉપયોગમાં લેવાતા માપદંડ વિશે સ્પષ્ટતા કરો.

    એક સારા મેમો આ ચોક્કસ કેસને સંબોધશે; એક સારી મેમો આ કેસમાંથી એક રસ્તો (સામાન્ય રીતે, આ પ્રચારની અસરના કદના કાર્યના રૂપમાં કેવી રીતે બદલાય છે તે બતાવશે) ને સામાન્ય બનાવશે; અને એક મહાન મેમો સંપૂર્ણપણે સામાન્ય પરિણામ રજૂ કરશે. તમારા મેમોએ તમારા પરિણામોને સમજાવવા માટે ગ્રાફનો ઉપયોગ કરવો જોઈએ.

    અહીં બે સંકેતો છે. પ્રથમ, માર્કેટિંગ વિભાગ તમને કેટલીક બિનજરૂરી માહિતી આપી શકે છે, અને તેઓ તમને કેટલીક આવશ્યક માહિતી આપી શક્યા નથી. બીજું, જો તમે આર નો ઉપયોગ કરો છો, તો ધ્યાન રાખો કે rnnorm () ફંક્શન ઘણા લોકોની અપેક્ષા મુજબ કાર્ય કરે છે.

    આ પ્રવૃત્તિ તમને પાવર વિશ્લેષણ, સિમ્યુલેશન બનાવવી, અને તમારા પરિણામોને શબ્દો અને આલેખ સાથે વાતચીત આપશે. ROI નો અંદાજ કાઢવા માટે રચાયેલ પ્રયોગો નહીં, તે કોઈપણ પ્રકારની પ્રયોગ માટે પાવર વિશ્લેષણ કરવા માટે તમને સહાય કરે છે. આ પ્રવૃત્તિ ધારે છે કે તમારી પાસે આંકડાકીય પરીક્ષણ અને પાવર વિશ્લેષણનો અનુભવ છે. જો તમે પાવર વિશ્લેષણથી પરિચિત ન હોવ, તો હું ભલામણ કરું છું કે Cohen (1992) દ્વારા તમે "એક પાવર પ્રવેશિકા" વાંચો.

    આ પ્રવૃત્તિ RA Lewis and Rao (2015) દ્વારા મનોહર કાગળથી પ્રેરિત હતી, જે વિશાળ પ્રયોગોના મૂળભૂત આંકડાકીય મર્યાદાનું પણ સ્પષ્ટપણે વર્ણન કરે છે. તેમના પેપર - જે મૂળ રૂપે "જાહેરાતમાં પરત આપવાની માપનની અશક્યતા" પર ઉશ્કેરણીજનક શીર્ષક હતું - બતાવે છે કે લાખો ગ્રાહકોને સંડોવતા ડિજિટલ પ્રયોગો સાથે, ઑનલાઇન જાહેરાતોના રોકાણ પર વળતર માપવું કેટલું મુશ્કેલ છે. વધુ સામાન્ય રીતે, RA Lewis and Rao (2015) એક મૂળભૂત આંકડાકીય હકીકતને દર્શાવે છે જે ખાસ કરીને ડિજિટલ-વય પ્રયોગો માટે મહત્વપૂર્ણ છે: ઘોંઘાટીયા પરિણામોના ડેટા વચ્ચે નાના સારવાર અસરોનો અંદાજ કાઢવો મુશ્કેલ છે.

22. [ , ] અગાઉના પ્રશ્ન જેટલું જ કરો, પરંતુ સિમ્યુલેશનની જગ્યાએ, તમારે વિશ્લેષણાત્મક પરિણામોનો ઉપયોગ કરવો જોઈએ.

23. [ , , ] અગાઉના પ્રશ્ન જેટલું જ કરો, પરંતુ સિમ્યુલેશન અને વિશ્લેષણાત્મક પરિણામો બંનેનો ઉપયોગ કરો.

24. [ , , કલ્પના કરો કે તમે ઉપર વર્ણવ્યાેલા મેમો લખી છે, અને માર્કેટિંગ વિભાગમાંથી કોઈ વ્યક્તિ નવી માહિતીનો એક ભાગ પ્રદાન કરે છે: પ્રયોગ દ્વારા પહેલાં અને પછીના વેચાણ વચ્ચેના સંબંધની અપેક્ષા રાખવામાં આવે છે. આ તમારા મેમોમાં ભલામણો કેવી રીતે બદલાય છે? (હિંટ: ફકરા-ઓફ-ઇન્ડિયન અંદાજકાર અને તફાવત-ઈન ઈફેકલ્સ અંદાજો પર વધુ માટે વિભાગ 4.6.2 જુઓ.)

25. [ , ] નવા વેબ-આધારિત રોજગાર-સહાય પ્રોગ્રામની અસરકારકતાનું મૂલ્યાંકન કરવા માટે, યુનિવર્સિટીએ શાળાના અંતિમ વર્ષમાં પ્રવેશતા 10,000 વિદ્યાર્થીઓ વચ્ચે રેન્ડમાઇઝ્ડ ટ્રાયલ અજમાયશ હાથ ધર્યું હતું. અનલિમિટેડ લોગ-ઇન માહિતી સાથે મુક્ત સબ્સ્ક્રિપ્શનને એક નિશ્ચિત ઈમેલ આમંત્રણ દ્વારા મોકલવામાં આવ્યા હતા, જે 5000 રેન્ડમલી પસંદિત વિદ્યાર્થીઓ હતા, જ્યારે અન્ય 5,000 વિદ્યાર્થીઓ કન્ટ્રોલ ગ્રૂપમાં હતા અને ઉમેદવારી ન હતી. બાર મહિના પછી, ફોલો-અપ સર્વેક્ષણ (કોઈ બિનપ્રવાહી વગર) દર્શાવે છે કે બંને ઉપચાર અને નિયંત્રણ જૂથોમાં, 70% વિદ્યાર્થીઓએ તેમના પસંદ કરેલા ક્ષેત્રમાં (ટેબલ 4.6) પૂર્ણ-સમયનું રોજગાર મેળવ્યો હતો. આમ, એવું લાગતું હતું કે વેબ આધારિત સેવાનો કોઈ પ્રભાવ નથી.

    જો કે, યુનિવર્સિટીના ચપળ માહિતી વૈજ્ઞાનિકે માહિતીને થોડી વધુ નજીકથી જોતાં શોધી કાઢ્યું હતું કે ઇમેઇલ પ્રાપ્ત કર્યા પછી એકાઉન્ટ ગ્રુપમાં માત્ર 20% વિદ્યાર્થીઓએ જ પ્રવેશ્યા છે. વધુમાં, અને આશ્ચર્યજનક રીતે, જેઓએ વેબસાઇટમાં પ્રવેશ કર્યો હતો, તેમાં ફક્ત 60% લોકોએ તેમના પસંદ કરેલા ક્ષેત્રમાં પૂર્ણ-સમયનું રોજગાર મેળવ્યો હતો, જે લોકો માટે દર કરતાં લોગ ઇન અને નીચાણવાળા લોકો માટે દર કરતાં ઓછો હતો નિયંત્રણ સ્થિતિ (કોષ્ટક 4.7) માં.

    1. શું થઈ શકે છે તે માટે સમજૂતી આપો.
    2. આ પ્રયોગમાં સારવારની અસરની ગણતરી કરવા માટેના બે અલગ અલગ રીતો શું છે?
    3. આ પરિણામને જોતાં, શું આ સેવાને તમામ વિદ્યાર્થીઓને પૂરી પાડવી જોઈએ? ફક્ત સ્પષ્ટ થવા માટે, આ એક સરળ જવાબ સાથે કોઈ પ્રશ્ન નથી.
    4. હવે પછી શું કરવું જોઈએ?

    સંકેત: આ પ્રશ્ન આ પ્રકરણમાં સમાવિષ્ટ સામગ્રીની બહાર જાય છે, પરંતુ પ્રયોગોમાં સામાન્ય પ્રશ્નો આવે છે. પ્રાયોગિક ડિઝાઇનના આ પ્રકારને ક્યારેક પ્રોત્સાહન ડિઝાઇન તરીકે ઓળખવામાં આવે છે કારણ કે સહભાગીઓને સારવારમાં ભાગ લેવા માટે પ્રોત્સાહિત કરવામાં આવે છે. આ સમસ્યા એ એક ઉદાહરણ છે કે જેને એક-બાજુવાળા બિન-અનુપાલન કહેવાય છે ( Gerber and Green (2012) ના પ્રકરણ 5 જુઓ).

26. [ ] વધુ પરીક્ષા પછી, તે બહાર આવ્યું છે કે અગાઉના પ્રશ્નમાં વર્ણવેલ પ્રયોગ વધુ જટિલ હતો. તે બહાર આવ્યું છે કે નિયંત્રણ જૂથના 10% લોકોએ સેવાની પહોંચ માટે ચૂકવણી કરી છે, અને તેઓ રોજગાર દર 65% (કોષ્ટક 4.8) સાથે સમાપ્ત થયા છે.

    1. તમે જે વિચારી રહ્યા છો તે સારાંશ કરીને ઇમેઇલ લખો અને કાર્યવાહીની ભલામણ કરો.

    સંકેત: આ પ્રશ્ન આ પ્રકરણમાં સમાવિષ્ટ સામગ્રીની બહાર જાય છે, પરંતુ પ્રયોગોમાં સામાન્ય પ્રશ્નો આવે છે. આ સમસ્યા બે-બાજુવાળા બિન-અનુપાલન કહેવાય છે તેનું એક ઉદાહરણ છે ( Gerber and Green (2012) ના પ્રકરણ 6 જુઓ).