4.5.2 તમારા પોતાના પ્રયોગ બનાવો

તમારા પોતાના પ્રયોગ બનાવી ખર્ચાળ હોઇ શકે છે, પરંતુ તે પ્રયોગ કે જે તમે ઇચ્છો બનાવવા માટે સક્રિય કરશે.

પ્રવર્તમાન વાતાવરણની ટોચ પર પ્રયોગોને ઓવરલેઇવ કરવા ઉપરાંત, તમે તમારી પોતાની પ્રયોગ પણ બનાવી શકો છો. આ અભિગમનો મુખ્ય લાભ નિયંત્રણ છે; જો તમે પ્રયોગનું નિર્માણ કરી રહ્યાં છો, તો તમે પર્યાવરણ અને ઉપચાર બનાવી શકો છો જે તમે ઇચ્છો છો. આ બેસ્પેક પ્રાયોગિક વાતાવરણ કુદરતી થવાના વાતાવરણમાં ચકાસવા માટે અશક્ય છે તેવા સિદ્ધાંતોને ચકાસવા માટે તકો બનાવી શકે છે. તમારી પોતાની પ્રયોગના નિર્માણની મુખ્ય ખામી એ છે કે તે ખર્ચાળ હોઈ શકે છે અને જે પર્યાવરણ જે તમે બનાવી શકો છો તે કદાચ કુદરતી રીતે બનતું પ્રણાલીનું વાસ્તવવાદ ધરાવતું નથી. પોતાના પ્રયોગના નિર્માણ કરનાર સંશોધકોએ પણ સહભાગીઓની ભરતી માટે એક વ્યૂહરચના હોવો જોઈએ. હાલની સિસ્ટમ્સમાં કામ કરતી વખતે, સંશોધકો અનિવાર્યપણે તેમના સહભાગીઓને પ્રયોગો લાવે છે. પરંતુ, જ્યારે સંશોધકો પોતાના પ્રયોગનું નિર્માણ કરે છે, ત્યારે તેમને સહભાગીઓને તેની પાસે લાવવાની જરૂર છે. સદનસીબે, એમેઝોન યાંત્રિક ટર્ક (એમટીયુકેક) જેવી સેવાઓથી સહભાગીઓને તેમના પ્રયોગો કરવા માટે એક અનુકૂળ માર્ગ સાથે સંશોધકો પૂરા પાડે છે.

એક ઉદાહરણ કે જે અસ્પષ્ટ સિદ્ધાંતો ચકાસવા માટે બેસ્કોક વાતાવરણના ગુણો દર્શાવે છે તે ગ્રેગરી હ્યુબર, સેથ હિલ અને ગેબ્રિયલ લેન્ઝ (2012) દ્વારા ડિજિટલ લેબ પ્રયોગ છે. આ પ્રયોગ લોકશાહી શાસનની કામગીરીમાં શક્ય વ્યવહારુ મર્યાદાની શોધ કરે છે. અગાઉ વાસ્તવિક ચૂંટણીના બિન-પ્રાયોગિક અભ્યાસોએ સૂચવ્યું હતું કે મતદારો વર્તમાન રાજકારણીઓના પ્રદર્શનનું યોગ્ય મૂલ્યાંકન કરી શકતા નથી. ખાસ કરીને, મતદારોને ત્રણ પૂર્વગ્રહથી પીડાતા દેખાય છે: (1) તેઓ સંચિત કામગીરીને બદલે તાજેતરના સમયે ધ્યાન કેન્દ્રિત કરે છે; (2) રેટરિક, ફ્રેમિંગ અને માર્કેટીંગ દ્વારા તેઓ હેરફેર કરી શકાય છે; અને (3) સ્થાનિક કાર્યક્રમો ટીમોની સફળતા અને હવામાન જેવી વર્તમાન પ્રભાવને સંબંધિત કોઈ ઘટનાઓથી પ્રભાવિત થઈ શકે છે. આ પહેલાંનાં અભ્યાસોમાં, જોકે, વાસ્તવિક, અવ્યવસ્થિત ચૂંટણીઓમાં બનેલી તમામ અન્ય વસ્તુઓમાંથી આમાંથી કોઈ પણ પરિબળને અલગ કરવું મુશ્કેલ હતું. તેથી, હ્યુબર અને સહકાર્યકરોએ અલગ કરવા માટે એક અત્યંત સરળ મતદાન પર્યાવરણ બનાવ્યું, અને પછી પ્રાયોગિક અભ્યાસ, આ ત્રણ શક્ય પૂર્વગ્રહોમાંના દરેક

હું નીચે પ્રાયોગિક સેટ અપ વર્ણવ્યા પ્રમાણે, તે ખૂબ કૃત્રિમ અવાજ કરશે, પરંતુ યાદ રાખો કે વાસ્તવવાદ લેબોરેટરી પ્રયોગોનો એક લક્ષ્ય નથી. ઊલટાનું, ધ્યેય એ પ્રક્રિયાને સ્પષ્ટપણે અલગ કરવાની છે કે તમે અભ્યાસ કરવાનો પ્રયાસ કરી રહ્યા છો, અને વધુ વાસ્તવવાદ (Falk and Heckman 2009) સાથે અભ્યાસમાં આ ચુસ્ત અલગતા શક્ય નથી. વધુમાં, આ ચોક્કસ કિસ્સામાં, સંશોધકોએ એવી દલીલ કરી હતી કે જો મતદારો આ અત્યંત સરળ સેટિંગમાં પ્રભાવનું મૂલ્યાંકન કરી શકતા નથી, તો તે વધુ વાસ્તવિક, વધુ જટિલ સેટિંગમાં તે કરી શકશે નહીં.

હ્યુબર અને તેના સહકર્મીઓ સહભાગીઓની ભરતી માટે મેટ્યુકનો ઉપયોગ કરતા હતા. એકવાર સહભાગીને સંમતિ પૂરી પાડવામાં અને ટૂંકા કસોટી પૂરી પાડવા પછી, તેમને કહેવામાં આવ્યું હતું કે તેઓ 32-રાઉન્ડની રમતમાં ભાગ લેતા ટોકન્સ કે જે વાસ્તવિક પૈસામાં રૂપાંતરિત થઈ શકે છે. રમતની શરૂઆતમાં, દરેક સહભાગીને કહેવામાં આવ્યું હતું કે તેણીને "ફાળવણીકાર" સોંપવામાં આવ્યો છે જે દરેક રાઉન્ડમાં તેના મફત ટોકન્સ આપશે અને કેટલાક ફાળવણીકારો અન્ય કરતા વધુ ઉદાર હતા. વધુમાં, દરેક સહભાગીને કહેવામાં આવ્યું હતું કે રમતના 16 રાઉન્ડ પછી તેણીને તેના ફાળવણીકાર રાખવાની અથવા એક નવી સોંપવાની તક હશે. હ્યુબર અને સહકર્મીઓના સંશોધનના ધ્યેયો વિશે તમે જે જાણતા હશો, તમે જોઈ શકો છો કે ફાળવણીકાર સરકારનું પ્રતિનિધિત્વ કરે છે અને આ પસંદગી ચૂંટણીનું પ્રતિનિધિત્વ કરે છે, પરંતુ સહભાગીઓ સંશોધનના સામાન્ય હેતુઓથી પરિચિત ન હતા. કુલ, હ્યુબર અને સહકર્મીઓ આશરે 4,000 જેટલા સહભાગીઓની ભરતી કરે છે, જેમને આશરે આઠ મિનિટ લાગતા કાર્ય માટે લગભગ 1.25 ડોલર ચૂકવવામાં આવ્યા હતા.

યાદ કરો કે અગાઉની સંશોધનમાંની એક તારણો એ છે કે મતદારો પુરસ્કારો અને તેના પરિણામોથી પ્રભાવિત છે, જે સ્પષ્ટપણે તેમના નિયંત્રણની બહાર છે, જેમ કે સ્થાનિક સ્પોર્ટસ ટીમ અને હવામાનની સફળતા. મૂલ્યાંકન કરવા માટે કે શું સહભાગીઓ મતદાન નિર્ણયો તેમના સેટિંગના શુદ્ધ રેન્ડમ ઇવેન્ટ્સથી પ્રભાવિત થઈ શકે છે, હ્યુબેર અને સહકર્મીઓએ તેમની પ્રાયોગિક પદ્ધતિમાં લોટરી ઉમેરી છે. ક્યાંતો 8 મી રાઉન્ડ અથવા 16 મી રાઉન્ડમાં (એટલે ​​કે, ફાળવણીકારને બદલવા માટેની તક પહેલાં) સહભાગીઓ રેન્ડમલી લોટરીમાં મૂકવામાં આવ્યા હતા જેમાં કેટલાક 5,000 પોઇન્ટ્સ જીત્યા હતા, કેટલાક જીતીને 0 બિંદુઓ અને કેટલાક 5,000 પોઈન્ટ ગુમાવી હતી. આ લોટરીને સારા કે ખરાબ સમાચારની નકલ કરવાનો હેતુ હતો જે રાજકારણીની કામગીરીથી સ્વતંત્ર છે જો કે સહભાગીઓને સ્પષ્ટ રીતે કહેવામાં આવ્યું હતું કે લોટરી તેમના ફાળવણીકારની કામગીરીથી સંબંધિત નથી, લોટરીના પરિણામ હજુ પણ સહભાગીઓના નિર્ણયોને અસર કરે છે. ભાગ લેનારાઓ જે લોટરીથી ફાયદો પામ્યા હતા તેઓ તેમના ફાળવણીકારને જાળવી રાખવાની શક્યતા ધરાવતા હતા, અને રાઉન્ડ -8 (આકૃતિ 4.15) માં જ્યારે લોટરી થયું ત્યારે લોટરી 16-રાઉન્ડમાં ફેરબદલ કરતા પહેલાં મજબૂત બન્યું હતું. આ પરિણામો, કાગળમાં અન્ય કેટલાક પ્રયોગો સાથે, આગેવાની હેઠળની હ્યુબર અને સહકાર્યકરો એવા નિષ્કર્ષ પર પહોંચ્યા છે કે સરળ સેટિંગમાં પણ મતદારોને નિર્ણયો લેવામાં મુશ્કેલી થાય છે, પરિણામે મતદારોના નિર્ણયો અંગેની ભવિષ્યના સંશોધન પર અસર થઈ છે (Healy and Malhotra 2013) . હ્યુબેર અને સહકર્મીઓનો પ્રયોગ દર્શાવે છે કે એમટીયુકેકનો ઉપયોગ લેબ -શૈલી પ્રયોગો માટે સહભાગીઓની ભરતી કરવા માટે થઈ શકે છે જેથી કરીને ચોક્કસ સિદ્ધાંતો ચોક્કસપણે ચકાસવામાં આવે. તે તમારા પોતાના પ્રાયોગિક વાતાવરણના નિર્માણનું મૂલ્ય પણ બતાવે છે: કલ્પના કરવી મુશ્કેલ છે કે આ જ પ્રક્રિયાઓ અન્ય કોઈપણ સેટિંગમાં એટલી બધી સ્વચ્છતાને કેવી રીતે અલગ કરી શકી હોત.

આકૃતિ 4.15: Huber, Hill, and Lenz (2012) પરિણામો Huber, Hill, and Lenz (2012) . લોટરીથી લાભ મેળવનાર સહભાગીઓ તેમના ફાળવણીકારને જાળવી રાખવાની શક્યતા વધારે હતા, અને જ્યારે લોટરી રાઉન્ડમાં 16-રાઉન્ડમાં થયું ત્યારે - તે જ્યારે રાઉન્ડમાં બન્યું ત્યારે - તે Huber, Hill, and Lenz (2012) અપનાવવામાં આવ્યું હતું. Huber, Hill, and Lenz (2012) , આકૃતિ 5

લેબ-જેવા પ્રયોગોના નિર્માણ ઉપરાંત, સંશોધકો પ્રયોગો પણ બનાવી શકે છે જે વધુ ફીલ્ડ-જેવા છે. ઉદાહરણ તરીકે, Centola (2010) વર્તનના પ્રસાર પર સોશિયલ નેટવર્ક માળખાની અસરનો અભ્યાસ કરવા માટે એક ડિજિટલ ફિલ્ડ પ્રયોગ બનાવી. તેમના સંશોધનના પ્રશ્નમાં તેમને એવી જ વર્તણૂકનું પાલન કરવાની આવશ્યકતા હતી કે જેની વસ્તી વિવિધ સામાજિક નેટવર્ક માળખાઓ હતી પરંતુ તે અન્યથા અસ્પષ્ટતા ધરાવતી હતી. આવું કરવાનો એક માત્ર રસ્તો bespoke, કસ્ટમ બિલ્ટ પ્રયોગ સાથે હતો. આ કિસ્સામાં, Centola એક વેબ આધારિત આરોગ્ય સમુદાય બનાવી છે.

સેન્કોલાએ આશરે 1,500 સહભાગીઓને આરોગ્યની વેબસાઈટ પર જાહેરાતો દ્વારા ભરતી કરી. જ્યારે સહભાગીઓ ઓનલાઇન સમુદાયમાં આવે છે - જે સ્વસ્થ જીવનશૈલી નેટવર્ક તરીકે ઓળખાતું હતું - તેઓ જાણકાર સંમતિ આપી હતી અને ત્યારબાદ "સ્વાસ્થ્ય મિત્રો" તરીકે નિયુક્ત થયા હતા. કારણ કે સેન્ટોલાએ આ આરોગ્યસભ્યોને સોંપેલું હોવાથી, તેઓ જુદા જુદા સામાજિક નેટવર્ક માળખાઓ સાથે ગૂંથાઈ શકતા હતા. વિવિધ જૂથો કેટલાંક જૂથો રેન્ડમ નેટવર્ક્સ (જ્યાં દરેકને સમાન રીતે કનેક્ટ થવાની શક્યતા હતી) માટે બનાવવામાં આવી હતી, જ્યારે અન્ય જૂથો ક્લસ્ટરવાળા નેટવર્ક્સ (જ્યાં કનેક્શન્સ વધુ સ્થાનિક રીતે ગાઢ હોય છે) માટે બનાવવામાં આવ્યા હતા. પછી, સેન્ટોલાએ દરેક નેટવર્કમાં એક નવું વર્તન રજૂ કર્યું: વધારાની આરોગ્ય માહિતી સાથે નવી વેબસાઇટ માટે નોંધણી કરવાની તક. જ્યારે પણ આ નવી વેબસાઇટ માટે કોઈ પણ સાઇન અપ કર્યું હોય, ત્યારે તેના બધા આરોગ્ય બડિઝે આ વર્તનની જાહેરાત કરતા એક ઇમેઇલ પ્રાપ્ત કરી. સેન્ટોલાએ જોયું કે આ વર્તણૂક-નવી વેબસાઇટ માટે સાઇન અપ કરવું-રેન્ડમ નેટવર્કની સરખામણીએ ક્લસ્ટર નેટવર્કમાં વધુ ઝડપથી અને ઝડપી ફેલાવાયું છે, તે શોધ કેટલાક હાલના સિદ્ધાંતોથી વિરુદ્ધ છે.

એકંદરે, તમારા પોતાના પ્રયોગનું નિર્માણ તમે વધુ નિયંત્રણ આપે છે; તે તમને અભ્યાસ કરવા માગે છે તે અલગ કરવા માટે શ્રેષ્ઠ શક્ય પર્યાવરણ રચવા માટે સક્રિય કરે છે. કલ્પના કરવી મુશ્કેલ છે કે મેં હમણાં જ વર્ણવેલ બે પ્રયોગો પહેલાથી અસ્તિત્વમાં રહેલા પર્યાવરણમાં થઈ શકે છે. વધુમાં, તમારી પોતાની પ્રણાલીનું નિર્માણ હાલની સિસ્ટમોમાં પ્રયોગો વિશે નૈતિક ચિંતાઓ ઘટે છે. જ્યારે તમે તમારા પોતાના પ્રયોગનો નિર્માણ કરો છો, તેમ છતાં, તમે લેબોરેટરી પ્રયોગોમાં ઘણી સમસ્યાઓમાં આવી શકો છો: સહભાગીઓની ભરતી અને વાસ્તવવાદ વિશેની ચિંતાઓ. અંતિમ નુકસાન એ છે કે તમારા પોતાના પ્રયોગનું નિર્માણ ખર્ચાળ અને સમય માંગી શકે છે, જોકે, આ ઉદાહરણો બતાવે છે કે, પ્રયોગો પ્રમાણમાં સરળ વાતાવરણ (જેમ કે Huber, Hill, and Lenz (2012) દ્વારા મતદાનનો અભ્યાસ) થી લઇને શકે છે. પ્રમાણમાં જટિલ પર્યાવરણોમાં (જેમ કે Centola (2010) દ્વારા નેટવર્ક્સ અને Centola (2010) અભ્યાસ).