4.5.2 Partner az erőteljes

Partneri csökkenti a költségeket és növeli skála, de ez megváltoztathatja a fajta résztvevők, kezelések, és az eredmények, amelyek segítségével.

A másik, hogy csináld magad együttműködik egy erős szervezet, mint egy vállalat, kormányzati vagy nem kormányzati szervezet. Az előnye, hogy a munka egy partner, hogy ők is lehetővé teszi, hogy fut kísérletek, hogy csak nem tud egyedül. Például, az egyik a kísérletek, hogy megmondom körülbelül az alábbi részt 61 millió résztvevővel; nem adott kutató tudta elérni, hogy a méretarány. Ugyanakkor, hogy a partneri növeli mit tehetünk, ez is, egyszerre, korlátozza te. Például, a legtöbb vállalat nem teszi lehetővé, hogy működjön egy kísérletet, amely károsíthatja az üzleti vagy a jó hírnevét. Partnerekkel dolgozik, azt is jelenti, hogy ha eljön az ideje, hogy közzéteszi, akkor nyomás alá kerülnek a "re-frame" az eredményeket, és néhány partner talán még megpróbálja megakadályozni a közzétételét a munkát, ha ez teszi őket rossz színben. Végül, partneri is jön kapcsolatos költségeket kialakítása és fenntartása ezeket az együttműködéseket.

A legnagyobb kihívás, hogy meg kell oldani, hogy ezek a partnerségek sikeres megtalálni a módját, hogy egyensúlyt a mindkét fél érdekeit, és hasznos módon gondolkodni, hogy az egyensúly Pasteur Quadrant (Stokes 1997) . Sok kutató úgy gondolja, hogy ha dolgozunk valamin gyakorlati-valami, ami érdekes lehet a partner-akkor nem csinál valódi tudomány. Ez gondolkodásmód teszi, hogy nagyon nehéz létrehozni sikeres partneri, és az is előfordul, hogy teljesen rossz. A probléma ezzel a gondolkodásmód kiválóan illusztrálja úttörő kutatása biológus Louis Pasteur. Miközben dolgozik a kereskedelmi fermentációs projekt átalakítani répa juice alkohol, Pasteur fedezte fel egy új osztályát mikroorganizmus, amely végül is a kórokozó-elmélet a betegség. Ez a felfedezés megoldott egy nagyon praktikus probléma segített javítani az erjedési folyamat-és vezet jelentős tudományos előre. Így ahelyett, hogy gondolkodás kutatás és a gyakorlati alkalmazások, hogy ütközik a valódi tudományos kutatás, akkor jobb, ha úgy gondolja, ezeket két külön dimenzióban. Kutatás is motiválja használ (vagy nem), és a kutatás kérhetnek alapvető megértése (vagy nem). Kritikusan, néhány kutatás-szerű Pasteur's-lehet motiválja használat és kereső alapvető megértése (4.16 ábra). Kutatás Pasteur Quadrant-kutatás, amely eredendően előlegek két gól-ideális együttműködés a kutatók és a partnerekkel. Tekintettel arra, hogy háttér, fogom leírni két kísérleti tanulmányok partnerségek: az egyik egy cég és egy civil szervezet.

4.16 ábra: Pasteur Quadrant (ábra alapján 3,5 Stokes (1997)). Ahelyett, hogy gondolkodás a kutatás, mint akár alap vagy alkalmazott érdemesebb gondolni kutatás motiválja használata (vagy nem), és célja az alapvető megértése (vagy nem). Egy példa a kutatás, hogy mind az motiválja használata és törekszik az alapvető megértés Pasteur munka konvertáló répa juice alkohol vezető csírája elmélet betegség. Ez a fajta munka, amely a legjobban megfelel az partnerségek az erős. Példák munka motiválta használata, de ez nem keresik alapvető megértését származik Thomas Edison, és példák a munka, ami nem motiválja használatát, de amely arra irányul, megértve származik Niels Bohr. Lásd Stokes (1997) alaposabb tárgyalása ezt a keretet, és az ilyen esetekben.

4.16 ábra: Pasteur Quadrant (ábra alapján 3,5 Stokes (1997) ). Ahelyett, hogy gondolkodás a kutatás vagy a "basic" vagy "alkalmazott" jobb gondolni kutatás motiválja használata (vagy nem), és célja az alapvető megértése (vagy nem). Egy példa a kutatás, hogy mind az motiválja használata és törekszik az alapvető megértés Pasteur munka konvertáló répa juice alkohol vezető csírája elmélet betegség. Ez a fajta munka, amely a legjobban megfelel az partnerségek az erős. Példák munka motiválta használata, de ez nem keresik alapvető megértését származik Thomas Edison, és példák a munka, ami nem motiválja használatát, de amely arra irányul, megértve származik Niels Bohr. Lásd Stokes (1997) alaposabb tárgyalása ezt a keretet, és az ilyen esetekben.

A nagyvállalatok, különösen a tech cégek, kifejlesztettek hihetetlenül kifinomult infrastruktúrát futó komplex kísérletek. A tech ipar, ezek a kísérletek gyakran nevezik A / B tesztek (mert hatékonyságának vizsgálatára két kezelés: A és B). Ezek a kísérletek gyakran futnak a dolgok, mint növeli az átkattintási arányok hirdetéseket, de az azonos kísérleti infrastruktúrát is fel lehet használni a kutatás, hogy az előlegek tudományos ismeretek. Egy példa, amely bemutatja a potenciális ezt a fajta kutatás által lefolytatott vizsgálat közötti partnerség kutatók Facebook és a University of California, San Diego, a hatása a különböző üzeneteket a részvételi arány (Bond et al. 2012) .

A november 2, 2010-napon az amerikai kongresszusi választások, az összes 61 millió Facebook felhasználók, akik élnek az Egyesült Államokban, és több mint 18 vett részt a kísérletben a szavazásról. Meglátogatásakor Facebook felhasználók véletlenszerűen osztották három csoportba, amelyek meghatározták, hogy mit banner (ha van ilyen) helyezték el a tetején a News Feed (ábra 4.17):

  • a kontroll csoport.
  • tájékoztató üzenetet szavaznak kattintható "szavaztam" gombra, és a számláló (info).
  • tájékoztató üzenetet szavaznak kattintható "szavaztam" gombra, és a számláló + nevek és képek a barátok, akik már rákattintott a "szavaztam" (info + társadalmi).

Bond és munkatársai azt vizsgálták két fő eredményeit: a bejelentett választói magatartás és a tényleges választói magatartás. Először is, azt találták, hogy az emberek az info + társadalmi csoport mintegy 2 százalékponttal nagyobb valószínűséggel, mint az emberek, az információs csoport kattintson a "szavaztam" (20% vs. 18%). Továbbá, miután a kutatók olvasztották adatok nyilvánosan elérhető szavazási eredmények körülbelül 6 millió ember úgy találták, hogy az emberek az info + társadalmi csoportban 0,39 százalékponttal nagyobb valószínűséggel ténylegesen szavazni, mint az emberek a kontroll állapotban, és az emberek az információs csoport ugyanolyan valószínűséggel szavazni, mint az emberek a kontroll állapotban (ábra 4.17).

Ábra 4.17: Eredmények a get-out-the-szavazás kísérlet a Facebook-on (Bond és munkatársai. 2012). A résztvevők az információs csoport szavazott azonos ütemben, mint az emberek a kontroll állapotban, de az emberek az info + társadalmi csoport szavazott egy kicsit magasabb. A sávok becsült 95% -os megbízhatósági tartománnyal. Eredmények a grafikon tartalmazza mintegy 6 millió embert érintettek, akik számára a kutatók is egyezik, hogy a szavazási rekordokat.

Ábra 4.17: Eredmények a get-out-the-szavazás kísérlet a Facebook-on (Bond et al. 2012) . A résztvevők az információs csoport szavazott azonos ütemben, mint az emberek a kontroll állapotban, de az emberek az info + társadalmi csoport szavazott egy kicsit magasabb. A sávok becsült 95% -os megbízhatósági tartománnyal. Eredmények a grafikon tartalmazza mintegy 6 millió embert érintettek, akik számára a kutatók is egyezik, hogy a szavazási rekordokat.

Ez a kísérlet azt mutatja, hogy néhány online get-out-the-szavazás üzenetek hatékonyabbak, mint mások, és ez azt mutatja, hogy a kutató becslése szerint a hatékonysága a kezelés attól függ, hogy tanulmányozzák a bejelentett vagy a tényleges viselkedés. Ez a kísérlet sajnos nem kínál nyomokat a mechanizmusokat, amelyek révén a szociális információs-, amely néhány kutató játékosan úgynevezett "arc bolyhos" -increased szavazás. Lehet, hogy a szociális információs nőtt annak a valószínűsége, hogy valaki észrevette a banner, vagy hogy nagyobb a valószínűsége, hogy valaki, aki észrevette, hogy a banner ténylegesen szavaztak, vagy mindkettő. Ezért ez a kísérlet egy érdekes megállapítás, hogy a további kutató valószínűleg vizsgálja (lásd pl, Bakshy, Eckles, et al. (2012) ).

Amellett, hogy halad a cél a kutatók, ez a kísérlet is fejlett a cél a partnerszervezet (Facebook). Ha megváltoztatja a viselkedését tanulmányozta a szavazástól a vásárlás szappan, akkor láthatjuk, hogy a tanulmány pontosan ugyanolyan szerkezetben, mint egy kísérlet, hogy mennyiben befolyásolja az online hirdetések (lásd például Lewis and Rao (2015) ). Ezek a hirdetési hatékonyság vizsgálatok gyakran hatásának méréséhez kitettség az online hirdetéseket, a kezelések Bond et al. (2012) alapvetően hirdetések szavazási-offline viselkedés. Ez a vizsgálat tehát léphetne előre a Facebook képes tanulni a hatásossága online hirdetések, és segíthet a Facebook meggyőzni a potenciális hirdetők, hogy a Facebook hirdetések hatásosak.

Annak ellenére, hogy az érdekeit a kutatók és a partnerek többnyire igazodik a vizsgálat során, ők is részben a feszültség. Különösen a kiosztás a résztvevők a három feltétel-ellenőrzés, info, és info + társadalmi-ben rendkívül kiegyensúlyozatlan: 98% a minta jelöltek info + szociális. Ez a kiegyensúlyozatlan elosztása nem hatékony statisztikailag, és sokkal jobb elosztása a kutatók volna volna 1/3 a résztvevők az egyes csoportokban. De, a kiegyensúlyozatlan elosztása történt, mert a Facebook akarta, hogy mindenki megkapja az info + szociális kezelést. Szerencsére a kutatók meggyőzte őket visszatartani 1% a kapcsolódó kezelési és 1% -a résztvevők a kontrollcsoportban. Anélkül, hogy a kontroll csoport lett volna alapvetően lehetetlen, hogy mennyiben befolyásolja az info + szociális kezelést, mert ez lett volna a "megzavarjuk és megfigyelni" kísérlet helyett randomizált, kontrollált kísérletben. Ez a példa egy értékes gyakorlati leckét együttműködik partnereivel: néha kísérletet hoz létre meggyőző valaki átadni egy kezelés, és néha kísérletet hoz létre meggyőző valaki nem szállít a kezelés (azaz, hogy hozzon létre egy kontrollcsoport).

Partnerség nem mindig kell vonni tech cégek és az A / B tesztek millió résztvevővel. Például Alexander Coppock, Andrew Guess, és John Ternovski (2016) társult, egy környezetvédelmi civil szervezet (League of Conservation Szavazók) futtatni kísérletek vizsgálati különböző stratégiákat társadalmi mozgósítás. A kutatók a civil szervezetek Twitter fiókot, hogy küldjön ki a köz- és a magánszféra tweets közvetlen üzenetet próbált elsődleges különböző identitások. A kutatók ezután mért amely ezeket az üzeneteket voltak a leghatékonyabbak, amelyek ösztönzik az embereket, hogy aláírja a petíciót, és retweet információt petíciót.

4.3 táblázat: Példák a kutatás, hogy jön át a partnerség, a kutatók és szervezetek. Bizonyos esetekben, a kutatók dolgoznak a szervezetek számára.
Téma Idézet
Hatása Facebook News Feed információcserével Bakshy, Rosenn, et al. (2012)
Hatása részleges anonimitás viselkedés az online társkereső honlapon Bapna et al. (2016)
Hatása Home Energy Jelentések a villamosenergia-felhasználás Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
Hatása app design vírus terjedését Aral and Walker (2011)
Hatása terjedő mechanizmus diffúziós Taylor, Bakshy, and Aral (2013)
Hatása szociális információs hirdetésekben Bakshy, Eckles, et al. (2012)
Hatása katalógus jelentése értékesítési katalógust és online különböző típusú ügyfelek Simester et al. (2009)
Hatása népszerűsége információkhoz jussanak a lehetséges pályázatok Gee (2015)
Hatása kezdeti értékelés népszerűsége Muchnik, Aral, and Taylor (2013)
Hatása üzenet tartalma a politikai mozgósítás Coppock, Guess, and Ternovski (2016)

Összességében együttműködve erőteljes teszi Önnek működni skálán, hogy nehéz, hogy másképp és 4.3 táblázat ad más példák közötti partnerségek kutatók és szervezetek. Partneri is sokkal könnyebb, mint építeni a saját kísérlet. De ezek az előnyök jönnek hátrányai: partnerség lehet korlátozni a fajta résztvevők, kezelések, és az eredmények, hogy lehet tanulni. Továbbá ezek a partnerségek vezethet etikai kihívásokat. A legjobb módja annak, hogy a helyszínen lehetőség egy partnerség célja, hogy észre a valódi probléma, hogy meg lehet oldani, míg csinál érdekes tudomány. Ha nem használják fel ilyen módon szemlélni a világot, akkor nehéz észrevenni problémák Pasteur Quadrant, de a gyakorlat, akkor elkezd észre őket, és így tovább.