4.5.1.2 Byggja eigin tilraun þína

Building eigin tilraun þína gæti verið dýrt, en það mun gera þér kleift að búa til tilraunina sem þú vilt.

Auk þess að sem liggur tilraunir ofan á núverandi umhverfi, getur þú einnig að byggja upp eigin tilraun þína. The aðalæð kostur við þessa aðferð er stjórn; ef þú ert að byggja upp tilraunina, getur þú búið til umhverfi og meðferðir sem þú vilt. Þessar bespoke tilrauna umhverfi getur skapað tækifæri til að prófa kenningar sem eru ómögulegt að prófa í náttúrulegs umhverfi. Helstu galli að byggja upp eigin tilraun þína er að það getur verið dýrt og það umhverfi sem þú ert fær um að búa til vill ekki raunsæi náttúrulegan kerfi. Vísindamenn byggja eigin tilraun þeirra einnig verður að hafa áætlun um að ráða þátttakendur. Þegar unnið er í núverandi kerfum verða eru vísindamenn í raun að færa tilraunir til að þátttakendur ákveða. En þegar vísindamenn byggja eigin tilraun þeirra, þeir þurfa að koma þátttakendum að henni. Sem betur fer, þjónustu, svo sem Amazon Mechanical Turk (MTurk) getur veitt vísindamönnum á þægilegan hátt til að koma þátttakendum að tilraunum sínum.

Eitt dæmi sem sýnir dyggðir bespoke umhverfi til að prófa abstrakt kenningar er stafræna Lab tilraun með Gregory Huber, Seth Hill, og Gabriel Lenz (2012) . Tilraunin kannar mögulega verklega takmörkun á starfsemi lýðræðislegu stjórnarfari. Fyrr ekki rannsóknir til raunverulegra kosninga benda til þess að kjósendur eru ekki fær um að nákvæmlega meta árangur af starfandi stjórnmálamanna. Einkum virðast kjósendur til að þjást af þremur fordómum: 1) áherslu á nýleg fremur en uppsöfnuðum árangri; 2) manipulatable með orðræðu, grind og markaðssetningu; og 3) undir áhrifum frá atburðum ótengdum skylda árangur, svo sem velgengni íþróttastarf og veður. Í þessum fyrri rannsóknum, þó það var erfitt að einangra eitthvað af þessum þáttum frá öllum öðrum hlutum sem gerist í alvöru, sóðalegur kosningar. Því Huber og samstarfsmenn skapað mjög einfaldað atkvæðagreiðslu umhverfi til að einangra og þá tilraunum læra, hver af þessum þremur mögulegum hlutdrægni.

Eins og ég lýsa tilrauna setja upp undir það er að fara að hljóma mjög tilbúinn, en mundu að raunsæi er ekki markmið í Lab-stíl tilraunir. Frekar, markmiðið er að greinilega einangra ferli sem þú ert að reyna að læra, og þetta þétt einangrun er stundum ekki hægt að rannsóknum með meira raunsæi (Falk and Heckman 2009) . Frekari, í þessu tiltekna tilviki, vísindamenn haldið því fram að ef kjósendur geta ekki í raun að meta árangur í þessum mjög einfölduðu stillingu, þá eru þeir ekki að fara að vera fær um að gera það í raunsærri, flóknari stillingu.

Huber og samstarfsmenn notað Amazon Mechanical Turk (MTurk) að ráða þátttakendur. Þegar þátttakandi veitt upplýst samþykki og fór stutta próf, hún var sagt að hún var að taka þátt í 32 umferð leik til að vinna sér inn tákn sem gæti verið breytt í alvöru peninga. Í upphafi leiksins, var hver þátttakandi sagt að hún hefði verið úthlutað "allocator" sem myndi gefa ókeypis jartegnir hana hverja umferð og að sumir allocators voru meira örlátur en aðrir. Ennfremur hver þátttakandi var líka sagt að hún myndi hafa tækifæri til að annaðhvort halda allocator hennar eða vera úthlutað nýjan eftir 16 umferðir af leiknum. Í ljósi hvað þú veist um Huber og rannsóknir markmið samstarfsmanna, getur þú séð að allocator táknar ríkisstjórn og þetta val táknar kosningum, en þátttakendur voru ekki meðvitaðir um almenn markmið rannsóknarinnar. Alls, Huber og samstarfsmenn ráðnir um 4.000 þátttakendum sem voru greidd um $ 1.25 fyrir verkefni sem tók um 8 mínútur.

Muna að ein af niðurstöðum úr fyrri rannsóknum var að kjósendur umbun og refsa incumbents fyrir niðurstöðum sem eru greinilega utan stjórn þeirra, svo sem velgengni sveitarfélaga íþróttafélög og veðrið. Til að meta hvort ákvarðanir þátttakendur atkvæðisrétt gæti haft áhrif á eingöngu handahófi atburðum í umhverfi sínu, Huber og samstarfsmenn bætt happdrætti á tilraunastigi þeirra kerfi. Á annaðhvort 8. umferð eða 16. umf (þ.eas, rétt áður en tækifæri til að skipta um allocator) þátttakendur voru af handahófi settir í happdrætti þar sem sumir vann 5000 stigum, sumir vann 0 stig, og sumir misstu 5000 stig. Þetta happdrætti var ætlað að líkja eftir gott eða slæmt fréttir sem eru óháð frammistöðu stjórnmálamanna. Jafnvel þótt þátttakendur voru sérstaklega sagt að happdrætti var ótengd afkomu allocator þeirra niðurstaða happdrætti áhrif enn ákvarðanir þátttakenda. Þátttakendur sem notið góðs af happdrætti voru líklegri til að halda allocator þeirra, og þessi áhrif voru sterkari þegar happdrætti gerðist í umferð 16-hægri áður en skipti ákvarðanatöku en þegar það gerðist í 8. umferð (mynd 4.14). Þessar niðurstöður, ásamt niðurstöðum nokkurra annarra tilrauna í blaðinu, leiddi Huber og samstarfsmenn til að álykta að jafnvel í einfaldaðri stilling, hafa kjósendur vandi að taka skynsamlegar ákvarðanir, niðurstöðu sem höfðu áhrif á framtíð rannsóknir um kjósandi ákvarðanatöku (Healy and Malhotra 2013) . Tilraunin á Huber og samstarfsmenn sýnir að MTurk hægt er að nota til að ráða þátttakendur Lab-stíl tilraunir til nákvæmlega prófa mjög sérstakar kenningar. Það sýnir einnig gildi þess að byggja eigin tilrauna umhverfi: það er erfitt að ímynda sér hvernig þessar sömu aðferð gæti hafa verið einangraðir svo eðlilega í öðrum stillingu.

Mynd 4.14: Niðurstöður frá Huber, Hill, og Lenz (2012). Þátttakendur sem notið góðs af happdrætti voru líklegri til að halda allocator þeirra og þessi áhrif voru sterkari þegar happdrætti gerðist í umferð 16-hægri áður en skipti ákvarðanatöku en þegar það gerðist í 8. umferð.

Mynd 4.14: Niðurstöður frá Huber, Hill, and Lenz (2012) . Þátttakendur sem notið góðs af happdrætti voru líklegri til að halda allocator þeirra og þessi áhrif voru sterkari þegar happdrætti gerðist í umferð 16-hægri áður en skipti ákvarðanatöku en þegar það gerðist í 8. umferð.

Auk þess að byggja Lab-eins tilraunir, vísindamenn geta einnig byggja tilraunir sem eru meira field-eins. Til dæmis, Centola (2010) byggði stafræna sviði tilraun til að rannsaka áhrif félagslega net uppbygging á útbreiðslu hegðun. Rannsóknarspurningin hans þarf hann að fylgjast með sömu hegðun breiðast út í hópum sem höfðu mismunandi mannvirki félagslega net en voru að öðru leyti óaðgreinanlegur. Eina leiðin til að gera þetta var með bespoke, sérsniðin-innbyggður tilraun. Í þessu tilviki, Centola byggði vefur-undirstaða heilsu samfélag.

Centola ráðnir um 1.500 þátttakendum auglýsingar á heilsu vefsíðum. Þegar þátttakendur kom á netsamfélag-sem nefnt er Heilbrigður Lífstíll Network-þeir sem upplýst samþykki og þá var úthlutað "heilsu verðandi." Vegna þess hvernig Centola úthlutað þessum heilsu verðandi hann var fær um að hnýta saman mismunandi mannvirki félagslega net í mismunandi hópa. Sumir hópar voru byggð til að hafa af handahófi net (þar sem allir voru jafn líklegt til að vera tengdur) og aðrir hópar voru byggð til að hafa clustered net (þar tengingar eru meira á staðnum þétt). Þá Centola kynnti nýja hegðun í hverju neti, tækifæri til að skrá sig fyrir nýjum vefsíðu með frekari upplýsingum um heilbrigðismál. Alltaf þegar einhver sótti um þennan nýja vef, allir verðandi heilsu hennar fékk tölvupóst sem tilkynnir þessa hegðun. Centola fann að þessi hegðun-leikmaðurinn upp fyrir nýja heimasíðu, breiðst enn frekar og hraðar í clustered net en handahófi net, niðurstöðu sem var andstætt sumum núverandi kenningar.

Á heildina litið, að byggja upp eigin tilraun þinn gefur þér mikið meiri stjórn; það er hægt að smíða bestu mögulegu umhverfi til að einangra það sem þú vilt læra. Það er erfitt að ímynda sér hvernig annað hvort þessara tilrauna gæti hafa verið gerðar í þegar núverandi umhverfi. Ennfremur að byggja upp eigin þinn kerfi minnkar siðferðileg áhyggjur um tilraunir í núverandi kerfi. Þegar þú byggja eigin tilraun þinni, þó þú keyrir inn í mörg af þeim vandamálum sem hafa komið upp í Lab tilraunum: ráðningu þátttakendur og áhyggjur raunsæi. Endanleg ókostur er að byggja upp eigin tilraun þína getur verið dýrt og tímafrekt, þó eins og þessi dæmi sýna, að tilraunir geta verið allt frá tiltölulega einföldum umhverfi (ss rannsókn á atkvæðagreiðslu með Huber, Hill, and Lenz (2012) ) til tiltölulega flókið umhverfi (ss rannsókn á netum og smiti með Centola (2010) ).