4.5.1.2独自の実験を構築

独自の実験を構築することはコストがかかるかもしれませんが、それはあなたが望む実験を作成することができます。

既存の環境の上に実験を重ねることに加えて、あなたはまた、独自の実験を構築することができます。このアプローチの主な利点は、コントロールです。あなたが実験を構築している場合、あなたが望む環境や治療を作成することができます。これらのオーダーメイドの実験環境では、天然に存在する環境でテストすることは不可能である理論をテストするための機会を作成することができます。独自の実験を構築するための主な欠点は、それが高価なことと、あなたが作成することができます環境は、天然に存在するシステムのリアリズムを持っていないかもしれないことをできることです。また、独自の実験を構築する研究者は、参加者を募集するための戦略を持っている必要があります。既存のシステムで作業する場合、研究者は基本的に自分の参加者に実験をもたらしています。研究者が独自の実験を構築するときしかし、彼らはそれに参加者を持参する必要があります。幸いなことに、このようなアマゾンメカニカルターク(MTurk)などのサービスは、研究者に彼らの実験に参加者をもたらすための便利な方法を提供することができます。

抽象的な理論をテストするために特注の環境の美徳を示している一例はグレゴリー・フーバー、セス・ヒル、ガブリエル・レンツによってデジタルラボ実験である(2012)実験は、民主的なガバナンスの機能に可能な実用的な限界を探ります。実際の選挙の以前の非実験的研究は、有権者が正確に現職の政治家のパフォーマンスを評価することができないことを示唆しています。特に、有権者は3バイアスに苦しむように見える:1)最近のではなく、累積的なパフォーマンスに焦点を当てました。 2)レトリック、フレーミング、およびマーケティングにより操作可能。 3)このような地元のスポーツチームの成功や天候などの現職性能に無関係な事象の影響を受けます。これらの以前の研究では、しかし、本当の、厄介な選挙で起こる他のすべてのものから、これらの要因のいずれかを単離することが困難でした。したがって、フーバーらは、単離するために、非常に単純化議決環境を作成し、その後、実験的に、これらの三つの可能なバイアスのそれぞれを研究します。

私はそれ以下の実験のセットアップは非常に人工的に聞こえるが、リアリズムはラボスタイルの実験では目標がないことを覚えておくことが起こっている説明したように。むしろ、目標は明確に勉強しようとしているプロセスを分離することであり、このタイトな分離は、より多くのリアリズムを用いた研究では、時には不可能である(Falk and Heckman 2009)さらに、この特定のケースでは、研究者は、有権者が効果的に、この非常に単純化された設定で性能を評価することができない場合、彼らはより現実的な、より複雑な設定でそれを行うことができるようにするつもりはないされていると主張しました。

フーバーらは、参加者を募集するためにアマゾン機械トルコ人(MTurk)を使用しました。参加者はインフォームドコンセントを提供し、短いテストに合格したら、彼女は彼女が実際のお金に変換することができたトークンを稼ぐために32ラウンドの試合に参加していたと言われました。ゲームの開始時に、各参加者は、彼女は彼女の無料のトークンを各ラウンドを与え、いくつかのアロケータは、他よりも寛大だったことだろう「アロケータ」が割り当てられていたと言われました。また、各参加者はまた彼女が彼女のアロケータを維持するためのいずれかまたはゲームの16ラウンド後に新しいものを割り当てられるチャンスがあるだろうと言われました。あなたはフーバーと同僚の研究目標について知っていることを考えると、あなたはアロケータは、政府を表し、この選択は選挙を表すが、参加者は、研究の一般的な目標を認識していなかったことがわかります。合計では、フーバーらは約8分を要したタスクのための約$ 1.25支払われた約4000の参加者を募集しました。

以前の研究からの知見の一つは有権者が、このような地元のスポーツチームの成功や天候などのそれらの制御を超えて明らかにされている成果のために現職に報酬を与えると罰することだったことを思い出してください。参加者の投票の決定は、それらの設定で、純粋にランダムな事象によって影響を受けることができるかどうかを評価するために、フーバーらは彼らの実験システムに抽選を追加しました。第八ラウンドまたは第16ラウンドのいずれかで(すなわち、右アロケータを交換する機会の前に)参加者はランダムにいくつかの5000ポイントを獲得した宝くじに置かれた、いくつかは0点を獲得し、一部は5000点を失いました。この宝くじは、政治家のパフォーマンスとは無関係です良いか悪いニュースを模倣することを意図していました。参加者は明示的に宝くじが自分のアロケータの性能には無関係だったと言われていたにもかかわらず、抽選の結果はまだ参加者の意思決定に影響を与えました。宝くじの恩恵を受けた参加者は、自分のアロケータを保つことが多かった、と宝くじが交換前のラウンド16の右に起こったときに、この効果は強かった意思決定よりも、それはラウンド8(図4.14)で起こったとき。これらの結果は、紙のいくつかの他の実験の結果とともに、あっても単純化された設定で、有権者が、難易度は賢明な意思決定を行う有権者の意思決定に関する今後の研究の影響を受けた結果持っていると結論するフーバーや同僚を主導(Healy and Malhotra 2013) 。フーバーや同僚の実験はMTurkは正確に非常に具体的な理論をテストするために、ラボスタイルの実験のための参加者を募集するために使用することができることを示しています。それはまた、独自の実験環境を構築するの値を示しています。これらの同じプロセスは、他の設定でそのようにきれいに分離されている可能性がどのように想像するのは難しいです。

図4.14:フーバー、ヒル、レンツ(2012年)からの結果。宝くじの恩恵を受けた参加者は、自分のアロケータを保持する可能性が高かった、と宝くじが交換前のラウンド16の右に起こったときに、この効果は強かった意思決定よりも、それはラウンド8で起こったとき。

図4.14:結果からHuber, Hill, and Lenz (2012)宝くじの恩恵を受けた参加者は、自分のアロケータを保持する可能性が高かった、と宝くじが交換前のラウンド16の右に起こったときに、この効果は強かった意思決定よりも、それはラウンド8で起こったとき。

ラボのような実験を構築することに加えて、研究者はまた、より多くのフィールドに似ている実験を構築することができます。例えば、 Centola (2010)行動の普及に社会的ネットワーク構造の効果を研究するために、デジタルフィールド実験を構築しました。彼の研究の質問は、さまざまなソーシャルネットワークの構造を持っていたが、それ以外は区別できなかった集団に広がる同じ動作を観察するために彼を必要としました。これを行うための唯一の方法は、オーダーメイド、カスタムビルドの実験でした。この場合、チェントラは、Webベースの健康のコミュニティを構築しました。

チェントラは健康のウェブサイト上の広告で約1,500の参加者を募集しました。参加者はオンラインコミュニティ - 健康的なライフスタイルと呼ばれていたに到着したときネットワーク彼らはインフォームドコンセントを提供した後、「健康仲間」を割り当てたためチェントラは、彼が別のに一緒に異なる社会的ネットワーク構造を編むことができたこれらの健康の仲間を割り当て方法のグループ。いくつかのグループは、(誰もが接続される可能性は同程度であった)ランダムなネットワークを持っているように構築され、他のグループは、(接続がより局所的に密である)のネットワークをクラスタ化しているために建設されました。その後、チェントラは、各ネットワークに追加の健康情報との新しいウェブサイトを登録する機会を新しい動作を導入しました。誰もがこの新しいウェブサイトにサインアップするたびに、彼女の健康の仲間のすべては、この動作を知らせる電子メールを受け取りました。チェントラが見つかりました。そのため、この動作署名アップ新しいウェブサイト-広がっランダムネットワーク、いくつかの既存の理論に反した発見よりもクラスタ化されたネットワークで、さらに、より速く。

全体的に、独自の実験を構築することはあなたにもっと自由に制御できます。それはあなたが勉強したいものを単離するために、可能な限り最高の環境を構築することができます。これらの実験のいずれかが既に存在する環境で行われてきた可能性がどのように想像するのは難しいです。さらに、独自のシステムを構築することは、既存のシステムで試して周りの倫理的な問題を減少させます。募集参加者とリアリズムの懸念:あなたがあなた自身の実験をビルドすると、しかし、あなたは、ラボの実験で遭遇する問題の多くに遭遇します。最終的な欠点は、これらの例が示すように、実験は(そのようなことで投票の研究として、比較的単純な環境の範囲とすることができるものの、独自の実験を構築することは、コストと時間がかかることができることであるHuber, Hill, and Lenz (2012)に(そのようなことでネットワークや感染の研究のような比較的複雑な環境Centola (2010)