4.5.1.1使用既存の環境

あなたは、多くの場合、任意のコーディングまたは提携することなく、既存の環境内部での実験を実行することができます。

ロジスティック、デジタル実験を行うための最も簡単な方法は、デジタルフィールド実験を実行できるようにすること、既存の環境の上にあなたの実験を重ねることです。これらの実験は、合理的に大規模に実行することができ、企業や大規模なソフトウェア開発とのパートナーシップを必要としません。

例えば、ジェニファーDoleacとルークスタイン(2013)人種差別を測定実験を実行するには、オンライン市場（例えば、クレイグズリスト）を利用しました。 Doleacとスタインは、iPodの何千ものをアドバタイズし、体系的に売り手の特性を変化させることによって、彼らは経済取引上のレースの効果を研究することができました。さらに、Doleacとスタインは効果が大きいとき（治療効果の不均一性）を推定するために彼らの実験のスケールを使用し、効果は（メカニズム）を発生する可能性がある理由についていくつかのアイデアを提供しています。

前Doleacとスタインの研究に、実験的に差別を測定するための2つの主要なアプローチがありました。 対応研究では研究者は、異なる人種の架空の人の履歴書を作成して、例えば、異なるジョブに適用するために、これらの履歴書を使用しています。ベルトランとMullainathanの(2004)記憶に残 ​​るタイトルの論文は、「エミリーとグレッグはLakishaとジャマルよりももっと採用することが？ 「労働市場における差別の上のフィールド実験は、対応研究の素晴らしい実例です。対応研究は、一般的な研究では観測の数千人を集めるために、単一の研究を可能に観察あたりの比較的低コストを持っています。名前が潜在的に申請者のレースに加えて、多くのことを知らせるので、しかし、人種差別の対応研究が疑問視されています。すなわち、このようなグレッグ、エミリー、Lakisha、及びジャマルなどの名前がレースに加えて、社会階級をシグナリングすることができる、です。このように、グレッグのとジャマルさんの履歴書のための治療の違いは、より多くの応募者の推定されるレースの違いよりが原因である可能性があります。 監査研究は 、他の一方で、仕事のために人に適用するために、異なる人種の俳優を雇う伴います。監査研究は、申請レースの明確なシグナルを提供するにもかかわらず、彼らは一般的にのみ観測値の数百を持っていることを意味し、観測ごとに非常に高価です。

自分のデジタルフィールド実験では、Doleacとスタインは魅力的なハイブリッドを作成することができました。監査研究のように（彼らは（対応研究のように）観察結果の観測の数千に当たり、比較的低コストでデータを収集することができました - そして、彼らは、写真、得られたレースの明確なuncounfounded信号でを使用してレースを通知することができました）。このように、オンライン環境は時々そうでない場合は構築しにくい性質を持っている新しい治療法を作成するために、研究者を可能にします。

DoleacとスタインのiPodの広告は、3つの主要な次元に沿って変化しました。まず、彼らは[入れ墨のある白、黒、白]（図4.12）のiPodを保持撮影し、手で合図した売り手の特性を変化させます。第二に、彼らは提示価格[$ 90 $ 110 $ 130]変化しました。第三に、彼らは、[高品質と低品質（例えば、大文字のエラーとspelinエラー）]広告テキストの品質を変化させます。したがって、著者らは、町（例えば、ココモ、INとノースプラット、NE）から巨大都市（例えば、ニューヨーク、ロサンゼルス）に至るまで300以上の地元の市場で展開された3×3×2のデザインを持っていました。

図4.12：の実験に用いたハンズDoleac and Stein (2013) iPodがオンライン市場における差別を測定するために、異なる特性を持つ売り手によって販売されました。

すべての条件にわたって平均、結果は刺青売り手が中間結果を持つ、黒の売り手よりも白の売り手のために良好でした。たとえば、白の売り手はより多くのオファーを受け、高い最終販売価格を持っていました。これらの平均の効果を超えて、Doleacとスタインは、効果の異質性を推定しました。たとえば、以前の理論から1つの予測は、差別がより競争力のある市場に少なくなるだろうということです。市場競争の代理として受け取ったオファーの数を使用して、著者らは、黒売り手は確かに競争度の低い市場で悪化オファーを受けないことがわかりました。さらに、高品質と低品質のテキストと広告の成果を比較することにより、Doleacとスタインはその広告の品質が黒と入れ墨売り手が直面する不利益に影響を与えることはありませんが見つかりました。最後に、広告が300以上の市場に置かれたという事実を利用して、著者らは、黒売り手が高い犯罪率と高い住宅偏析との都市で、より不利な立場にあることがわかります。これらの結果はいずれも、私たちに黒の売り手はより悪い結果を持っていたが、他の研究の結果と組み合わせたとき、彼らは経済取引の異なる種類の人種差別の原因についての理論を通知するために始めることができます正確な理由の正確な理解を与えません。

既存のシステムにデジタルフィールド実験を行う研究者の能力を示しているもう一つの例は、Arnoutバン・デ・Rijtらによる研究である(2014)の成功への鍵に。人生の多くの側面では、一見同じような人々は非常に異なる結果になってしまいます。このパターンの一つの可能な説明は、小と本質的にランダムな利点は、時間をかけて研究者は、累積利点を呼び出すプロセスをインロックし、成長することができるということです。小さ ​​な初期の成功は、インロックまたは消えていくかどうかを判断するためには、バン・デ・Rijtや同僚(2014)ランダムに選択された参加者に成功を贈与4の異なるシステムに介入し、この任意の成功の長期的な影響を測定しました。

具体的には、バン・デ・Rijtらは、1）ランダムにプロジェクトを選択するためにお金を約束しkickstarter.com 、クラウドファンディングサイト。 2）積極的にウェブサイト上でランダムに選択されたレビュー評価epinionsを 。 3）ランダムに貢献者を選択したために賞を与えたウィキペディア 。および4）にランダムに選択された請願署名しchange.orgを 。研究者は、すべての4つのシステム間で非常に類似した結果が見つかりました：それぞれの場合に、ランダムにいくつかの初期の成功を与えられた参加者は、そうでなければ完全に区別できないピア（図4.13）よりも、その後の成功を持つようになりました。それは、このパターンは、任意の特定のシステムの成果物である可能性を減少させるので、同じパターンが多くのシステムに現れたという事実は、これらの結果の外的妥当性を増加させます。

四つの異なる社会制度にランダムに授け成功の長期的効果：4.13図。 Arnoutバン・デ・Rijtや同僚(2014) 1）ランダムにプロジェクトを選択するためにお金を約束しkickstarter.com 、クラウドファンディングサイト。 2）積極的にウェブサイト上でランダムに選択されたレビュー評価epinionsを 。 3）ランダムに貢献者を選択したために賞を与えたウィキペディア 。および4）にランダムに選択された請願署名しchange.orgを 。

一緒に、これらの2つの例は、研究者が企業とのパートナーや複雑なデジタル・システムを構築する必要性を必要とすることなく、デジタルフィールド実験を行うことができることを示しています。また、表4.2は、研究者は、治療および/またはメジャーの成果を提供するために、既存のシステムのインフラストラクチャを使用するときに何ができるかの範囲を示し、さらに例を示します。これらの実験は研究者にとって比較的安価であり、彼らはリアリズムの高い学位を提供しています。しかし、これらの実験は、参加者、トリートメント、測定すべき成果を超える研究者制限された制御を提供します。 、詳細については、また、唯一のシステムで行われている実験のために、研究者は効果はシステム固有のダイナミクス（例えば、キックスターターはプロジェクトやchange.orgが嘆願書をランク付けする方法をランク付けする方法で駆動することができることを心配する必要があります）第2章のアルゴリズムの交絡についての説明を参照してください。研究者は作業システムに介入するとき最後に、トリッキーな倫理的な質問が参加者に害を及ぼす可能性、非参加者、およびシステムについての出現します。我々は、第6章で詳細にこれらの倫理的な質問を検討する、とバン・デ・Rijtの付録のそれらの優れた議論がある(2014)既存のシステムでの作業に付属しているトレードオフは、すべてのプロジェクトのために理想的ではない、とその理由のためにいくつかの研究者は、自分の実験系は、次のセクションのトピックを作成します。