4.5.2強力なとパートナー

提携は、コストを削減し、規模を増加させるが、それは参加者の種類を変更することができ、トリートメント、あなたが使用できる成果できます。

それを自分でやってする代わりに、そのような企業、政府機関、もしくはNGOとして強力な組織と提携しています。パートナーとの作業の利点は、彼らはあなただけ自分で行うことができない実験を実行することを可能にすることができるということです。例えば、私は以下をご紹介します実験の1つは、61百万参加者を関与。何個々の研究者は、そのスケールを達成することができませんでした。提携はあなたが何ができるかを増加させると同時に、それはまた、同時に、あなたを拘束します。たとえば、ほとんどの企業は、あなたが彼らのビジネスや評判に悪影響を及ぼす可能性が実験を実行することはできません。パートナーと協力しても、それが公開する時間が来るとき、あなたは「再フレーム "あなたの結果に圧力の下に来る可能性があることを意味し、いくつかのパートナーであっても、それは彼らが悪い見えるの場合はあなたの仕事の出版を阻止しようとする場合があります。最後に、提携はまた、これらのコラボレーションを開発し、維持することに関連する費用が付属しています。

これらのパートナーシップを成功させるために解かなければならないコアの課題は、両当事者の利益のバランスをとるための方法を見つけることですし、そのバランスを考える役に立つ方法は、 パスツールの象限である(Stokes 1997)多くの研究者は、彼らが何かパートナー、彼らは本物の科学をやってできないことに興味があるかもしれない実用的な、何かに取り組んでいる場合だと思います。この考え方は、それが非常に困難に成功パートナーシップを作成するようになり、また、完全に間違っていることを起こります。このような考え方の問題点は素晴らしく生物学者ルイ・パスツールのパス破りの研究によって示されています。アルコールにビートジュースを変換する商用発酵プロジェクトに取り組んでいる間、パスツールは、最終的に病気の生殖理論につながった微生物の新しいクラスを発見しました。この発見は非常に実用的な問題を、それが解決のプロセス改善発酵をし、それが主要な科学的前進につながる助けました。したがって、むしろ真の科学的研究との競合であると実用的なアプリケーションとの研究を考えるよりも、2つの別個の次元としてこれらを考えることをお勧めします。研究は、使用(またはしない)によって動機づけすることができ、研究は基本的理解を求めて(またはしない)ことができます。批判的に、いくつかの研究のようなPasteur'sは、することができます使用することによって動機づけや基本的な理解(図4.16)を探していること。本質的に2進み、パスツールのクアドラント・研究における研究の研究者とパートナー間のコラボレーションのための理想的な目標は-です。会社との1とNGOとの1:その背景を考えると、私はパートナーシップを持つ2つの実験的研究を説明します。

図4.16:(ストークス(1997年)から図3.5に基づいて)パスツールのクアドラント。むしろ基本的なまたは使用(またはしない)と基本的な理解を求めている(またはしない)によって動機づけとして研究を考えた方がよい適用のいずれかとして研究を考えてより。両方を使用することによって動機づけや基本的な理解を求めるされた研究の例は、病気の生殖理論につながるアルコールにビートジュースの変換のパスツールの仕事です。これは、強力なとのパートナーシップのために最も適している仕事の一種です。それは、使用によって動機付けが、ニールス・ボーアから来て理解を求めているされていないトーマス・エジソン、および作業の例から来る基本的な理解を求めていない使用が動機作業の例けど。このフレームワークとそれぞれのケースについての全体的な説明についてはストークス(1997)を参照してください。

図4.16:(から図3.5に基づいて、パスツールのクアドラントStokes (1997)むしろ「基本」または使用(またはしない)によって動機づけとして、研究を考えた方がよい」を適用」のいずれかとして、研究のことを考えと基本的な理解(またはしない)を探しているよりも。両方を使用することによって動機づけや基本的な理解を求めるされた研究の例は、病気の生殖理論につながるアルコールにビートジュースの変換のパスツールの仕事です。これは、強力なとのパートナーシップのために最も適している仕事の一種です。それは、使用によって動機付けが、ニールス・ボーアから来て理解を求めているされていないトーマス・エジソン、および作業の例から来る基本的な理解を求めていない使用が動機作業の例けど。参照してくださいStokes (1997)このフレームワークとそれぞれのケースについての全体的な説明については。

大企業、特にハイテク企業は、複雑な実験を実行するための信じられないほど洗練されたインフラストラクチャを開発しました。 (:AとB、彼らは2つの処置の有効性をテストするため)ハイテク業界では、これらの実験は、多くの場合、A / Bテストと呼ばれています。これらの実験は、頻繁に広告をクリックスルー率を増加させるようなもののために実行されますが、同じ実験インフラストラクチャは、科学的な理解を進める研究のためにも使用することができます。このような研究の可能性を示し例では、投票率に異なるメッセージの効果に、Facebookやカリフォルニア大学サンディエゴ校の研究者との間のパートナーシップによって行われた研究である(Bond et al. 2012)

11月2日、2010年 - 米国議会選挙、すべての米国に住んでいて、18歳以上である61百万Facebookユーザーの日は、投票についての実験に参加しました。 Facebookを利用して訪問すると、ユーザーがランダムに自分のニュースフィード(図4.17)の最上部に配置されたものバナー(もしあれば)決定の3つのグループに割り当てました。

  • 対照群。
  • クリック可能なボタンとカウンター(情報) "私は投票」と投票に関する情報メッセージ。
  • クリッカブルと投票に関する情報メッセージは、「私が投票」ボタンとカウンター+名前と既に "私は投票"(情報+社会)をクリックした友人の写真。

債券や同僚は、2つの主要な成果を研究:投票行動と実際の投票行動を報告しました。まず、彼らは情報+社会的集団の人々が約2%ポイントをクリックするインフォグループの人々よりも多くの可能性が高いことがわかった(18%対20%)、「私は投票しました "。研究者は約6万人のための公的に利用可能な投票記録で自分のデータをマージした後、さらに、それらは、情報+社会的集団の人々が実際に制御条件の人々よりも、投票する可能性がより高い0.39%ポイントであったことを発見し、その情報グループの人々制御条件(図4.17)の人々のように投票するだけのような可能性が高いです。

図4.17:Facebook上でのget-アウト票の実験の結果(ボンドら2012)。インフォグループの参加者は対照条件の人々と同じ速度で投票したが、情報+社会集団の人々はわずかに高い割合で投票しました。バーは、推定された95%信頼区間を表します。グラフ中の結果は、研究者が投票レコードに一致する可能性があります誰のために600万の参加者を含みます。

図4.17:Facebook上でのget-アウト票の実験の結果(Bond et al. 2012) 。インフォグループの参加者は対照条件の人々と同じ速度で投票したが、情報+社会集団の人々はわずかに高い割合で投票しました。バーは、推定された95%信頼区間を表します。グラフ中の結果は、研究者が投票レコードに一致する可能性があります誰のために600万の参加者を含みます。

この実験は、いくつかのオンラインゲットアウト-票メッセージが他のものよりも効果的であり、それは治療の有効性の研究者の推定値は、彼らが報告された研究や実際の行動かどうかに依存することができることを示していることを示しています。この実験は、残念ながら社会情報 - 一部の研究者がふざけて「顔パイル」-increased投票を求めている、それを通してのメカニズムについての手がかりを提供していません。それは、社会的な情報は、誰かがバナーに気づいたという確率を増加させたことや、それが実際にバナーを気づいた誰かが投票または両方確率を増加させたことである可能性があります。したがって、この実験は、さらに研究者の可能性が高い(例えば、参照模索することは興味深い発見提供Bakshy, Eckles, et al. (2012)

研究者の目標を推進することに加えて、この実験はまた、パートナー組織(フェイスブック)の目標を進めました。あなたは石鹸を購入する投票から学ん動作を変更する場合は、あなたが研究は、オンライン広告の効果を測定するための実験と全く同じ構造を有していることがわかります(例えば参照、 Lewis and Rao (2015)これらの広告効果の研究は頻繁で、オンライン広告、治療への暴露の影響を測定Bond et al. (2012) 、基本的に投票でオフライン行動のための広告です。したがって、本研究では、オンライン広告の効果を研究するためのFacebookの能力を進める可能性があり、FacebookはFacebookの広告が効果的である潜在的な広告主を説得に役立つ可能性があります。

研究者やパートナーの利益は、主に本研究に整列させたにもかかわらず、彼らは部分的に緊張もありました。具体的には、三つの条件制御、情報、および情報+ソーシャル-た途方もなく不均衡への参加者の割り当ては:サンプルの98%は、情報+社会的に割り当てられていました。この不均衡な配分は、統計的に非効率的であり、研究者のためのより良い配分は、各グループの参加者の1/3となっているでしょう。 Facebookが情報+社会的な治療を受けるために皆を望んでいたので、しかし、不均衡な配分が起こりました。幸いなことに、研究者らは、対照群のために戻って、関連する治療のための1%と参加者の1%を保持するためにそれらを確信させました。対照群がないと、「乱すと観察」実験ではなく、無作為化対照実験であったであろうので、情報+社会的治療の効果を測定するために、基本的には不可能だったでしょう。この例では、パートナーと協力のための貴重な実用的なレッスンを提供しています。時にはあなたは、治療を提供し、時にはあなたが(すなわち、対照群を作成するために)治療を提供しないように誰かを説得することで実験を作成するために、誰かを説得することによって実験を作成します。

パートナーシップは、常に参加者の何百万とハイテク企業およびA / Bテストを関与させる必要はありません。たとえば、アレクサンダーCoppock、アンドリュー・ゲス、ジョンTernovski (2016) 、社会的動員を促進するためのさまざまな戦略をテストする実験を実行するために、環境NGO(環境保護有権者同盟)と提携しました。研究者は、公共のツイートやアイデンティティのプライム異なる種類にしようとしたプライベートなダイレクトメッセージの両方を送信するためにNGOのTwitterアカウントを使用していました。研究者はその後、請願に関する請願やリツイート情報に署名する人々を奨励するための最も効果的であったこれらのメッセージのどの測定します。

表4.3:研究の例として、研究者や組織との間のパートナーシップ伝わってきます。いくつかの場合において、研究者は、組織で働きます。
トピック 引用
Facebookのニュースの影響は、情報共有のフィード Bakshy, Rosenn, et al. (2012)
オンライン出会い系サイト上の行動上の部分匿名性の影響 Bapna et al. (2016)
ホームエネルギーの効果は、電気使用量の報告します Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
ウイルスの拡散上のアプリのデザインの効果 Aral and Walker (2011)
拡散にメカニズムを拡散の影響 Taylor, Bakshy, and Aral (2013)
広告における社会的情報の効果 Bakshy, Eckles, et al. (2012)
顧客のさまざまな種類のオンラインカタログを通じ、販売上のカタログ周波数の影響 Simester et al. (2009)
潜在的な仕事のアプリケーション上の人気情報の効果 Gee (2015)
人気上の初期評価の影響 Muchnik, Aral, and Taylor (2013)
政治的動員のメッセージ内容の効果 Coppock, Guess, and Ternovski (2016)

全体的に、強力なと提携することで、そうでなければ行うことは困難であるスケールで動作することが可能となり、表4.3は、研究者と組織間のパートナーシップの他の例を提供します。提携は、独自の実験を構築するよりもはるかに容易にすることができます。しかし、これらの利点は欠点が付属して:パートナーシップは、参加者、トリートメント、あなたが勉強できる結果の種類を制限することができます。さらに、これらのパートナーシップは、倫理的な課題につながることができます。パートナーシップの機会を発見する最良の方法は、あなたが面白い科学をやっているときに解決することができます実際の問題に気づくことです。あなたが世界を見て、このように使用されていない場合は、パスツールのクアドラント内の問題を発見するのは難しいことができますが、実際に、あなたはそれらをより多くの気づき始めるでしょう。