4.5.1.2 ავაშენოთ თქვენი საკუთარი ექსპერიმენტი

მშენებლობის საკუთარი ექსპერიმენტი შეიძლება იყოს ძვირადღირებული, მაგრამ ის საშუალებას მოგცემთ შექმნათ ექსპერიმენტი, რომელიც გსურთ.

გარდა ამისა, overlaying ექსპერიმენტი თავზე არსებული გარემოში, ასევე შეგიძლიათ შექმნათ თქვენი საკუთარი ექსპერიმენტი. მთავარი უპირატესობა ამ მიდგომის კონტროლი; თუ თქვენ ვაშენებთ ექსპერიმენტი, თქვენ შეგიძლიათ შექმნათ გარემოს და მკურნალობა, რომ გსურთ. ეს bespoke ექსპერიმენტული გარემოში შეიძლება შექმნას შესაძლებლობები შესამოწმებლად თეორიები, რომლებიც შეუძლებელია შესამოწმებლად ბუნებრივად გარემოში. მთავარი ნაკლი მშენებლობის საკუთარი ექსპერიმენტი, რომ ეს შეიძლება იყოს ძვირი და, რომ გარემო, რომელიც თქვენ შეუძლია შექმნას შეიძლება არ რეალიზმი ბუნებრივ სისტემა. მკვლევარებმა მშენებლობის საკუთარი ექსპერიმენტი ასევე უნდა ჰქონდეს სტრატეგია გაწვევის მონაწილეებს. როდესაც მუშაობა არსებული სისტემები, მკვლევარები, რომლებიც არსებითად შემოტანა ექსპერიმენტი მათი მონაწილეები. მაგრამ, როდესაც მკვლევარები შექმნან საკუთარი ექსპერიმენტი, მათ სჭირდებათ, რათა მონაწილეებს იგი. საბედნიეროდ, მომსახურება, როგორიცაა Amazon მექანიკური Turk (MTurk) შეუძლია მკვლევართა მოსახერხებელი გზა, რათა მონაწილეებს მათი ექსპერიმენტი.

ერთ-ერთი მაგალითია, რომელიც ასახავს სათნოებით bespoke გარემოში ტესტირების აბსტრაქტულ თეორიებსა არის ციფრული ლაბორატორია ექსპერიმენტი გრიგოლ Huber, Seth Hill, და გაბრიელ Lenz (2012) . ექსპერიმენტი იკვლევს შესაძლო პრაქტიკული შეზღუდვა დემოკრატიული მმართველობა. მანამდე არასამთავრობო ექსპერიმენტული კვლევების ფაქტობრივი არჩევნების ვარაუდობენ, რომ ამომრჩევლები არ არიან შეძლო ზუსტად შეაფასოს შესრულება მოქმედი პოლიტიკოსები. კერძოდ, ამომრჩეველთა, როგორც ჩანს, განიცდიან სამი მიმართულებისა: 1) ორიენტირებულია ბოლო, ვიდრე ერთობლივი შესრულება; 2) manipulatable რიტორიკა, განსაკუთრებით, და მარკეტინგი; და 3) გავლენით მოვლენების უკავშირდება მოქმედი შესრულება, როგორიცაა წარმატება ადგილობრივ სპორტულ გუნდს და ამინდი. ამ ადრე სწავლა, თუმცა, ეს იყო მძიმე იზოლირება რომელიმე ამ ფაქტორების ყველა სხვა პერსონალი, ხდება რეალური, messy არჩევნებში. აქედან გამომდინარე, Huber და კოლეგებმა შექმნეს ძალიან გამარტივებული საარჩევნო გარემოს რათა იზოლაციაში, შემდეგ კი ექსპერიმენტულად შესწავლა, თითოეული ეს სამი შესაძლო გადახრები.

როგორც მე აღწერს ექსპერიმენტული გაშვება ქვემოთ აპირებს გასწავლოთ ძალიან ხელოვნური, მაგრამ გახსოვდეთ, რომ რეალიზმი არ არის მიზანი ლაბორატორიაში სტილის ექსპერიმენტი. პირიქით, მიზანია ნათლად იზოლირება პროცესი, რომელიც თქვენ ცდილობთ შესწავლა და ამ მჭიდრო იზოლაცია ზოგჯერ შეუძლებელია კვლევები უფრო რეალიზმი (Falk and Heckman 2009) . გარდა ამისა, ამ კონკრეტულ შემთხვევაში, მკვლევართა ამტკიცებდა, რომ თუ ამომრჩეველთა ვერ ეფექტურად შეაფასოს ამ უაღრესად გამარტივებული გარემოში, მაშინ ისინი არ აპირებენ შეძლებს ამას უფრო რეალურია, უფრო რთული გარემოში.

Huber და მისმა კოლეგებმა გამოიყენეს Amazon მექანიკური Turk (MTurk) მიღებისათვის მონაწილეებს. მას შემდეგ, რაც მონაწილე უზრუნველყოფილი ინფორმირებული თანხმობა და გავიდა მოკლე ტესტი, მას უთხრეს, რომ იგი მონაწილეობდა 32 ტურში თამაში მიიღოთ სიმბოლოს, რომელიც შეიძლება მოაქცია რეალურ ფულზე. დასაწყისში თამაში, თითოეულ მონაწილეს უთხრეს, რომ ის უკვე დაავალა "Allocator", რომელიც საშუალებას მისცემს მას უფასო სიმბოლოს თითოეული რაუნდის და რომ ზოგიერთი allocators იყო უფრო კეთილშობილური, ვიდრე სხვები. გარდა ამისა, თითოეულ მონაწილეს ასევე განუცხადა, რომ მას აქვს შანსი ან შენარჩუნება მისი Allocator ან დაეკისროს ახალი 16 ტურის შემდეგ თამაში. იმის გათვალისწინებით, თუ რა იცით Huber და კოლეგების კვლევის მიზნების, თქვენ ხედავთ, რომ Allocator წარმოადგენს მთავრობა და ეს არჩევანი წარმოადგენს არჩევნები, მაგრამ მონაწილეები არ იცის ზოგადი მიზნების კვლევა. საერთო ჯამში, Huber და კოლეგები დაკომპლექტდა 4000 მონაწილეები, რომლებიც გადახდილი დაახლოებით $ 1.25 ამოცანა, რომელიც დაახლოებით 8 წუთი.

შეგახსენებთ, რომ ერთ-ერთი დასკვნები ადრე კვლევა იყო, რომ ამომრჩეველთა ჯილდო და დასჯა თანამდებობის შედეგების ნათლად მათი კონტროლის მიღმა, როგორიცაა წარმატება ადგილობრივი სპორტული გუნდები და ამინდი. შეაფასებს თუ არა მონაწილეებს კენჭისყრის გადაწყვეტილებას გავლენის ქვეშ უნდა იყოს მხოლოდ შემთხვევითი მოვლენების მათი გარემოში, Huber და კოლეგებს დასძინა ლატარიის მათი ექსპერიმენტული სისტემა. ორივე მე -8 ტურში და მე -16 ტურში, (ანუ, ადრე შანსი შეცვალოს Allocator) მონაწილეები შემთხვევით განთავსებული ლატარიის, სადაც რამდენიმე მოიგო 5000 ქულა, ზოგიერთი მოიგო 0 რაოდენობა, და რაღაც დაკარგა 5000 ქულა. ეს გათამაშება იყო განკუთვნილი mimic კარგი ან ცუდი ამბავი, რომ არის დამოუკიდებელი შესრულების პოლიტიკოსი. მიუხედავად იმისა, რომ მონაწილეებს მკაფიოდ უთხრა, რომ ლატარიის არ უკავშირდება შესრულება მათი Allocator, შედეგს ლატარიის მაინც იმოქმედა მონაწილეთა გადაწყვეტილებები. მონაწილეებს, რომ ისარგებლა ლატარიის უფრო სავარაუდოა, რომ მათი Allocator, და ეს ეფექტი უფრო ძლიერი იყო, როდესაც ლატარიის მოხდა ტურში 16-ადრე ჩანაცვლება გადაწყვეტილების ვიდრე მაშინ, როდესაც ეს მოხდა რაუნდი 8 (დიაგრამა 4.14). ეს შედეგები, ერთად სულ რამდენიმე სხვა ექსპერიმენტი ქაღალდი, რომელსაც Huber და კოლეგებს დავასკვნათ, რომ თუნდაც გამარტივებული გარემოში, ამომრჩეველს აქვს სირთულის გონივრული გადაწყვეტილებების მიღებაში, შედეგი რომ იმოქმედა მომავალი კვლევა ამომრჩეველთა გადაწყვეტილების მიღების (Healy and Malhotra 2013) . ექსპერიმენტი Huber და კოლეგებს გვიჩვენებს, რომ MTurk შეიძლება გამოყენებულ იქნას გაწვევის მონაწილეთა ლაბორატორიაში სტილის ექსპერიმენტი ზუსტად ტესტი ძალიან კონკრეტული თეორიები. ის ასევე ადასტურებს, ღირებულება მშენებლობის საკუთარი ექსპერიმენტული გარემო: ეს არის რთული წარმოსადგენია, როგორ შეიძლება ამ იგივე პროცესები შეიძლება არ იყო იზოლირებული ასე სუფთად სხვა პარამეტრი.

ფიგურა 4.14: შედეგები Huber, Hill, და Lenz (2012). მონაწილეებს, რომ ისარგებლა ლატარიის უფრო სავარაუდოა, რომ ინარჩუნებენ Allocator, და ეს ეფექტი უფრო ძლიერი იყო, როდესაც ლატარიის მოხდა ტურში 16-ადრე ჩანაცვლება გადაწყვეტილების ვიდრე მაშინ, როდესაც ეს მოხდა რაუნდი 8.

ფიგურა 4.14: შედეგები Huber, Hill, and Lenz (2012) . მონაწილეებს, რომ ისარგებლა ლატარიის უფრო სავარაუდოა, რომ ინარჩუნებენ Allocator, და ეს ეფექტი უფრო ძლიერი იყო, როდესაც ლატარიის მოხდა ტურში 16-ადრე ჩანაცვლება გადაწყვეტილების ვიდრე მაშინ, როდესაც ეს მოხდა რაუნდი 8.

გარდა ამისა, მშენებლობის ლაბორატორიაში მსგავსი ექსპერიმენტი, მკვლევარები ასევე შეგიძლიათ აშენება ექსპერიმენტი, რომ უფრო სფეროში მსგავსი. მაგალითად, Centola (2010) ჩაშენებული ციფრული სფეროში ექსპერიმენტი შესწავლა ეფექტი სოციალური ქსელის სტრუქტურა გავრცელების ქცევა. მისი კვლევის საკითხი აუცილებელი მას დაიცვას იგივე ქცევის გავრცელების მოსახლეობის, რომელიც ჰქონდა სხვადასხვა სოციალური ქსელის სტრუქტურები, მაგრამ სხვაგვარად არ განსხვავდება. ერთადერთი გზა ამის გაკეთება იყო bespoke, საბაჟო აშენებული ექსპერიმენტი. ამ შემთხვევაში, Centola აგებული ვებ დაფუძნებული ჯანმრთელობის თანამეგობრობას.

Centola დაკომპლექტდა 1500 მონაწილეებს სარეკლამო ჯანმრთელობის საიტებზე. როდესაც მონაწილეები მივიდნენ ონლაინ თანამეგობრობის რომელსაც ჯანსაღი ცხოვრების წესის ქსელის ისინი იმ პირობით, ინფორმირებული თანხმობა და შემდეგ იყო დანიშნული "ჯანმრთელობის buddies." იმის გამო, რომ გზა Centola ენიჭება ამ ჯანმრთელობის buddies მან შეძლო ერთმანეთთან სხვადასხვა სოციალური ქსელის სტრუქტურები სხვადასხვა ჯგუფები. ზოგიერთი ჯგუფები აშენდა შემთხვევითი ქსელები (სადაც ყველას თანაბრად შესაძლებელია დაკავშირებული იყოს) და სხვა ჯგუფების აშენდა აქვს ეშვება ქსელები (სადაც კავშირები უფრო ადგილობრივად მკვრივი). ამის შემდეგ, Centola გააცნო ახალი ქცევა თითოეული ქსელის, შანსი, რომ დარეგისტრირდეთ ახალი ნახვა დამატებითი ჯანმრთელობის ინფორმაციას. როდესაც ვინმე მოაწერა ხელი ამ ახალი ნახვა, ყველა მისი ჯანმრთელობის buddies მივიღე ელ აცხადებს ეს საქციელი. Centola აღმოჩნდა, რომ ეს საქციელი ხელმოწერის-მდე ახალი ვებ-გავრცელება უფრო და უფრო სწრაფად ეშვება ქსელში, ვიდრე შემთხვევითი ქსელში, დასკვნა, რომ ეწინააღმდეგება ზოგიერთი არსებული თეორიები.

საერთო ჯამში, მშენებლობის საკუთარი ექსპერიმენტი გაძლევთ გაცილებით უფრო მეტი კონტროლი; ეს გაძლევთ საშუალებას მშენებლობა საუკეთესო გარემო იზოლირება რა გსურთ სწავლა. ძნელი წარმოსადგენია, თუ როგორ ან ეს ექსპერიმენტები შეიძლება უკვე შესრულდა უკვე არსებულ გარემოს. გარდა ამისა, მშენებლობის საკუთარი სისტემა ამცირებს ეთიკური შეშფოთება გარშემო ექსპერიმენტებს არსებული სისტემები. როდესაც თქვენ აშენება თქვენი საკუთარი ექსპერიმენტი, თუმცა, თქვენ გადაეყარონ ბევრი პრობლემა, რომელიც გვხვდება ლაბორატორია ექსპერიმენტი: დასაქმებაზე მონაწილეებს და შეშფოთება რეალიზმი. საბოლოო downside არის, რომ მშენებლობის საკუთარი ექსპერიმენტი შეიძლება იყოს ძვირი და შრომატევადი, თუმცა, როგორც ამ მაგალითებიდან ჩანს, რომ ექსპერიმენტი მერყეობს შედარებით მარტივი გარემოში (მაგალითად, სასწავლო კენჭისყრის Huber, Hill, and Lenz (2012) ), რათა შედარებით რთული გარემოში (როგორიცაა შესწავლა ქსელები და სენი მიერ Centola (2010) ).