4.5.4 សហការជាមួយអ្នកមានអំណាច

ដគូអាចកាត់បន្ថយការចំណាយនិងបង្កើនមាត្រដ្ឋាន, ប៉ុន្តែវាអាចផ្លាស់ប្តូរប្រភេទនៃការចូលរួម, ការព្យាបាល, និងលទ្ធផលដែលអ្នកអាចប្រើ។

ជម្រើសដើម្បីធ្វើវាដោយខ្លួនឯងគឺជាដៃគូជាមួយអង្គការដ៏មានឥទ្ធិពលដូចជាក្រុមហ៊ុនរដ្ឋាភិបាលឬអង្គការក្រៅរដ្ឋាភិបាល។ គុណសម្បត្តិនៃការធ្វើការជាមួយដៃគូគឺថាពួកគេអាចជួយអ្នកឱ្យដំណើរការពិសោធន៍ដែលអ្នកមិនអាចធ្វើបានដោយខ្លួនឯង។ ឧទាហរណ៍ការពិសោធន៍មួយដែលខ្ញុំនឹងប្រាប់អ្នកអំពីអ្នកចូលរួមមានចំនួន 61 លាននាក់ - គ្មានអ្នកស្រាវជ្រាវណាម្នាក់អាចសម្រេចបានតាមមាត្រដ្ឋាននោះទេ។ ក្នុងពេលជាមួយគ្នានេះភាពជាដៃគូបង្កើនអ្វីដែលអ្នកអាចធ្វើបានវាក៏បង្ខំអ្នកផងដែរ។ ឧទាហរណ៍ក្រុមហ៊ុនភាគច្រើននឹងមិនអនុញ្ញាតិឱ្យអ្នកដំណើរការពិសោធន៍ដែលអាចប៉ះពាល់ដល់អាជីវកម្មឬកេរ្តិ៍ឈ្មោះរបស់ពួកគេ។ ការធ្វើការជាមួយដៃគូក៏មានន័យថានៅពេលវាចេញផ្សាយមកអ្នកអាចស្ថិតក្រោមសម្ពាធដើម្បី "បង្វិលស៊ុមឡើងវិញ" នូវលទ្ធផលរបស់អ្នកហើយដៃគូខ្លះអាចរារាំងការបោះផ្សាយការងាររបស់អ្នកប្រសិនបើវាធ្វើឱ្យពួកគេមើលទៅមិនល្អ។ ចុងបញ្ចប់ភាពជាដៃគូក៏បានភ្ជាប់មកជាមួយនូវការចំណាយទាក់ទងនឹងការអភិវឌ្ឍន៍និងរក្សាកិច្ចសហការទាំងនេះ។

បញ្ហាប្រឈមសំខាន់ៗដែលត្រូវដោះស្រាយដើម្បីធ្វើឱ្យភាពជាដៃគូទាំងនេះទទួលបានជោគជ័យគឺការស្វែងរកមធ្យោបាយដើម្បីធ្វើឱ្យមានតុល្យភាពរវាងផលប្រយោជន៍របស់ភាគីទាំងពីរនិងវិធីសាស្ត្រដ៏មានប្រយោជន៍ក្នុងការគិតពីតុល្យភាពនោះគឺ Quadrant របស់ Pasteur (Stokes 1997) ។ ក្រុមអ្នកស្រាវជ្រាវជាច្រើនគិតថាប្រសិនបើពួកគេធ្វើការលើអ្វីមួយដែលមានប្រយោជន៍ - ជាអ្វីដែលជាចំណាប់អារម្មណ៍ចំពោះដៃគូ - នោះពួកគេមិនអាចធ្វើវិទ្យាសាស្ត្រពិតប្រាកដបានទេ។ ផ្នត់គំនិតនេះនឹងធ្វើឱ្យមានការលំបាកក្នុងការបង្កើតភាពជាដៃគូដ៏ជោគជ័យហើយវាក៏កើតឡើងខុសទាំងស្រុង។ បញ្ហានៃវិធីនៃការគិតនេះត្រូវបានបង្ហាញយ៉ាងអស្ចារ្យដោយអ្នកស្រាវជ្រាវជីវវិទូលោក Louis Pasteur ។ ខណៈពេលដែលកំពុងធ្វើការលើគម្រោងផ្សែងពាណិជ្ជកម្មដើម្បីប្តូរទឹកសណ្តែកទៅជាអាល់កុលប៉ាស្ទ័របានរកឃើញប្រភេទមីក្រូរីសថ្មីមួយដែលនាំឱ្យមានទ្រឹស្តីនៃជម្ងឺ។ ការរកឃើញនេះបានដោះស្រាយបញ្ហាជាក់ស្តែងណាស់ - វាជួយកែលម្អដំណើរការនៃការឡើងមេទី - ហើយវាបាននាំទៅរកការជឿនលឿនផ្នែកវិទ្យាសាស្រ្តដ៏សំខាន់មួយ។ ដូច្នេះជាជាងគិតអំពីការស្រាវជ្រាវជាមួយកម្មវិធីជាក់ស្តែងថាជាការប៉ះទង្គិចជាមួយនឹងការស្រាវជ្រាវវិទ្យាសាស្រ្តពិតវាជាការប្រសើរជាងក្នុងការគិតថាទាំងនេះជាវិមាត្រពីរផ្សេងគ្នា។ ការស្រាវជ្រាវអាចត្រូវបានលើកទឹកចិត្តដោយការប្រើប្រាស់ (ឬមិនបាន) ហើយការស្រាវជ្រាវអាចស្វែងរកការយល់ដឹងជាមូលដ្ឋាន (ឬមិន) ។ សំខាន់បំផុតការស្រាវជ្រាវមួយចំនួនដូចជាប៉ាស្ទ័រអាចត្រូវបានលើកទឹកចិត្តដោយការប្រើប្រាស់និងស្វែងរកការយល់ដឹងជាមូលដ្ឋាន (រូបភាព 4.17) ។ ការស្រាវជ្រាវនៅក្នុងការស្រាវជ្រាវ Quadrant របស់ប៉ាស្ទ័រដែលភ្ជាប់ជាពីរគោលដៅ - ជាការល្អសម្រាប់ការសហការគ្នារវាងក្រុមអ្នកស្រាវជ្រាវនិងដៃគូ។ ដោយមានមូលដ្ឋានគ្រឹះខ្ញុំនឹងរៀបរាប់ពីការសិក្សាពិសោធន៍ពីរជាមួយដៃគូ: មួយជាមួយក្រុមហ៊ុនមួយនិងអង្គការមួយជាមួយអង្គការក្រៅរដ្ឋាភិបាល។

រូបភាព 4.17: Quadrant របស់ប៉ាស្ទ័រ (Stokes 1997) ។ ជាជាងគិតពីការស្រាវជ្រាវជាមូលដ្ឋានឬអនុវត្តវាជាការប្រសើរជាងក្នុងការគិតថាវាត្រូវបានជម្រុញដោយការប្រើប្រាស់ (ឬមិន) និងស្វែងរកការយល់ដឹងជាមូលដ្ឋាន (ឬមិន) ។ ឧទាហរណ៍នៃការស្រាវជ្រាវដែលទាំងពីរត្រូវបានជម្រុញដោយការប្រើប្រាស់និងការស្វែងយល់ពីមូលដ្ឋានគឺការងាររបស់ប៉ាស្ទ័រលើការបម្លែងទឹក beet ទៅជាអាល់កុលដែលនាំឱ្យមានទ្រឹស្តីមគជំងឺ។ នេះគឺជាប្រភេទការងារដែលសមស្របបំផុតសម្រាប់ភាពជាដៃគូជាមួយអ្នកមានអំណាច។ ឧទាហរណ៏នៃការងារដែលត្រូវបានជម្រុញដោយការប្រើប្រាស់ប៉ុន្តែមិនស្វែងរកការយល់ដឹងជាមូលដ្ឋានមកពីថូម៉ាសអេឌីសុននិងឧទាហរណ៍នៃការងារដែលមិនត្រូវបានជម្រុញដោយការប្រើប្រាស់ប៉ុន្តែដែលស្វែងរកការយល់ដឹងមកពី Niels Bohr ។ សូមមើល Stokes (1997) សម្រាប់ការពិភាក្សាដ៏ហ្មត់ចត់អំពីក្របខ័ណ្ឌនេះនិងករណីនីមួយៗ។ សម្របសម្រួលពី Stokes (1997) តួលេខ 3.5 ។

រូបភាព 4.17: Quadrant របស់ប៉ាស្ទ័រ (Stokes 1997) ។ ជាជាងគិតពីការស្រាវជ្រាវថាជា "មូលដ្ឋាន" ឬ "បានអនុវត្ត" វាជាការប្រសើរជាងក្នុងការគិតថាវាត្រូវបានជម្រុញដោយការប្រើ (ឬមិន) និងស្វែងរកការយល់ដឹងជាមូលដ្ឋាន (ឬមិនបាន) ។ ឧទាហរណ៍នៃការស្រាវជ្រាវដែលទាំងពីរត្រូវបានជម្រុញដោយការប្រើប្រាស់និងការស្វែងយល់ពីមូលដ្ឋានគឺការងាររបស់ប៉ាស្ទ័រលើការបម្លែងទឹក beet ទៅជាអាល់កុលដែលនាំឱ្យមានទ្រឹស្តីមគជំងឺ។ នេះគឺជាប្រភេទការងារដែលសមស្របបំផុតសម្រាប់ភាពជាដៃគូជាមួយអ្នកមានអំណាច។ ឧទាហរណ៏នៃការងារដែលត្រូវបានជម្រុញដោយការប្រើប្រាស់ប៉ុន្តែមិនស្វែងរកការយល់ដឹងជាមូលដ្ឋានមកពីថូម៉ាសអេឌីសុននិងឧទាហរណ៍នៃការងារដែលមិនត្រូវបានជម្រុញដោយការប្រើប្រាស់ប៉ុន្តែដែលស្វែងរកការយល់ដឹងមកពី Niels Bohr ។ សូមមើល Stokes (1997) សម្រាប់ការពិភាក្សាដ៏ហ្មត់ចត់អំពីក្របខ័ណ្ឌនេះនិងករណីនីមួយៗ។ សម្របសម្រួលពី Stokes (1997) តួលេខ 3.5 ។

ក្រុមហ៊ុនធំ ៗ ជាពិសេសក្រុមហ៊ុនបច្ចេកវិទ្យាបានបង្កើតហេដ្ឋារចនាសម្ព័ន្ធទំនើបដែលមិនគួរឱ្យជឿដើម្បីដំណើរការពិសោធន៍ស្មុគស្មាញ។ នៅក្នុងឧស្សាហកម្មបច្ចេកវិទ្យាការពិសោធន៍ទាំងនេះជាញឹកញាប់ត្រូវបានគេហៅថាតេស្ត A / B ពីព្រោះពួកគេប្រៀបធៀបប្រសិទ្ធភាពនៃការព្យាបាលពីរ: A និង B ។ ការធ្វើពិសោធន៍បែបនេះតែងតែដំណើរការសម្រាប់អ្វីមួយដូចជាការបង្កើនអត្រាចុចតាមរយៈពាណិជ្ជកម្មប៉ុន្តែហេដ្ឋារចនាសម្ព័ន្ធពិសោធន៍ដូចគ្នាក៏អាច ត្រូវបានប្រើសម្រាប់ការស្រាវជ្រាវដែលជំរុញការយល់ដឹងផ្នែកវិទ្យាសាស្រ្ត។ ឧទាហរណ៏ដែលបង្ហាញអំពីសក្តានុពលនៃការស្រាវជ្រាវប្រភេទនេះគឺជាការសិក្សាមួយដែលធ្វើឡើងដោយភាពជាដៃគូរវាងអ្នកស្រាវជ្រាវនៅហ្វេសបនិងសាកលវិទ្យាល័យកាលីហ្វ័រនីញ៉ានៅទីក្រុងសានឌូហ្គោចំពោះផលប៉ះពាល់នៃសារលិខិតផ្សេងៗគ្នាលើការបោះឆ្នោត (Bond et al. 2012)

នៅថ្ងៃទី 2 ខែវិច្ឆិកាឆ្នាំ 2010 ជាថ្ងៃនៃការបោះឆ្នោតសភាអាមេរិកដែលមានអ្នកប្រើហ្វេសប៊ុកចំនួន 61 លាននាក់ដែលបានរស់នៅសហរដ្ឋអាមេរិកហើយមានអាយុ 18 ឆ្នាំហើយដែលបានចូលរួមក្នុងការពិសោធអំពីការបោះឆ្នោត។ នៅពេលបើកមើលគេហទំព័រហ្វេសប៊ុកអ្នកប្រើត្រូវបានចាត់ចូលទៅក្នុងក្រុមមួយក្នុងចំណោមបីក្រុមដែលកំណត់ថាតើផ្ទាំងបដាណាត្រូវបានដាក់នៅផ្នែកខាងលើនៃពត៌មានរបស់ពួកគេ (រូបភាព 4.18):

  • ក្រុមត្រួតពិនិត្យ
  • សារព័ត៌មានអំពីការបោះឆ្នោតដោយចុចប៊ូតុង "ខ្ញុំបានបោះឆ្នោត" និងរាប់ (ព័ត៌មាន)
  • សារព័ត៌មានអំពីការបោះឆ្នោតដោយចុចប៊ូតុង "ខ្ញុំបានបោះឆ្នោត" និងរាប់រាប់បញ្ចូលទាំងឈ្មោះនិងរូបភាពមិត្តភក្ដិរបស់ពួកគេដែលបានចុចលើ "ខ្ញុំបានបោះឆ្នោត" (Info + Social)

Bond និងមិត្តរួមការងាររបស់គាត់បានសិក្សាពីលទ្ធផលសំខាន់ៗពីរគឺការរាយការណ៍ពីឥរិយាបថបោះឆ្នោតនិងឥរិយាបថបោះឆ្នោត។ ដំបូងពួកគេបានរកឃើញថាមនុស្សនៅក្នុងក្រុម Info + Social មានចំនួនប្រហែល 2 ភាគរយច្រើនជាងអ្នកដែលនៅក្នុងក្រុម Info ដើម្បីចុច "I Voted" (ប្រហែល 20% ធៀបនឹង 18%) ។ លើសពីនេះទៀតបន្ទាប់ពីអ្នកស្រាវជ្រាវបានច្របាច់បញ្ចូលគ្នានូវទិន្នន័យបោះឆ្នោតដែលអាចរកបានជាសាធារណៈសម្រាប់ប្រជាជនប្រហែល 6 លាននាក់ពួកគេបានរកឃើញថាប្រជាជននៅក្នុងក្រុមព័ត៌មាន + សង្គមមានពិន្ទុ 0,39 ភាគរយច្រើនជាងអ្នកដែលនៅក្នុងក្រុមត្រួតពិនិត្យហើយថាមនុស្សនៅក្នុងក្រុម Info គឺមានលទ្ធភាពក្នុងការបោះឆ្នោតជាអ្នកដែលស្ថិតក្នុងក្រុមត្រួតពិនិត្យ (តួលេខ 4.18) ។

រូបភាពទី 4.18: លទ្ធផលពីការធ្វើតេស្តសាកល្បងលើហ្វេសប៊ុក (Bond et al ។ , 2012) ។ អ្នកចូលរួមក្នុងក្រុមព័ត៌មានបានបោះឆ្នោតតាមអត្រាដូចគ្នានឹងអ្នកដែលស្ថិតក្នុងក្រុមគ្រប់គ្រងប៉ុន្តែប្រជាជននៅក្នុងក្រុម Info + Social បានបោះឆ្នោតតាមអត្រាខ្ពស់ជាងបន្តិច។ របារតំណាងឱ្យចន្លោះប្រហោងនៃទំនុកចិត្ត 95% ។ លទ្ធផលនៅក្នុងក្រាហ្វគឺសម្រាប់អ្នកចូលរួមប្រហែល 6 លាននាក់ដែលត្រូវបានគេផ្គូរផ្គងទៅនឹងកំណត់ត្រាបោះឆ្នោត។ សម្របខ្លួនពី Bond et al ។ (2012), រូបទី 1 ។

រូបភាពទី 4.18: លទ្ធផលពីការធ្វើតេស្តសាកល្បងលើហ្វេសប៊ុក (Bond et al. 2012) ។ អ្នកចូលរួមក្នុងក្រុមព័ត៌មានបានបោះឆ្នោតតាមអត្រាដូចគ្នានឹងអ្នកដែលស្ថិតក្នុងក្រុមគ្រប់គ្រងប៉ុន្តែប្រជាជននៅក្នុងក្រុម Info + Social បានបោះឆ្នោតតាមអត្រាខ្ពស់ជាងបន្តិច។ របារតំណាងឱ្យចន្លោះប្រហោងនៃទំនុកចិត្ត 95% ។ លទ្ធផលនៅក្នុងក្រាហ្វគឺសម្រាប់អ្នកចូលរួមប្រហែល 6 លាននាក់ដែលត្រូវបានគេផ្គូរផ្គងទៅនឹងកំណត់ត្រាបោះឆ្នោត។ សម្របខ្លួនពី Bond et al. (2012) , រូបទី 1 ។

លទ្ធផលនៃការពិសោធន៍នេះបង្ហាញថាសារអេឡិចត្រូនិកតាមអ៊ីនធឺរណែតមានប្រសិទ្ធភាពជាងអ្នកដទៃហើយថាការប៉ាន់ស្មានរបស់អ្នកស្រាវជ្រាវអំពីប្រសិទ្ធភាពអាចអាស្រ័យលើថាតើលទ្ធផលត្រូវបានរាយការណ៍ថាបានបោះឆ្នោតឬការបោះឆ្នោតពិតប្រាកដ។ ការពិសោធន៍នេះជាអកុសលមិនបានផ្តល់នូវតម្រុយណាមួយអំពីយន្តការដែលព័ត៌មានវិទ្យាសង្គមដែលអ្នកស្រាវជ្រាវមួយចំនួនបានហៅថា«គំនរមុខ»នោះបានបង្កើនការបោះឆ្នោត។ វាអាចថាព័ត៌មានសង្គមបានបង្កើនលទ្ធភាពដែលនរណាម្នាក់កត់សម្គាល់ផ្ទាំងបដាឬថាវាបង្កើនប្រូបាប៊ីលីតេដែលអ្នកដែលកត់សម្គាល់ថាផ្ទាំងបដាពិតបានបោះឆ្នោតឬទាំងពីរ។ ដូច្នេះពិសោធន៍នេះផ្តល់នូវការរកឃើញគួរឱ្យចាប់អារម្មណ៍ដែលអ្នកស្រាវជ្រាវដទៃទៀតទំនងជានឹងធ្វើការរុករក (ឧទាហរណ៍ដូចជា Bakshy, Eckles, et al. (2012) ) ។

បន្ថែមលើការពន្លឿនគោលដៅរបស់ក្រុមអ្នកស្រាវជ្រាវការពិសោធន៍នេះក៏បានបង្កើនគោលដៅនៃអង្គការដៃគូ (ហ្វេសប៊ុក) ផងដែរ។ ប្រសិនបើអ្នកផ្លាស់ប្តូរអាកប្បកិរិយាដែលបានសិក្សាពីការបោះឆ្នោតទៅទិញសាប៊ូនោះអ្នកអាចឃើញថាការសិក្សានេះមានរចនាសម្ព័ន្ធដូចគ្នានឹងការពិសោធន៍ដើម្បីវាស់ប្រសិទ្ធិភាពនៃការផ្សព្វផ្សាយតាមអ៊ីនធឺរណែត (ឧទាហរណ៍ RA Lewis and Rao (2015) ) ។ ការសិក្សាប្រសិទ្ធភាពនៃការផ្សាយពាណិជ្ជកម្មទាំងនេះជាញឹកញាប់វាស់ប្រសិទ្ធិភាពនៃការផ្សាយពាណិជ្ជកម្មតាមអ៊ិនធរណេត - ការព្យាបាលនៅ Bond et al. (2012) គឺជាមូលដ្ឋាននៃការផ្សព្វផ្សាយសម្រាប់ឥរិយាបថក្រៅបណ្ដាញលើការបោះឆ្នោត។ ដូច្នេះការស្រាវជ្រាវនេះអាចជំរុញសមត្ថភាពរបស់ Facebook ក្នុងការសិក្សាពីប្រសិទ្ធភាពនៃការផ្សព្វផ្សាយតាមអ៊ិនធរណេតនិងអាចជួយ Facebook បញ្ចុះបញ្ចូលអ្នកផ្សាយពាណិជ្ជកម្មដែលមានសក្ដានុពលថាការផ្សព្វផ្សាយហ្វេសប៊ុកមានប្រសិទ្ធភាពក្នុងការផ្លាស់ប្តូរអាកប្បកិរិយា។

ថ្វីបើផលប្រយោជន៍របស់អ្នកស្រាវជ្រាវនិងដៃគូគឺភាគច្រើនស្របតាមការសិក្សានេះក៏ដោយក៏ពួកគេក៏មានភាពតានតឹងផ្នែកខ្លះផងដែរ។ ជាពិសេសការបែងចែកអ្នកចូលរួមទៅក្រុមត្រួតពិនិត្យទាំងបីគឺ Info, Info និង Social - គឺមិនមានតុល្យភាពយ៉ាងខ្លាំង: 98% នៃគំរូត្រូវបានគេផ្តល់ទៅ Info + Social ។ ការបែងចែកមិនស្មើគ្នានេះគឺស្ថិតស្ថេរដោយគ្មានប្រសិទ្ធភាពហើយការបែងចែកល្អប្រសើរជាងមុនសម្រាប់អ្នកស្រាវជ្រាវនឹងមានអ្នកចូលរួមមួយភាគបីនៃក្រុមនីមួយៗ។ ប៉ុន្តែការបែងចែកមិនស្មើគ្នាបានកើតឡើងដោយសារតែហ្វេសប៊ុកចង់ឱ្យមនុស្សគ្រប់គ្នាទទួលបានព័ត៌មានអំពីការព្យាបាលសង្គម។ ជាសំណាងល្អក្រុមអ្នកស្រាវជ្រាវបានបញ្ចុះបញ្ចូលពួកគេឱ្យរក្សាការព្យាបាល 1% និងអ្នកចូលរួម 1% សម្រាប់ក្រុមគ្រប់គ្រង។ បើគ្មានក្រុមត្រួតពិនិត្យទេនោះវាមិនអាចធ្វើទៅបានដើម្បីវាស់ឥទ្ធិពលនៃព័ត៌មាន + ការព្យាបាលសង្គមព្រោះវាអាចជាការធ្វើឱ្យប៉ះពាល់និងសង្កេតមើលការពិសោធន៍ជាជាងការពិសោធន៍ពិសោធន៍ដោយចៃដន្យ។ ឧទាហរណ៍នេះផ្តល់នូវមេរៀនជាក់ស្តែងដ៏មានតម្លៃសម្រាប់ធ្វើការជាមួយដៃគូ: ជួនកាលអ្នកបង្កើតការពិសោធន៍ដោយបញ្ចុះបញ្ចូលនរណាម្នាក់ឱ្យផ្តល់ការព្យាបាលហើយជួនកាលអ្នកបង្កើតការពិសោធន៍ដោយបញ្ចុះបញ្ចូលអ្នកណាម្នាក់មិនឱ្យធ្វើការព្យាបាល (ឧទាហរណ៍ដើម្បីបង្កើតក្រុមត្រួតពិនិត្យ) ។

ភាពជាដៃគូមិនតែងតែត្រូវចូលរួមជាមួយក្រុមហ៊ុនបច្ចេកវិទ្យានិងការធ្វើតេស្ត A / B ជាមួយអ្នកចូលរួមរាប់លាននាក់នោះទេ។ ឧទហរណ៍ Alexander Coppock, Andrew Guess និង John Ternovski (2016) ចាប់ដៃគូជាមួយអង្គការក្រៅរដ្ឋាភិបាលបរិស្ថាន - សម្ព័ន្ធដើម្បីអភិរក្សអភិរក្ស - ដើម្បីធ្វើពិសោធន៍សាកល្បងយុទ្ធសាស្ត្រផ្សេងៗដើម្បីលើកកម្ពស់ចលនាសង្គម។ ក្រុមអ្នកស្រាវជ្រាវបានប្រើគណនី Twitter របស់អង្គការដើម្បីផ្ញើចេញនូវសារធារណៈនិងសារផ្ទាល់ឯកជនដែលព្យាយាមបង្កើតប្រភេទអត្តសញ្ញាណផ្សេងគ្នា។ បន្ទាប់មកពួកគេបានវាស់វែងថាសារណាទាំងនេះមានប្រសិទ្ធភាពបំផុតក្នុងការលើកទឹកចិត្តឱ្យមនុស្សចុះហត្ថលេខាលើញត្តិនិងពត៌មានផ្សព្វផ្សាយអំពីញត្តិមួយ។

តារាង 4.3: ឧទាហរណ៏នៃពិសោធន៍ដែលមានភាពជាដៃគូរវាងអ្នកស្រាវជ្រាវនិងអង្គការ
ប្រធានបទ សេចក្ដីយោង
ឥទ្ធិពលនៃព័ត៌មានហ្វេសប៊ុកស្តីពីការចែករំលែកព័ត៌មាន Bakshy, Rosenn, et al. (2012)
ផលប៉ះពាល់នៃភាពអនាមិកផ្នែកនៅលើឥរិយាបថលើវេបសាយណាត់លើបណ្តាញ Bapna et al. (2016)
ឥទ្ធិពលនៃរបាយការណ៍ថាមពលផ្ទះនៅលើការប្រើប្រាស់អគ្គិសនី Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
ឥទ្ធិពលនៃការរចនាកម្មវិធីនៅលើការរាលដាលមេរោគ Aral and Walker (2011)
ឥទ្ធិពលនៃយន្តការរីករាលដាលនៅលើការសាយភាយ SJ Taylor, Bakshy, and Aral (2013)
ផលប៉ះពាល់នៃព័ត៌មានសង្គមនៅក្នុងការផ្សាយពាណិជ្ជកម្ម Bakshy, Eckles, et al. (2012)
ប្រសិទ្ធិភាពនៃភាពញឹកញាប់នៃកាតាឡុកនៅលើការលក់តាមរយៈកាតាឡុកនិងលើបណ្តាញសម្រាប់ប្រភេទផ្សេងគ្នានៃអតិថិជន Simester et al. (2009)
ប្រសិទ្ធិភាពនៃពត៌មានប្រជាប្រិយភាពលើកម្មវិធីការងារមានសក្តានុពល Gee (2015)
ផលប៉ះពាល់នៃការផ្តល់ចំណាត់ថ្នាក់ដំបូងលើប្រជាប្រិយភាព Muchnik, Aral, and Taylor (2013)
ឥទ្ធិពលនៃមាតិកាសារស្តីពីការកែទម្រង់នយោបាយ Coppock, Guess, and Ternovski (2016)

ជារួមការធ្វើជាដៃគូជាមួយអ្នកមានអំណាចជួយឱ្យអ្នកធ្វើសកម្មភាពដែលមានការពិបាកក្នុងការធ្វើហើយតារាង 4.3 បង្ហាញឧទាហរណ៍នៃភាពជាដៃគូរវាងអ្នកស្រាវជ្រាវនិងអង្គការ។ ភាពជាដៃគូអាចមានភាពងាយស្រួលជាងការបង្កើតបទពិសោធន៍ផ្ទាល់ខ្លួនរបស់អ្នក។ ប៉ុន្តែគុណសម្បត្តិទាំងនេះមានគុណវិបត្តិ: ភាពជាដៃគូអាចកំណត់ប្រភេទនៃអ្នកចូលរួមការព្យាបាលនិងលទ្ធផលដែលអ្នកអាចសិក្សា។ លើសពីនេះភាពជាដៃគូទាំងនេះអាចនាំឱ្យមានបញ្ហាប្រឈមខាងសីលធម៌។ មធ្យោបាយល្អបំផុតដើម្បីរកឱកាសសម្រាប់ភាពជាដៃគូមួយគឺត្រូវកត់សម្គាល់បញ្ហាពិតប្រាកដដែលអ្នកអាចដោះស្រាយនៅពេលដែលអ្នកកំពុងធ្វើចំណេះដឹងផ្នែកវិទ្យាសាស្ត្រ។ ប្រសិនបើអ្នកមិនត្រូវបានគេប្រើដើម្បីមើលពិភពលោកនេះវាអាចពិបាកក្នុងការមើលឃើញបញ្ហានៅក្នុង Pasteur របស់ Quadrant ប៉ុន្តែជាមួយនឹងការអនុវត្តអ្នកនឹងចាប់ផ្តើមកត់សម្គាល់ឃើញពួកគេកាន់តែច្រើន។