4.5.2 ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸಿ

ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗ ಕಟ್ಟಡ ದುಬಾರಿ ಇರಬಹುದು, ಆದರೆ ಇದು ನೀವು ಬಯಸುವ ಪ್ರಯೋಗ ರಚಿಸಲು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ.

ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪರಿಸರಗಳ ಮೇಲೆ ಪ್ರಯೋಗಗಳನ್ನು ಒತ್ತುವ ಜೊತೆಗೆ, ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನೂ ನೀವು ರಚಿಸಬಹುದು. ಈ ವಿಧಾನದ ಮುಖ್ಯ ಪ್ರಯೋಜನವೆಂದರೆ ನಿಯಂತ್ರಣ; ನೀವು ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದರೆ, ನೀವು ಬಯಸುವ ಪರಿಸರ ಮತ್ತು ಚಿಕಿತ್ಸೆಯನ್ನು ನೀವು ರಚಿಸಬಹುದು. ಈ ಬೆಸ್ಪೋಕ್ ಪ್ರಾಯೋಗಿಕ ಪರಿಸರದಲ್ಲಿ ನೈಸರ್ಗಿಕವಾಗಿ ಪರಿಸರದಲ್ಲಿ ಪರೀಕ್ಷಿಸಲು ಅಸಾಧ್ಯವಾದ ಸಿದ್ಧಾಂತಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಅವಕಾಶಗಳನ್ನು ರಚಿಸಬಹುದು. ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸುವ ಮುಖ್ಯ ನ್ಯೂನತೆಗಳು ಇದು ದುಬಾರಿಯಾಗಬಹುದು ಮತ್ತು ನೀವು ರಚಿಸಬಹುದಾದ ಪರಿಸರವು ನೈಸರ್ಗಿಕವಾಗಿ ಸಂಭವಿಸುವ ವ್ಯವಸ್ಥೆಯ ನೈಜತೆಯನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ ಎಂಬುದು. ಸಂಶೋಧಕರು ತಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ರಚಿಸುವವರು ಸಹ ಭಾಗವಹಿಸುವವರ ನೇಮಕಕ್ಕೆ ಒಂದು ತಂತ್ರವನ್ನು ಹೊಂದಿರಬೇಕು. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುವಾಗ, ಸಂಶೋಧಕರು ಮೂಲಭೂತವಾಗಿ ತಮ್ಮ ಭಾಗವಹಿಸುವವರಿಗೆ ಪ್ರಯೋಗಗಳನ್ನು ತರುತ್ತಿದ್ದಾರೆ. ಆದರೆ, ಸಂಶೋಧಕರು ತಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ರಚಿಸಿದಾಗ, ಅವರು ಅದರಲ್ಲಿ ಪಾಲ್ಗೊಳ್ಳುವವರನ್ನು ತರಬೇಕಾಗುತ್ತದೆ. ಅದೃಷ್ಟವಶಾತ್, ಅಮೆಜಾನ್ ಮೆಕ್ಯಾನಿಕಲ್ ಟರ್ಕ್ (MTurk) ನಂತಹ ಸೇವೆಗಳು ಸಂಶೋಧಕರನ್ನು ತಮ್ಮ ಪ್ರಯೋಗಗಳಿಗೆ ತರಲು ಅನುಕೂಲಕರ ಮಾರ್ಗವನ್ನು ಒದಗಿಸುತ್ತವೆ.

ಅಮೂರ್ತ ಸಿದ್ಧಾಂತಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಬೆಸ್ಪೋಕ್ ಪರಿಸರದ ಸದ್ಗುಣಗಳನ್ನು ವಿವರಿಸುವ ಒಂದು ಉದಾಹರಣೆ ಗ್ರೆಗೊರಿ ಹ್ಯೂಬರ್, ಸೆಥ್ ಹಿಲ್, ಮತ್ತು ಗೇಬ್ರಿಯಲ್ ಲೆನ್ಜ್ (2012) ಯ ಡಿಜಿಟಲ್ ಲ್ಯಾಬ್ ಪ್ರಯೋಗವಾಗಿದೆ. ಈ ಪ್ರಯೋಗವು ಪ್ರಾಯೋಗಿಕ ಮಿತಿಯನ್ನು ಪ್ರಜಾಪ್ರಭುತ್ವ ಆಡಳಿತದ ಕಾರ್ಯಕ್ಕೆ ಪರಿಶೋಧಿಸುತ್ತದೆ. ನಿಜವಾದ ಚುನಾವಣೆಗಳ ಹಿಂದಿನ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನಗಳು ಮತದಾರರು ಅಧಿಕಾರದಲ್ಲಿರುವ ರಾಜಕಾರಣಿಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ನಿಖರವಾಗಿ ಅಳೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂದು ಸಲಹೆ ನೀಡಿದರು. ನಿರ್ದಿಷ್ಟವಾಗಿ, ಮತದಾರರು ಮೂರು ಪಕ್ಷಪಾತಗಳಿಂದ ಬಳಲುತ್ತಿದ್ದಾರೆ ಎಂದು ಕಾಣುತ್ತದೆ: (1) ಅವರು ಸಂಚಿತ ಕಾರ್ಯಕ್ಷಮತೆಗಿಂತ ಇತ್ತೀಚಿನವುಗಳಲ್ಲಿ ಕೇಂದ್ರಿಕೃತರಾಗಿದ್ದಾರೆ; (2) ಅವರು ವಾಕ್ಚಾತುರ್ಯ, ರಚನೆ, ಮತ್ತು ಮಾರ್ಕೆಟಿಂಗ್ ಮೂಲಕ ಕುಶಲತೆಯಿಂದ ಮಾಡಬಹುದು; ಮತ್ತು (3) ಸ್ಥಳೀಯ ಕ್ರೀಡಾ ತಂಡಗಳ ಯಶಸ್ಸು ಮತ್ತು ಹವಾಮಾನದಂತಹ ಸ್ಥಾನಮಾನದ ಪ್ರದರ್ಶನಕ್ಕೆ ಸಂಬಂಧವಿಲ್ಲದ ಘಟನೆಗಳ ಮೂಲಕ ಅವುಗಳನ್ನು ಪ್ರಭಾವಿಸಬಹುದು. ಈ ಹಿಂದಿನ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಹೇಗಾದರೂ, ನಿಜವಾದ, ಗೊಂದಲಮಯವಾದ ಚುನಾವಣೆಗಳಲ್ಲಿ ಸಂಭವಿಸುವ ಎಲ್ಲಾ ಇತರ ಸಂಗತಿಗಳಿಂದ ಈ ಯಾವುದೇ ಅಂಶಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಕಷ್ಟಕರವಾಗಿತ್ತು. ಹೀಗಾಗಿ, ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಹೆಚ್ಚು ಸರಳೀಕೃತ ಮತದಾನ ಪರಿಸರವನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು, ಮತ್ತು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಅಧ್ಯಯನ ಮಾಡಲು, ಈ ಮೂರೂ ಸಂಭವನೀಯ ಪೂರ್ವಗ್ರಹಗಳನ್ನು ರಚಿಸಿದರು.

ನಾನು ಕೆಳಗಿರುವ ಪ್ರಾಯೋಗಿಕ ಸೆಟ್-ಅಪ್ ಅನ್ನು ವಿವರಿಸಿದಂತೆ, ಅದು ತುಂಬಾ ಕೃತಕ ಶಬ್ದವನ್ನು ಹೊಂದುತ್ತದೆ, ಆದರೆ ಪ್ರಯೋಗಾಲಯ ಶೈಲಿಯ ಪ್ರಯೋಗಗಳಲ್ಲಿ ನೈಜತೆಯು ಒಂದು ಗುರಿಯಲ್ಲ ಎಂದು ನೆನಪಿಡಿ. ಬದಲಿಗೆ, ನೀವು ಅಧ್ಯಯನ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಪ್ರತ್ಯೇಕಿಸುವುದು ಗುರಿಯಾಗಿದೆ, ಮತ್ತು ಈ ಬಿಗಿಯಾದ ಪ್ರತ್ಯೇಕತೆಯು ಕೆಲವೊಮ್ಮೆ ಹೆಚ್ಚಿನ ವಾಸ್ತವಿಕತೆ (Falk and Heckman 2009) ನೊಂದಿಗೆ ಅಧ್ಯಯನದಲ್ಲಿ ಸಾಧ್ಯವಿಲ್ಲ. ಇದಲ್ಲದೆ, ಈ ನಿರ್ದಿಷ್ಟ ಪ್ರಕರಣದಲ್ಲಿ, ಮತದಾರರು ಈ ಸರಳೀಕೃತ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡದಿದ್ದರೆ, ಅವರು ಹೆಚ್ಚು ನೈಜವಾದ, ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಇದನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ ಎಂದು ಸಂಶೋಧಕರು ವಾದಿಸಿದರು.

ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಭಾಗವಹಿಸುವವರನ್ನು ನೇಮಕ ಮಾಡಲು MTurk ಅನ್ನು ಬಳಸಿದರು. ಭಾಗವಹಿಸಿದವರು ತಿಳುವಳಿಕೆಯುಳ್ಳ ಒಪ್ಪಿಗೆಯನ್ನು ನೀಡಿದಾಗ ಮತ್ತು ಸಣ್ಣ ಪರೀಕ್ಷೆಯನ್ನು ಜಾರಿಗೊಳಿಸಿದಾಗ, ಅವಳು ನೈಜ ಹಣಕ್ಕೆ ಪರಿವರ್ತಿಸಬಹುದಾದ ಟೋಕನ್ಗಳನ್ನು ಗಳಿಸಲು 32-ಸುತ್ತಿನ ಆಟದಲ್ಲಿ ಪಾಲ್ಗೊಳ್ಳುತ್ತಿದ್ದಾಳೆ ಎಂದು ತಿಳಿಸಲಾಯಿತು. ಆಟದ ಆರಂಭದಲ್ಲಿ, ಪ್ರತಿ ಸ್ಪರ್ಧಿಗೆ ಅವಳು "ಅಲೋಕೋಟರ್" ಎಂದು ಗೊತ್ತುಪಡಿಸಿದಳು, ಅದು ಪ್ರತಿ ಸುತ್ತಿನ ಉಚಿತ ಟೋಕನ್ಗಳನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಕೆಲವು ಅಲೋಕೇಟರ್ಗಳು ಇತರರಿಗಿಂತ ಹೆಚ್ಚು ಉದಾರವಾಗಿದ್ದವು. ಇದಲ್ಲದೆ, ಪ್ರತಿ ಸ್ಪರ್ಧಿಗೂ ಅವಳು ತನ್ನ ನಿಯೋಜಕನನ್ನು ಇರಿಸಿಕೊಳ್ಳಲು ಅಥವಾ ಆಟದ 16 ಸುತ್ತುಗಳ ನಂತರ ಹೊಸದನ್ನು ನಿಗದಿಪಡಿಸುವ ಅವಕಾಶವನ್ನು ಹೊಂದಿದ್ದೇವೆ ಎಂದು ತಿಳಿಸಲಾಯಿತು. ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳ ಸಂಶೋಧನಾ ಗುರಿಗಳ ಬಗ್ಗೆ ನಿಮಗೆ ತಿಳಿದಿರುವ ಕಾರಣದಿಂದ, ಅಲೋಕೇಟರ್ ಸರ್ಕಾರವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಮತ್ತು ಈ ಆಯ್ಕೆಯು ಚುನಾವಣೆಯಲ್ಲಿ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಎಂದು ನೀವು ನೋಡಬಹುದು, ಆದರೆ ಭಾಗವಹಿಸುವವರು ಸಂಶೋಧನೆಯ ಸಾಮಾನ್ಯ ಗುರಿಗಳ ಬಗ್ಗೆ ತಿಳಿದಿರುವುದಿಲ್ಲ. ಒಟ್ಟಾರೆಯಾಗಿ, ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು 4,000 ಭಾಗವಹಿಸುವವರನ್ನು ನೇಮಿಸಿಕೊಂಡರು, ಅವರು ಸುಮಾರು ಎಂಟು ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿದ್ದಕ್ಕಾಗಿ $ 1.25 ಪಾವತಿಸಿದ್ದರು.

ಸ್ಥಳೀಯ ಕ್ರೀಡಾ ತಂಡಗಳು ಮತ್ತು ಹವಾಮಾನದ ಯಶಸ್ಸು ಮುಂತಾದ ಸ್ಪಷ್ಟವಾಗಿ ತಮ್ಮ ನಿಯಂತ್ರಣಕ್ಕೆ ಮೀರಿರುವ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ ಮತದಾರರು ಪ್ರತಿಫಲವನ್ನು ಪಡೆಯುತ್ತಾರೆ ಮತ್ತು ಶಿಕ್ಷೆಗೊಳಪಡುತ್ತಾರೆ ಎಂದು ಹಿಂದಿನ ಸಂಶೋಧನೆಯಲ್ಲಿನ ಒಂದು ಸಂಶೋಧನೆಯು ನೆನಪಿಸಿಕೊಳ್ಳಿ. ಭಾಗವಹಿಸುವವರ ಮತದಾನದ ನಿರ್ಧಾರಗಳನ್ನು ಅವರ ಸೆಟ್ಟಿಂಗ್ನಲ್ಲಿ ಸಂಪೂರ್ಣವಾಗಿ ಯಾದೃಚ್ಛಿಕ ಘಟನೆಗಳ ಮೂಲಕ ಪ್ರಭಾವಿತವಾಗಬಹುದೆ ಎಂದು ನಿರ್ಣಯಿಸಲು, ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ತಮ್ಮ ಪ್ರಾಯೋಗಿಕ ವ್ಯವಸ್ಥೆಗೆ ಒಂದು ಲಾಟರಿ ಸೇರಿಸಿದ್ದಾರೆ. 8 ನೇ ಸುತ್ತಿನ ಅಥವಾ 16 ನೇ ಸುತ್ತಿನಲ್ಲಿ (ಅಂದರೆ, ಅಲೋಕೇಟರ್ ಅನ್ನು ಬದಲಿಸುವ ಅವಕಾಶಕ್ಕೆ ಮೊದಲು) ಭಾಗವಹಿಸುವವರು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಲಾಟರಿನಲ್ಲಿ ಇರಿಸಲ್ಪಟ್ಟರು, ಅಲ್ಲಿ ಕೆಲವರು 5,000 ಪಾಯಿಂಟ್ಗಳನ್ನು ಗೆದ್ದರು, ಕೆಲವು ಗೆಲುವು 0 ಅಂಕಗಳು, ಮತ್ತು ಕೆಲವರು 5,000 ಪಾಯಿಂಟ್ಗಳನ್ನು ಕಳೆದುಕೊಂಡರು. ಈ ಲಾಟರಿ ರಾಜಕಾರಣಿಯ ಸಾಧನೆಯಿಂದ ಸ್ವತಂತ್ರವಾಗಿರುವ ಒಳ್ಳೆಯ ಅಥವಾ ಕೆಟ್ಟ ಸುದ್ದಿಗಳನ್ನು ಅನುಕರಿಸುವ ಉದ್ದೇಶವನ್ನು ಹೊಂದಿತ್ತು. ಲಾಟರಿ ತಮ್ಮ ಅಲೋಕೇಟರ್ನ ಕಾರ್ಯಕ್ಷಮತೆಗೆ ಸಂಬಂಧವಿಲ್ಲ ಎಂದು ಪಾಲ್ಗೊಳ್ಳುವವರಿಗೆ ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಿದರೂ ಲಾಟರಿ ಫಲಿತಾಂಶವು ಇನ್ನೂ ಭಾಗವಹಿಸುವವರ ನಿರ್ಧಾರಗಳನ್ನು ಪ್ರಭಾವಿಸಿತು. ಲಾಟರಿನಿಂದ ಲಾಭ ಪಡೆದ ಭಾಗಿಗಳು ತಮ್ಮ ಅಲೋಕೇಟರ್ ಅನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿತ್ತು, ಮತ್ತು 16 ನೇ ಸುತ್ತಿನಲ್ಲಿ ಲಾಟರಿ ಸಂಭವಿಸಿದಾಗ ಈ ಪರಿಣಾಮವು ಬಲವಾಗಿತ್ತು - ಬದಲಿ ನಿರ್ಧಾರಕ್ಕಿಂತ ಮುಂಚೆಯೇ ಅದು-ಸುತ್ತಿನಲ್ಲಿ 8 (ಚಿತ್ರ 4.15) ಸಂಭವಿಸಿದಾಗ. ಈ ಫಲಿತಾಂಶಗಳು, ಕಾಗದದ ಇತರ ಅನೇಕ ಪ್ರಯೋಗಗಳ ಜೊತೆಗೆ ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಸರಳೀಕೃತ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಸಹ ಮತದಾರರು ಬುದ್ಧಿವಂತ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಲ್ಲಿ ಕಷ್ಟವನ್ನು ಹೊಂದಿದ್ದಾರೆಂದು ನಿರ್ಣಯಿಸಲು ಕಾರಣವಾಯಿತು, ಇದರ ಪರಿಣಾಮವಾಗಿ ಮತದಾರರ ನಿರ್ಣಯ ಮಾಡುವಿಕೆ (Healy and Malhotra 2013) . ನಿಖರವಾದ ಸಿದ್ಧಾಂತಗಳನ್ನು ನಿಖರವಾಗಿ ಪರೀಕ್ಷಿಸಲು ಪ್ರಯೋಗಾಲಯ ಶೈಲಿಯ ಪ್ರಯೋಗಗಳಿಗೆ ಭಾಗವಹಿಸುವವರನ್ನು ನೇಮಿಸಿಕೊಳ್ಳಲು MTurk ಅನ್ನು ಬಳಸಬಹುದು ಎಂದು ಹಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳ ಪ್ರಯೋಗವು ತೋರಿಸುತ್ತದೆ. ಇದು ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಾಯೋಗಿಕ ಪರಿಸರವನ್ನು ನಿರ್ಮಿಸುವ ಮೌಲ್ಯವನ್ನು ಸಹ ತೋರಿಸುತ್ತದೆ: ಯಾವುದೇ ಇತರ ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ ಈ ಪ್ರಕ್ರಿಯೆಗಳು ಎಷ್ಟು ಸರಳವಾಗಿ ಬೇರ್ಪಡಿಸಲ್ಪಟ್ಟಿವೆ ಎಂಬುದನ್ನು ಕಲ್ಪಿಸುವುದು ಕಷ್ಟ.

ಚಿತ್ರ 4.15: ಹ್ಯೂಬರ್, ಹಿಲ್ ಮತ್ತು ಲೆಂಜ್ (2012) ಯ ಫಲಿತಾಂಶಗಳು. ಲಾಟರಿನಿಂದ ಲಾಭ ಪಡೆದ ಭಾಗಿಗಳು ತಮ್ಮ ಅಲೋಕೇಟರ್ ಅನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿತ್ತು, ಮತ್ತು ಸುತ್ತಿನಲ್ಲಿ 16 ರ ವೇಳೆಗೆ ಲಾಟರಿ ಸಂಭವಿಸಿದಾಗ ಈ ಪರಿಣಾಮವು ಬಲವಾಗಿತ್ತು - ಬದಲಿ ನಿರ್ಧಾರಕ್ಕೆ ಮುಂಚಿತವಾಗಿಯೇ ಇದು ಸಂಭವಿಸಿತು - ಇದು ಸುತ್ತಿನಲ್ಲಿ 8 ರಲ್ಲಿ ಸಂಭವಿಸಿದಾಗ. ಹ್ಯೂಬರ್, ಹಿಲ್, ಮತ್ತು ಲೆನ್ಜ್ನಿಂದ ಅಳವಡಿಸಲ್ಪಟ್ಟಿತು. 2012), ಫಿಗರ್ 5.

ಚಿತ್ರ 4.15: Huber, Hill, and Lenz (2012) ಫಲಿತಾಂಶಗಳು. ಲಾಟರಿನಿಂದ ಲಾಭ ಪಡೆದ ಭಾಗಿಗಳು ತಮ್ಮ ಅಲೋಕೇಟರ್ ಅನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿತ್ತು, ಮತ್ತು ಸುತ್ತಿನಲ್ಲಿ 16 ರ ವೇಳೆಗೆ ಲಾಟರಿ ಸಂಭವಿಸಿದಾಗ ಈ ಪರಿಣಾಮವು ಬಲವಾಗಿತ್ತು - ಬದಲಿ ನಿರ್ಧಾರಕ್ಕೆ ಮುಂಚಿತವಾಗಿಯೇ ಇದು ಸಂಭವಿಸಿತು - ಇದು ಸುತ್ತಿನಲ್ಲಿ 8 ರಲ್ಲಿ ಸಂಭವಿಸಿದಾಗ. Huber, Hill, and Lenz (2012) ಅಳವಡಿಸಲ್ಪಟ್ಟಿತು. Huber, Hill, and Lenz (2012) , ಫಿಗರ್ 5.

ಲ್ಯಾಬ್ ರೀತಿಯ ಪ್ರಯೋಗಗಳನ್ನು ನಿರ್ಮಿಸುವುದರ ಜೊತೆಗೆ, ಸಂಶೋಧಕರು ಹೆಚ್ಚು ಕ್ಷೇತ್ರ-ರೀತಿಯ ಪ್ರಯೋಗಗಳನ್ನು ಸಹ ರಚಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, Centola (2010) ವರ್ತನೆಯ ಹರಡುವಿಕೆಯ ಮೇಲೆ ಸಾಮಾಜಿಕ ನೆಟ್ವರ್ಕ್ ರಚನೆಯ ಪರಿಣಾಮವನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಡಿಜಿಟಲ್ ಫೀಲ್ಡ್ ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸಿತು. ಅವರ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯು ವಿಭಿನ್ನ ಸಾಮಾಜಿಕ ಜಾಲ ರಚನೆಗಳನ್ನು ಹೊಂದಿದ್ದ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಹರಡುವ ಅದೇ ನಡವಳಿಕೆಯನ್ನು ಅವಲೋಕಿಸಲು ಅವನಿಗೆ ಬೇಕಾಗಿತ್ತು ಆದರೆ ಅನ್ಯಥಾ ಅಸ್ಪಷ್ಟವಾಗಿದೆ. ಇದನ್ನು ಮಾಡಲು ಏಕೈಕ ಮಾರ್ಗವೆಂದರೆ ಬೆಸ್ಪೋಕ್, ಕಸ್ಟಮ್-ನಿರ್ಮಿಸಿದ ಪ್ರಯೋಗ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಸೆಂಟೊಲಾ ವೆಬ್-ಆಧಾರಿತ ಆರೋಗ್ಯ ಸಮುದಾಯವನ್ನು ನಿರ್ಮಿಸಿತು.

ಆರೋಗ್ಯ ವೆಬ್ಸೈಟ್ಗಳಲ್ಲಿ ಜಾಹೀರಾತಿನ ಮೂಲಕ 1,500 ಭಾಗವಹಿಸುವವರನ್ನು ಸೆಂಟೊಲಾ ನೇಮಿಸಿಕೊಂಡರು. ಆರೋಗ್ಯಕರ ಜೀವನಶೈಲಿ ನೆಟ್ವರ್ಕ್ ಎಂದು ಕರೆಯಲ್ಪಡುವ ಆನ್ಲೈನ್ ​​ಸಮುದಾಯದಲ್ಲಿ ಪಾಲ್ಗೊಳ್ಳುವವರು ಆಗಮಿಸಿದಾಗ - ಅವರು ತಿಳುವಳಿಕೆಯುಳ್ಳ ಸಮ್ಮತಿಯನ್ನು ನೀಡಿದರು ಮತ್ತು ನಂತರ "ಆರೋಗ್ಯ ಸ್ನೇಹಿತರನ್ನು" ನೇಮಕ ಮಾಡಿದರು. ಈ ಆರೋಗ್ಯ ಸ್ನೇಹಿತರನ್ನು ಸೆಂಟೋಲಾ ನಿಯೋಜಿಸಿದ ರೀತಿಯಲ್ಲಿ, ಅವರು ವಿವಿಧ ಸಾಮಾಜಿಕ ನೆಟ್ವರ್ಕ್ ರಚನೆಗಳನ್ನು ವಿವಿಧ ಗುಂಪುಗಳು. ಯಾದೃಚ್ಛಿಕ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಹೊಂದಲು ಕೆಲವು ಗುಂಪುಗಳನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ (ಪ್ರತಿಯೊಬ್ಬರೂ ಸಮಾನವಾಗಿ ಸಂಪರ್ಕ ಸಾಧಿಸಲು ಸಾಧ್ಯವಿದೆ), ಆದರೆ ಇತರ ಗುಂಪುಗಳು ಕ್ಲಸ್ಟರಡ್ ನೆಟ್ವರ್ಕ್ಗಳನ್ನು ಹೊಂದಲು ನಿರ್ಮಿಸಲ್ಪಟ್ಟಿವೆ (ಸಂಪರ್ಕಗಳು ಹೆಚ್ಚು ಸ್ಥಳೀಯವಾಗಿ ದಟ್ಟವಾಗಿರುತ್ತವೆ). ನಂತರ, ಸೆಂಟೋಲಾ ಪ್ರತಿ ನೆಟ್ವರ್ಕ್ಗೆ ಒಂದು ಹೊಸ ವರ್ತನೆಯನ್ನು ಪರಿಚಯಿಸಿತು: ಹೆಚ್ಚುವರಿ ಆರೋಗ್ಯ ಮಾಹಿತಿಯೊಂದಿಗೆ ಹೊಸ ವೆಬ್ಸೈಟ್ಗೆ ನೋಂದಾಯಿಸಲು ಅವಕಾಶ. ಈ ಹೊಸ ವೆಬ್ಸೈಟ್ಗೆ ಯಾರಿಗಾದರೂ ಸಹಿ ಹಾಕಿದಾಗಲೆಲ್ಲಾ, ಈ ಎಲ್ಲಾ ನಡವಳಿಕೆಗಳನ್ನು ಪ್ರಕಟಿಸುವ ಇಮೇಲ್ಗಳನ್ನು ಅವರ ಆರೋಗ್ಯ ಸ್ನೇಹಿತರಲ್ಲಿ ಸ್ವೀಕರಿಸಲಾಗಿದೆ. ಈ ವರ್ತನೆಯನ್ನು-ಹೊಸ ಜಾಲತಾಣಕ್ಕೆ ಸೈನ್ ಅಪ್ ಮಾಡುವುದು-ಯಾದೃಚ್ಛಿಕ ಜಾಲಬಂಧಕ್ಕಿಂತ ಕ್ಲಸ್ಟರಲ್ಲದ ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ ಇನ್ನೂ ಹೆಚ್ಚಿನ ಮತ್ತು ವೇಗವಾಗಿ ಹರಡಿತು ಎಂದು ಕೆಲವು ಶತಕೋಟಿ ಸಿದ್ಧಾಂತಗಳಿಗೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ ಕಂಡುಬಂದಿದೆ.

ಒಟ್ಟಾರೆಯಾಗಿ, ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸುವುದು ನಿಮಗೆ ಹೆಚ್ಚಿನ ನಿಯಂತ್ರಣವನ್ನು ನೀಡುತ್ತದೆ; ನೀವು ಅಧ್ಯಯನ ಮಾಡಲು ಬಯಸುವ ಯಾವುದನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಅತ್ಯುತ್ತಮವಾದ ಪರಿಸರವನ್ನು ನಿರ್ಮಿಸಲು ಅದು ನಿಮ್ಮನ್ನು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ. ನಾನು ವಿವರಿಸಿದ ಎರಡು ಪ್ರಯೋಗಗಳು ಈಗಾಗಲೇ ಇರುವ ಪರಿಸರದಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದೆಂದು ಕಲ್ಪಿಸುವುದು ಕಷ್ಟ. ಇದಲ್ಲದೆ, ನಿಮ್ಮ ಸ್ವಂತ ವ್ಯವಸ್ಥೆಯನ್ನು ನಿರ್ಮಿಸುವುದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಪ್ರಯೋಗಿಸುವ ನೈತಿಕ ಕಾಳಜಿಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ನೀವು ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸಿದಾಗ, ಲ್ಯಾಬ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಎದುರಾಗುವ ಅನೇಕ ಸಮಸ್ಯೆಗಳಿಗೆ ನೀವು ಓಡುತ್ತೀರಿ: ನೈಜತೆಯ ಬಗ್ಗೆ ಭಾಗವಹಿಸುವವರು ಮತ್ತು ಕಾಳಜಿಯನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುವುದು. ಒಂದು ಅಂತಿಮ ತೊಂದರೆಯೆಂದರೆ, ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗವನ್ನು ನಿರ್ಮಿಸುವುದು ವೆಚ್ಚದಾಯಕ ಮತ್ತು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಆದಾಗ್ಯೂ, ಈ ಉದಾಹರಣೆಗಳು ತೋರಿಸಿದಂತೆ, ಸರಳವಾದ ಪರಿಸರದಲ್ಲಿ (ಉದಾಹರಣೆಗೆ Huber, Hill, and Lenz (2012) ಮೂಲಕ ಮತದಾನ ಮಾಡುವ ಅಧ್ಯಯನ) ತುಲನಾತ್ಮಕವಾಗಿ ಸಂಕೀರ್ಣ ಪರಿಸರದಲ್ಲಿ (ಉದಾಹರಣೆಗೆ ನೆಟ್ವರ್ಕ್ಗಳ ಅಧ್ಯಯನ ಮತ್ತು Centola (2010) ಸೋಂಕುಗಳು).