ಮತ್ತಷ್ಟು ವ್ಯಾಖ್ಯಾನ

ಈ ವಿಭಾಗವು ನಿರೂಪಣೆಗಳ ಹಾಗೆ ಓದಬಹುದು ಬದಲಿಗೆ ಒಂದು ಆಕರ ಭಾಗವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.

  • ಪರಿಚಯ (ವಿಭಾಗ 4.1)

ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ಕಾರಣತ್ವವನ್ನು ಬಗ್ಗೆ ಪ್ರಶ್ನೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಕೀರ್ಣ ಮತ್ತು ಗಹನವಾದ ಇವೆ. ಸಾಂದರ್ಭಿಕ ಗ್ರಾಫ್ಗಳು ಆಧರಿಸಿ ಕಾರಣತ್ವಕ್ಕೆ ಸ್ಥಾಪಿತ ವಿಧಾನ, ನೋಡಿ Pearl (2009) , ಮತ್ತು ಸಂಭಾವ್ಯ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಆಧಾರಿತ ಸ್ಥಾಪಿತ ವಿಧಾನ ನೋಡಿ Imbens and Rubin (2015) (ಮತ್ತು ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ತಾಂತ್ರಿಕ ಅನುಬಂಧವು). ಇವೆರಡು ವಿಧಾನಗಳ ನಡುವೆ ಹೋಲಿಕೆ, ನೋಡಿ Morgan and Winship (2014) . ಒಂದು confounder ವಿವರಿಸುವ ಔಪಚಾರಿಕ ವಿಧಾನ, ನೋಡಿ VanderWeele and Shpitser (2013) .

ಅಧ್ಯಾಯದಲ್ಲಿ, ನಾನು ಪ್ರಾಯೋಗಿಕ ಮತ್ತು ಅಲ್ಲದ ಪ್ರಯೋಗ ದಶಮಾಂಶ ಸಾಂದರ್ಭಿಕ ಅಂದಾಜು ಮಾಡಲು ನಮ್ಮ ಸಾಮರ್ಥ್ಯವನ್ನು ನಡುವೆ ಪ್ರಕಾಶಮಾನವಾದ ಲೈನ್ ಕಾಣುತ್ತಿದ್ದ ಏನು ದಾಖಲಿಸಿದವರು. ವಾಸ್ತವದಲ್ಲಿ, ನಾನು ವ್ಯತ್ಯಾಸ ಕುಗ್ಗುತ್ತಾ ಎಂದು ಭಾವಿಸುತ್ತೇನೆ. ಉದಾಹರಣೆಗೆ, ಎಲ್ಲರೂ ಧೂಮಪಾನ ನಾವು ಜನರು ಧೂಮಪಾನ ಬಲಪ್ರಯೋಗಿಸುವ ಒಂದು ಯಾದೃಚ್ಛಿಕ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗ ಮಾಡಲಾಗುತ್ತದೆ ಎಂದೂ ಸಹ ಕ್ಯಾನ್ಸರ್ ಉಂಟುಮಾಡುವ ಸ್ವೀಕರಿಸುತ್ತದೆ. ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ದಶಮಾಂಶ ಸಾಂದರ್ಭಿಕ ಅಂದಾಜು ಮಾಡುವ ಉತ್ತಮ ಪುಸ್ತಕ ಉದ್ದ ಚಿಕಿತ್ಸೆಗಳು ನೋಡಿ Rosenbaum (2002) , Rosenbaum (2009) , Shadish, Cook, and Campbell (2001) , ಮತ್ತು Dunning (2012) .

ಅಧ್ಯಾಯ 1 ಮತ್ತು 2 Freedman, Pisani, and Purves (2007) ಪ್ರಯೋಗಗಳು, ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳು ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳು ಒಂದು ಸ್ಪಷ್ಟ ಪರಿಚಯ ನೀಡುತ್ತವೆ, ಮತ್ತು ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳು ಯಾದೃಚ್ಛಿಕ.

Manzi (2012) ಯಾದೃಚ್ಛಿಕ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳ ತಾತ್ವಿಕ ಮತ್ತು ಅಂಕಿಅಂಶಗಳ ಆಧಾರಗಳ ಒಂದು ಆಕರ್ಷಕ ಮತ್ತು ಓದಬಲ್ಲ ಪರಿಚಯ ನೀಡುತ್ತದೆ. ಇದು ವ್ಯವಹಾರದಲ್ಲಿ ಪ್ರಯೋಗ ಅಧಿಕಾರದ ಆಸಕ್ತಿದಾಯಕ ನೈಜ ಜಗತ್ತಿನ ಉದಾಹರಣೆಗಳು ಒದಗಿಸುತ್ತದೆ.

  • ಪ್ರಯೋಗಗಳನ್ನು ಯಾವುವು? (ವಿಭಾಗ 4.2)

Casella (2008) , Box, Hunter, and Hunter (2005) , Athey and Imbens (2016b) ಪ್ರಾಯೋಗಿಕ ವಿನ್ಯಾಸ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಂಶಗಳನ್ನು ಉತ್ತಮ ಪರಿಚಯಗಳು ಒದಗಿಸಲು. ಅರ್ಥಶಾಸ್ತ್ರ: ಇದಲ್ಲದೆ, ಪ್ರಯೋಗಗಳ ಬಳಕೆಯನ್ನು ಅತ್ಯುತ್ತಮ ಚಿಕಿತ್ಸೆಗಳು ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಇವೆ (Bardsley et al. 2009) , ಸಮಾಜಶಾಸ್ತ್ರ (Willer and Walker 2007; Jackson and Cox 2013) , ಮನೋವಿಜ್ಞಾನ (Aronson et al. 1989) , ರಾಜ್ಯಶಾಸ್ತ್ರ (Morton and Williams 2010) , ಮತ್ತು ಸಾಮಾಜಿಕ ನೀತಿಯ (Glennerster and Takavarasha 2013) .

ಸ್ಪರ್ಧಿ ನೇಮಕಾತಿ (ಉದಾಹರಣೆಗೆ, ಮಾದರಿ) ಪ್ರಾಮುಖ್ಯತೆಯ ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆ ಇನ್ ಅಡಿಯಲ್ಲಿ ಮೆಚ್ಚುಗೆ ಹೆಚ್ಚಾಗಿ. ಆದಾಗ್ಯೂ, ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ಭಿನ್ನಜಾತಿಯ ವೇಳೆ, ನಂತರ ಮಾದರಿ ವಿಮರ್ಶನ. Longford (1999) ಅವರು ಸಂಶೋಧಕರು ಅವ್ಯವಸ್ಥಿತ ಮಾದರಿ ಒಂದು ಜನಸಂಖ್ಯಾ ಸಮೀಕ್ಷೆ ಪ್ರಯೋಗಗಳ ಆಲೋಚಿಸುವ ಪ್ರತಿಪಾದಿಸುತ್ತದೆ ಸ್ಪಷ್ಟವಾಗಿ ಈ ಅಂಶವಾಗಿದೆ.

  • ಪ್ರಯೋಗಗಳ ಎರಡು ಆಯಾಮಗಳನ್ನು: ಲ್ಯಾಬ್ ಕ್ಷೇತ್ರ ಮತ್ತು ಅನಲಾಗ್-ಡಿಜಿಟಲ್ (ವಿಭಾಗ 4.3)

ನಾನು ಲ್ಯಾಬ್ ಮತ್ತು ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳನ್ನು ನಡುವೆ ನೀಡುತ್ತಾ ಇಬ್ಭಾಗವನ್ನು ಸ್ವಲ್ಪ ಸರಳೀಕೃತ. ವಾಸ್ತವವಾಗಿ, ಇತರ ಸಂಶೋಧಕರು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳ ವಿವಿಧ ರೂಪಗಳಲ್ಲಿ ಪ್ರತ್ಯೇಕಿಸುತ್ತವೆ ನಿರ್ದಿಷ್ಟ ಪದಗಳಿಗಿಂತ, ಹೆಚ್ಚು ವಿವರವಾದ ಸಂಕೇತಶಾಸ್ತ್ರ ಸೂಚಿಸಿದ್ದು (Harrison and List 2004; Charness, Gneezy, and Kuhn 2013) . ಸಮೀಕ್ಷೆ ಪ್ರಯೋಗಗಳು ಮತ್ತು ಸಾಮಾಜಿಕ ಪ್ರಯೋಗಗಳನ್ನು ಸಮೀಕ್ಷೆ ಪ್ರಯೋಗಗಳನ್ನು ಮಾಡಲಾಗುತ್ತದೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಮೀಕ್ಷೆಗಳು ಮೂಲಭೂತ ಬಳಸಿ ಪ್ರಯೋಗಗಳು ಮತ್ತು ಪರ್ಯಾಯ ಆವೃತ್ತಿಗಳನ್ನು ಪ್ರತಿಕ್ರಿಯೆಗಳು ಹೋಲಿಸಿ: ಇದಲ್ಲದೆ, ಅಲ್ಲಿ ಲ್ಯಾಬ್ ಮತ್ತು ಕ್ಷೇತ್ರದಲ್ಲಿ ಇಬ್ಭಾಗವನ್ನು ಅಂದವಾಗಿ ಸೇರದ ಸಮಾಜ ವಿಜ್ಞಾನಿಗಳು ಪ್ರಯೋಗ ಎರಡು ಇತರ ವಿಧಗಳು. ಅದೇ ಪ್ರಶ್ನೆಗಳನ್ನು (ಕೆಲವು ಸಮೀಕ್ಷೆ ಪ್ರಯೋಗಗಳನ್ನು ಅಧ್ಯಾಯ 3 ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ); ಸಮೀಕ್ಷೆ ಪ್ರಯೋಗಗಳ ಮೇಲೆ ಹೆಚ್ಚು ನೋಡಿ Mutz (2011) . ಸಾಮಾಜಿಕ ಪ್ರಯೋಗಗಳನ್ನು ಅಲ್ಲಿ ಚಿಕಿತ್ಸೆ ಮಾತ್ರ ಒಂದು ಸರ್ಕಾರ ಜಾರಿಗೆ ಕೆಲವು ಸಾಮಾಜಿಕ ನೀತಿ ಪ್ರಯೋಗಗಳಾಗಿವೆ. ಸಾಮಾಜಿಕ ಪ್ರಯೋಗಗಳನ್ನು ನಿಕಟವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಪ್ರೋಗ್ರಾಂ ಸಂಬಂಧಿಸಿವೆ. ನೀತಿ ಪ್ರಯೋಗಗಳ ಮೇಲೆ ಹೆಚ್ಚು, ನೋಡಿ Orr (1998) , Glennerster and Takavarasha (2013) , ಮತ್ತು Heckman and Smith (1995) .

ಲೇಖನಗಳನ್ನು ಅಮೂರ್ತವಾಗಿ ಲ್ಯಾಬ್ ಮತ್ತು ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳನ್ನು ಹೋಲಿಸಿದ್ದಾರೆ (Falk and Heckman 2009; Cialdini 2009) ಮತ್ತು ರಾಜಕೀಯ ವಿಜ್ಞಾನದಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಪ್ರಯೋಗಗಳ ಫಲಿತಾಂಶಗಳ ವಿಷಯದಲ್ಲಿ (Coppock and Green 2015) , ಅರ್ಥಶಾಸ್ತ್ರ (Levitt and List 2007a; Levitt and List 2007b; Camerer 2011; Al-Ubaydli and List 2013) ಮತ್ತು ಮನೋವಿಜ್ಞಾನ (Mitchell 2012) . Jerit, Barabas, and Clifford (2013) ಲ್ಯಾಬ್ ಮತ್ತು ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳ ಫಲಿತಾಂಶವು ಹೋಲಿಕೆ ಒಂದು ಸಂತೋಷವನ್ನು ಸಂಶೋಧನೆ ವಿನ್ಯಾಸ ಒದಗಿಸುತ್ತದೆ.

ಅವರು ನಿಕಟವಾಗಿ ಆಚರಿಸಲಾಗುತ್ತದೆ ಮಾಡಲಾಗುತ್ತಿದೆ ಕೆಲವೊಮ್ಮೆ ಬೇಡಿಕೆ ಪರಿಣಾಮಗಳು ಕರೆಯಲಾಗುತ್ತದೆ ತಿಳಿದಿರುವ ಕಾರಣ, ಮತ್ತು ಅವರು ಮನೋವಿಜ್ಞಾನ ಅಧ್ಯಯನ ಮಾಡಿದ ತಮ್ಮ ವರ್ತನೆಯನ್ನು ಬದಲಾಯಿಸುವ ಭಾಗವಹಿಸುವವರು ಬಗ್ಗೆ (Orne 1962) ಮತ್ತು ಅರ್ಥಶಾಸ್ತ್ರ (Zizzo 2009) . ಹೆಚ್ಚಾಗಿ ಲ್ಯಾಬ್ ಪ್ರಯೋಗಗಳನ್ನು ಸಂಬಂಧ ಹೊಂದಿದ್ದರೂ, ಈ ಅದೇ ಸಮಸ್ಯೆಗಳು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಿಗೆ ಸಮಸ್ಯೆಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು. ವಾಸ್ತವವಾಗಿ, ಬೇಡಿಕೆ ಪರಿಣಾಮಗಳನ್ನು ಕೆಲವೊಮ್ಮೆ ಹಾಥಾರ್ನೆ ಪರಿಣಾಮಗಳು, ಒಂದು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗ ಪಡೆಯಲಾಗಿದೆ ಎಂಬ ಪದ ಹಾಥಾರ್ನೆ ವರ್ಕ್ಸ್ ಪಶ್ಚಿಮ ಎಲೆಕ್ಟ್ರಿಕ್ ಕಂಪನಿಯ 1924 ರ ಪ್ರಾರಂಭವಾದ ನಿರ್ದಿಷ್ಟವಾಗಿ ಪ್ರಸಿದ್ಧ ಬೆಳಕಿನ ಪ್ರಯೋಗಗಳನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ (Adair 1984; Levitt and List 2011) . (ಇದನ್ನೂ ನೋಡಿ ಎರಡೂ ಬೇಡಿಕೆ ಪರಿಣಾಮಗಳು ಮತ್ತು ಹಾಥಾರ್ನ್ ಹತ್ತಿರದಿಂದ ಅಧ್ಯಾಯ 2 ಚರ್ಚಿಸಲಾಗಿದೆ ಪ್ರತಿಕ್ರಿಯಾತ್ಮಕ ಮಾಪನ ಕಲ್ಪನೆಗೆ ಸಂಬಂಧಿಸಿದ Webb et al. (1966) ).

ಇತಿಹಾಸ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳ ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ವಿವರಿಸಲಾಗಿದೆ (Levitt and List 2009) , ರಾಜ್ಯಶಾಸ್ತ್ರ (Green and Gerber 2003; Druckman et al. 2006; Druckman and Lupia 2012) , ಮನೋವಿಜ್ಞಾನ (Shadish 2002) ಮತ್ತು ಸಾರ್ವಜನಿಕ ನೀತಿ (Shadish and Cook 2009) . ಸಮಾಜ ವಿಜ್ಞಾನದ ಒಂದು ಕ್ಷೇತ್ರರಕ್ಷಣೆ ಪ್ರಯೋಗಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಎದ್ದುಕಾಣುವಂಥ ಅಂತಾರಾಷ್ಟ್ರೀಯ ಅಭಿವೃದ್ಧಿ. ಅರ್ಥಶಾಸ್ತ್ರ ಒಳಗೆ ಕೆಲಸ ಧನಾತ್ಮಕ ವಿಮರ್ಶೆಯನ್ನು ನೋಡಿ Banerjee and Duflo (2009) , ಮತ್ತು ಒಂದು ನಿರ್ಣಾಯಕ ಮೌಲ್ಯಮಾಪನ ನೋಡಿ Deaton (2010) . ರಾಜ್ಯಶಾಸ್ತ್ರ ರಲ್ಲಿ ಕೆಲಸ ಪುರ್ನಪರಿಶೀಲನೆಗಾಗಿ ನೋಡಿ Humphreys and Weinstein (2009) . ಅಂತಿಮವಾಗಿ, ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ನೈತಿಕ ಸವಾಲುಗಳನ್ನು ರಾಜ್ಯಶಾಸ್ತ್ರದಲ್ಲಿ ಶೋಧಿಸಲಾಗಿದೆ (Humphreys 2015; Desposato 2016b) ಹಾಗೂ ಅಭಿವೃದ್ಧಿ ಆರ್ಥಿಕತೆ (Baele 2013) .

ಅಧ್ಯಾಯದಲ್ಲಿ, ನಾನು ಪೂರ್ವ ಚಿಕಿತ್ಸೆಯ ವಿವರಗಳು ಅಂದಾಜು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ನಿಖರತೆಯನ್ನು ಸುಧಾರಿಸಲು ಬಳಸಬಹುದು ಎಂದು ಸಲಹೆ, ಆದರೆ ಈ ವಿಧಾನವು ಸುಮಾರು ಕೆಲವು ಚರ್ಚೆಗಳಿವೆ: Freedman (2008) , Lin (2013) , ಮತ್ತು Berk et al. (2013) ; ನೋಡಿ Bloniarz et al. (2016) ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ.

  • ಸರಳವಾದ ಪ್ರಯೋಗಗಳ ಮೀರಿ (ವಿಭಾಗ 4.4)

ಸಿಂಧುತ್ವ, ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ, ಮತ್ತು ಯಾಂತ್ರಿಕ ವ್ಯವಸ್ಥೆ: ನಾನು ಮೂರು ವಿಷಯಗಳ ಮೇಲೆ ಗಮನ ಆಯ್ಕೆ ಮಾಡಿದ. ಈ ಪರಿಕಲ್ಪನೆಗಳು ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಹಲವು ಹೆಸರುಗಳನ್ನೂ ಹೊಂದಿದೆ. ಉದಾಹರಣೆಗೆ, ಮನಶಾಸ್ತ್ರಜ್ಞರು ಮಧ್ಯವರ್ತಿಗಳಿಂದ ಮತ್ತು ಮಾಡರೇಟರ್ಗಳು ಕೇಂದ್ರೀಕರಿಸುವ ಮೂಲಕ ಸರಳವಾದ ಪ್ರಯೋಗಗಳ ಮೀರಿ ಚಲಿಸುವ ಪ್ರವೃತ್ತಿಯನ್ನು (Baron and Kenny 1986) . ಮಧ್ಯವರ್ತಿಗಳ ಕಲ್ಪನೆಯನ್ನು ನಾನು ಯಾಂತ್ರಿಕ ಕರೆಯುವ ವಶಪಡಿಸಿಕೊಂಡರು, ಮತ್ತು ಮಾಡರೇಟರ್ಗಳು ಕಲ್ಪನೆಯನ್ನು ನಾನು ಬಾಹ್ಯ ಸಿಂಧುತ್ವವನ್ನು (ಉದಾಹರಣೆಗೆ, ಎಂದು ಪ್ರಯೋಗದ ಫಲಿತಾಂಶಗಳು ವಿವಿಧ ಸಂದರ್ಭಗಳಲ್ಲಿ ರನ್ ವೇಳೆ ವ್ಯತ್ಯಾಸವಿರಬಹುದು) ಮತ್ತು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ (ಕರೆಯುವ ವಶಪಡಿಸಿಕೊಂಡಿರುವ ಉದಾಹರಣೆಗೆ, ಇತರ ಜನರಿಗಿಂತ ಕೆಲವು ಜನರು) ಅನ್ನು ದೊಡ್ಡ ಪರಿಣಾಮಗಳು.

ಪ್ರಯೋಗದ Schultz et al. (2007) ಪರಿಣಾಮಕಾರಿ ಮಧ್ಯಸ್ಥಿಕೆಗಳು ವಿನ್ಯಾಸ ಬಳಸಬಹುದು ಸಾಮಾಜಿಕ ಸಿದ್ಧಾಂತಗಳು ಹೇಗೆ ತೋರಿಸುತ್ತದೆ. ಸಿದ್ಧಾಂತ ಪಾತ್ರವನ್ನು ಪರಿಣಾಮಕಾರಿ ಮಧ್ಯಸ್ಥಿಕೆಗಳು ವಿನ್ಯಾಸ ಬಗ್ಗೆ ಹೆಚ್ಚು ಸಾಮಾನ್ಯ ವಾದ, ನೋಡಿ Walton (2014) .

  • ವಾಯಿದೆ (ವಿಭಾಗ 4.4.1)

ಆಂತರಿಕ ಮತ್ತು ಬಾಹ್ಯ ಸಿಂಧುತ್ವವನ್ನು ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಮೊದಲ ಪರಿಚಯಿಸಲಾಯಿತು Campbell (1957) . ನೋಡಿ Shadish, Cook, and Campbell (2001) , ವಿಸ್ತೃತ ಇತಿಹಾಸಕ್ಕಾಗಿ ಮತ್ತು ಅಂಕಿಅಂಶಗಳ ತೀರ್ಮಾನಕ್ಕೆ ಸಿಂಧುತ್ವ, ಆಂತರಿಕ ಸಿಂಧುತ್ವವನ್ನು ಒಂದು ಎಚ್ಚರಿಕೆಯಿಂದ ವಿವರ ಫಾರ್ ಸಿಂಧುತ್ವ, ಮತ್ತು ಬಾಹ್ಯ ಸಿಂಧುತ್ವವನ್ನು ನಿರ್ಮಿಸಲು.

ಪ್ರಯೋಗಗಳಲ್ಲಿ ಅಂಕಿಅಂಶಗಳ ತೀರ್ಮಾನಕ್ಕೆ ಸಿಂಧುತ್ವಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಸಮಸ್ಯೆಗಳ ಅವಲೋಕನವನ್ನು ನೋಡಿ Gerber and Green (2012) (ಒಂದು ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನದ ದೃಷ್ಟಿಕೋನದಿಂದ) ಮತ್ತು Imbens and Rubin (2015) (ಅಂಕಿಅಂಶಗಳ ದೃಷ್ಟಿಕೋನದಿಂದ). ಆನ್ಲೈನ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟವಾಗಿ ಉದ್ಭವಿಸುವ ಅಂಕಿಅಂಶಗಳ ತೀರ್ಮಾನಕ್ಕೆ ಸಿಂಧುತ್ವವನ್ನು ಕೆಲವು ಸಮಸ್ಯೆಗಳು ಇಂತಹ ಅವಲಂಬಿತ ದತ್ತಾಂಶ ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರಗಳನ್ನು ರಚಿಸಲು ಗಣನೆಗೆ ಸಮರ್ಥವಾದ ವಿಧಾನಗಳು ಮತ್ತು ಮೇಲ್ವಿಚಾರಣೆಗೆ (Bakshy and Eckles 2013) .

ಆಂತರಿಕ ಸಿಂಧುತ್ವವನ್ನು ಸಂಕೀರ್ಣ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಕಷ್ಟವಾಗುತ್ತದೆ. ನೋಡಿ, ಉದಾಹರಣೆ, Gerber and Green (2000) , Imai (2005) , ಮತ್ತು Gerber and Green (2005) ಮತದಾನ ಬಗ್ಗೆ ಸಂಕೀರ್ಣ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗದ ಅನುಷ್ಠಾನದ ಬಗ್ಗೆ ಚರ್ಚೆಗೆ. Kohavi et al. (2012) ಮತ್ತು Kohavi et al. (2013) ಸವಾಲುಗಳನ್ನು ಮಧ್ಯಂತರ ಸಿಂಧುತ್ವವನ್ನು ಆನ್ಲೈನ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಒಂದು ಪರಿಚಯ ನೀಡುತ್ತದೆ.

ಆಂತರಿಕ ಸಿಂಧುತ್ವವನ್ನು ಒಂದು ಪ್ರಮುಖ ಕಾಳಜಿ ಯಾದೃಚ್ಛಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಹೊಂದಿದೆ. ಸಂಭಾವ್ಯ ಯಾದೃಚ್ಛಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಪತ್ತೆ ಒಂದು ರೀತಿಯಲ್ಲಿ ಆಚರಣೀಯ ಲಕ್ಷಣಗಳು ಚಿಕಿತ್ಸೆ ಮತ್ತು ನಿಯಂತ್ರಣ ಗುಂಪುಗಳು ಹೋಲಿಕೆ ಮಾಡುವುದು. ಹೋಲಿಕೆಯ ಈ ರೀತಿಯ ಸಮತೋಲನ ಚೆಕ್ ಕರೆಯಲಾಗುತ್ತದೆ. ನೋಡಿ Hansen and Bowers (2008) ಪರಿಶೀಲಿಸುತ್ತದೆ ಸಮತೋಲನ, ಮತ್ತು ನೋಡಿ ಅಂಕಿಅಂಶಗಳ ವಿಧಾನ Mutz and Pemantle (2015) ಸಮತೋಲನ ಚೆಕ್ ಬಗ್ಗೆ ಕಾಳಜಿ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಸಮತೋಲನ ಬಳಸಿಕೊಂಡು ಪರಿಶೀಲಿಸಿ Allcott (2011) ಯಾದೃಚ್ಛಿಕ OPower ಪ್ರಯೋಗಗಳ ಕೆಲವು ಪ್ರಯೋಗಗಳ ಮೂರು ಸರಿಯಾಗಿ ಜಾರಿಗೆ ಮಾಡಲಿಲ್ಲ ಕೆಲವು ಪುರಾವೆಗಳು ಇವೆ ಕಂಡುಕೊಂಡರು (ಟೇಬಲ್ ನೋಡಿ 2; ಸೈಟ್ಗಳು 2, 6, ಮತ್ತು 8). ಇತರ ವಿಧಾನಗಳು, ನೋಡಿ Imbens and Rubin (2015) , ಅಧ್ಯಾಯ 21.

ಆಂತರಿಕ ಸಿಂಧುತ್ವಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಇತರ ಪ್ರಮುಖ ಕಾಳಜಿ: 1) ಚಿಕಿತ್ಸೆ ಗುಂಪಿನಲ್ಲಿ ಎಲ್ಲರೂ ವಾಸ್ತವವಾಗಿ ಚಿಕಿತ್ಸೆಯನ್ನು ಸ್ವೀಕರಿಸಿದ ಅವರು ಅನುಸರಣೆ ಅಲ್ಲದ, ಒಂದು ಏಕಪಕ್ಷೀಯವೆಂದು, 2) ಎರಡು ಅನನುವರ್ತನೆಯನ್ನು, ಚಿಕಿತ್ಸೆ ಗುಂಪಿನಲ್ಲಿ ಎಲ್ಲರೂ ಚಿಕಿತ್ಸೆ ಮತ್ತು ಕೆಲವು ಪಡೆಯುತ್ತದೆ ಅಲ್ಲಿ ಬದಿಯ ನಿಯಂತ್ರಣ ಗುಂಪಿನಲ್ಲಿ ಜನರು ಚಿಕಿತ್ಸೆಯಲ್ಲಿ ಮೇಲೆ ಜನರಿಂದ ನಿಯಂತ್ರಣ ಸ್ಥಿತಿಯಲ್ಲಿ ಜನರಿಗೆ ಚಿಕಿತ್ಸೆ ಸ್ಥಿತಿಯಲ್ಲಿ ಚೆಲ್ಲುತ್ತವೆ ಅಲ್ಲಿ ಚಿಕಿತ್ಸೆ, 3) ಪರಿಣಾಮಗಳ ಕೆಲವು ಭಾಗವಹಿಸುವವರು ಹೆಸರು ಅಲ್ಲಿ ತಿಕ್ಕಾಟ,, ಮತ್ತು 4) ಹಸ್ತಕ್ಷೇಪವನ್ನು ಸ್ವೀಕರಿಸಲು. ನೋಡಿ Gerber and Green (2012) ಅಧ್ಯಾಯ 5, 6, 7, ಮತ್ತು ಈ ಸಮಸ್ಯೆಗಳನ್ನು ಪ್ರತಿ ಹೆಚ್ಚಿನ 8.

ರಚನೆ ಕ್ರಮಬದ್ಧತೆ ಬಗ್ಗೆ ಹೆಚ್ಚು, ನೋಡಿ Westen and Rosenthal (2003) , ಮತ್ತು ದೊಡ್ಡ ದಶಮಾಂಶ ಮೂಲಗಳು ರಚನೆ ಸಿಂಧುತ್ವ, ಹೆಚ್ಚು Lazer (2015) ಮತ್ತು ಈ ಪುಸ್ತಕದ ಅಧ್ಯಾಯ 2.

ಬಾಹ್ಯ ಸಿಂಧುತ್ವವನ್ನು ಒಂದು ಮಗ್ಗುಲನ್ನು ಹಸ್ತಕ್ಷೇಪ ಪರೀಕ್ಷೆ ಇದೆ ಅಲ್ಲಿ ಸಂಯೋಜನೆಯಾಗಿರುತ್ತದೆ. Allcott (2015) ಸೈಟ್ ಆಯ್ಕೆ ಪಕ್ಷಪಾತ ಒಂದು ಎಚ್ಚರಿಕೆಯಿಂದ ಸೈದ್ಧಾಂತಿಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಚಿಕಿತ್ಸೆ ಒದಗಿಸುತ್ತದೆ. ಈ ಸಮಸ್ಯೆಯನ್ನು ಸಹ ಚರ್ಚಿಸಲಾಗಿದೆ Deaton (2010) . ಅನೇಕ ತಾಣಗಳು ಪುನರಾವರ್ತನೆಗೊಳ್ಳಲು ಜೊತೆಗೆ, ಮುಖಪುಟ ಎನರ್ಜಿ ರಿಪೊರ್ಟ್ ಹಸ್ತಕ್ಷೇಪ ಸ್ವತಂತ್ರವಾಗಿ ಅನೇಕ ಸಂಶೋಧನಾ ಗುಂಪುಗಳನ್ನು ಅಧ್ಯಯನ (ಉದಾಹರಣೆಗೆ, Ayres, Raseman, and Shih (2013) ).

  • ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ (ವಿಭಾಗ 4.4.2)

ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಅತ್ಯುತ್ತಮ ಅವಲೋಕನಕ್ಕಾಗಿ, ಅಧ್ಯಾಯ 12 ನೋಡಿ Gerber and Green (2012) . ವೈದ್ಯಕೀಯ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಪೀಠಿಕೆಗಳು, ನೋಡಿ Kent and Hayward (2007) , Longford (1999) , ಮತ್ತು Kravitz, Duan, and Braslow (2004) . ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಸಾಮಾನ್ಯವಾಗಿ ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಆಧರಿಸಿ ವ್ಯತ್ಯಾಸಗಳು ಗಮನ. ನೀವು ನಂತರದ ಚಿಕಿತ್ಸೆ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಆಧಾರಿತ ವಿವಿಧತೆಗಳ ಆಸಕ್ತಿ ಇದ್ದರೆ, ನಂತರ ಸಂಕೀರ್ಣ approachs ಇಂತಹ ಪ್ರಮುಖ ಶ್ರೇಣೀಕರಣದ ಎಂದು ಅಗತ್ಯವಿದೆ (Frangakis and Rubin 2002) ; ನೋಡಿ Page et al. (2015) ವಿಮರ್ಶೆ.

ಅನೇಕ ಸಂಶೋಧಕರು ರೇಖಾತ್ಮಕ ಹಿಂಜರಿತ ಬಳಸಿಕೊಂಡು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಅಂದಾಜು, ಆದರೆ ಹೊಸ ವಿಧಾನಗಳು ಉದಾಹರಣೆಗೆ, ಯಂತ್ರ ಕಲಿಕೆ ಅವಲಂಬಿಸಬೇಕಾಗಿತ್ತು Green and Kern (2012) , Imai and Ratkovic (2013) , Taddy et al. (2016) , ಮತ್ತು Athey and Imbens (2016a) .

ಏಕೆಂದರೆ ಅನೇಕ ಹೋಲಿಕೆ ಸಮಸ್ಯೆಗಳು ಮತ್ತು ". ಮೀನುಗಾರಿಕೆ" ಅನೇಕ ಹೋಲಿಕೆ ಬಗ್ಗೆ ವಿಳಾಸ ಕಾಳಜಿ ಸಹಾಯ ಮಾಡುವ ಅಂಕಿಅಂಶಗಳ ಮಾರ್ಗಗಳನ್ನು ಇವೆ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಸಂಶೋಧನೆಗಳು ಬಗ್ಗೆ ಕೆಲವು ಸಂದೇಹವಾದ ಇಲ್ಲ (Fink, McConnell, and Vollmer 2014; List, Shaikh, and Xu 2016) . "ಮೀನುಗಾರಿಕೆ" ಬಗ್ಗೆ ಒಂದು ದಾರಿಯ ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿ ಪೂರ್ವ ನೋಂದಣಿ, ಆಗಿದೆ (Nosek and Lakens 2014) , ರಾಜ್ಯಶಾಸ್ತ್ರ (Humphreys, Sierra, and Windt 2013; Monogan 2013; Anderson 2013; Gelman 2013; Laitin 2013) ಮತ್ತು ಅರ್ಥಶಾಸ್ತ್ರ (Olken 2015) .

ಅಧ್ಯಯನದಲ್ಲಿ Costa and Kahn (2013) ಕೇವಲ ಪ್ರಯೋಗದಲ್ಲಿ ಕುಟುಂಬಗಳು ಅರ್ಧ ಜನಸಂಖ್ಯೆ ಮಾಹಿತಿಯನ್ನು ಲಿಂಕ್ ಸಾಧ್ಯವಾಯಿತು. ಈ ವಿಶ್ಲೇಷಣೆ ವಿವರಗಳು ಮತ್ತು ಸಂಭಾವ್ಯ ಸಮಸ್ಯೆಗಳನ್ನು ಆಸಕ್ತಿ ಓದುಗರು ಮೂಲ ಪತ್ರಿಕೆಯ ಉಲ್ಲೇಖಿಸಬೇಕು.

  • ಕಾರ್ಯವಿಧಾನ (ವಿಭಾಗ 4.4.3)

ಕಾರ್ಯವಿಧಾನ ಮೀರಿ ಮುಖ್ಯ, ಆದರೆ ಅವರು ಅಧ್ಯಯನ ಬಹಳ ಕಷ್ಟ ಎಂದು ಔಟ್ ಮಾಡಿ. ಯಾಂತ್ರಿಕ ಸಂಶೋಧನೆಗಳು ನಿಕಟವಾಗಿ ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ಮಧ್ಯವರ್ತಿಗಳ ಅಧ್ಯಯನಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ (ಆದರೆ ನೋಡಿ VanderWeele (2009) ಎರಡು ಕಲ್ಪನೆಗಳ ನಡುವೆ ಒಂದು ನಿಖರವಾದ ಹೋಲಿಕೆ). ಇಂತಹ ವಿಧಾನದಲ್ಲಿ ಅಭಿವೃದ್ಧಿ ಯಾಂತ್ರಿಕ ಕಂಡುಹಿಡಿಯುವ ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ವಿಧಾನಗಳು, Baron and Kenny (1986) ತೀರ ಸಾಮಾನ್ಯ. ದುರದೃಷ್ಟವಶಾತ್, ಇದು ಆ ಕಾರ್ಯವಿಧಾನಗಳು ಕೆಲವು ಪ್ರಬಲ ಎಣಿಕೆಗಳನ್ನು ಅವಲಂಬಿಸಿರುತ್ತವೆ ಎಂದು ತಿರುಗಿದರೆ (Bullock, Green, and Ha 2010) ಮತ್ತು ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅಪೇಕ್ಷಿಸಬಹುದು ಮಾಹಿತಿ, ಅನೇಕ ವ್ಯವಸ್ಥೆಯನ್ನು ಇವೆ ಯಾವಾಗ ಬಳಲುತ್ತಿದ್ದಾರೆ (Imai and Yamamoto 2013; VanderWeele and Vansteelandt 2014) . Imai et al. (2011) ಮತ್ತು Imai and Yamamoto (2013) ಕೆಲವು ಸುಧಾರಿತ ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ವಿಧಾನಗಳು ನೀಡುತ್ತವೆ. ಇದಲ್ಲದೆ, VanderWeele (2015) ಸಂವೇದನೆ ವಿಶ್ಲೇಷಣೆಗೆ ಸಮಗ್ರ ವಿಧಾನ ಸೇರಿದಂತೆ ಪ್ರಮುಖ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಒಂದು ಸಂಖ್ಯೆಯ ಒಂದು ಪುಸ್ತಕ ಉದ್ದ ಚಿಕಿತ್ಸೆಯನ್ನು ನೀಡುತ್ತಿದೆ.

ಒಂದು ಪ್ರತ್ಯೇಕ ಮಾರ್ಗವನ್ನು ನೇರವಾಗಿ ಯಾಂತ್ರಿಕ (ಉದಾ, ನಾವಿಕರು ನೀಡುವ ಜೀವಸತ್ವ C) ಕುಶಲತೆಯಿಂದ ಪ್ರಯತ್ನಿಸುವ ಪ್ರಯೋಗಗಳನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ. ದುರದೃಷ್ಟವಶಾತ್, ಅನೇಕ ಸಮಾಜ ವಿಜ್ಞಾನ ಸೆಟ್ಟಿಂಗ್ಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಅನೇಕ ಕಾರ್ಯವಿಧಾನಗಳ ಮತ್ತು ಇತರರು ಬದಲಿಸದೇ ಒಂದು ಬದಲಿಸುವುದು ಚಿಕಿತ್ಸೆಗಳು ವಿನ್ಯಾಸ ಕಷ್ಟ. ಕೆಲವು ವಿಧಾನಗಳು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಪರಿವರ್ತಿಸುವ ಯಾಂತ್ರಿಕ ವಿವರಿಸಲಾಗಿದೆ ಗೆ Imai, Tingley, and Yamamoto (2013) , Ludwig, Kling, and Mullainathan (2011) , ಮತ್ತು Pirlott and MacKinnon (2016) .

ಅಂತಿಮವಾಗಿ, ಯಾಂತ್ರಿಕ ಒಂದು ಸುದೀರ್ಘ ಇತಿಹಾಸವನ್ನು ವಿಜ್ಞಾನದ ತತ್ವಶಾಸ್ತ್ರದಲ್ಲಿ ವಿವರಿಸಿದಂತೆ ಹೊಂದಿವೆ Hedström and Ylikoski (2010) .

  • (ವಿಭಾಗ 4.5.1.1) ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪರಿಸರದಲ್ಲಿ ಬಳಸಿ

ತಾರತಮ್ಯ ಅಳೆಯಲು ಪತ್ರವ್ಯವಹಾರದ ಅಧ್ಯಯನಗಳು ಮತ್ತು ಆಡಿಟ್ ಅಧ್ಯಯನಗಳು ಹೆಚ್ಚು ನೋಡಿ Pager (2007) .

  • ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗ ನಿರ್ಮಿಸಿ (ವಿಭಾಗ 4.5.1.2)

ನೀವು ರಚಿಸುವ ಪ್ರಯೋಗಗಳನ್ನು ಭಾಗವಹಿಸುವವರು ನೇಮಕ ಸಾಮಾನ್ಯ ಮಾರ್ಗವಾಗಿದೆ ಅಮೆಜಾನ್ ಯಾಂತ್ರಿಕ ಟರ್ಕ್ (MTurk) ಆಗಿದೆ. ಏಕೆಂದರೆ ಸಾಂಪ್ರದಾಯಿಕ ಲ್ಯಾಬ್ ಪ್ರಯೋಗಗಳನ್ನು-ಪಾವತಿ ಜನರ MTurk ಅನುಕರಿಸುವ ಅಂಶಗಳನ್ನು ಅವರು ಮುಕ್ತ ಅನೇಕ ಸಂಶೋಧಕರು ಹಾಗೆ ಎಂದು ಕೆಲಸಗಳನ್ನು ಈಗಾಗಲೇ ಸಾಂಪ್ರದಾಯಿಕ ಹೆಚ್ಚು ವೇಗದ ಮತ್ತು ಅಗ್ಗದ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಪರಿಣಾಮವಾಗಿ ಮಾನವ ವಿಷಯಗಳ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಭಾಗವಹಿಸುವ ಎಂದು Turkers (MTurk ಕೆಲಸಗಾರರು) ಬಳಸಿಕೊಂಡು ಆರಂಭಿಸಿವೆ ಕ್ಯಾಂಪಸ್ ಪ್ರಯೋಗಗಳಿಂದ (Paolacci, Chandler, and Ipeirotis 2010; Horton, Rand, and Zeckhauser 2011; Mason and Suri 2012; Rand 2012; Berinsky, Huber, and Lenz 2012) .

MTurk ನೇಮಕ ಭಾಗವಹಿಸಿದವರು ಪ್ರಯೋಗಗಳ ದೊಡ್ಡ ಶಕ್ತಿ ವ್ಯವಸ್ಥಾಪನ: ಅವರು ಸಂಶೋಧಕರು ತ್ವರಿತವಾಗಿ ಮತ್ತು ಅಗತ್ಯವಿರುವ ಭಾಗವಹಿಸುವವರು ನೇಮಕ ಅವಕಾಶ. ಆದರೆ ಲ್ಯಾಬ್ ಪ್ರಯೋಗಗಳನ್ನು ನಿರ್ವಹಿಸಲು ವಾರಗಳ ತೆಗೆದುಕೊಂಡು ಕ್ಷೇತ್ರ ಪ್ರಯೋಗಗಳನ್ನು ಸೆಟ್ ಅಪ್ ತಿಂಗಳ ತೆಗೆದುಕೊಳ್ಳಬಹುದು ಮಾಡಬಹುದು, MTurk ನೇಮಕ ಭಾಗವಹಿಸುವವರು ಪ್ರಯೋಗಗಳನ್ನು ದಿನಗಳಲ್ಲಿ ರನ್ ಮಾಡಬಹುದು. ಉದಾಹರಣೆಗೆ, Berinsky, Huber, and Lenz (2012) 8 ನಿಮಿಷ ಪ್ರಯೋಗದಲ್ಲಿ ಭಾಗವಹಿಸಲು ಒಂದೇ ದಿನದಲ್ಲಿ 400 ವಿಷಯಗಳ ನೇಮಕ ಸಾಧ್ಯವಾಯಿತು. ಇದಲ್ಲದೆ, ಈ ಭಾಗವಹಿಸುವವರು (ಅಧ್ಯಾಯ 3 ಚರ್ಚಿಸಲಾಗಿದೆ, ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಸಾಮೂಹಿಕ ಸಹಯೋಗದೊಂದಿಗೆ ಸೇರಿದಂತೆ ಮತ್ತು 5) ವಾಸ್ತವವಾಗಿ ಯಾವುದೇ ಉದ್ದೇಶಕ್ಕಾಗಿ ನೇಮಕ ಮಾಡಬಹುದು. ನೇಮಕಾತಿ ಈ ಸುಲಭವಾಗಿ ಸಂಶೋಧಕರು ಕ್ಷಿಪ್ರ ಅನುಕ್ರಮದಲ್ಲಿ ಸಂಬಂಧಿತ ಪ್ರಯೋಗಗಳನ್ನು ಅನುಕ್ರಮವನ್ನು ಚಲಾಯಿಸಬಹುದು ಅರ್ಥ.

ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಯೋಗಗಳಿಗೆ MTurk ಸಹಭಾಗಿಗಳು ನೇಮಕ ಮೊದಲು, ತಿಳಿಯಲು ನಾಲ್ಕು ಪ್ರಮುಖ ವಿಷಯಗಳನ್ನು. ಮೊದಲ, ಅನೇಕ ಸಂಶೋಧಕರು Turkers ಒಳಗೊಂಡ ಪ್ರಯೋಗಗಳ ಅಲ್ಲದ ನಿರ್ದಿಷ್ಟ ಸಿನಿಕತನವನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಈ ಸಿನಿಕತನವನ್ನು ನಿರ್ದಿಷ್ಟ ಕಾರಣ, ಇದು ಸಾಕ್ಷ್ಯವನ್ನು ಎದುರಿಸಲು ಕಷ್ಟ. ಆದಾಗ್ಯೂ, Turkers ಅಧ್ಯಯನದ ಹಲವಾರು ವರ್ಷಗಳ ನಂತರ, ನಾವು ಈಗ ಈ ಸಿನಿಕತನವನ್ನು ವಿಶೇಷವಾಗಿ ಅಗತ್ಯವಿಲ್ಲ ಎಂದು ತೀರ್ಮಾನಕ್ಕೆ. ಇತರೆ ಜನಸಂಖ್ಯೆಯನ್ನು ಮತ್ತು ಇತರ ಜನಸಂಖ್ಯೆಯು ಫಲಿತಾಂಶಗಳು Turkers ಜೊತೆ ಪ್ರಯೋಗಗಳ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಕೆ ಅನೇಕ ಅಧ್ಯಯನಗಳ Turkers ಜನಸಂಖ್ಯೆ ಹೋಲಿಸುವ ಅನೇಕ ಅಧ್ಯಯನಗಳು ನಡೆದಿವೆ. ಈ ಕೆಲಸ ನೀಡಲಾಗಿದೆ, ನಾನು ಅದರ ಬಗ್ಗೆ ಯೋಚಿಸುವುದು ಉತ್ತಮ ರೀತಿಯಲ್ಲಿ Turkers ಹೆಚ್ಚು ವಿದ್ಯಾರ್ಥಿಗಳು ಆದರೆ ಸ್ವಲ್ಪ ಹೆಚ್ಚು ವೈವಿಧ್ಯಮಯ ಹಾಗೆ, ಒಂದು ಸಮಂಜಸವಾದ ಅನುಕೂಲಕ್ಕಾಗಿ ಸ್ಯಾಂಪಲ್ ಎಂದು ಭಾವಿಸುತ್ತೇನೆ (Berinsky, Huber, and Lenz 2012) . ಹೀಗಾಗಿ, ವಿದ್ಯಾರ್ಥಿಗಳು ಕೆಲವು ಒಂದು ಸಮಂಜಸವಾದ ಜನಸಂಖ್ಯೆ ಆದರೆ ಎಲ್ಲಾ ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆ ಇವೆ ಮಾಹಿತಿ, Turkers ಕೆಲವು ಒಂದು ಸಮಂಜಸವಾದ ಜನಸಂಖ್ಯೆ ಆದರೆ ಎಲ್ಲ ಸಂಶೋಧನೆಯಲ್ಲಿ ಇವೆ. ನೀವು Turkers ಕೆಲಸ ಹೋಗುವ ವೇಳೆ, ನಂತರ ಈ ತುಲನಾತ್ಮಕ ಅಧ್ಯಯನಗಳ ಹಲವು ಓದಿ ತಮ್ಮ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಅರ್ಥ ಅರ್ಥವಿಲ್ಲ.

ಎರಡನೇ, ಸಂಶೋಧಕರು ಟರ್ಕ್ ಪ್ರಯೋಗಗಳ ಆಂತರಿಕ ಸಿಂಧುತ್ವವನ್ನು ಹೆಚ್ಚುತ್ತಿರುವ ಉತ್ತಮ ಅಭ್ಯಾಸಗಳು ಅಭಿವೃದ್ಧಿ, ಮತ್ತು ನೀವು ಬಗ್ಗೆ ತಿಳಿಯಲು ಮಾಡಬೇಕು ಮತ್ತು ಈ ಉತ್ತಮ ಪದ್ಧತಿಗಳನ್ನು ಅನುಸರಿಸಿ (Horton, Rand, and Zeckhauser 2011; Mason and Suri 2012) . ಉದಾಹರಣೆಗೆ, Turkers ಸಂಶೋಧಕರು ಗಮನ ಕೊಡದ ಭಾಗವಹಿಸುವವರು ತೆಗೆದುಹಾಕಲು screeners ಬಳಸಲು ಸಲಹೆ ಮಾಡಲಾಗುತ್ತದೆ (Berinsky, Margolis, and Sances 2014; Berinsky, Margolis, and Sances 2016) (ಆದರೆ ನೋಡಿ DJ Hauser and Schwarz (2015b) ಮತ್ತು DJ Hauser and Schwarz (2015a) ). ನೀವು ನಾಟ್ ಗಮನ ಕೊಡದ ಭಾಗವಹಿಸುವವರು ತೆಗೆದು ವೇಳೆ, ನಂತರ ಚಿಕಿತ್ಸೆಯ ಯಾವುದೇ ಪರಿಣಾಮ ಗಮನ ಕೊಡದ ಭಾಗವಹಿಸುವವರು ಪರಿಚಯಿಸಿದ ಶಬ್ದ ತೊಳೆದು ಮಾಡಬಹುದು, ಮತ್ತು ಆಚರಣೆಯಲ್ಲಿ ಗಮನ ಕೊಡದ ಭಾಗವಹಿಸುವವರ ಸಂಖ್ಯೆ ಗಣನೀಯ ಮಾಡಬಹುದು. ಹ್ಯೂಬರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಪ್ರಯೋಗದಲ್ಲಿ (2012) ಭಾಗಿಗಳ 30% ಮೂಲ ಗಮನ screeners ವಿಫಲವಾಗಿದೆ. Turkers ಸಾಮಾನ್ಯ ಮತ್ತೊಂದು ಸಮಸ್ಯೆ ಅಲ್ಲದ ನಿಷ್ಕಪಟ ಭಾಗವಹಿಸುವವರು ಆಗಿದೆ (Chandler et al. 2015) .

ಮೂರನೇ, ಡಿಜಿಟಲ್ ಪ್ರಯೋಗಗಳ ಕೆಲವು ಇತರ ವಿಧಾನಗಳಿಗೆ ಸಂಬಂಧಿ MTurk ಪ್ರಯೋಗಗಳನ್ನು ಅಳೆಯುವ ಸಾಧ್ಯವಿಲ್ಲ; Stewart et al. (2015) ಅಂದಾಜಿಸಿದೆ ಯಾವುದೇ ಸಮಯದಲ್ಲಿ MTurk ಮಾತ್ರ 7,000 ಜನರಿರುತ್ತಾರೆ.

ಅಂತಿಮವಾಗಿ, ನೀವು MTurk ತನ್ನದೇ ಆದ ನಿಯಮಗಳನ್ನು ಮತ್ತು ರೂಢಿಗಳನ್ನು ಒಂದು ಸಮುದಾಯ ಎಂದು ತಿಳಿಯಬೇಕಿದೆ (Mason and Suri 2012) . ನಿಮ್ಮ ಪ್ರಯೋಗಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಹೋಗುವ ಅಲ್ಲಿ ಒಂದು ದೇಶದ ಸಂಸ್ಕೃತಿ ಬಗ್ಗೆ ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸಿ ಎಂದು ಅದೇ ರೀತಿಯಲ್ಲಿ, ನೀವು ಸಂಸ್ಕೃತಿ ಮತ್ತು Turkers ರೂಢಿಗಳನ್ನು ಬಗ್ಗೆ ಹೆಚ್ಚು ಕಂಡುಹಿಡಿಯಲು ಯತ್ನಿಸಬೇಕು (Salehi et al. 2015) . ಮತ್ತು, ನೀವು ಸೂಕ್ತವಲ್ಲದ ಅಥವಾ ಅನೈತಿಕ ಏನಾದರೂ ವೇಳೆ Turkers ನಿಮ್ಮ ಪ್ರಯೋಗ ಬಗ್ಗೆ ತಿಳಿಯಬೇಕಿದೆ (Gray et al. 2016) .

MTurk, ನಿಮ್ಮ ಪ್ರಯೋಗಗಳನ್ನು ಭಾಗವಹಿಸುವವರು ನೇಮಕ ಅಚ್ಚರಿಗೊಳಿಸುವ ಅನುಕೂಲಕರ ಅವು, ಲ್ಯಾಬ್ ತರಹದ ಎಂಬುದನ್ನು Huber, Hill, and Lenz (2012) , ಅಥವಾ ಹೆಚ್ಚು ಕ್ಷೇತ್ರ ತರಹದ, ಉದಾಹರಣೆಗೆ Mason and Watts (2009) , Goldstein, McAfee, and Suri (2013) , Goldstein et al. (2014) , Horton and Zeckhauser (2016) , ಮತ್ತು Mao et al. (2016) .

  • ನಿಮ್ಮ ಸ್ವಂತ ಉತ್ಪನ್ನವನ್ನು ಸ್ಥಾಪಿಸುವುದು (ವಿಭಾಗ 4.5.1.3)

ನೀವು ನಿಮ್ಮ ಸ್ವಂತ ಉತ್ಪನ್ನ ರಚಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ಆಲೋಚನೆ, ನಾನು ನೀವು MovieLens ಗುಂಪು ನೀಡುವ ಸಲಹೆ ಓದುವ ಶಿಫಾರಸು Harper and Konstan (2015) . ಅವರ ಅನುಭವದಿಂದ ಪ್ರಮುಖ ಒಳನೋಟ ಪ್ರತಿ ಯಶಸ್ವಿ ಯೋಜನೆಗೆ ಅನೇಕ, ಅನೇಕ ವೈಫಲ್ಯಗಳು ಅವುಗಳೆಂದರೆ. ಉದಾಹರಣೆಗೆ, MovieLens ಸಮೂಹವು, ಸಂಪೂರ್ಣ ವೈಫಲ್ಯಗಳು ಎಂದು GopherAnswers ಇತರ ಉತ್ಪನ್ನಗಳನ್ನು ಬಿಡುಗಡೆ (Harper and Konstan 2015) . ಒಂದು ಉತ್ಪನ್ನ ನಿರ್ಮಿಸಲು ಪ್ರಯತ್ನಿಸುವಾಗ ವಿಫಲವಾದ ಸಂಶೋಧಕರು ಮತ್ತೊಂದು ಉದಾಹರಣೆಗೆ ನಿರ್ಮಿಸಲು ಆನ್ಲೈನ್ ಆಟವನ್ನು ಆರ್ಡೆನ್ ಎಂಬ ಎಡ್ವರ್ಡ್ Castronova ಕುರುಹಾಗಿದೆ. ಹೂಡಿಕೆಯಲ್ಲಿ $ 250,000 ಹೊರತಾಗಿಯೂ, ಯೋಜನೆಯ ನೆಲಕಚ್ಚಿತು (Baker 2008) . GopherAnswers ಮತ್ತು ಆರ್ಡೆನ್ ಯೋಜನೆಗಳಲ್ಲಿ ದುರದೃಷ್ಟವಶಾತ್ MovieLens ಯೋಜನೆಗಳಿಂದ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ. ಅಂತಿಮವಾಗಿ, ನಾನು ನಾನು ಯಶಸ್ವಿಯಾಗಿ ಪುನರಾವರ್ತಿತ ಪ್ರಯೋಗ ನಿರ್ಮಿತವಾದ ಉತ್ಪನ್ನಗಳು ಯಾವುದೇ ಇತರ ಸಂಶೋಧಕರು ತಿಳಿದಿರಲಿಲ್ಲ ಹೇಳಿದರು ಇಲ್ಲಿ ನನ್ನ ಮಾನದಂಡ: 1) ಭಾಗವಹಿಸುವವರು ಏಕೆಂದರೆ ಅದು ಅವರಿಗೆ ಒದಗಿಸುತ್ತದೆ ಏನು (ಉದಾ, ಅವರು ಹಣ ಇಲ್ಲ ಉತ್ಪನ್ನ ಬಳಸಲು ಮತ್ತು ಅವುಗಳು ಸ್ವಯಂಸೇವಕರು ವಿಜ್ಞಾನ ಸಹಾಯ) ಮತ್ತು 2) ಉತ್ಪನ್ನ ಒಂದು ಹೆಚ್ಚಿನ ವಿಶಿಷ್ಟ ಪ್ರಯೋಗ (ಅಂದರೆ, ಅದೇ ಪ್ರಯೋಗ ಅನೇಕ ವಿವಿಧ ಸ್ಪರ್ಧಿ ಪೂಲ್ಗಳನ್ನು ಬಾರಿ) ಬಳಸಲಾಗಿದೆ. ನೀವು ಇತರ ಉದಾಹರಣೆಗಳು ತಿಳಿದಿದ್ದರೆ, ನನಗೆ ತಿಳಿಸಿ ದಯವಿಟ್ಟು.

  • ಪ್ರಬಲ ಜೊತೆ ಸಂಗಾತಿ (ವಿಭಾಗ 4.5.2)

ನಾನು ಆತನ ಕ್ವಾಡ್ರಾಂಟ್ ಟೆಕ್ ಕಂಪನಿಗಳು ನಲ್ಲಿ ಸತತವಾಗಿ ಚರ್ಚಿಸಿದ ಕಲ್ಪನೆಯನ್ನು ಕೇಳಿರುವ, ಮತ್ತು ಗೂಗಲ್ ನಲ್ಲಿ ಸಂಶೋಧನಾ ಪ್ರಯತ್ನಗಳು ಸಂಘಟಿಸಲು ಸಹಾಯ (Spector, Norvig, and Petrov 2012) .

ಬಾಂಡ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು 'ಅಧ್ಯಯನ (2012) ಅವರಿಗೆ ಪಡೆದವರಲ್ಲಿ ಸ್ನೇಹಿತರು ಈ ಚಿಕಿತ್ಸೆಗಳು ಪರಿಣಾಮ ಕಂಡುಹಿಡಿಯಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ. ಏಕೆಂದರೆ ಪ್ರಯೋಗದ ವಿನ್ಯಾಸದ ಈ spillovers ಸರಿಯಾಗಿ ಪತ್ತೆ ಕಷ್ಟ; ಆಸಕ್ತಿ ಓದುಗರು ನೋಡಿ ಮಾಡಬೇಕು Bond et al. (2012) ಸಂಪೂರ್ಣ ಚರ್ಚೆಗೆ. ಈ ಪ್ರಯೋಗವು ದೀರ್ಘಕಾಲದ ಸಂಪ್ರದಾಯವನ್ನು ರಾಜ್ಯಶಾಸ್ತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳ ಮತದಾನ ಪ್ರೋತ್ಸಾಹಿಸಲು ಪ್ರಯತ್ನಗಳು ಭಾಗವಾಗಿದೆ (Green and Gerber 2015) . ಅವರು ಆತನ ಕ್ವಾಡ್ರಾಂಟ್ ಏಕೆಂದರೆ ಈ ಪಡೆಯಲು ಔಟ್ ಮತ ಪ್ರಯೋಗಗಳನ್ನು ಭಾಗದಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಮತದಾನದ ಮತ್ತು ಮತದಾನ ಹೆಚ್ಚಿಸಲು ವರ್ತನೆಯ ಬದಲಾವಣೆ ಮತ್ತು ಸಾಮಾಜಿಕ ಪ್ರಭಾವದ ಬಗ್ಗೆ ಸಾಮಾನ್ಯ ಸಿದ್ಧಾಂತದಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದ್ದಾರೆ ಆಸಕ್ತಿದಾಯಕ ವರ್ತನೆಯನ್ನು ಮಾಡಬಹುದು ಪ್ರಚೋದಿಸಲ್ಪಡುತ್ತಾರೆ ಅನೇಕ ಜನರು ಇವೆ, ಇಲ್ಲ.

ಇತರ ಸಂಶೋಧಕರು; ರಾಜಕೀಯ ಪಕ್ಷಗಳು, ಸಂಘಟನೆಗಳು, ಮತ್ತು ವ್ಯವಹಾರಗಳು ಪಾಲುದಾರ ಸಂಸ್ಥೆಗಳು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸುವ ಬಗ್ಗೆ ಸಲಹೆ ಒದಗಿಸಿದ (Loewen, Rubenson, and Wantchekon 2010; List 2011; Gueron 2002) . ಇತರೆ ಸಂಶೋಧನೆ ವಿನ್ಯಾಸಗಳನ್ನು ಸಂಸ್ಥೆಗಳು ಸಹಭಾಗಿತ್ವ ಹೇಗೆ ಪರಿಣಾಮವು ಬಗ್ಗೆ ಸಲಹೆ ನೀಡಿದ್ದವು (Green, Calfano, and Aronow 2014; King et al. 2007) . ಪಾಲುದಾರಿಕೆಯು ನೈತಿಕ ಪ್ರಶ್ನೆಗಳನ್ನು ಕಾರಣವಾಗಬಹುದು (Humphreys 2015; Nickerson and Hyde 2016) .

  • ಡಿಸೈನ್ ಸಲಹೆ (ವಿಭಾಗ 4.6)

ನೀವು ಹೋಗುವ ವೇಳೆ ನಿಮ್ಮ ಪ್ರಯೋಗ ನಡೆಸುವ ಮುನ್ನ ಒಂದು ವಿಶ್ಲೇಷಣೆ ಯೋಜನೆಯನ್ನು ರಚಿಸಲು, ನಾನು ವರದಿ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಓದುವ ಮೂಲಕ ನೀವು ಆರಂಭಿಸಲು ಸೂಚಿಸುತ್ತವೆ. ಪತ್ನಿ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು (ಟ್ರಯಲ್ಸ್ ಕನ್ಸಾಲಿಡೇಟೆಡ್ ಪ್ರಮಾಣದ ವರದಿಯನ್ನು) ಔಷಧ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಯಿತು (Schulz et al. 2010) ಮತ್ತು ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆ ಬದಲಾಯಿಸಲಾಗಿತ್ತು (Mayo-Wilson et al. 2013) . ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಸಂಬಂಧಪಟ್ಟ ಸೆಟ್ ಜರ್ನಲ್ ಆಫ್ ಎಕ್ಸ್ಪರಿಮೆಂಟಲ್ ರಾಜಕೀಯ ವಿಜ್ಞಾನದ ಸಂಪಾದಕರು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ (Gerber et al. 2014) (ಇದನ್ನೂ ನೋಡಿ Mutz and Pemantle (2015) ಮತ್ತು Gerber et al. (2015) ). ಅಂತಿಮವಾಗಿ, ವರದಿ ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ (Group 2008) , ಮತ್ತು ನೋಡಿ Simmons, Nelson, and Simonsohn (2011) .

ನೀವು ಒಂದು ವಿಶ್ಲೇಷಣೆ ಯೋಜನೆ ರಚಿಸಿದರೆ ನೀವು ನೋಂದಾಯಿಸಿಕೊಳ್ಳುವ ಪೂರ್ವ ಪೂರ್ವ ನೋಂದಣಿ ಇತರರು ನಿಮ್ಮ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿರುವ ಆತ್ಮವಿಶ್ವಾಸ ಹೆಚ್ಚಾಗುತ್ತದೆ ಏಕೆಂದರೆ ಪರಿಗಣಿಸಬೇಕು. ಇದಲ್ಲದೆ, ನೀವು ಸಂಗಾತಿಯೊಡನೆ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದರೆ, ಇದು ಫಲಿತಾಂಶಗಳು ನೋಡಿದ ನಂತರ ವಿಶ್ಲೇಷಣೆ ಬದಲಾಯಿಸಲು ನಿಮ್ಮ ಸಂಗಾತಿಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ. ಪೂರ್ವ ನೋಂದಣಿ ಮನೋವಿಜ್ಞಾನದಲ್ಲಿ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿ (Nosek and Lakens 2014) , ರಾಜ್ಯಶಾಸ್ತ್ರ (Humphreys, Sierra, and Windt 2013; Monogan 2013; Anderson 2013; Gelman 2013; Laitin 2013) ಮತ್ತು ಅರ್ಥಶಾಸ್ತ್ರ (Olken 2015) .

ನಿಮ್ಮ ಪೂರ್ವ ವಿಶ್ಲೇಷಣೆ ಯೋಜನೆ ರಚಿಸುವಾಗ ನೀವು ಕೆಲವು ಸಂಶೋಧಕರು ಅಂದಾಜು ಚಿಕಿತ್ಸೆ ಪರಿಣಾಮ ನಿಖರತೆಯನ್ನು ಸುಧಾರಿಸಲು ಹಿಂಜರಿಕೆಯನ್ನು ಹಾಗು ಇವುಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಬಳಸುವ ಅರಿವನ್ನು, ಮತ್ತು ಈ ವಿಧಾನವು ಸುಮಾರು ಕೆಲವು ಚರ್ಚೆಗಳಿವೆ: Freedman (2008) , Lin (2013) , ಮತ್ತು Berk et al. (2013) ; ನೋಡಿ Bloniarz et al. (2016) ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ.

ಆನ್ಲೈನ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಿಗೆ ನಿರ್ದಿಷ್ಟವಾಗಿ ವಿನ್ಯಾಸ ಸಲಹೆ ಕೂಡ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ Konstan and Chen (2007) ಮತ್ತು Chen and Konstan (2015) .

  • ಶೂನ್ಯ ಅನಿರ್ದಿಷ್ಟ ವೆಚ್ಚ ಡೇಟಾ ರಚಿಸಿ (ವಿಭಾಗ 4.6.1)

MusicLab ಪ್ರಯೋಗಗಳ ಮೇಲೆ ಹೆಚ್ಚು, ನೋಡಿ Salganik, Dodds, and Watts (2006) , Salganik and Watts (2008) , Salganik and Watts (2009b) , Salganik and Watts (2009a) , ಮತ್ತು Salganik (2007) . ವಿಜೇತ-ತಿಂಡಿಯನ್ನು ಎಲ್ಲಾ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ಹೆಚ್ಚು, ನೋಡಿ Frank and Cook (1996) . ನೇರವಾದ ಅದೃಷ್ಟ ಮತ್ತು ಕೌಶಲ್ಯ ಹೆಚ್ಚು ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿ, ನೋಡಿ Mauboussin (2012) , Watts (2012) , ಮತ್ತು Frank (2016) .

ದಾಖಲಾತಿಗೆ: ಸಂಶೋಧಕರು ಎಚ್ಚರಿಕೆಯಿಂದ ಬಳಸಬೇಕು ಎಂದು ಸ್ಪರ್ಧಿ ಪಾವತಿ ತೆಗೆದುಹಾಕುವ ಮತ್ತೊಂದು ಪ್ರಯತ್ನಗಳು ನಡೆಯುತ್ತಿವೆ. ಅನೇಕ ಆನ್ಲೈನ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಭಾಗವಹಿಸುವ ಮೂಲತಃ ಪ್ರಯೋಗಗಳನ್ನು ಸೇರಿಸಿದ್ದಳು ಎಂದಿಗೂ ಪರಿಹಾರ ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಮಾರ್ಗದ ಉದಾಹರಣೆಗಳು Restivo ಮತ್ತು ವಾನ್ ಡೆ Rijt ನ ಸೇರಿವೆ (2012) ವಿಕಿಪೀಡಿಯಾ ಮತ್ತು ಬಾಂಡ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿ ಪ್ರತಿಫಲಗಳು ಮೇಲೆ ಪ್ರಯೋಗ (2012) ಮತ ಪ್ರೋತ್ಸಾಹ ಮೇಲೆ ಪ್ರಯೋಗ. ಈ ಪ್ರಯೋಗಗಳು ನಿಜವಾಗಿಯೂ ಶೂನ್ಯ ಅನಿರ್ದಿಷ್ಟ ವೆಚ್ಚ ಹೊಂದಿಲ್ಲ, ಅವರು ಸಂಶೋಧಕರು ಶೂನ್ಯ ವೇರಿಯಬಲ್ ವೆಚ್ಚವನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಈ ಪ್ರಯೋಗಗಳು ಅನೇಕ ವೆಚ್ಚ ಪ್ರತಿ ಸ್ಪರ್ಧಿ ಅತ್ಯಂತ ಕಡಿಮೆ ಸಹ, ಸಣ್ಣ ವೆಚ್ಚ ಭಾಗವಹಿಸುವವರು ಅಪಾರ ಸಂಖ್ಯೆಯ ವೇಗವಾಗಿ ಸೇರಿಸಬಹುದು ವಿಧಿಸಿದೆ. ಬೃಹತ್ ಆನ್ಲೈನ್ ಪ್ರಯೋಗಗಳನ್ನು ಚಾಲನೆಯಲ್ಲಿರುವ ಸಂಶೋಧಕರು ಅನೇಕ ಜನರು ಅಳವಡಿಸಿಕೊಂಡರೆ ಈ ಸಣ್ಣ ಪರಿಣಾಮಗಳನ್ನು ಪ್ರಾಮುಖ್ಯತೆ ಎಂದು ಹೇಳುವ ಮೂಲಕ ಸಣ್ಣ ಅಂದಾಜು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಸಮರ್ಥಿಸಲು. ನಿಖರ ಅದೇ ಚಿಂತನೆ ಸಂಶೋಧಕರು ಭಾಗವಹಿಸುವವರು ಮೇಲೆ ಹೊರಿಸಲು ವೆಚ್ಚ ಅನ್ವಯಿಸುತ್ತದೆ. ನಿಮ್ಮ ಪ್ರಯೋಗಗಳನ್ನು ಒಂದು ನಿಮಿಷ ವ್ಯರ್ಥ ಒಂದು ದಶಲಕ್ಷ ಜನರನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ, ಪ್ರಯೋಗ ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ವ್ಯಕ್ತಿ ತುಂಬಾ ಹಾನಿಕಾರಕ, ಆದರೆ ಒಟ್ಟಾರೆಯಾಗಿ ಸಮಯ ಸುಮಾರು ಎರಡು ವರ್ಷಗಳ ವ್ಯರ್ಥ ಮಾಡಿದೆ.

ಭಾಗವಹಿಸುವವರಿಗೆ ಶೂನ್ಯ ಅನಿರ್ದಿಷ್ಟ ವೆಚ್ಚ ಪಾವತಿ ರಚಿಸಲು ಮತ್ತೊಂದು ಮಾರ್ಗವೆಂದರೆ ಲಾಟರಿ, ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆಯಲ್ಲಿ ಮಾಡಿದ್ದಾರೆ ಬಳಸಲಾಗುತ್ತದೆ ಒಂದು ವಿಧಾನ ಬಳಸುವುದು (Halpern et al. 2011) . ಅಂತಿಮವಾಗಿ, ವಿನ್ಯಾಸ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ಸಂತೋಷದ ಬಳಕೆದಾರ ಅನುಭವಗಳ ನೋಡಿ Toomim et al. (2011) .

  • ಬದಲಿಗೆ ಸಂಸ್ಕರಿಸಿ, ಮತ್ತು ಕಡಿಮೆ (ವಿಭಾಗ 4.6.2)

ಇಲ್ಲಿ ಮೂರು R ಮೂಲ ವ್ಯಾಖ್ಯಾನಗಳು, ಬಂದವರು Russell and Burch (1959) :

"ಬದಲಿ insentient ವಸ್ತುಗಳ ಜಾಗೃತ ದೇಶ ಹೆಚ್ಚಿನ ಪ್ರಾಣಿಗಳಿಗೆ ಪರ್ಯಾಯ ಅರ್ಥ. ಕಡಿತ ಒಂದು ನಿರ್ದಿಷ್ಟ ಪ್ರಮಾಣದ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಲು ಬಳಸಲಾದ ಪ್ರಾಣಿಗಳ ಸಂಖ್ಯೆ ಕಡಿಮೆ ಅರ್ಥ. ಪರಿಷ್ಕರಣ ವ್ಯಾಪ್ತಿಯು ಅಥವಾ ಇನ್ನೂ ಬಳಸಲಾಗುತ್ತದೆ ಹೊಂದಿರುವ ಆ ಪ್ರಾಣಿಗಳು ಅಳವಡಿಸಬಹುದು ಅಮಾನವೀಯತೆ ವಿಧಾನಗಳು ತೀವ್ರತೆಯನ್ನು ಯಾವುದೇ ಇಳಿಕೆ ಎಂದರ್ಥ. "

ಮೂರು R ನಾನು ಸಲಹೆ ಎಂದು ಅಧ್ಯಾಯ 6. ವಿವರಿಸಲಾಗಿದೆ ನೈತಿಕ ತತ್ವಗಳ ಅತಿಕ್ರಮಿಸಲು ಇಲ್ಲ ಬದಲಿಗೆ, ಅವರು ಮಾನವ ಪ್ರಯೋಗಗಳನ್ನು ಸೆಟ್ಟಿಂಗ್ ಆ ತತ್ವಗಳನ್ನು ಲಾಭಕಾರಕತೆ-ನಿರ್ದಿಷ್ಟವಾಗಿ ಒಂದು ವಿಸ್ತಾರವಾಗಿ ಆವೃತ್ತಿ ಒಂದು.

ಭಾವನಾತ್ಮಕ ಸೋಂಕು ಪರಿಗಣಿಸುವಾಗ, ಈ ಪ್ರಯೋಗ ಅರ್ಥವಿವರಿಸುವಾಗ ನೆನಪಿನಲ್ಲಿಡಿ ಮೂರು ಅಲ್ಲದ ನೈತಿಕ ಸಮಸ್ಯೆಗಳು ಇವೆ. ಮೊದಲ, ಇದು ಪ್ರಯೋಗದ ನಿಜವಾದ ವಿವರಗಳನ್ನು ಸೈದ್ಧಾಂತಿಕ ಹಕ್ಕು ಸಂಪರ್ಕಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ; ಅಂದರೆ, ರಚನೆ ನ್ಯಾಯಸಮ್ಮತದ ಪ್ರಶ್ನೆಗಳು ಇವೆ. ಇದು ಏಕೆಂದರೆ 1) ಇದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ ಧನಾತ್ಮಕ ಮತ್ತು ಋಣಾತ್ಮಕ ಪದ ಎಣಿಕೆಗಳು ವಾಸ್ತವವಾಗಿ ಭಾಗವಹಿಸುವವರು ಭಾವನಾತ್ಮಕ ಸ್ಥಿತಿಯ ಉತ್ತಮ ಸೂಚಕ ಎಂದು ಜನರು ಪೋಸ್ಟ್ ಪದಗಳನ್ನು ತಮ್ಮ ಭಾವನೆಗಳನ್ನು ಒಂದು ಉತ್ತಮ ಸೂಚಕ ಎಂದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ ಮತ್ತು 2) ಆ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ ಸಂಶೋಧಕರು ಬಳಸಲಾಗುತ್ತದೆ ನಿರ್ದಿಷ್ಟ ಭಾವನೆ ವಿಶ್ಲೇಷಣೆ ತಂತ್ರ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಭಾವನೆಗಳನ್ನು ನಿರ್ಣಯಿಸಲು ಸಾಧ್ಯವಾಯಿತು (Beasley and Mason 2015; Panger 2016) . ಅರ್ಥಾತ್, ಒಂದು ಪಕ್ಷಪಾತ ಸಂಕೇತದ ಕೆಟ್ಟ ಅಳತೆ ಉಂಟಾಗಬಹುದು. ಎರಡನೇ, ವಿನ್ಯಾಸ ಮತ್ತು ಪ್ರಯೋಗದ ವಿಶ್ಲೇಷಣೆ ನಮಗೆ ಹೆಚ್ಚಿನ ಪ್ರಭಾವಿಸಲ್ಪಟ್ಟ (ಅಂದರೆ, ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಯಾವುದೇ ವಿಶ್ಲೇಷಣೆ ಇಲ್ಲ) ಮತ್ತು ಯಾಂತ್ರಿಕ ಏನೆಲ್ಲಾ ಬಗ್ಗೆ ಏನೂ ಹೇಳುತ್ತದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಸಂಶೋಧಕರು ಭಾಗವಹಿಸುವವರು ಬಗ್ಗೆ ಬಹಳಷ್ಟು ಮಾಹಿತಿಯೊಂದಿಗಿನ, ಆದರೆ ಅವರು ಮೂಲಭೂತವಾಗಿ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ವಿಜೆಟ್ಗಳನ್ನು ಪರಿಗಣಿಸಲಾಗಿದೆ. ಮೂರನೇ, ಈ ಪ್ರಯೋಗದಲ್ಲಿ ಪರಿಣಾಮ ಗಾತ್ರ ಬಹಳ ಸಣ್ಣ; ಚಿಕಿತ್ಸೆ ಮತ್ತು ನಿಯಂತ್ರಣ ಪರಿಸ್ಥಿತಿಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು 1,000 ಪದಗಳನ್ನು ಸುಮಾರು 1. ತಮ್ಮ ಪತ್ರಿಕೆಯಲ್ಲಿ, ಕ್ರಾಮರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಜನರು ಲಕ್ಷಾಂತರ ತಮ್ಮ ನ್ಯೂಸ್ ಪ್ರತಿ ದಿನ ಫೀಡ್ ಪ್ರವೇಶಿಸಲು ಏಕೆಂದರೆ ಈ ಗಾತ್ರದ ಪರಿಣಾಮ ಮುಖ್ಯ ಎಂದು ಸಂದರ್ಭದಲ್ಲಿ ಮಾಡಿ. ಅರ್ಥಾತ್, ಅವರು ಒಟ್ಟಾರೆಯಾಗಿ ದೊಡ್ಡದಾಗಿರುತ್ತವೆ ಪ್ರತಿ ವ್ಯಕ್ತಿಗೆ ಚಿಕ್ಕದಾಗಿರುವ ಪರಿಣಾಮಗಳು ವಾದಿಸುತ್ತಾರೆ. ಈ ಚರ್ಚೆಯನ್ನು ಒಪ್ಪಿಕೊಳ್ಳಲು ಕೂಡ, ಇದು ಇನ್ನೂ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ ಈ ಗಾತ್ರದ ಪರಿಣಾಮ ಭಾವನಾತ್ಮಕ ಸೋಂಕು ಬಗ್ಗೆ ಸಾಮಾನ್ಯ ವೈಜ್ಞಾನಿಕ ಪ್ರಶ್ನೆ ಬಗ್ಗೆ ಪ್ರಮುಖ ವೇಳೆ ಆಗಿದೆ. ಸಂದರ್ಭಗಳಲ್ಲಿ ಸಣ್ಣ ಪರಿಣಾಮಗಳನ್ನು ಮುಖ್ಯ ಅಲ್ಲಿ ಹೆಚ್ಚಿನ ನೋಡಿ Prentice and Miller (1992) .

ಮೊದಲ ಆರ್ (ಬದಲಿ) ವಿಷಯದಲ್ಲಿ ಭಾವನಾತ್ಮಕ ಸೋಂಕು ಪ್ರಯೋಗ ಹೋಲಿಕೆ (Kramer, Guillory, and Hancock 2014) ಮತ್ತು ಭಾವನಾತ್ಮಕ ಸೋಂಕು ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗ (Coviello et al. 2014) ಚಲಿಸುವ ತೊಡಗಿಸಿಕೊಂಡಿರುವ ವಿನಿಮಯಗಳಿಗೆ ಬಗ್ಗೆ ಕೆಲವು ಸಾಮಾನ್ಯ ಪಾಠಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗಗಳನ್ನು ಪ್ರಯೋಗಗಳು (ಮತ್ತು ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ಅಂಕಿಅಂಶಗಳನ್ನು ಪ್ರಯೋಗಗಳನ್ನು ಅಂದಾಜು ಎಂದು ಪ್ರಯತ್ನ ಹೊಂದಿಕೆ ಇತರ ವಿಧಾನಗಳು, ಅಧ್ಯಾಯ 2 ನೋಡಿ). ನೈತಿಕ ಪ್ರಯೋಜನಗಳನ್ನು ಜೊತೆಗೆ, ಪ್ರಾಯೋಗಿಕ ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನಗಳು ಬದಲಿಸುವ ಅವರು ವ್ಯವಸ್ಥಾಪನ ತಂತ್ರದದಿಮದ ನಿಯೋಜಿಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ ಎಂದು ಚಿಕಿತ್ಸೆಗಳು ಅಧ್ಯಯನ ಸಂಶೋಧಕರು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ. ಈ ನೈತಿಕ ವ್ಯವಸ್ಥಾಪನೆ ಮತ್ತು ಪ್ರಯೋಜನಗಳನ್ನು ಆದಾಗ್ಯೂ, ಒಂದು ವೆಚ್ಚದಲ್ಲಿ ಬರುತ್ತವೆ. ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗಗಳನ್ನು ಸಂಶೋಧಕರು ಚಿಕಿತ್ಸೆಯ ಪ್ರಕೃತಿ ಭಾಗವಹಿಸುವವರು, ಯಾದೃಚ್ಛಿಕ ನೇಮಕಾತಿ ವಿಷಯಗಳನ್ನು ಮೇಲೆ ಕಡಿಮೆ ನಿಯಂತ್ರಣ, ಮತ್ತು ಹೊಂದಿವೆ. ಉದಾಹರಣೆಗೆ, ಚಿಕಿತ್ಸೆಯಾಗಿ ಮಳೆ ಒಂದು ಮಿತಿಯಂದರೆ ಎರಡೂ ಸಕಾರಾತ್ಮಕತೆ ಹೆಚ್ಚಿಸುತ್ತದೆ ಮತ್ತು ಗುಣ ಕಡಿಮೆಯಾಗುತ್ತದೆ ಎಂಬುದು. ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನ, ಆದಾಗ್ಯೂ, ಕ್ರಾಮರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಸ್ವತಂತ್ರವಾಗಿ ಸಕಾರಾತ್ಮಕತೆ ಮತ್ತು ಗುಣ ಹೊಂದಿಸಲು ಸಾಧ್ಯವಾಯಿತು.

ದೃಷ್ಟಿಕೋನವನ್ನು ಬಳಸುವ Coviello et al. (2014) ಮತ್ತಷ್ಟು ಬೆಳೆದ ಮಾಡಲಾಯಿತು Coviello, Fowler, and Franceschetti (2014) . ವಾದ್ಯಗಳ ಅಸ್ಥಿರ ಒಂದು ಪರಿಚಯ ನೋಡಿ Angrist and Pischke (2009) (ಕಡಿಮೆ ಫಾರ್ಮಲ್) ಅಥವಾ Angrist, Imbens, and Rubin (1996) (ಹೆಚ್ಚು ಔಪಚಾರಿಕ). ವಾದ್ಯಗಳ ಅಸ್ಥಿರ ಸಂಶಯ ಅಪ್ರೈಸಲ್ ನೋಡಿ Deaton (2010) , ಮತ್ತು ದುರ್ಬಲ ಉಪಕರಣಗಳು (ಮಳೆ ದುರ್ಬಲ ಸಾಧನ) ಅಸ್ತ್ರವಾಗಿತ್ತು ಅಸ್ಥಿರ ಒಂದು ಪರಿಚಯಕ್ಕಾಗಿ, ಗಮನಿಸಿ Murray (2006) .

ಸಾಮಾನ್ಯವಾಗಿ, ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗಗಳಿಗೆ ಇದ್ದ ಒಂದು ಉತ್ತಮ ಪರಿಚಯವಾಗಿದೆ Dunning (2012) , ಮತ್ತು Rosenbaum (2002) , Rosenbaum (2009) , ಮತ್ತು Shadish, Cook, and Campbell (2001) ಪ್ರಯೋಗಗಳನ್ನು ಇಲ್ಲದೆ ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ಉತ್ತಮ ವಿಚಾರಗಳನ್ನು ನೀಡುತ್ತವೆ.

ಎರಡನೇ ಆರ್ (ಪರಿಷ್ಕರಣ) ಪರಿಭಾಷೆಯಲ್ಲಿ, ಪೋಸ್ಟ್ಗಳನ್ನು ಉತ್ತೇಜಿಸುವ ಪೋಸ್ಟ್ಗಳ ತಡೆಯುವ ಭಾವನಾತ್ಮಕ ಸೋಂಕು ವಿನ್ಯಾಸ ಬದಲಾವಣೆ ಪರಿಗಣಿಸಿ ವೈಜ್ಞಾನಿಕ ವ್ಯವಸ್ಥಾಪನೆ ಮತ್ತು ವಿನಿಮಯಗಳಿಗೆ ಇವೆ. ಉದಾಹರಣೆಗೆ, ಇದು ನ್ಯೂಸ್ ಫೀಡ್ ತಾಂತ್ರಿಕ ಅನುಷ್ಠಾನ ಇದು ಪೋಸ್ಟ್ಗಳು ಉತ್ತೇಜಿಸುವ ಪ್ರಯೋಗ ಬದಲಿಗೆ ಪೋಸ್ಟ್ಗಳನ್ನು ತಡೆಯುವ ಪ್ರಯೋಗ ಮಾಡಲು ಗಣನೀಯವಾಗಿ ಸುಲಭ ಮಾಡುತ್ತದೆ ಆಗಿರಬಹುದು (ಪೋಸ್ಟ್ಗಳನ್ನು ತಡೆಯುವ ಪ್ರಯೋಗ ಮೇಲೆ ಒಂದು ಪದರ ಜಾರಿಗೆ ಗಮನಿಸಿ ಆಧಾರವಾಗಿರುವ ವ್ಯವಸ್ಥೆಯ ಬದಲಾವಣೆಗಳು) ಯಾವುದೇ ನೆರವಿಲ್ಲದೆ ನ್ಯೂಸ್ ಫೀಡ್ ವ್ಯವಸ್ಥೆಯ ಟಾಪ್. ವೈಜ್ಞಾನಿಕವಾಗಿ, ಆದಾಗ್ಯೂ, ಪ್ರಯೋಗ ಉದ್ದೇಶಿಸಿ ಸಿದ್ಧಾಂತ ಸ್ಪಷ್ಟವಾಗಿ ಒಂದರ ವಿನ್ಯಾಸ ಸೂಚಿಸಿಲ್ಲ.

ದುರದೃಷ್ಟವಶಾತ್, ನಾನು ತಡೆಯುವ ಸುದ್ದಿ ಫೀಡ್ನಲ್ಲಿ ವಿಷಯವನ್ನು ಉತ್ತೇಜಿಸುವ ಸಂಬಂಧಿಸಿದ ಮೌಲ್ಯಗಳ ಬಗ್ಗೆ ಗಣನೀಯ ಮೊದಲು ಸಂಶೋಧನೆ ಅರಿವಿದೆ. ಸಹ, ನಾನು ಅವುಗಳನ್ನು ಕಡಿಮೆ ಹಾನಿಕಾರಕ ಮಾಡಲು ಚಿಕಿತ್ಸೆಗಳು ಶುದ್ಧೀಕರಿಸುವ ಬಗ್ಗೆ ಹೆಚ್ಚು ಸಂಶೋಧನೆ ನೋಡಿಲ್ಲ; ಅಪವಾದವಾಗಿದೆ Jones and Feamster (2015) ಇಂಟರ್ನೆಟ್ ಸೆನ್ಸಾರ್ಶಿಪ್ ಮಾಪನ ಸಂದರ್ಭದಲ್ಲಿ ಪರಿಗಣಿಸುತ್ತದೆ, (ನಾನು ಎನ್ಕೋರ್ ಅಧ್ಯಯನದ ಸಂಬಂಧ ಅಧ್ಯಾಯ 6 ಚರ್ಚಿಸಲು ಒಂದು ವಿಷಯ (Burnett and Feamster 2015; Narayanan and Zevenbergen 2015) ).

ಮೂರನೇ ಆರ್ (ಕಡಿತ) ಪರಿಭಾಷೆಯಲ್ಲಿ, ಸಾಂಪ್ರದಾಯಿಕ ಅಧಿಕಾರ ವಿಶ್ಲೇಷಣೆ ಉತ್ತಮ ಪರಿಚಯವಾಗಿದೆ Cohen (1988) . ಸಂಸ್ಕರಣಾ ಪೂರ್ವ covariates ವಿನ್ಯಾಸ ಹಂತ ಮತ್ತು ಪ್ರಯೋಗಗಳ ವಿಶ್ಲೇಷಣೆ ಹಂತದಲ್ಲಿ ಸೇರಿಸಲಾಗುವುದು; ಅಧ್ಯಾಯ 4 Gerber and Green (2012) ಎರಡೂ ವಿಧಾನಗಳು ಉತ್ತಮ ಪೀಠಿಕೆ ಒದಗಿಸುತ್ತದೆ, ಮತ್ತು Casella (2008) ಒಂದು ಹೆಚ್ಚು ಆಳವಾದ ಚಿಕಿತ್ಸೆ ಒದಗಿಸುತ್ತದೆ. ಯಾದೃಚ್ಛಿಕ ಈ ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು ಮಾಹಿತಿಯನ್ನು ಬಳಸುವ ತಂತ್ರಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಎರಡೂ ನಿರ್ಬಂಧಿಸಲಾಗಿದೆ ಪ್ರಾಯೋಗಿಕ ವಿನ್ಯಾಸಗಳು ಅಥವಾ ವಿಂಗಡಣೆಯಾದ ಪ್ರಾಯೋಗಿಕ ವಿನ್ಯಾಸದ (ಪರಿಭಾಷೆ ಸಮುದಾಯಗಳು ನಿರಂತರವಾಗಿ ಬಳಸಲಾಗುವುದಿಲ್ಲ) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ; ಈ ತಂತ್ರಗಳನ್ನು ಆಳವಾಗಿ ಅಧ್ಯಾಯ 3. ನೋಡಿ ಚರ್ಚಿಸಲಾಗಿದೆ ವಿಂಗಡಣೆಯಾದ ಮಾದರಿ ತಂತ್ರಗಳನ್ನು ಸಂಬಂಧಿಸಿದ Higgins, Sävje, and Sekhon (2016) ಬೃಹತ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ ಈ ವಿನ್ಯಾಸಗಳ ಹೆಚ್ಚು. ಸಂಸ್ಕರಣಾ ಪೂರ್ವ covariates ವಿಶ್ಲೇಷಣೆ ಹಂತದಲ್ಲಿ ಸೇರಿಸಲಾಗುವುದು. McKenzie (2012) ಹೆಚ್ಚಿನ ವಿವರ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು ವ್ಯತ್ಯಾಸ ಇನ್ ವ್ಯತ್ಯಾಸಗಳ ವಿಧಾನದ ಪರಿಶೋಧಿಸುತ್ತದೆ. ನೋಡಿ Carneiro, Lee, and Wilhelm (2016) ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ನಿಖರ ಹೆಚ್ಚಿಸಲು ವಿಭಿನ್ನ ಮಾರ್ಗಗಳ ನಡುವೆ ವಿನಿಮಯಗಳಿಗೆ ಹೆಚ್ಚು. ಅಂತಿಮವಾಗಿ, ವಿನ್ಯಾಸ ಅಥವಾ ವಿಶ್ಲೇಷಣೆ ಹಂತದಲ್ಲಿ (ಅಥವಾ ಎರಡೂ) ನಲ್ಲಿ ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು covariates ಸೇರಿಸಲು ಪ್ರಯತ್ನಿಸಿ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವಾಗ, ಅಲ್ಲಿ ಪರಿಗಣಿಸಲು ಕೆಲವು ಅಂಶಗಳು. ಸಂಶೋಧಕರು ಅವರು "ಮೀನುಗಾರಿಕೆ" ಎಂದು ತೋರಿಸಲು ಬಯಸುವ ಅಲ್ಲಿ ಒಂದು ವ್ಯವಸ್ಥೆಯಲ್ಲಿ (Humphreys, Sierra, and Windt 2013) , ವಿನ್ಯಾಸ ಹಂತದಲ್ಲಿ ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು covariates ಬಳಸಿಕೊಂಡು ಸಹಾಯವಾಗುತ್ತದೆ (Higgins, Sävje, and Sekhon 2016) . ಭಾಗವಹಿಸುವವರು, ಅನುಕ್ರಮವಾಗಿ ಬರುವ ಅಲ್ಲಿ ವಿನ್ಯಾಸ ಹಂತದಲ್ಲಿ ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು ಮಾಹಿತಿಯನ್ನು ಬಳಸಿಕೊಂಡು ವ್ಯವಸ್ಥಾಪನ ತಂತ್ರದದಿಮದ ಕಷ್ಟವಾಗಬಹುದು ವಿಶೇಷವಾಗಿ ಆನ್ಲೈನ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳು, ಸಂದರ್ಭಗಳಲ್ಲಿ, ಉದಾಹರಣೆಗೆ ನೋಡಿ Xie and Aurisset (2016) .

ಇದು ಏಕೆ ವ್ಯತ್ಯಾಸ-ವ್ಯತ್ಯಾಸಗಳಿಂದ ವ್ಯತ್ಯಾಸ ಇನ್ ಮಾಧ್ಯಮಕ್ಕಿಂತ ತುಂಬಾ ಪರಿಣಾಮಕಾರಿ ಬಗ್ಗೆ ಒಳ ಒಂದು ಬಿಟ್ ಅನ್ನು ಯೋಗ್ಯವಾಗಿದೆ. ಅನೇಕ ಆನ್ಲೈನ್ ಫಲಿತಾಂಶಗಳ ಅತ್ಯಂತ ಹೆಚ್ಚಿನ ಭಿನ್ನಾಭಿಪ್ರಾಯ (ನೋಡಿ ಉದಾ Lewis and Rao (2015) ಮತ್ತು Lamb et al. (2015) ) ಮತ್ತು ಕಾಲಾನಂತರದಲ್ಲಿ ಸ್ಥಿರವಾಗಿದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಬದಲಾವಣೆ ಸ್ಕೋರ್ ಅಂಕಿಅಂಶಗಳ ಪರೀಕ್ಷೆ ಶಕ್ತಿ ಹೆಚ್ಚಿಸುವುದು, ಗಣನೀಯವಾಗಿ ಸಣ್ಣ ಭಿನ್ನಾಭಿಪ್ರಾಯ ಹೊಂದಿರುತ್ತದೆ. ಈ ಪ್ರಸ್ತಾವನೆ ಹೆಚ್ಚಾಗಿ ಬಳಸುವುದಿಲ್ಲ ಒಂದು ಕಾರಣ ಇದು ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ ಸಾಮಾನ್ಯ ಅಲ್ಲ ಡಿಜಿಟಲ್ ವಯಸ್ಸು ಮೊದಲು ಎಂದು. ಅದರ ಬಗ್ಗೆ ಯೋಚಿಸುವುದು ಹೆಚ್ಚು ಕಾಂಕ್ರೀಟ್ ರೀತಿಯಲ್ಲಿ ಒಂದು ನಿರ್ದಿಷ್ಟ ವ್ಯಾಯಾಮ ವಾಡಿಕೆಯ ತೂಕ ನಷ್ಟ ಕಾರಣವಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಅಳೆಯಲು ಪ್ರಯೋಗ ಕಲ್ಪಿಸುವುದು ಆಗಿದೆ. ನೀವು ಒಂದು ವ್ಯತ್ಯಾಸ ಇನ್ ಸಾಧನವಾಗಿ ವಿಧಾನ ಮಾಡಿದರೆ, ನಿಮ್ಮ ಅಂದಾಜು ಏರಿಳಿತ ರಿಂದ ಜನಸಂಖ್ಯೆಯಲ್ಲಿ ತೂಕ ಬರುತ್ತದೆ ಆ ವ್ಯತ್ಯಯಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ. ನೀವು ಒಂದು ವ್ಯತ್ಯಾಸ ಇನ್ ವ್ಯತ್ಯಾಸ ವಿಧಾನ ಮಾಡಿದರೆ, ಆದಾಗ್ಯೂ, ತೂಕ ಎಂದು ನೈಸರ್ಗಿಕವಾಗಿ ಬದಲಾವಣೆ ತೆಗೆದುಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ನೀವು ಸುಲಭವಾಗಿ ಚಿಕಿತ್ಸೆ ಉಂಟಾಗುವ ವ್ಯತ್ಯಾಸ ಪತ್ತೆ ಮಾಡಬಹುದು.

ನಿಮ್ಮ ಪ್ರಯೋಗದಲ್ಲಿ ಭಾಗವಹಿಸಿದವರನ್ನು ಸಂಖ್ಯೆ ಕಡಿಮೆ ಒಂದು ಪ್ರಮುಖ ಮಾರ್ಗವಾಗಿದೆ ಇದು ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗ ಕಂಡುಕೊಂಡಂತೆ ಪರಿಣಾಮ ಗಾತ್ರದ ಆಧಾರದ ಕ್ರಾಮರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ ವಿದ್ಯುತ್ ವಿಶ್ಲೇಷಣೆ, ನಡೆಸಲು ಆಗಿದೆ Coviello et al. (2014) ಅಥವಾ ಹಿಂದಿನ ಕ್ರಾಮರ್ ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ಸಂಶೋಧನೆ (2012) (ವಾಸ್ತವವಾಗಿ ಈ ಈ ಅಧ್ಯಾಯದ ಕೊನೆಯಲ್ಲಿ ಚಟುವಟಿಕೆಗಳು). ವಿದ್ಯುತ್ ವಿಶ್ಲೇಷಣೆಯ ಈ ಬಳಕೆ ಗಳಿಗಿಂತ ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾಗಿದೆ ಗಮನಿಸಿ. ಅನಲಾಗ್ ಯುಗದಲ್ಲಿ, ಸಂಶೋಧಕರು ತಮ್ಮ ಅಧ್ಯಯನದ ತುಂಬಾ ಸಣ್ಣ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ ವಿದ್ಯುತ್ ವಿಶ್ಲೇಷಣೆ ಮಾಡಿದರು (ಅಂದರೆ, ಚಾಲಿತ ಹಂತದಲ್ಲಿದೆ). ಈಗ, ಆದಾಗ್ಯೂ, ಸಂಶೋಧಕರು ವಿದ್ಯುತ್ ವಿಶ್ಲೇಷಣೆ ತಮ್ಮ ಅಧ್ಯಯನದ ತುಂಬಾ ದೊಡ್ಡ ಅಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ ಮಾಡಬೇಕು (ಅಂದರೆ, ಚಾಲಿತ ಅತಿ).

Repurpose: ಅಂತಿಮವಾಗಿ, ನಾನು ನಾಲ್ಕನೇ ಆರ್ ಸೇರಿಸುವ ಪರಿಗಣಿಸಲಾಗಿದೆ. ಆ ಸಂಶೋಧಕರಿಗೆ ಹೆಚ್ಚು ಪ್ರಾಯೋಗಿಕ ಅಂಕಿಅಂಶಗಳನ್ನು ಬಳಸಿಕೊಂಡು ತಮ್ಮನ್ನು ಹೇಗೆ ಅವರು ತಮ್ಮ ಮೂಲ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳಿಗೆ ತಿಳಿಸಲು ಹೆಚ್ಚು, ಅವರು ಹೊಸ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು ಡೇಟಾ repurpose ಮಾಡಬೇಕು, ಆಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಕ್ರಾಮರ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ತಮ್ಮ ಸಂಶೋಧನೆ ಪ್ರಶ್ನೆಯನ್ನು ಪರಿಹರಿಸಲು ಅಗತ್ಯವಿದೆ ಹೆಚ್ಚು ದತ್ತಾಂಶ ವ್ಯತ್ಯಾಸ ಇನ್ ವ್ಯತ್ಯಾಸಗಳು ಅಂದಾಜು ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು ತಮ್ಮನ್ನು ಕಂಡು ಎಂದು ಊಹಿಸಿ. ಬದಲಿಗೆ ಪೂರ್ಣವಾಗಿ ಮಟ್ಟಿಗೆ ದಶಮಾಂಶ ಬಳಸದೇ ಹೆಚ್ಚು, ಅವರು ಪೂರ್ವ ಚಿಕಿತ್ಸೆಗೆ ಭಾವನಾತ್ಮಕ ವ್ಯಕ್ತಪಡಿಸುವಿಕೆ ಕ್ರಿಯೆಯಾಗಿ ಫಲಿತಾಂಶದ ಗಾತ್ರ ಅಧ್ಯಯನ ಮಾಡಿರಲೂ ಸಾಧ್ಯವಿದೆ. ಕೇವಲ Schultz et al. (2007) ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮ ಬಹುಶಃ ನ್ಯೂಸ್ ಫೀಡ್ ಪರಿಣಾಮಗಳನ್ನು ಈಗಾಗಲೇ ಸಂತೋಷದ (ಅಥವಾ ದುಃಖ) ಸಂದೇಶಗಳನ್ನು ಪೋಸ್ಟ್ ಒಲವು ಜನರಿಗೆ ವಿಭಿನ್ನವಾಗಿದ್ದವು, ಬೆಳಕು ಮತ್ತು ಭಾರೀ ಬಳಕೆದಾರರಿಗೆ ವಿವಿಧ ಕಂಡುಕೊಂಡರು. Repurposing "ಮೀನುಗಾರಿಕೆ" ಕಾರಣವಾಗಬಹುದು (Humphreys, Sierra, and Windt 2013) ಮತ್ತು "ಪಿ-ಹ್ಯಾಕಿಂಗ್" (Simmons, Nelson, and Simonsohn 2011) , ಆದರೆ ಈ ಹೆಚ್ಚಾಗಿ ಪ್ರಾಮಾಣಿಕ ವರದಿ ಸಂಯೋಜನೆಯನ್ನು ವಿಳಾಸ ಮಾಡಲಾಗುತ್ತದೆ (Simmons, Nelson, and Simonsohn 2011) , ಪೂರ್ವ ನೋಂದಣಿ (Humphreys, Sierra, and Windt 2013) , ಮತ್ತು ಮೇಲೆ ಬಿಗಿಯಾದ ತಪ್ಪಿಸಿಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುವ ಯಂತ್ರ ಕಲಿಕೆ ವಿಧಾನಗಳು.