4.4.1 ຕັ້ງແຕ່ວັນທີ່

ຄວາມຖືກຕ້ອງຫມາຍເຖິງຫຼາຍປານໃດຜົນໄດ້ຮັບຂອງການທົດລອງທີ່ສະຫນັບສະຫນູນການສະຫລຸບທົ່ວໄປຫຼາຍ.

ບໍ່ມີການທົດລອງທີ່ສົມບູນແບບແລະນັກຄົ້ນຄວ້າໄດ້ສ້າງຄໍາສັບທີ່ກວ້າງຂວາງເພື່ອອະທິບາຍບັນຫາທີ່ເປັນໄປໄດ້. ຄວາມຖືກຕ້ອງ ຫມາຍເຖິງຂອບເຂດທີ່ຜົນຂອງການທົດລອງສະເພາະໃດຫນຶ່ງສະຫນັບສະຫນູນການສະຫລຸບທົ່ວໄປບາງຢ່າງ. ນັກວິທະຍາສາດສັງຄົມໄດ້ພົບວ່າມັນເປັນປະໂຫຍດທີ່ຈະແບ່ງປັນຄວາມຖືກຕ້ອງເຂົ້າໄປໃນສີ່ປະເພດຕົ້ນຕໍ: ຄວາມສົມເຫດສົມຜົນຂອງສະຖິຕິ, ຄວາມຖືກຕ້ອງພາຍໃນ, ການສ້າງຄວາມຖືກຕ້ອງແລະຄວາມຖືກຕ້ອງພາຍນອກ (Shadish, Cook, and Campbell 2001, chap. 2) . ການຄິດໄລ່ແນວຄິດເຫຼົ່ານີ້ຈະຊ່ວຍໃຫ້ທ່ານມີບັນຊີທາງຈິດໃຈສໍາລັບການທົບທວນແລະປັບປຸງການອອກແບບແລະການວິເຄາະການທົດລອງແລະມັນຈະຊ່ວຍໃຫ້ທ່ານຕິດຕໍ່ກັບນັກຄົ້ນຄວ້າອື່ນໆ.

ສູນສະຖິຕິສະຖຽນລະ ພາບທີ່ສອດຄ່ອງກ່ຽວກັບວ່າການວິເຄາະສະຖິຕິຂອງການທົດລອງຖືກເຮັດຢ່າງຖືກຕ້ອງ. ໃນສະພາບການຂອງ Schultz et al. (2007) , ຄໍາຖາມດັ່ງກ່າວອາດຈະຊີ້ໃຫ້ເຫັນວ່າພວກເຂົາເຈົ້າກໍານົດຄວາມຖືກຕ້ອງຂອງພວກເຂົາ \(p\) ຢ່າງຖືກຕ້ອງ. ຫຼັກການສະຖິຕິຈໍາເປັນຕ້ອງມີການອອກແບບແລະວິເຄາະປະສົບການແມ່ນເກີນຂອບເຂດຂອງປື້ມນີ້ແຕ່ພວກເຂົາບໍ່ໄດ້ປ່ຽນແປງພື້ນຖານໃນລະດັບດິຈິຕອນ. ແຕ່ສິ່ງທີ່ໄດ້ປ່ຽນແປງແມ່ນວ່າສະພາບແວດລ້ອມຂໍ້ມູນໃນການທົດລອງດິຈິຕອນໄດ້ສ້າງໂອກາດໃຫມ່ເຊັ່ນການນໍາໃຊ້ວິທີການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອປະເມີນຜົນກະທົບທາງລົບຂອງຜົນກະທົບດ້ານການປິ່ນປົວ (Imai and Ratkovic 2013) .

ສູນກາງ ຄວາມຖືກຕ້ອງພາຍໃນ ປະມານວ່າຂັ້ນຕອນທົດລອງຖືກປະຕິບັດຢ່າງຖືກຕ້ອງ. ກັບຄືນສູ່ການທົດລອງຂອງ Schultz et al. (2007) , ຄໍາຖາມກ່ຽວກັບຄວາມຖືກຕ້ອງຂອງພາຍໃນສາມາດສຸມໃສ່ການແຈກຢາຍ, ການໃຫ້ການປິ່ນປົວແລະການວັດຜົນ. ຕົວຢ່າງ, ທ່ານອາດຈະກັງວົນວ່າຜູ້ຊ່ວຍການຄົ້ນຄວ້າບໍ່ໄດ້ອ່ານແມັດໄຟຟ້າໄດ້ຢ່າງຖືກຕ້ອງ. ໃນຄວາມເປັນຈິງ, Schultz ແລະເພື່ອນຮ່ວມງານມີຄວາມກັງວົນກ່ຽວກັບບັນຫານີ້, ແລະພວກເຂົາມີຕົວຢ່າງຂອງແມັດອ່ານສອງຄັ້ງ; ໂຊກດີ, ຜົນໄດ້ຮັບຄືກັນກັບກັນ. ໂດຍທົ່ວໄປແລ້ວ, ການທົດລອງຂອງ Schultz ແລະເພື່ອນຮ່ວມງານໄດ້ມີຄວາມຖືກຕ້ອງພາຍໃນຢ່າງສູງ, ແຕ່ນີ້ກໍ່ບໍ່ແມ່ນກໍລະນີ: ພາກສະຫນາມແບບສະລັບສັບຊ້ອນແລະການທົດລອງອອນໄລນ໌ມັກຈະເປັນບັນຫາທີ່ເຮັດໃຫ້ການປະຕິບັດສິດທິຂອງຄົນທີ່ເຫມາະສົມແລະວັດຜົນສໍາລັບທຸກໆຄົນ. ໂຊກດີ, ອາຍຸສູງສຸດຂອງດິຈິຕອນສາມາດຊ່ວຍຫຼຸດຜ່ອນຄວາມກັງວົນກ່ຽວກັບຄວາມຖືກຕ້ອງພາຍໃນເພາະວ່າມັນງ່າຍຕໍ່ການຮັບປະກັນການປິ່ນປົວໃຫ້ກັບຜູ້ທີ່ຖືກຮັບເອົາແລະການວັດຜົນສໍາລັບຜູ້ເຂົ້າຮ່ວມທັງຫມົດ.

ສ້າງ ຈຸດສູນກາງທີ່ ຖືກຕ້ອງ ກ່ຽວກັບການແຂ່ງຂັນລະຫວ່າງຂໍ້ມູນແລະການກໍ່ສ້າງທິດສະດີ. ດັ່ງທີ່ໄດ້ກ່າວໄວ້ໃນບົດທີ 2, ການກໍ່ສ້າງແມ່ນແນວຄວາມຄິດທີ່ບໍ່ມີຕົວຕົນທີ່ນັກວິທະຍາສາດສັງຄົມຄິດກ່ຽວກັບ. ແຕ່ຫນ້າເສຍດາຍ, ແນວຄວາມຄິດທີ່ບໍ່ມີຕົວຕົນເຫຼົ່ານີ້ບໍ່ໄດ້ມີຄໍານິຍາມແລະການວັດແທກຢ່າງຈະແຈ້ງ. ກັບຄືນໄປຫາ Schultz et al. (2007) , ການຮຽກຮ້ອງວ່າມາດຕະຖານທາງດ້ານສັງຄົມຕາມກົດຫມາຍສາມາດຫຼຸດລົງການໃຊ້ໄຟຟ້າຮຽກຮ້ອງໃຫ້ນັກຄົ້ນຄວ້າອອກແບບການປິ່ນປົວທີ່ຈະຈັດການກັບ "ມາດຕະຖານທາງສັງຄົມທີ່ຖືກກົດຫມາຍ" (ເຊັ່ນ: emoticon) ແລະການວັດແທກ "ການໃຊ້ໄຟຟ້າ". ໃນການທົດລອງແບບດຽວກັນ, ນັກຄົ້ນຄວ້າຈໍານວນຫຼາຍໄດ້ອອກແບບການປິ່ນປົວດ້ວຍຕົນເອງແລະໄດ້ວັດຜົນຜົນຂອງຕົນເອງ. ວິທີການນີ້ຈະຮັບປະກັນວ່າ, ຫຼາຍເທົ່າທີ່ເປັນໄປໄດ້, ປະສົບການທີ່ສອດຄ່ອງກັບການກໍ່ສ້າງທີ່ບໍ່ມີຕົວຕົນທີ່ຖືກສຶກສາ. ໃນການທົດລອງດິຈິຕອທີ່ນັກຄົ້ນຄວ້າຮ່ວມມືກັບບໍລິສັດຫຼືລັດຖະບານເພື່ອສະຫນອງການປິ່ນປົວແລະນໍາໃຊ້ລະບົບຂໍ້ມູນສະເຫມີກ່ຽວກັບຜົນໄດ້ຮັບ, ການແຂ່ງຂັນລະຫວ່າງທົດລອງແລະການກໍ່ສ້າງທິດສະດີອາດຈະບໍ່ສະດວກ. ດັ່ງນັ້ນ, ຂ້າພະເຈົ້າຄາດຫວັງວ່າການສ້າງຄວາມຖືກຕ້ອງຈະມີຄວາມກັງວົນທີ່ໃຫຍ່ກວ່າໃນການທົດລອງດິຈິຕອນຫຼາຍກວ່າທົດລອງອະນາລັອກ.

ສຸດທ້າຍ, ສູນກາງ ຄວາມຖືກຕ້ອງພາຍນອກ ປະມານວ່າຜົນໄດ້ຮັບຂອງການທົດລອງນີ້ສາມາດໄດ້ຮັບການທົ່ວໄປກັບສະຖານະການອື່ນໆ. ກັບຄືນໄປຫາ Schultz et al. (2007) , ຄົນຫນຶ່ງສາມາດຖາມວ່າຄົນດຽວທີ່ມີຄວາມຄິດດັ່ງກ່າວນີ້ມີຂໍ້ມູນກ່ຽວກັບການນໍາໃຊ້ພະລັງງານຂອງເຂົາເຈົ້າໃນສາຍພົວພັນກັບເພື່ອນຂອງເຂົາເຈົ້າແລະສັນຍານຂອງມາດຕະຖານທີ່ຖືກກົດຫມາຍ (ເຊົ່ນémoticon) ຈະຫຼຸດລົງການໃຊ້ພະລັງງານຖ້າມັນຖືກເຮັດໃນທາງທີ່ແຕກຕ່າງກັນ ໃນການຕັ້ງຄ່າທີ່ແຕກຕ່າງກັນ. ສໍາລັບການທົດລອງທີ່ດີທີ່ສຸດ, ການອອກແບບແລະການດໍາເນີນງານທີ່ດີ, ຄວາມກັງວົນກ່ຽວກັບຄວາມຖືກຕ້ອງຂອງພາຍນອກແມ່ນຍາກທີ່ສຸດທີ່ຈະແກ້ໄຂ. ໃນໄລຍະຜ່ານມາ, ການໂຕ້ວາທີເຫຼົ່ານີ້ກ່ຽວກັບຄວາມຖືກຕ້ອງຂອງພາຍນອກສ່ວນຫຼາຍແມ່ນບໍ່ມີຫຍັງຫຼາຍກວ່າກຸ່ມປະຊາຊົນທີ່ນັ່ງຢູ່ໃນຫ້ອງທີ່ພະຍາຍາມທີ່ຈະຄິດວ່າສິ່ງທີ່ຈະເກີດຂຶ້ນຖ້າຂັ້ນຕອນໄດ້ເຮັດຢູ່ໃນທາງທີ່ແຕກຕ່າງກັນ, ຫຼືຢູ່ໃນສະຖານທີ່ອື່ນ, ທີ່ຢູ່ ໂຊກດີ, ອາຍຸດິຈິຕອນຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າຍ້າຍອອກຈາກການຄາດຄະເນຂໍ້ມູນທີ່ບໍ່ມີຂໍ້ມູນເຫຼົ່ານີ້ແລະປະເມີນຄວາມຖືກຕ້ອງພາຍນອກຢ່າງສົມເຫດສົມຜົນ.

ເນື່ອງຈາກຜົນຂອງ Schultz et al. (2007) ມີຄວາມຕື່ນເຕັ້ນຫລາຍ, ບໍລິສັດທີ່ມີຊື່ວ່າ Opower ເປັນຜູ້ຮ່ວມມືກັບສາທາລະນະລັດໃນສະຫະລັດເພື່ອນໍາໃຊ້ການປິ່ນປົວຢ່າງກວ້າງຂວາງ. ອີງໃສ່ການອອກແບບຂອງ Schultz et al. (2007) , Opower ສ້າງແບບຈໍາລອງ Home Energy Reports ທີ່ມີສອງຫົວຂໍ້ຕົ້ນຕໍ: ຫນຶ່ງທີ່ສະແດງໃຫ້ເຫັນວ່າການນໍາໃຊ້ໄຟຟ້າຂອງຄົວເຮືອນທຽບກັບປະເທດເພື່ອນບ້ານດ້ວຍສັນຍາລັກແລະຫນຶ່ງໃນຄໍາແນະນໍາສໍາລັບການຫຼຸດຜ່ອນການນໍາໃຊ້ພະລັງງານ (ຮູບ 4.6). ຫຼັງຈາກນັ້ນ, ໃນການຮ່ວມມືກັບນັກຄົ້ນຄວ້າ, Opower ໄດ້ດໍາເນີນການທົດລອງຄວບຄຸມແບບ randomized ເພື່ອປະເມີນຜົນກະທົບຂອງບົດລາຍງານພະລັງງານບ້ານ Home. ເຖິງແມ່ນວ່າການທົດລອງໃນການທົດລອງເຫຼົ່ານີ້ຖືກສົ່ງໄປຕາມປົກກະຕິທາງດ້ານຮ່າງກາຍ - ຕາມປົກກະຕິຜ່ານອີເມລ໌ຫອຍເກົ່າ - ຜົນໄດ້ຮັບໄດ້ຖືກວັດແທກໂດຍໃຊ້ອຸປະກອນດິຈິຕອນໃນໂລກທາງດ້ານຮ່າງກາຍ (ຕົວຢ່າງເຊັ່ນພະລັງງານ). ນອກເຫນືອຈາກການລວບລວມຂໍ້ມູນນີ້ດ້ວຍມືກັບຜູ້ຊ່ວຍການຄົ້ນຄວ້າທີ່ໄປຢ້ຽມຢາມແຕ່ລະບ້ານ, ການທົດລອງ Opower ທັງຫມົດແມ່ນເຮັດໃນການຮ່ວມມືກັບບໍລິສັດໄຟຟ້າທີ່ເຮັດໃຫ້ນັກຄົ້ນຄວ້າສາມາດເຂົ້າເຖິງຂໍ້ມູນພະລັງງານ. ດັ່ງນັ້ນ, ການທົດລອງພາກສະຫນາມບາງພາກສ່ວນດິຈິຕອນເຫຼົ່ານີ້ໄດ້ຖືກດໍາເນີນຢູ່ໃນຂະຫນາດໃຫຍ່ຢູ່ໃນຄ່າໃຊ້ຈ່າຍທີ່ມີການປ່ຽນແປງຕ່ໍາ.

ຮູບພາບ 4.6: ບົດລາຍງານພະລັງງານໃນບ້ານໄດ້ມີ Module ປຽບທຽບທາງສັງຄົມແລະ Module ຂັ້ນຕອນການປະຕິບັດ. ຂຽນໂດຍການອະນຸຍາດຈາກ Allcott (2011) , ຮູບ 1 ແລະ 2.

ໃນການທົດລອງຄັ້ງທໍາອິດທີ່ກ່ຽວຂ້ອງກັບ 600.000 ຄົວເຮືອນຈາກ 10 ສະຖານທີ່ຕ່າງໆ, Allcott (2011) ພົບວ່າບົດລາຍງານພະລັງງານເຮືອນໄດ້ຫຼຸດລົງການໃຊ້ໄຟຟ້າ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ຜົນໄດ້ຮັບຈາກການສຶກສາທີ່ມີຄວາມຫຼາກຫຼາຍທາງດ້ານພູມສາດຫລາຍຂຶ້ນ, ຫຼາຍແມ່ນມີຄຸນລັກສະນະຄ້າຍກັບຜົນຂອງ Schultz et al. (2007) ນອກຈາກນັ້ນ, ໃນການຄົ້ນຄ້ວາຕໍ່ໄປອີກແລ້ວກ່ຽວກັບ 8 ລ້ານຄົວເຮືອນເພີ່ມເຕີມຈາກ 101 ສະຖານທີ່ທີ່ແຕກຕ່າງກັນ, Allcott (2015) ອີກເທື່ອຫນຶ່ງພົບວ່າບົດລາຍງານພະລັງງານເຮືອນໄດ້ຫຼຸດລົງຢ່າງຕໍ່ເນື່ອງໃນການໃຊ້ໄຟຟ້າ. ຂະຫນາດໃຫຍ່ຂອງການທົດລອງນີ້ຍັງໄດ້ເປີດເຜີຍຮູບແບບໃຫມ່ທີ່ຫນ້າສົນໃຈທີ່ຈະບໍ່ສາມາດເຫັນໄດ້ໃນການທົດລອງດຽວຄືຂະຫນາດຂອງຜົນກະທົບຫຼຸດລົງໃນການທົດລອງຕໍ່ມາ (ຮູບທີ່ 47). Allcott (2015) ຄາດຄະເນວ່າການຫຼຸດລົງນີ້ໄດ້ເກີດຂື້ນຍ້ອນວ່າ, ຜ່ານການໃຊ້ເວລາ, ການປິ່ນປົວໄດ້ຖືກນໍາໃຊ້ເຂົ້າໃນປະເພດຕ່າງໆຂອງຜູ້ເຂົ້າຮ່ວມ. ໂດຍສະເພາະແມ່ນ, ສິ່ງອໍານວຍຄວາມສະດວກທີ່ມີລູກຄ້າທີ່ມີຈຸດສຸມດ້ານສິ່ງແວດລ້ອມຫລາຍຂຶ້ນອາດຈະນໍາໃຊ້ໂຄງການກ່ອນຫນ້ານີ້, ແລະລູກຄ້າຂອງພວກເຂົາແມ່ນຕອບສະຫນອງຕໍ່ການປິ່ນປົວ. ໃນຖານະເປັນບໍລິສັດທີ່ມີລູກຄ້າຫນ້ອຍກວ່າສິ່ງແວດລ້ອມ, ໄດ້ຮັບຮອງເອົາໂຄງການ, ປະສິດທິພາບຂອງມັນໄດ້ຫຼຸດລົງ. ດັ່ງນັ້ນ, ເຊັ່ນດຽວກັນກັບການວິນິດໄສໃນການທົດລອງໃຫ້ແນ່ໃຈວ່າກຸ່ມການປິ່ນປົວແລະການຄວບຄຸມແມ່ນຄ້າຍຄືກັນ, ການເຂົ້າໃຈໃນເວັບໄຊທ໌ວິໄຈເພື່ອຮັບປະກັນວ່າການຄາດຄະເນສາມາດໄດ້ຮັບການທົ່ວໄປຈາກກຸ່ມຜູ້ເຂົ້າຮ່ວມເປັນປະຊາກອນທົ່ວໄປຫຼາຍຂຶ້ນ (ຄິດວ່າກັບພາກທີ 3 ກ່ຽວກັບຕົວຢ່າງ). ຖ້າສະຖານທີ່ການຄົ້ນຄວ້າບໍ່ໄດ້ຮັບການຄັດເລືອກຢ່າງສຸ່ມ, ຫຼັງຈາກນັ້ນ, ເຖິງແມ່ນວ່າການທົດລອງທີ່ຖືກອອກແບບຢ່າງສົມບູນແລະສາມາດເຮັດໄດ້ກໍ່ອາດເປັນບັນຫາ.

ຮູບພາບ 4.7: ຜົນໄດ້ຮັບຂອງ 111 ປະສົບຜົນສໍາເລັດໃນການທົດສອບຜົນກະທົບຂອງບົດລາຍງານພະລັງງານເຮືອນຢູ່ໃນການບໍລິໂພກໄຟຟ້າ. ຢູ່ທີ່ບ່ອນທີ່ໂຄງການໄດ້ຮັບການຮັບຮອງພາຍຫຼັງ, ມັນມີແນວໂນ້ມທີ່ມີຜົນກະທົບຫນ້ອຍລົງ. Allcott (2015) ອ້າງວ່າເປັນແຫລ່ງທີ່ສໍາຄັນຂອງຮູບແບບນີ້ແມ່ນວ່າສະຖານທີ່ທີ່ມີລູກຄ້າທີ່ໄດ້ຮັບການສະຫນັບສະຫນູນສິ່ງແວດລ້ອມຫລາຍຂຶ້ນມັກຈະນໍາໃຊ້ໂຄງການກ່ອນຫນ້ານີ້. ດັດແປງຈາກ Allcott (2015) , ຮູບທີ່ 3.

ຮ່ວມກັນ, ທັງຫມົດນີ້ 111 ທົດລອງໃນ Allcott (2011) ແລະ 101 ໃນ Allcott (2015) ປະມານ 8,5 ລ້ານຄົວເຮືອນຈາກທົ່ວປະເທດສະຫະລັດ. ພວກເຂົາສະເຫມີສະແດງໃຫ້ເຫັນວ່າຫນ້າທໍາອິດພະລັງງານລາຍງານຫຼຸດຜ່ອນການໃຊ້ໄຟຟ້າສະເລ່ຍ, ຜົນໄດ້ຮັບທີ່ສະຫນັບສະຫນູນການຄົ້ນພົບຕົ້ນສະບັບຂອງ Schultz ແລະເພື່ອນຮ່ວມງານຈາກ 300 ເຮືອນຢູ່ໃນຄາລິຟໍເນຍ. ນອກເຫນືອຈາກພຽງແຕ່ replicating ຜົນໄດ້ຮັບຕົ້ນສະບັບເຫຼົ່ານີ້, ການທົດລອງຕິດຕາມຍັງສະແດງໃຫ້ເຫັນວ່າຂະຫນາດຂອງຜົນກະທົບແຕກຕ່າງກັນໄປຕາມສະຖານທີ່. ຊຸດທົດລອງນີ້ຍັງສະແດງໃຫ້ເຫັນເຖິງຈຸດປະສົງທົ່ວໄປສອງຢ່າງກ່ຽວກັບການທົດລອງພາກສະຫນາມບາງຢ່າງ. ຫນ້າທໍາອິດ, ນັກຄົ້ນຄວ້າຈະສາມາດແກ້ໄຂຄວາມກັງວົນກ່ຽວກັບຄວາມຖືກຕ້ອງຂອງພາຍນອກໃນເວລາທີ່ຄ່າໃຊ້ຈ່າຍໃນການທົດລອງແລ່ນຕ່ໍາ, ແລະນີ້ອາດຈະເກີດຂຶ້ນຖ້າຜົນໄດ້ຮັບຖືກກໍານົດໂດຍລະບົບຂໍ້ມູນສະເຫມີ. ດັ່ງນັ້ນ, ມັນສະແດງໃຫ້ເຫັນວ່ານັກຄົ້ນຄວ້າຄວນຈະຊອກຫາບັນດາພຶດຕິກໍາທີ່ຫນ້າສົນໃຈແລະສໍາຄັນອື່ນໆທີ່ຖືກບັນທຶກແລ້ວ, ແລະຫຼັງຈາກນັ້ນອອກແບບປະສົບການກ່ຽວກັບໂຄງສ້າງພື້ນຖານທີ່ມີຢູ່ແລ້ວ. ສອງ, ຊຸດທົດລອງນີ້ໄດ້ເຕືອນພວກເຮົາວ່າການທົດລອງພາກສະຫນາມດິຈິຕອນບໍ່ແມ່ນພຽງແຕ່ອອນໄລນ໌; ເພີ່ມຂຶ້ນ, ຂ້າພະເຈົ້າຄາດຫວັງວ່າພວກເຂົາເຈົ້າຈະຢູ່ທຸກບ່ອນທີ່ມີຜົນໄດ້ຮັບຫຼາຍທີ່ຖືກວັດແທກໂດຍເຊັນເຊີໃນສະພາບແວດລ້ອມທີ່ສ້າງຂຶ້ນ.

ການປະຕິບັດຄໍາສະຫລຸບທີ່ມີຄວາມຖືກຕ້ອງ - ສະຖິຕິ, ຄວາມຖືກຕ້ອງພາຍໃນ, ການສ້າງຄວາມຖືກຕ້ອງແລະຄວາມຖືກຕ້ອງຂອງພາຍນອກ - ໃຫ້ມີການກວດສອບທາງຈິດເພື່ອຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າປະເມີນວ່າຜົນໄດ້ຮັບຈາກການທົດລອງສະເພາະໃດຫນຶ່ງສະຫນັບສະຫນູນຂໍ້ສະຫລຸບທົ່ວໄປ. ເມື່ອປຽບທຽບກັບການທົດລອງອະນາຈັກ - ອາຍຸ, ໃນການທົດລອງດິຈິຕອນ, ມັນຄວນຈະງ່າຍຕໍ່ການແກ້ໄຂຄວາມຖືກຕ້ອງພາຍນອກຕາມຕົວຈິງ, ແລະມັນກໍ່ຄວນຈະງ່າຍຕໍ່ການຮັບປະກັນຄວາມຖືກຕ້ອງພາຍໃນ. ໃນທາງກົງກັນຂ້າມ, ບັນຫາຂອງການສ້າງຄວາມຍຸຕິທໍາອາດຈະມີຄວາມທ້າທາຍຫຼາຍໃນການທົດລອງດິຈິຕອນ, ໂດຍສະເພາະແມ່ນການທົດລອງພາກສະຫນາມດິຈິຕອນທີ່ພົວພັນກັບບໍລິສັດ.