4.3 ທັງສອງຂະຫນາດຂອງປະສົບການ: ການທົດລອງພາກສະຫນາມແລະການປຽບທຽບ, ດິຈິຕອນ

ການທົດລອງການທົດລອງສະຫນອງການໃຫ້ການຄວບຄຸມ, ການທົດລອງພາກສະຫນາມໃຫ້ realism, ແລະປະສົບການພາກສະຫນາມດິຈິຕອນສົມທົບຄວບຄຸມແລະ realism ໃນຂະຫນາດ.

ປະສົບການມາໃນຮູບຮ່າງແລະຂະຫນາດທີ່ແຕກຕ່າງກັນຫຼາຍ. ໃນໄລຍະຜ່ານມາ, ນັກຄົ້ນຄວ້າໄດ້ພົບວ່າມັນເປັນປະໂຫຍດໃນການຈັດຕັ້ງປະສົບການຕາມການສືບຕໍ່ລະຫວ່າງ ທົດລອງກັບຫ້ອງທົດລອງ ແລະ ທົດລອງພາກສະຫນາມ . ແຕ່ໃນປັດຈຸບັນ, ນັກຄົ້ນຄວ້າຍັງຄວນຈັດຕັ້ງປະຕິບັດຕາມການສືບຕໍ່ທີສອງລະຫວ່າງ ທົດລອງແບບອະນາລັຍ ແລະ ທົດລອງດິຈິຕອນ . ພື້ນທີ່ການອອກແບບສອງມິຕິນີ້ຈະຊ່ວຍໃຫ້ທ່ານເຂົ້າໃຈຄວາມເຂັ້ມແຂງແລະຈຸດອ່ອນຂອງວິທີຕ່າງໆແລະເນັ້ນໃສ່ພື້ນທີ່ຂອງໂອກາດທີ່ຍິ່ງໃຫຍ່ (ຮູບທີ່ 4.1).

ຮູບພາບ 4.1: ແຜນການພື້ນທີ່ການອອກແບບສໍາລັບການທົດລອງ. ໃນໄລຍະຜ່ານມາ, ການທົດລອງຕ່າງໆແຕກຕ່າງກັນໄປຕາມຂະຫນາດຂອງພາກສະຫນາມ. ໃນປັດຈຸບັນ, ພວກເຂົາຍັງແຕກຕ່າງກັນກ່ຽວກັບມິຕິແບບດິຈິຕອ - ດິຈິຕອນ. ພື້ນທີ່ອອກແບບສອງມິຕິນີ້ຖືກສະແດງໂດຍສີ່ປະສົບການທີ່ຂ້າພະເຈົ້າໄດ້ອະທິບາຍໄວ້ໃນບົດນີ້. ໃນຄວາມຄິດເຫັນຂອງຂ້ອຍພື້ນທີ່ຂອງໂອກາດທີ່ຍິ່ງໃຫຍ່ແມ່ນການທົດລອງພາກສະຫນາມດິຈິຕອນ.

ຮູບພາບ 4.1: ແຜນການພື້ນທີ່ການອອກແບບສໍາລັບການທົດລອງ. ໃນໄລຍະຜ່ານມາ, ການທົດລອງຕ່າງໆແຕກຕ່າງກັນໄປຕາມຂະຫນາດຂອງພາກສະຫນາມ. ໃນປັດຈຸບັນ, ພວກເຂົາຍັງແຕກຕ່າງກັນກ່ຽວກັບມິຕິແບບດິຈິຕອ - ດິຈິຕອນ. ພື້ນທີ່ອອກແບບສອງມິຕິນີ້ຖືກສະແດງໂດຍສີ່ປະສົບການທີ່ຂ້າພະເຈົ້າໄດ້ອະທິບາຍໄວ້ໃນບົດນີ້. ໃນຄວາມຄິດເຫັນຂອງຂ້ອຍພື້ນທີ່ຂອງໂອກາດທີ່ຍິ່ງໃຫຍ່ແມ່ນການທົດລອງພາກສະຫນາມດິຈິຕອນ.

ຂະຫນາດຫນຶ່ງທີ່ມີການທົດລອງສາມາດຈັດຕັ້ງປະຕິບັດໄດ້ຄືຂະຫນາດພາກສະຫນາມ. ຫລາຍປະສົບການໃນວິທະຍາສາດສັງຄົມແມ່ນປະ ສົບການໃນຫ້ອງທົດລອງ ທີ່ນັກຮຽນຊັ້ນປະຖົມປະຕິບັດຫນ້າທີ່ strange ໃນຫ້ອງທົດລອງສໍາລັບຫຼັກສູດການປ່ອຍສິນເຊື່ອ. ປະເພດຂອງການທົດລອງນີ້ປະຕິບັດການຄົ້ນຄວ້າໃນຈິດໃຈເພາະວ່າມັນຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າສ້າງການຄວບຄຸມທີ່ມີການຄວບຄຸມຢ່າງຖືກຕ້ອງເພື່ອແຍກຕົວແລະທົດສອບທິດສະດີສະເພາະກ່ຽວກັບພຶດຕິກໍາທາງສັງຄົມ. ສໍາລັບບັນຫາບາງຢ່າງ, ຢ່າງໃດກໍຕາມ, ບາງສິ່ງບາງຢ່າງຮູ້ສຶກແປກປະຫລາດກ່ຽວກັບການສະຫຼຸບບົດສະຫຼຸບທີ່ເຂັ້ມແຂງກ່ຽວກັບພຶດຕິກໍາຂອງມະນຸດຈາກຄົນຜິດປົກກະຕິດັ່ງກ່າວປະຕິບັດວຽກຜິດປົກກະຕິເຊັ່ນໃນສະຖານທີ່ຜິດປົກກະຕິເຊັ່ນ. ຄວາມກັງວົນເຫຼົ່ານີ້ໄດ້ເຮັດໃຫ້ການເຄື່ອນໄຫວໄປສູ່ ການທົດລອງພາກສະຫນາມ . ການທົດລອງພາກສະຫນາມລວມການອອກແບບທີ່ເຂັ້ມແຂງຂອງການທົດສອບການຄວບຄຸມແບບ randomized ກັບກຸ່ມຜູ້ຕາງຫນ້າຫຼາຍຂອງຜູ້ເຂົ້າຮ່ວມປະຕິບັດວຽກງານທົ່ວໄປຫຼາຍໃນການຕັ້ງຄ່າທໍາມະຊາດຫຼາຍຂຶ້ນ.

ເຖິງແມ່ນວ່າບາງຄົນຄິດວ່າການທົດລອງແລະທົດລອງພາກສະຫນາມເປັນວິທີການແຂ່ງຂັນ, ມັນເປັນສິ່ງທີ່ດີທີ່ສຸດທີ່ຈະຄິດກ່ຽວກັບພວກມັນເປັນຄວາມສົມບູນ, ມີຄວາມເຂັ້ມແຂງແລະຈຸດອ່ອນທີ່ແຕກຕ່າງກັນ. ຕົວຢ່າງເຊັ່ນ Correll, Benard, and Paik (2007) ໃຊ້ທົດລອງທົດລອງແລະທົດລອງພາກສະຫນາມໃນການພະຍາຍາມຊອກຫາແຫຼ່ງຂໍ້ມູນຂອງ "ການລົງໂທດແມ່". ໃນສະຫະລັດ, ແມ່ມີລາຍໄດ້ຫນ້ອຍກ່ວາແມ່ຍິງທີ່ບໍ່ມີລູກ, ເຖິງແມ່ນວ່າ ການປຽບທຽບແມ່ຍິງທີ່ມີທັກສະທີ່ຄ້າຍຄືກັນເຮັດວຽກໃນວຽກທີ່ຄ້າຍຄືກັນ. ມີຄໍາອະທິບາຍທີ່ເປັນໄປໄດ້ສໍາລັບຮູບແບບນີ້, ຫນຶ່ງໃນນັ້ນແມ່ນວ່ານາຍຈ້າງມີຄວາມໂປ່ງໃສຕໍ່ແມ່. (ຫນ້າສົນໃຈ, ຄວາມກົງກັນຂ້າມເບິ່ງຄືວ່າເປັນຄວາມຈິງສໍາລັບພໍ່: ພວກເຂົາມີແນວໂນ້ມທີ່ຈະມີລາຍໄດ້ຫຼາຍກ່ວາຊາຍທີ່ບໍ່ມີລູກຊາຍທີ່ທຽບເທົ່າ.) ໃນການປະເມີນຄວາມບໍ່ສະເຫມີພາບທີ່ເປັນໄປໄດ້ຕໍ່ແມ່, Correll ແລະເພື່ອນຮ່ວມງານໄດ້ທົດລອງໃຊ້ສອງທົດລອງ: ຫນຶ່ງໃນຫ້ອງທົດລອງແລະຫນຶ່ງໃນພາກສະຫນາມ.

ຫນ້າທໍາອິດ, ໃນການທົດລອງຫ້ອງທົດລອງ, ພວກເຂົາບອກຜູ້ເຂົ້າຮ່ວມ, ຜູ້ທີ່ມີນັກຮຽນຈົບຊັ້ນສູງ, ວ່າບໍລິສັດກໍາລັງຊອກຫາວຽກເຮັດງານທໍາສໍາລັບບຸກຄົນທີ່ຈະນໍາພາຝ່າຍການຕະຫຼາດ East Coast ໃຫມ່. ນັກຮຽນໄດ້ບອກວ່າບໍລິສັດຕ້ອງການຄວາມຊ່ວຍເຫຼືອໃນຂະບວນການຈ້າງງານແລະພວກເຂົາຖືກຮ້ອງຂໍໃຫ້ທົບທວນບົດລາຍງານຂອງຜູ້ສະຫມັກທີ່ມີທ່າແຮງຫຼາຍແລະໃຫ້ຜູ້ສະຫມັກສາມາດປະເມີນຈໍານວນຂອງຂະຫນາດຕ່າງໆເຊັ່ນຄວາມຮູ້, ຄວາມອົບອຸ່ນແລະຄວາມມຸ່ງຫມັ້ນທີ່ເຮັດວຽກ. ນອກຈາກນັ້ນ, ນັກຮຽນໄດ້ຖືກຖາມວ່າພວກເຂົາຈະແນະນໍາໃຫ້ຈ້າງຜູ້ສະຫມັກແລະສິ່ງທີ່ພວກເຂົາແນະນໍາໃຫ້ເປັນເງິນເດືອນເລີ່ມຕົ້ນ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ນັກຂ່າວຍັງບໍ່ຮູ້ກ່ຽວກັບເລື່ອງທີ່ຄ້າຍຄືກັນ, ຍົກເວັ້ນສໍາລັບເລື່ອງຫນຶ່ງ: ບາງຄົນໃຫ້ຂໍ້ມູນວ່າເປັນແມ່ (ໂດຍມີການເຂົ້າຮ່ວມໃນສະມາຄົມພໍ່ແມ່ - ຄູ) ແລະບາງຄົນບໍ່ໄດ້. Correll ແລະເພື່ອນຮ່ວມງານໄດ້ພົບເຫັນວ່ານັກສຶກສາມີຫນ້ອຍທີ່ຈະແນະນໍາໃຫ້ຈ້າງແມ່ແລະວ່າພວກເຂົາສະເຫນີໃຫ້ພວກເຂົາມີເງິນເດືອນຕ່ໍາກວ່າ. ນອກຈາກນັ້ນ, ໂດຍຜ່ານການວິເຄາະສະຖິຕິທັງການຈັດອັນດັບແລະການຕັດສິນໃຈທີ່ກ່ຽວຂ້ອງກັບການຈ້າງງານ, Correll ແລະເພື່ອນຮ່ວມງານໄດ້ພົບວ່າຂໍ້ບົກພ່ອງຂອງແມ່ໄດ້ຖືກອະທິບາຍສ່ວນໃຫຍ່ໂດຍຄວາມຈິງທີ່ວ່າພວກເຂົາໄດ້ຖືກຈັດຕ່ໍາໃນດ້ານຄວາມສາມາດແລະຄໍາຫມັ້ນສັນຍາ. ດັ່ງນັ້ນການທົດລອງຫ້ອງທົດລອງນີ້ໄດ້ຊ່ວຍໃຫ້ Correll ແລະເພື່ອນຮ່ວມງານວັດແທກຜົນກະທົບທາງສາເຫດແລະໃຫ້ຄໍາອະທິບາຍທີ່ເປັນໄປໄດ້ສໍາລັບຜົນກະທົບນັ້ນ.

ແນ່ນອນ, ຫນຶ່ງອາດຈະບໍ່ຄຶກຄັກກ່ຽວກັບການສະຫຼຸບການສະຫຼຸບກ່ຽວກັບຕະຫລາດແຮງງານທັງຫມົດຂອງສະຫະລັດໂດຍອີງຕາມການຕັດສິນໃຈຂອງສອງສາມຮ້ອຍຄົນທີ່ບໍ່ຈົບການສຶກສາທີ່ອາດຈະບໍ່ເຄີຍມີວຽກເຕັມເວລາ, ດັ່ງນັ້ນ, Correll ແລະເພື່ອນຮ່ວມງານຍັງໄດ້ດໍາເນີນການທົດລອງພາກສະຫນາມເສີມ. ພວກເຂົາເຈົ້າໄດ້ຕອບສະຫນອງຕໍ່ຫຼາຍຮ້ອຍຄົນຂອງວຽກເຮັດງານທໍາທີ່ຖືກໂຄສະນາທີ່ມີຈົດຫມາຍປອມແປງແລະການສືບຕໍ່. ຄ້າຍຄືກັບອຸປະກອນທີ່ສະແດງໃຫ້ແກ່ນັກຮຽນຈົບປະລິນຍາຕີ, ບາງຄົນໄດ້ສະແດງໃຫ້ເຫັນເຖິງຄວາມເປັນແມ່ຍິງແລະບາງຄົນບໍ່ໄດ້. Correll ແລະເພື່ອນຮ່ວມງານໄດ້ພົບເຫັນວ່າແມ່ບໍ່ໄດ້ຮັບການເອີ້ນຄືນສໍາລັບການສໍາພາດສໍາລັບແມ່ຍິງທີ່ບໍ່ມີລູກທີ່ມີຄຸນສົມບັດເທົ່າທຽມກັນເທົ່າທຽມກັນ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ນາຍຈ້າງທີ່ແທ້ຈິງທີ່ເຮັດໃຫ້ການຕັດສິນໃຈທີ່ກ່ຽວຂ້ອງໃນການຕັ້ງຄ່າທໍາມະຊາດມີລັກສະນະຄ້າຍຄືກັບນັກຮຽນຈົບປະລິນຍາຕີ. ພວກເຂົາເຈົ້າໄດ້ເຮັດການຕັດສິນໃຈທີ່ຄ້າຍຄືກັນສໍາລັບເຫດຜົນດຽວກັນບໍ? ແຕ່ຫນ້າເສຍດາຍ, ພວກເຮົາບໍ່ຮູ້. ນັກຄົ້ນຄວ້າບໍ່ສາມາດຂໍໃຫ້ນາຍຈ້າງໃຫ້ອັດຕາຜູ້ສະຫມັກຫລືອະທິບາຍການຕັດສິນໃຈຂອງພວກເຂົາ.

ການທົດລອງຄູ່ນີ້ສະແດງໃຫ້ເຫັນຫຼາຍຢ່າງກ່ຽວກັບການທົດລອງແລະທົດລອງພາກສະຫນາມໂດຍທົ່ວໄປ. ການທົດລອງຫ້ອງທົດລອງສະເຫນີໃຫ້ນັກຄົ້ນຄວ້າຄວບຄຸມສະພາບແວດລ້ອມທີ່ຜູ້ເຂົ້າຮ່ວມມີການຕັດສິນໃຈ. ດັ່ງນັ້ນ, ສໍາລັບຕົວຢ່າງ, ໃນການທົດລອງຫ້ອງທົດລອງ, Correll ແລະເພື່ອນຮ່ວມງານສາມາດຮັບປະກັນວ່າທັງຫມົດໄດ້ຖືກອ່ານຢູ່ໃນບ່ອນທີ່ງຽບ; ໃນການທົດລອງພາກສະຫນາມ, ບາງສ່ວນຂອງຊີວະປະຫວັດອາດຈະບໍ່ໄດ້ອ່ານ. ນອກຈາກນັ້ນ, ເນື່ອງຈາກຜູ້ເຂົ້າຮ່ວມໃນຫ້ອງທົດລອງຮູ້ວ່າພວກເຂົາກໍາລັງຖືກສຶກສາ, ນັກຄົ້ນຄ້ວາສາມາດເກັບກໍາຂໍ້ມູນເພີ່ມເຕີມທີ່ສາມາດອະທິບາຍວ່າຜູ້ທີ່ເຂົ້າຮ່ວມການຕັດສິນໃຈແມ່ນຫຍັງ. ສໍາລັບຕົວຢ່າງ, Correll ແລະເພື່ອນຮ່ວມງານໄດ້ຂໍໃຫ້ຜູ້ເຂົ້າຮ່ວມໃນການທົດລອງຫ້ອງທົດລອງໃຫ້ອັດຕາຜູ້ສະຫມັກກ່ຽວກັບຂະຫນາດທີ່ແຕກຕ່າງກັນ. ຂໍ້ມູນຂະບວນການນີ້ ສາມາດຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າເຂົ້າໃຈກົນໄກທີ່ຢູ່ເບື້ອງຫລັງຄວາມແຕກຕ່າງໃນວິທີການເຂົ້າຮ່ວມການປະກວດ.

ໃນທາງກົງກັນຂ້າມ, ລັກສະນະດຽວກັນເຫຼົ່ານີ້ທີ່ຂ້າພະເຈົ້າໄດ້ອະທິບາຍວ່າເປັນຂໍ້ດີແມ່ນບາງຄັ້ງຍັງຖືວ່າເປັນຂໍ້ບົກພ່ອງ. ນັກຄົ້ນຄວ້າຜູ້ທີ່ມັກການທົດລອງພາກສະຫນາມກ່າວວ່າຜູ້ເຂົ້າຮ່ວມໃນການທົດລອງທົດລອງສາມາດປະຕິບັດທີ່ແຕກຕ່າງກັນເພາະວ່າພວກເຂົາຮູ້ວ່າພວກເຂົາກໍາລັງສຶກສາ. ສໍາລັບຕົວຢ່າງ, ໃນການທົດລອງຫ້ອງທົດລອງ, ຜູ້ເຂົ້າຮ່ວມອາດຄາດຄະເນເປົ້າຫມາຍຂອງການຄົ້ນຄວ້າແລະປ່ຽນແປງພຶດຕິກໍາຂອງພວກເຂົາເພື່ອບໍ່ປາກົດຂື້ນ. ນອກຈາກນັ້ນ, ນັກຄົ້ນຄວ້າຜູ້ທີ່ມັກການທົດລອງພາກສະຫນາມອາດຈະໂຕ້ຖຽງວ່າຄວາມແຕກຕ່າງເລັກນ້ອຍໃນການສືບສວນສາມາດຢືນຢູ່ໃນສະພາບແວດລ້ອມທົດລອງທີ່ສະອາດແລະປອດສານພິດ, ແລະດັ່ງນັ້ນການທົດລອງໃນຫ້ອງທົດລອງຈະເກີນຜົນກະທົບຂອງການເປັນແມ່ໃນການຕັດສິນໃຈຈ້າງຕົວຈິງ. ໃນທີ່ສຸດ, ຜູ້ສະຫນັບສະຫນູນຫຼາຍໆຄົນຂອງການທົດລອງພາກສະຫນາມວິພາກວິຈານການທົດລອງຂອງຫ້ອງທົດລອງທີ່ອີງໃສ່ຜູ້ເຂົ້າຮ່ວມ WEIRD: ສ່ວນໃຫຍ່ແມ່ນນັກຮຽນຈາກປະເທດຕ່າງໆໃນຕາເວັນຕົກ, ສຶກສາ, ອຸດສາຫະກໍາ, ອຸດົມສົມບູນແລະປະຊາທິປະໄຕ (Henrich, Heine, and Norenzayan 2010a) . ການທົດລອງໂດຍ Correll ແລະເພື່ອນຮ່ວມງານ (2007) ສະແດງໃຫ້ເຫັນຄວາມສໍາຄັນສອງດ້ານຕໍ່ການສືບຕໍ່ຂອງພາກສະຫນາມ. ໃນລະຫວ່າງສອງດ້ານເຫຼົ່ານີ້ຍັງມີແນວພັນທີ່ຫລາກຫລາຍຂອງການອອກແບບປະສົມປະສານເຊັ່ນ: ການນໍານັກຮຽນທີ່ບໍ່ແມ່ນນັກສຶກສາເຂົ້າຫ້ອງທົດລອງຫຼືເຂົ້າໄປໃນພາກສະຫນາມແຕ່ຍັງມີຜູ້ເຂົ້າຮ່ວມປະຕິບັດວຽກງານທີ່ຜິດປົກກະຕິ.

ນອກເຫນືອຈາກຂະຫນາດຂອງພາກສະຫນາມທີ່ມີຢູ່ໃນອະດີດ, ອາຍຸທາງດ້ານດິຈິຕອນຫມາຍຄວາມວ່ານັກຄົ້ນຄວ້າໃນປັດຈຸບັນມີຂະຫນາດໃຫຍ່ທີ່ສໍາຄັນທີສອງຊຶ່ງທົດລອງສາມາດປ່ຽນແປງໄດ້: analog-digital. ມີປະສົບການທົດລອງທີ່ບໍລິສຸດ, ປະສົບການພາກສະຫນາມຢ່າງແທ້ຈິງແລະມີຫຼາກຫຼາຍຂອງລູກປະສົມໃນລະຫວ່າງ, ມີປະສົບການຢ່າງດຽວກັນຢ່າງແທ້ຈິງ, ປະສົບການດິຈິຕອນທີ່ບໍລິສຸດ, ແລະຫຼາກຫຼາຍຂອງລູກປະສົມ. ມັນແມ່ນ tricky ທີ່ຈະສະເຫນີຄໍານິຍາມທີ່ເປັນປະໂຫຍດຂອງຂະຫນາດນີ້, ແຕ່ວ່າຄໍານິຍາມທີ່ເປັນປະໂຫຍດທີ່ເປັນປະໂຫຍດແມ່ນ ການທົດລອງດິຈິຕອນຢ່າງເຕັມທີ່ ເປັນປະສົບການທີ່ນໍາໃຊ້ພື້ນຖານທາງດ້ານດິຈິຕອນໃຫ້ຜູ້ເຂົ້າຮ່ວມຄັດເລືອກ, ໃຫ້ການປິ່ນປົວແລະຜົນໄດ້ຮັບ. ຕົວຢ່າງ, ການສຶກສາຂອງ bivstars ແລະວິທະຍາໄລວິທະຍາໄລ Restivo ແລະ Van de Rijt (2012) ແມ່ນທົດລອງດິຈິຕອນຢ່າງເຕັມທີ່ຍ້ອນວ່າມັນໃຊ້ລະບົບດິຈິຕອນສໍາລັບທັງສີ່ຂັ້ນຕອນເຫຼົ່ານີ້. ເຊັ່ນດຽວກັນ, ປະສົບການ ຢ່າງເຕັມທີ່ອະນາລັອກ ບໍ່ໄດ້ໃຊ້ຖານຂໍ້ມູນພື້ນຖານທາງດ້ານດິຈິຕອນສໍາລັບສີ່ຂັ້ນຕອນເຫຼົ່ານີ້. ຫຼາຍໆປະສົບການຂອງຄລາສສິກໃນຈິດໃຈແມ່ນປະສົບການຢ່າງເຕັມທີ່. ໃນລະຫວ່າງສອງຂົງເຂດນີ້, ມີ ການທົດລອງດິຈິຕອນບາງສ່ວນ ທີ່ໃຊ້ການລວມກັນຂອງລະບົບອະນາລັອກແລະດິຈິຕອນ.

ໃນເວລາທີ່ປະຊາຊົນບາງຄົນຄິດກ່ຽວກັບການທົດລອງດິຈິຕອນ, ພວກເຂົາເຈົ້າທັນທີຄິດວ່າການທົດລອງອອນໄລນ໌. ນີ້ແມ່ນໂຊກບໍ່ດີເພາະວ່າໂອກາດທີ່ຈະດໍາເນີນການທົດລອງດິຈິຕອນບໍ່ແມ່ນພຽງແຕ່ອອນລາຍ. ນັກຄົ້ນຄວ້າສາມາດດໍາເນີນການທົດລອງດິຈິຕອນບາງສ່ວນໂດຍໃຊ້ອຸປະກອນດິຈິຕອນໃນໂລກທາງດ້ານຮ່າງກາຍເພື່ອໃຫ້ການປິ່ນປົວຫຼືຜົນໄດ້ຮັບ. ສໍາລັບຕົວຢ່າງ, ນັກຄົ້ນຄວ້າສາມາດນໍາໃຊ້ໂທລະສັບສະຫຼາດເພື່ອສະຫນອງການປິ່ນປົວຫຼືແກັບໃນສະພາບແວດລ້ອມທີ່ສ້າງເພື່ອວັດຜົນໄດ້. ໃນຄວາມເປັນຈິງ, ດັ່ງທີ່ພວກເຮົາຈະເຫັນຕໍ່ມາໃນບົດນີ້, ນັກຄົ້ນຄວ້າໄດ້ໃຊ້ເຄື່ອງວັດພະລັງງານໃນບ້ານເພື່ອວັດຜົນໃນການທົດລອງກ່ຽວກັບການໃຊ້ພະລັງງານທີ່ກ່ຽວຂ້ອງກັບ 8,5 ລ້ານຄົວເຮືອນ (Allcott 2015) . ໃນຂະນະທີ່ອຸປະກອນດິຈິຕອນກາຍເປັນປະສົມປະສານໃນຊີວິດຂອງປະຊາຊົນຫຼາຍຂຶ້ນແລະ sensors ກາຍເປັນປະສົມປະສານໃນສະພາບແວດລ້ອມທີ່ສ້າງ, ໂອກາດເຫຼົ່ານີ້ເພື່ອດໍາເນີນການທົດລອງດິຈິຕອນບາງສ່ວນໃນໂລກທາງດ້ານຮ່າງກາຍຈະເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ທົດລອງດິຈິຕອນບໍ່ແມ່ນພຽງແຕ່ການທົດລອງອອນໄລນ໌ເທົ່ານັ້ນ.

ລະບົບດິຈິຕອນສ້າງຄວາມເປັນໄປໄດ້ໃຫມ່ສໍາລັບການທົດລອງຢູ່ທົ່ວທຸກບ່ອນຕາມການສືບຕໍ່ຂອງຫ້ອງທົດລອງ. ໃນການທົດລອງຫ້ອງທົດລອງຢ່າງດຽວ, ສໍາລັບການຍົກຕົວຢ່າງ, ນັກຄົ້ນຄວ້າສາມາດນໍາໃຊ້ລະບົບດິຈິຕອນເພື່ອການວັດແທກຕົວຈິງຂອງຜູ້ເຂົ້າຮ່ວມ; ຕົວຢ່າງຫນຶ່ງຂອງປະເພດການວັດແທກທີ່ດີຂື້ນນີ້ແມ່ນອຸປະກອນການຕິດຕາມຕາເຊິ່ງສະຫນອງການວັດແທກທີ່ຊັດເຈນແລະຢ່າງຕໍ່ເນື່ອງຂອງສະຖານທີ່ຂອງແຫຼວ. ອາຍຸສູງສຸດດິຈິຕອນກໍ່ສ້າງຄວາມເປັນໄປໄດ້ຂອງການທົດລອງທົດລອງຄ້າຍຄືກັນໃນອອນໄລນ໌. ຕົວຢ່າງ, ນັກຄົ້ນຄວ້າໄດ້ນໍາໃຊ້ Amazon Mechanical Turk (MTurk) ຢ່າງໄວວາເພື່ອທົດແທນຜູ້ເຂົ້າຮ່ວມສໍາລັບການທົດລອງອອນໄລນ໌ (ຮູບ 4.2). MTurk ກົງກັບ "ນາຍຈ້າງ" ທີ່ມີຫນ້າວຽກທີ່ຈໍາເປັນຕ້ອງໄດ້ຈົບລົງດ້ວຍ "ພະນັກງານ" ທີ່ຕ້ອງການສໍາເລັດວຽກງານເຫລົ່ານີ້ເພື່ອເງິນ. ແນວໃດກໍ່ຕາມ, ຕ່າງຈາກຕະຫຼາດແຮງງານແບບດັ້ງເດີມ, ວຽກງານທີ່ກ່ຽວຂ້ອງມັກຈະຮຽກຮ້ອງໃຫ້ມີພຽງແຕ່ສອງສາມນາທີເພື່ອໃຫ້ສໍາເລັດ, ແລະການພົວພັນທັງຫມົດລະຫວ່າງນາຍຈ້າງແລະຜູ້ເຮັດວຽກແມ່ນອອນໄລນ໌. ເນື່ອງຈາກວ່າ MTurk mimics ລັກສະນະຂອງປະສົບການທົດລອງແບບປະເພນີ - ຈ່າຍໃຫ້ປະຊາຊົນເພື່ອເຮັດສໍາເລັດຫນ້າວຽກທີ່ພວກເຂົາຈະບໍ່ເຮັດໄດ້ໂດຍບໍ່ເສຍຄ່າ - ມັນແມ່ນເຫມາະສົມຕາມທໍາມະຊາດສໍາລັບບາງປະເພດຂອງການທົດລອງ. ໂດຍພື້ນຖານແລ້ວ, MTurk ໄດ້ສ້າງພື້ນຖານໂຄງລ່າງໃນການຄຸ້ມຄອງບັນດາຜູ້ເຂົ້າຮ່ວມ - ການຈ້າງງານແລະການຈ່າຍເງິນໃຫ້ປະຊາຊົນ - ແລະນັກຄົ້ນຄວ້າໄດ້ໃຊ້ປະໂຍດຈາກໂຄງສ້າງພື້ນຖານດັ່ງກ່າວເພື່ອເຂົ້າໄປໃນສະນຸກເກີຜູ້ເຂົ້າຮ່ວມ.

ຮູບພາບ 42: ເອກະສານທີ່ຈັດພີມມາໂດຍນໍາໃຊ້ຂໍ້ມູນຈາກ Amazon Mechanical Turk (MTurk). MTurk ແລະຕະຫຼາດແຮງງານອອນໄລນ໌ອື່ນໆໃຫ້ນັກຄົ້ນຄວ້າເປັນວິທີທີ່ສະດວກໃນການເລືອກເອົາຜູ້ເຂົ້າຮ່ວມສໍາລັບການທົດລອງ. ດັດແປງຈາກ Bohannon (2016).

ຮູບພາບ 42: ເອກະສານທີ່ຈັດພີມມາໂດຍນໍາໃຊ້ຂໍ້ມູນຈາກ Amazon Mechanical Turk (MTurk). MTurk ແລະຕະຫຼາດແຮງງານອອນໄລນ໌ອື່ນໆໃຫ້ນັກຄົ້ນຄວ້າເປັນວິທີທີ່ສະດວກໃນການເລືອກເອົາຜູ້ເຂົ້າຮ່ວມສໍາລັບການທົດລອງ. ດັດແປງຈາກ Bohannon (2016) .

ລະບົບດິຈິຕອນສ້າງຄວາມເປັນໄປໄດ້ຫຼາຍສໍາລັບການທົດລອງໃນພາກສະຫນາມ. ໂດຍສະເພາະ, ພວກເຂົາເຮັດໃຫ້ນັກຄົ້ນຄວ້າສາມາດສົມທົບການຄວບຄຸມແລະຂໍ້ມູນຂະບວນການຢ່າງໃກ້ຊິດທີ່ກ່ຽວຂ້ອງກັບການທົດລອງຂອງຫ້ອງທົດລອງທີ່ມີຜູ້ເຂົ້າຮ່ວມຫຼາຍຂື້ນແລະມີລັກສະນະທໍາມະຊາດຫຼາຍທີ່ກ່ຽວຂ້ອງກັບການທົດລອງຫ້ອງທົດລອງ. ນອກຈາກນັ້ນ, ການທົດລອງພາກສະຫນາມດິຈິຕອນຍັງມີສາມໂອກາດທີ່ມີຄວາມຫຍຸ້ງຍາກໃນການທົດລອງແບບອະນາລັອກ.

ຫນ້າທໍາອິດ, ໃນຂະນະທີ່ທົດລອງຫ້ອງທົດລອງແລະທົດລອງພາກສະຫນາມສ່ວນໃຫຍ່ມີຜູ້ເຂົ້າຮ່ວມຫຼາຍຮ້ອຍຄົນ, ການທົດລອງພາກສະຫນາມດິຈິຕອນສາມາດມີຜູ້ເຂົ້າຮ່ວມປະມານລ້ານຄົນ. ການປ່ຽນແປງໃນຂະຫນາດນີ້ແມ່ນຍ້ອນວ່າບາງປະສົບການດິຈິຕອນສາມາດຜະລິດຂໍ້ມູນຢູ່ໃນຄ່າໃຊ້ຈ່າຍທີ່ບໍ່ມີຄ່າ. ດັ່ງນັ້ນ, ເມື່ອນັກຄົ້ນຄວ້າໄດ້ສ້າງພື້ນຖານໂຄງລ່າງທົດລອງ, ການເພີ່ມຈໍານວນຜູ້ເຂົ້າຮ່ວມໂດຍປົກກະຕິບໍ່ໄດ້ເພີ່ມຄ່າໃຊ້ຈ່າຍ. ການເພີ່ມຈໍານວນຜູ້ເຂົ້າຮ່ວມໂດຍປັດໃຈຂອງ 100 ຫຼືຫຼາຍກວ່ານີ້ບໍ່ແມ່ນພຽງແຕ່ການປ່ຽນແປງ ປະລິມານ ; ມັນເປັນການປ່ຽນແປງທີ່ມີ ຄຸນນະພາບ , ເນື່ອງຈາກວ່າມັນຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າສາມາດຮຽນຮູ້ສິ່ງຕ່າງໆຈາກປະສົບການຕ່າງໆ (ເຊັ່ນ: ຄວາມບໍ່ສະເຫມີພາບຂອງຜົນກະທົບດ້ານການປິ່ນປົວ) ແລະການດໍາເນີນການອອກແບບທົດລອງທີ່ແຕກຕ່າງກັນທັງຫມົດ (ຕົວຢ່າງ, ການທົດລອງຂະຫນາດໃຫຍ່). ຈຸດນີ້ແມ່ນສໍາຄັນດັ່ງນັ້ນ, ຂ້ອຍຈະກັບໄປຫາມັນໃນຕອນທ້າຍຂອງບົດນີ້ໃນເວລາທີ່ຂ້ອຍໃຫ້ຄໍາແນະນໍາກ່ຽວກັບການສ້າງປະສົບການດິຈິຕອນ.

ຄັ້ງທີສອງ, ໃນຂະນະທີ່ການທົດລອງແບບທົດລອງແລະການທົດລອງພາກສ່ວນຫຼາຍທີ່ສຸດປະຕິບັດໃຫ້ຜູ້ເຂົ້າຮ່ວມເປັນເຄື່ອງມືທີ່ບໍ່ສາມາດແຍກແຍະໄດ້, ການທົດລອງພາກສະຫນາມດິຈິຕອນມັກໃຊ້ຂໍ້ມູນພື້ນຖານກ່ຽວກັບຜູ້ເຂົ້າຮ່ວມໃນຂັ້ນຕອນການອອກແບບແລະການວິເຄາະຂອງການຄົ້ນຄວ້າ. ຂໍ້ມູນເບື້ອງຕົ້ນນີ້, ຊຶ່ງເອີ້ນວ່າ ຂໍ້ມູນການປິ່ນປົວກ່ອນ , ແມ່ນມີຢູ່ໃນປະສົບການທາງດ້ານດິຈິຕອເພາະວ່າພວກມັນກໍາລັງເຮັດວຽກຢູ່ເທິງລະບົບການວັດແທກສະເຫມີ (ເບິ່ງພາກທີ 2). ຕົວຢ່າງ, ນັກຄົ້ນຄວ້າຢູ່ເຟສບຸກມີຂໍ້ມູນກ່ອນການປິ່ນປົວຫລາຍຂຶ້ນກ່ຽວກັບປະຊາຊົນໃນການທົດລອງພາກສະຫນາມດິຈິຕອນຂອງນາງກ່ວານັກຄົ້ນຄວ້າວິທະຍາໄລກ່ຽວກັບປະຊາຊົນໃນການທົດລອງພາກສະຫນາມຂອງນາງ. ການປິ່ນປົວກ່ອນການປິ່ນປົວນີ້ຊ່ວຍໃຫ້ການອອກແບບທົດລອງມີປະສິດທິພາບຫຼາຍຂຶ້ນເຊັ່ນ: ການສະກັດກັ້ນ (Higgins, Sävje, and Sekhon 2016) ແລະການຄັດເລືອກເປົ້າຫມາຍຂອງຜູ້ເຂົ້າຮ່ວມ (Eckles, Kizilcec, and Bakshy 2016) - ແລະການວິເຄາະຢ່າງລະອຽດ - ເຊັ່ນ: ການຄາດຄະເນຂອງຄວາມບໍ່ເທົ່າທຽມກັນຂອງຜົນກະທົບການປິ່ນປົວ (Athey and Imbens 2016a) ແລະປັບການປັບຕົວໃຫ້ຖືກຕ້ອງ (Bloniarz et al. 2016) .

ອັນທີສາມ, ໃນຂະນະທີ່ການທົດລອງແບບທົດລອງແລະການທົດລອງພາກສະຫນາມຈໍານວນຫຼາຍເຮັດໃຫ້ການປິ່ນປົວແລະວັດແທກຜົນໄດ້ຮັບໃນເວລາທີ່ຂ້ອນຂ້າງຂ້ອນຂ້າງຂື້ນ, ບາງປະສົບການພາກສະຫນາມດິຈິຕອນເກີດຂື້ນເລື້ອຍໆ. ຕົວຢ່າງ, ການທົດລອງ Restivo ແລະ van de Rijt ມີຜົນໄດ້ຮັບການວັດແທກປະຈໍາວັນເປັນເວລາ 90 ມື້ແລະຫນຶ່ງໃນປະສົບການທີ່ຂ້ອຍຈະບອກທ່ານກ່ຽວກັບໃນຕໍ່ມາໃນບົດ (Ferraro, Miranda, and Price 2011) ຕາມຜົນໄດ້ຮັບໃນໄລຍະສາມປີໂດຍພື້ນຖານແລ້ວບໍ່ມີ ຄ່າໃຊ້ຈ່າຍ ຂໍ້ມູນເຫຼົ່ານີ້ແມ່ນມີໂອກາດຂະຫນາດ, ຂໍ້ມູນກ່ອນການປິ່ນປົວ, ແລະຂໍ້ມູນການປິ່ນປົວແບບຍາວນານແລະຂໍ້ມູນຜົນໄດ້ຮັບຫຼາຍທີ່ສຸດໃນເວລາທີ່ການທົດລອງໃຊ້ໃນລະບົບການວັດແທກສະເຫມີ (ເບິ່ງບົດທີ 2 ສໍາລັບລະບົບການວັດແທກສະເຫມີ).

ໃນຂະນະທີ່ການທົດລອງພາກສະຫນາມດິຈິຕອນສະເຫນີຄວາມເປັນໄປໄດ້ຫຼາຍຢ່າງ, ພວກເຂົາຍັງແບ່ງປັນຈຸດອ່ອນບາງຢ່າງທີ່ມີການທົດລອງແບບທົດລອງແບບອະນາລັຍແລະການທົດລອງພາກດຽວກັນ. ຕົວຢ່າງ, ການທົດລອງບໍ່ສາມາດນໍາໃຊ້ໃນການສຶກສາໄລຍະຜ່ານມາແລະພວກເຂົາສາມາດຄາດຄະເນຜົນກະທົບຂອງການປິ່ນປົວທີ່ສາມາດຈັດການໄດ້. ນອກຈາກນັ້ນ, ເຖິງແມ່ນວ່າການທົດລອງແມ່ນແນ່ນອນທີ່ເປັນປະໂຫຍດໃນການນໍາພານະໂຍບາຍ, ຄໍາແນະນໍາທີ່ແນ່ນອນທີ່ພວກເຂົາສາມາດສະເຫນີກໍ່ແມ່ນຈໍາກັດເພາະວ່າຜົນກະທົບເຊັ່ນ: ຄວາມຂັດແຍ້ງດ້ານສິ່ງແວດລ້ອມ, ບັນຫາການປະຕິບັດຕາມແລະຜົນກະທົບທີ່ສົມດຸນ (Banerjee and Duflo 2009; Deaton 2010) . ການທົດລອງພາກສະຫນາມດິຈິຕອນຍັງຂະຫຍາຍຄວາມກັງວົນດ້ານຈັນຍາບັນທີ່ສ້າງຂື້ນໂດຍການທົດລອງພາກສະຫນາມ - ຫົວຂໍ້ທີ່ຂ້ອຍຈະກ່າວໃນພາຍຫລັງໃນບົດນີ້ແລະໃນບົດທີ 6.