4.6.1 Sukurti nulis kintamosios sąnaudos duomenis

Raktas į bėgimo didelių eksperimentų vairuoja savo kintamas sąnaudas iki nulio. Geriausi būdai, kaip tai padaryti yra automatikos ir projektavimas malonių eksperimentų.

Skaitmeniniai eksperimentai gali turėti žymiai skirtingos išlaidų struktūras, o tai leidžia mokslininkams vykdyti eksperimentus, kurie buvo neįmanoma praeityje. Tiksliau, eksperimentai paprastai turi dvi pagrindines išlaidų rūšis. Pastoviųjų sąnaudų ir kintamųjų sąnaudų Fiksuotos sąnaudos yra išlaidos, kurios nesikeičia priklausomai nuo to, kiek dalyviai turite. Pavyzdžiui, laboratorijoje eksperimentą, fiksuoti kaštai gali būti nuomos erdvę ir pirkti baldus kaina. Kintamos išlaidos, kita vertus, kinta priklausomai nuo to, kiek dalyviai turite. Pavyzdžiui, laboratorijoje eksperimentą, kintamosios išlaidos gali ateiti nuo mokėjimo darbuotojų ir dalyvių. Apskritai, analoginiai eksperimentai turi mažai pastoviąsias sąnaudas ir aukštos kintamąsias sąnaudas ir skaitmeniniai eksperimentai didelių fiksuotų išlaidų ir mažas kintamąsias sąnaudas (4.18 pav). Su tinkama dizainas, jūs galite vairuoti kintamojo išlaidas savo eksperimento visą kelią iki nulio, o tai gali sukurti įdomių mokslinių tyrimų galimybes.

4.18 pav schema sąnaudų struktūrų analoginių ir skaitmeninių eksperimentų. Apskritai, analoginiai eksperimentai turi mažai pastoviąsias sąnaudas ir aukštos kintamąsias sąnaudas o skaitmeniniai eksperimentai didelių fiksuotų išlaidų ir mažas kintamąsias sąnaudas. Skirtingų kaštų struktūros reiškia, kad skaitmeniniai eksperimentai gali paleisti ne masto, kad neįmanoma su analoginių eksperimentams.

Yra du pagrindiniai elementai kintamųjų sąnaudų mokėjimų darbuotojams ir išmokų dalyviams-ir kiekvienas iš jų gali būti varoma iki nulio naudojant įvairias strategijas. Išmokos darbuotojams kyla iš darbo, mokslinių tyrimų asistentai nereikia įdarbinti dalyvius, teikiant gydymo ir matavimo rezultatus. Pavyzdžiui, analoginis laukas eksperimentas Schultz ir kolegų (2007) apie socialinių normų bei elektros naudojimo reikalingas mokslinių tyrimų padėjėjų keliauti į kiekvieno namus pristatyti gydymo ir skaityti elektros skaitiklis (4.3 pav). Visos šios pastangų mokslinių tyrimų padėjėjų reiškė, kad pridedant naują namiškiams tyrimo būtų įtraukta į kainą. Kita vertus, skaitmeninio lauko eksperimentas Restivo ir van de Rijt (2012) apie apdovanojimus Vikipedijos, tyrėjai galėtų pridėti daugiau dalyvių, tuo beveik be jokių išlaidų. Bendras mažinimo strategija kintamas administracines išlaidas yra pakeisti žmogaus darbą (kuris yra brangus) su kompiuteriu darbu (kuris yra pigus). Grubiai, galite paklausti savęs: ar gali šis eksperimentas paleisti, o visi mano mokslinių tyrimų komanda miega? Jei atsakymas yra "taip", jūs padaryti didelį darbą automatizavimas.

Antrasis pagrindinis tipas kintamosios išlaidos yra išmokų dalyviams. Kai kurie mokslininkai naudojo Amazon Mechanical Turk ir kitų interneto darbo rinkas sumažinti mokėjimus, kurie yra reikalingi dalyvių. Vairuoti kintamąsias sąnaudas visą kelią iki nulio, tačiau kitoks požiūris. Ilgą laiką mokslininkai sukūrė eksperimentus, kurie taip nuobodu, jie turi mokėti žmones dalyvauti. Bet ką daryti, jei galite sukurti eksperimentą, kad žmonės nori būti? Tai gali skambėti kiek nerealu, bet aš duosiu jums pavyzdį žemiau iš savo darbo, ir yra daugiau pavyzdžių 4.4 lentelėje. Atkreipkite dėmesį, kad šis metodas projektavimas malonių eksperimentų atkartoja kai kurie iš temos 3 skyriuje dėl projektavimo malonesnis tyrimus ir 5 skyriuje dėl masinio bendradarbiavimo projektą. Taigi, manau, kad dalyvis malonumas-kas taip pat gali būti vadinamas vartotojo patirtį, bus vis svarbesnis dalis mokslinių tyrimų dizaino skaitmeniniame amžiuje.

Jei norite sukurti nulinės kintamąsias sąnaudas eksperimentus jūs norite įsitikinti, kad viskas yra visiškai automatizuotas ir kad dalyviai nereikia jokių mokėjimų. Siekiant parodyti, kaip tai įmanoma, aš apibūdinti savo disertacijos tyrimų dėl sėkmės ir nesėkmės kultūros produktų. Šis pavyzdys taip pat rodo, kad nulis kintamosios sąnaudos duomenys yra ne tik apie tai kas pigiau. O, ji yra apie įjungimą eksperimentus, kad nebūtų įmanomos kitaip.

Mano disertacija buvo motyvuojamas mįslingas pobūdžio sėkmės kultūros produktų. Hitai, geriausiai parduodamų knygų ir Blockbuster filmus yra daug, daug geriau sekasi, negu vidutinis. Dėl to, šių produktų rinkos yra dažnai vadinamas "nugalėtojas imtis visiems" rinkose. Tačiau tuo pačiu metu, o ypač daina, knyga, ar filmas bus sėkmingi yra neįtikėtinai nenuspėjamas. Scenaristas Williamas "Goldman (1989) elegantiškai apibendrino daug akademinių tyrimų, sakydamas, kad kai kalbama prognozuoti sėkmę," niekas nieko nežino ". Iš nenuspėjamumas nugalėtojas imk visose rinkose privertė mane stebėtis, kiek sėkmės rezultatas kokybės ir kiek yra tiesiog sėkmės. Arba išreiškė šiek tiek kitaip, jei galėtume sukurti lygiagrečius pasaulius ir juos visus vystytis savarankiškai, būtų tas pačias dainas tapo populiarus kiekvieno pasaulio? Ir, jei ne, kas gali būti mechanizmas, kuris sukelia šiuos skirtumus?

Norint atsakyti į šiuos klausimus, mes-Peter Dodds Duncan Watts (mano disertacija patarėjas), ir I-vyko interneto lauko eksperimentų seriją. Visų pirma, mes sukūrėme tinklalapį, pavadintą MusicLab, kur žmonės gali atrasti naują muziką, o mes jį naudojo eksperimentų serija. Mes įdarbino dalyvius veikia banerių ant paauglių palūkanų svetainėje (4.19 paveikslas), o per mini žiniasklaidoje. Dalyviai, atvykstantys į mūsų interneto svetainėje pateikta informuoto sutikimo, baigė trumpą fono klausimyną ir buvo atsitiktinai priskirti vienai iš dviejų eksperimentinių sąlygų, nepriklausomas ir socialinės įtakos. Nepriklausomoje būklės, dalyviai priėmė sprendimus, apie kuriuos dainos klausytis, atsižvelgiant tik į juostos ir dainų pavadinimai. Klausydamiesi dainos, dalyviai buvo paprašyti įvertinti ją po kurio jie turėjo galimybę (bet ne pareigą), kad atsisiųsti dainą. Į socialinės įtakos būklės, dalyviai turėjo tą pačią patirtį, išskyrus atvejus, jie taip pat gali pamatyti, kiek kartų kiekviena daina buvo atsisiųsta ankstesnių dalyvių. Be to, dalyviai socialinės įtakos būklės buvo atsitiktinai priskirti vienai iš aštuonių paralelinių pasaulių, kurių kiekvienas išsivystė nepriklausomai (4.20 pav.) Naudojant šį dizainą, nubėgome du susijusius eksperimentus. Visų pirma, mes pateikti dalyviams dainas į nerūšiuotų tinklelį, kuriame numatyta jiems silpnas signalas populiarumo. Antroje eksperimento, mes pristatė į eiliškumo sąrašą, kuriame numatyta daug stipresnį signalą populiarumo dainas (4.21 pav).

4.19 pav kurio baneriui pavyzdys, kad mano kolegos ir aš įdarbinti dalyviais MusicLab eksperimentų (Salganik, Dodds, and Watts 2006) .

4.20 pav: Eksperimentinė dizainas už MusicLab eksperimentų (Salganik, Dodds, and Watts 2006) . Dalyviai atsitiktine tvarka buvo suskirstyti į vieną iš dviejų sąlygų: nepriklausomas ir socialinės įtakos. Dalyviai nepriklausomos būklės padarė savo pasirinkimą, be jokios informacijos apie tai, ką kiti žmonės padarė. Dalyviai socialinės įtakos būklės atsitiktine tvarka buvo suskirstyti į vieną iš aštuonių paralelinių pasaulių, kur jie galėtų pamatyti populiarumą-as matuojamas parsisiųsti ankstesnių dalyvių-kiekvieno dainą į savo pasaulį, bet jie negalėjo matyti jokios informacijos, nei tai padarė jie net žinoti apie egzistencijos, bet iš kitų pasaulių.

Mes nustatėme, kad iš dainų populiarumas skyrėsi visoje pasaulių rodo, svarbų vaidmenį sėkmės. Pavyzdžiui, viename pasaulyje daina "blokavimas" pateikė 52Metro atėjo 1, o kitame pasaulyje jis atėjo 40. iš 48 dainų. Tai buvo lygiai tokia pati daina konkuruoja su tų pačių dainų, bet vienoje pasaulyje tai pasisekė ir kitiems jis to nepadarė. Be to, lyginant rezultatus abiejuose eksperimentuose mes nustatėme, kad socialinė įtaka veda į daugiau nevienodas sėkmė, kuris galbūt sukuria nuspėjamumo išvaizdą. Bet, ieško visoje pasaulių (kuris negali būti atliekami ne šio paralelinių pasaulių eksperimento natūra), mes nustatėme, kad socialinė įtaka iš tikrųjų padidino nenuspėjamumas. Be to, stebėtinai, tai buvo aukščiausia apeliacine dainos, kurios labiausiai nenuspėjamų rezultatų (4.22 pav).

4.21 pav Ekrano iš socialinės įtakos atvejams MusicLab eksperimentų (Salganik, Dodds, and Watts 2006) . Į socialinės įtakos būklės eksperimento 1, dainos, kartu su ankstesnių parsisiųsti skaičių, buvo pristatyti dalyviams išdėstyti 16 x 3 stačiakampio tinklelio, kur dainas pozicijos buvo atsitiktinai atrinkti kiekvienam dalyviui. Eksperimente 2 dalyviai socialinės įtakos būklės buvo parodyta dainas, su atsisiuntimų skaičių, pateikiamų viename stulpelyje mažėjančia tvarka dabartinės populiarumą.

4.22 pav rezultatai nuo MusicLab eksperimentų, rodančių tarp apeliacinį skundą ir sėkmės ryšį (Salganik, Dodds, and Watts 2006) . X ašis yra rinkos dalis nepriklausomoje pasaulyje daina, kuri tarnauja kaip daina apeliacinį skundą priemonę, ir y ašis yra rinkos dalis tuo pačiu daina 8 socialinės įtakos pasaulių, kuri tarnauja kaip iš dainų sėkmės matas. Mes nustatėme, kad didinant socialinę įtaką, kad dalyviai patyrė, konkrečiau, išdėstymu nuo eksperimento 1 Pakeiskite eksperimentuoti 2 (4.21 pav) -caused sėkmę, norint tapti labiau nenuspėjamas, ypač aukščiausių apeliaciniame dainas.

MusicLab galėjo paleisti ne iš esmės lygus nuliui kintamų papildomų sąnaudų dėl to, kad taip, kad ji buvo sukurta. Pirma, viskas buvo visiškai automatizuotas, todėl buvo galima paleisti, o aš miegojau. Antra, kompensacijos buvo nemokama muzika todėl nebuvo kintamasis dalyvis kompensacija kaina. Muzikos kaip kompensacijos naudojimas taip pat parodo, kaip kartais yra kompromisas tarp fiksuotų sąnaudų ir kintamųjų sąnaudų. Naudojant muzika padidino pastoviąsias sąnaudas, nes turėjau praleisti laiką užtikrinant leidimą iš juostų ir rengiant ataskaitas juostų apie dalyvių reakcija į jų muziką. Tačiau, šiuo atveju, didinant pastoviąsias sąnaudas, siekiant sumažinti kintamųjų sąnaudų buvo teisingas dalykas; kad tai, ką leido paleisti eksperimentą, kuris buvo maždaug 100 kartų didesnis nei standartinis laboratorijos eksperimento.

Be to, kad MusicLab eksperimentai rodo, kad nulis kintamosios sąnaudos neturi būti savitikslis; o, tai gali būti priemonė veikia naujo tipo eksperimentas. Atkreipkite dėmesį, kad mes ne naudoti visi mūsų dalyvių paleisti standartinį socialinės įtakos Lab eksperimentą 100 kartų. Vietoj to, mes padarėme kažką kitą, kurios jums gali galvoti, kaip pereiti nuo psichologinio eksperimento sociologiniu eksperimente (Hedström 2006) . O ne sutelkiant dėmesį į individualų sprendimų priėmimą, mes sutelktas mūsų eksperimentą populiarumo, kolektyvinį rezultatą. Šis jungiklis su kolektyviniu rezultatus reiškė, kad mes reikia apie 700 dalyvių gaminti vieną duomenų tašką (buvo 700 žmonių kiekvienoje iš paralelinių pasaulių). Kad skalė buvo įmanoma tik dėl kaštų struktūros eksperimentą. Apskritai, jei mokslininkai nori studijuoti, kaip kolektyvinė rezultatai kyla iš individualių sprendimų, grupės eksperimentai, pavyzdžiui, MusicLab yra labai įdomi. Ir anksčiau, jie buvo logistikos sunku, bet šie sunkumai yra blukimas dėl to, kad nulinės kintamųjų sąnaudų duomenų galimybę.

Be iliustruojantis nulio kintamųjų sąnaudų duomenimis naudą, MusicLab eksperimentai taip pat rodo iššūkį šio požiūrio: aukštos pastoviąsias sąnaudas. Mano atveju, aš buvau labai laimingas, kad būtų galima dirbti su talentingu kūrėjas praminė Petru Hausel apie šešis mėnesius pastatyti eksperimentą. Tai buvo įmanoma tik todėl, kad mano patarėjas Duncan Watts gavo stipendijų skaičių remti šį tyrimų natūra. Technologijos pagerėjo, nes mes pastatėme MusicLab 2004 metais, ir tai būtų daug lengviau pastatyti panašaus eksperimentą dabar. Tačiau didelių fiksuotų sąnaudų strategijos yra tikrai įmanoma tik mokslininkams, kurie gali kažkaip padengti šias išlaidas.

Taigi, skaitmeniniai eksperimentai gali turėti žymiai skirtingos išlaidų struktūras, nei analoginių eksperimentams. Jei norite paleisti tikrai didelių eksperimentų, jūs turėtumėte pabandyti sumažinti savo kintamas išlaidas, kiek įmanoma, o idealiu atveju visą kelią iki 0. Tai padaryti galite automatizuoti mechanikos eksperimentą (pavyzdžiui, pakeisti žmogaus gyvenimą kompiuterio laiką) ir projektavimo eksperimentus, kad žmonės nori būti. Mokslininkai, kurie gali projektuoti eksperimentus su šių funkcijų bus galima paleisti naujų rūšių eksperimentus, kurie nebuvo įmanoma anksčiau.