4.5.2 Partner ar spēcīgu

Partnerība var samazināt izmaksas un palielināt apjomu, taču tas var izmainīt veidu dalībnieku, ārstēšanu, un rezultātu, ka jūs varat izmantot.

Alternatīva darot to pats ir sadarbība ar spēcīgu organizāciju, piemēram, uzņēmumu, valdības vai NVO. Par darbu ar partneri priekšrocība ir tā, ka viņi var ļauj jums vadīt eksperimentus, ka jūs vienkārši nevar darīt pats. Piemēram, viens no eksperimentiem, ko es jums pastāstīt par turpmāk iesaistīto 61 miljoniem dalībnieku; neviens indivīds pētnieks varētu sasniegt šo apjomu. Tajā pašā laikā, ka Partnerība palielina tas, ko jūs varat darīt, tas arī, vienlaicīgi, ierobežo jums. Piemēram, lielākā daļa uzņēmumu neļaus jums veikt eksperimentu, kas varētu kaitēt to uzņēmējdarbības vai savu reputāciju. Darbs ar partneriem arī nozīmē, ka tad, kad runa ir laiks, lai publicētu, jūs varat nākt zem spiediena, lai "re-frame" jūsu rezultātus, un daži partneri, iespējams, pat mēģināt bloķēt publicēšanu savu darbu, ja tas padara tās izskatās slikti. Visbeidzot, sadarbība nāk arī ar izmaksām, kas saistītas ar attīstītu un šo sadarbību uzturēšanas.

Galvenais uzdevums, kas ir jārisina, lai šos partnerības veiksmīga ir atrast veidu, kā līdzsvarot abu pušu intereses, un noderīgu veids, kā domāt par šo līdzsvaru, ir Pasteur s Quadrant (Stokes 1997) . Daudzi pētnieki uzskata, ka, ja viņi strādā par kaut ko praktisku-kaut ko, kas varētu interesēt uz partneri, tad viņi nevar darīt reālu zinātni. Šis domāšanas veids būs ļoti grūti izveidot veiksmīgu partnerību, un tas arī notiek, ir pilnīgi nepareizi. Problēma ar šo domāšanas veidu ir lieliski ilustrē ceļu pārtraucējierīces pētījumu biologa Louis Pasteur. Strādājot uz komerciāla fermentācijas projektu, lai pārvērstu biešu sulu spirtā, Pasteur atklāja jaunu klasi mikroorganismu, kas galu galā noveda pie cilmes teoriju slimības. Šis atklājums atrisināt ļoti praktisku problēmu, tas palīdzēja uzlabot procesu fermentācijas-un tas noved pie liela zinātniskā iepriekš. Tātad, nevis domāt par pētījumiem ar praktisko pielietojumu kā pretrunā ar patieso zinātniskiem pētījumiem, tas ir labāk domāt par šiem, kā divas atsevišķas dimensijās. Research var pamatot ar lietošanas (vai nav) un pētniecību var meklēt pamata izpratne (vai nav). Kritiski, dažas pētniecības līdzīgi Pasteur's-var pamatot ar izmantošanas un meklē fundamentālu izpratni (4.16 attēls). Research in Pasteur s Quadrant-pētījumu, kas pēc būtības izvirza divus vārtus, ir ideāli piemērots sadarbību starp pētniekiem un partneriem. Ņemot vērā, ka fona, es aprakstīt divus eksperimentālus pētījumus ar partnerattiecībām: viens ar uzņēmumu un vienu ar NVO.

4.16 attēls: Pasteur s Quadrant (pamatojoties uz 3.5 zīmējumā no Stokes (1997)). Nevis domāt par pētījumu vai nu kā pamata vai lietišķie labāk ir domāt par pētījumu, kas motivēja izmantošanu (vai nav) un meklē fundamentālu izpratni (vai nav). Piemērs pētījumu, kas gan motivē izmantošanu un cenšas pamata izpratne ir Pasteur darbs uz pārvēršot biešu sulu spirtā, kas noved pie cilmes teoriju slimības. Tas ir sava veida darbs, kas ir vislabāk piemērota partnerību ar spēcīgs. Piemēri darba motivē lietošanai, bet kas neparedz pamata izpratne nāk no Thomas Edison, un piemēri darbu, kas nav pamatotas ar izmantošanu, taču mēģina izpratne nāk no Niels Bohr. Skatīt Stokes (1997) par rūpīgāku diskusiju par šo sistēmu un katru no šiem gadījumiem.

4.16 attēls: Pasteur s Quadrant (pamatojoties uz 3.5 zīmējumā no Stokes (1997) ). Nevis domāt par pētījumu vai nu "bāzes" vai "piemērots" ir labāk domāt par pētījumu, kas motivēja izmantošanu (vai nav) un meklē fundamentālu izpratni (vai nav). Piemērs pētījumu, kas gan motivē izmantošanu un cenšas pamata izpratne ir Pasteur darbs uz pārvēršot biešu sulu spirtā, kas noved pie cilmes teoriju slimības. Tas ir sava veida darbs, kas ir vislabāk piemērota partnerību ar spēcīgs. Piemēri darba motivē lietošanai, bet kas neparedz pamata izpratne nāk no Thomas Edison, un piemēri darbu, kas nav pamatotas ar izmantošanu, taču mēģina izpratne nāk no Niels Bohr. Skatīt Stokes (1997) par rūpīgāku diskusiju par šo sistēmu un katru no šiem gadījumiem.

Lielie uzņēmumi, īpaši tehnoloģiju uzņēmumi, ir izstrādājuši neticami sarežģītu infrastruktūru darbojas sarežģītus eksperimentus. Jo tehnoloģiju nozarē, šie eksperimenti bieži sauc par A / B testus (jo tie pārbaudītu efektivitāti divos paņēmienos: A un B). Šie eksperimenti bieži palaist lietas, piemēram, palielināt klikšķu skaitu reklāmām, bet pats eksperimentālā infrastruktūru var izmantot arī pētniecībai, ka avansa zinātnisko izpratni. Piemērs, kas ilustrē potenciālu šāda veida pētījums ir pētījums partnerattiecības starp pētniekiem pie Facebook un Kalifornijas Universitātes, San Diego veica, par ietekmi dažādu ziņas par vēlētāju aktivitāti (Bond et al. 2012) .

2.novembrī 2010.-diena ASV Kongresa vēlēšanām-visiem 61 miljoniem Facebook lietotājiem, kas dzīvo ASV un ir vecāki par 18 gadiem piedalījās eksperimentā par balsošanu. Pēc apmeklējot Facebook lietotāji pēc nejaušības principa tika piešķirts vienā no trim grupām, kas noteica to, reklāmkarogs (ja tāds ir) tika novietots augšpusē to News Feed (4.17 attēls):

  • kontroles grupa.
  • informatīvs ziņojums par balsošanu ar klikšķināmos "Es balsoju" pogu un counter (info).
  • informatīvs ziņojums par balsošanu ar klikšķināmos "Es balsoju" pogu, un skaitītājs + nosaukumi un bildes no saviem draugiem, kuri jau bija noklikšķinājuši "Es balsoju" (info + sociālā).

Bond un kolēģi pētīja divus galvenos rezultātus: ziņots balsošanas uzvedību un faktisko balsošanas uzvedību. Pirmkārt, viņi konstatēja, ka cilvēki info + sociālajā grupā bija aptuveni 2 procentpunktiem vairāk iespējams nekā cilvēku informācijas grupā noklikšķiniet uz "Es balsoju" (aptuveni 20% pret 18%). Tālāk, kad pētnieki apvienoja savus datus ar publiski pieejamiem balsošanas ierakstiem apmēram 6 miljoni cilvēku, viņi konstatēja, ka cilvēki info + sociālajā grupā bija 0,39 procentu punktiem vairāk, kas varētu reāli balsot par cilvēku kontroles stāvokli un ka cilvēki informācijas grupā tikpat iespējams balsot par cilvēkiem kontroles stāvoklī (4.17 attēls).

4.17 attēls: Rezultāti no get-out-the-balsošana eksperimenta Facebook (Bond 2012 et al.). Dalībnieki informācijas grupā balsoja ar tādu pašu likmi kā cilvēku kontroles stāvoklī, bet cilvēki, kas informācijas + sociālajai grupai nedaudz augstāku likmi balsoja. Bāri ir aprēķināts 95% ticamības intervālu. Rezultāti grafikā iekļaut apmēram 6000000 dalībniekus kurām pētnieki varētu saskaņot ar balsošanas ierakstiem.

4.17 attēls: Rezultāti no get-out-the-balsošana eksperimenta Facebook (Bond et al. 2012) . Dalībnieki informācijas grupā balsoja ar tādu pašu likmi kā cilvēku kontroles stāvoklī, bet cilvēki, kas informācijas + sociālajai grupai nedaudz augstāku likmi balsoja. Bāri ir aprēķināts 95% ticamības intervālu. Rezultāti grafikā iekļaut apmēram 6000000 dalībniekus kurām pētnieki varētu saskaņot ar balsošanas ierakstiem.

Šis eksperiments parāda, ka daži tiešsaistes get-out-the-balsojums ziņas ir efektīvāki nekā citi, un tas liecina, ka pētnieka aprēķins efektivitātes ārstēšanas var būt atkarīga no tā, vai viņi mācās ziņots vai faktisko rīcību. Šis eksperiments diemžēl nepiedāvā clues par mehānismiem, ar kuru palīdzību sociālā informācijas ko daži pētnieki ir rotaļīgi sauc "seja kaudzi" -Pastiprināta balsošanas. Tā varētu būt, ka sociālā informācija palielināja varbūtību, ka kāds pamanīja reklāmkarogu vai ka tā palielina varbūtību, ka kāds, kurš pamanīja reklāmkarogu faktiski balsoja vai gan. Tādējādi šis eksperiments sniedz interesantu secinājumu, ka turpmāk pētnieks būs iespējams izpētīt (skatīt, piemēram, Bakshy, Eckles, et al. (2012) ).

Papildus padziļinot mērķus pētniekiem, šis eksperiments arī uzlabotas mērķi partnerorganizācijas (Facebook). Ja jūs mainīt uzvedību pētīts no balsošanas iegādāties ziepes, tad jūs varat redzēt, ka pētījums ir tieši tāda pati struktūra kā eksperiments, lai novērtētu ietekmi tiešsaistes reklāmas (skatīt, piemēram, Lewis and Rao (2015) ). Šīs reklāmas efektivitātes pētījumi bieži izmērīt efektu iedarbības uz tiešsaistes reklāmas-apstrādēm, kas Bond et al. (2012) ir būtībā sludinājumi balsošanas-uz bezsaistes uzvedību. Tādējādi šis pētījums varētu virzīt Facebook spēju mācīties efektivitāti tiešsaistes reklāmas un varētu palīdzēt Facebook pārliecināt potenciālos reklāmdevējus, kas Facebook reklāmas ir efektīva.

Kaut arī intereses pētnieku un partneriem galvenokārt bija jāsaskaņo šajā pētījumā, tie bija arī daļēji spriedzi. Jo īpaši dalībnieku sadalījums uz trīs nosacījumi kontroles, info, un info + sociālās bija ārkārtīgi nelīdzsvarots: 98% no izlases tika piešķirts info + sociālā. Šī nesaskaņotā sadalījums ir neefektīva statistiski, un daudz labāk piešķiršanu pētniekiem būtu bijis 1/3 no dalībniekiem katrā grupā. Bet, nelīdzsvarots sadalījums notika tāpēc, ka Facebook vēlējās ikvienam saņemt info + sociālo ārstēšanu. Par laimi, pētnieki pārliecināja viņus turēt atpakaļ 1% ar attiecīgās ārstēšanas un 1% no dalībniekiem par kontroles grupā. Bez kontroles grupā tas būtu bijis būtībā neiespējami izmērīt ietekmi info + Sociālā attieksme, jo tas būtu bijis "uzbudināt un novērot" eksperiments nevis randomizēts kontrolēts eksperiments. Šis piemērs sniedz vērtīgu praktisku nodarbību darbam ar partneriem: dažreiz jūs izveidojat eksperimentu, pārliecinot kādu, lai nodrošinātu ārstēšanu un dažreiz jūs izveidojat eksperimentu, pārliecinot kādu nesniegt ārstēšanu (piemēram, izveidot vadības grupu).

Partnerība ne vienmēr ir nepieciešams iesaistīt tehnoloģiju uzņēmumiem un A / B testus ar miljoniem dalībnieku. Piemēram, Aleksandrs Coppock, Andrew Guess, un John Ternovski (2016) sadarbojas ar vides NVO (League of saglabāšanas Balsotāju), lai palaistu eksperimentus testēšanu dažādas stratēģijas, lai veicinātu sociālo mobilizāciju. Pētnieki izmanto NVO ir Twitter kontu izsūtīt gan valsts tweets un privātās tiešo ziņojumus, kas mēģinājis prime dažāda veida identitātēm. Pētnieki tad mēra, kurš no šiem ziņojumiem ir visefektīvākā, lai veicinātu cilvēkus parakstīt petīciju un Retweet informāciju par lūgumrakstu.

4.3 tabula: Piemēri pētījumiem, kas nāk caur partnerību starp pētniekiem un organizācijām. Dažos gadījumos, pētnieki strādā pie organizācijām.
Temats citēšana
Ietekme Facebook News Feed par informācijas apmaiņu Bakshy, Rosenn, et al. (2012)
Ietekme daļēju anonimitāti par uzvedību uz online dating mājas lapā Bapna et al. (2016)
Ietekme Home Energy Ziņojumi par elektroenerģijas izmantošanu Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) , Ayres, Raseman, and Shih (2013)
Ietekme app dizains par vīrusu izplatību Aral and Walker (2011)
Ietekme izplatīšanās mehānismu par difūzijas Taylor, Bakshy, and Aral (2013)
Ietekme sociālās informācijas reklāmās Bakshy, Eckles, et al. (2012)
Ietekme katalogā frekvenci pārdošanu, izmantojot katalogu, un internetā par dažāda veida klientiem Simester et al. (2009)
Ietekme popularitātes informāciju par potenciālajiem darba pieteikumiem Gee (2015)
Ietekme sākotnējās atsauksmes par popularitāti Muchnik, Aral, and Taylor (2013)
Ietekme ziņu satura politiskās mobilizācijas Coppock, Guess, and Ternovski (2016)

Kopumā sadarbība ar spēcīgu ļauj jums darboties ar atzīmi, kas ir grūti to darīt citādi, un 4.3 tabulā sniedz citus piemērus partnerības starp pētniekiem un organizācijām. Partnerība var būt daudz vieglāk, nekā veidojot savu eksperimentu. Bet, šīs priekšrocības ir ar trūkumiem: partnerattiecības var ierobežot veidu dalībniekiem, ārstēšanu, un rezultātiem, kas var mācīties. Turklāt šie partnerattiecības var izraisīt ētikas problēmām. Labākais veids, kā pamanīt iespēju partnerattiecībām ir pamanīt reāla problēma, kas var atrisināt, kamēr jūs darāt interesantu zinātni. Ja jūs nav izmantoti, lai šādā veidā apskatot pasauli, tas var būt grūti pamanīt problēmas Pasteur s Quadrant, bet ar praksi, jūs sākat pamanīt tos vairāk un vairāk.