പ്രവർത്തനങ്ങൾ

  • പ്രയാസത്തിന്റെ ഡിഗ്രി: എളുപ്പമാണ് എളുപ്പമാണ് , മീഡിയം ഇടത്തരം , കഠിനമായി കഠിനമായി , വളരെ ബുദ്ധിമുട്ടാണ് വളരെ കഠിനമാണ്
  • കണക്ക് ആവശ്യമാണ് കണക്ക് ആവശ്യമാണ് )
  • കോഡിംഗ് ആവശ്യമാണ് ( കോഡിംഗ് ആവശ്യമാണ് )
  • ഡാറ്റ ശേഖരണം ( ഡാറ്റ ശേഖരണം )
  • എന്റെ പ്രിയപ്പെട്ടവ എനിക്ക് പ്രിയപ്പെട്ടവ )
  1. [ ഇടത്തരം , ഡാറ്റ ശേഖരണം ബെറിൻസ്കിയും സഹപ്രവർത്തകരും (2012) മൂന്നു ക്ലാസിക് പരീക്ഷണങ്ങൾ ആവർത്തിച്ചുകൊണ്ട് ടർണർ മൂല്യനിർണയം നടത്തി. Tversky and Kahneman (1981)Tversky and Kahneman (1981) എന്നിവർ ചേർന്ന് ക്ലാസിക് ഏഷ്യൻ ഡിസീസ് ഫ്രെയിമിംഗ് പരീക്ഷണം Tversky and Kahneman (1981) . നിങ്ങളുടെ ഫലങ്ങൾ ടിവർസ്കിനോടും കഹ്മീനൻമാരോടും യോജിക്കുന്നുണ്ടോ? നിങ്ങളുടെ ബെർസിൻസ്ക്കിയും സഹപ്രവർത്തകരുമായും നിങ്ങളുടെ ഫലങ്ങൾ പൊരുത്തപ്പെടുന്നോ? എന്താണ് സർവ്വേ പരീക്ഷണത്തിനായി MTurk ഉപയോഗിക്കുന്നത് എന്ന് നമ്മൾ എന്തൊക്കെ പഠിപ്പിക്കുന്നു?

  2. [ ഇടത്തരം , എനിക്ക് പ്രിയപ്പെട്ടവ ] "ചുരുക്കണം നാം", എന്നു പേരുള്ള ചുരുക്കം നാക്കിനെഴുതിയ പേപ്പറിൽ സാമൂഹ്യ മന: ശാസ്ത്രജ്ഞനായ റോബർട്ട് സിialദിനി, Schultz et al. (2007) എഴുത്തുകാരന്മാരിൽ ഒരാൾ Schultz et al. (2007) (Cialdini 2009) പരീക്ഷണം നടത്തുന്ന ഒരു അച്ചടക്കത്തിൽ (സൈക്കോളജി) നേരിടുന്ന വെല്ലുവിളികളാണ് അദ്ദേഹം നേരിടേണ്ടിവരുന്ന വെല്ലുവിളികൾ. സിialഡിനിയുടെ പേപ്പർ വായിച്ച്, ഡിജിറ്റൽ പരീക്ഷണ സാധ്യതകൾ വെളിച്ചം വീശുന്നതിനായി തന്റെ പുനർവിചിന്തയെ പുനർവിചിന്തനം ചെയ്യാൻ അദ്ദേഹത്തെ പ്രോത്സാഹിപ്പിക്കുന്ന ഒരു ഇമെയിൽ എഴുതുക. തന്റെ ആശങ്കകളെ അഭിമുഖീകരിക്കുന്ന ഗവേഷണത്തിന്റെ പ്രത്യേക ഉദാഹരണങ്ങൾ ഉപയോഗിക്കുക.

  3. [ ഇടത്തരം ] ചെറിയ പ്രാരംഭ ശ്രമങ്ങൾ പരാജയപ്പെടുകയോ അല്ലെങ്കിൽ തകരുകയോ ചെയ്തോ എന്ന് തീരുമാനിക്കുന്നതിന്, വാൺ ഡി റിജും സഹപ്രവർത്തകരും (2014) തിരഞ്ഞെടുക്കപ്പെട്ട പങ്കാളിത്തത്തെ വിജയമാക്കുന്നതിൽ നാല് വ്യത്യസ്ത സംവിധാനങ്ങളാക്കി ഇടപെട്ടു, തുടർന്ന് ഈ ഏകപക്ഷീയ വിജയത്തിന്റെ ദീർഘകാല പ്രത്യാഘാതങ്ങൾ അളന്നു. സമാന പരീക്ഷണങ്ങൾ നടത്തുന്ന മറ്റ് സിസ്റ്റങ്ങളെ കുറിച്ച് നിങ്ങൾക്ക് തോന്നുന്നുണ്ടോ? ശാസ്ത്രീയ മൂല്യങ്ങൾ, അൽഗോരിഥ്മിക് ക്വൗണ്ടിംഗ് (അദ്ധ്യായം 2 കാണുക), ധാർമ്മികത എന്നീ വിഷയങ്ങളുടെ അടിസ്ഥാനത്തിൽ ഈ സംവിധാനങ്ങളെ വിലയിരുത്തുക.

  4. [ ഇടത്തരം , ഡാറ്റ ശേഖരണം ] ഒരു പരീക്ഷണത്തിന്റെ ഫലം പങ്കെടുത്തവരെ ആശ്രയിച്ചിരിക്കുന്നു. ഒരു പരീക്ഷണം സൃഷ്ടിച്ച്, രണ്ട് വ്യത്യസ്ത റിക്രൂട്ട് മെൻറ് സ്ട്രാറ്റജികൾ ഉപയോഗിച്ച് MTurk ൽ ഇത് പ്രവർത്തിപ്പിക്കുക. പരീക്ഷണങ്ങൾക്കും റിക്രൂട്ട്മെന്റ് സ്ട്രാറ്റജികൾക്കും ശ്രമിക്കുക, അങ്ങനെ ഫലങ്ങൾ കഴിയുന്നത്ര വ്യത്യസ്തമായിരിക്കും . ഉദാഹരണമായി, നിങ്ങളുടെ റിക്രൂട്ട്മെന്റ് സ്ട്രാറ്റജികൾ പങ്കെടുക്കുന്നവരെ രാവിലെയും വൈകുന്നേരവും റിക്രൂട്ട് ചെയ്യാനോ അല്ലെങ്കിൽ ഉയർന്ന വേതനവും ഉയർന്ന വേതനവുമായി പങ്കാളിത്തവർക്ക് നൽകുക. റിക്രൂട്ട്മെന്റ് സ്ട്രാറ്റജിയിലെ ഈ വ്യത്യാസങ്ങൾ വിവിധ പങ്കാളിത്ത സംഘങ്ങളിലേക്കും വ്യത്യസ്ത പരീക്ഷണ ഫലങ്ങളിലേക്കും നയിച്ചേക്കാം. നിങ്ങളുടെ ഫലങ്ങൾ എത്ര വ്യത്യസ്തമായിരുന്നു? MTurk- ൽ പരീക്ഷണങ്ങൾ നടത്താൻ എന്താണത് വെളിപ്പെടുത്തുന്നത്?

  5. [ വളരെ കഠിനമാണ് , കണക്ക് ആവശ്യമാണ് , കോഡിംഗ് ആവശ്യമാണ് ] നിങ്ങൾ വൈകാരിക അപകടം പരീക്ഷണത്തിനായി (Kramer, Guillory, and Hancock 2014) ആസൂത്രണം ചെയ്തതായി സങ്കൽപ്പിക്കുക. ഓരോ അവസ്ഥയിലും പങ്കെടുക്കുന്നവരുടെ എണ്ണം തീരുമാനിക്കാനായി Kramer (2012) മുമ്പത്തെ നിരീക്ഷണ പഠനങ്ങളിൽ നിന്ന് ഫലങ്ങൾ ഉപയോഗിക്കുക. ഈ രണ്ട് പഠനങ്ങളും തികച്ചും പൊരുത്തപ്പെടുന്നില്ല അതുകൊണ്ട് നിങ്ങൾ ഉണ്ടാക്കുന്ന എല്ലാ അനുമാനങ്ങളും വ്യക്തമായി രേഖപ്പെടുത്താൻ ഉറപ്പാക്കുക:

    1. Kramer (2012) പ്രഭാവം \(\alpha = 0.05\) ഉം \(1 - \beta = 0.8\) ഉം ഉള്ളതിനാൽ എത്രത്തോളം പങ്കാളികൾ എത്രമാത്രം കണ്ടെത്തുകയാണെന്ന് തീരുമാനിക്കുന്ന ഒരു സിമുലേഷൻ പ്രവർത്തിപ്പിക്കുക.
    2. ഒരേ കണക്കുകൂട്ടൽ വിശകലനം ചെയ്യുക.
    3. Kramer (2012) ന്റെ ഫലമായി (Kramer, Guillory, and Hancock 2014) വൈകാരിക സാമഗ്രി (Kramer, Guillory, and Hancock 2014) കൂടുതൽ ഊർജ്ജം (അതായത്, ആവശ്യമുള്ളതിനേക്കാൾ കൂടുതൽ പങ്കാളികളുണ്ടോ)?
    4. നിങ്ങൾ നടത്തിയ അനുമാനങ്ങളിൽ, നിങ്ങളുടെ കണക്കുകൂട്ടലിൽ ഏറ്റവുമധികം സ്വാധീനം ഉണ്ടോ?
  6. [ വളരെ കഠിനമാണ് , കണക്ക് ആവശ്യമാണ് , കോഡിംഗ് ആവശ്യമാണ് മുമ്പത്തെ ചോദ്യത്തിന് ഉത്തരം നൽകുക, എന്നാൽ ഈ സമയം Kramer (2012) നടത്തിയ നിരീക്ഷണ പഠനത്തെക്കാൾ മുൻപാണ്, Lorenzo Coviello et al. (2014) പ്രകൃതിദത്ത പരീക്ഷണങ്ങളിൽ നിന്നുള്ള ഫലങ്ങൾ ഉപയോഗിക്കുക Lorenzo Coviello et al. (2014) .

  7. [ എളുപ്പമാണ് Margetts et al. (2011) , വാൻ ഡി റിജറ്റ് തുടങ്ങിയവരും. (2014) ഒരു ഹർജിയിൽ ഒപ്പുവയ്ക്കുന്ന ആളുകളുടെ പ്രക്രിയ പഠിക്കുന്ന പരീക്ഷണങ്ങൾ നടത്തി. ഈ പഠനങ്ങളുടെ ഡിസൈനുകളും കണ്ടെത്തലുകളും തമ്മിൽ താരതമ്യം ചെയ്യുക.

  8. [ എളുപ്പമാണ് ] Dwyer, Maki, and Rothman (2015) എന്നീ സാമൂഹിക മാനദണ്ഡങ്ങൾ തമ്മിലുള്ള ബന്ധത്തെ രണ്ടു ഫീൽഡ് പരീക്ഷണങ്ങൾ നടത്തി. അവരുടെ പേപ്പറിന്റെ അമൂർത്ത രൂപം ഇതാ:

    "സൂക്ഷ്മമായ പെരുമാറ്റത്തെ പ്രോത്സാഹിപ്പിക്കുന്നതിന് മനഃശാസ്ത്ര വിദഗ്ധ എങ്ങനെ ഉപയോഗിക്കാം? രണ്ട് പഠനത്തിൽ പൊതു ബാത്ത്റൂമുകളിലെ ഊർജ്ജ സംരക്ഷണ പെരുമാറ്റത്തെ പ്രോത്സാഹിപ്പിക്കുന്നതിന് വേണ്ടിയുള്ള ഇടപെടലുകൾ വിവരണാത്മക മാനദണ്ഡങ്ങളുടെയും വ്യക്തിപരമായ ഉത്തരവാദിത്തങ്ങളുടെയും സ്വാധീനത്തെ പരിശോധിച്ചു. സ്റ്റഡി 1-ൽ, ആരെങ്കിലും ഒരു ഒഴിവില്ലാത്ത പൊതു ബാത്ത്റൂമിൽ പ്രവേശിക്കുന്നതിനു മുമ്പായി, പ്രകാശ നില (അതായത്, ഓൺ അല്ലെങ്കിൽ ഓഫ്) ഉപയോഗിച്ച് കൈകാര്യം ചെയ്യുകയുണ്ടായി. അവർ പ്രവേശിക്കുമ്പോൾ ലൈറ്റ് ഓഫ് ആക്കി മാറ്റാൻ പങ്കാളികളായിരുന്നു. പഠനം 2 ൽ, വെളിച്ചം പിൻവലിക്കാനുള്ള വ്യവസ്ഥ ഒരു കോൺഫെഡറേറ്റാണ് പ്രകടമാക്കിയത്, അതിൽ പങ്കെടുക്കാൻ സ്വയം ഉത്തരവാദിത്തമുള്ളവരല്ല. വ്യക്തിപരമായ ഉത്തരവാദിത്തം പെരുമാറ്റം സംബന്ധിച്ച സാമൂഹ്യനീതിയുടെ സ്വാധീനം നിയന്ത്രിച്ചിരിക്കുന്നു; വെളിച്ചം തിരിക്കാൻ പങ്കാളിമാർ ഉത്തരവാദികളായിരുന്നില്ലെങ്കിൽ, ഈ പെരുമാറ്റത്തിന്റെ സ്വാധീനം കുറഞ്ഞു. വിവരണാത്മക മാനദണ്ഡങ്ങളും വ്യക്തിപരമായ ഉത്തരവാദിത്തവും എങ്ങനെ പ്രതിഫലിപ്പിക്കൽ ഇടപെടലുകളുടെ ഫലപ്രാപ്തിയെ നിയന്ത്രിക്കാമെന്ന് ഈ ഫലങ്ങൾ സൂചിപ്പിക്കുന്നു. "

    അവരുടെ പേപ്പർ വായിച്ച് പഠനത്തിന്റെ പകർപ്പെടുക്കണം.

  9. [ ഇടത്തരം , ഡാറ്റ ശേഖരണം ] മുമ്പത്തെ ചോദ്യത്തെ കെട്ടിപ്പടുക്കുക, ഇപ്പോൾ നിങ്ങളുടെ രൂപകൽപ്പന നടപ്പിലാക്കുക.

    1. ഫലങ്ങൾ എങ്ങനെ താരതമ്യം ചെയ്യുന്നു?
    2. ഈ വ്യത്യാസങ്ങൾ എന്തിനെ വിശദീകരിക്കും?
  10. [ ഇടത്തരം ] MTurk ൽ നിന്നും റിക്രൂട്ട് ചെയ്ത പങ്കെടുത്ത ആളുകളെ പരീക്ഷണങ്ങൾ സംബന്ധിച്ച് ഗൗരവമായ ചർച്ച നടന്നിട്ടുണ്ട്. സമാന്തരമായി, ബിരുദാനന്തര വിദ്യാർത്ഥികളിൽ നിന്നും റിക്രൂട്ട് ചെയ്ത പങ്കെടുത്തവരെ ഉപയോഗിച്ച് പരീക്ഷണങ്ങൾ സംബന്ധിച്ച് ഗൌരവമായ ചർച്ച നടന്നിട്ടുണ്ട്. ടർക്കേഴ്സും ബിരുദാനന്തര ബിരുദധാരികളും താരതമ്യം ചെയ്യുന്ന രണ്ട് പേജ് മെമോ എഴുതുക. നിങ്ങളുടെ താരതമ്യത്തിൽ ശാസ്ത്രപരവും ലോജികവുമായ പ്രശ്നങ്ങളെക്കുറിച്ചുള്ള ചർച്ചകൾ ഉൾപ്പെടുത്തണം.

  11. [ എളുപ്പമാണ് ] ജിം മാൻസിയുടെ പുസ്തകം നിയന്ത്രിക്കാത്തത് (2012) ബിസിനസിൽ പരീക്ഷണങ്ങളുടെ ഒരു ഉത്തമ മുഖമാണ്. പുസ്തകത്തിൽ അദ്ദേഹം താഴെ പറയുന്ന കഥ വിവരിക്കുന്നു:

    "ഒരിക്കൽ ഞാൻ ഒരു യഥാർത്ഥ ബിസിനസ്സ് പ്രതിഭയെ കണ്ടുമുട്ടിയതാണ്, സ്വയംനിർമ്മിച്ച ഒരു കോടീശ്വരൻ. പരീക്ഷണങ്ങളുടെ ശക്തിയെക്കുറിച്ച് ആഴത്തിലുള്ളതും അവബോധമുള്ളതും മനസിലാക്കാൻ അദ്ദേഹത്തിനു കഴിഞ്ഞു. ഉപഭോക്താക്കൾ ആകർഷിക്കുകയും വിൽപന വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്ന വലിയ സ്റ്റോർ വിൻഡോ ഡിസ്പ്ലേകൾ സൃഷ്ടിക്കാൻ ശ്രമിച്ച നിർണായക വിഭവങ്ങൾ അദ്ദേഹം കൂട്ടിച്ചേർത്തു. വിദഗ്ധർ ഡിസൈൻ ചെയ്തതിനുശേഷം ശ്രദ്ധാപൂർവ്വം പരിശോധിച്ച രൂപകൽപ്പനയും, ഓരോ പുതിയ ഡിസ്പ്ലേ ഡിസൈൻ ഡിസൈനിലും കാര്യമായ ഫലമുണ്ടാക്കാത്ത വർഷങ്ങളുടെ മേൽ വ്യക്തിഗത പരീക്ഷണ അവലോകന സെഷനുകളിലായിരുന്നു. ചരിത്രപരമായ പരീക്ഷണ ഫലങ്ങൾ പരിശോധിക്കുന്നതിനായി സീനിയർ മാർക്കറ്റിംഗും മർച്ചൻഡൈലൈംഗും എക്സിക്യുട്ടീവുകളും സിഇഒയുമായി കൂടിക്കാഴ്ച നടത്തി. എല്ലാ പരീക്ഷണാത്മക ഡാറ്റയും അവതരിപ്പിച്ചതിനു ശേഷം, പരമ്പരാഗത ജ്ഞാനങ്ങൾ തെറ്റാണെന്ന് അവർ നിഗമനം ചെയ്തു - വിൻഡോ പ്രദർശനങ്ങൾ വിൽക്കാൻ പറ്റില്ല. ഈ പ്രദേശത്തെ ചെലവുകളും പ്രയത്നവും കുറയ്ക്കാനാണ് അവർ നിർദ്ദേശിച്ചത്. ഇത് പരമ്പരാഗത ജ്ഞാനത്തെ മറികടക്കാനുള്ള പരീക്ഷണത്തിന്റെ കഴിവ് നാടകീയമായി തെളിയിച്ചു. സിഇഒയുടെ പ്രതികരണം വളരെ ലളിതമായിരുന്നു: 'നിങ്ങളുടെ ഡിസൈനർമാർ നല്ലതല്ലെന്ന് എന്റെ നിഗമനം.' സ്റ്റോർ ഡിസ്പ്ലേ ഡിസൈനിലെ ശ്രമം വർദ്ധിപ്പിക്കാനും പുതിയ ആളുകളെ സഹായിക്കാനുമായിരുന്നു അദ്ദേഹത്തിന്റെ പരിഹാരം. " (Manzi 2012, 158–9)

    ഏത് തരം സാധുത സിഇഒയുടെ ആശങ്കയാണ്?

  12. [ എളുപ്പമാണ് ] മുൻപത്തെ ചോദ്യത്തിനായുള്ള കെട്ടിടനിർമ്മാണം, നിങ്ങൾ പരീക്ഷണഫലങ്ങൾ ചർച്ച ചെയ്യപ്പെടുന്ന മീറ്റിംഗിലായിരുന്നുവെന്ന് ഊഹിക്കുക. നിങ്ങൾക്ക് ചോദിക്കാൻ കഴിയുന്ന നാല് ചോദ്യങ്ങൾ എന്തുകൊണ്ടാണ്-ഓരോ തരത്തിലുമുള്ള സാധുതയ്ക്കും (സ്റ്റാറ്റിസ്റ്റിക്കൽ, നിർമ്മാണം, ആന്തരികവും പുറമേയുള്ളവയും) ഒന്ന്?

  13. [ എളുപ്പമാണ് Bernedo, Ferraro, and Price (2014) Ferraro, Miranda, and Price (2011) വിവരിക്കുന്ന ജലസംരക്ഷണ ഇടപെടലിന്റെ ഏഴ് വർഷത്തെ ഫലത്തെ കുറിച്ച് പഠിച്ച Bernedo, Ferraro, and Price (2014) Ferraro, Miranda, and Price (2011) (ചിത്രം 4.11 കാണുക). ഈ പ്രബന്ധത്തിൽ, ബെർണീഡോയും സഹപ്രവർത്തകരും ചികിത്സയുടെ പിന്നിലെ മാറ്റമില്ലാത്ത, കുടിയിറക്കിയിട്ടില്ലാത്ത വീട്ടുകാരുടെ പെരുമാറ്റം താരതമ്യം ചെയ്തുകൊണ്ട് ഫലത്തിന്റെ പിന്നിലെ സാങ്കേതികത മനസ്സിലാക്കാൻ ശ്രമിച്ചു. ഏതാണ്ട്, അവർ ചികിത്സയെ വീടിൻറെയോ വീട്ടുടമസ്ഥന്റെയോ സ്വാധീനമാണോ എന്ന് കാണാൻ ശ്രമിച്ചു.

    1. പേപ്പർ വായിക്കുക, അവരുടെ ഡിസൈൻ വിവരിക്കുക, അവരുടെ കണ്ടെത്തലുകളെ സംഗ്രഹിക്കുക.
    2. അവരുടെ കണ്ടെത്തലുകൾ സമാനമായ ഇടപെടലുകളുടെ ചെലവു ഫലപ്രാപ്തിയെ നിങ്ങൾ എങ്ങനെ വിലയിരുത്തണം? അങ്ങനെയെങ്കിൽ, എന്തുകൊണ്ട്? ഇല്ലെങ്കിൽ, എന്തുകൊണ്ട്?
  14. [ എളുപ്പമാണ് Schultz et al. (2007) (Schultz, Khazian, and Zaleski 2008) രണ്ട് സന്ദർഭങ്ങളിൽ (ഒരു ഹോട്ടലും ടൈംഷെയർ കോണ്ടോമോണിയവും) വ്യത്യസ്തമായ പാരിസ്ഥിതിക സ്വഭാവത്തെ (ടവൽ പുനരുപയോഗിക്കൽ) വിശദീകരിക്കാനും നിവേദനാത്മക മാനദണ്ഡങ്ങൾ പ്രയോഗിക്കാനും ഷൂൾസും സഹപ്രവർത്തകരും മൂന്നു പരീക്ഷണങ്ങൾ നടത്തി. .

    1. ഈ മൂന്ന് പരീക്ഷണങ്ങളുടെ ഡിസൈനും കണ്ടെത്തലുകളും സംഗ്രഹിക്കുക.
    2. എങ്ങിനെയാണെങ്കിൽ, അവർ Schultz et al. (2007) വ്യാഖ്യാനത്തിൽ മാറ്റം Schultz et al. (2007)
  15. [ എളുപ്പമാണ് Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) തുടങ്ങിയവ വൈദ്യുത ബില്ലുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിനുള്ള ലാബിൽ പോലുള്ള പരീക്ഷണങ്ങൾ നടത്തിയിട്ടുണ്ട്. അവർ ഇവിടെ വിവരിക്കുന്നത് എങ്ങനെയാണ്:

    "ഒരു സർവേ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പരീക്ഷണത്തിൽ, ഓരോ പങ്കാളിക്കും ഒരു വൈദ്യുത ഉപഭോഗം ഉപയോഗിച്ച് ഒരു കുടുംബാംഗങ്ങൾക്ക് ഒരു സാങ്കൽപിക വൈദ്യുതി ബില്ല് കണ്ടു, ചരിത്രപരമായ ഉപയോഗം, (ബി) അയൽക്കാരോടുള്ള താരതമ്യം, (എ) പട്ടികകൾ, (ബി) ബാർ ഗ്രാഫുകൾ, (സി) ഐക്കൺ ഗ്രാഫുകൾ എന്നിവയുൾപ്പെടുന്ന മൂന്ന് ഫോർമാറ്റുകളിലൊന്നിൽ എല്ലാ വിവരങ്ങളുമാണ് പങ്കെടുത്തവർ. മൂന്ന് പ്രധാന കണ്ടെത്തലുകളെക്കുറിച്ച് ഞങ്ങൾ റിപ്പോർട്ട് ചെയ്യുന്നു. ഒന്നാമത്തേത്, ഓരോ ടേബിളിലും അവതരിപ്പിക്കപ്പെട്ടപ്പോൾ ഏറ്റവും കൂടുതൽ ഉപയോഗിക്കുന്ന വൈദ്യുതക്കസേര വിവരങ്ങൾ ഉപഭോക്താക്കൾക്ക് മനസ്സിലായി, ഒരുപക്ഷേ ടേബിളുകൾ ലളിതമായ പോയിൻറുകൾ വായിക്കാൻ സഹായിച്ചു. രണ്ടാമതായി, വൈദ്യുതി സംരക്ഷിക്കുന്നതിനുള്ള മുൻഗണനകളും ലക്ഷ്യങ്ങളും ഫോർമാറ്റിലെ സ്വതന്ത്രമായ ചരിത്രപരമായ ഉപയോഗ വിവരംക്ക് ഏറ്റവും ശക്തമായിരുന്നു. മൂന്നാമതായി, കുറഞ്ഞ ഊർജ്ജ സാക്ഷരതാ വിദ്യാർത്ഥികൾ എല്ലാ വിവരങ്ങളും കുറയുന്നു. "

    മറ്റ് ഫോളോ അപ് പഠനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, Canfield, Bruin, and Wong-Parodi (2016) പ്രധാന താത്പര്യപ്രകാരമാണ് സ്വഭാവം പെരുമാറിയത്, യഥാർത്ഥ സ്വഭാവമല്ല. ഊർജ്ജ ലാഭം പ്രോത്സാഹിപ്പിക്കുന്ന വിശാലമായ ഗവേഷണ പരിപാടിയിൽ ഇത്തരത്തിലുള്ള പഠനത്തിൻറെ കരുത്തും ശക്തിയും എന്തെല്ലാമാണ്?

  16. [ ഇടത്തരം , എനിക്ക് പ്രിയപ്പെട്ടവ ] Smith and Pell (2003) ഫലപ്രാപ്തി പ്രകടിപ്പിക്കുന്ന പഠനങ്ങളുടെ ഒരു വിചിത്രമായ മെറ്റാ വിശകലനം അവതരിപ്പിച്ചു. അവർ ഇങ്ങനെ ഉപസംഹരിച്ചു:

    "രോഗത്തെ തടയാൻ ഉദ്ദേശിച്ചിട്ടുള്ള നിരവധി ഇടപെടലുകളെ പോലെ, പാരച്യൂച്ചുകളുടെ ഫലപ്രാപ്തി, ക്രമരഹിതമായ നിയന്ത്രിത പരീക്ഷണങ്ങളിലൂടെ തീവ്രമായ വിലയിരുത്തലിന് വിധേയമാക്കിയിട്ടില്ല. നിരീക്ഷണ ഡാറ്റ മാത്രം ഉപയോഗിച്ചുകൊണ്ട് ഇടപെടലുകളെ സ്വീകരിക്കുന്നതിന് തെളിവുകൾ അടിസ്ഥാനമാക്കിയ മരുന്നുകൾ വാദിക്കുന്നു. തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള ഔഷധങ്ങളുടെ ഏറ്റവും സമൂലമായ പ്രഥമഗവേഷകർ ഇരട്ട കുരുളർ, ക്രമരഹിതമായ, പ്ലേബോ ബൈ നിയന്ത്രണം, പാരച്യൂട്ടിന്റെ ക്രോസ്ഓ ട്രയൽ എന്നിവയിൽ എല്ലാവർക്കും ഗുണം ചെയ്യുമെന്നു ഞങ്ങൾ കരുതുന്നു. "

    പരീക്ഷണാത്മക തെളിവുകളുടെ കൃത്രിമത്വത്തിനെതിരായി വാദിച്ചുകൊണ്ട് ന്യൂയോർക്ക് ടൈംസ് പോലുള്ള ഒരു സാധാരണ വായനാസാദ്ധ്യതയ്ക്ക് അനുയോജ്യമായ ഒരു ലേഖനം എഴുതുക. വ്യക്തമായ, വ്യക്തമായ ഉദാഹരണങ്ങൾ നൽകുക. സൂചന: Deaton (2010) , Bothwell et al. (2016) കൂടി കാണുക Bothwell et al. (2016) .

  17. [ ഇടത്തരം , കോഡിംഗ് ആവശ്യമാണ് , എനിക്ക് പ്രിയപ്പെട്ടവ വ്യത്യാസത്തിൽ വ്യത്യാസമില്ലാതെ വ്യത്യാസപ്പെടുന്ന വ്യത്യാസത്തിൽ വ്യത്യാസമില്ലാതെ വ്യത്യാസം വരാൻ സാധ്യതയുള്ളവരെ അപേക്ഷിച്ച് കൂടുതൽ കൃത്യതയുണ്ട്. ഒരു ഓൺലൈൻ പരീക്ഷണം നടത്തുന്നതിന് വ്യത്യാസം-വ്യത്യാസ സമീപനത്തിന്റെ മൂല്യം വിശദീകരിക്കുന്ന ഒരു ആരംഭ സോഷ്യൽ മീഡിയ കമ്പനിയിൽ എ / ബി ടെസ്റ്റിന്റെ ചുമതലയുള്ള എഞ്ചിനീയർക്ക് ഒരു മെമ്മോയെക്കുറിച്ച് എഴുതുക. ഈ മെമോയിൽ പ്രശ്നത്തിന്റെ ഒരു പ്രസ്താവന ഉൾപ്പെടുത്തണം, വ്യത്യാസത്തിൽ വ്യത്യാസമില്ലാതെ വ്യത്യാസം വരുത്തേണ്ട വ്യത്യാസം, വ്യത്യാസത്തിൽ പ്രായോഗിക മൂല്യനിർണ്ണയം, ലളിതമായ ഒരു സിമുലേഷൻ പഠനം എന്നിവയെ കുറിച്ചുള്ള ചില അന്തർഭവം.

  18. [ എളുപ്പമാണ് , എനിക്ക് പ്രിയപ്പെട്ടവ ഹാർരാർഡ് ബിസിനസ് സ്കൂൾ പ്രഫസറായ ഗാരി ലവ്മാൻ ലോകത്തിലെ ഏറ്റവും വലിയ കാസിനോ കമ്പനികളിലൊന്നായ ഹാരായുടെ സിഇഒ ആയി. ഹര്രായുടെ അടുത്തെത്തിയപ്പോൾ, കമ്പനിയുടെ സ്വഭാവത്തെക്കുറിച്ചുള്ള വൻതോതിലുള്ള ഡാറ്റ ശേഖരിച്ച ഇടവേളകളിൽ പ്രവർത്തിക്കുന്ന ലോയൽറ്റി പ്രോഗ്രാം കമ്പനിയുമായി ലൗവ്മാൻ മാറി. എല്ലായ്പ്പോഴും മുകളിലുള്ള കണക്കാക്കൽ സംവിധാനത്തിൽ കമ്പനി പരീക്ഷണങ്ങൾ നടത്താൻ തുടങ്ങി. ഉദാഹരണത്തിന്, ഒരു പ്രത്യേക ചൂതാട്ട പാറ്റേണുമായി ഉപഭോക്താക്കൾക്ക് സൌജന്യ ഹോട്ടലിൽ ഒരു കൂപ്പണിന്റെ പ്രഭാവം വിലയിരുത്തുന്നതിന് അവർ ഒരു പരീക്ഷണം നടത്തിയിരിക്കാം. ഹാരായുടെ ദൈനംദിന ബിസിനസ് സമ്പ്രദായങ്ങൾക്ക് പരീക്ഷണത്തിന്റെ പ്രാധാന്യം ലൗവ്മാൻ എങ്ങനെ വിവരിക്കുന്നു:

    "നിങ്ങൾ സ്ത്രീകളെ ഉപദ്രവിക്കുന്നത് പോലെ, മോഷ്ടിക്കില്ല, നിങ്ങൾക്ക് ഒരു നിയന്ത്രണ ഗ്രൂപ്പ് ഉണ്ടായിരിക്കും. ഹറ്രായിൽ നിങ്ങളുടെ ജോലി നഷ്ടപ്പെടാൻ കഴിയുന്ന ഒരു കാര്യമാണ് ഇത് - ഒരു നിയന്ത്രണ സംഘം പ്രവർത്തിക്കുന്നില്ല. " (Manzi 2012, 146)

    നിയന്ത്രണ സംഘം ഉള്ളതിനാൽ ലൗ മെൻ എന്തുകൊണ്ടാണ് ഇത്ര പ്രാധാന്യമെന്ന് ചിന്തിക്കുന്നതെന്ന് ഒരു പുതിയ ജീവനക്കാരന് ഒരു ഇമെയിൽ എഴുതുക. നിങ്ങളുടെ പോയിന്റ് വിശദീകരിക്കുന്നതിന് ഒരു ഉദാഹരണം ഉൾപ്പെടുത്തിക്കൊണ്ട് നിങ്ങൾ യഥാർത്ഥത്തിൽ അല്ലെങ്കിൽ നിർമ്മിച്ചതാണ്.

  19. [ കഠിനമായി , കണക്ക് ആവശ്യമാണ് ] ഒരു പുതിയ പരീക്ഷണം, വാക്സിനേഷൻ ചുമതലയിൽ വാചക സന്ദേശം റിമൈൻഡറുകൾ സ്വീകരിക്കുന്നതിന്റെ ഫലം കണക്കാക്കാൻ ലക്ഷ്യമിടുന്നു. നൂറ്റി അമ്പതു ക്ലിനിക്കുകൾ, 600 യോഗ്യരായ രോഗികളുള്ള ഓരോരുത്തരും പങ്കെടുക്കാൻ തയ്യാറാണ്. നിങ്ങൾ ജോലി ചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഓരോ ക്ലിനിക്കിനും ഒരു നിശ്ചിത ചെലവ് $ 100 ആണ്, നിങ്ങൾ അയയ്ക്കേണ്ട ഓരോ വാചക സന്ദേശത്തിനും $ 1 ചിലവാകുന്നതാണ്. കൂടാതെ, നിങ്ങൾ പ്രവർത്തിക്കുന്ന എല്ലാ ക്ലിനിക്കുകളും ഫലത്തെ അളക്കാൻ കഴിയും (ഒരാൾക്ക് വാക്സിനേഷൻ ലഭിച്ചാലും). നിങ്ങൾക്ക് $ 1,000 എന്ന ബജറ്റ് ഉണ്ടെന്ന് കരുതുക.

    1. ഏതെങ്കിലുമൊരു സാഹചര്യത്തിൽ ചെറിയ വിദഗ്ധ ക്ലിനിക്കുകളിൽ നിങ്ങളുടെ വിഭവങ്ങൾ ശ്രദ്ധ കേന്ദ്രീകരിച്ച്, ഏതൊക്കെ സാഹചര്യങ്ങളിൽ കൂടുതൽ വ്യാപകമായി വ്യാപിക്കാൻ സഹായിക്കുന്നു?
    2. നിങ്ങളുടെ ബജറ്റിലൂടെ വിശ്വസനീയമായി കണ്ടെത്തുവാനുള്ള ചെറിയ ഇഫക്റ്റുകളുടെ വലുപ്പം എന്തൊക്കെയാണ് ഘടകങ്ങൾ നിശ്ചയിക്കുന്നത്?
    3. ഈ ട്രേഡ് ഓഫുകൾ സാധ്യതയുള്ള ഫാന്ഡറിൽ വിശദീകരിക്കുന്ന ഒരു മെമോ എഴുതുക.
  20. [ കഠിനമായി , കണക്ക് ആവശ്യമാണ് ഓൺലൈൻ കോഴ്സുകളിലെ പ്രധാന പ്രശ്നം കൊഴിഞ്ഞുപോവുകയാണ്: കോഴ്സുകൾ ആരംഭിക്കുന്ന പല വിദ്യാർത്ഥികളും മുടക്കി അവസാനിക്കും. നിങ്ങൾ ഒരു ഓൺലൈൻ പഠന പ്ലാറ്റ്ഫോമിൽ പ്രവർത്തിക്കുന്നുവെന്ന് സങ്കൽപിക്കുക, പ്ലാറ്റ്ഫോമിൽ ഒരു ഡിസൈനർ ഒരു വിദഗ്ധ പുരോഗതി ബാർ സൃഷ്ടിച്ചു, അത് വിദ്യാർത്ഥികളെ കോഴ്സിൽ നിന്ന് പുറത്താക്കുന്നത് തടയാൻ സഹായിക്കും. ഒരു വലിയ കംപ്യൂട്ടേഷണൽ സോഷ്യൽ സയൻസ് കോഴ്സിലുള്ള വിദ്യാർത്ഥികളിൽ പുരോഗതി ബാർ പ്രഭാവം നിങ്ങൾ പരീക്ഷിക്കേണ്ടതാണ്. പരീക്ഷണങ്ങളിൽ ഉണ്ടാകാനിടയുള്ള ഏതെങ്കിലും ധാർമ്മിക പ്രശ്നങ്ങളെ അഭിസംബോധന ചെയ്തശേഷം, നിങ്ങളുടെ കോഴ്സുകളിൽ പുരോഗമന ബാറുകളുടെ ഫലങ്ങൾ കൃത്യമായി കണ്ടെത്തുന്നതിന് വേണ്ടത്ര വിദ്യാർത്ഥികൾ ഇല്ലെന്ന് നിങ്ങൾക്കും നിങ്ങളുടെ സഹപ്രവർത്തകർക്കും ആശങ്കയുണ്ട്. വിദ്യാർത്ഥികളുടെ പകുതി പുരോഗതി ബാർ ലഭിക്കുമെന്നും പകുതിയിൽ കുറവാണെന്ന് താഴെപറയുന്ന കണക്കുകൂട്ടലുകളിൽ നിങ്ങൾക്ക് അനുമാനിക്കാം. കൂടാതെ, യാതൊരു ഇടപെടലുകളും ഇല്ല എന്ന് നിങ്ങൾക്ക് അനുമാനിക്കാം. മറ്റൊരുവിധത്തിൽ പറയുകയാണെങ്കിൽ, പങ്കെടുക്കുന്നവർക്ക് അവർ ചികിത്സ അല്ലെങ്കിൽ നിയന്ത്രണം ലഭിച്ചിട്ടുണ്ടോ എന്ന് മാത്രമേ അനുമാനിക്കാവൂ. മറ്റു ആളുകൾക്ക് ചികിത്സ അല്ലെങ്കിൽ നിയന്ത്രണം ലഭിച്ചിട്ടുണ്ടോ എന്ന് അവർ ഉറച്ചു വിശ്വസിക്കുന്നില്ല (കൂടുതൽ ഔപചാരികമായ നിർവചനത്തിനായി, Gerber and Green (2012) അദ്ധ്യായം 8 കാണുക). നിങ്ങൾ ഉണ്ടാക്കുന്ന കൂടുതൽ കൂടുതൽ അനുമാനങ്ങൾ സൂക്ഷിക്കുക.

    1. പുരോഗതി ബാർ 1% വരെ പോയിൻറുകൾ പൂർത്തിയാക്കുന്ന വിദ്യാർത്ഥികളുടെ അനുപാതം വർദ്ധിപ്പിക്കുമെന്ന് കരുതുക. പ്രഭാവം കൃത്യമായി കണ്ടുപിടിക്കാൻ ആവശ്യമായ സാമ്പിൾ സൈസ് എന്താണ്?
    2. ക്ലാസ്സ് പൂർത്തിയാക്കാൻ 10 ശതമാനം പോയിൻറുള്ള വിദ്യാർത്ഥികളുടെ അനുപാതത്തിൽ പുരോഗതി ബാർ പ്രതീക്ഷിക്കപ്പെടുമെന്ന് കരുതുക. പ്രഭാവം കൃത്യമായി കണ്ടുപിടിക്കാൻ ആവശ്യമായ സാമ്പിൾ സൈസ് എന്താണ്?
    3. ഇപ്പോൾ നിങ്ങൾ പരീക്ഷണം നടത്തിയെന്ന് സങ്കല്പിക്കുക, എല്ലാ കോഴ്സ് മെറ്റീരിയലുകൾ പൂർത്തിയാക്കിയ വിദ്യാർത്ഥികളും ഒരു അന്തിമപരിശോധന നടത്തുകയുണ്ടായി. പുരോഗതി ബാർ ലഭിക്കാതെ പോയ വിദ്യാർത്ഥികളുടെ അന്തിമപരിശോധന സ്കോറുകളെ നിങ്ങൾ താരതമ്യം ചെയ്യുമ്പോൾ, നിങ്ങളുടെ അപ്രതീക്ഷിതമായ തോതിലെത്തുമ്പോൾ, പ്രോഗ്രസ് ബാർ ലഭിക്കാത്ത വിദ്യാർത്ഥികൾ ഉയർന്ന സ്കോർ നേടി. പ്രോഗ്രസ് ബാർ വിദ്യാർത്ഥികളെ കുറച്ചുകൂടി പഠിക്കാൻ ഇടയാക്കി എന്നാണോ ഇതിൻറെ അർത്ഥം? ഈ ഫല വിവരങ്ങളിൽ നിന്ന് നിങ്ങൾക്ക് എന്തെല്ലാം പഠിക്കാം? (സൂചന: Gerber and Green (2012) ഏഴാം അദ്ധ്യായം 7 Gerber and Green (2012) ) കാണുക
  21. [ വളരെ കഠിനമാണ് , കോഡിംഗ് ആവശ്യമാണ് , എനിക്ക് പ്രിയപ്പെട്ടവ ] നിങ്ങൾ ഒരു ടെക്ക് കമ്പനിയിലെ ഒരു ഡാറ്റാ ശാസ്ത്രജ്ഞനായാണ് നിങ്ങൾ പ്രവർത്തിക്കുന്നത് എന്ന് കരുതുക. ഒരു പുതിയ ഓൺലൈൻ പരസ്യ കാമ്പെയ്നിനായി നിക്ഷേപത്തിനായി മടങ്ങിവരാൻ (ROI) അളക്കുന്നതിന് അളവെടുക്കുന്ന ഒരു പരീക്ഷണത്തെ വിലയിരുത്തുന്നതിന് മാർക്കറ്റിംഗ് വിഭാഗത്തിലെ ഒരാൾ നിങ്ങളോട് സഹായം ചോദിക്കുന്നു. പ്രചാരണച്ചെലവ് കൊണ്ട് വിഭജിക്കപ്പെട്ട പ്രചാരണത്തിൽ നിന്നുള്ള അറ്റാദായമായി ROI നിർവചിക്കപ്പെടുന്നു. ഉദാഹരണത്തിന്, വിൽപനയിൽ ഫലവത്താകാതിരുന്ന ഒരു കാമ്പെയിൻ 100% എന്നതിന്റെ ഒരു ROI ക്ക് ഉണ്ടായിരിക്കേണ്ടതാണ്; ഒരു കാമ്പയിൻ ഉണ്ടാക്കുന്ന ലാഭം, ചെലവുകൾക്ക് തുല്യമാണെങ്കിൽ 0- ന്റെ റിയുഐ ഉണ്ടായിരിക്കും. ലാഭം ഉണ്ടാക്കുന്ന ഒരു കാമ്പയിൻ ഇരട്ടിയായാണ്, 200% നികുതി അടച്ചാൽ മതി.

    പരീക്ഷണം തുടങ്ങുന്നതിനു മുമ്പ്, അവരുടെ മുമ്പത്തെ ഗവേഷണത്തെ അടിസ്ഥാനമാക്കി മാർക്കറ്റിംഗ് വകുപ്പ് നിങ്ങൾക്ക് ഇനിപ്പറയുന്ന വിവരങ്ങൾ നൽകുന്നു (വാസ്തവത്തിൽ, ഈ മൂല്യങ്ങൾ ലൂയിസും റാവുവും (2015) പരാമർശിച്ച യഥാർത്ഥ ഓൺലൈൻ പരസ്യ കാമ്പെയ്നുകളുടെ പ്രത്യേകതയാണ്:

    • ഉപഭോക്താവിന് ശരാശരി വിൽപ്പനയ്ക്ക് ഒരു ലോഗ്-നോർമൽ ഡിസ്ട്രിബ്യൂഷനും $ 7 ന്റെ ശരാശരി വ്യത്യാസവും $ 75 ന്റെ സ്റ്റാൻഡേർഡ് ഡീവിയേഷനും ആണ്.
    • ഉപഭോക്താവിന് 0.175 ഡോളർ ലാഭം ലഭിക്കുന്ന ഒരു കാമ്പിനു വിറ്റഴിക്കാൻ കാംബ്ലിക്ക് കഴിയും.
    • പരീക്ഷണത്തിന്റെ ആസൂത്രിതമായ വലിപ്പം 200,000 ആളുകളാണ്: ചികിത്സ ഗ്രൂപ്പിലെ പകുതിയും കൺട്രോൾ ഗ്രൂപ്പിലെ പകുതിയും.
    • പ്രചാരണത്തിന്റെ ചെലവ് $ 0.14 ആണ്.
    • കാമ്പെയ്നിനായി പ്രതീക്ഷിച്ച ROI 25% ആണ് ( \((0.175 - 0.14)/0.14\) . മറ്റൊരു രീതിയിൽ പറയുകയാണെങ്കിൽ, മാർക്കറ്റിങ് ഡിപ്പാർട്ട്മെന്റ്, 100 മാർക്കറ്റുകളിൽ മാർക്കറ്റിംഗിനുവേണ്ടി ചെലവഴിച്ചതാണെന്ന് വിശ്വസിക്കുന്നു, കമ്പനി ലാഭത്തിന് 25 ഡോളർ കൂടി അധികമായി ലഭിക്കും.

    ഈ നിർദ്ദിഷ്ട പരീക്ഷണത്തെ വിലയിരുത്തുന്ന ഒരു മെമോ എഴുതുക. നിങ്ങളുടെ ഓർമ്മ നിങ്ങൾ സൃഷ്ടിക്കുന്ന സിമുലേഷനിൽ നിന്നുള്ള തെളിവുകൾ ഉപയോഗിക്കേണ്ടതാണ്, അത് രണ്ട് പ്രധാന പ്രശ്നങ്ങളെ അഭിസംബോധന ചെയ്യും: (1) ഈ പരീക്ഷണം ആസൂത്രണം ചെയ്തതായി നിങ്ങൾ ശുപാർശചെയ്യുമോ? അങ്ങനെയെങ്കിൽ, എന്തുകൊണ്ട്? ഇല്ലെങ്കിൽ, എന്തുകൊണ്ട്? ഈ തീരുമാനമെടുക്കുന്നതിന് നിങ്ങൾ ഉപയോഗിക്കുന്ന മാനദണ്ഡങ്ങളെക്കുറിച്ച് സ്പഷ്ടമാക്കുന്നതെന്ന് ഉറപ്പാക്കുക. (2) ഈ പരീക്ഷണത്തിനായി ഏത് മാതൃകാ വലുപ്പമാണ് നിങ്ങൾ ശുപാർശചെയ്യുന്നത്? വീണ്ടും ഈ തീരുമാനമെടുക്കാൻ നിങ്ങൾ ഉപയോഗിക്കുന്ന മാനദണ്ഡങ്ങളെക്കുറിച്ച് വ്യക്തമായി ഉറപ്പാക്കുക.

    ഒരു നല്ല മെമോ ഈ പ്രത്യേക കേസ് കൈകാര്യം ചെയ്യും; ഒരു മെച്ചപ്പെട്ട മെമോ ഈ വ്യത്യാസത്തിൽ നിന്ന് ഒരൊറ്റ രീതിയിൽ പൊതുവൽക്കരിക്കപ്പെടും (ഉദാ: കാമ്പയിൻ പ്രഭാവത്തിൻറെ ഒരു പരിപാടിയായി ഈ തീരുമാനം എങ്ങനെ മാറുന്നു എന്ന് കാണിക്കുക); ഒരു വലിയ മെമോ പൂർണ്ണമായും പൊതുവായ ഒരു ഫലം അവതരിപ്പിക്കും. നിങ്ങളുടെ ഫലങ്ങൾ ചിത്രീകരിക്കാൻ സഹായിക്കുന്നതിന് ഗ്രാഫുകൾ നിങ്ങളുടെ മെമോ ഉപയോഗിക്കണം.

    ഇവിടെ രണ്ട് സൂചനകളുണ്ട്. ഒന്നാമതായി, മാർക്കറ്റിംഗ് വകുപ്പ് നിങ്ങൾക്ക് അനാവശ്യമായ വിവരങ്ങൾ നൽകിയിട്ടുണ്ടാകാം, അവ ആവശ്യമുള്ള വിവരങ്ങൾ നൽകാനായി അവർ പരാജയപ്പെട്ടേക്കാം. രണ്ടാമതായി, നിങ്ങൾ R ഉപയോഗിച്ചാണെങ്കിൽ, rlnorm () ഫംഗ്ഷൻ പല ആളുകളും പ്രതീക്ഷിക്കുന്ന രീതിയിൽ പ്രവർത്തിക്കുന്നില്ലെന്ന് മനസ്സിലാക്കുക.

    ഈ പ്രവർത്തനം നിങ്ങൾക്ക് ഊർജ്ജ വിശകലനം, സിമുലേഷനുകൾ സൃഷ്ടിക്കൽ, നിങ്ങളുടെ ഫലങ്ങൾ വാക്കുകളും ഗ്രാഫുകളുമായി ആശയവിനിമയം നടത്തും. ഏത് പരീക്ഷണത്തിനും ഊർജ്ജ വിശകലനം നടത്തുന്നതിന് ഇത് സഹായിക്കണം, ROI മതിപ്പിനായി രൂപകൽപ്പന ചെയ്ത പരീക്ഷണങ്ങൾ മാത്രമല്ല. സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റിംഗിനും പവർ അനാലിസിനും ഉള്ള ചില അനുഭവങ്ങൾ ഉണ്ടെന്ന് ഈ പ്രവർത്തനം ഊഹിക്കുന്നു. നിങ്ങൾ വൈദ്യുത വിശകലനം പരിചയമില്ലെങ്കിൽ, ഞാൻ വായിക്കുന്നു ശുപാർശ "ഒരു പവർ പ്രൈമർ" Cohen (1992) .

    RA Lewis and Rao (2015) ഒരു സുന്ദരമായ ഒരു പ്രബന്ധം പ്രചോദിപ്പിച്ച ഈ പ്രവർത്തനം, വൻ പരീക്ഷണങ്ങളുടെ ഒരു അടിസ്ഥാന സ്റ്റാറ്റിസ്റ്റിക്കൽ പരിമിതിയെ വ്യക്തമായി അവതരിപ്പിക്കുന്നു. അവരുടെ പേപ്പർ- "ഓൺ ദി ദ് നിയർ-ഇംപോസസിബിലിറ്റി ഓഫ് മെഷുററിംഗ് ദ റിട്ടേർസ് ടു അഡ്വർട്ടൈസിംഗ്" എന്ന പേരിൽ പ്രകോപനപരമായ ശീർഷകം ഉണ്ടായിരുന്നു-ദശലക്ഷക്കണക്കിന് ഉപഭോക്താക്കളെ ഉൾക്കൊള്ളുന്ന ഡിജിറ്റൽ പരീക്ഷണങ്ങൾ ഉൾപ്പെടെ ഓൺലൈൻ പരസ്യങ്ങളിൽ നിക്ഷേപം തിരിച്ചുപിടിക്കാൻ എത്രമാത്രം ബുദ്ധിമുട്ടുള്ളതായി കാണുന്നു. സാധാരണയായി, RA Lewis and Rao (2015) ഡിജിറ്റൽ-വയസ്സ് പരീക്ഷണങ്ങൾക്ക് പ്രാധാന്യം നൽകുന്ന ഒരു അടിസ്ഥാന സ്റ്റാറ്റിസ്റ്റിക്കൽ വസ്തുതയെ വിവരിക്കുന്നു: ശബ്ദായമാനമായ ഫലങ്ങളുടെ ഫലമായി ചെറിയ ചികിത്സ ഫലങ്ങളെ വിലയിരുത്താൻ പ്രയാസമാണ്.

  22. [ വളരെ കഠിനമാണ് , കണക്ക് ആവശ്യമാണ് ] മുൻ ചോദ്യം പോലെ തന്നെ ചെയ്യുക, പക്ഷേ, സിമുലേഷനുപകരം നിങ്ങൾക്ക് അനലിറ്റിക്കൽ ഫലങ്ങൾ ഉപയോഗിക്കണം.

  23. [ വളരെ കഠിനമാണ് , കണക്ക് ആവശ്യമാണ് , കോഡിംഗ് ആവശ്യമാണ് ] മുൻ ചോദ്യം പോലെ തന്നെ ചെയ്യുക, പക്ഷേ സിമുലേഷനും അനലിറ്റിക്കൽ ഫലങ്ങളും ഉപയോഗിക്കുക.

  24. [ വളരെ കഠിനമാണ് , കണക്ക് ആവശ്യമാണ് , കോഡിംഗ് ആവശ്യമാണ് ] നിങ്ങൾ മുകളിൽ വിവരിച്ച മെമോ എഴുതിയിട്ടുണ്ടെന്ന് സങ്കൽപ്പിക്കുക, വിപണന വകുപ്പിൽ നിന്നുള്ള ഒരാൾ ഒരു പുതിയ വിവരങ്ങൾ നൽകുന്നു: പരീക്ഷണത്തിനും മുമ്പും ശേഷവും വിൽപനക്കിടയിൽ ഒരു 0.4 പരസ്പര ബന്ധം അവർ പ്രതീക്ഷിക്കുന്നു. നിങ്ങളുടെ മെമോയിലെ ശുപാർശകൾ എങ്ങനെയാണ് ഇത് മാറ്റുന്നത്? (സൂചന: വിഭാഗം 4.6.2 വ്യത്യാസം-അർത്ഥമാക്കുന്നത് മൂല്യനിർണ്ണയത്തിലും വ്യത്യാസത്തിൽ വ്യത്യാസമുള്ള മൂല്യനിർണ്ണയത്തിലും കൂടുതൽ കാണുക.)

  25. [ കഠിനമായി , കണക്ക് ആവശ്യമാണ് ] ഒരു പുതിയ വെബ് അധിഷ്ഠിത എംപ്ലോയ്മെന്റ് സപ്പോർട്ട് പ്രോഗ്രാമിന്റെ ഫലപ്രാപ്തിയെ വിലയിരുത്തുന്നതിനായി, ഒരു വർഷത്തിൽ 10,000 വിദ്യാർത്ഥികൾ അവരുടെ അവസാന വർഷ സ്കൂളിൽ പ്രവേശിക്കുന്നതിനായി റാൻഡം നിയന്ത്രിത പരിശോധന നടത്തി. 5,000 വിദ്യാർത്ഥികളെ ക്രമരഹിതമായി തിരഞ്ഞെടുത്ത വിദ്യാർത്ഥികൾക്ക് ഒരു പ്രത്യേക ഇമെയിൽ ക്ഷണം വഴി അയച്ചിട്ടുണ്ട്, മറ്റ് 5,000 വിദ്യാർത്ഥികൾ കൺട്രോൾ ഗ്രൂപ്പിൽ ഉണ്ടായിരുന്നു കൂടാതെ ഒരു സബ്സ്ക്രിപ്ഷൻ ഇല്ല. പന്ത്രണ്ട് മാസം കഴിഞ്ഞ്, ഒരു തുടർചലന സർവേ (നോൺ റേറ്റ്സ് നൽകാതെ) നടത്തിയ സർവേയിലും കൺട്രോൾ ഗ്രൂപ്പുകളിലും 70% വിദ്യാർത്ഥികൾ അവരുടെ തിരഞ്ഞെടുത്ത ഫീൽഡിൽ (പട്ടിക 4.6) പൂർണ്ണ സമയ തൊഴിലധിഷ്ഠിതം ഉറപ്പിച്ചിരുന്നു. അങ്ങനെ, വെബ് അധിഷ്ഠിത സേവനത്തിന് യാതൊരു സ്വാധീനവും ഉണ്ടായില്ലെന്ന് തോന്നുന്നു.

    എന്നിരുന്നാലും, സർവകലാശാലയിലെ ഒരു വിദഗ്ധൻ ശാസ്ത്രജ്ഞൻ ഈ വിവരങ്ങൾ കൂടുതൽ സൂക്ഷ്മമായി പരിശോധിക്കുകയും പരിശോധിക്കുകയും ചെയ്തു. ഇ മെയിലുകൾ ലഭിച്ചതിനുശേഷം 20% വിദ്യാർത്ഥികൾ മാത്രമാണ് അക്കൗണ്ടിലേക്ക് ലോഗിൻ ചെയ്തിട്ടുള്ളത്. വെബ്സൈറ്റിൽ ലോഗിൻ ചെയ്തിട്ടുള്ളവരിൽ 60% പേർ മാത്രമേ അവരുടെ മുഴുവൻ സമയ ജോലിയും തങ്ങളുടെ തിരഞ്ഞെടുത്ത ഫീൽഡിൽ ജോലി ചെയ്തിട്ടുള്ളൂ, അതിൽ ആളുകളുടെ നിരക്കിനേക്കാൾ താഴ്ന്ന ആളുകളുടെ നിരക്കിനേക്കാൾ കുറവാണ്. നിയന്ത്രണ സംവിധാനത്തിൽ (പട്ടിക 4.7).

    1. സംഭവിച്ചേക്കാവുന്ന ഒരു വിശദീകരണം നൽകുക.
    2. ഈ പരീക്ഷണത്തിലെ ചികിത്സയുടെ ഫലത്തെ കണക്കുകൂട്ടാനുള്ള രണ്ട് വ്യത്യസ്ത മാർഗങ്ങൾ എന്താണ്?
    3. ഈ ഫലമായി, എല്ലാ വിദ്യാർത്ഥികൾക്കും ഈ സേവനം നൽകണോ? വെറും വ്യക്തമായി, ഒരു ലളിതമായ ഉത്തരം ഒരു ചോദ്യമല്ല.
    4. അടുത്തതായി അവർ എന്തു ചെയ്യണം?

    സൂചന: ഈ അദ്ധ്യായത്തിൽ ഉൾക്കൊള്ളുന്ന മെറ്റീരിയലുകൾക്ക് അപ്പുറമാണ് ഈ ചോദ്യം, എന്നാൽ പരീക്ഷണങ്ങളിൽ സാധാരണമായ പ്രശ്നങ്ങളെ അഭിസംബോധന ചെയ്യുക. ഇത്തരത്തിലുള്ള പരീക്ഷണാത്മക രൂപകൽപന ചിലപ്പോൾ ഒരു പ്രോത്സാഹന രൂപകൽപ്പന എന്ന് പറയാറുണ്ട്, കാരണം ചികിത്സയിൽ ഏർപ്പെടാൻ പങ്കാളികൾ പ്രോത്സാഹിപ്പിക്കപ്പെടുന്നു. ഈ പ്രശ്നം ഒറ്റ-സൈഡ് സഖ്യം എന്നു വിളിക്കുന്നതിന്റെ ഒരു ഉദാഹരണമാണ്. ( Gerber and Green (2012) അദ്ധ്യായം 5 കാണുക).

  26. [ കഠിനമായി കൂടുതൽ പരീക്ഷണത്തിനുശേഷം, മുൻ ചോദ്യത്തിൽ വിവരിച്ച പരീക്ഷ കൂടുതൽ സങ്കീർണ്ണമായിരുന്നു. സർവീസിലേക്കുള്ള പ്രവേശനത്തിനായി പണമടച്ച 10 ശതമാനം ആളുകൾക്കും, അവർ 65% (പട്ടിക 4.8) എന്ന തൊഴില് റേറ്റ് കൂടി നല്കി.

    1. സംഭവിക്കുന്ന കാര്യങ്ങൾ നിങ്ങൾ ചുരുക്കിക്കൊണ്ടിരിക്കുന്ന ഒരു ഇമെയിൽ എഴുതുകയും ഒരു കോഴ്സ് നടപടിയെടുക്കുകയും ചെയ്യുക.

    സൂചന: ഈ അദ്ധ്യായത്തിൽ ഉൾക്കൊള്ളുന്ന മെറ്റീരിയലുകൾക്ക് അപ്പുറമാണ് ഈ ചോദ്യം, എന്നാൽ പരീക്ഷണങ്ങളിൽ സാധാരണമായ പ്രശ്നങ്ങളെ അഭിസംബോധന ചെയ്യുക. ഈ പ്രശ്നം രണ്ട്-വശങ്ങളുള്ള നൊന്ചൊംപ്ലിഅന്ചെ (അധ്യായം 6 എന്നുവിളിക്കുന്നതാക്കി ഒരു ഉദാഹരണമാണ് Gerber and Green (2012) ).

പട്ടിക 4.6: കരിയർ സേവന പരീക്ഷണത്തിൽ നിന്നുള്ള ഡാറ്റയുടെ ലളിതമായ കാഴ്ച
ഗ്രൂപ്പ് വലുപ്പം തൊഴിൽ റേറ്റ്
വെബ്സൈറ്റിലേക്ക് ആക്സസ്സ് അനുവദിച്ചു 5,000 70%
വെബ്സൈറ്റിലേക്ക് ആക്സസ് അനുവദിച്ചിട്ടില്ല 5,000 70%
പട്ടിക 4.7: കരിയർ സേവന പരീക്ഷണങ്ങളിൽ നിന്നും ഡാറ്റയുടെ കൂടുതൽ ദൃഢമായ കാഴ്ച
ഗ്രൂപ്പ് വലുപ്പം തൊഴിൽ റേറ്റ്
വെബ്സൈറ്റിലേക്കുള്ള ആക്സസ്സ് അനുവദിച്ചു ഒപ്പം പ്രവേശിച്ചു 1,000 60%
വെബ്സൈറ്റിന് പ്രവേശനം അനുവദനീയമല്ല, പ്രവേശിച്ചിട്ടില്ല 4,000 72.5%
വെബ്സൈറ്റിലേക്ക് ആക്സസ് അനുവദിച്ചിട്ടില്ല 5,000 70%
പട്ടിക 4.8: കരിയർ സേവന പരീക്ഷണങ്ങളിൽ നിന്നുള്ള ഡാറ്റയുടെ മുഴുവൻ കാഴ്ചയും
ഗ്രൂപ്പ് വലുപ്പം തൊഴിൽ റേറ്റ്
വെബ്സൈറ്റിലേക്കുള്ള ആക്സസ്സ് അനുവദിച്ചു ഒപ്പം പ്രവേശിച്ചു 1,000 60%
വെബ്സൈറ്റിന് പ്രവേശനം അനുവദനീയമല്ല, പ്രവേശിച്ചിട്ടില്ല 4,000 72.5%
വെബ്സൈറ്റിലേക്ക് ആക്സസ് അനുവദിച്ചിട്ടില്ല, അതിന് പണം നൽകിയില്ല 500 65%
വെബ്സൈറ്റിലേക്ക് ആക്സസ് അനുവദിച്ചിട്ടില്ല, അതിന് പണം നൽകേണ്ടതില്ല 4,500 70.56%