လှုပ်ရှားမှုများ

  • အခက်အခဲ၏ဒီဂရီ: လွယ်ကူပါတယ် လွယ်ကူသော , အလယ်အလတ် အလယ်အလတ် မာ ခိုင်မာသော , အရမ်းခက်တယ် အရမ်းခက်တယ်
  • (သင်္ချာလိုအပ်ပါတယ် သင်္ချာလိုအပ်ပါတယ် )
  • (coding လိုအပ်ပါတယ် coding လိုအပ်ပါတယ် )
  • ဒေတာစုဆောင်းခြင်း ( ဒေတာစုဆောင်းခြင်း )
  • ငါရဲ့အကြိုက်တွေ ( ကိုယ်နှစ်သက်သော )
  1. [ အလယ်အလတ် , ဒေတာစုဆောင်းခြင်း ] Berinsky နှင့်လုပ်ဖော်ကိုင်ဖက်များက (2012) သုံးဂန္စမ်းသပ်ချက်ပုံတူအားဖြင့်အစိတ်အပိုင်းတစ်ရပ်အတွက် MTurk အကဲဖြတ်။ အားဖြင့်ဂန္အာရှရောဂါဘောင်စမ်းသပ်မှုပုံတူပွား Tversky and Kahneman (1981) ။ သင့်ရဲ့ရလဒ်တွေကိုပွဲစဉ် Tversky နှင့် Kahneman ရဲ့လား? သင့်ရဲ့ရလဒ်တွေကိုသူတို့အား Berinsky နှင့်လုပ်ဖော်ကိုင်ဘက်များနှင့်ကိုက်ညီပါသလား အဘယ်အရာကို-လျှင်ဘာမှ-ပါဘူးဒီစစ်တမ်းကိုစမ်းသပ်ချက်အဘို့အ MTurk သုံးပြီးအကြောင်းကျွန်တော်တို့ကိုပြသသွန်သင်?

  2. [ အလယ်အလတ် , ကိုယ်နှစ်သက်သော ] တစ်ဦးအတန်ငယ်လျှာကို-In-ပါးစက္ကူခုနှစ်တွင်လူမှုရေးစိတ်ပညာရှင်ရောဘတ် Cialdini ၏စာရေးဆရာများတဦး "ကျနော်တို့ Up ကိုချိုးဖို့ဖူး" အမည်ရ Schultz et al. (2007) , ဘာဖြစ်လို့လဲဆိုတော့သူကအဓိကအားဖြင့်ဓာတ်ခွဲခန်းစမ်းသပ်ချက်ကျင်းပမယ့်စည်းကမ်း (စိတ်ပညာ) တွင်လယ်ပြင်စမ်းသပ်ချက်လုပ်နေတာကြုံတွေ့နေရသောစိန်ခေါ်မှုများ၏အစိတ်အပိုင်းအတွက်သူအစောပိုင်းတစ်ဦးပါမောက္ခအဖြစ်သူ၏အလုပ်ကနေအနားယူခဲ့ရေးသားခဲ့သည် (Cialdini 2009) ။ Cialdini ရဲ့စက္ကူဖတ်ပါ, သူ့ကိုဒစ်ဂျစ်တယ်စမ်းသပ်ချက်များ၏ဖြစ်နိုင်ခြေ၏အလင်း၌သူ၏ချိုး-up, ပြန်လည်စဉ်းစားရန်သူ့ကိုတိုက်တွန်းအီးမေးလ်တစ်စောင်ရေးပါ။ မိမိအစိုးရိမ်ပူပန်မှုများဖြေရှင်းရန်ကြောင်းသုတေသန၏တိကျသောဥပမာကိုသုံးပါ။

  3. [ အလယ်အလတ် ], အသေးစားကနဦးအောင်မြင်မှုများအတွက်သော့ခတ်ခြင်းသို့မဟုတ်ညှိုးရှိမရှိဆုံးဖြတ်ရန်ဗန်က de Rijt နှင့်နှင့်လုပ်ဖော်ကိုင်ဖက်များနိုင်ရန်အတွက် (2014) ကျပန်းရွေးချယ်ထားသည့်သင်တန်းသားများကိုအပေါ်အောင်မြင်မှုအထက်တွင်ရှိသည်ဟုလေးကွဲပြားခြားနားသောစနစ်များသို့ကြားဝင်, ပြီးတော့ဒီမတရားအောင်မြင်မှုရေရှည်သက်ရောက်မှုတိုင်းတာ။ သင်အလားတူစမ်းသပ်မှုတွေကို run နိုင်သည့်အတွက်အခြားစနစ်များစဉ်းစားနိုင်သလား? သိပ္ပံနည်းကျတန်ဖိုး algorithmic သဖွငျ့ (အခန်း 2 ကိုကြည့်ပါ), နှင့်ကျင့်ဝတ်၏ကိစ္စရပ်များကို၏စည်းကမ်းချက်များ၌ကဤစနစ်များကိုအကဲဖြတ်ရန်။

  4. [ အလယ်အလတ် , ဒေတာစုဆောင်းခြင်း ] စမ်းသပ်မှုတစ်ခု၏ရလဒ်များသင်တန်းသားများပေါ်မူတည်နိုင်ပါတယ်။ စမ်းသပ်မှုတစ်ခု Create ပြီးတော့နှစ်ခုကွဲပြားခြားနားသောစုဆောင်းမှုမဟာဗျူဟာများ အသုံးပြု. MTurk ပေါ်မှာ run ။ ရလဒ်တတ်နိုင်သမျှကွဲပြားခြားနားပါလိမ့်မည်နိုင်အောင်စမ်းသပ်မှုနှင့်စုဆောင်းမှုမဟာဗျူဟာကောက်ဖို့ကြိုးစားပါ။ ဥပမာအားဖြင့်, သင့်စုဆောင်းမှုမဟာဗျူဟာနံနက်ယံ၌ပါဝင်သူနှင့်ညနေပိုင်းတွင်စုဆောင်းဖို့သို့မဟုတ်မြင့်အနိမ့်လစာနှင့်အတူသင်တန်းသားများကိုလျော်ကြေးပေးဖို့ဖြစ်နိုင်ပါတယ်။ စုဆောင်းမှုမဟာဗျူဟာအတွက်ကွဲပြားခြားနားမှုဤမျိုးသင်တန်းသားများနှင့်ကွဲပြားခြားနားသောစမ်းသပ်ရလဒ်များ၏ကွဲပြားခြားနားသောရေကန်ဆီသို့ဦးတည်နိုင်ပါတယ်။ သင့်ရဲ့ရလဒ်တွေကိုဘယ်လိုကွဲပြားခြားနားသောထုတ်ကိုဖွင့်ခဲ့တာလဲ ကြောင်း MTurk အပေါ်စမ်းသပ်ချက် running အကွောငျးဘာဖျောပွသနညျး

  5. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် ] သင်စိတ်ခံစားမှုဘယ်လိုကူးစက်စမ်းသပ်မှုစီစဉ်ခဲ့ကြသည်ဆိုပါစို့ (Kramer, Guillory, and Hancock 2014) ။ ကအစောပိုင်းကစူးစမ်းလေ့လာမှုကနေရလဒ်တွေကိုသုံးပါ Kramer (2012) တစ်ဦးချင်းစီအခြေအနေသင်တန်းသားများ၏နံပါတ်ဆုံးဖြတ်ရန်။ ထိုသူနှစ်ဦးလေ့လာမှုများဿုံမကိုက်ညီပါဘူးဒါရှင်းရှင်းလင်းလင်းဖြစ်စေသမျှသောယူဆချက်စာရင်းပြုစုရန်သေချာစေပါ:

    1. အတွက်အကျိုးသက်ရောက်မှုအဖြစ်အကြီးစားတစ်ခုအကျိုးသက်ရောက်မှု detect လုပ်ဖို့လိုအပ်ပြီမယ်လို့မည်မျှသင်တန်းသားများကိုဆုံးဖြတ်ပါလိမ့်မယ်တစ်ဦးခြင်း simulation ကို run Kramer (2012) နှင့်အတူ \(\alpha = 0.05\) နှင့် \(1 - \beta = 0.8\)
    2. Analytics တူညီတဲ့တွက်ချက်မှုလုပ်ပါ။
    3. ကနေရလဒ်တွေကိုပေးထား Kramer (2012) စိတ်ခံစားမှုဘယ်လိုကူးစက်ခဲ့ (Kramer, Guillory, and Hancock 2014) (ဆိုလိုသည်မှာကြောင့်လိုအပ်ထက်ပိုသင်တန်းသားများခဲ့) ကျော်-powered?
    4. သင့်ရဲ့တွက်ချက်မှုပေါ်အကြီးမားဆုံးအကျိုးသက်ရောက်မှုရှိသည်သောသင်ကိုဖန်ဆင်းသောယူဆချက်, လော
  6. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် ] နောက်တဖန်ယခင်မေးခွန်းတစ်ခုကိုဖြေပေမယ့်ဒီအချိန်ထက်အားဖြင့်အစောပိုင်းကစူးစမ်းလေ့လာမှုကို အသုံးပြု. Kramer (2012) ကအစောပိုင်းကသဘာဝအစမ်းသပ်မှုကနေရလဒ်တွေကိုအသုံးပြုနိုင်သည် Lorenzo Coviello et al. (2014)

  7. [ လွယ်ကူသော ] နှစ်ဦးစလုံး Margetts et al. (2011) နှင့်ဗန်က de Rijt et al ။ (2014) တစ်ဦးအသနားခံစာလက်မှတ်ထိုးလူများ၏ဖြစ်စဉ်ကိုလေ့လာနေစမ်းသပ်ချက်ဖျော်ဖြေခဲ့ပါတယ်။ ဒီလေ့လာမှုတွေများ၏ဒီဇိုင်းများနှင့်တွေ့ရှိချက်များကိုနှိုင်းယှဉ်ကြည့်ပါနဲ့နှိုငျးယှဉျ။

  8. [ လွယ်ကူသော ] Dwyer, Maki, and Rothman (2015) လူမှုရေးစံချိန်စံညွှန်းများနှင့်လိုလားသူသဘာဝပတ်ဝန်းကျင်အပြုအမူအကြားဆက်ဆံရေးအပေါ်နှစ်ခုလယ်ပြင်စမ်းသပ်ချက်ပြုလုပ်ခဲ့သည်။ ဤတွင်သူတို့ရဲ့စက္ကူ၏စိတ္တဇင်:

    "ဘယ်လိုစိတ်ပိုင်းဆိုင်ရာသိပ္ပံ proenvironmental အပြုအမူကိုအားပေးအသုံးပြုသွားမည်စေခြင်းငှါ, နှစ်ခုလေ့လာမှုများမှာတော့အများပြည်သူရေချိုးခန်းအတွက်စွမ်းအင်ထိန်းသိမ်းရေးအပြုအမူမြှင့်တင်ရန်ရည်ရွယ်ကြားဝင်ဖော်ပြရန်စံချိန်စံညွှန်းများနှင့်ပုဂ္ဂိုလ်ရေးတာဝန်များ၏သြဇာလွှမ်းမိုးမှုဆန်းစစ်ခဲ့သည်။ တစ်စုံတစ်ဦးကယင်း setting များအတွက်ဖော်ပြရန်စံအချက်ပြတစ်ဦးလှတျလပျအများပြည်သူရေချိုးခန်းသို့မဝင်ရောက်မီလေ့လာမှု 1 ခုနှစ်, အလင်း status ကို (ဆိုလိုသည်မှာ, သို့မဟုတ်ပိတ်) ခြယ်လှယ်ခဲ့ပါတယ်။ သင်တန်းသားများကိုသူတို့ထဲသို့ဝင်သောအခါပယ်ခဲ့ကြပါလျှင်မီးကို turn off မှသိသိသာသာပိုပြီးခဲ့ကြသည်။ လေ့လာမှု 2 မှာတစ်ဦးအပိုဆောင်းအခွအေနေအလင်းကိုပိတ်ခြင်း၏စံတစ်ပွညျကိုအမှီခြင်းဖြင့်သရုပ်ပြခဲ့သောတွင်ထည့်သွင်းပေမယ့်ပါဝင်သူပေါ်မှာလှည့်အဘို့တာဝန်ရှိသူတို့ကိုယ်သူတို့မခဲ့သည်။ ပုဂ္ဂိုလ်ရေးတာဝန်အပြုအမူအပေါ်လူမှုရေးစံချိန်စံညွှန်း၏သြဇာလွှမ်းမိုးမှုတည်းဖြတ်; သင်တန်းသားများကိုအလင်းကိုဖွင့်အဘို့တာဝန်မယူခဲ့ကြသည်သောအခါ, စံ၏သြဇာလွှမ်းမိုးမှုလျော့ခဲ့ပါတယ်။ ဤရလဒ်သည်ဖော်ပြရန်စံချိန်စံညွှန်းများနှင့်ပုဂ္ဂိုလ်ရေးတာဝန် proenvironmental ကြားဝင်၏ထိရောက်မှုကိုထိန်းညှိခြင်းငှါဘယ်လိုညွှန်ပြ။ "

    သူတို့ရဲ့စက္ကူဖတ်ရန်နှင့်လေ့လာမှု 1 တစ်ဦးပွားဒီဇိုင်း။

  9. [ အလယ်အလတ် , ဒေတာစုဆောင်းခြင်း ] သင်၏ဒီဇိုင်းကိုထုတ်သယ်ယခုယခင်ဆိုတဲ့မေးခွန်းကိုအပေါ်တည်ဆောက်ခြင်း။

    1. ဘယ်လိုရလဒ်တွေကိုနှိုင်းယှဉ်ပါသနည်း
    2. အဘယျသို့ကဤခြားနားချက်ကိုရှင်းပြစျနိုငျသလဲ
  10. [ အလယ်အလတ် ] MTurk ကနေစုဆောင်းသင်တန်းသားများကိုသုံးပြီးစမ်းသပ်ချက်နဲ့ပတ်သက်တဲ့သိသိသာသာဆွေးနွေးငြင်းခုံရှိခဲ့သည်။ အပြိုင်ခုနှစ်တွင်လည်းဘွဲ့ကြိုကျောင်းသားဦးရေကနေစုဆောင်းသင်တန်းသားများကိုသုံးပြီးစမ်းသပ်ချက်နဲ့ပတ်သက်တဲ့သိသိသာသာဆွေးနွေးငြင်းခုံရှိခဲ့သည်။ သုတေသနသင်တန်းသားများအဖြစ် Turkers နှင့်တက္ကသိုလ်တွင်ဘွဲ့ကြိုသင်တန်းများနှိုင်းယှဉ်ခြင်းနှင့်ခြားနားတဲ့ Two-စာမျက်နှာမှတ်စုတိုရေးပါ။ သင့်ရဲ့နှိုင်းယှဉ်သိပ္ပံနည်းကျနှင့်ထောက်ပံ့ပို့ဆောင်ရေးနှစ်ဦးစလုံးကိစ္စရပ်များကိုတစ်ဦးဆွေးနွေးမှုပါဝင်သည်သငျ့သညျ။

  11. [ လွယ်ကူသော ] ဂျင်မ် Manzi ရဲ့စာအုပ်မဆငျမခွ (2012) စီးပွားရေးလုပ်ငန်းမှာလက်တွေ့စမ်းသပ်ချက်၏တနျခိုးရန်အံ့သြစရာမိတ်ဆက်စကားဖြစ်ပါတယ်။ ကမျြးစာ၌သူသည်အောက်ပါပုံပြင်ကိုလက်ဆင့်ကမ်း:

    "ကျွန်မနေတဲ့စစ်မှန်တဲ့စီးပွားရေးလုပ်ငန်းပါရမီ, စမ်းသပ်ချက်၏တန်ခိုးကိုအစိုးရတစ်ဦးနက်ရှိုင်းသော, အလိုလိုသိ understeer ခဲ့သူတစ်ဦးကိုယ့်ကိုယ်ကိုလုပ်ဘီလျံနာနှင့်အတူအစည်းအဝေးတစ်ခုအတွက်တစ်ကြိမ်သာဖြစ်ခဲ့သည်။ သူ့ကုမ္ပဏီသမားရိုးကျသည်ပညာကိုသူတို့ကသင့်ပါတယ်ဟုဆိုသည်အတိုင်း, စားသုံးသူများနှင့်တိုးအရောင်းဆွဲဆောင်မယ်လို့ကြီးမြတ်စတိုးဆိုင်ပြတင်းပေါက် display ကိုဖန်တီးရန်ကြိုးစားသိသိသာသာအရင်းအမြစ်များကိုသုံးစွဲခဲ့သည်။ ဂရုတစိုက်အနှစ်တစ်ကာလအတွင်းဒီဇိုင်းပြီးမှ, တစ်ဦးချင်းစီကိုစမ်းသပ်ပြန်လည်သုံးသပ်အစည်းအဝေးများအတွက်ဒီဇိုင်းစမ်းသပ်ပြီးကျွမ်းကျင်သူများကရောင်းအားအပေါ်တစ်ခုချင်းစီကိုသစ်ကို display ကိုဒီဇိုင်းမရှိသိသာကြောင်းကျိုးဆက်စပ်အကျိုးသက်ရောက်မှုဖေါ်ပြခြင်းထားရှိမည်။ အကြီးတန်းစျေးကွက်နှင့်ရောင်းကုန်ပစ္စည်းများအမှုဆောင်အရာရှိတူတူဒရောတွင်ဤသမိုင်းဆိုင်ရာစမ်းသပ်မှုရလဒ်တွေကိုပြန်လည်သုံးသပ်ဖို့ CEO ဖြစ်သူနှင့်လည်းတွေ့ဆုံခဲ့သည်။ စမ်းသပ်အချက်အလက်များ၏အားလုံးတင်ပြပြီးနောက်သူတို့သမားရိုးကျသည်ပညာကိုမှားယွင်းတဲ့-ကြောင်း display တွေရောင်းအားမောင်းကြဘူးပြတင်းပေါက်ခဲ့ကြောင်းသုံးသပ်ခဲ့သည်။ သူတို့ရဲ့အကြံပြုလုပ်ဆောင်မှုသည်ဤဒေသရှိစရိတ်နှင့်ကြိုးစားအားထုတ်မှုကိုလျှော့ချဖို့ဖြစ်တယ်။ ဒါဟာသိသိသာသာသမားရိုးကျသည်ပညာကိုမှောက်လှန်ဖို့လက်တွေ့စမ်းသပ်ချက်များ၏စွမ်းရည်ကိုသရုပ်ပြခဲ့သည်။ အဆိုပါ CEO ဖြစ်သူရဲ့တုံ့ပြန်မှုရိုးရှင်းသောခဲ့: 'ငါ့အနိဂုံးချုပ်သင့်ရဲ့ဒီဇိုင်နာများအလွန်ကောင်းသောမဟုတ်သောကြောင့်ဖြစ်သည်။ ' ' မိမိအဖြေရှင်းချက်စတိုးဆိုင် display ကိုဒီဇိုင်းအတွက်ကြိုးစားအားထုတ်မှုကိုတိုးမြှင့်ဖို့, လူသစ်လုပ်ရခဲ့သည်။ " (Manzi 2012, 158–9)

    အမှုဆောင်အရာရှိချုပ်၏စိုးရိမ်ပူပန်မှုကိုတရားဝင်မှု၏ဘယ်အမျိုးအစားဖြစ်သနည်း

  12. [ လွယ်ကူသော ] ယခင်ဆိုတဲ့မေးခွန်းကိုအပေါ်တည်ဆောက်ခြင်း, သင်စမ်းသပ်ချက်၏ရလဒ်များကိုဆွေးနွေးကြ၏ရှိရာအစည်းအဝေးတွင်ဖြစ်ကြောင်းမြင်ယောင်ကြည့်ပါ။ သငျသညျကိုမေး-One နိုင်ကြောင်းတရားဝင်မှု၏အသီးအသီးအမျိုးအစားများအတွက် (စာရင်းအင်း, ဆောက်လုပ်ရေး, ပြည်တွင်းရေးနှင့်ပြင်ပ) မေးခှနျးလေးခုကိုဘာတွေလဲ?

  13. [ လွယ်ကူသော ] Bernedo, Ferraro, and Price (2014) မှာဖော်ပြထားတဲ့ရေ-saving ဝင်ရောက်စွက်ဖက်မှုခုနစ်နှစ်အရွယ်အကျိုးသက်ရောက်မှုကိုလေ့လာ Ferraro, Miranda, and Price (2011) (ပုံ 4,11 ကြည့်ပါ) ။ ဤစာတမ်း၌, Bernedo နှင့်လုပ်ဖော်ကိုင်ဘက်လည်းရှိသည်နှင့်ကုသမှုကိုအပ်လိုက်ပြီးနောက်ပြောင်းရွှေ့ကြပြီမဟုတ်ကြောင်းအိမ်ထောင်စုများ၏အပြုအမူနှိုင်းယှဉ်ခြင်းအားဖြင့်အကျိုးသက်ရောက်နောက်ကွယ်မှယန္တရားကိုနားလည်သဘောပေါက်ရန်ရှာ၏။ သည်, အကြမ်းအားဖြင့်သူတို့ဟာကုသမှုအိမ်ဒါမှမဟုတ်အိမ်ရှင်ထိခိုက်ခြင်းရှိမရှိကြည့်ဖို့ကြိုးစားခဲ့ပါတယ်။

    1. စက္ကူ Read, သူတို့ရဲ့ဒီဇိုင်းကိုဖော်ပြရန်, သူတို့၏တွေ့ရှိချက်အကျဉ်းချုပ်။
    2. ၎င်းတို့၏တွေ့ရှိချက်များကိုသင်အလားတူကြားဝင်၏ကုန်ကျစရိတ်-ထိရောက်မှုအကဲဖြတ်ရန်သငျ့သညျကိုဘယ်လိုအကျိုးသက်ရောက်သလဲ? သို့ဆိုလျှင်အဘယ်ကြောင့်? မဟုတ်ခဲ့လျှင်, အဘယ်ကြောင့်မခံသနည်း
  14. [ လွယ်ကူသော ] ရန်နောက်ဆက်တွဲခုနှစ်တွင် Schultz et al. (2007) , Schultz နှင့်လုပ်ဖော်ကိုင်ဘက်နှစ်ဦးကိုအခင်းအကျင်း (ကဟိုတယ်နှင့်တစ်ဦး timeshare ကွန်ဒိုမီနီယံ) တွင်တစ်ဦးကွဲပြားခြားနားသဘာဝပတ်ဝန်းကျင်အပြုအမူ (သုတ်ပဝါပြန်သုံး) ရက်နေ့တွင်ဖော်ပြရန်နှင့်တရားရုံးမိန့်စံချိန်စံညွှန်း၏အကျိုးသက်ရောက်မှုအပေါ်သုံးစမ်းသပ်ချက်တစ်ခုစီးရီးဖျော်ဖြေ (Schultz, Khazian, and Zaleski 2008)

    1. ဤသုံးပါးစမ်းသပ်ချက်များ၏ဒီဇိုင်းနှင့်တွေ့ရှိချက်များကိုအနှစ်ချုပ်။
    2. မှာအားလုံးပါလျှင်ဘယ်လို, သူတို့သင်တို့၏အနက်ကိုပြောင်းလဲပစ်ကြဘူး Schultz et al. (2007) ?
  15. [ လွယ်ကူသော ] တုံ့ပြန်ခုနှစ်တွင် Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) လျှပ်စစ်ဥပဒေကြမ်းများ၏ဒီဇိုင်းကိုလေ့လာဖို့ဓာတ်ခွဲခန်းကဲ့သို့စမ်းသပ်ချက်တစ်ခုစီးရီးသို့ပွေးလေ၏။ ဤတွင်သူတို့ကစိတ္တဇထဲမှာကိုဖော်ပြရန်ဘယ်လိုဖွင့်:

    "စစ်တမ်းတစ်ခု-based စမ်းသပ်မှုများတွင်တစ်ဦးချင်းစီပါဝင်သူ (က) သမိုင်းကိုအသုံးပြုခြင်းနှင့် ပတ်သက်. သတင်းအချက်အလက်ကိုဖုံးအုပ်ထား, အတော်လေးမြင့်မားတဲ့လျှပ်စစ်ဓာတ်အားအသုံးပြုမှုနှင့်အတူတစ်မိသားစုများအတွက်မသိဘဲရမ်းမေးတဲ့လျှပ်စစ်မီးဥပဒေကြမ်းကိုမွငျလြှငျ, အိမျနီးခငျြးမြား (ခ) နှိုင်းယှဉ်ခြင်း, ပစ္စည်းပြိုကွဲနှင့်အတူ (ဂ) သမိုင်းဆိုင်ရာအသုံးပြုခြင်း။ သင်တန်းသားများကိုအားလုံး (က) စားပွဲအပါအဝင်သုံးပုံစံများတသတင်းအချက်အလက်အမျိုးအစားများ, (ခ) ဘားဂရပ်များ, (ဂ) သင်္ကေတကိုဂရပ်များကိုမြင်တော်မူ၏။ ကျနော်တို့သုံးယောက်အဓိကတွေ့ရှိချက်အပေါ်သတင်းပို့ပါ။ က table ထဲမှာပေးအပ်အခါပထမဦးစွာစားသုံးသူတွေစားပွဲရိုးရှင်းတဲ့အချက်စာဖတ်ခြင်းလွယ်ကူချောမွေ့ဖြစ်ကောင်းသောကွောငျ့, အရှိဆုံးလျှပ်စစ်မီးသုံးစွဲအချက်အလက်များ၏အသီးအသီးအမျိုးအစားသိနားလည်ကြ၏။ ဒုတိယအချက်မှာဦးစားပေးများနှင့်လျှပ်စစ်မီးကယ်ဖို့ရည်ရွယ်ချက်ပုံစံ၏လွတ်လပ်သော, သမိုင်းအသုံးပြုမှုသတင်းအချက်အလက်အဘို့အအင်အားအကောင်းဆုံးခဲ့ကြသည်။ တတိယအချက်အနိမ့်စွမ်းအင်ကိုစာတတ်မြောက်ရေးနှင့်အတူတစ်ဦးချင်းစီလျော့နည်းအချက်အလက်အားလုံးကိုသိနားလည်ကြ၏။ "

    သည်အခြားနောက်ဆက်တွဲလေ့လာမှုများမတူဘဲအတွက်အကျိုးစီးပွား၏အဓိကရလဒ် Canfield, Bruin, and Wong-Parodi (2016) အပြုအမူမဟုတ်ဘဲအမှန်တကယ်အပြုအမူအစီရင်ခံသည်။ စွမ်းအင်ချွေတာမြှင့်တင်မယ့်ကျယ်ပြန့်သုတေသနအစီအစဉ်အတွက်လေ့လာမှု၏ဤအမျိုးအစားများ၏အားသာချက်များနှင့်အားနည်းချက်များကိုဘာတွေလဲ?

  16. [ အလယ်အလတ် , ကိုယ်နှစ်သက်သော ] Smith and Pell (2003) လေထီး၏ထိရောက်မှုကိုသရုပ်ပြလေ့လာမှုများတစ်သရော်စာ Meta-analysis သည်တင်ပြခဲ့သည်။ သူတို့ကကောက်ချက်ချ:

    "နေမကောင်းကျန်းမာရေးကာကွယ်တားဆီးဖို့ရည်ရွယ်အများအပြားကြားဝင်နှင့်အတူအမျှလေထီး၏ထိရောက်မှု randomized ထိန်းချုပ်ထားစမ်းသပ်မှုတွေကို အသုံးပြု. တိကျခိုင်မာစွာအကဲဖြတ်အကြောင်းမဲ့နိုင်ခြင်းမရှိသေးပေ။ သက်သေအထောက်အထားများကို အခြေခံ. ဆေးပညာထောက်ခံသူများသာစူးစမ်းဒေတာကို အသုံးပြု. အကဲဖြတ်ကြားဝင်၏မွေးစားဝေဖန်ခဲ့ကြသည်။ ကျနော်တို့လူတိုင်းသက်သေအထောက်အထားများကို အခြေခံ. ဆေးဝါးအများဆုံးအစွန်းရောက်အရေးပါသောဇာတ်ကောင်ဖွဲ့စည်းလျှင်အတှကျအကြိုးနှင့်တစ်ဦးကို double မျက်စိကန်း Random, ရလဒ်များအရအိပ်ယာထိန်းချုပ်ထားသည်လေထီး၏ crossover ရုံးတင်စစ်ဆေးပါဝင်ခဲ့အံ့သောငှါထင်ပါတယ်။ "

    စမ်းသပ်သက်သေအထောက်အထားများ၏ fetishization ဆန့်ကျင်ငြင်းခုံ, ထိုကဲ့သို့သော New York Times ကိုအဖြစ်, အထွေထွေ-စာဖတ်သူသတင်းစာများအတွက်သင့်လျော်သောတစ်ဦး Op-Ed ရေးပါ။ တိကျသော, ကွန်ကရစ်ဥပမာများကိုပေးစွမ်းပါသည်။ အရိပ်အမြွက်: ကိုလည်းကြည့်ပါ Deaton (2010) နှင့် Bothwell et al. (2016)

  17. [ အလယ်အလတ် , coding လိုအပ်ပါတယ် , ကိုယ်နှစ်သက်သော ] ကုသမှုအကျိုးသက်ရောက်မှုများ Difference-In-ကွဲပြားခြားနားမှုခန့်မှန်းချက်ခြားနားချက်-In-ယုတ်ခန့်မှန်းချက်ထက်ပိုမိုတိကျသောနိုင်ပါတယ်။ အွန်လိုင်းမှစမ်းသပ်မှုအပြေးများအတွက်ခြားနားချက်-In-ကွဲပြားခြားနားမှုချဉ်းကပ်မှု၏တန်ဖိုးကိုရှင်းပြနေတဲ့က start-up, လူမှုမီဒီယာကုမ္ပဏီတစ်ခုမှာ A / B စမ်းသပ်ခြင်းတာဝန်ခံအင်ဂျင်နီယာတစ်ဦးမှတစ်ဦးမှတ်စုတိုရေးပါ။ အဆိုပါမှတ်စုတိုပြဿနာရဲ့ကြေညာချက်, ခြားနားချက်-In-ခြားနားချက်ကခန့်မှန်းထားကွာခြားချက်-In-ယုတ်ခနျ့မှနျး outperform တံ့သောအောကျခွအေနမြေားအကြောင်းကိုအချို့သောပင်ကိုယ်နှင့်ရိုးရှင်းသောခြင်း simulation လေ့လာမှုပါဝင်သည်သငျ့သညျ။

  18. [ လွယ်ကူသော , ကိုယ်နှစ်သက်သော ] ဂယ်ရီ Loveman Harrah ၏ CEO ဖြစ်သူသည်ကမ္ဘာပေါ်တွင်အကြီးဆုံးလောင်းကစားရုံကုမ္ပဏီတွေရဲ့တဦးတည်းဖြစ်လာမတိုင်မီဟားဗတ်စီးပွားရေးကျောင်းပါမောက္ခတစ်ဦးဖြစ်ခဲ့သည်။ သူ Harrah ရဲ့သို့ပြောင်းရွှေ့တဲ့အခါ, Loveman ဖောက်သည်အပြုအမူနှင့် ပတ်သက်. အချက်အလက်များ၏ကြီးမားတဲ့ပမာဏစုဆောင်းတဲ့မကြာခဏ-လက်ကမ်းကြော်ငြာတွေကကဲ့သို့သစ္စာရှိမှုအစီအစဉ်ကိုအတူကုမ္ပဏီအဖြစ်အသွင်ပြောင်း။ ဒီထိပ်တွင်တိုင်းတာခြင်းစနစ်ကအမြဲ-on ကုမ္ပဏီစမ်းသပ်ချက်အပြေးလာခဲ့သည်။ ဥပမာအားဖြင့်, သူတို့တစ်တွေသတ်သတ်မှတ်မှတ်လောင်းကစားပုံစံနှင့်အတူဖောက်သည်များအတွက်အခမဲ့ဟိုတယ်ညဥ့်တစ်ကူပွန်၏အကျိုးသက်ရောက်မှုအကဲဖြတ်ဖို့စမ်းသပ်မှုတစ်ခုကို run ပါလိမ့်မယ်။ ဤတွင် Loveman Harrah ရဲ့နေ့စဉ်လုပ်ငန်းကိုအလေ့အကျင့်မှလက်တွေ့စမ်းသပ်ချက်၏အရေးပါမှုကိုဖော်ပြထားပုံကိုဖွင့်:

    "ဒါဟာသငျသညျအမြိုးသမီးမြားနှောင့်ယှက်ပါဘူးနဲ့တူ, သင်မခိုးမ, သင်တစ်ဦးထိန်းချုပ်ရေးအဖွဲ့တစ်ဖွဲ့ရှိသည်ဖို့ရရှိပါသည်ပါပဲ။ ဤသည်သင်တစ်ဦးကိုထိန်းချုပ်အုပ်စုတစ်စုအပြေး Harrah's-မအဘို့သင့်အလုပ်ဆုံးရှုံးနိုငျသောအရာတစျခုဖွစျသညျ။ " (Manzi 2012, 146)

    Loveman ကထိန်းချုပ်အုပ်စုတစ်စုရှိသည်ဖို့အလွန်အရေးကြီးဟုထင်၏အဘယ်ကြောင့်ရှင်းပြအသစ်တစ်ခုကိုဝန်ထမ်းအီးမေးလ်ရေးပါ။ သငျသညျဥပမာတစ်ခု-ဖြစ်စေအစစ်အမှန်သို့မဟုတ် up-to သင့်ရဲ့မှတ်သရုပျဖျောလုပ်ပါဝင်သည်ဖို့ကြိုးစားသင့်ပါတယ်။

  19. [ ခိုင်မာသော , သင်္ချာလိုအပ်ပါတယ် ] အသစ်စမ်းသပ်မှုကာကွယ်ဆေးထိုးလွှာမှပေါ်စာသားမက်ဆေ့ခ်ျသတိပေးချက်များလက်ခံရရှိ၏အကျိုးသက်ရောက်မှုကိုခန့်မှန်းရန်ရည်ရွယ်သည်။ တရာငါးဆယ်ဆေးခန်း, 600 အရည်အချင်းပြည့်မီလူနာနှင့်အတူအသီးအသီး, ပါဝင်ဆောင်ရွက်ရန်ဆန္ဒရှိနေကြသည်။ အဲဒီမှာသင်နှင့်အတူအလုပ်လုပ်ချင်ချင်းစီဆေးခန်းများအတွက် $ 100 ကိုတစ်ဦး fixed ကုန်ကျစရိတ်ဖြစ်ပါတယ်, ဒါကြောင့်သင်ပို့ချင်သောအသီးအသီးကိုစာသားမက်ဆေ့ခ်ျကိုများအတွက် $ 1 ကုန်ကျသည်။ ထို့ပြင်သင်နှင့်အတူအလုပ်လုပ်နေကြသည့်ဆေးခန်းအခမဲ့ (တစ်စုံတစ်ဦးကိုတစ်ဦးကာကွယ်ဆေးလက်ခံရရှိခြင်းရှိမရှိ) ရလဒ်တိုင်းတာလိမ့်မယ်။ သငျသညျ $ 1,000 တစ်ဘတ်ဂျက်ရှိသည်ယူဆ။

    1. အခြေအနေများကြောင့်ဆေးခန်း၏သေးငယ်တဲ့အရေအတွက်ကပေါ်နှင့်ပိုမိုကျယ်ပြန့်သူတို့ကိုပြန့်နှံ့ဖို့ပိုကောင်းပါလိမ့်မယ်အဘယျသို့အခြေအနေများအောက်တွင်သင့်ရဲ့အရင်းအမြစ်များကိုအာရုံစိုက်ဖို့ပိုကောင်းပါလိမ့်မယ်အဘယျသို့လက်အောက်တွင်?
    2. အဘယ်အရာကိုအကြောင်းရင်းများကိုသင်ယုံကြည်စိတ်ချရသောသင်၏အဘတ်ဂျက်နှင့်အတူ detect နိုင်ပါလိမ့်မည်ကြောင်းအသေးဆုံးအကျိုးသက်ရောက်မှုအရွယ်အစားကိုဆုံးဖြတ်ရန်မလဲ
    3. အလားအလာငွေကြေးထောက်ပံ့ဤ trade-off ကိုရှင်းပြတဲ့မှတ်စုရေးပါ။
  20. [ ခိုင်မာသော , သင်္ချာလိုအပ်ပါတယ် ] အွန်လိုင်းသင်တန်းများနှင့်အတူတစ်ဦးကအဓိကပြဿနာ attrition ဖြစ်ပါသည်: သင်တန်းများစတင်နိုင်သူအများအပြားကျောင်းသားများကိုထွက်ကျဆင်းနေတက်အဆုံးသတ်။ သငျသညျတခုအွန်လိုင်းသင်ယူမှုပလက်ဖောင်းမှာအလုပ်လုပ်နေကြသည်ကို၎င်း, ပလက်ဖောင်းမှာဒီဇိုင်နာသူမသင်တန်း၏ထွက်ကျဆင်းနေခြင်းမှကျောင်းသားများကိုတားဆီးကူညီပေးပါမည်ထင်တဲ့အမြင်အာရုံတိုးတက်မှုဘားဖန်တီးထားပါတယ်ဆိုပါစို့။ သငျသညျကြီးမားတဲ့ကွန်ပျူတာလူမှုရေးသိပ္ပံသင်တန်းကျောင်းသားများအပေါ်တိုးတက်မှုဘား၏အကျိုးသက်ရောက်မှုကိုစမ်းသပ်ချင်တယ်။ အဆိုပါစမ်းသပ်မှုများတွင်ပေါ်ထွန်းအံ့သောငှါမဆိုကျင့်ဝတ်ဆိုင်ရာကိစ္စရပ်များကိုဖြေရှင်းပြီးနောက်, သင်နှင့်သင့်လုပ်ဖော်ကိုင်ဖက်သင်တန်းယုံကြည်စိတ်ချရသောတိုးတက်မှုဘား၏သက်ရောက်မှု detect ဖို့လုံလောက်တဲ့ကျောင်းသားများကိုရှိသည်မဟုတ်အံ့သောငှါစိုးရိမ်နေကြရပါတယ်။ အောက်ပါတွက်ချက်မှုများတွင်သင်ကျောင်းသားများကို၏ထက်ဝက်တိုးတက်မှုဘားခံယူခြင်းနှင့်တစ်ဝက်မည်မဟုတ်ယူဆနိုင်ပါတယ်။ ထို့ပြင်သင်တို့သည်နောက်ရောက်စွက်ဖက်ရှိကွောငျးယူဆနိုင်ပါတယ်။ တနည်းအားဖြင့်သင်ကသင်တန်းသားများကိုသာသူတို့ကုသမှုသို့မဟုတ်ထိန်းချုပ်မှုကိုလက်ခံရရှိခြင်းရှိမရှိကြောင့်ထိခိုက်သည်ဟုယူဆနိုင်ပါတယ်; သူတို့အခြားလူများကုသမှုသို့မဟုတ်ထိန်းချုပ်မှု (ကပိုပြီးတရားဝင်ချက်နှင့်အဓိပ္ပါယ်ဘို့, အခန်း 8 တွေ့မြင်လက်ခံရရှိခြင်းရှိမရှိအားဖြင့်ထိခိုက်ကြသည်မဟုတ် Gerber and Green (2012) ) ။ သငျသညျလုပ်ကိုမဆိုအပိုဆောင်းယူဆချက်ခြေရာခံထားပါ။

    1. တိုးတက်မှုဘား 1 ရာခိုင်နှုန်းအချက်အားဖြင့်အတန်းပြီးဆုံးသောကျောင်းသားများကို၏အချိုးအစားတိုးမြှင့်ဖို့မျှော်လင့်ရသည်ဆိုပါစို့; ယုံကြည်စိတ်ချရသောအကျိုးသက်ရောက်မှု detect လုပ်ဖို့လိုအပ်နမူနာအရွယ်အစားကဘာလဲ?
    2. တိုးတက်မှုဘား 10 ရာခိုင်နှုန်းမှတ်အားဖြင့်အတန်းပြီးဆုံးသောကျောင်းသားများကို၏အချိုးအစားတိုးမြှင့်ဖို့မျှော်လင့်ရသည်ဆိုပါစို့; ယုံကြည်စိတ်ချရသောအကျိုးသက်ရောက်မှု detect လုပ်ဖို့လိုအပ်နမူနာအရွယ်အစားကဘာလဲ?
    3. အခုဆိုရင်သင်စမ်းသပ်မှု run ပါပြီအပေါင်းတို့နှင့်တကွ, သင်တန်းပစ္စည်းများပြီးစီးကြသူကျောင်းသားကျောင်းသူများတစ်တွေနောက်ဆုံးနှုတ်ဆက်ခြင်းစာမေးပွဲတွင်ယူကြပြီဆိုပါစို့။ သငျသညျမသောသူတို့သည်ရမှတ်များနှင့်အတူတိုးတက်မှုဘားကိုလက်ခံရရှိခဲ့သူကျောင်းသားများကို၏နောက်ဆုံးစာမေးပွဲဖြေဆိုရမှတ်များနှိုင်းယှဉ်တဲ့အခါမှာ, သင်တိုးတက်မှုဘားမခံမယူခဲ့ပါဘူးသောကျောင်းသားများအမှန်တကယ်ပိုမိုမြင့်မားသွင်းယူကြောင်း, သင်၏အံ့အားသင့်ဖို့အများကြီးရှာပါ။ ဒီတိုးတက်မှုဘားကျောင်းသားများကိုလျော့နည်းသင်ယူဖို့ဖြစ်ပေါ်စေသည်ဟုဆိုလိုပါသလား? သင်ဤရလဒ်ကိုဒေတာကနေဘာသင်ယူနိုင်သလဲ (အရိပ်အမြွက်: ရဲ့အခန်း 7 တွင်ကြည့်ပါ Gerber and Green (2012) )
  21. [ အရမ်းခက်တယ် , coding လိုအပ်ပါတယ် , ကိုယ်နှစ်သက်သော ] သင်တစ်ဦးနည်းပညာကုမ္ပဏီတစ်ခုမှာဒေတာသိပ္ပံပညာရှင်အဖြစ်အလုပ်လုပ်ကိုင်နေကြသည်ဆိုပါစို့။ အဆိုပါစျေးကွက်ရှာဖွေရေးဦးစီးဌာနအနေဖြင့်တစ်စုံတစ်ဦးကသူတို့အသစ်တခုအွန်လိုင်းကြော်ငြာကင်ပိန်းများအတွက်ရင်းနှီးမြှုပ်နှံမှုအပေါ်ပြန်လာ (Roi) ကိုတိုင်းတာနိုင်ရန်အတွက်စီစဉ်ဖြစ်ကြောင်းစမ်းသပ်မှုတစ်ခုအကဲဖြတ်၌သင်တို့၏အကူအညီတောငျးတယျ။ ရွယ်ကင်ပိန်း၏ကုန်ကျစရိတ်အားဖြင့်အပိုင်းပိုင်းခွဲကင်ပိန်းကနေအသားတင်အမြတ်အဖြစ်သတ်မှတ်ထားသည်။ ဥပမာအားဖြင့်, ရောင်းအားအပေါ်အဘယ်သူမျှမသက်ရောက်ခဲ့တဲ့ကင်ပိန်း -100% တစ်ခုရွယ်အလို ရှိ. , အမြတ်အစွန်းကုန်ကျစရိတ်နှင့်ညီမျှခဲ့ကြထုတ်ပေးတဲ့ကင်ပိန်း 0 င်တစ်ဦးရွယ်အလို ရှိ. , နှင့်အမြတ်အစွန်းထုတ်ပေးတဲ့ကင်ပိန်းကုန်ကျစရိတ် 200% တစ်ခုရွယ်ရှိသည်မယ်လို့နှစ်ဆခဲ့ကြသည်။

    အဆိုပါစမ်းသပ်မှုစတင်မီ, စျေးကွက်ရှာဖွေရေးဌာနသူတို့ရဲ့အစောပိုင်းကသုတေသန (တကယ်တော့အဲဒီတန်ဖိုးများ Lewis ကနှင့် Rao ကအစီရင်ခံအစစ်အမှန်အွန်လိုင်းကြော်ငြာကင်ပိန်း၏ပုံမှန်များမှာအပေါ်အခြေခံပြီးအောက်ပါအချက်အလက်များကိုအားဖြင့်သင်တို့ကိုထောက်ပံ့ (2015) ):

    • ဖောက်သည်နှုန်းယုတ်ရောင်းအား $ 7 ၏ဆိုလိုခြင်းနှင့် $ 75 ၏စံသွေဖည်နဲ့ log-ပုံမှန်ဖြန့်ဖြူးအောက်ပါအတိုင်း။
    • ကင်ပိန်းဖောက်သည်တစ်ဦးလျှင် $ 0,175 ၏အမြတ်အစွန်းတစ်ခုတိုးဖို့ကိုက်ညီသည့်ဖောက်သည်တစ်ဦးလျှင် $ 0.35 ဖြင့်အရောင်းတိုးမြှင့်ဖို့မျှော်လင့်ရသည်။
    • ထိန်းချုပ်မှုအုပ်စုတွင်ကုသမှုအုပ်စုတွင်ဝက်နှင့်တစ်ဝက်: အစမ်းသပ်မှုများ၏စီစဉ်ထားအရွယ်အစား 200,000 လူတွေဖြစ်ပါတယ်။
    • ကင်ပိန်း၏ကုန်ကျစရိတ်ပါဝင်သူတစ်ဦးလျှင် $ 0,14 ဖြစ်ပါတယ်။
    • စည်းရုံးလှုံ့ဆော်ရေးအတှကျမြျှောလငျ့ထား Roi 25% ဖြစ်ပါသည် [ \((0.175 - 0.14)/0.14\) ] ။ တစ်နည်းမှာစျေးကွက်ရှာဖွေရေးဌာနစျေးကွက်အပေါ်သုံးစွဲတစ်ဦးချင်းစီကို 100 ဒေါ်လာ, ကုမ္ပဏီအမြတ်အစွန်းအတွက်အပိုဆောင်း $ 25 ရရှိမည်ယုံကြည်သည်။

    ဒီအဆိုပြုထားသောစမ်းသပ်မှုအကဲဖြတ်တစ်ဦးမှတ်စုတိုရေးပါ။ သင့်ရဲ့မှတ်စုတိုသင်ဖန်တီးသောအခြင်း simulation ထံမှသက်သေအထောက်အထားကိုအသုံးပြုသင့်ပါတယ်, အဲဒါကနှစ်ခုအဓိကပြဿနာများကိုဖြေရှင်းရန်သင့်တယ်: စီစဉ်ထားတဲ့အတိုင်း (1) အကယ်. သင်ဤစမ်းသပ်မှုစတင်အကြံပြုမလား? သို့ဆိုလျှင်အဘယ်ကြောင့်? မဟုတ်ခဲ့လျှင်, အဘယ်ကြောင့်မခံသနည်း သင်ဤဆုံးဖြတ်ချက်စေရန်အသုံးပြုနေသည်သောစံနှုန်းများအကြောင်းကိုရှင်းရှင်းလင်းလင်းဖြစ်ဖို့သေချာစေပါ။ (2) အကယ်. သင်ဤစမ်းသပ်မှုအဘို့အဘယ်သို့နမူနာအရွယ်အစားအကြံပြုမလဲ နောက်တဖန်သင်သည်ဤဆုံးဖြတ်ချက်စေရန်အသုံးပြုနေသည်သောစံနှုန်းများအကြောင်းကိုရှင်းရှင်းလင်းလင်းဖြစ်ရန်သေချာစေပါပါ။

    A ကောင်းဆုံးမှတ်စုတိုဒီတိကျတဲ့အမှုဖြေရှင်းတော်မူမည် ပိုကောင်းတဲ့မှတ်စုတို (ကင်ပိန်း၏အကျိုးသက်ရောက်မှု၏အရွယ်အစားတစ် function ကိုအဖြစ်ဘယ်လိုဆုံးဖြတ်ချက်အပြောင်းအလဲများပြဥပမာ) တလမ်းတည်း၌ဤအမှုအနေဖြင့်ယဘေုယကြလိမ့်မည် ကြီးစွာသောမှတ်စုတိုတစ်ဦးအပြည့်အဝ generalized ရလဒ်တင်ပြပါလိမ့်မယ်။ သင့်ရဲ့မှတ်စုတိုသင့်ရဲ့ရလဒ်တွေကိုသရုပျဖျောကိုကူညီဂရပ်များအသုံးပြုသင့်ပါတယ်။

    ဤတွင်နှစ်ဦးကိုအရိပ်အမြွက်ဖြစ်ကြသည်။ ပထမဦးစွာစျေးကွက်ရှာဖွေရေးဌာနအချို့မလိုအပ်တဲ့သတင်းအချက်အလက်တွေအားဖြင့်သင်တို့ကိုပေးအပ်ခဲ့ကြလိမ့်မယ်, သူတို့အချို့လိုအပ်သောသတင်းအချက်အလက်များနှင့်အတူသငျသညျများကိုပျက်ကွက်ခဲ့ကြပေလိမ့်မည်။ သငျသညျ R ကိုအသုံးပြုနေသည်ဆိုပါကစက္ကန့်သည်, rlnorm () function ကိုလူများစွာမျှော်လင့်ထားကြောင်းလမ်းအလုပ်မလုပ်ပါဘူးကိုသတိထားပါ။

    ဤသည်လှုပ်ရှားမှုသင် Simulator အတွက်အာဏာကိုခွဲခြမ်းစိတ်ဖြာနှင့်အတူလေ့ကျင့်များနှင့်စကားများနှင့်ဂရပ်များနှင့်သင်၏ရလဒ်များကိုဆက်သွယ်ငါပေးမည်။ ဒါဟာသင်, စမ်းသပ်မှုမဆိုကြင်နာဘို့ရွယ်ခန့်မှန်းရန်ဒီဇိုင်းရေးဆွဲမယ့်စမ်းသပ်ချက်ပါဝါခွဲခြမ်းစိတ်ဖြာလုပ်ဆောင်သွားရန်ကူညီသင့်ပါတယ်။ ဤသည်လှုပ်ရှားမှုသင်သည်စာရင်းအင်းစမ်းသပ်ခြင်းနှင့်အာဏာခွဲခြမ်းစိတ်ဖြာနှင့်အတူအချို့သောအတွေ့အကြုံကိုရှိသည်ယူဆတယ်။ သင်တို့သည်တန်ခိုးကိုခွဲခြမ်းစိတ်ဖြာနှင့်ရင်းနှီးကျွမ်းဝင်မဟုတ်ခဲ့လျှင်, သင်တို့ကိုငါနေဖြင့် "တစ်ဦးကပါဝါ primer" ဖတ်ရှုဖို့အကြံပြုလိုပါတယ် Cohen (1992)

    ဤသည်လှုပ်ရှားမှုကချစ်စရာကောင်းတဲ့စက္ကူအားဖြင့်မှုတ်သွင်းခဲ့သည် RA Lewis and Rao (2015) ကှကျကှကျကှငျးကှငျးပင်အကြီးအကျယ်စမ်းသပ်ချက်၏အခြေခံစာရင်းအင်းန့်အသတ်သရုပ်ဖော်သော။ သူတို့ရဲ့စက္ကူ-ရာမူလက "Advertising ကြော်ငြာဖို့ Returns တိုင်းတာခြင်း၏အနီး-မဖြစ်နိုင်တွင်" ကိုလိုက်စားခေါင်းစဉ်ခဲ့ကြောင့်ပင်ဖောက်သည်သန်းပေါင်းများစွာပါဝင်သောဒစ်ဂျစ်တယ်စမ်းသပ်ချက်နှင့်အတူ, အွန်လိုင်းကြော်ငြာများ၏ရင်းနှီးမြှုပ်နှံမှုအပေါ်ပြန်လာတိုင်းတာရန်သည်မည်မျှခက်ခဲ -shows ။ ပိုများသောယေဘုယျအားဖြင့်, RA Lewis and Rao (2015) ကဆူညံရလဒ်ကိုဒေတာနေရခြင်းသေးငယ်တဲ့ကုသမှုသက်ရောက်မှုကိုခန့်မှန်းရန်ခက်ခဲသည်: ဒစ်ဂျစ်တယ်-အသက်အရွယ်စမ်းသပ်ချက်များအတွက်အထူးအရေးကြီးပါတယ်တဲ့အခြေခံစာရင်းအင်းတကယ်တော့သရုပျဖျော။

  22. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် ] ယခင်ဆိုတဲ့မေးခွန်းကိုကဲ့သို့တူညီသောလုပ်ပါ, ဒါပေမယ့်, အစားခြင်း simulation ထက်, သင်ခွဲခြမ်းစိတ်ဖြာရလဒ်များကိုအသုံးပြုသင့်ပါတယ်။

  23. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် ] ယခင်ဆိုတဲ့မေးခွန်းကိုကဲ့သို့တူညီသောလုပ်ပါ, ဒါပေမယ့်ခြင်း simulation နှင့် analytical ရလဒ်များကိုနှစ်ဦးစလုံးကိုအသုံးပြုပါ။

  24. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် သူတို့ကစမ်းသပ်မှုမီနှင့်အပြီးအရောင်းအကြား 0.4 ဆက်စပ်မှုကိုမျှော်လင့်:] သင်အထက်တွင်ဖော်ပြထားသောမှတ်စုတိုရေးထားပွီနှင့်စျေးကွက်ရှာဖွေရေးဦးစီးဌာနအနေဖြင့်တစ်စုံတစ်ဦးကိုအသစ်သောသတငျးအခကျြတစျခုအပိုင်းအစကိုထောက်ပံ့ပေးကြောင်းဆိုပါစို့။ ယင်းကိုမည်သို့သင့်ရဲ့မှတ်စုတိုအတွက်အကြံပြုချက်များကိုပြောင်းလဲသလဲ, (အရိပ်အမြွက်: ခြားနားချက်-of ​​နည်းလမ်းများခန့်မှန်းချက်များနှင့်ခြားနားချက်-In-ကွဲပြားခြားနားမှုခနျ့မှနျးအပေါ်ပိုပြီးအဘို့အပိုင်း 4.6.2 ကိုကြည့်ပါ။ )

  25. [ ခိုင်မာသော , သင်္ချာလိုအပ်ပါတယ် ] အသစ်တခု web-based အလုပ်အကိုင်-အကူအညီအစီအစဉ်၏ထိရောက်မှုကိုအကဲဖြတ်ရန်ရန်အလို့ငှာ, တက္ကသိုလ်ကျောင်းသည်သူတို့၏နောက်ဆုံးနှစ်တွင်ဝင် 10000 ကျောင်းသားများအကြားတစ်ဦးကိုကျပန်းထိန်းချုပ်ရုံးတင်စစ်ဆေးပြုလုပ်ခဲ့သည်။ အခြား 5000 ကျောင်းသားများကိုထိန်းချုပ်မှုအုပ်စုတို့စာရင်းသွင်းခြင်းရှိသည်မဟုတ်ခဲ့ပါစဉ်ထူးခြားသော log-in သတင်းအချက်အလက်နှင့်အတူတစ်ဦးကအခမဲ့ကြေးပေးသွင်းခြင်း, ကျပန်းရွေးချယ်ထားသည့်ကျောင်းသား 5000 မှတစ်ဦးသီးသန့်အီးမေးလ်ကဖိတ်ကြားချက်ကိုမှတဆင့်လှေတျတျောမူခဲ့သညျ။ တကျိပ်နှစ်ပါးသောလအကြာ, (အဘယ်သူမျှမ nonresponse နှင့်အတူ) တစ်နောက်ဆက်တွဲစစ်တမ်းနှစ်ခုလုံးကုသမှုနှင့်ထိန်းချုပ်မှုအုပ်စုများအတွက်ကျောင်းသား 70% ဟာသူတို့ရဲ့ရွေးကောက်တော်မူသောလယ် ​​(စားပွဲ 4.6) တွင်လုံခြုံအချိန်ပြည့်အလုပ်အကိုင်ခဲ့ကြောင်းပြသခဲ့သည်။ ထို့ကြောင့်က web-based service ကိုအဘယ်သူမျှမသက်ရောက်ခဲ့ပုံရသည်။

    သို့သော်တက္ကသိုလ်မှာလိမ္မာပါးနပ် data တွေကိုသိပ္ပံပညာရှင်တစ်နည်းနည်းပိုပြီးနီးနီးကပ်ကပ်ဒေတာကြည့်ရှုခြင်းနှင့်ကုသမှုအုပ်စုတွင်ကျောင်းသားများသာ 20% အစဉ်အဆက်အီးမေးလ်ကိုလက်ခံရရှိပြီးနောက်အကောင့်သို့ logged ကြောင်းတွေ့ရှိခဲ့ပါတယ်။ ထို့ပြင်နှင့်အတန်ငယ်အံ့သြစရာကောင်းလောက်အောင်, ဝက်ဘ်ဆိုက်သို့ log ခဲ့ဘူးသူတို့တွင်သာ 60% ကို log in မပြုခဲ့သူကိုလူတို့အဘို့နှုန်းထက်နိမ့်သောလူအများအတွက်နှုန်းထက်နိမ့်ခဲ့သည့်၎င်းတို့၏ရှေးခယျြသောလယ်ပြင်၌အတွက်လုံခြုံအချိန်ပြည့်အလုပ်အကိုင်ခဲ့ ထိန်းချုပ်မှုအခြေအနေ (စားပွဲ 4.7) ၌တည်၏။

    1. ဖြစ်ပျက်ခဲ့ကြလိမ့်မယ်အရာကိုတစ်ဦးရှင်းပြချက်သည်။
    2. ဒီစမ်းသပ်မှုများတွင်ကုသမှု၏အကျိုးသက်ရောက်မှုတွက်ချက်နှစ်ခုကွဲပြားခြားနားတဲ့နည်းလမ်းတွေကဘာတွေလဲ?
    3. ဒီရလဒ်ပေးထားသည့်ကျောင်းသားအားလုံးဤဝန်ဆောင်မှုပေးသင့်သလဲ ရုံရှင်းရှင်းလင်းလင်းဖြစ်ဖို့, ဒီတစ်ခုရိုးရှင်းတဲ့အဖြေနှင့်အတူမေးခွန်းတစ်ခုမဟုတ်ပါဘူး။
    4. သူတို့လာမယ့်ဘာလုပ်သင့်သလဲ

    အရိပ်အမြွက်: ဒီမေးခှနျးကိုဤအခနျးတှငျဖုံးလွှမ်းပစ္စည်းထက်ကျော်လွန်သွားပေမယ့်စမ်းသပ်ချက်အတွက်ဘုံကိစ္စများအမှာစကားပြောကြား။ သင်တန်းသားများကိုကုသမှုထဲမှာထိတွေ့ဆက်ဆံဖို့အားပေးတိုက်တွန်းကြောင့်စမ်းသပ်ဒီဇိုင်း၏ဤအမျိုးအစားတခါတရံတခုအားပေးမှုဒီဇိုင်းဟုခေါ်သည်။ ဤပြဿနာကိုတဦးတည်းတဖက်သတ် noncompliance (အခန်း 5 ကိုတွေ့မြင်ဟုခေါ်သည်အရာကိုဥပမာတစ်ခုဖြစ်ပါသည် Gerber and Green (2012) ) ။

  26. [ ခိုင်မာသော ] နောက်ထပ်စာမေးပွဲပြီးနောက်ကြောင့်ယခင်ဆိုတဲ့မေးခွန်းကိုမှာဖော်ပြထားတဲ့စမ်းသပ်မှုသည် ပို. ပင်ရှုပ်ထွေးခဲ့ကြောင်းထွက်လှည့်။ ဒါဟာဝန်ဆောင်မှုမှဝင်ရောက်ခွင့်များအတွက်ပေးဆောင်ထိန်းချုပ်မှုအုပ်စုတွင်ပါသောလူများ၏ 10% ထွက်လှည့်, သူတို့ 65% (စားပွဲ 4.8) ၏တစ်ဦးအလုပ်အကိုင်အနှုန်းကိုအတူတက်အဆုံးသတ်ခဲ့သည်။

    1. သင်ထင်သောအရာကိုစုစည်းတင်ပြရန်အီးမေးလ်တစ်စောင်ဖြစ်ပျက်နေသည်ရေးရန်နှင့်လုပ်ဆောင်ချက်များ၏သင်တန်းအကြံပြုပါသည်။

    အရိပ်အမြွက်: ဒီမေးခှနျးကိုဤအခနျးတှငျဖုံးလွှမ်းပစ္စည်းထက်ကျော်လွန်သွားပေမယ့်စမ်းသပ်ချက်အတွက်ဘုံကိစ္စများအမှာစကားပြောကြား။ ဤပြဿနာကိုနှစ်ဦးကိုတဖက်သတ် noncompliance (အခန်း 6 ကိုတွေ့မြင်ဟုခေါ်သည်အရာကိုဥပမာတစ်ခုဖြစ်ပါသည် Gerber and Green (2012) ) ။

စားပွဲတင် 4.6: အအလုပ်ရှာဖွေရေးန်ဆောင်မှုများစမ်းသပ်မှုကနေဒေတာများ၏ရိုးရှင်းသောကြည့်ရန်
Group မှ အရွယ် အလုပ်အကိုင်အမှုနှုန်း
ကွန်ရက်စာမျက်နှာခွင့်ပြုခဲ့ access ကို 5000 70%
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ခွင့်ပြုမပေး 5000 70%
စားပွဲတင် 4.7: အအလုပ်ရှာဖွေရေးန်ဆောင်မှုများစမ်းသပ်မှုကနေဒေတာများ၏နောက်ထပ်အပြီးအစီးကြည့်ရန်
Group မှ အရွယ် အလုပ်အကိုင်အမှုနှုန်း
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ပေးသနားခြင်းနှင့် logged in ဝင်သော 1000 60%
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ပေးသနားခြင်းနှင့် logged in ဝင်သောဘယ်တော့မှ 4000 72.5%
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ခွင့်ပြုမပေး 5000 70%
စားပွဲတင် 4.8: အအလုပ်ရှာဖွေရေးန်ဆောင်မှုများစမ်းသပ်မှုကနေဒေတာများကိုအပြည့်အဝကြည့်ရန်
Group မှ အရွယ် အလုပ်အကိုင်အမှုနှုန်း
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ပေးသနားခြင်းနှင့် logged in ဝင်သော 1000 60%
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ပေးသနားခြင်းနှင့် logged in ဝင်သောဘယ်တော့မှ 4000 72.5%
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ပေးသနားခြင်းနှင့်ထိုသို့ပေးဆောင်မဟုတ် 500 65%
က်ဘ်ဆိုက်ဝင်ရောက်ခွင့်ခွင့်ပြုမပြုနှင့်ထိုသို့ပေးဆောင်ကြဘူး 4500 70,56%