လှုပ်ရှားမှုများ

Key ကို:

  • အခက်အခဲ၏ဒီဂရီ: လွယ်ကူသော လွယ်ကူသော , အလယ်အလတ် အလယ်အလတ် မာ ခိုင်မာသော , အရမ်းခက်တယ် အရမ်းခက်တယ်
  • (သင်္ချာလိုအပ်ပါတယ် သင်္ချာလိုအပ်ပါတယ် )
  • (coding လိုအပ်ပါတယ် coding လိုအပ်ပါတယ် )
  • ဒေတာစုဆောင်း ( ဒေတာစုဆောင်း )
  • ကျွန်မအကြိုက်ဆုံး ( ကိုယ်နှစ်သက်သော )
  1. [ အလယ်အလတ် , ဒေတာစုဆောင်း ] Berinsky နှင့်လုပ်ဖော်ကိုင်ဖက်များက (2012) သုံးဂန္စမ်းသပ်ချက်ပုံတူသဖြင့်အစိတ်အပိုင်းအတွက်စက်မှု Turk တန်ဖိုး။ အားဖြင့်ဂန္ထဝင်အာရှရောဂါဘောင်စမ်းသပ်မှုပုံတူပွား Tversky and Kahneman (1981) ။ သင့်ရဲ့ရလဒ်တွေကိုပွဲစဉ် Tversky နှင့် Kahneman ရဲ့ပါသလား သင့်ရဲ့ရလဒ်တွေကို Berinsky နှင့်လုပ်ဖော်ကိုင်ဖက်များကကိုက်ညီပါသလား? အဘယျသို့-လျှင်ဘာမှ-ပါဘူးဒီစစ်တမ်းစမ်းသပ်ချက်အဘို့စက်မှု Turk အသုံးပြုခြင်းအကြောင်းကျွန်တော်တို့ကိုသင်ပေး?

  2. [ အလယ်အလတ် , ကိုယ်နှစ်သက်သော ] တစ်ဦးအတန်ငယ်လျှာကို-In-ပါးစက္ကူခုနှစ်တွင်လူမှုရေးစိတ်ပညာရှင်ရောဘတ် Cialdini ၏စာရေးဆရာတဦး "ကျနော်တို့ Up ကိုချိုးဖို့ဖူး" အမည်ရ Schultz et al. (2007) ကြောင့်သူအဓိကအားဖြင့်ဓာတ်ခွဲခန်းစမ်းသပ်ချက်ကျင်းပမယ့်စည်းကမ်း (စိတ်ပညာ) တွင်လယ်ပြင်စမ်းသပ်ချက်လုပ်နေတာရင်ဆိုင်စိန်ခေါ်မှုများ၏အစိတ်အပိုင်းအတွက်, သူအစောပိုင်းတွင်ပါမောက္ခတစ်ဦးအဖြစ်သူ၏အလုပ်ကနေအနားယူခဲ့ကွောငျး wrote (Cialdini 2009) ။ Cialdini ရဲ့စက္ကူဖတ်​​ပါ, သူ့ကိုဒစ်ဂျစ်တယ်စမ်းသပ်ချက်များ၏ဖြစ်နိုင်ခြေ၏အလင်း၌သူ၏ချိုး-up ကပြန်လည်စဉ်းစားရန်သူ့ကိုတိုက်တွန်းအီးမေးလ်တစ်စောင်ရေးပါ။ မိမိအစိုးရိမ်ပူပန်မှုများဖြေရှင်းရန်ကြောင်းသုတေသန၏တိကျသောဥပမာကိုသုံးပါ။

  3. [ အလယ်အလတ် ], အသေးစားကနဦးအောင်မြင်မှုများ-in ကို lock သို့မဟုတ်ရှားညှိုးနွမ်းရှိမရှိဆုံးဖြတ်ရန်ဗန်က de Rijt နှင့်နှင့်လုပ်ဖော်ကိုင်ဖက်များနိုင်ရန်အတွက် (2014) ကျပန်းရွေးချယ်ထားသည့်သင်တန်းသားများအပေါ်အောင်မြင်မှုကိုအထက်တွင်လေးကွဲပြားခြားနားသောစနစ်များသို့ကြားဝင်, ပြီးတော့ဒီမတရားအောင်မြင်မှုရေရှည်သက်ရောက်မှုတိုင်းတာ။ သင်အလားတူစမ်းသပ်မှုတွေကို run နိုင်သည့်အတွက်အခြားစနစ်များကိုစဉ်းစားနိုင်ပါသလား? သိပ္ပံနည်းကျတန်ဖိုး algorithmic သဖွငျ့ (အခန်း 2 ကိုကြည့်ပါ), နှင့်ကျင့်ဝတ်၏ကိစ္စရပ်များကို၏စည်းကမ်းချက်များ၌ထို systems အကဲဖြတ်ရန်။

  4. [ အလယ်အလတ် , ဒေတာစုဆောင်း ] စမ်းသပ်မှုတစ်ခု၏ရလဒ်များသင်တန်းသားများပေါ်မူတည်နိုင်ပါတယ်။ စမ်းသပ်မှုတစ်ခု Create ပြီးတော့နှစ်ဦးကွဲပြားခြားနားသောစုဆောင်းမှုမဟာဗျူဟာများကို အသုံးပြု. အမေဇုံစက်မှု Turk (MTurk) ပေါ်မှာ run ပါ။ ရလဒ်ကိုတတ်နိုင်သမျှကွဲပြားခြားနားသောဖွစျလိမျ့မညျဒါမှစမ်းသပ်မှုနှင့်စုဆောင်းမှုမဟာဗျူဟာကောက်ဖို့ကြိုးစားပါ။ ဥပမာအားဖြင့်, သင်တို့၏စုဆောင်းမှုမဟာဗျူဟာနံနက်ယံ၌သင်တန်းသားများနှင့်ညဦးစုဆောင်းဖို့ဒါမှမဟုတ်အမြင့်အနိမ့်လစာနှင့်အတူသင်တန်းသားများကိုလျော်ကြေးပေးဖို့ဖြစ်နိုင်ပါတယ်။ စုဆောင်းမှုမဟာဗျူဟာအတွက်ကွဲပြားခြားနားမှုဤမျိုးသင်တန်းသားများနှင့်ကွဲပြားခြားနားသောစမ်းသပ်ရလဒ်များ၏ကွဲပြားခြားနားသောရေကန်ဖို့ဦးဆောင်လမ်းပြနိုင်။ သင့်ရဲ့ရလဒ်တွေကိုဘယ်လိုကွဲပြားခြားနားသောထုတ်ကိုဖွင့်ခဲ့သနည်း က MTurk အပေါ်စမ်းသပ်ချက်အပြေးအကွောငျးအဘယျဖျောပွသနညျး

  5. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် , ကိုယ်နှစ်သက်သော ] သင်စိတ်ခံစားမှုဘယ်လိုကူးစက်လေ့လာမှုစီစဉ်ခဲ့ကြသည်ဆိုပါစို့ (Kramer, Guillory, and Hancock 2014) ။ ကအစောပိုင်းကစူးစမ်းလေ့လာမှုကနေရလဒ်တွေကိုသုံးပါ Kramer (2012) တစ်ဦးချင်းစီအခြေအနေသင်တန်းသားများ၏အရအေတှကျဆုံးဖြတ်ရန်။ ထိုသူနှစ်ဦးလေ့လာမှုများဿုံမတိုက်ဆိုင်ကြဘူးဒါပြည့်စုံရှင်းလင်းစွာသင်လုပ်သမျှသောယူဆချက်စာရင်းပြုစုရန်သေချာစေပါ:

    1. အတွက်အကျိုးသက်ရောက်မှုအဖြစ်ကြီးမားသောသက်ရောက်မှု detect ဖို့လိုအပျခဲ့ကြပေသည်မည်မျှသင်တန်းသားများကိုဆုံးဖြတ်လိမ့်မည်ဟုတစ်ဦးခြင်း simulation Run Kramer (2012) (- \ beta ကို = 0.8 \ 1) \ (\ alpha = 0.05 \) နှင့် \ အတူ။
    2. Analytics တူညီတဲ့တွက်ချက်မှုလုပ်ပါ။
    3. ကနေရလဒ်တွေကိုအပ်ပေးတော်မူ Kramer (2012) စိတ်ခံစားမှုဘယ်လိုကူးစက်ခဲ့ (Kramer, Guillory, and Hancock 2014) (ဆိုလိုသည်မှာကြောင့်လိုအပ်ထက်ပိုသင်တန်းသားများခဲ့) ကျော်-powered?
    4. သင့်ရဲ့တွက်ချက်မှုပေါ်အကြီးမားဆုံးအကျိုးသက်ရောက်မှုရှိသည်သောသင်ကိုဖန်ဆင်းသောယူဆချက်, လော
  6. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် , ကိုယ်နှစ်သက်သော ] အထက်ပါမေးခွန်းအဖြေ, ဒါပေမယ့်အစားထက်အားဖြင့်အစောပိုင်းကစူးစမ်းလေ့လာမှုကို အသုံးပြု. Kramer (2012) ကအစောပိုင်းမှာသဘာဝစမ်းသပ်မှုကနေရလဒ်တွေကိုသုံး Coviello et al. (2014)

  7. [ လွယ်ကူသော ] နှစ်ဦးစလုံး Rijt et al. (2014) နှင့် Margetts et al. (2011) နှစ်ဦးစလုံးတစ်ဦးအသနားခံစာလက်မှတ်ထိုးလူများ၏လုပ်ငန်းစဉ်ကိုလေ့လာဖို့ကြောင်းစမ်းသပ်ချက်လုပ်ဆောင်။ ဒီလေ့လာမှုတွေ၏ဒီဇိုင်းနှင့်တွေ့ရှိချက်များကိုနှိုင်းယှဉ်ကြည့်ပါနဲ့နှိုငျးယှဉျ။

  8. [ လွယ်ကူသော ] Dwyer, Maki, and Rothman (2015) လူမှုရေးစံချိန်စံညွှန်းများနှင့် proenvironmental အပြုအမူအကြားဆက်ဆံရေးအပေါ်နှစ်ဦးကိုလယ်စမ်းသပ်ချက်ပြုလုပ်ခဲ့သည်။ ဒီနေရာမှာသူတို့ရဲ့စက္ကူ၏စိတ္တဇင်:

    "ဘယ်လိုစိတ်ဓါတ်သိပ္ပံပညာ proenvironmental အပြုအမူကိုအားပေးအသုံးပြုသွားမည်စေခြင်းငှါ? နှစ်ဦးလေ့လာမှုများခုနှစ်တွင်အများပြည်သူရေချိုးခန်းစွမ်းအင်ထိန်းသိမ်းစောင့်ရှောက်ရေးအပြုအမူမြှင့်တင်ရန်ရည်ရွယ်ဝင်ရောက်စွက်ဖက်ရေးဖော်ပြရန်စံချိန်စံညွှန်းများနှင့်ပုဂ္ဂိုလ်ရေးတာဝန်များ၏သြဇာလွှမ်းမိုးမှုဆန်းစစ်ခဲ့သည်။ တစ်စုံတစ်ဦးက setting ကိုများအတွက်ဖော်ပြရန်စံအချက်ပြသည့်လှတျလပျအများပြည်သူရေချိုးခန်းသို့ဝင်တော်ရှေ့မှာလေ့လာမှု 1 မှာ, အလငျးကိုအဆင့်အတန်း (ဆိုလိုသည်မှာ, သို့မဟုတ်ပိတ်) ကြိုးကိုင်ခြယ်လှယ်ခဲ့ပါတယ်။ သင်တန်းသားများကိုသူတို့ဝငျကွသညျ့အခါသူတို့ချွတ်ခဲ့ကြလျှင်အလင်းအိမ်ပိတ်ရန်သိသိသာသာပိုရှိကြ၏။ လေ့လာမှု 2 မှာတစ်ဦးအပိုဆောင်းအခွအေနေအလငျးကိုပိတ်ခြင်း၏စံတစ်ပွညျကိုအမှီအားဖြင့်သရုပ်ပြခဲ့သောတွင်ထည့်သွင်း, ဒါပေမယ့်သင်တန်းသားများပေါ်လှည့်အဘို့တာဝန်ယူသူတို့ကိုယ်သူတို့မဟုတ်ကြခဲ့သည်။ ပုဂ္ဂိုလ်ရေးတာဝန်အပြုအမူအပေါ်လူမှုရေးစံချိန်စံညွှန်း၏သြဇာလွှမ်းမိုးမှုစိစစ်; သင်တန်းသားများအလငျးဖွင့်အဘို့တာဝန်မယူခဲ့ကြသောအခါ, စံ၏သြဇာလွှမ်းမိုးမှုလျော့ခဲ့ပါတယ်။ ဤရလဒ်စံချိန်စံညွှန်းများနှင့်ပုဂ္ဂိုလ်ရေးတာဝန် proenvironmental ဝင်ရောက်စွက်ဖက်ရေး၏ထိရောက်မှုကိုထိန်းညှိခြင်းငှါအဘယ်သို့ဖော်ပြရန်ညွှန်ပြ။ "

    သူတို့ရဲ့စက္ကူ Read နှင့်လေ့လာမှု 1 တစ်ဦးပွားဒီဇိုင်း။

  9. [ အလယ်အလတ် , ဒေတာစုဆောင်း ] သင်၏ဒီဇိုင်းကိုထုတ်သယ်ယခုယခင်မေးခွန်းအပေါ်တည်ဆောက်ခြင်း။

    1. ဘယ်လိုရလဒ်တွေနှိုင်းယှဉ်ပါသနည်း
    2. အဘယျသို့ထိုကွဲပြားမှုကိုရှင်းပြနိုငျသလဲ
  10. [ အလယ်အလတ် ] အမေဇုံစက်မှု Turk မှစုဆောင်းသင်တန်းသားများကို အသုံးပြု. စမ်းသပ်မှုနှင့် ပတ်သက်. သိသိသာသာဆွေးနွေးငြင်းခုံရှိခဲ့သည်။ အပြိုင်ခုနှစ်တွင်လည်းဘွဲ့ကြိုကျောင်းသားဦးရေကနေစုဆောင်းသင်တန်းသားများကို အသုံးပြု. စမ်းသပ်မှုနှင့် ပတ်သက်. သိသိသာသာဆွေးနွေးငြင်းခုံရှိပါသည်။ သုတေသီများသင်တန်းသားများအဖြစ် Turkers နှင့်ဘွဲ့ကြိုနှိုင်းယှဉ်ခြင်းနှင့်ခြားနားတဲ့ Two-စာမျက်နှာမှတ်စုတိုရေးပါ။ သင့်ရဲ့နှိုင်းယှဉ်သိပ္ပံနှင့်ထောက်ပံ့ပို့ဆောင်ရေးနှစ်ဦးစလုံးကိစ္စရပ်များကိုတစ်ဦးဆွေးနွေးမှုပါဝင်သင့်သည်။

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

    "ကျွန်မနေတဲ့စစ်မှန်တဲ့စီးပွားရေးပါရမီ, စမ်းသပ်ချက်၏တန်ခိုး၏နက်ရှိုင်း, ထိုးထွင်းသိမြင် understeer ခဲ့သူတစ်ဦးကိုယ့်ကိုယ်ကိုလုပ်ဘီလျံနာနှင့်အတူအစည်းအဝေးတစ်ခုအတွက်တစ်ချိန်ကခဲ့သည်။ သူ့ကုမ္ပဏီသမားရိုးကျသည်ပညာကိုသူတို့သင့်ဟုဆိုသည်အတိုင်း, စားသုံးသူများနှင့်တိုးအရောင်းဆွဲဆောင်မယ်လို့ကြီးမြတ်စတိုးဆိုင်ပြတင်းပေါက်ပြသမှုကိုဖန်တီးရန်ကြိုးစားနေသိသိသာသာအရင်းအမြစ်များကိုသုံးစွဲခဲ့သည်။ ဂရုတစိုက်အနှစ်တစ်ကာလအတွင်းဒီဇိုင်းကိုအပြီးနှင့်တစ်ဦးချင်းစီစမ်းသပ်ပြန်လည်သုံးသပ်အစည်းအဝေးများအတွက်ဒီဇိုင်းကိုစမျးသပျကျွမ်းကျင်သူများကရောင်းအားအပေါ်တစ်ခုချင်းစီအသစ် display ကိုဒီဇိုင်းကိုအဘယ်သူမျှမသိသာကြောင်းကျိုးဆက်စပ်အကျိုးသက်ရောက်မှုဖြင့်ထားရှိမည်။ အကြီးတန်းစျေးကွက်နှင့်ရောင်းကုန်ပစ္စည်းများအမှုဆောင်အရာရှိ toto တွင်ဤသမိုင်းဆိုင်ရာစမ်းသပ်မှုရလဒ်များအပြန်လည်သုံးသပ်ဖို့ CEO ဖြစ်သူနှင့်လည်းတွေ့ဆုံခဲ့သည်။ စမ်းသပ်အချက်အလက်များ၏အားလုံးတင်ဆက်ထားပါတယ်ပြီးနောက်, သူတို့သမားရိုးကျသည်ပညာကိုမှား-ကြောင်း display တွေရောင်းအားမောင်းကြဘူးပြတင်းပေါက်ခဲ့ကြောင်းသုံးသပ်ခဲ့သည်။ သူတို့ရဲ့အကြံပြုလုပ်ဆောင်မှုသည်ဤဒေသရှိစရိတ်နှင့်ကြိုးစားအားထုတ်မှုကိုလျှော့ချဖို့ဖြစ်တယ်။ ဤသည်သိသိသာသာသမားရိုးကျသည်ပညာကိုလွှမ်းမိုးဖို့လက်တွေ့စမ်းသပ်ချက်များ၏စွမ်းရည်ကိုသရုပ်ပြခဲ့သည်။ အဆိုပါ CEO ဖြစ်သူရဲ့တုန့်ပြန်ရိုးရှင်းတဲ့ခဲ့: 'ငါ့အနိဂုံးချုပ်သင့်ရဲ့ဒီဇိုင်နာကအလွန်ကောင်းသောမဟုတ်ဖြစ်ပါတယ်။ ' ' သူ့ရဲ့ဖြေရှင်းချက်စတိုးဆိုင် display ကိုဒီဇိုင်းအတွက်ကြိုးစားအားထုတ်မှုကိုတိုးမြှင့်ရန်, နှင့်အသစ်ကလူထိုသို့ပြုမှရခဲ့သည်။ " (Manzi 2012, 158–9)

    အမှုဆောင်အရာရှိချုပ်၏စိုးရိမ်ပူပန်မှုကိုတရားဝင်မှု၏ဘယ်အမျိုးအစားဖြစ်သနည်း

  12. [ လွယ်ကူသော ] ယခင်မေးခွန်းအပေါ်တည်ဆောက်ခြင်း, သင်စမ်​​းသပ်ချက်၏ရလဒ်များကိုဆွေးနွေးကြ၏ရှိရာအစည်းအဝေးတွင်ဖြစ်ကြောင်းမြင်ယောင်ကြည့်ပါ။ သငျသညျမေးမြန်းနိုင်ကြောင်းလေးမေးခွန်းများကို, သက်တမ်းအသီးအသီးအမျိုးအစားဘို့တ (စာရင်းအင်း, တည်ဆောက်ရန်, ပြည်တွင်းရေးနှင့်ပြင်ပ) ကဘာတွေလဲ?

  13. [ လွယ်ကူသော ] Bernedo, Ferraro, and Price (2014) မှာဖော်ပြထားတဲ့ရေချွေတာကြားဝင်ခုနစ်နှစ်အရွယ်အကျိုးသက်ရောက်မှုလေ့လာနေ Ferraro, Miranda, and Price (2011) (ပုံ 4.10 ကိုကြည့်ပါ) ။ ဤစာတမ်း၌, Bernedo နှင့်လုပ်ဖော်ကိုင်ဘက်လည်းရှိသည်နှင့်ကုသမှုကိုအပ်ခဲ့ပြီးနောက်ပြောင်းရွှေ့ကြပြီမဟုတ်ကြောင်းအိမ်ထောင်စုများ၏အမူအကျင့်နှင့်နှိုင်းယှဉ်ခြင်းအားဖြင့်အကျိုးသက်ရောက်နောက်ကွယ်ကယန္တရားကိုနားလည်သဘောပေါက်ရန်ရှာကြာလော့။ ဒါကအကြမ်းဖျင်း, သူတို့ကုသမှုအိမ်ဒါမှမဟုတ်အိမ်ရှင်ထိခိုက်ခြင်းရှိမရှိကြည့်ရှုရန်ကြိုးစားသည်။

    1. စက္ကူ Read, သူတို့ရဲ့ဒီဇိုင်းကိုဖော်ပြရန်, သူတို့၏တွေ့ရှိချက်အကျဉ်းချုပ်။ ခ) သူတို့၏တွေ့ရှိချက်များကိုသင်အလားတူဝင်ရောက်စွက်ဖက်ရေး၏ကုန်ကျစရိတ်-ထိရောက်မှုအကဲဖြတ်သင့်ပါတယ်ဘယ်လိုအကျိုးသက်ရောက်ပါသလား ဒီတော့လျှင်ဘာကြောင့်လဲ မလိုလျှင်, အဘယ်ကြောင့်မခံသနည်း
  14. [ လွယ်ကူသော ] ရန်နောက်ဆက်တွဲခုနှစ်တွင် Schultz et al. (2007) , Schultz နှင့်လုပ်ဖော်ကိုင်ဘက်နှစ်ဦးအခင်းအကျင်း (ကဟိုတယ်နှင့်တစ်ဦး timeshare ကွန်ဒိုမီနီယံ) တွင်တစ်ဦးကွဲပြားခြားနားသဘာဝပတ်ဝန်းကျင်အပြုအမူ (သုတ်ပဝါပြန်သုံး) အပေါ်ဖော်ပြရန်နှင့်တရားရုံးမိန့်စံချိန်စံညွှန်း၏အကျိုးသက်ရောက်မှုအပေါ်သုံးစမ်းသပ်ချက်တစ်ခုစီးရီးလုပ်ဆောင် (Schultz, Khazian, and Zaleski 2008)

    1. ဤသုံးပါးစမ်းသပ်ချက်များ၏ဒီဇိုင်းနှင့်တွေ့ရှိချက်များကို summarize ။
    2. မှာအားလုံးမယ်ဆိုရင်ဘယ်လို, သူတို့သင်တို့၏အနက်ကိုပြောင်းလဲပါဘူး Schultz et al. (2007) ?
  15. [ လွယ်ကူသော ] မှတုန့်ပြန်ခုနှစ်တွင် Schultz et al. (2007) , Canfield, Bruin, and Wong-Parodi (2016) လျှပ်စစ်ဥပဒေကြမ်းများ၏ဒီဇိုင်းကိုလေ့လာဖို့ဓာတ်ခွဲခန်းကဲ့သို့စမ်းသပ်ချက်တစ်ခုစီးရီးသို့ပွေးလေ၏။ ဒီနေရာမှာသူတို့ကစိတ္တဇအတွက်ဖော်ပြဖို့ဘယ်လိုဖွင့်:

    "စစ်တမ်းတစ်ခု-based စမ်းသပ်မှု၌, အသီးအသီးပါဝင်သူ (က) သမိုင်းဆိုင်ရာအသုံးပြုမှုနှင့် ပတ်သက်. သတင်းအချက်အလက်ဖုံးအုပ်, အတော်လေးမြင့်မားလျှပ်စစ်ဓာတ်အားအသုံးပြုမှုနှင့်အတူတစ်မိသားစုများအတွက်ဖြစ်နိုင်ချေလျှပ်စစ်မီးဥပဒေကြမ်းမြင်လျှင်, အိမျနီးခငျြးမြား (ခ) နှိုင်းယှဉ်နှင့်ပစ္စည်းပြိုကွဲနှင့်အတူ (ဂ) သမိုင်းဆိုင်ရာအသုံးပြုခြင်း။ သင်တန်းသားများအားလုံး (က) စားပွဲအပါအဝင်သုံးဦးကို formats တသတင်းအချက်အလက်အမျိုးအစားများ, (ခ) ဘားဂရပ်များ, (ဂ) သင်္ကေတကိုဂရပ်များကိုမြင်တော်မူ၏။ ကျနော်တို့သုံးယောက်အဓိကတွေ့ရှိချက်အပေါ်သတင်းပို့ပါ။ တက table ထဲမှာပေးအပ်ခဲ့သောအခါပထမဦးစွာစားသုံးသူတွေစားပွဲရိုးရှင်းတဲ့အချက်စာဖတ်ခြင်းလွယ်ကူချောမွေ့ဖြစ်ကောင်းသောကွောငျ့, အများဆုံးလျှပ်စစ်မီးသုံးစွဲအချက်အလက်များ၏အသီးအသီးအမျိုးအစားနားလည်သဘောပေါက်။ ဒုတိယအချက်မှာဦးစားပေးရွေးချယ်မှုနှင့်လျှပ်စစ်မီးကယ်ဖို့ရည်ရွယ်ချက်တွေ format ကို၏လွတ်လပ်သော, သမိုင်းအသုံးပြုမှုသတင်းအချက်အလက်အတွက်အင်အားအကောင်းဆုံးခဲ့ကြသည်။ တတိယအချက်အနိမ့်စွမ်းအင်ကိုစာတတ်မြောက်ရေးနှင့်အတူတစ်ဦးချင်းစီလျော့နည်းအချက်အလက်အားလုံးကိုသိနားလည်ကြ၏။ "

    အခြားနောက်ဆက်တွဲလေ့လာမှုများနှင့်မတူဘဲအတွက်အကျိုးစီးပွား၏အဓိကရလဒ် Canfield, Bruin, and Wong-Parodi (2016) အပြုအမူမဟုတ်အမှန်တကယ်အပြုအမူဖော်ပြခဲ့သည်ဖြစ်ပါတယ်။ စွမ်းအင်ကိုချွေတာမြှင့်တင်တဲ့ကျယ်ပြန့်သုတေသနအစီအစဉ်အတွက်လေ့လာမှု၏ဤအမျိုးအစားများ၏အားသာချက်နှင့်အားနည်းချက်များကိုဘာတွေလဲ?

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

    "နေမကောင်းကျန်းမာရေးကိုကာကွယ်တားဆီးဖို့ရည်ရွယ်အများအပြားဝင်ရောက်စွက်ဖက်ရေးကဲ့သို့ပင်လေထီး၏ထိရောက်မှု randomized ထိန်းချုပ်ထားသောစမ်းသပ်မှုတွေကိုအသုံးပြုခြင်းအားဖြင့်တိကျခိုင်မာစွာအကဲဖြတ်အကြောင်းမဲ့မခံတော်မူပြီ။ သက်သေအထောက်အထားအခြေပြုဆေးပညာ၏ထောက်ခံသူများကိုသာစူးစမ်းဒေတာကိုသုံးခြင်းဖြင့်အကဲဖြတ်ဝင်ရောက်စွက်ဖက်ရေး၏မွေးစားဝေဖန်ကြပြီ။ ကျနော်တို့လူတိုင်းအထောက်အထားအခြေပြုဆေးပညာ၏အများဆုံးအစွန်းရောက်အရေးပါသောဇာတ်ကောင်ဖွဲ့စည်းလျှင်အကျိုးခံစားရပြီးနှစ်ဆမျက်စိကန်းသော Random, placebo ထိန်းချုပ်ထားခြင်း, လေထီး၏ crossover ရုံးတင်စစ်ဆေးပါဝင်ခဲ့အံ့သောငှါထင်ပါတယ်။ "

    စမ်းသပ်သက်သေအထောက်အထားများ၏ fetishization ဆန့်ကျင်ငြင်းခုံ, ထိုကဲ့သို့သော The New York Times သတင်းစာအဖြစ်အထွေထွေစာဖတ်သူသတင်းစာများအတွက်သင့်လျော်သောတစ်ဦး op-ed ရေးထားလော့။ တိကျတဲ့, ကွန်ကရစ်ဥပမာများကိုပေးစွမ်းပါသည်။ အရိပ်အမြွက်: ကိုလည်းကြည့်ပါ Bothwell et al. (2016) နှင့် Deaton (2010)

  17. [ အလယ်အလတ် , coding လိုအပ်ပါတယ် , ကိုယ်နှစ်သက်သော ] တစ်ဦးဆေးကုသမှုအကျိုးသက်ရောက်မှု၏ Difference-In-ကွဲပြားခြားနားမှုခန့်မှန်းချက်ခြားနားချက်-In-ယုတ်ခန့်မှန်းချက်ထက်ပိုမိုတိကျသောစေနိုင်ပါတယ်။ အွန်လိုင်းမှစမ်းသပ်မှုအပြေးအဘို့အခြားနားချက်-In-ကွဲပြားခြားနားမှုချဉ်းကပ်မှု၏တန်ဖိုးကိုရှင်းပြတဲ့ Start-up ဆိုရှယ်မီဒီယာကုမ္ပဏီတစ်ခုမှာ A / B ကိုစမ်းသပ်ခြင်းတာဝန်ခံအင်ဂျင်နီယာတစ်ဦးမှတစ်ဦးမှတ်စုတိုရေးပါ။ အဆိုပါမှတ်စုတိုပြဿနာရဲ့ကြေညာချက်, ခြားနားချက်-In-ခြားနားချက်ခနျ့မှနျးခြားနားချက်-In-ယုတ်ခနျ့မှနျး outperform တံ့သောအောကျခွအေနမြေား ပတ်သက်. အချို့သောပင်ကိုယ်နှင့်ရိုးရှင်းသောခြင်း simulation လေ့လာမှုပါဝင်သင့်သည်။

  18. [ လွယ်ကူသော , ကိုယ်နှစ်သက်သော ] ဂယ်ရီ Loveman Harrah ၏ CEO ဖြစ်သူ, ကမ္ဘာ့အကြီးဆုံးလောင်းကစားရုံကုမ္ပဏီတွေထဲကတစ်ခုဖြစ်လာမီကဟားဗတ်စီးပွားရေးကျောင်းပါမောက္ခတစ်ဦးဖြစ်ခဲ့သည်။ သူ Harrah ရဲ့ပြောင်းရွေ့တဲ့အခါ, Loveman ဖောက်သည်အပြုအမူနှင့် ပတ်သက်. အချက်အလက်များ၏ကြီးမားတဲ့ပမာဏစုဆောင်းတဲ့မကြာခဏလက်ကမ်းကြော်ငြာတွေကကဲ့သို့သစ္စာရှိမှုအစီအစဉ်နှင့်အတူကုမ္ပဏီအဖြစ်အသွင်ပြောင်း။ ဒီအရာရဲ့ထိပ်တွင်တိုင်းတာခြင်းစနစ်ကအမြဲ-on ကုမ္ပဏီကစမ်းသပ်လည်ပတ်စတင်ခဲ့သည်။ ဥပမာအားဖြင့်, သူတို့တစ်တွေသတ်သတ်မှတ်မှတ်လောင်းကစားပုံစံနှင့်အတူဖောက်သည်များအတွက်အခမဲ့ဟိုတယ်ညတစ်ကူပွန်၏အကျိုးသက်ရောက်မှုအကဲဖြတ်ဖို့စမ်းသပ်မှုတစ်ခုကို run ပါလိမ့်မယ်။ ဤတွင် Loveman Harrah ရဲ့နေ့စဉ်လုပ်ငန်းကိုအလေ့အကျင့်မှလက်တွေ့စမ်းသပ်ချက်၏အရေးပါမှုကိုဖျောပွထားပုံကိုဖွင့်:

    "ဒါဟာသင်အမျိုးသမီးများနှောင့်ယှက်ကြပါဘူးတူ, သငျသညျမခိုးမ, သင်တစ်ဦးကိုထိန်းချုပ်အုပ်စုရှိသည်ဖို့ရရှိပါသည်ပါပဲ။ ဤသည်သင်တစ်ဦးထိန်းချုပ်ရေးအဖွဲ့ကအပြေး Harrah's-မမှာအဘို့သင့်အလုပ်ဆုံးရှုံးနိုငျသောအရာတစျခုဖွစျသညျ။ " (Manzi 2012, 146)

    Loveman ကထိန်းချုပ်အုပ်စုရှိသည်ဖို့အလှနျအရေးကွီးထင်အဘယ်ကြောင့်ရှင်းပြအသစ်တစ်ခုကိုဝန်ထမ်းအီးမေးလ်ကိုရေးပါ။ သငျသညျဥပမာတစ်ခု-ဖြစ်စေစစ်မှန်သောသို့မဟုတ် Up-to သင့်ရဲ့အမှတ်သရုပျဖျောဖန်ဆင်းပါဝင်ဖို့ကြိုးစားသင့်ပါ။

  19. [ ခိုင်မာသော , သင်္ချာလိုအပ်ပါတယ် ] အသစ်စမ်းသပ်မှုကာကွယ်ဆေးထိုးလွန်ကဲအပေါ်စာသားမက်ဆေ့ခ်ျသတိပေးချက်များလက်ခံရရှိ၏အကျိုးသက်ရောက်မှုကိုခန့်မှန်းရန်ရည်ရွယ်သည်။ 150 ဆေးခန်း, 600 အရည်အချင်းပြည့်မီလူနာနှင့်အတူအသီးအသီး, ပါဝင်ဆောင်ရွက်ရန်ဆန္ဒရှိနေကြသည်။ အဲဒီမှာသင်နှင့်အတူအလုပ်လုပ်ချင်ချင်းစီဆေးခန်း 100 ဒေါ်လာတစ်ဦး fixed ကုန်ကျစရိတ်ဖြစ်ပါတယ်, ဒါကြောင့်သင်ပို့ချင်သောအသီးအသီးကိုစာသားမက်ဆေ့ခ်ျကို 1 ဒေါ်လာကုန်ကျသည်။ နောက်ထပ်, သင်တို့နှင့်အတူအလုပ်လုပ်ကြသည်ဆိုဆေးခန်းအခမဲ့ (တစ်စုံတစ်ဦးကိုတစ်ဦးကာကွယ်ဆေးလက်ခံရရှိခြင်းရှိမရှိ) ရလဒ်ကိုတိုင်းတာလိမ့်မယ်။ သငျသညျ 1000 ဒေါ်လာတစ်ဘတ်ဂျက်ရှိသည်ယူဆ။

    1. အခွအေနကဆေးခန်း၏သေးငယ်တဲ့အရေအတွက်အပေါ်ကပိုပြီးကျယ်ပြန့်သူတို့ကိုပြန့်နှံ့ဖို့ပိုကောင်းစေခြင်းငှါအဘယျသို့အခြေအနေများအောက်တွင်သင်တို့၏အရင်းအမြစ်များကိုအာရုံစိုကျဖို့ပိုကောင်းစေခြင်းငှါအဘယျသို့အောက်မှာ?
    2. အဘယျသို့အကြောင်းရင်းများကိုသင်ယုံကြည်စိတ်ချရသောသင်၏အဘတ်ဂျက်နှင့်အတူ detect နိုင်ပါလိမ့်မည်ကြောင်းအသေးငယ်ဆုံးအကျိုးသက်ရောက်မှုအရွယ်အစားကိုဆုံးဖြတ်ရန်မလဲ
    3. အလားအလာငွေကြေးထောက်ပံ့ဤ trade-off ကိုရှင်းပြတဲ့မှတ်စုကိုရေးပါ။
  20. [ ခိုင်မာသော , သင်္ချာလိုအပ်ပါတယ် ] အွန်လိုင်းသင်တန်းများနှင့်အတူအဓိကပြဿနာ attrition ဖြစ်၏ သင်တန်းများကိုစတင်အများအပြားကျောင်းသားများကိုကျဆင်းနေ-ထဲကတက်အဆုံးသတ်ရတတ်ပါတယ်။ သင်တစ်ဦးအွန်လိုင်းသင်ယူမှုပလက်ဖောင်းမှာအလုပ်လုပ်နေကြပြီး, ပလက်ဖောင်းမှာဒီဇိုင်နာသူမသင်တန်း၏ထွက်ကျဆင်းနေမှကျောင်းသားများကိုတားဆီးကူညီပေးပါမည်ထင်တဲ့အမြင်အာရုံတိုးတက်မှုပြဘားကဖန်တီးပြီဆိုပါစို့။ သင်တစ်ဦးကြီးများကွန်ပျူတာလူမှုရေးသိပ္ပံပညာသင်တန်းကျောင်းသားများအားအပေါ်တိုးတက်မှုပြဘား၏အကျိုးသက်ရောက်မှုကိုစမ်းသပ်ချင်တယ်။ ထိုစမ်းသပ်မှုအတွက်ပျေါပေါကျစခွေငျးငှါမညျသညျ့ကျင့်ဝတ်ဆိုင်ရာကိစ္စရပ်များကိုဖြေရှင်းပြီးနောက်, သင်နှင့်သင့်လုပ်ဖော်ကိုင်ဖက်သင်တန်းယုံကြည်စိတ်ချရသောတိုးတက်မှုဘား၏သက်ရောက်မှု detect ဖို့လုံလောက်တဲ့ကျောင်းသားများကိုရှိသည်မဟုတ်စေခြင်းငှါစိုးရိမ်နေကြရ။ သငျသညျအောက်ကတွက်ချက်မှုများတွင်ကျောင်းသားများ၏ထက်ဝက်တိုးတက်မှုပြဘားကိုခံယူခြင်းနှင့်တစ်ဝက်မည်မဟုတ်ယူဆနိုင်ပါတယ်။ ထို့ပြင်သင်တို့သည်နောက်ဝင်ရောက်စွက်ဖက်မှုရှိကွောငျးယူဆနိုင်ပါတယ်။ တစ်နည်းဆိုရသော်သင်သည်သင်တန်းသားများကိုသာသူတို့ကုသမှုသို့မဟုတ်ထိန်းချုပ်မှုလက်ခံရရှိခြင်းရှိမရှိကြောင့်ထိခိုက်ကြသည်ဟုယူဆနိုငျသညျ သူတို့ (မြင်, တစ်ဦးထက်ပိုသောပုံမှန်ချက်နှင့်အဓိပ္ပါယ်ဘို့အခြားလူများကုသမှုသို့မဟုတ်ထိန်းချုပ်မှုလက်ခံရရှိခြင်းရှိမရှိအားဖြင့်ထိခိုက်ကြသည်မဟုတ် Gerber and Green (2012) Ch ။ 8,) ။ သငျသညျလုပ်မဆိုအပိုဆောင်းယူဆချက်ခြေရာခံစောင့်ရှောက်ပေးပါ။

    1. ယုံကြည်စိတ်ချရသောအကျိုးသက်ရောက်မှု detect လုပ်ဖို့လိုအပ်တဲ့နမူနာအရွယ်အစားသည်အဘယ်သို့, တိုးတက်မှုဘား 1 ရာခိုင်နှုန်းအမှတ်အားဖြင့်အတန်းပြီးဆုံးသောကျောင်းသားများကို၏အချိုးအစားတိုးမြှင့်ဖို့မျှော်လင့်ရသည်ဆိုပါစို့?
    2. ဆိုပါစို့တိုးတက်မှုဘားယုံကြည်စိတ်ချရသောအကျိုးသက်ရောက်မှု detect လုပ်ဖို့လိုအပ်တဲ့နမူနာအရွယ်အစားသည်အဘယ်သို့, 10 ရာခိုင်နှုန်းမှတ်အားဖြင့်အတန်းပြီးဆုံးသောကျောင်းသားများကို၏အချိုးအစားတိုးမြှင့်ဖို့မျှော်လင့်ထားသလဲ?
    3. ယခုတွင်သင်သည်ပစ္စည်းများနောက်ဆုံးစာမေးပွဲဖြေဆိုယူကြပြီအားလုံးသင်တန်းပြီးစီးပြီသူကိုစမ်းသပ်မှုများနှင့်ကျောင်းသားကျောင်းသူများကို run ပြီဆိုပါစို့။ သငျသညျမပွုခဲ့သောသူတို့သည်လည်းထိုရန်တိုးတက်မှုပြဘားကိုလက်ခံရရှိသူကိုကြောငျးသားမြား၏နောက်ဆုံးစာမေးပွဲဖြေဆိုရမှတ်များနှိုင်းယှဉ်တဲ့အခါမှာ, သင်တိုးတက်မှုပြဘားကိုခံယူဘဲအဘယ်သူသည်ကျောင်းသားများကိုအမှန်တကယ်မြင့်မားသွင်းယူကြောင်း, သင်၏အံ့သြဖို့အများကြီးရှာပါ။ ဒီတိုးတက်မှုကိုဘားကကျောင်းသားလျော့နည်းသင်ယူစေ၏ဟုဆိုလိုပါသလား? သင်ဤရလဒ်ကိုဒေတာကနေဘာသင်ယူနိုင်သလဲ (အရိပ်အမြွက်: ကိုကြည့်ပါ Gerber and Green (2012) ။ , Ch 7)
  21. [ အရမ်းခက်တယ် , coding လိုအပ်ပါတယ် ] ချစ်စရာကောင်းတဲ့စက္ကူ, ခုနှစ်တွင် Lewis and Rao (2015) ကှကျကှကျကှငျးကှငျးပင်အကြီးအကျယ်စမ်းသပ်ချက်၏အခြေခံစာရင်းအင်းန့်အသတ်သရုပျဖျော။ အဆိုပါစက္ကူ-သောမူလက "Advertising ကြော်ငြာမှပြန်လည်တိုင်းတာခြင်းများအနီး-မဖြစ်နိုင်တွင်" ကိုလိုက်စားခေါင်းစဉ်ခဲ့ကြောင့်ပင်ဖောက်သည်သန်းပေါင်းများစွာနှငျ့ပတျသကျသောဒစ်ဂျစ်တယ်စမ်းသပ်ချက်နှင့်အတူ, အွန်လိုင်းကြော်ငြာများ၏ရင်းနှီးမြှုပ်နှံမှုအပေါ်ပြန်လာတိုင်းတာရန်သည်မည်မျှခက်ခဲ -shows ။ ပိုများသောယေဘုယျအားဖြင့်, စက္ကူရှင်းလင်းစွာကဆူညံရလဒ်ကိုဒေတာနေရခြင်းသေးငယ်တဲ့ကုသမှုကိုအကျိုးသက်ရောက်မှုကိုခန့်မှန်းရန်ခက်ခဲကြောင်းပြသထားတယ်။ သို့မဟုတ် diffently ဖော်ပြထား, စက္ကူသက်ရောက်မှု-to-စံ-သွေဖည် (\ (\ frac {\ မြစ်ဝကျွန်းပေါ် \ ဘား {y က}} {\ Sigma} \)) အချိုးအစားသေးငယ်တဲ့အခါခန့်မှန်းခြေကုသမှုသက်ရောက်မှုများကြီးမားယုံကြည်စိတ်ချမှုကြားကာလကြလိမ့်မည်ကွောငျးဖျောပွ။ ဤစာတမ်းမှအရေးကြီးသောယေဘုယျသငျခနျးစာကိုသေးငယ်တဲ့သက်ရောက်မှု-to-စံ-သွေဖည်အချိုးအစား (ကြော်ငြာစည်းရုံးလှုံ့ဆော်ရေး၏ဥပမာရွယ်) နဲ့စမ်းသပ်မှုတွေကနေရလဒ်တွေကိုမကျေနပ်ဖြစ်လိမ့်မည်ဖြစ်ပါသည်။ သင့်ရဲ့စိန်ခေါ်မှုတခုကြော်ငြာကင်ပိန်း၏ရွယ်တိုင်းတာရန်စီစဉ်ထားသည့်စမ်းသပ်မှု evaluting သင့်ကုမ္ပဏီ၏စျေးကွက်ရှာဖွေရေးဦးစီးဌာနအတွက်တစ်စုံတစ်ဦးမှတစ်ဦးမှတ်စုတိုရေးသားဖို့ဖြစ်လိမ့်မည်။ သင့်ရဲ့မှတ်စုတိုကွန်ပျူတာ Simulator ၏ရလဒ်များကို၏ဂရပ်များနှင့်အတူထောက်ခံသင့်ပါတယ်။

    ဒီနေရာတွင်လိုအပ်ပါတယ်စေခြင်းငှါအချို့နောက်ခံသတင်းအချက်အလက်ပါပဲ။ ဤအကိန်းဂဏန်းတန်ဖိုးများအားလုံးအတွက်ဖော်ပြခဲ့သည်အစစ်အမှန်စမ်းသပ်ချက်၏ပုံမှန်ရှိပါတယ် Lewis and Rao (2015) :

    • ရွယ်, အွန်လိုင်းကြော်ငြာစည်းရုံးလှုံ့ဆော်ရေးအတှကျအဓိကမက်ထရစ်, ကင်ပိန်း၏ကုန်ကျစရိတ်အားဖြင့်ခှဲဝေကင်ပိန်း (ကင်ပိန်းလှုံ့ဆော်ရေးအနုတ်ကုန်ကျစရိတ်ကနေထူထပ်အမြတ်အစွန်း) အနေဖြင့်အသားတင်အမြတ်ဖြစ်သတ်မှတ်ပါတယ်။ ဥပမာအားဖြင့်ရောင်းအားအပေါ်ထိရောက်မှုမရှိကြောင်းခဲ့တဲ့ကင်ပိန်း -100% ၏တစ်ဦးရွယ်ရှိသည်မယ်လို့နှင့်ထုတ်လုပ်ပြီးအမြတ်အစွန်းကုန်ကျစရိတ်နှင့်ညီမျှခဲ့ကြရတဲ့ကင်ပိန်း 0 င်တစ်ဦးရွယ်မယ်။

    • ဖောက်သည်နှုန်းယုတ်ရောင်းအား $ 75 တစ်စံသွေဖည်နှင့်အတူ $ 7 ဖြစ်ပါတယ်။

    • ကင်ပိန်းဖောက်သည်တစ်ဦးလျှင် $ 0,175 ၏အမြတ်အစွန်းတစ်ခုတိုးဖို့လုိုက်လျောညီထွေသောဖောက်သည်တစ်ဦးလျှင် $ 0.35 အားဖြင့်အရောင်းတိုးမြှင့်ဖို့မျှော်လင့်ရသည်။ တစ်နည်းဆိုရသော်အထူထပ် margin 50% ဖြစ်ပါတယ်။

    • ထိုစမ်းသပ်မှုများစီစဉ်ထားအရွယ်အစားထိန်းချုပ်မှုအုပ်စု 200,000 လူများ, ကုသမှုအုပ်စုတွင်တဝက်တဝက်ဖြစ်ပါတယ်။

    • ကင်ပိန်း၏ကုန်ကျစရိတ်ပါဝင်သူတစ်ဦးလျှင် $ 0,14 ဖြစ်ပါတယ်။

    ဒီစမ်းသပ်မှု evaluting တစ်ဦးမှတ်စုတိုရေးပါ။ စီစဉ်ထားတဲ့အတိုင်းသင်ဤစမ်းသပ်မှုစတင်အကြံပြုပါသည်မလား? ဒီတော့လျှင်ဘာကြောင့်လဲ မလိုလျှင်, သင်သည်အဘယ်အရာကိုအပြောင်းအလဲများအထူးအကြံပြုလိုတယ်မလဲ

    A ကောင်းဆုံးမှတ်စုတိုဒီတိကျတဲ့အမှုကိုင်တွယ်ဖြေရှင်းပါလိမ့်မယ်, ပိုကောင်းတဲ့မှတ်စုတို (သက်ရောက်မှု-to-စံ-သွေဖည်အချိုးတစ် function ကိုအဖြစ်ဘယ်လိုဆုံးဖြတ်ချက်အပြောင်းအလဲများပြဥပမာ) တလမ်းတည်း၌ဤအမှုကနေယဘေုလိမ့်မည်; ကြီးစွာသောမှတ်စုတိုတစ်ဦးအပြည့်အဝ generalized ရလဒ်တင်ပြပါလိမ့်မယ်။

  22. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် ] သငျသညျသရုပ်ခွဲရလဒ်များကိုကိုသုံးသင့်ယခင်မေးခွန်းအဖြစ်တူညီပေမယ့်အစားထက်ခြင်း simulation ပါ။

  23. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် ] ယခင်မေးခွန်းကဲ့သို့တူညီသောလုပ်ပါ, ဒါပေမယ့်ခြင်း simulation နှင့်သရုပ်ခွဲရလဒ်များကိုနှစ်ခုလုံးကိုအသုံးပြုပါ။

  24. [ အရမ်းခက်တယ် , သင်္ချာလိုအပ်ပါတယ် , coding လိုအပ်ပါတယ် ] သငျသညျခြင်း simulation, သရုပ်ခွဲရလဒ်များကို, ဒါမှမဟုတ်တစ်ခုခုအထက်-သုံးပြီးဖော်ပြထားတဲ့မှတ်စုတိုရေးထားပြီနှစ်ခုလုံး-နှင့်စျေးကွက်ရှာဖွေရေးဦးစီးဌာနထံမှတစ်စုံတစ်ဦး (ပုဒ်မ 4.6.2 ကိုကြည့်ပါ) တစ်ဦးခြားနားချက်-In-ကွဲပြားခြားနားမှုခနျ့မှနျးအစားထက်နည်းလမ်းများခနျ့မှနျးတစ်ဦးခြားနားချက်ကို အသုံးပြု. အကြံပြုဆိုပါစို့ ။ ထိုစမ်းသပ်မှုပြီးနောက်စမ်းသပ်မှုမပြုမီအရောင်းနှင့်အရောင်းအကြားတစ်ဦး 0.4 ဆက်စပ်မှုသင့်ရဲ့နိဂုံးပြောင်းလဲမယ်လို့ဘယ်လောက်ရှင်းပြအသစ်တစ်ခုကိုတိုတောင်းမှတ်စုတိုရေးပါ။

  25. [ ခိုင်မာသော , သင်္ချာလိုအပ်ပါတယ် ] အသစ်တခု web-based အသက်မွေးဝမ်းကျောင်းဝန်ဆောင်မှု, တက္ကသိုလ်အသက်မွေးဝမ်းကျောင်းန်ဆောင်မှုရုံး၏ထိရောက်မှုကိုအကဲဖြတ်ရန်နိုင်ရန်အတွက်ကျောင်းသူတို့၏နောက်ဆုံးနှစ်တွင်ဝင် 10000 ကျောင်းသားများကိုအကြားတစ်ဦးကိုကျပန်းထိန်းချုပ်ရုံးတင်စစ်ဆေးပြုလုပ်ခဲ့သည်။ အခွားသော 5000 ကျောင်းသားများထိန်းချုပ်အုပ်စုဖြစ်ကြပြီးစာရင်းသွင်းခြင်းရှိသည်မဟုတ်ကြဘူးအနေဖြင့်ထူးခြားသော log-in သတင်းအချက်အလက်နှင့်အတူတစ်ဦးကအခမဲ့ကြေးပေးသွင်းခြင်း, ကျပန်းရွေးချယ်ထားသောကျောင်းသား 5,000 တစ်ခုသီးသန့်အီးမေးလ်ကိုဖိတ်ခေါ်ချက်အားဖြင့်စေလွှတ်တော်မူခဲ့သည်။ ဆယျ့နှစျလအကြာ, (မရှိ Non-တုန့်ပြန်နှင့်အတူ) တစ်ဦးမှာအောက်ပါအတိုင်း-up ကစစ်တမ်းနှစ်ခုလုံးကုသမှုနှင့်ထိန်းချုပ်မှုအုပ်စုများအတွက်, ကျောင်းသား 70% ဟာသူတို့ရဲ့ရွေးကောက်သောလယ်​​ပြင်၌ (ဇယား 4.5) တွင်အချိန်ပြည့်အလုပ်အကိုင်အလုံခြုံပြီဟုပြသထားတယ်။ ထို့ကြောင့်က web-based ဝန်ဆောင်မှုမျှအကျိုးသက်ရောက်ခဲ့ပုံရသည်။

    သို့သော်တက္ကသိုလ်မှာလိမ္မာပါးနပ် data တွေကိုသိပ္ပံပညာရှင်တစ်နည်းနည်းပိုပြီးနီးနီးကပ်ကပ် data တွေကိုကြည့်ရှုခြင်းနှင့်ကုသမှုအုပ်စုတွင်ကျောင်းသားများသာ 20% အစဉ်အဆက်အီးမေးလ်ကိုလက်ခံရရှိပြီးနောက်အကောင့်သို့ logged ကြောင်းတွေ့ရှိခဲ့ပါတယ်။ ထို့ပြင်နှင့်အတန်ငယ်အံ့သြစရာကောင်းလောက်အောင်, ဝက်ဘ်ဆိုက်သို့သာ 60% logged ရှိသည်ဟုသူတို့တွင်လော့ဂ်မလူတို့အဘို့နှုန်းထက်နိမ့်နှင့်အရှိလူများအဘို့အနှုန်းထက်နိမ့်ခဲ့သောသူတို့၏ရှေးကောကျလယ်ကွင်းထဲမှာအချိန်ပြည့်အလုပ်အကိုင်အလုံခြုံခဲ့ ထိန်းချုပ်မှုအခြေအနေ (စားပွဲတင် 4.6) ။

    1. ဖြစ်ပျက်ခဲ့ကြခြင်းငှါအဘယျအဘို့အရှင်းလင်းချက်ပေး။
    2. ဒီစမ်းသပ်မှုအတွက်ကုသမှု၏အကျိုးသက်ရောက်မှုတွက်ချက်နှစ်ခုကွဲပြားခြားနားတဲ့နည်းလမ်းတွေကဘာတွေလဲ?
    3. ဒီရလဒ်ပေးသော, တက္ကသိုလ်အသက်မွေးဝမ်းကျောင်းဝန်ဆောင်မှုအားလုံးကျောင်းသားများအားဤ web-based အသက်မွေးဝမ်းကျောင်းဝန်ဆောင်မှုပေးသင့်သနည်း ရုံရှင်းရှင်းလင်းလင်းဖြစ်, ဒီတစ်ရိုးရှင်းတဲ့အဖြေနှင့်အတူမေးခွန်းမဟုတ်ပါဘူး။
    4. သူတို့နောက်လာမည့်အဘယျသို့ပွုရပါမညျနညျး

    အရိပ်အမြွက်: ဤမေးခွန်းဤအခနျးတှငျဖုံးလွှမ်းပစ္စည်းထက်ကျော်လွန်တတ်ပေမယ့်စမ်းသပ်ချက်အတွက်ဘုံကိစ္စများအမှာစကားပြောကြား။ သင်တန်းသားများကိုကုသမှုထဲမှာထိတွေ့ဆက်ဆံဖို့အားပေးတိုက်တွန်းကြောင့်စမ်းသပ်ဒီဇိုင်း၏ဤအမျိုးအစားတခါတရံတခုအားပေးမှုကိုဒီဇိုင်းဟုခေါ်သည်။ ဤပြဿနာကို (မြင်တည်းတဖက်သတ် Non-လိုက်နာမှုဟုခေါ်သည်ဘယ်အရာ၏ဥပမာတစ်ခုဖြစ်ပါတယ် Gerber and Green (2012) , Ch ။ 5)

  26. [ ခိုင်မာသော ] နောက်ထပ်စာမေးပွဲပြီးနောက်ကြောင့်ယခင်မေးခွန်းမှာဖော်ပြထားတဲ့စမ်းသပ်မှုသည် ပို. ပင်ရှုပ်ထွေးခဲ့ကြောင်းထွက်လှည့်။ ဒါဟာဝန်ဆောင်မှုမှဝင်ရောက်ခွင့်များအတွက်ပေးဆောင်ထိန်းချုပ်မှုအုပ်စုတွင်လူအများ၏ 10% ထွက်လှည့်, သူတို့သည် 65% (စားပွဲတင် 4.7) ၏တစ်ဦးအလုပ်အကိုင်အမှုနှုန်းနှင့်အတူတက်အဆုံးသတ်ခဲ့သည်။

    1. သငျသညျအဘယျသို့ထင်စုစည်းတင်ပြရန်အီးမေးလျဘာဖြစ်နေလဲရေးထားနှင့်လုပ်ဆောင်ချက်တစ်ခုသင်တန်းကိုအထူးအကြံပြုလိုတယ်။

    အရိပ်အမြွက်: ဤမေးခွန်းဤအခနျးတှငျဖုံးလွှမ်းပစ္စည်းထက်ကျော်လွန်တတ်ပေမယ့်စမ်းသပ်ချက်အတွက်ဘုံကိစ္စများအမှာစကားပြောကြား။ ဤပြဿနာကို (မြင်နှစ်ခုတဖက်သတ် Non-လိုက်နာမှုဟုခေါ်သည်ဘယ်အရာ၏ဥပမာတစ်ခုဖြစ်ပါတယ် Gerber and Green (2012) , Ch ။ 6)

စားပွဲတင် 4.5: အအသက်မွေးဝမ်းကျောင်းန်ဆောင်မှုစမ်းသပ်မှုကနေအချက်အလက်များ၏ရိုးရှင်းသောအမြင်။
Group က အရွယ် အလုပ်အကိုင်အမှုနှုန်း
ဝက်ဘ်ဆိုက်မှခွင့်ပြုခဲ့ access ကို 5000 70%
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားမဟုတ် 5000 70%
စားပွဲတင် 4.6: အအသက်မွေးဝမ်းကျောင်းန်ဆောင်မှုစမ်းသပ်မှုကနေအချက်အလက်များ၏ပိုမိုပြည့်စုံသောအမြင်။
Group က အရွယ် အလုပ်အကိုင်အမှုနှုန်း
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားနှင့် logged 1000 60%
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားနှင့် logged ဘယ်တော့မှ 4000 85%
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားမဟုတ် 5000 70%
စားပွဲတင် 4.7: အအသက်မွေးဝမ်းကျောင်းန်ဆောင်မှုစမ်းသပ်မှုကနေအချက်အလက်များ၏အပြည့်အဝရှုထော။
Group က အရွယ် အလုပ်အကိုင်အမှုနှုန်း
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားနှင့် logged 1000 60%
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားနှင့် logged ဘယ်တော့မှ 4000 72.5%
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားခြင်းနှင့်ထိုသို့ပေးဆောင်မဟုတ် 500 65%
ဝက်ဘ်ဆိုက်မှဝင်ရောက်ခွင့်ပေးသနားမကြောင့်မဆပ်ခဲ့ပါ 4500 70,56%