4.6.2 बदल्नुहोस्, परिष्कृत र कम

, गैर-प्रयोगात्मक अध्ययन संग प्रयोगहरू प्रतिस्थापन गर्ने उपचार शोधन र सहभागी संख्या कम गरेर आफ्नो प्रयोग बढी दयालु गर्नुहोस्।

म डिजिटल प्रयोगहरू डिजाइन बारेमा प्रस्ताव गर्न चाहन्छु कि सल्लाह दोस्रो टुक्रा नैतिकता सम्बन्धित छ। विकिपीडिया शो मा barnstars मा Restivo र भ्यान डे Rijt प्रयोग, लागत कम रूपमा अर्थ नैतिकता अनुसन्धान डिजाइन को एक झन् महत्त्वपूर्ण भाग हुनेछ भनी। नैतिक सिद्धान्तहरू मुछिएको जनावर प्रयोगहरू मार्गदर्शन गर्न विकास: म अध्याय 6 मा वर्णन छौँ कि मानव विषयहरू अनुसन्धान मार्गदर्शक नैतिक रूपरेखा साथै, डिजिटल प्रयोगहरू डिजाइन अनुसन्धानकर्ताहरूले पनि फरक स्रोतबाट नैतिक विचार मा आकर्षित गर्न सक्छन्। खासगरी, दयालु प्रयोगात्मक प्रविधी को आफ्नो ल्यान्डमार्क पुस्तक सिद्धान्तहरूले मा, Russell and Burch (1959) बदल्नुहोस्, परिष्कृत र कम: तीन पशु अनुसन्धान मार्गदर्शन गर्नुपर्छ भनेर सिद्धान्तहरू प्रस्तावित। म यी तीन आर गरेको पनि प्रयोग मा-कि सकिँदैन एक अलिकति परिमार्जन प्रस्तावित गर्न चाहनुहुन्छ फारम-मानव प्रयोगहरू को डिजाइन पुस्तिका। खासमा,

  • बदल्नुहोस्: यदि सम्भव छ भने कम आक्रामक तरिका संग प्रयोगहरू प्रतिस्थापन
  • परिष्कृत: यो सकेसम्म अहानिकारक बनाउन उपचार परिष्कृत
  • कम: सकेसम्म धेरै तपाईँको प्रयोग सहभागी संख्या कम

यी तीन आर गरेको ठोस बनाउन र तिनीहरूले संभावित अझ राम्रो र दयालु प्रयोगात्मक डिजाइन गर्न सक्छ कसरी देखाउन गर्न, म नैतिक बहस उत्पन्न एउटा अनलाइन क्षेत्र प्रयोग वर्णन छौँ। त्यसपछि म तीन आर गरेको को प्रयोग को डिजाइन गर्न ठोस र व्यावहारिक परिवर्तन सुझाव कसरी वर्णन छौँ।

सबैभन्दा नैतिकता बहस डिजिटल क्षेत्र प्रयोगहरू को एक आदम क्रेमर, जेमी Gillroy, र जेफरी ह्यानकक द्वारा आयोजित गरियो जो "भावनात्मक Contagion," छ (2014) । यो प्रयोग फेसबुकमा भयो र वैज्ञानिक र व्यावहारिक प्रश्न को एक मिश्रण उत्प्रेरित थियो। समय मा, प्रयोगकर्ता Facebook संग interacted कि मूख्य तरिका समाचार फिड, एक प्रयोगकर्ताको फेसबुक साथीहरूबाट फेसबुक स्थिति अद्यावधिक एक क्रमबद्ध संगठित सेट थियो। फेसबुक केही आलोचकहरु समाचार फीड ज्यादातर सकारात्मक आफ्नो नवीनतम देखावटी पोस्ट-साथीहरू छ किनभने पार्टी-यो आफ्नो जीवन तुलना मा कम रोमाञ्चक लाग्न किनभने प्रयोगकर्ता दुःखी महसुस गर्न सक्छ कि सुझाव थियो। अर्कोतर्फ, सायद प्रभाव ठ्याक्कै विपरीत छ; शायद तिमी खुसी महसुस बनाउने राम्रो भएको आफ्नो मित्र देखेर? सम्बोधन गर्न यी परिकल्पना-र एक व्यक्तिको भावना उनको मित्र 'ले प्रभावित कसरी हाम्रो समझ बढाउन भावना-क्रेमर र सहयोगिहरु भाग्यो एक प्रयोग प्रतिस्पर्धा। शोधकर्ताओं एक हप्ताको लागि चार समूह मा बारेमा 7,00,000 प्रयोगकर्ता राखिएको: एक "negativity कम" समूह, नकारात्मक शब्द (जस्तै, दुःखी) अनियमित समाचार फीड देखा पर्ने रोकिएका थिए संग कसको लागि पोस्ट; जसलाई सकारात्मक शब्द (जस्तै, खुसी) संग पोस्ट अनियमित रोकिएका थिए लागि एक "positivity कम" समूह; र दुई नियन्त्रण समूह। को "negativity कम" समूहको लागि नियन्त्रण समूह मा, पोस्ट अनियमित गर्ने "negativity कम" समूहको रूपमा तर भावनात्मक सामग्री सन्दर्भमा बिना नै दरमा रोकिएका थिए। को "positivity कम" समूहको लागि नियन्त्रण समूह एक समानता फेसनमा निर्माण गरिएको थियो। यो प्रयोग को डिजाइन उपयुक्त नियन्त्रण समूह सधैं कुनै परिवर्तन संग छ कि देखाउँछ। बरु, कहिलेकाहीं नियन्त्रण समूह एक अनुसन्धान प्रश्न आवश्यक छ कि सटीक तुलना सिर्जना गर्न एक उपचार प्राप्त गर्दछ। सबै अवस्थामा, समाचार फीड देखि रोकिएका थिए कि पोस्ट गर्ने फेसबुक वेबसाइट को अन्य भागहरु मार्फत अझै पनि प्रयोगकर्तालाई उपलब्ध थिए।

क्रेमर र सहयोगिहरु को positivity सहभागी अवस्था कम लागि, आफ्नो स्थिति अद्यावधिक सकारात्मक शब्दहरू प्रतिशत घट्यो र नकारात्मक शब्दहरू प्रतिशत वृद्धि फेला परेन। अर्कोतर्फ, यो negativity कम अवस्थामा सहभागीहरू लागि, सकारात्मक शब्दहरू प्रतिशत वृद्धि र नकारात्मक शब्दहरू प्रतिशत (चित्रा 4.23) घट्यो। तर, यी प्रभाव एकदम साना थिए: उपचार र नियन्त्रण बीच सकारात्मक र नकारात्मक शब्दमा फरक 1,000 शब्दमा बारेमा 1 थियो।

चित्रा 4.23: भावनात्मक contagion को प्रमाण (क्रेमर, Guillory, र ह्यानकक 2014)। सकारात्मक शब्द र प्रयोगात्मक हालत नकारात्मक शब्दहरू प्रतिशत। बार मानक त्रुटिहरू अनुमानित प्रतिनिधित्व।

चित्रा 4.23: भावनात्मक contagion को प्रमाण (Kramer, Guillory, and Hancock 2014) । सकारात्मक शब्द र प्रयोगात्मक हालत नकारात्मक शब्दहरू प्रतिशत। बार मानक त्रुटिहरू अनुमानित प्रतिनिधित्व।

म अध्याय को अन्त्यमा थप पढाइ खण्डमा यो प्रयोग वैज्ञानिक पक्षलाई छलफलको राख्नु गर्नुभएको छ, तर दुर्भाग्यवश, यो प्रयोग नैतिक बहस उत्पन्न लागि सबैभन्दा ज्ञात छ। यो कागज विज्ञान राष्ट्रिय प्रतिष्ठानमा को कार्यवाही मा प्रकाशित भएको थियो केवल दिन पछि, अनुसन्धानकर्ताहरूले र प्रेस दुवै एक भारी outcry थियो। 1) सहभागीहरू केही विचार सहभागीहरूलाई हानि हुन सक्छ र 2) अध्ययन भइरहेको थियो तेस्रो-पक्ष नैतिक एक उपचारका लागि मानक फेसबुक सर्तहरू-को-सेवा परे कुनै पनि सहमति प्रदान गर्नुभयो: दुई मुख्य बुँदा केन्द्रित कागज वरिपरि आक्रोश समीक्षा (Grimmelmann 2015) । यो बहस हुर्के नैतिक प्रश्न पत्रिका चाँडै अनुसन्धान लागि नैतिकता र नैतिक समीक्षा प्रक्रियाको बारेमा एक दुर्लभ "चासो को सम्पादकीयमा अभिव्यक्ति" प्रकाशित कारण (Verma 2014) । पछि वर्ष मा, प्रयोग तीव्र बहस र मतभेद स्रोत हुन जारी भएको छ, र यो मतभेद कम्पनीहरु द्वारा प्रदर्शन भइरहेका छाया धेरै अन्य प्रयोगहरू मा ड्राइभिङ को अनभिप्रेत प्रभाव थियो हुन सक्छ (Meyer 2014)

भावनात्मक Contagion बारेमा भन्ने पृष्ठभूमि दिइएको, म अब 3 आर गरेको वास्तविक अध्ययनको लागि ठोस, व्यावहारिक सुधार (तपाईंले व्यक्तिगत तवरमा यस विशेष प्रयोग को नैतिकता सोच्न सक्छ जे) सुझाव सक्छ भनेर देखाउने चाहन्छु। पहिलो आर बदल्नुहोस् छ: अनुसन्धानकर्ताहरूले यदि सम्भव कम आक्रामक र जोखिमपूर्ण प्रविधी संग प्रयोगहरू प्रतिस्थापन गर्ने कोसिस गर्नुपर्छ। उदाहरणका लागि, प्रयोग चलिरहेको भन्दा, शोधकर्ताओं प्राकृतिक प्रयोग शोषण सक्थे। अध्याय 2 मा वर्णन रूपमा, प्राकृतिक प्रयोगहरू (जस्तै, एक लटरी गर्ने सैन्य मा मस्यौदा तैयार गरिनेछ निर्णय गर्न) परिस्थिति जहाँ केही उपचार को अनियमित जिम्मेवारी approximates कि संसारमा हुन्छ छन्। प्राकृतिक प्रयोग को फाइदा को शोधकर्ता उपचार प्रदान गर्न छैन भनेर हो; वातावरण लागि भनेर गर्छ। अर्को शब्दमा, प्राकृतिक प्रयोग संग शोधकर्ताहरु छैन experimentally हेरफेर गर्न मानिसहरूको समाचारफिड आवश्यक थियो।

वास्तवमा, लगभग समवर्ती को भावनात्मक Contagion प्रयोग संग, Coviello et al. (2014) एक भावनात्मक Contagion प्राकृतिक प्रयोग के भनिन्छ सकिएन शोषण थियो। सहायक चर भनिने प्रविधी प्रयोग गर्ने आफ्नो दृष्टिकोण, तपाईं अघि देख्यो कहिल्यै गर्नुभएको छ भने एक बिट जटिल छ। त्यसैले, यो आवश्यक थियो किन व्याख्या गर्न, गरेको यो निर्माण गरौं। केही अनुसन्धानकर्ताहरूले भावनात्मक contagion अध्ययन गर्न सक्छ कि पहिलो विचार जहाँ आफ्नो समाचार फीड धेरै नकारात्मक थियो आफ्नो समाचार फीड धेरै दिन तपाईंको पोष्ट गर्न सकारात्मक थियो जहाँ दिन तपाईंको पोष्ट तुलना गर्न हुनेछ। लक्ष्य तपाईंको पोष्ट को भावनात्मक सामग्री भविष्यवाणी बस थियो भने यो दृष्टिकोण राम्रो हुनेछ, तर लक्ष्य आफ्नो पोस्टमा आफ्नो समाचार फिड causal प्रभाव अध्ययन गर्न हो भने यो दृष्टिकोण समस्याग्रस्त छ। यो डिजाइन संग समस्या हेर्न, धन्यवाद विचार गर्नुहोस्। अमेरिकामा, सकारात्मक पोस्ट स्पाइक र नकारात्मक पोस्ट धन्यवाद मा plummet। तसर्थ, धन्यवाद मा, आफ्नो समाचार फीड धेरै सकारात्मक थियो अनुसन्धानकर्ताहरूले देख्न सक्छ र तपाईं साथै सकारात्मक कुराहरू पोस्ट गर्ने। तर, आफ्नो सकारात्मक पोस्ट आफ्नो समाचार फिड सामग्री द्वारा धन्यवाद कारण सक्थ्यो। बरु, causal प्रभाव अनुसन्धानकर्ताहरूले आफ्नो भावना सीधा परिवर्तन बिना आफ्नो समाचार फिड सामग्री परिवर्तन भन्ने कुरा आवश्यक अनुमान गर्न। मौसम: खुसीको कुरा, त्यो भइरहेको सबै समय जस्तै केहि छ।

Coviello र सहयोगिहरु कि कसैको शहर मा एक वर्षाको दिन, औसत मा, लगभग 1 प्रतिशत बिन्दु द्वारा सकारात्मक छन् कि पोस्ट को अनुपात कम र लगभग 1 प्रतिशत बिन्दु द्वारा नकारात्मक छन् भन्ने पोस्ट को अनुपात वृद्धि हुनेछ फेला परेन। त्यसपछि, Coviello र सहयोगिहरु experimentally कसैले गरेको समाचार फीड हेरफेर गर्न आवश्यकता बिना भावनात्मक contagion अध्ययन गर्न यस तथ्यलाई शोषण। सार के तिनीहरूले गरे तपाईंको पोष्ट जहाँ आफ्नो मित्र रहछन शहर मा मौसम द्वारा प्रभावित थिए कसरी उपाय छ। हेर्न किन यो अर्थमा बनाउँछ, तपाईं न्यूयोर्क शहर बस्ने र तपाईं सिएटल बसोबास गर्ने एक मित्र छ कि कल्पना गर्नुहोस्। अब यो सुरु एक दिन सिएटल RAINING भनेर कल्पना गर्नुहोस्। सिएटल यो वर्षा सीधा आफ्नो मुड प्रभावित हुने छैन, तर यो आफ्नो समाचार फीड किनभने आफ्नो साथीको पोस्ट कम सकारात्मक र थप नकारात्मक हुन कारण हुनेछ। तसर्थ, सिएटल मा वर्षा अनियमित आफ्नो समाचार फीड manipulates। एक विश्वसनीय तथ्याङ्क प्रक्रिया मा यो अंतर्ज्ञान खोल्दै जटिल छ (र Coviello र सहकर्मीहरुको प्रयोग सही दृष्टिकोण एक बिट गैर मानक छ) त म थप पढाइ खण्डमा एक विस्तृत छलफल राख्नु गर्नुभएको छ। सबैभन्दा महत्त्वपूर्ण कुरा Coviello बारेमा सम्झना गर्न र सहयोगी दृष्टिकोण संभावित सहभागीहरू हानि सक्ने एउटा प्रयोग चलान आवश्यकता बिना भावनात्मक contagion अध्ययन गर्न तिनीहरूलाई सक्षम छ, र यो धेरै अन्य सेटिङमा तपाईं अन्य संग प्रयोगहरू प्रतिस्थापन गर्न सक्छ कि मामला हुन सक्छ प्रविधी।

3 रुपैया मा दोस्रो परिष्कृत छ: शोधकर्ताओं सानो हानि सम्भव कारण क्रममा आफ्नो उपचार परिष्कृत गर्ने कोसिस गर्नुपर्छ। उदाहरणका लागि, बरु सकारात्मक वा नकारात्मक या त थियो सामग्री अवरुद्ध भन्दा, शोधकर्ताओं सकारात्मक वा नकारात्मक थियो सामग्री बढाया सक्थे। यो बुस्टिङ डिजाइन सहभागी समाचारफिड को भावनात्मक सामग्री परिवर्तन हुनेछ, तर यो चासो को एक आलोचकहरु व्यक्त भनेर सम्बोधन थियो: को प्रयोगहरू आफ्नो समाचार फीड मा महत्वपूर्ण जानकारी सम्झना गर्न सहभागीहरू कारण सक्ने। क्रेमर र सहकर्मीहरुको प्रयोग डिजाइन संग, महत्त्वपूर्ण छ भनेर एउटा सन्देश छ कि रूपमा अवरुद्ध गर्न रूपमा भएको छ। तर, एक बुस्टिङ डिजाइन, विस्थापित हुन भनेर सन्देशहरू कम महत्त्वपूर्ण छन् ती हुनेछ।

अन्तमा, तेस्रो आर कम छ: अनुसन्धानकर्ताहरूले यदि सम्भव, आफ्नो प्रयोग सहभागी संख्या कम गर्ने कोसिस गर्नुपर्छ। विगतमा, यो कमी स्वाभाविक अनुरूप प्रयोगहरू को चर लागत उच्च थियो किनभने, आफ्नो डिजाइन र विश्लेषण अनुकूलन गर्न अनुसन्धान प्रोत्साहन जो भयो। तर, शून्य चर लागत डाटा बेला, अनुसन्धानकर्ताहरूले आफ्नो प्रयोग को आकार मा एक लागत अनुमानप्रकार सामना छैन, र यो अनावश्यक ठूलो प्रयोगहरू गर्न नेतृत्व गर्न सम्भावित छ।

उदाहरणका लागि, क्रेमर र सहयोगिहरु आफ्नो विश्लेषण थप कुशल बनाउन व्यवहार-पूर्व-उपचार जानकारी प्रयोग सक्थे तिनीहरूको सहभागीहरू-यस्तो पूर्व-उपचार पोस्ट रूपमा बारेमा। थप विशेष, बरु उपचार र नियन्त्रण अवस्थामा सकारात्मक शब्दहरू अनुपात तुलना भन्दा, क्रेमर र सहयोगिहरु अवस्था बीच सकारात्मक शब्दहरू अनुपात मा परिवर्तन तुलना सक्थे; एक दृष्टिकोण अक्सर फरक-मा-मतभेद र जो निकट मिश्रित डिजाइन म अध्यायमा पहिले वर्णित छ कि (चित्रा 4.5) सम्बन्धित छ भनिन्छ। त्यो, प्रत्येक सहभागी लागि, शोधकर्ताओं परिवर्तन स्कोर (पोस्ट-उपचार व्यवहार - पूर्व-उपचार व्यवहार) बनाएको छ सक्छ र फेरि उपचार र नियन्त्रण अवस्थामा सहभागी परिवर्तन स्कोर तुलना। यो फरक-मा-मतभेद दृष्टिकोण जो अनुसन्धानकर्ताहरूले धेरै सानो नमूनाहरू प्रयोग नै तथ्याङ्क विश्वास प्राप्त गर्न सक्छन् भन्ने हो, सांख्यिकीय अधिक कुशल छ। अर्को शब्दमा, "विजेट" जस्तै सहभागीहरू उपचार छैन द्वारा, अनुसन्धानकर्ताहरूले अक्सर अधिक सटीक अनुमान प्राप्त गर्न सक्छन्।

कच्चा डाटा बिना यो एक फरक-मा-मतभेद दृष्टिकोण यस मामला मा भएको थियो ठ्याक्कै कसरी धेरै कुशल थाहा गाह्रो छ। तर, Deng et al. (2013) को बिंग खोज इन्जिन मा तीन अनलाइन प्रयोगहरू तिनीहरूले लगभग 50% द्वारा आफ्नो अनुमान को भिन्नता कम गर्न सके कि रिपोर्ट, र समान परिणाम Netflix मा केही अनलाइन प्रयोगहरू लागि रिपोर्ट गरिएको छ (Xie and Aurisset 2016) । यो 50% भिन्नता कमी भएको भावनात्मक Contagion अनुसन्धानकर्ताहरूले तिनीहरूले अलि फरक विश्लेषण विधि प्रयोग गरेका थिए भने आधा आफ्नो नमूना कटौती गर्न सक्षम हुन सक्छन् भन्ने हो। अर्को शब्दमा, विश्लेषण मा एक सानो परिवर्तन संग, 3,50,000 मानिसहरू प्रयोग भाग लिने बचाउनुभयो गरिएको हुन सक्छ।

यो बिन्दुमा तपाईं 3,50,000 मानिसहरू अनावश्यक भावनात्मक Contagion थिए भने किन अनुसन्धानकर्ताहरूले ख्याल गर्नुपर्छ सोच हुन सक्छ। त्यहाँ अत्यधिक आकार संग चासो उपयुक्त बनाउन भावनात्मक Contagion दुई विशेष सुविधाहरू छन्, र यी सुविधाहरू धेरै डिजिटल क्षेत्र प्रयोगहरू द्वारा साझेदारी गर्दै: 1) प्रयोग कम्तिमा केही सहभागीहरूलाई हानि र 2) सहभागिता थिएन कि अनिश्चितताले छ स्वैच्छिक। यी दुई विशेषताहरु संग प्रयोगहरू मा यो प्रयोगहरू सकेसम्म सानो राख्न उचित देखिन्छ।

निष्कर्ष मा, तीन R's-बदल्नुहोस्, परिष्कृत र अनुसन्धानकर्ताहरूले आफ्नो प्रयोगात्मक डिजाइन मा नैतिकता निर्माण गर्न मद्दत सिद्धान्तहरू कम-प्रदान। निस्सन्देह, यी सम्भव परिवर्तन भावनात्मक Contagion गर्न प्रत्येक व्यापार-ओफ परिचय। उदाहरणका लागि, प्राकृतिक प्रयोगहरू देखि प्रमाण सधैं रूपमा सफा बेतरतीब प्रयोगहरू देखि प्रमाणको रूपमा छ र बुस्टिङ हुन सक्छन् थप ब्लक भन्दा लागू गर्न logistically गाह्रो। त्यसैले, यी परिवर्तनहरू सुझाव उद्देश्य अन्य अनुसन्धानकर्ताहरूले को निर्णय दोस्रो अनुमान गर्न थिएन। बरु, यो तीन आर गरेको व्यावहारिक अवस्थामा लागू गर्न सकिएन कसरी चित्रण थियो।