4.5.2 Partner z potężnym

Partnerstwo może zmniejszyć koszty i zwiększyć skalę, ale może zmieniać rodzaje uczestników, zabiegów i wyników, które można użyć.

Alternatywą robi to sam współpracuje z potężnej organizacji takich jak firmy, rządu lub organizacji pozarządowej. Zaletą pracy z partnerem, jest to, że mogą one pozwalają prowadzić eksperymenty, które po prostu nie można zrobić samemu. Na przykład, jednym z eksperymentów, że powiem wam o zaangażowanych poniżej 61 mln uczestników; żadna jednostka nie może osiągnąć ten badacz skalę. W tym samym czasie, że partnerstwo zwiększa, co można zrobić, ale także jednocześnie ogranicza cię. Na przykład, większość firm nie pozwoli Ci przeprowadzić eksperyment, który mógłby stanowić zagrożenie dla ich działalności lub ich reputacji. Współpraca z partnerami oznacza również, że gdy przychodzi czas na opublikowanie może przyjść pod presją "re-frame" wyniki, a niektórzy partnerzy mogą nawet próbować zablokować publikację swojej pracy, jeśli to sprawia, że ​​wyglądają źle. Wreszcie, współpracuje również pochodzi z kosztów związanych rozwój i utrzymanie tych współpracę.

Wyzwaniem rdzeń, który musi zostać rozwiązany, aby te sukcesy partnerstwa jest znalezienie sposobu, aby zrównoważyć interesy obu stron, i przydatne sposób myślenia o tej równowagi jest Pasteur Quadrant (Stokes 1997) . Wielu badaczy uważa, że ​​jeśli pracują nad czymś praktycznym-coś, co może być interesujące dla partnera, a potem nie można robić prawdziwą naukę. Ten sposób myślenia będzie to bardzo trudne do stworzenia udanego partnerstwa, a także zdarza się być całkowicie błędne. Problem z tego sposobu myślenia jest wspaniale zilustrowana przez badania ścieżki łamiących biologa Louis Pasteur. Podczas pracy nad projektem komercyjnym fermentacji soku z buraków przekształcenia w alkohol, Pasteur odkrył nową klasę mikroorganizmów, które ostatecznie doprowadziły do ​​teorii zarazków choroby. Odkrycie to rozwiązane bardzo praktyczny problem-to pomogło poprawić proces fermentacji, a to doprowadzi do znacznego postępu naukowego. Tak więc, zamiast myśleć o badaniach z praktycznych zastosowań jako będący w konflikcie z prawdziwego badania naukowe, lepiej jest myśleć o nich jako dwa oddzielne wymiarach. Badania mogą być motywowane stosowania (lub nie) i badania mogą szukać fundamentalnego zrozumienia (lub nie). Krytycznie, rozeznanie podobny Pasteur's-może być motywowane wykorzystania i poszukiwania podstawowe zrozumienie (rysunek 4.16). Badania w Pasteura Quadrant-badawczych, które z natury podnosi dwa cele, jest idealnym miejscem dla współpracy między naukowcami i partnerów. Biorąc pod uwagę, że tło, opiszę dwa badania eksperymentalne z partnerskich: jeden z firmą i jedną z NGO.

Rysunek 4.16: Quadrant Pasteura (na podstawie rysunku 3.5 z Stokes (1997)). Zamiast myśleć badań albo jako podstawowe lub stosowane, to lepiej pomyśleć o badaniach jako motywowane stosowania (lub nie) i szuka fundamentalnego zrozumienia (lub nie). Przykładem badań, które jest motywowane zarówno użyciu i ma podstawowe zrozumienie jest praca Pasteura na przekształcenie soku z buraków na alkohol, które doprowadziło do teorii zarazków choroby. Jest to rodzaj pracy, który najlepiej nadaje się do współpracy z możnych. Przykłady prac motywowane użyciu, ale nie szuka fundamentalnego zrozumienia pochodzą z Thomasa Edisona, a przykłady prac, które nie są motywowane użytkowania, ale którego celem zrozumieniem pochodzą z Niels Bohr. Zobacz Stokes (1997) dla bardziej szczegółową dyskusję w tym zakresie, a każdy z tych przypadków.

Rysunek 4.16: Quadrant Pasteura (na podstawie rysunku 3.5 z Stokes (1997) ). Zamiast myśleć badań albo jako "podstawowe" lub "stosuje się" lepiej jest myśleć o badaniach jako motywowane stosowania (lub nie) i szuka fundamentalnego zrozumienia (lub nie). Przykładem badań, które jest motywowane zarówno użyciu i ma podstawowe zrozumienie jest praca Pasteura na przekształcenie soku z buraków na alkohol, które doprowadziło do teorii zarazków choroby. Jest to rodzaj pracy, który najlepiej nadaje się do współpracy z możnych. Przykłady prac motywowane użyciu, ale nie szuka fundamentalnego zrozumienia pochodzą z Thomasa Edisona, a przykłady prac, które nie są motywowane użytkowania, ale którego celem zrozumieniem pochodzą z Niels Bohr. Zobacz Stokes (1997) na bardziej szczegółową dyskusję w tym zakresie, a każdy z tych przypadków.

Duże firmy, szczególnie tech, opracowali niezwykle wyrafinowaną infrastrukturę do prowadzenia skomplikowanych eksperymentów. W branży technologicznej, eksperymenty te często nazywane są testy A / B (ponieważ oni przetestować skuteczność dwóch zabiegów: A i B). Doświadczenia te są często uruchamiane na takie rzeczy jak zwiększenie klikalności reklam, ale ta sama infrastruktura eksperymentalne mogą być również wykorzystywane do badań, które przemieszcza się wiedzy naukowej. Przykładem, który ilustruje potencjał tego rodzaju badań jest badanie przeprowadzone przez partnerstwo między naukowcami na Facebooku i University of California, San Diego, na temat wpływu różnych komunikatów dotyczących frekwencji (Bond et al. 2012) .

W dniu 2 listopada 2010 roku, w dniu wyborów w USA-wszystkich Kongresu 61 milionów użytkowników Facebooka, którzy mieszkają w Stanach Zjednoczonych i które ukończyły 18 lat wziął udział w eksperymencie na temat głosowania. Podczas wizyty Facebooka, użytkownicy zostali losowo przydzieleni do jednej z trzech grup, które stanowiły podstawę jakim sztandarem (jeśli w ogóle) został umieszczony w górnej części ich News Feed (rysunek 4.17):

  • grupa kontrolna.
  • Komunikat informacyjny o głosowaniu w klikalne "I wybrany" przycisk i licznik (info).
  • Komunikat informacyjny o głosowaniu z klikalny "Ja Wziął" przycisk i licznik + nazwy i zdjęcia swoich przyjaciół, którzy już kliknęli "I wybrany" (INFO + Społecznej).

Bond i jego koledzy badali dwa główne skutki: Podawane zachowań wyborczych i rzeczywiste zachowanie głosowania. Po pierwsze, okazało się, że ludzie w INFO + społecznej grupie było około 2 punktów procentowych częściej niż w grupie osób informacyjnym, aby kliknąć "I Wziął" (około 20% vs 18%). Ponadto, po naukowcy połączyły swoje dane z publicznie dostępnych rejestrów głosu przez około 6 milionów ludzi, okazało się, że ludzie w INFO + grupy społecznej byli 0,39 punktów procentowych bardziej prawdopodobne, aby faktycznie głosować niż ludzie w stanie kontroli i że ludzie w grupie informacji tak samo może głosować jako ludzi w stan sterowania (rysunek 4.17).

Rysunek 4.17: Wyniki z get-out-the-głosowanie eksperymentu na Facebooku (bond i wsp 2012 r.). Uczestnicy grupy informacji głosowało w tym samym tempie, jak ludzie w stanie kontroli, ale ludzie w grupie społecznej INFO + głosowali na nieco wyższym poziomie. Słupki przedstawiają szacowane 95% przedziały ufności. Wyniki na wykresie to około 6 milionów uczestników do którego naukowcy mogliby pasujące do rejestrów głosu.

Rysunek 4.17: Wyniki z get-out-the-głosowanie eksperymentu na Facebooku (Bond et al. 2012) . Uczestnicy grupy informacji głosowało w tym samym tempie, jak ludzie w stanie kontroli, ale ludzie w grupie społecznej INFO + głosowali na nieco wyższym poziomie. Słupki przedstawiają szacowane 95% przedziały ufności. Wyniki na wykresie to około 6 milionów uczestników do którego naukowcy mogliby pasujące do rejestrów głosu.

Ten eksperyment pokazuje, że niektórzy na forum Komunikaty get out-the-głosowanie są bardziej skuteczne od innych, a to pokazuje, że szacunki badacza skuteczności leczenia może zależeć od tego, czy studia są zgłaszane lub rzeczywistego zachowania. Eksperyment ten niestety nie daje żadnych wskazówek na temat mechanizmów, poprzez które informacja, która społeczna niektórzy badacze żartobliwie nazywany "twarzą pile" -Zwiększona głosowania. Możliwe, że informacja społeczna zwiększa prawdopodobieństwo, że ktoś zauważył, baner lub że zwiększone prawdopodobieństwo, że ktoś, kto faktycznie zauważyłem baner głosowali lub obu. Tak więc, eksperyment ten zapewnia interesującą stwierdzenie, że dalsze badacz może zbadać (patrz np Bakshy, Eckles, et al. (2012) ).

Oprócz postępów cele naukowców eksperyment ten wyprzedza również cel organizacji partnerskiej (Facebook). Jeśli zmienić zachowanie studiował od głosowania do zakupu mydło, to widać, że badanie ma dokładnie taką samą strukturę jak eksperyment w celu zmierzenia wpływu reklam internetowych (patrz przykład Lewis and Rao (2015) ). Te badania skuteczności reklamy często zmierzyć wpływ narażenia na internetowych bez reklam zabiegów w Bond et al. (2012) są zasadniczo reklamy dla głosowania-on w trybie offline zachowania. Tak więc, badanie to może rozwijać zdolność do studiowania facebook skuteczności reklam internetowych i może pomóc Facebook przekonać potencjalnych reklamodawców, że Facebook reklamy są skuteczne.

Nawet jeśli interesy naukowców i partnerów były w większości wyrównane w tym badaniu były one również częściowo w napięciu. W szczególności podział uczestników na trzy warunki sterowania, info, info + społecznego był ogromnie niewyważone: 98% próby został przydzielony do informacji + społecznego. Ten niezrównoważony podział jest nieefektywne statystycznie, a to znacznie lepsza alokacja dla badaczy by było 1/3 uczestników w każdej grupie. Ale, niezrównoważony podział stało, ponieważ każdy chciał Facebook, aby otrzymywać informacje o + leczenie społecznej. Na szczęście naukowcy przekonał ich powstrzymywać 1% za powiązanego leczenia i 1% uczestników w grupie kontrolnej. Bez grupy kontrolnej, to byłoby w zasadzie możliwe do zmierzenia efektu informacji + leczenie społecznych, ponieważ byłoby to być "zakłócać i obserwować" eksperyment zamiast randomizowane badanie kontrolowane. Przykład ten stanowi cenne praktyczne lekcje dla współpracy z partnerami: czasem trzeba utworzyć eksperyment nakłonienie kogoś do dostarczenia leczenia i czasami trzeba utworzyć eksperyment nakłonienie kogoś nie dostarczać leczenia (tj stworzyć grupę kontrolną).

Partnerstwo nie zawsze muszą wiązać firm technologicznych i testy A / B z milionami uczestników. Na przykład, Alexander Coppock Andrew Guess, John Ternovski (2016) współpracę z NGO środowiska (Liga Ochrony Wyborców) uruchomić Testowanie eksperymentów różne strategie promowania mobilizacji społecznej. Naukowcy wykorzystali konto organizacji pozarządowej Twitter wysłać tweets zarówno publicznych i prywatnych wiadomości bezpośrednich, które próbowały prime różnych rodzajów tożsamości. Naukowcy zmierzyli następnie, które z tych wiadomości są najbardziej skuteczne w zachęcaniu ludzi do podpisania petycji i retweet informacje dotyczące petycji.

Tabela 4.3: Przykłady badań, które przychodzi poprzez partnerstwa pomiędzy naukowcami i organizacji. W niektórych przypadkach, naukowcy pracują w organizacjach.
Temat Cytat
Wpływ Facebook News Feed na wymianie informacji Bakshy, Rosenn, et al. (2012)
Wpływ na zachowanie anonimowości częściowego na stronie internetowej randkowego Bapna et al. (2016)
Wpływ Home Energy raporty zużycia energii elektrycznej Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
Wpływ aplikacji wzornictwa na rozprzestrzenianie się wirusa Aral and Walker (2011)
Wpływ mechanizmu rozprzestrzeniania się na dyfuzję Taylor, Bakshy, and Aral (2013)
Wpływ informacji społecznej w reklamach Bakshy, Eckles, et al. (2012)
Wpływ częstotliwości sklepu sprzedaży za pośrednictwem sklepu online i dla różnych typów klientów Simester et al. (2009)
Wpływ informacji na temat potencjalnych popularność podań o pracę Gee (2015)
Wpływ początkowej oceny na popularności Muchnik, Aral, and Taylor (2013)
Wpływ zawartości wiadomości o mobilizacji politycznej Coppock, Guess, and Ternovski (2016)

Ogólnie rzecz biorąc, współpracy z potężnym pozwala Ci działać na skalę, która jest trudno zrobić inaczej, a tabela 4.3 zawiera inne przykłady partnerstwa pomiędzy naukowcami i organizacji. Partnerstwo może być znacznie łatwiejsze niż budowanie własnego eksperymentu. Ale korzyści te pochodzą z wad: partnerstwa mogą ograniczyć rodzaje uczestników, leczenia i wyników, które można studiować. Ponadto partnerstwa te mogą prowadzić do problemów etycznych. Najlepszym sposobem, aby dostrzec okazję do partnerstwa jest dostrzec prawdziwy problem, który można rozwiązać, gdy robisz ciekawą naukę. Jeśli nie są używane do tego sposobu patrzenia na świat, to może być trudne do wykrycia problemów w kwadrancie Pasteura, ale z praktyką, zaczniesz dostrzegać ich coraz więcej.