4.5.2 Construa sua própria experiência

Construindo sua própria experiência pode ser caro, mas vai permitir que você para criar a experiência que você deseja.

Além de sobrepor experimentos sobre os ambientes existentes, você também pode criar sua própria experiência. A principal vantagem dessa abordagem é o controle; Se você estiver criando o experimento, poderá criar o ambiente e os tratamentos desejados. Esses ambientes experimentais sob medida podem criar oportunidades para testar teorias que são impossíveis de serem testadas em ambientes que ocorrem naturalmente. As principais desvantagens de construir sua própria experiência são que ela pode ser cara e que o ambiente que você pode criar pode não ter o realismo de um sistema natural. Pesquisadores construindo sua própria experiência também devem ter uma estratégia para recrutar participantes. Ao trabalhar em sistemas existentes, os pesquisadores estão trazendo os experimentos para seus participantes. Mas, quando os pesquisadores constroem seu próprio experimento, eles precisam trazer participantes para ele. Felizmente, serviços como o Amazon Mechanical Turk (MTurk) podem fornecer aos pesquisadores uma maneira conveniente de levar os participantes às suas experiências.

Um exemplo que ilustra as virtudes de ambientes sob medida para testar teorias abstratas é o experimento de laboratório digital de Gregory Huber, Seth Hill e Gabriel Lenz (2012) . Este experimento explora uma possível limitação prática para o funcionamento da governança democrática. Estudos não experimentais anteriores de eleições reais sugeriram que os eleitores não são capazes de avaliar com precisão o desempenho dos políticos em exercício. Em particular, os eleitores parecem sofrer de três preconceitos: (1) eles estão focados em desempenhos recentes em vez de cumulativos; (2) podem ser manipulados pela retórica, enquadramento e marketing; e (3) podem ser influenciados por eventos não relacionados ao desempenho em exercício, como o sucesso de equipes esportivas locais e o clima. Nesses estudos anteriores, no entanto, era difícil isolar qualquer um desses fatores de todas as outras coisas que acontecem em eleições reais e confusas. Portanto, Huber e seus colegas criaram um ambiente de votação altamente simplificado para isolar e depois estudar experimentalmente cada um desses três possíveis vieses.

Como eu descrevo a configuração experimental abaixo, vai soar muito artificial, mas lembre-se que o realismo não é um objetivo em experimentos de estilo de laboratório. Pelo contrário, o objetivo é isolar claramente o processo que você está tentando estudar, e esse isolamento rígido às vezes não é possível em estudos com mais realismo (Falk and Heckman 2009) . Além disso, neste caso em particular, os pesquisadores argumentaram que, se os eleitores não puderem avaliar efetivamente o desempenho nessa configuração altamente simplificada, eles não conseguirão fazê-lo em um cenário mais realista e mais complexo.

Huber e seus colegas usaram o MTurk para recrutar participantes. Depois que um participante forneceu o consentimento informado e passou em um teste curto, ela foi informada de que estava participando de um jogo de 32 rodadas para ganhar fichas que poderiam ser convertidas em dinheiro real. No início do jogo, foi dito a cada participante que ela recebera um “alocador” que lhe daria fichas grátis a cada rodada e que alguns alocadores eram mais generosos do que outros. Além disso, cada participante também foi informada de que teria uma chance de manter seu alocador ou receber uma nova após 16 rodadas do jogo. Dado o que você sabe sobre os objetivos de pesquisa de Huber e colegas, você pode ver que o alocador representa um governo e essa escolha representa uma eleição, mas os participantes não estavam cientes dos objetivos gerais da pesquisa. No total, Huber e seus colegas recrutaram cerca de 4.000 participantes que receberam cerca de US $ 1,25 por uma tarefa que levou cerca de oito minutos.

Lembre-se de que uma das descobertas de pesquisas anteriores foi que os eleitores recompensam e punem os que estão no poder por resultados claramente fora de seu controle, como o sucesso das equipes esportivas locais e o clima. Para avaliar se as decisões de votação dos participantes poderiam ser influenciadas por eventos puramente aleatórios em seu ambiente, Huber e seus colegas adicionaram uma loteria ao seu sistema experimental. Na 8ª rodada ou na 16ª rodada (isto é, logo antes da chance de substituir o alocador) os participantes foram aleatoriamente colocados em uma loteria, onde alguns ganharam 5.000 pontos, alguns ganharam 0 pontos e outros perderam 5.000 pontos. Esta loteria tinha a intenção de imitar boas ou más notícias independentes do desempenho do político. Embora os participantes tenham sido explicitamente informados de que a loteria não estava relacionada ao desempenho de seu alocador, o resultado da loteria ainda afetava as decisões dos participantes. Os participantes que se beneficiaram da loteria eram mais propensos a manter seu alocador, e esse efeito foi mais forte quando a loteria aconteceu na 16ª rodada - logo antes da decisão de substituição - do que quando aconteceu na oitava rodada (figura 4.15). Esses resultados, juntamente com os de vários outros experimentos, levaram Huber e colegas a concluírem que, mesmo em um cenário simplificado, os eleitores têm dificuldade em tomar decisões sábias, um resultado que impactou futuras pesquisas sobre tomada de decisão (Healy and Malhotra 2013) . O experimento de Huber e colegas mostra que MTurk pode ser usado para recrutar participantes para experimentos no estilo de laboratório, a fim de testar com precisão teorias muito específicas. Também mostra o valor de construir seu próprio ambiente experimental: é difícil imaginar como esses mesmos processos poderiam ter sido isolados de maneira tão clara em qualquer outro cenário.

Figura 4.15: Resultados de Huber, Hill e Lenz (2012). Participantes que se beneficiaram da loteria eram mais propensos a manter seu alocador, e esse efeito foi mais forte quando a loteria aconteceu na 16ª rodada - logo antes da decisão de substituição - do que quando aconteceu na oitava rodada. Adaptado de Huber, Hill e Lenz ( 2012), figura 5.

Figura 4.15: Resultados de Huber, Hill, and Lenz (2012) . Participantes que se beneficiaram da loteria eram mais propensos a manter seu alocador, e esse efeito foi mais forte quando a loteria aconteceu na 16ª rodada - logo antes da decisão de substituição - do que quando aconteceu na oitava rodada. Adaptado de Huber, Hill, and Lenz (2012) , figura 5.

Além de criar experiências semelhantes às de um laboratório, os pesquisadores também podem construir experimentos mais semelhantes a campos. Por exemplo, Centola (2010) construiu um experimento de campo digital para estudar o efeito da estrutura da rede social na disseminação do comportamento. Sua pergunta de pesquisa exigia que ele observasse o mesmo comportamento se espalhando em populações que tinham diferentes estruturas de redes sociais, mas que eram indistinguíveis. A única maneira de fazer isso era com um experimento sob medida e personalizado. Neste caso, Centola construiu uma comunidade de saúde baseada na web.

A Centola recrutou cerca de 1.500 participantes por meio de publicidade em sites de saúde. Quando os participantes chegaram à comunidade on-line - que era chamada Rede de Estilo de Vida Saudável - eles forneceram consentimento informado e foram então designados “amigos de saúde”. Por causa da maneira como Centola designou esses parceiros de saúde, ele foi capaz de unir diferentes estruturas de rede social. diferentes grupos. Alguns grupos foram construídos para ter redes aleatórias (onde todos tinham a mesma probabilidade de estarem conectados), enquanto outros grupos foram construídos para ter redes clusterizadas (onde as conexões são mais densas localmente). Então, Centola introduziu um novo comportamento em cada rede: a chance de se registrar para um novo site com informações adicionais sobre saúde. Sempre que alguém se inscreveu para este novo site, todos os seus amigos de saúde receberam um e-mail anunciando esse comportamento. Centola descobriu que esse comportamento - inscrever-se no novo site - se espalhava mais e mais rápido na rede clusterizada do que na rede aleatória, uma descoberta que era contrária a algumas teorias existentes.

No geral, construir seu próprio experimento oferece muito mais controle; Ele permite que você construa o melhor ambiente possível para isolar o que deseja estudar. É difícil imaginar como os dois experimentos que acabei de descrever poderiam ter sido realizados em um ambiente já existente. Além disso, construir seu próprio sistema diminui as preocupações éticas com a experimentação em sistemas existentes. Quando você constrói sua própria experiência, no entanto, você se depara com muitos dos problemas encontrados nas experiências de laboratório: recrutando participantes e preocupações com o realismo. Uma desvantagem final é que construir seu próprio experimento pode ser caro e demorado, embora, como esses exemplos mostram, os experimentos possam variar de ambientes relativamente simples (como o estudo de votação de Huber, Hill, and Lenz (2012) ). para ambientes relativamente complexos (como o estudo de redes e contágio de Centola (2010) ).