4.5.1.2 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 sobreposição experimentos em cima de ambientes existentes, você também pode construir seu próprio experimento. A principal vantagem desta abordagem é de controlo; se você está construindo a experiência, você pode criar o ambiente e tratamentos que você quer. Esses ambientes experimentais sob medida pode criar oportunidades para testar as teorias que são impossíveis de testar em ambientes naturais. As principais desvantagens da construção de seu próprio experimento são de que ele pode ser caro e que o ambiente que você é capaz de criar pode não ter o realismo de um sistema que ocorre naturalmente. Pesquisadores constroem a sua própria experiência também deve ter uma estratégia para o recrutamento de participantes. Quando se trabalha em sistemas existentes, os pesquisadores estão, essencialmente, trazendo as experiências dos seus participantes. Mas, quando os pesquisadores construir a sua própria experiência, que eles precisam para levar os participantes a ele. Felizmente, serviços como o Amazon Mechanical Turk (MTurk) podem fornecer aos pesquisadores uma forma conveniente para levar os participantes a seus experimentos.

Um exemplo que ilustra as virtudes de ambientes sob medida para testar teorias abstratas é o experimento de laboratório digital por Gregory Huber, Seth Hill, e Gabriel Lenz (2012) . O experimento explora uma possível limitação prática para o funcionamento da governação democrática. Anteriores estudos não-experimentais de eleições reais sugerem que os eleitores não são capazes de avaliar com precisão o desempenho de políticos incumbentes. Em particular, os eleitores parecem sofrer de três tendências: 1) focado em recente ao invés de desempenho cumulativo; 2) manipulável pela retórica, enquadramento, e comercialização; e 3) influenciada por acontecimentos não relacionados com o desempenho em exercício, tais como o sucesso da equipe de esportes local e o clima. Nestes estudos anteriores, no entanto, era difícil isolar qualquer um desses fatores de todas as outras coisas que acontece nas eleições reais, desarrumado. Portanto, Huber e colegas criado um ambiente de votação altamente simplificado, de modo a isolar e, em seguida experimentalmente estudo, cada um destes três desvios possíveis.

Como eu descrever o conjunto experimental abaixo dele vai soar muito artificial, mas lembre-se que o realismo não é um objetivo em experimentos de estilo laboratório. Em vez disso, o objetivo é isolar claramente o processo que você está tentando estudar, e esse isolamento apertado, por vezes, não é possível em estudos com mais realismo (Falk and Heckman 2009) . Além disso, neste caso particular, os pesquisadores argumentaram que se os eleitores não podem efetivamente avaliar o desempenho neste cenário altamente simplificada, então eles não vão ser capazes de fazê-lo em um cenário mais realista, mais complexa.

Huber e seus colegas usaram Amazon Mechanical Turk (MTurk) para recrutar participantes. Uma vez que um participante forneceu consentimento informado e passou um pequeno teste, foi-lhe dito que ela estava participando de uma rodada de 32 para ganhar tokens que poderiam ser convertidos em dinheiro real. No início do jogo, cada participante foi dito que ela tinha sido atribuído um "alocador", que lhe daria, fichas cada rodada e que alguns alocadores foram mais generosos do que outros. Além disso, cada participante também foi dito que ela teria uma chance de tanto mantê-la alocador ou ser atribuído um novo após 16 rodadas do jogo. Dado o que você sabe sobre Huber e objetivos de pesquisa dos colegas, você pode ver que o alocador representa um governo e esta escolha representa uma eleição, mas os participantes não estavam cientes dos objetivos gerais da pesquisa. No total, Huber e colegas recrutaram cerca de 4.000 participantes que foram pagos cerca de US $ 1,25 para uma tarefa que levou cerca de 8 minutos.

Lembre-se que um dos resultados de uma pesquisa anterior era que os eleitores recompensa e punir os operadores históricos para os resultados que são claramente fora de seu controle, tais como o sucesso de equipes esportivas locais e as condições meteorológicas. Para avaliar se as decisões participantes de voto poderia ser influenciada por eventos puramente aleatórios em sua configuração, Huber e colegas adicionaram um sorteio para seu sistema experimental. Quer na oitava rodada ou 16ª rodada (ou seja, bem antes de a chance de substituir o alocador) participantes foram aleatoriamente colocados em uma loteria onde alguns ganhou 5000 pontos, alguns ganharam 0 pontos, e alguns perderam 5000 pontos. Esta loteria foi destinado para imitar boas ou más notícias, que é independente do desempenho do político. Mesmo que os participantes foram informados explicitamente que a loteria não estava relacionado com o desempenho de seu alocador, o resultado da loteria ainda impactado decisões dos participantes. Os participantes que beneficiaram do sorteio estavam mais propensos a manter a sua alocador, e este efeito foi mais forte quando a loteria aconteceu na rodada de 16-direita antes da substituição de decisão do que quando aconteceu na rodada 8 (Figura 4.14). Estes resultados, juntamente com os resultados de vários outros experimentos no papel, levou Huber e colegas concluir que, mesmo em um cenário simplificado, os eleitores têm dificuldade em tomar decisões sábias, um resultado que impactou a investigação futura sobre a tomada de decisão dos eleitores (Healy and Malhotra 2013) . O experimento de Huber e colegas mostra que MTurk pode ser usado para recrutar participantes para experiências de estilo de laboratório para testar precisamente teorias muito específicas. Ela também mostra o valor da construção de seu próprio ambiente experimental: é difícil imaginar como estes mesmos processos poderia ter sido isolado tão limpa em qualquer outro ambiente.

Figura 4.14: Resultados de Huber, Hill, e Lenz (2012). Os participantes que beneficiaram do sorteio estavam mais propensos a manter a sua alocador, e este efeito foi mais forte quando a loteria aconteceu na rodada de 16-direita antes da substituição de decisão do que quando aconteceu na rodada 8.

Figura 4.14: Resultados de Huber, Hill, and Lenz (2012) . Os participantes que beneficiaram do sorteio estavam mais propensos a manter a sua alocador, e este efeito foi mais forte quando a loteria aconteceu na rodada de 16-direita antes da substituição de decisão do que quando aconteceu na rodada 8.

Além de construir experimentos de laboratório-like, os pesquisadores também podem acumular experiências que são mais campo-like. Por exemplo, Centola (2010) construiu um experimento de campo digital para estudar o efeito da estrutura da rede social sobre a propagação do comportamento. Sua pergunta investigação necessária-o a observar o mesmo comportamento se espalhando em populações que tinham diferentes estruturas de rede social, mas eram de outra maneira indistinguíveis. A única maneira de fazer isso era com um bespoke, experiência custom-built. Neste caso, Centola construiu uma comunidade de saúde baseado na web.

Centola recrutou cerca de 1.500 participantes com a publicidade em sites de saúde. Quando os participantes chegaram à comunidade que on-line foi chamado o estilo de vida saudável Network-Eles forneceram consentimento informado e, em seguida, foram designados "amigos da saúde". Por causa da maneira Centola atribuído estes amigos de saúde ele foi capaz de unidos diferentes estruturas de rede social em diferentes grupos. Alguns grupos foram construídos para ter redes aleatórias (onde todos foi a mesma probabilidade de ser ligado) e outros grupos foram construídos para ter redes em cluster (onde as conexões são mais localmente denso). Então, Centola introduzido um novo comportamento em cada rede, a chance de se inscrever para um novo site com informações adicionais de saúde. Sempre que alguém se inscreveu para este novo site, todos os seus amigos de saúde recebeu um e-mail anunciando esse comportamento. Centola descobriram que esse comportamento de assinatura-up para uma maior e mais rápido na rede de cluster do que a rede aleatória, um achado que era ao contrário de algumas teorias existentes espalhar-novo site.

No geral, a construção de sua própria experiência lhe dá muito mais controle; ele permite que você para construir o melhor ambiente possível para isolar o que você quer estudar. É difícil imaginar como qualquer um desses experimentos poderiam ter sido realizado em um ambiente já existente. Além disso, a construção de seu próprio sistema diminui as preocupações éticas em torno de experiências em sistemas existentes. Quando você construir a sua própria experiência, no entanto, você correr para muitos dos problemas que são encontrados em experimentos de laboratório: recrutando participantes e preocupações sobre o realismo. A desvantagem final é que a construção de sua própria experiência pode ser caro e demorado, embora, como mostram esses exemplos, as experiências podem variar de ambientes relativamente simples (como o estudo do voto por Huber, Hill, and Lenz (2012) ) para relativamente ambientes complexos (tais como o estudo das redes e por contágio Centola (2010) ).