4.5.4 Партнер с мощным

Partnering может снизить затраты и увеличить масштаб, но он может изменить виды участников, лечения, а также результаты , которые вы можете использовать.

Альтернатива самому себе - это партнерство с такой мощной организацией, как компания, правительство или НПО. Преимущество работы с партнером заключается в том, что они могут позволить вам запускать эксперименты, которые вы просто не можете сделать сами. Например, в одном из экспериментов, о которых я расскажу ниже, участвовало 61 миллион участников - ни один отдельный исследователь не смог бы достичь такого масштаба. В то же время партнерство увеличивает то, что вы можете сделать, это также сдерживает вас. Например, большинство компаний не позволят вам провести эксперимент, который может нанести вред их бизнесу или их репутации. Работа с партнерами также означает, что, когда приходит время публикации, вы можете столкнуться с «переделать» свои результаты, и некоторые партнеры могут даже попытаться заблокировать публикацию вашей работы, если это заставляет их выглядеть плохо. Наконец, партнерство также связано с расходами, связанными с разработкой и поддержанием этих совместных действий.

Основная задача, которая должна быть решена для успешного осуществления этих партнерских отношений, - это найти способ сбалансировать интересы обеих сторон, а полезный способ подумать об этом балансе - это квадрант Пастера (Stokes 1997) . Многие исследователи считают, что если они работают над чем-то практическим, что может представлять интерес для партнера, тогда они не могут заниматься реальной наукой. Это мышление очень затруднит создание успешных партнерских отношений, и это также оказывается совершенно неправильным. Проблема с таким образом мышления прекрасно иллюстрируется исследователями биологов Луи Пастера. Работая над коммерческим проектом ферментации для превращения свекольного сока в спирт, Пастер обнаружил новый класс микроорганизмов, который в конечном итоге привел к зародышевой теории болезни. Это открытие разрешило очень практическую проблему - оно помогло улучшить процесс ферментации - и это привело к серьезному научному прогрессу. Таким образом, вместо того, чтобы думать о том, что исследования с практическими приложениями противоречат истинным научным исследованиям, лучше рассматривать их как два отдельных измерения. Исследование может быть мотивировано использованием (или нет), и исследования могут искать фундаментальное понимание (или нет). Критически, некоторые исследования, подобные Пастере, могут быть мотивированы использованием и поиском фундаментального понимания (рисунок 4.17). Исследования в рамках квадрантного исследования Пастера, которые по своей сути продвигают две цели, идеально подходят для сотрудничества между исследователями и партнерами. Учитывая эту предысторию, я опишу два экспериментальных исследования с партнерскими отношениями: один с компанией и один с НПО.

Рисунок 4.17: Квадрант Пастера (Стокс, 1997). Вместо того, чтобы думать о том, что исследование является основным или прикладным, лучше думать о нем как о мотивации использования (или нет) и искать фундаментального понимания (или нет). Примером исследования, которое мотивировано использованием и ищет фундаментальное понимание, является работа Пастера по превращению свекольного сока в спирт, что приводит к зародышевой теории болезни. Это та работа, которая лучше всего подходит для партнерских отношений с мощными. Примеры работы, которые мотивированы использованием, но которые не ищут фундаментального понимания, принадлежат Томасу Эдисону и примерам работы, которые не мотивированы использованием, но которые ищут понимания у Нильса Бора. См. Stokes (1997) для более подробного обсуждения этой структуры и каждого из этих случаев. Адаптировано из Стокса (1997), рисунок 3.5.

Рисунок 4.17: Квадрант Пастера (Stokes 1997) . Вместо того, чтобы думать о том, что исследование является «основным» или «примененным», лучше думать о нем как о мотивированном использовании (или нет) и поиске фундаментального понимания (или нет). Примером исследования, которое мотивировано использованием и ищет фундаментальное понимание, является работа Пастера по превращению свекольного сока в спирт, что приводит к зародышевой теории болезни. Это та работа, которая лучше всего подходит для партнерских отношений с мощными. Примеры работы, которые мотивированы использованием, но которые не ищут фундаментального понимания, принадлежат Томасу Эдисону и примерам работы, которые не мотивированы использованием, но которые ищут понимания у Нильса Бора. См. Stokes (1997) для более подробного обсуждения этой структуры и каждого из этих случаев. Адаптировано из Stokes (1997) , рисунок 3.5.

Крупные компании, особенно технические компании, разработали невероятно сложную инфраструктуру для проведения сложных экспериментов. В технологической отрасли эти эксперименты часто называются A / B-тестами, потому что они сравнивают эффективность двух обработок: A и B. Такие эксперименты часто выполняются для таких вещей, как увеличение ставок кликов по объявлениям, но такая же экспериментальная инфраструктура может также использоваться для исследований, которые способствуют научному пониманию. Примером, иллюстрирующим потенциал такого рода исследований, является исследование, проведенное партнерством исследователей из Facebook и Калифорнийского университета в Сан-Диего, о влиянии различных сообщений на явку избирателей (Bond et al. 2012) .

2 ноября 2010 года - в день выборов в Конгресс США - все 61 миллион пользователей Facebook, которые жили в Соединенных Штатах и ​​составляли 18 лет, приняли участие в эксперименте по голосованию. При посещении Facebook пользователи были рандомизированы в одну из трех групп, которая определила, какой баннер (если есть) был помещен в верхней части ленты новостей (рисунок 4.18):

  • контрольная группа
  • информационное сообщение о голосовании с нажатием кнопки «I Voted» и счетчиком (Info)
  • информационное сообщение о голосовании с нажатием кнопки «Я голосовал» и счетчик плюс имена и фотографии их друзей, которые уже нажали «Я голосовал» (Info + Social)

Бонд и его коллеги изучили два основных результата: сообщали о ходе голосования и о фактическом голосовании. Во-первых, они обнаружили, что люди в группе Info + Social были примерно на два процентных пункта более вероятными, чем люди в группе Info, чтобы нажать «Я голосовал» (около 20% против 18%). Кроме того, после того, как исследователи объединили свои данные с общедоступными записями для голосования около шести миллионов человек, они обнаружили, что люди в группе Info + Social были на 0,39 процентных пункта более склонными к голосованию, чем те, что были в контрольной группе, и что люди в группе Info были столь же склонны голосовать, как и в контрольной группе (рисунок 4.18).

Рисунок 4.18: Результаты экспериментов по выходу из голосования на Facebook (Bond et al., 2012). Участники информационной группы голосовали по той же ставке, что и в контрольной группе, но люди в Info + Social голосовали по несколько более высокой ставке. Бары представляют оценочные доверительные интервалы 95%. Результаты на графике приведены для примерно шести миллионов участников, которые были сопоставлены с записями о голосовании. Адаптировано из Bond et al. (2012), рис. 1.

Рисунок 4.18: Результаты экспериментов по выходу из голосования на Facebook (Bond et al. 2012) . Участники информационной группы голосовали по той же ставке, что и в контрольной группе, но люди в Info + Social голосовали по несколько более высокой ставке. Бары представляют оценочные доверительные интервалы 95%. Результаты на графике приведены для примерно шести миллионов участников, которые были сопоставлены с записями о голосовании. Адаптировано из Bond et al. (2012) , рис. 1.

Результаты этого эксперимента показывают, что некоторые онлайн-сообщения о голосовании более эффективны, чем другие, и что оценка эффективности исследователя может зависеть от того, сообщается ли результат голосования или фактическое голосование. Этот эксперимент, к сожалению, не дает никаких указаний о механизмах, посредством которых социальная информация, которую некоторые исследователи игриво называют «лицом стопкой», - это увеличение голосования. Возможно, социальная информация увеличивала вероятность того, что кто-то заметил баннер или что он увеличил вероятность того, что кто-то, кто заметил, что баннер фактически проголосовал, или и то, и другое. Таким образом, этот эксперимент дает интересный вывод о том, что другие исследователи, вероятно, будут исследовать (см., Например, Bakshy, Eckles, et al. (2012) ).

В дополнение к продвижению целей исследователей этот эксперимент также продвинул цель партнерской организации (Facebook). Если вы измените поведение, изученное с момента голосования, на покупку мыла, вы увидите, что исследование имеет ту же структуру, что и эксперимент для измерения влияния онлайн-рекламы (см., Например, RA Lewis and Rao (2015) ). Эти исследования эффективности эффективности часто измеряют влияние воздействия онлайн-рекламы - обработки в Bond et al. (2012) - это в основном объявления для голосования по автономному поведению. Таким образом, это исследование может повысить способность Facebook изучать эффективность онлайн-рекламы и может помочь Facebook убедить потенциальных рекламодателей в том, что рекламные объявления Facebook эффективны при изменении поведения.

Несмотря на то, что интересы исследователей и партнеров были в основном согласованы в этом исследовании, они также частично испытывали напряжение. В частности, распределение участников по трем группам - «Контроль», «Инфо» и «Инфо + Социальная» - было чрезвычайно несбалансированным: 98% образца было присвоено Info + Social. Это несбалансированное распределение неэффективно статистически, и гораздо более выгодное распределение для исследователей будет иметь треть участников в каждой группе. Но несбалансированное распределение произошло потому, что Facebook хотел, чтобы все получили Info + Social. К счастью, исследователи убедили их сдержать 1% для соответствующего лечения и 1% участников контрольной группы. Без контрольной группы было бы практически невозможно измерить влияние Info + Social лечения, потому что это был бы эксперимент «perturb и наблюдение», а не рандомизированный контролируемый эксперимент. Этот пример дает ценный практический урок для работы с партнерами: иногда вы создаете эксперимент, убеждая кого-то пройти лечение, а иногда вы создаете эксперимент, убеждая кого-то не доставлять лечение (т. Е. Создавать контрольную группу).

Партнерство не всегда должно привлекать технические компании и тесты A / B с миллионами участников. Например, Александр Коппок, Эндрю Гаус и Джон Терновски (2016) вступили в партнерство с экологической неправительственной организацией - Лигой наблюдателей за сохранением - для проведения экспериментов по тестированию различных стратегий содействия социальной мобилизации. Исследователи использовали учетную запись NGO в Twitter, чтобы отправлять как публичные твиты, так и частные прямые сообщения, которые пытались настроить разные типы идентификаторов. Затем они измерили, какое из этих сообщений было наиболее эффективным для поощрения людей подписывать петицию и перечитывать информацию о петиции.

Таблица 4.3. Примеры экспериментов, связанных с партнерством между исследователями и организациями
тема Рекомендации
Влияние Facebook News Feed на обмен информацией Bakshy, Rosenn, et al. (2012)
Влияние частичной анонимности на поведение на онлайн-сайте знакомств Bapna et al. (2016)
Влияние домашних энергетических отчетов на потребление электроэнергии Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
Влияние дизайна приложения на распространение вируса Aral and Walker (2011)
Влияние механизма распространения на диффузию SJ Taylor, Bakshy, and Aral (2013)
Влияние социальной информации в рекламе Bakshy, Eckles, et al. (2012)
Влияние частоты каталогов на продажи через каталог и онлайн для разных типов клиентов Simester et al. (2009)
Влияние информации о популярности потенциальных приложений на работу Gee (2015)
Влияние начальных рейтингов на популярность Muchnik, Aral, and Taylor (2013)
Влияние содержания сообщений на политическую мобилизацию Coppock, Guess, and Ternovski (2016)

В целом, партнерство с мощным позволяет вам работать в масштабах, которые в противном случае трудно сделать, а в таблице 4.3 приведены другие примеры партнерских отношений между исследователями и организациями. Партнерство может быть намного проще, чем создавать собственный эксперимент. Но эти преимущества имеют недостатки: партнерские отношения могут ограничивать участников, лечение и результаты, которые вы можете изучать. Кроме того, эти партнерства могут привести к этическим проблемам. Лучший способ найти возможность для партнерства - это увидеть реальную проблему, которую вы можете решить, пока занимаетесь интересной наукой. Если вы не привыкли к этому способу взглянуть на мир, может быть трудно обнаружить проблемы в Квадрате Пастера, но, с практикой, вы начнете замечать их все больше и больше.