4.5.2 Partner z močno

Partnerstvo lahko zmanjša stroške in poveča obseg, lahko pa se spremenijo vrste udeležencev, zdravljenja, in rezultatov, ki jih lahko uporabite.

Alternativa to počne sam je v sodelovanju z močno organizacijo, kot so podjetja, vlade, ali nevladne organizacije. Prednost pri delu s partnerjem, je, da lahko vam omogočajo, da delujejo poskuse, ki si ne morejo storiti sami. Na primer, eden od poskusov, da vam bom povedal o nadaljevanju vključenih 61 milijonov udeležencev; nobena posamezna raziskovalec bi dosegli ta lestvice. Hkrati pa, da partnerski povečuje, kar lahko naredite, je prav, hkrati pa vas omejuje. Na primer, večina podjetij ne bo vam omogočajo, da izvedete preizkus, ki bi lahko škodovalo njihovo poslovanje ali njihov ugled. Sodelovanje s partnerji pomeni tudi, da ko pride čas za objavo, lahko pod pritiskom, da bi lahko "re-frame" svoje rezultate, in nekateri partnerji celo poskušali blokirati objavo svojega dela, če jih naredi videti slabo. Končno, partnerstvo prav tako prihaja s stroški, povezanimi z razvojem in vzdrževanje teh sodelovanj.

Glavni izziv, ki ga je treba rešiti, da bo ta partnerstva uspešna je najti način, da se uravnoteži interese obeh strani, in koristen način, da razmišljajo o tem salda Pasteur je Quadrant (Stokes 1997) . Mnogi raziskovalci mislijo, da če delajo na nekaj, kar praktično-nekaj, kar bi bilo v interesu, da partnerja, potem ne more biti delaš prave znanosti. Ta miselnost bo to zelo težko ustvariti uspešna partnerstva, in to tudi zgodi, da se popolnoma narobe. Problem pri tem načinu razmišljanja se čudovito ponazarja-breaking poti raziskovanja biolog Louis Pasteur. Med delom na komercialni fermentacijski projekt za pretvorbo soka pese v alkohol, Pasteur je odkril nov razred mikroorganizma, ki je sčasoma pripeljala do teorije zarodnih bolezni. To odkritje rešili zelo praktičen problem, da je pomagala izboljšati proces fermentacije-in to vodi do večjega znanstvenega napredka. Torej, namesto da razmišljate o raziskavah s praktično uporabo, da so v nasprotju z resnično znanstvenih raziskav, je bolje, da o teh kot dveh ločenih dimenzij. Raziskave lahko motivira z uporabo (ali ne) in raziskave lahko poiščejo temeljno razumevanje (ali ne). Kritično, nekateri raziskovalni podobni Pasteur's-lahko motivira uporabo in iščejo temeljno razumevanje (slika 4.16). Raziskave v Pasteurjevo Quadrant raziskav, ki same po sebi navaja dva cilja, je idealen za sodelovanja med raziskovalci in partnerji. Glede na to, da je v ozadju, bom opis dveh eksperimentalnih študij pri partnerstvih: eno z družbo in enega z NVO.

Slika 4.16: Pasteur je Quadrant (na sliki 3.5 od Stokes (1997)). Namesto razmišljanja raziskave bodisi kot temeljne ali aplikativne je bolje razmišljati o raziskavah, kot je motivirana z uporabo (ali ne) in iščejo temeljno razumevanje (ali ne). Primer raziskav, ki so tako motivirani z uporabo in išče temeljno razumevanje je delo Pasteur na pretvorbo soka pese v alkohol, ki vodijo k teoriji zarodnih bolezni. To je način dela, ki je najbolj primerna za partnerstva z močna. Primeri dela motivirani z uporabo, vendar to ne iščejo temeljno razumevanje prihajajo iz Thomas Edison, in primeri dela, ki ne temeljijo na uporabi in skuša razumevanje prihajajo iz Niels Bohr. Glej Stokes (1997), za bolj temeljito razpravo o tem okviru in vsako od teh primerov.

Slika 4.16: Pasteur je Quadrant (na sliki 3.5 od Stokes (1997) ). Namesto razmišljanja raziskave bodisi kot "osnovno" ali "uporabo" je bolje razmišljati o raziskavah, kot je motivirana z uporabo (ali ne) in iščejo temeljno razumevanje (ali ne). Primer raziskav, ki so tako motivirani z uporabo in išče temeljno razumevanje je delo Pasteur na pretvorbo soka pese v alkohol, ki vodijo k teoriji zarodnih bolezni. To je način dela, ki je najbolj primerna za partnerstva z močna. Primeri dela motivirani z uporabo, vendar to ne iščejo temeljno razumevanje prihajajo iz Thomas Edison, in primeri dela, ki ne temeljijo na uporabi in skuša razumevanje prihajajo iz Niels Bohr. Glej Stokes (1997) za bolj temeljito razpravo o tem okviru in vsako od teh primerov.

Velika podjetja, zlasti tehnološka podjetja, so razvili neverjetno prefinjeno infrastrukturo za vodenje zapletenih poskusov. V tech industriji, so ti poskusi pogosto imenujejo preizkuse A / B (ker test učinkovitosti dveh obdelav: A in B). Ti poskusi so pogosto teči za stvari, kot so povečanje kliki na oglase, vendar enako eksperimentalni infrastruktura se lahko uporablja tudi za raziskave, ki predplačil za znanstveno razumevanje. Primer, ki ponazarja potencial tovrstnega raziskovanja je študija, ki jo je partnerstvo med raziskovalci na Facebook in University of California, San Diego poteka, o učinkih različnih sporočil na volilno udeležbo (Bond et al. 2012) .

2. novembra 2010, na dan ameriških kongresnih volitev-vseh 61 milijonov uporabnikov Facebooka, ki živijo v ZDA in so starejši od 18 let je sodeloval pri poskusu o glasovanju. Ob obisku Facebook, so uporabniki naključno razporedili v eno od treh skupin, ki so določile, kaj banner (če sploh) je bil postavljen na vrhu svoje News Feed (slika 4.17):

  • kontrolna skupina.
  • informativno sporočilo o tem glasovali z gumbom »sem glasoval" gumb in nasprotno (info).
  • informativno sporočilo o tem glasovali z gumbom »sem glasoval" gumb in števec + imena in fotografije svojih prijateljev, ki so že kliknili "sem glasoval" (info + socialno).

Bond in kolegi študiral dve glavne rezultate: poročalo glasovanja vedenje in dejansko vedenje glasovanja. Najprej so ugotovili, da so ljudje v info + družbeni skupini približno 2 odstotni točki bolj kot ljudi v skupini, info, da kliknete "I glasoval" (okoli 20% proti 18%). Nadalje, ko so raziskovalci združili svoje podatke z javno dostopnih volilne evidence za približno 6 milijonov ljudi, so ugotovili, da so ljudje v info + družbene skupine 0,39 odstotne točke več, ki bi lahko dejansko glasovali kot ljudje v stanju nadzora ter da ljudje v skupini info prav tako verjetno, da glasujejo kot ljudje v stanju kontrolni (slika 4.17).

Slika 4.17: Rezultati iz get-out-the-glasovanje eksperiment na Facebooku (Bond et al 2012).. Udeleženci v skupini info glasovali na isti stopnji kot ljudi v stanju nadzora, vendar ljudje v info + družbeni skupini glasovali na nekoliko višji stopnji. Palice predstavljajo po ocenah 95% intervali zaupanja. Rezultati v grafu vključujejo okoli 6 milijonov udeležencev za katere bi lahko raziskovalci ujema z zapisi glasovanja.

Slika 4.17: Rezultati iz get-out-the-glasovanje eksperiment na Facebooku (Bond et al. 2012) . Udeleženci v skupini info glasovali na isti stopnji kot ljudi v stanju nadzora, vendar ljudje v info + družbeni skupini glasovali na nekoliko višji stopnji. Palice predstavljajo po ocenah 95% intervali zaupanja. Rezultati v grafu vključujejo okoli 6 milijonov udeležencev za katere bi lahko raziskovalci ujema z zapisi glasovanja.

Ta poskus kaže, da so nekatere spletne get-out-the-glasovanje sporočila bolj učinkoviti od drugih, in to kaže, da se lahko ocena raziskovalca učinkovitosti zdravljenja so odvisni od tega, ali so študij poroča, ali dejansko ravnanje. Ta poskus žal ne ponuja nobenih sledi o mehanizmih, prek katerih socialno informacij, ki so nekateri raziskovalci igrivo imenuje "obraz kup" -increased glasovanje. Lahko bi bilo, da socialna informacije povečala verjetnost, da je nekdo opazil banner ali da se je povečala verjetnost, da nekdo, ki je opazil banner dejansko glasovali ali oboje. Tako ta poskus daje zanimivo ugotovitev, da bo nadalje raziskovalec verjetno raziskovanje (glej npr Bakshy, Eckles, et al. (2012) ).

Poleg tega, da napreduje ciljev raziskovalcev, ta poskus napredovala tudi cilj partnerske organizacije (Facebook). Če spremenite obnašanje študiral glasovati za nakup mila, potem lahko vidimo, da ima študija natančno enako strukturo kot eksperiment za merjenje učinka spletnih oglasov (glej npr Lewis and Rao (2015) ). Te študije učinkovitosti oglasov pogosto merjenje učinka izpostavljenosti spletnih oglasov, ki so na zdravljenju v Bond et al. (2012) so v osnovi, ki so glasovanje-on offline vedenje. Tako bi lahko ta študija napreduje sposobnost Facebookovih preučiti učinkovitost spletnih oglasov in bi lahko pomagal Facebook prepričati potencialne oglaševalce, ki so Facebook oglasi učinkoviti.

Čeprav so bili interesi raziskovalcev in partnerji večinoma usklajena v tej študiji, so bili tudi delno pod napetostjo. Še posebej, razporeditev udeležencev na tri pogoje, nadzor, info, ter info + socialno-je izredno neuravnotežena: 98% vzorca je bila dodeljena na info + socialna. Ta neuravnotežen razdelitev neučinkovit statistično, in veliko boljša razporeditev za raziskovalce, ki so bi bili 1/3 udeležencev v vsaki skupini. Ampak, neuravnoteženo razporeditev se je zgodilo zato, ker Facebook je želel vse, da dobijo informacije + socialne obravnave. Na srečo, so raziskovalci jih prepričal, da ima nazaj 1%, s tem povezano zdravljenje in 1% udeležencev pri kontrolni skupini. Brez kontrolne skupine bi bilo v bistvu nemogoče izmeriti učinek info + socialne obravnave, ker bi to bilo "motijo ​​in opazovati" eksperiment ne randomizirano kontrolirano eksperiment. Ta primer predstavlja dragoceno praktično lekcijo za delo s partnerji: včasih ustvarite preizkus s prepričljivo nekdo poda zdravljenje in včasih ustvarite preizkus s prepričljivo nekdo ne poda v obravnavo (to je, da ustvarijo kontrolno skupino).

Partnerstvo ni vedno treba vključiti tech podjetja in teste A / B z milijoni udeležencev. Na primer, Alexander Coppock, Andrew Ugani, in John Ternovski (2016) povezal z okoljsko NVO (liga za ohranjanje glasov) teči eksperimente za testiranje različnih strategij za spodbujanje socialne mobilizacije. Raziskovalci uporabljajo Twitter račun MNO poslati tako javnih tweets in zasebnih neposrednih sporočil, da je poskus, da prime različnih vrst identitet. Raziskovalci so nato izmeri, kateri od teh sporočil so bili najbolj učinkoviti pri spodbujanju ljudi, da podpišejo peticijo in Retweet informacije o peticiji.

Tabela 4.3: Primeri raziskav, ki prihaja skozi partnerstva med raziskovalci in organizacije. V nekaterih primerih so raziskovalci na organizacije.
tema Navedba
Vpliv Facebook News Feed o izmenjavi informacij Bakshy, Rosenn, et al. (2012)
Učinek delne anonimnosti na vedenje na spletni strani online dating Bapna et al. (2016)
Učinek Home Energy Poročila o rabi električne energije Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
Učinek oblikovanja aplikacije na virusnega širjenja Aral and Walker (2011)
Učinek širjenja mehanizem za difuzijo Taylor, Bakshy, and Aral (2013)
Vpliv socialnega informacij v oglasih Bakshy, Eckles, et al. (2012)
Vpliv frekvence kataloške prodaje prek katalogu in na spletu za različne vrste strank Simester et al. (2009)
Vpliv informacij priljubljenosti na morebitne prijave na delovno mesto Gee (2015)
Učinek prvih ocen na priljubljenosti Muchnik, Aral, and Taylor (2013)
Učinek vsebino sporočila o politični mobilizaciji Coppock, Guess, and Ternovski (2016)

Na splošno, v sodelovanju z močno omogoča, da delujete na lestvici, ki je težko narediti drugače, in tabela 4.3 zagotavlja druge primere partnerstev med raziskovalci in organizacije. Partnerstvo je lahko veliko lažje kot graditi svoj eksperiment. Ampak, te prednosti prišli z slabosti: partnerstva lahko omejijo vrste udeležencev, zdravljenja, in rezultatov, ki jih lahko študirajo. Poleg tega lahko ta partnerstva privede do etične izzive. Najboljši način, da na kraju samem priložnost za partnerstvo je opaziti velik problem, ki ga lahko reši, medtem ko delaš zanimivo znanost. Če se niste uporabljali na ta način gledanja na svet, je težko prepoznati težave v Pasteurjevo kvadrantu, vendar s prakso, boste začeli opažati bolj in bolj.