4.5.2 เป็นพันธมิตรกับผู้ที่มีอำนาจ

พันธมิตรสามารถลดต้นทุนและเพิ่มขนาด แต่ก็สามารถปรับเปลี่ยนชนิดของผู้เข้าร่วมการรักษาและผลลัพธ์ที่คุณสามารถใช้

ทางเลือกที่จะทำมันด้วยตัวคุณเองเป็นพันธมิตรกับองค์กรที่มีประสิทธิภาพเช่น บริษัท ที่รัฐบาลหรือองค์กรพัฒนาเอกชน ข้อได้เปรียบของการทำงานร่วมกับพันธมิตรที่พวกเขาสามารถช่วยให้คุณสามารถใช้การทดสอบว่าคุณก็ไม่สามารถทำได้ด้วยตัวเอง ตัวอย่างหนึ่งของการทดลองที่ฉันจะบอกคุณเกี่ยวกับด้านล่างมีส่วนร่วม 61 ล้านผู้เข้าร่วม; ไม่มีนักวิจัยแต่ละคนสามารถบรรลุระดับที่ ในเวลาเดียวกับที่พันธมิตรเพิ่มสิ่งที่คุณสามารถทำมันยังพร้อมกัน constrains คุณ ยกตัวอย่างเช่น บริษัท ส่วนใหญ่จะไม่ได้ช่วยให้คุณสามารถเรียกใช้การทดสอบที่อาจเป็นอันตรายต่อธุรกิจหรือชื่อเสียงของพวกเขา ทำงานร่วมกับหุ้นส่วนก็หมายความว่าเมื่อมันถึงเวลาที่จะเผยแพร่คุณอาจมาภายใต้ความกดดันที่จะ "ใหม่กรอบ" ผลลัพธ์ของคุณและคู่ค้าบางคนอาจพยายามที่จะปิดกั้นการตีพิมพ์ผลงานของคุณถ้ามันทำให้พวกเขาดูไม่ดี สุดท้ายพันธมิตรยังมาพร้อมกับค่าใช้จ่ายที่เกี่ยวข้องกับการพัฒนาและรักษาความร่วมมือเหล่านี้

ความท้าทายหลักที่จะต้องมีการแก้ไขเพื่อให้ความร่วมมือเหล่านี้ประสบความสำเร็จคือการหาวิธีที่จะรักษาความสมดุลของผลประโยชน์ของทั้งสองฝ่ายและเป็นวิธีที่เป็นประโยชน์ที่จะคิดเกี่ยวกับความสมดุลที่ Quadrant ปาสเตอร์ (Stokes 1997) นักวิจัยหลายคนคิดว่าถ้าพวกเขาจะทำงานในสิ่งที่ปฏิบัติบางสิ่งบางอย่างที่อาจเป็นที่สนใจของพันธมิตรแล้วพวกเขาก็ไม่สามารถทำวิทยาศาสตร์ที่แท้จริง ความคิดนี้จะทำให้มันเป็นเรื่องยากมากที่จะสร้างความเป็นหุ้นส่วนที่ประสบความสำเร็จและมันยังเกิดขึ้นเป็นความผิดอย่างสมบูรณ์ ปัญหากับวิธีคิดนี้คือตัวอย่างที่น่าอัศจรรย์ใจด้วยการวิจัยเส้นทางทำลายของนักชีววิทยา Louis Pasteur ในขณะที่ทำงานในโครงการหมักในเชิงพาณิชย์การแปลงน้ำบีทรูทเป็นแอลกอฮอล์ลุยส์ปาสเตอร์ค้นพบคลาสใหม่ของจุลินทรีย์ที่ในที่สุดก็นำไปสู่​​ทฤษฎีของเชื้อโรค การค้นพบนี้ได้รับการแก้ไขในทางปฏิบัติมากปัญหาจะช่วยปรับปรุงกระบวนการของการหมักและนำไปสู่​​ความก้าวหน้าทางวิทยาศาสตร์ที่สำคัญ ดังนั้นแทนที่จะคิดเกี่ยวกับการวิจัยที่มีการใช้งานจริงในขณะที่ความขัดแย้งกับงานวิจัยทางวิทยาศาสตร์จริงมันจะดีกว่าที่จะคิดว่าเหล่านี้เป็นสองมิติแยกต่างหาก การวิจัยสามารถได้รับการกระตุ้นจากการใช้ (หรือไม่) และการวิจัยสามารถขอความเข้าใจพื้นฐาน (หรือไม่) ฉกรรจ์วิจัยบางเหมือน Pasteur's สามารถได้รับการกระตุ้นจากการใช้งานและการแสวงหาความเข้าใจพื้นฐาน (รูปที่ 4.16) การวิจัยในปาสเตอร์ Quadrant วิจัยที่โดยเนื้อแท้ก้าวหน้าสองเป้าหมายที่เหมาะสำหรับความร่วมมือระหว่างนักวิจัยและคู่ค้า ได้รับพื้นหลังที่ผมจะอธิบายการศึกษาทั้งสองการทดลองที่มีความร่วมมือ: หนึ่งเดียวกับ บริษัท และเป็นหนึ่งเดียวกับองค์กรพัฒนาเอกชน

รูปที่ 4.16: ปาสเตอร์ Quadrant (ขึ้นอยู่กับรูปที่ 3.5 จาก Stokes (1997)) แทนที่จะคิดของการวิจัยเป็นพื้นฐานหรือนำไปใช้มันจะดีกว่าที่จะคิดว่าการวิจัยเป็นแรงบันดาลใจจากการใช้ (หรือไม่) และการแสวงหาความเข้าใจพื้นฐาน (หรือไม่) ตัวอย่างของการวิจัยที่ทั้งเป็นแรงบันดาลใจจากการใช้งานและพยายามเข้าใจพื้นฐานเป็นงานปาสเตอร์ในการแปลงน้ำบีทรูทเป็นแอลกอฮอล์ที่นำไปสู่​​ทฤษฎีของเชื้อโรค นี้เป็นชนิดของงานที่เหมาะที่สุดสำหรับการเป็นหุ้นส่วนกับที่มีประสิทธิภาพ ตัวอย่างของการทำงานแรงบันดาลใจจากการใช้งาน แต่ไม่ได้แสวงหาความเข้าใจพื้นฐานมาจากโทมัสเอดิสันและตัวอย่างของการทำงานที่ไม่ได้รับแรงบันดาลใจจากการใช้งาน แต่ที่พยายามทำความเข้าใจมาจากนีลส์บอ ดู Stokes (1997) สำหรับการอภิปรายอย่างละเอียดมากขึ้นของกรอบนี้และแต่ละกรณีเหล่านี้

รูปที่ 4.16: ปาสเตอร์ Quadrant (ขึ้นอยู่กับรูปที่ 3.5 จาก Stokes (1997) ) แทนที่จะคิดของการวิจัยเป็นทั้ง "พื้นฐาน" หรือ "ใช้" มันจะดีกว่าที่จะคิดว่าการวิจัยเป็นแรงบันดาลใจจากการใช้ (หรือไม่) และการแสวงหาความเข้าใจพื้นฐาน (หรือไม่) ตัวอย่างของการวิจัยที่ทั้งเป็นแรงบันดาลใจจากการใช้งานและพยายามเข้าใจพื้นฐานเป็นงานปาสเตอร์ในการแปลงน้ำบีทรูทเป็นแอลกอฮอล์ที่นำไปสู่​​ทฤษฎีของเชื้อโรค นี้เป็นชนิดของงานที่เหมาะที่สุดสำหรับการเป็นหุ้นส่วนกับที่มีประสิทธิภาพ ตัวอย่างของการทำงานแรงบันดาลใจจากการใช้งาน แต่ไม่ได้แสวงหาความเข้าใจพื้นฐานมาจากโทมัสเอดิสันและตัวอย่างของการทำงานที่ไม่ได้รับแรงบันดาลใจจากการใช้งาน แต่ที่พยายามทำความเข้าใจมาจากนีลส์บอ ดู Stokes (1997) สำหรับการอภิปรายอย่างละเอียดมากขึ้นของกรอบนี้และแต่ละกรณีเหล่านี้

บริษัท ขนาดใหญ่โดยเฉพาะอย่างยิ่ง บริษัท ที่มีเทคโนโลยีมีการพัฒนาโครงสร้างพื้นฐานที่มีความซับซ้อนอย่างไม่น่าเชื่อสำหรับการทำงานการทดลองที่ซับซ้อน ในอุตสาหกรรมเทคโนโลยีการทดลองเหล่านี้มักจะเรียกว่าการทดสอบ A / B (เพราะพวกเขาทดสอบประสิทธิภาพของการรักษาทั้งสองนี้: A และ B) การทดลองเหล่านี้จะถูกเรียกใช้บ่อยสำหรับสิ่งที่ต้องการเพิ่มอัตราการคลิกผ่านที่โฆษณา แต่โครงสร้างพื้นฐานการทดลองเดียวกันยังสามารถนำมาใช้สำหรับการวิจัยที่ก้าวหน้าความเข้าใจทางวิทยาศาสตร์ เป็นตัวอย่างที่แสดงให้เห็นถึงศักยภาพของชนิดของงานวิจัยนี้คือการศึกษาดำเนินการโดยความร่วมมือระหว่างนักวิจัยที่ Facebook และมหาวิทยาลัยแคลิฟอร์เนียซานดิเอโกเกี่ยวกับผลกระทบของข้อความที่แตกต่างกันในการเลือกผลิตภัณฑ์ (Bond et al. 2012)

เมื่อวันที่ 2 พฤศจิกายน 2010 เป็นวันที่ของรัฐสภาสหรัฐการเลือกตั้งทั้งหมด 61 ล้านผู้ใช้ Facebook ที่อาศัยอยู่ในสหรัฐอเมริกาและมากกว่า 18 เข้ามามีส่วนในการทดลองเกี่ยวกับการลงคะแนน เมื่อเข้ามาเยี่ยมชม Facebook ของผู้ถูกสุ่มเป็นหนึ่งในสามกลุ่มที่ระบุสิ่งที่แบนเนอร์ (ถ้ามี) ถูกวางไว้ที่ด้านบนของฟีดข่าวของพวกเขา (รูปที่ 4.17) นี้:

  • กลุ่มควบคุม
  • ข้อความที่ให้ข้อมูลเกี่ยวกับการลงคะแนนด้วยคลิกได้เป็น "ฉันโหวตปุ่ม" และเคาน์เตอร์ (ข้อมูล)
  • ข้อความที่ให้ข้อมูลเกี่ยวกับการลงคะแนนด้วยปุ่ม "ฉันโหวตปุ่ม" และเคาน์เตอร์ + ชื่อและภาพของเพื่อนของพวกเขาที่ได้คลิกแล้ว "ผมลงคะแนน" (ข้อมูล + สังคม)

พันธบัตรและเพื่อนร่วมงานการศึกษาสองผลหลัก: รายงานการลงคะแนนเลือกตั้งและการลงคะแนนเลือกตั้งที่เกิดขึ้นจริง ก่อนที่พวกเขาพบว่าคนในสังคม + ข้อมูลกลุ่มมีประมาณร้อยละ 2 จุดจะมีโอกาสมากกว่าคนในกลุ่มข้อมูลเพื่อคลิก "ฉันโหวต" (ประมาณ 20% เทียบกับ 18%) นอกจากนี้หลังจากที่นักวิจัยรวมข้อมูลของพวกเขาที่มีผลการออกเสียงลงคะแนนที่มีอยู่ทั่วไปประมาณ 6 ล้านคนที่พวกเขาพบว่าคนที่อยู่ในข้อมูล + กลุ่มสังคมได้ 0.39 คะแนนร้อยละแนวโน้มที่จะจริงลงคะแนนกว่าคนอยู่ในสภาพที่ควบคุมและว่าคนที่อยู่ในกลุ่มข้อมูล เช่นเดียวกับแนวโน้มที่จะลงคะแนนเสียงเป็นคนที่อยู่ในสภาพที่ควบคุม (รูปที่ 4.17)

รูปที่ 4.17: ผลลัพธ์ที่ได้จากการทดลองที่ได้รับจากที่ออกเสียงลงคะแนนใน Facebook (บอนด์ et al, 2012). ผู้เข้าร่วมในกลุ่มข้อมูลได้รับการโหวตในอัตราเดียวกับคนที่อยู่ในสภาพควบคุม แต่คนที่อยู่ในข้อมูล + กลุ่มสังคมลงมติในอัตราที่สูงกว่าเล็กน้อย แถบแสดงประมาณช่วงความเชื่อมั่น 95% ผลการค้นหาในกราฟรวมประมาณ 6 ล้านคนซึ่งนักวิจัยอาจไม่ตรงกับบันทึกการออกเสียงลงคะแนน

รูปที่ 4.17: ผลจากการทดสอบได้รับการออกคะแนนเสียงบน Facebook (Bond et al. 2012) ผู้เข้าร่วมในกลุ่มข้อมูลได้รับการโหวตในอัตราเดียวกับคนที่อยู่ในสภาพควบคุม แต่คนที่อยู่ในข้อมูล + กลุ่มสังคมลงมติในอัตราที่สูงกว่าเล็กน้อย แถบแสดงประมาณช่วงความเชื่อมั่น 95% ผลการค้นหาในกราฟรวมประมาณ 6 ล้านคนซึ่งนักวิจัยอาจไม่ตรงกับบันทึกการออกเสียงลงคะแนน

การทดลองนี้แสดงให้เห็นว่าบางข้อความที่ได้รับจากที่ลงคะแนนออนไลน์มีประสิทธิภาพมากขึ้นกว่าคนอื่น ๆ และมันแสดงให้เห็นว่านักวิจัยประมาณการของประสิทธิผลของการรักษาจะขึ้นอยู่กับว่าพวกเขารายงานการศึกษาหรือพฤติกรรมที่เกิดขึ้นจริง การทดลองนี้ แต่น่าเสียดายที่ไม่ได้ให้เบาะแสใด ๆ เกี่ยวกับกลไกที่ผ่านข้อมูลซึ่งทางสังคมนักวิจัยบางคนได้เรียกร้องอย่างสนุกสนานเป็น "กองหน้า" การออกเสียงลงคะแนน -increased มันอาจจะเป็นว่าข้อมูลทางสังคมที่เพิ่มขึ้นน่าจะเป็นที่มีคนสังเกตเห็นแบนเนอร์หรือว่ามันเพิ่มขึ้นน่าจะเป็นที่คนที่สังเกตเห็นแบนเนอร์จริงหรือทั้งสองได้รับการโหวต ดังนั้นการทดลองนี้ยังมีการค้นพบที่น่าสนใจที่นักวิจัยต่อไปมีแนวโน้มที่จะสำรวจ (ดูเช่น Bakshy, Eckles, et al. (2012) )

นอกจากนี้เพื่อความก้าวหน้าเป้าหมายของนักวิจัยที่ทดลองนี้ยังสูงเป้าหมายขององค์กรพันธมิตร (Facebook) ถ้าคุณเปลี่ยนพฤติกรรมการศึกษาจากการออกเสียงลงคะแนนในการซื้อสบู่แล้วคุณจะเห็นว่าการศึกษามีโครงสร้างเดียวกันกับการทดลองเพื่อตรวจวัดผลกระทบของโฆษณาออนไลน์ (ดูเช่น Lewis and Rao (2015) ) เหล่านี้ศึกษาประสิทธิผลโฆษณาบ่อยวัดผลกระทบของการสัมผัสกับโฆษณาออนไลน์การรักษาใน Bond et al. (2012) มีพื้นโฆษณาสำหรับการออกเสียงลงคะแนนในพฤติกรรมออฟไลน์ ดังนั้นการศึกษานี้อาจก้าวหน้าความสามารถของ Facebook เพื่อศึกษาประสิทธิภาพของโฆษณาออนไลน์และสามารถช่วยโน้มน้าว Facebook โฆษณาที่มีศักยภาพว่าโฆษณาของ Facebook ที่มีประสิทธิภาพ

แม้ว่าความสนใจของนักวิจัยและคู่ค้าที่ถูกจัดชิดส่วนใหญ่ในการศึกษาครั้งนี้พวกเขาก็มีบางส่วนในความตึงเครียด โดยเฉพาะอย่างยิ่งการจัดสรรของผู้เข้าร่วมกับสามเงื่อนไขการควบคุมข้อมูลและข้อมูล + สังคมได้รับการขาดดุลอย่างมาก: 98% ของกลุ่มตัวอย่างได้รับมอบหมายให้ข้อมูลสังคม + การจัดสรรไม่สมดุลนี้จะไม่มีประสิทธิภาพทางสถิติและการจัดสรรที่ดีมากสำหรับนักวิจัยจะต้องได้รับ 1/3 ของผู้เข้าร่วมในแต่ละกลุ่ม แต่การจัดสรรไม่สมดุลเกิดขึ้นเพราะ Facebook อยากให้ทุกคนที่จะได้รับข้อมูล + ทรีสังคม โชคดีที่นักวิจัยเชื่อว่าพวกเขาจะถือกลับ 1% สำหรับการรักษาที่เกี่ยวข้องและ 1% ของผู้เข้าร่วมกลุ่มควบคุม โดยไม่ต้องกลุ่มควบคุมมันจะเป็นไปไม่ได้โดยทั่วไปในการวัดผลของข้อมูล + ทรีสังคมเพราะมันจะได้รับการ "รบกวนและสังเกต" การทดลองมากกว่าการทดลองควบคุมแบบสุ่ม ตัวอย่างนี้ให้บทเรียนการปฏิบัติที่มีคุณค่าสำหรับการทำงานร่วมกับพาร์ทเนอร์: บางครั้งคุณสร้างการทดสอบโดยการหลอกให้คนที่จะส่งมอบการรักษาและบางครั้งคุณสร้างการทดสอบโดยการหลอกให้คนที่ไม่ได้ที่จะส่งมอบการรักษา (เช่นการสร้างกลุ่มควบคุม)

ความร่วมมือไม่เคยต้องการที่จะเกี่ยวข้องกับ บริษัท ที่มีเทคโนโลยีและการทดสอบ A / B ที่มีนับล้านของผู้เข้าร่วม ยกตัวอย่างเช่นอเล็กซานเด Coppock แอนดรู Guess, และจอห์น Ternovski (2016) ร่วมมือกับองค์กรพัฒนาเอกชนด้านสิ่งแวดล้อม (สมาคมพิทักษ์รักษาคะแนน) เพื่อเรียกใช้การทดสอบทดลองกลยุทธ์ที่แตกต่างกันในการส่งเสริมการชุมนุมทางสังคม นักวิจัยได้ใช้บัญชี Twitter ขององค์กรพัฒนาเอกชนในการส่งออกทั้งภาครัฐและทวีตข้อความโดยตรงเอกชนที่พยายามที่จะชนิดที่แตกต่างที่สำคัญของตัวตน จากนั้นนักวิจัยวัดซึ่งข้อความเหล่านี้มีประสิทธิภาพมากที่สุดสำหรับการส่งเสริมให้คนที่จะลงนามในคำร้องและข้อมูลเกี่ยวกับการ Retweet คำร้อง

ตารางที่ 4.3: ตัวอย่างของการวิจัยที่ผ่านมาความร่วมมือระหว่างนักวิจัยและองค์กร ในบางกรณีนักวิจัยทำงานในองค์กร
กระทู้ การอ้างอิง
ผลของ Facebook News Feed ในการแบ่งปันข้อมูล Bakshy, Rosenn, et al. (2012)
ผลของการไม่เปิดเผยชื่อบางส่วนเกี่ยวกับพฤติกรรมในเว็บไซต์หาคู่ออนไลน์ Bapna et al. (2016)
ผลของการใช้พลังงานหน้าแรกรายงานเกี่ยวกับการใช้ไฟฟ้า Allcott (2011) ; Allcott and Rogers (2014) ; Allcott (2015) ; Costa and Kahn (2013) ; Ayres, Raseman, and Shih (2013)
ผลกระทบของการออกแบบแอพพลิเคในการแพร่กระจายของเชื้อไวรัส Aral and Walker (2011)
ผลกระทบของการแพร่กระจายกลไกในการแพร่กระจาย Taylor, Bakshy, and Aral (2013)
ผลของข้อมูลทางสังคมในการโฆษณา Bakshy, Eckles, et al. (2012)
ผลของความถี่ในแคตตาล็อกขายผ่านแคตตาล็อกและออนไลน์ประเภทที่แตกต่างกันของลูกค้า Simester et al. (2009)
ผลของข้อมูลความนิยมในการใช้งานที่มีศักยภาพในการทำงาน Gee (2015)
ผลของการจัดอันดับครั้งแรกกับความนิยม Muchnik, Aral, and Taylor (2013)
ผลของเนื้อหาของข้อความในการชุมนุมทางการเมือง Coppock, Guess, and Ternovski (2016)

โดยรวม, การเป็นพันธมิตรกับที่มีประสิทธิภาพช่วยให้คุณทำงานในระดับที่ยากที่จะทำอย่างอื่นและโต๊ะ 4.3 มีตัวอย่างอื่น ๆ ของความร่วมมือระหว่างนักวิจัยและองค์กร พันธมิตรสามารถเป็นเรื่องง่ายกว่าการสร้างการทดสอบของคุณเอง แต่ข้อดีเหล่านี้มาพร้อมกับข้อเสีย: ความร่วมมือสามารถ จำกัด ชนิดของผู้เข้าร่วมการรักษาและผลลัพธ์ที่คุณสามารถศึกษา นอกจากนี้ความร่วมมือเหล่านี้สามารถนำไปสู่​​ความท้าทายจริยธรรม วิธีที่ดีที่สุดที่จะจุดโอกาสในการเป็นหุ้นส่วนคือการแจ้งให้ทราบปัญหาที่แท้จริงที่คุณสามารถแก้ปัญหาในขณะที่คุณกำลังทำทางวิทยาศาสตร์ที่น่าสนใจ หากคุณไม่ได้ใช้วิธีการมองโลกนี้มันยากที่จะมองเห็นปัญหาในปาสเตอร์ Quadrant แต่มีการปฏิบัติคุณจะเริ่มสังเกตเห็นพวกเขามากขึ้น