4.6.1創建零可變成本數據

運行大型實驗的關鍵是將可變成本降至零。實現這一目標的最佳方法是自動化和設計愉快的實驗。

數字實驗可以具有截然不同的成本結構,這使研究人員能夠進行過去不可能進行的實驗。考慮這種差異的一種方法是注意實驗通常有兩種類型的成本:固定成本和可變成本。 固定成本是指無論參與人數多少都保持不變的成本。例如,在實驗室實驗中,固定成本可能是租用空間和購買家具的成本。另一方面, 可變成本根據參與者的數量而變化。例如,在實驗室實驗中,可變成本可能來自支付員工和參與者。通常,模擬實驗具有低固定成本和高可變成本,而數字實驗具有高固定成本和低可變成本(圖4.19)。儘管數字實驗具有較低的可變成本,但當您將可變成本一直推向零時,您可以創造許多令人興奮的機會。

圖4.19:模擬和數字實驗中的成本結構示意圖。通常,模擬實驗具有低固定成本和高可變成本,而數字實驗具有高固定成本和低可變成本。不同的成本結構意味著數字實驗可以以模擬實驗無法實現的規模運行。

圖4.19:模擬和數字實驗中的成本結構示意圖。通常,模擬實驗具有低固定成本和高可變成本,而數字實驗具有高固定成本和低可變成本。不同的成本結構意味著數字實驗可以以模擬實驗無法實現的規模運行。

向員工支付可變成本支付和向參與者支付有兩個主要因素 - 使用不同的策略可以將這些元素中的每一個驅動為零。對員工的付款源於研究助理確實招募參與者,提供治療和衡量結果的工作。例如,Schultz及其同事(2007)關於用電的模擬現場實驗要求研究助理前往每個家庭進行治療並閱讀電錶(圖4.3)。研究助理的所有這些努力意味著在研究中增加一個新家庭會增加成本。另一方面,對於Restivo和van de Rijt (2012)關於獎項對維基百科編輯的影響的數字現場實驗,研究人員可以幾乎免費增加更多參與者。減少可變管理成本的一般策略是用計算機工作(廉價)取代人類工作(這是昂貴的)。粗略地說,你可以問問自己:當我的研究團隊中的每個人都在睡覺時,這個實驗能夠運行嗎?如果答案是肯定的,那麼您在自動化方面做得很好。

第二種主要的可變成本是向參與者付款。一些研究人員使用亞馬遜機械土耳其人和其他在線勞動力市場來減少參與者所需的付款。然而,為了將可變成本一直推向零,需要採用不同的方法。很長一段時間,研究人員設計的實驗非常無聊,他們必須付錢給人們參與。但是如果你能創造一個人們想要進入的實驗呢?這可能聽起來很牽強,但我會從我自己的工作中給出一個例子,表4.4中有更多的例子。請注意,這種設計愉快實驗的想法與第3章中關於設計更有趣的調查和第5章關於大規模協作設計的一些主題相呼應。因此,我認為參與者的享受 - 也可能被稱為用戶體驗 - 將成為數字時代研究設計中越來越重要的一部分。

表4.4:零可變成本的實驗示例,用於補償具有有價值服務或愉快體驗的參與者。
賠償金 參考
有健康信息的網站 Centola (2010)
鍛煉計劃 Centola (2011)
免費音樂 Salganik, Dodds, and Watts (2006) ; Salganik and Watts (2008) ; Salganik and Watts (2009b)
好玩的遊戲 Kohli et al. (2012)
電影推薦 Harper and Konstan (2015)

如果您想創建零可變成本數據的實驗,您需要確保一切都是完全自動化的,並且參與者不需要任何付款。為了說明這是如何可能的,我將描述我對文化產品成敗的論文研究。

我的論文的動機是文化產品成功的令人費解的本質。熱門歌曲,暢銷書籍和大片電影比普通電影更成功。因此,這些產品的市場通常被稱為“贏家通吃”市場。然而,與此同時,哪些特定的歌曲,書籍或電影將成功是令人難以置信的不可預測的。編劇威廉·戈德曼(1989) William Goldman (1989)優雅地總結了許多學術研究,他說,在預測成功時,“沒有人知道任何事情。”贏家通吃市場的不可預測性使我想知道結果取得多大成功質量和運氣多少。或者,表達方式略有不同,如果我們可以創建並行世界並讓它們全部獨立發展,那麼相同的歌曲會在每個世界中變得流行嗎?而且,如果沒有,可能是導致這些差異的機制是什麼?

為了回答這些問題,我們 - Peter Dodds,Duncan Watts(我的論文顧問)和我進行了一系列在線實地試驗。特別是,我們建立了一個名為MusicLab的網站,人們可以在那裡發現新的音樂,我們將其用於一系列實驗。我們通過在青少年興趣網站上運行橫幅廣告(圖4.20)並通過媒體提及來招募參與者。到達我們網站的參與者提供了知情同意書,完成了一份簡短的背景調查問卷,並被隨機分配到兩個實驗條件中的一個 - 獨立和社會影響。在獨立的條件下,參與者只決定樂隊的名字和歌曲,決定聽哪些歌曲。在聽一首歌時,參與者被要求對其進行評分,之後他們有機會(但沒有義務)下載這首歌。在社交影響條件下,參與者俱有相同的體驗,除了他們還可以看到先前參與者下載了多首歌。此外,社會影響條件的參與者被隨機分配到八個平行世界中的一個,每個世界獨立進化(圖4.21)。使用這種設計,我們進行了兩個相關的實驗。在第一部分中,我們以未分類的網格向參與者展示了歌曲,這為他們提供了一個微弱的流行信號。在第二個實驗中,我們將這些歌曲列在排名列表中,這提供了一個更強大的受歡迎信號(圖4.22)。

圖4.20:我和我的同事用來為MusicLab實驗招募參與者的橫幅廣告示例(Salganik,Dodds和Watts 2006)。經Salganik(2007)許可轉載,圖2.12。

圖4.20:我和我的同事用來為MusicLab實驗招募參與者的橫幅廣告示例(Salganik, Dodds, and Watts 2006) Salganik (Salganik, Dodds, and Watts 2006) 。經Salganik (2007)許可轉載,圖2.12。

圖4.21:MusicLab實驗的實驗設計(Salganik,Dodds和Watts 2006)。參與者被隨機分配到兩個條件之一:獨立和社會影響。處於獨立狀態的參與者做出了他們的選擇,而沒有任何其他人做過的信息。社交影響條件下的參與者被隨機分配到八個平行世界中的一個,在那裡他們可以看到他們世界中每首歌曲的先前參與者的下載所衡量的受歡迎程度,但他們看不到任何有關的信息,也沒有看到甚至知道任何其他世界的存在。改編自Salganik,Dodds和Watts(2006),圖s1。

圖4.21:MusicLab實驗的實驗設計(Salganik (Salganik, Dodds, and Watts 2006) 。參與者被隨機分配到兩個條件之一:獨立和社會影響。處於獨立狀態的參與者做出了他們的選擇,而沒有任何其他人做過的信息。社交影響條件下的參與者被隨機分配到八個平行世界中的一個,在那裡他們可以看到他們世界中每首歌曲的先前參與者的下載所衡量的受歡迎程度,但他們看不到任何有關的信息,也沒有看到甚至知道任何其他世界的存在。改編自Salganik, Dodds, and Watts (2006) ,圖s1。

我們發現這些歌曲的受歡迎程度在世界各地不同,這表明運氣在成功中發揮了重要作用。例如,在一個世界中,52Metro的歌曲“Lockdown”在48首歌曲中排名第一,而在另一個世界中,它排在第40位。這是與同一首其他歌曲競爭的完全相同的歌曲,但在一個世界中它很幸運,而在其他世界中則沒有。此外,通過比較兩個實驗的結果,我們發現社會影響力增加了這些市場的贏者通吃性質,這可能暗示了技能的重要性。但是,縱觀世界(在這種平行世界的實驗之外無法做到),我們​​發現社會影響實際上增加了運氣的重要性。此外,令人驚訝的是,這是最具吸引力的歌曲,其中運氣最重要(圖4.23)。

圖4.22:MusicLab實驗中社會影響條件的截圖(Salganik,Dodds和Watts 2006)。在實驗1中的社交影響條件中,將歌曲以及先前下載的數量呈現給以16×3矩形網格排列的參與者,其中為每個參與者隨機分配歌曲的位置。在實驗2中,社交影響條件的參與者被顯示具有下載計數的歌曲,以當前流行度的降序呈現在一列中。

圖4.22:MusicLab實驗中社會影響條件的截圖(Salganik, Dodds, and Watts 2006) Salganik (Salganik, Dodds, and Watts 2006) 。在實驗1的社交影響條件下,歌曲以及先前下載的數量被呈現給排列在16 \(\times\) 3矩形網格中的參與者,其中歌曲的位置被隨機分配給每個參與者。在實驗2中,社交影響條件的參與者被顯示具有下載計數的歌曲,以當前流行度的降序呈現在一列中。

圖4.23:MusicLab實驗的結果顯示了吸引力與成功之間的關係(Salganik,Dodds和Watts 2006)。 x軸是獨立世界中歌曲的市場份額,它可以衡量歌曲的吸引力,y軸是八個社會影響世界中同一首歌的市場份額。作為歌曲成功的衡量標準。我們發現,增加參與者所經歷的社會影響 - 特別是從實驗1到實驗2(圖4.22)的佈局變化 - 成功變得更加難以預測,特別是對於具有最高吸引力的歌曲。改編自Salganik,Dodds和Watts(2006),圖3。

圖4.23:MusicLab實驗的結果顯示了吸引力與成功之間的關係(Salganik, Dodds, and Watts 2006)\(x\) axis是獨立世界中歌曲的市場份額,它可以衡量歌曲的吸引力, \(y\) axis是同一首歌的市場份額。八個社會影響世界,它們可以衡量歌曲的成功。我們發現,增加參與者所經歷的社會影響 - 特別是從實驗1到實驗2(圖4.22)的佈局變化 - 成功變得更加難以預測,特別是對於具有最高吸引力的歌曲。改編自Salganik, Dodds, and Watts (2006) ,圖3。

由於設計的方式,MusicLab能夠以基本為零的可變成本運行。首先,一切都是完全自動化的,所以它能夠在我睡覺時運行。其次,補償是免費音樂,因此沒有可變的參與者補償費用。使用音樂作為補償也說明了有時在固定成本和可變成本之間進行權衡。使用音樂增加了固定成本,因為我不得不花時間獲得樂隊的許可,並為他們準備關於參與者對音樂的反應的報導。但在這種情況下,增加固定成本以降低變量成本是正確的做法;這使我們能夠進行比標準實驗室實驗大約100倍的實驗。

此外,MusicLab實驗表明零可變成本本身並不一定是目的;相反,它可以成為運行新實驗的一種手段。請注意,我們並未使用所有參與者進行100次標準社交影響實驗室實驗。相反,我們做了一些不同的事情,您可以將其視為從心理學實驗轉向社會學實驗(Hedström 2006) 。我們不是專注於個人決策,而是將我們的實驗集中在受歡迎程度上,這是一個集體結果。這轉換為集體結果意味著我們需要大約700名參與者來生成單個數據點(每個並行世界中有700人)。由於實驗的成本結構,這種規模才有可能實現。一般而言,如果研究人員想要研究集體結果是如何從個人決策中產生的,那麼像MusicLab這樣的小組實驗非常令人興奮。過去,它們在後勤方面很困難,但由於零可變成本數據的可能性,這些困難正在逐漸消失。

除了說明零可變成本數據的好處之外,MusicLab實驗還顯示了這種方法的挑戰:高固定成本。就我而言,我非常幸運能夠與一位名叫Peter Hausel的有才華的網絡開發人員一起工作大約六個月來構建實驗。這是唯一可能的,因為我的顧問Duncan Watts已經獲得了許多資助來支持這種研究。自2004年我們建立MusicLab以來,技術已有所改進,因此現在建立這樣的實驗要容易得多。但是,高固定成本策略實際上只有能夠以某種方式彌補這些成本的研究人員才有可能。

總之,數字實驗可以具有與模擬實驗截然不同的成本結構。如果你想進行非常大的實驗,你應該嘗試盡可能地降低可變成本,理想情況下一直到零。你可以通過自動化實驗的機制(例如,用計算機時間替換人類時間)和設計人們想要進入的實驗來做到這一點。能夠設計具有這些功能的實驗的研究人員將能夠運行新的實驗。過去不可能。然而,創建零可變成本實驗的能力可以引發新的道德問題,我現在將討論這個問題。