与有能力的组织合作

合作可以降低成本、扩大规模，但也可能会改变你所能使用的参与者、处理和结果。

除了自己做，还有一种方法是与一个有能力的组织合作，例如企业、政府或非政府组织。这样做的优点是这些组织能让你开展那些你自己无法开展的实验。例如，后文有一个实验共有6100万名参与者，这是任何一个研究人员都无法单独实现的规模。合作能让你开展之前不可能开展的实验，但同时也会限制你。例如，大多数公司都不会允许你开展可能有损他们生意或声誉的实验。合作还意味着在你发表研究论文时，可能会被要求“重新调整”研究结果，而且如果你的论文不利于他们的话，有些合作者甚至可能竭力阻止你发表论文。最后，合作还意味着需要成本去发展并维护这些合作关系。

与有能力的组织建立合作关系需解决的核心挑战是找到一个平衡双方利益的方法，巴斯德象限是对此有帮助的一个方法（Stokes 1997）。许多研究人员认为，如果他们研究的是某个组织可能感兴趣的东西，那么他们就不是在做真正的科学研究。这种心态会让成功建立合作关系变得非常困难，而且这也是完全错误的。生物学家路易·巴斯德（Louis Pasteur）的这项开创性的研究可以完美诠释该思维方式的问题所在。当时巴斯德被一家酒精制造厂邀请去研究将甜菜汁转化为酒精的发酵过程，在此期间，他发现了一种新型微生物，并由此最终提出了疾病细菌学说。新型微生物的发现解决了一个非常实际的问题，既帮助改善了发酵过程，同时又促使科学向前迈了一大步。因此，与其认为有实际用途的研究与真正的科学研究存在冲突，不如将它们看作两个独立的维度。研究的出发点可以是（或不是）实用的，也可以是（或不是）寻求基本的认识。重要的是，有些研究，就比如巴斯德的研究，既是为了解决实际问题也是为了寻求基本认识（图4.17）。属于巴斯德象限中的研究，即本身就具有两个目标的研究，是研究人员和各组织合作的理想之选。在此背景下，我将描述两种合作开展的实验研究：一种是与企业合作，一种是与非政府组织合作。

大型公司，尤其是科技公司，已为开展复杂实验开发了相当精密的、先进的基础设施。在科技行业，这类型实验通常被称为A/B测试，因为它们会比较A、B两项处理的有效性。为了增加广告点击率等目的，这些公司会利用其先进的实验基础设施来开展A/B测试，但这些设施也可以被用来开展促进科学认识的研究。能够说明这类研究可能性的一个例子是脸谱网和加州大学圣迭戈分校的研究人员针对不同信息对选民投票率的影响而合作开展的一项研究（Bond et al.2012）。

图4.17　巴斯德象限。与其认为研究只能是“基础的”或“应用的”，不如将其看作既是（或不是）为了解决实际问题也是（或不是）为了寻求基本认识。巴斯德针对将甜菜汁转化为酒精的研究，提出了疾病细菌学说，这就是一个既为解决实际问题又为寻求基本认识的研究示例。这类研究是最适合与有能力的组织合作开展的研究。为了解决实际问题而不是寻求基本认识的研究示例是托马斯·爱迪生（Thomas Edison）的研究，为了寻求基本认识而不是解决实际问题的研究示例是尼尔斯·玻尔（Niels Bohr）的研究。改编自Stokes（1997），图3.5。

2010年11月2日美国国会中期选举这天，居住在美国且年龄在18岁及以上的6100万名脸谱网用户参与了一项关于投票的实验。这些用户在访问脸谱网时会被随机分配到三个组中，然后系统会根据分组情况向其信息流顶部推送不同的标语（如果有的话）（图4.18）。

·对照组；

·有关投票的信息性消息+一个可点击的“我已投票”按钮+一个计数器（信息组）；

·有关投票的信息性消息+一个可点击的“我已投票”按钮+一个计数器+已点击“我已投票”的朋友的姓名和照片（信息+社交组）。

图4.18　脸谱网上一项动员投票的实验结果。信息组的参与者实际投票的概率与对照组的参与者相同，但信息+社交组的参与者实际投票的概率则要稍大一些。竖线代表估算的95%的置信区间。该图中的结果来自与实际投票记录进行匹配的约600万名参与者。改编自Bond etal.（2012），图1。(www.xing528.com)

邦德（Bond）和同事主要研究了两个结果：报告的投票行为和实际的投票行为。首先，他们发现，信息+社交组的人点击“我已投票”的概率比信息组的人高了约2个百分点（约20%：18%）。其次，研究人员将他们所搜集的约600万名参与者的数据与公开的实际投票记录对比后发现，信息+社交组的人实际投票的概率比对照组的人高0.39个百分点，而信息组的人实际投票的概率则与对照组的人相同（图4.18）。

该实验的这些结果表明，有些在线动员投票的信息要比其他在线动员投票的信息更有效，而且研究人员对该有效性的评估结果还会不同，这取决于他们统计的是报告的投票行为还是实际的投票行为。可惜的是，这项实验并没有提供任何关于社交信息为什么会增加投票率的信息。可能是这些社交信息增加了人们注意到标语的可能性，或者是增加了注意到这一标语的人实际投票的可能性，或者是两个原因都有。因此，这项实验提供了一个有趣的发现，更多的研究人员可能会对其进行探究（参阅例如Bakshy，Eckles，et al.2012）。

除了推进研究人员的目标以外，这项研究还推进了合作组织（脸谱网）的目标。如果将研究的行为由投票换成购买肥皂，你就会发现，这项研究的结构与衡量在线广告效果的实验结构是完全相同的（可参阅例如Lewis and Rao 2015）。这些针对广告效果的研究经常会衡量接触在线广告对线下行为的影响。因此，这项研究可以提高脸谱网研究在线广告效果的能力，同时有助于脸谱网让潜在的广告商相信脸谱网上的广告在改变行为方面是有效的。

在这项研究中，尽管研究人员和合作组织想要了解的东西基本一致，但也存在一些让他们的合作陷入紧张氛围的分歧，尤其是在参与者的分配上。当时实验中对照组、信息组和信息+社交组的人数分配是非常不均衡的。对研究人员来说，这样不均衡的分配从统计学角度讲很低效，更好的分配方式是每组有1/3的参与者。但之所以当时采取这一分配方式，是因为脸谱网想让每个人都接收信息+社交处理。幸运的是，研究人员说服脸谱网为信息组和对照组各保留1%的参与者。如果没有对照组，衡量信息+社交的处理效应就基本不可能了，因为这将是一个“干扰观察”实验，而不是随机对照实验。这项研究为与有能力的组织合作开展实验提供了宝贵的实践经验：同样是促成一项实验，有时你需要说服一个组织去实施一项处理，而有时则需要说服一个组织不去实施一项处理（即要求设置一个对照组）。

合作并不总是要找科技公司，也并不总是要开展有数百万参与者的A/B测试。例如，亚历山大·科波克（Alexander Coppock）、安德鲁·格斯（Andrew Guess）和约翰·捷尔诺夫斯基（John Ternovski）就在2016年与非政府环保组织保育选民联盟（League of Conservation Voters）针对不同策略在促进社会动员方面的有效性合作开展了实验。研究人员利用该非政府组织的推特账号发送了公众推文和直接面向个人的、试图侧重于不同类型身份信息的消息，然后测量了这些消息中哪些消息在动员人们签署请愿书和转发有关请愿书的内容方面最为有效。

总的来说，与有能力的组织合作所能达到的实验规模是个人难以达到的，表4.3列出了研究人员与组织合作开展的其他实验实例。此外，合作开展实验要比创建自己的实验简单很多。但合作开展实验也存在缺点：合作会限制参与者、处理及你所能研究的结果的类型，而且还可能引发道德伦理方面的问题。发现合作实验的最好方法是注意到那些能通过有趣的科学研究来解决的实际问题。如果你还不习惯用这样的方式去观察这个世界，那么就很难发现属于巴斯德象限内的实验，但通过练习，你会变得越来越擅长。

表4.3　研究人员和组织合作开展的研究实例

注意：有些实验的研究人员为合作组织的员工。