创造零可变成本数据

开展大型实验的关键是将你的可变成本降低到零。实现这一点最好的方法是自动化和设计有趣的实验。

数字实验可以有截然不同的成本结构，这也使得研究人员能够开展过去不可能开展的实验。考虑这一差异的一种方式是从固定成本和可变成本（实验成本通常被分为这两类）入手。固定成本是指不会随参与者数量的变化而变化的成本。例如，在一项实验室实验中，固定成本可能就是租用场地和购买设备所产生的成本。而可变成本则是指会随参与者数量的变化而变化的成本。例如，在一项实验室实验中，可变成本可能来自给研究助理和参与者的经济报酬。一般来说，模拟实验是固定成本较低，可变成本较高，而数字实验则是固定成本较高，可变成本较低（图4.19）。尽管数字实验的可变成本较低，但如果你愿意尝试将其降低到零，就可以创造出许多令人兴奋的机会。

图4.19　模拟实验和数字实验的成本结构示意图。一般来说，模拟实验是固定成本较低，可变成本较高，而数字实验则是固定成本较高，可变成本较低。不同的成本结构意味着数字实验能达到模拟实验不可能达到的规模。

实验的可变成本主要产生于两个方面，即给研究助理的经济报酬和给参与者的经济报酬，我们可通过不同的策略将这两方面的成本降低到零。给研究助理经济报酬是因为需要他们去招募参与者、实施处理以及测量结果。例如，舒尔茨和同事针对用电量的模拟实地实验就需要研究助理前往每个家庭实施处理并记录电表读数。这就意味着增加参与研究的家庭就会增加成本。而在雷斯蒂沃和范德里杰特针对奖励与人们编辑维基百科贡献的关系而开展的数字实地实验中，增加参与者几乎不会增加任何成本。降低可变行政成本的一般策略是用计算机（便宜的）来代替人工（昂贵的）工作。粗略地说，你可以问自己：当我的研究团队中的每个人都在睡觉时，这个实验还能运转吗？如果答案是肯定的，那么你的实验在自动化方面是很出众的。

实验的可变成本还源于给参与者的经济报酬。一些研究人员会通过使用机器人MTurk和其他在线劳动力市场来减少需支付给参与者的经济报酬。但要想将可变成本降低到零，则需要采取一种不同的方法。很长一段时间以来，研究人员设计的实验都是很枯燥的，所以必须花钱才能让人参与。但如果你能设计一个人们自愿想参与的实验呢？这听起来可能有点令人难以置信，但我自己就曾开展过这样一个实验，我将在后文中对其进行描述，表4.4还列出了其他这类型实验的例子。需要注意的是，设计有趣的实验这一想法与第3章中关于设计更有趣的调查和第5章中关于大规模协作设计的一些主题相呼应。因此，我认为参与者的喜爱度，也可能被称为用户体验，将是数字时代研究设计中越来越重要的一部分。

表4.4　零可变成本的实验实例用有价值的服务或愉快的体验作为对参与者的酬谢

如果你想创造零可变成本的实验，就需要确保一切都是全自动化的，而且参与者也不需要任何经济报酬。我将通过我针对文化产品的成功和失败的论文研究来说明如何实现这一点。

我的论文最初是想探究那些令人费解的文化产品的成功。热门歌曲、畅销书和卖座的电影，其人气指数比各自领域的平均水平要高得多。也正因如此，这些产品的市场通常被称为赢家通吃的市场。与此同时，究竟哪首歌、哪本书或哪部电影会成功，却是非常难预测的。编剧威廉·戈德曼（William Goldman）曾对大量学术研究做出了如下的高度概括：“当预测成功时，没有人知道任何事。”赢家通吃的市场的不可预测性让我很想知道文化产品的成功多大程度是因为质量，多大程度是因为运气。或者，稍微换种方式表达就是，如果我们可以创造出平行世界并让它们独立运转，那么同样的歌曲在这些世界中也会受欢迎吗？如果不会，造成这些差异的机制又是什么呢？

为了回答这些问题，我和我的论文导师彼得·多兹（Peter Dodds）、邓肯·瓦茨开展了一系列在线实地实验。具体来说，我们创建了一个叫音乐实验室（MusicLab）的网站，人们可以通过该网站发现新的音乐，然后我们利用这一网站进行了一系列实验。我们通过在青少年喜欢的一个网站上发布横幅广告（图4.20）以及媒体广播来招募参与者。进入网站的参与者需先签署知情同意书，然后完成一项简短的背景问卷，之后会被随机分入对照组或实验组。在对照组中，参与者根据给出的乐队名和歌名自行决定要听哪首歌。他们在听歌的同时会被要求对歌曲进行评分，之后便可以下载这首歌（也可以不下载）。实验组的流程也是一样的，唯一的不同是参与者还可以看到每首歌被前面的参与者下载的次数。此外，实验组的参与者还会被随机分配到8个所谓的平行世界中，每个平行世界都是独立运转的（图4.21）。利用这一设计，我们开展了两个相关的实验。在第一个实验中，我们未对呈现给参与者的表格中的歌曲进行排序，歌曲的受欢迎程度不是很直观。在第二个实验中，我们对呈现给参与者的歌曲进行了排序，歌曲的受欢迎程度更加直观（图4.22）。

图4.20　我和同事用来为音乐实验室实验招募参与者的横幅广告示例（Salganik，Dodds，and Watts 2006）。经允许复制自Salganik（2007），图2.12。(www.xing528.com)

图4.21　音乐实验室的实验设计。参与者被随机分入对照组或实验组。对照组的参与者需在完全不知道其他参与者的选择的情况下做出选择。而实验组的参与者则被随机分配到8个平行世界，并能看到每首歌在其所在世界中的受欢迎程度（根据前面的参与者的下载次数来衡量），但他们不会看到有关其他世界的任何信息，他们甚至都不知道其他世界的存在。改编自Salganik，Dodds，and Watts（2006），图s1。

图4.22　音乐实验室实验不同处理的屏幕截图。在实验1的实验组中，研究人员将歌曲及其之前被下载的次数通过一个16×3的矩形表格呈现给参与者，其中每个参与者所看到的歌曲顺序都是随机分配的。在实验2的实验组中，研究人员将歌曲及其之前被下载的次数按当前受欢迎程度降序排列呈现给参与者。经允许复制自Salganik（2007），图2.7和图2.8。

我们发现每首歌在不同世界的受欢迎程度是不同的，这表明运气在歌曲的成功中起了重要的作用。例如，同样是一个乐队的一首歌，在一个世界中它是48首歌中最受欢迎的，在另一个世界中却排在了第40位。同样的一首歌与相同的另外47首歌竞争，在一个世界中它幸运地成了最流行的歌曲，在其他世界却没有。此外，通过比较两个实验的结果，我们发现实验处理增加了这些市场赢家通吃的性质，这也许说明了技巧的重要性。但纵观所有平行世界后（只有这种设置平行世界的实验才能做到这一点），我们发现实验处理实际上增加了运气的重要性。而且令人惊讶的是，越具吸引力的歌曲，运气对其成功越重要（图4.23）。

音乐实验室实验的设计方式使其基本上能够以零可变成本进行。首先，一切都是全自动化的，所以在我睡觉时它依旧可以进行。其次，给参与者的酬劳是免费的音乐，所以不会产生可变的参与者报酬成本。利用音乐作为酬劳也说明了有时需要在固定成本和可变成本之间进行权衡取舍。利用音乐做实验增加了实验的固定成本，因为我必须花时间从乐队那里获得音乐的使用权，并为他们准备有关参与者对其音乐的反响的报告。但就音乐实验室实验来说，增加固定成本、减少可变成本是正确的做法，因为这使得我们能够开展在规模上约比标准实验室实验大100倍的实验。

图4.23　表明吸引力和成功之间的关系的音乐实验室实验结果。其中x轴是对照组中歌曲的市场份额，作为对歌曲吸引力的一种衡量。y轴是8个平行世界的实验组中相同歌曲的市场份额，作为对歌曲成功的一种衡量。我们发现，增强实验处理的力度，特别是将歌曲布局从实验1的方式换成实验2的方式（图4.22），会让成功变得更加不可预测，尤其是对那些最具吸引力的歌曲来说。改编自Salganik，Dodds，and Watts（2006），图3。

此外，音乐实验室实验表明，零可变成本本身并不一定就是最终的目标，它还可以是开展一种新型实验的方式。需要注意的是，尽管我们拥有的参与者数量大约是标准实验室实验参与者数量的100倍，但我们并没有利用所有的参与者来开展100次研究实验处理效应的标准实验室实验。相反，我们做了一些不同的事情，你可以将其看作从心理学实验到社会学实验的转变（Hedström 2006）。我们在实验中关注的是受欢迎程度，这是一个总体结果，而不是个体决定。将关注点转移到总体结果上意味着我们需要大约700名参与者来得出一个单一的数据点（每个平行世界中有700名参与者）。这一实验规模正是因为我们的成本结构才成为可能。总的来说，如果研究人员想要研究个体决定是如何产生总体结果的，那么音乐实验室实验这样的分组实验是非常令人振奋的选择。在过去，这类实验面临着组织实施上的困难，但因为零可变成本数据成为可能，这些困难也正在逐渐消失。

除了说明零可变成本数据的好处之外，音乐实验室实验还表明了这种方法面临的一个挑战，即高固定成本。就我的事例而言，我非常幸运地遇到了一位名叫彼得·豪塞尔（Peter Hausel）的出色的网站开发人员，然后我们花了大约6个月一起构建了上述实验。也是因为我的导师邓肯·瓦茨获得了一些支持该类研究的资助款项，它才得以实现。我们创建音乐实验室是在2004年，现在的技术已经进步了，所以现在构建这样的实验应该是更加容易了。但高固定成本策略确实是只有那些能够承担得起成本的研究人员才能采用的。

综上所述，数字实验具有与模拟实验截然不同的成本结构。如果你想开展大规模的实验，就应该尝试尽可能降低可变成本，最好能降低到零。你可以通过使实验过程自动化（例如让计算机代替人工）和设计人们自愿想要参与的实验来做到这一点。能够设计出具有这些特征的实验的研究人员，便能开展过去不可能实现的新型实验。但开展零可变成本实验也会引发新的道德伦理问题，这也是我接下来将探讨的主题。