С точки зрения реинжиниринга — то есть деконструкции архитектуры, — исследователям необходимо изучить, как различные комбинации социальных сетей и freemium-игр влияют на время пребывания в сети и на степень выраженности симптомов, схожих с зависимым поведением. По сути, нам нужна разновидность A/B-тестирования, которое в больших масштабах применяется технологическими платформами. Например, с помощью A/B-тестирования компании Big Tech пытаются выяснить, как изменится время пребывания в сети, если в вариант платформы А будет встроена какая-то функция, которой нет в варианте платформы B. Зачастую пользователи даже не подозревают, что приложение, которое они видят в данный момент, отличается от версии, представленной другим пользователям. Задача многократно усложняется, если мы хотим изучить, как на интересующие нас переменные влияет совокупность трех и более факторов. Если я хочу изучить только вышеупомянутые переменные: персонализированную/неперсонализированную ленту новостей в сочетании с бесконечной прокруткой (да/нет), — то придется сравнить четыре различных варианта социальной сети (см. табл. 9.1). Здесь можно ожидать, что наибольшее время пребывания в сети будет у группы С, поскольку в эту версию приложения встроена персонализированная лента новостей с бесконечной прокруткой. Это кажется интуитивно понятным, но такие вещи необходимо проверять, чтобы лучше оценить масштаб проблем.
Табл. 9.1. Пример A/B-тестирования (в данном случае — с четырьмя экспериментальными условиями ABCD, которые сравниваются друг с другом, чтобы понять, какая комбинация элементов социальной сети способствует наиболее короткому и наиболее длительному пребыванию онлайн).
Разработка социальных онлайн-платформ, которые действительно оправдывают свое название и остаются
В 2014 году ученые под руководством Адама Крамера опубликовали исследование, в рамках которого манипулировали настроением почти 690 000 пользователей фейсбука[578]
. Настройки лент одних ничего не подозревающих испытуемых изменили так, что в них отображалось меньше позитивных новостей. Для других, наоборот, сократили количество негатива. Как изменилось поведение пользователей? Когда в ленте стало появляться меньше плохих новостей, читатели начали публиковать больше радостных постов. А у тех, кто видел меньше позитивных сообщений, наблюдалась противоположная картина (это также согласуется с результатами исследования смайликов в главе 8). Другими словами, содержание новостной ленты влияло на эмоциональное состояние пользователей. Допустимо ли проводить подобные исследования на таких больших группах людей — вопрос спорный. Когда выяснилось, что рабочая группа не проконсультировалась с комитетом по этике перед проведением исследования, ученых резко раскритиковали и в научных кругах, и в СМИ. Это не удивительно для таких сфер, как психология и медицина, где во главе угла стоит принцип клятвы Гиппократа — не навредить участникам исследования. Кроме того, явно имел место обман пользователей (испытуемые не знали, что участвуют в эксперименте), и, с моей точки зрения, этот вопрос также надо было предварительно согласовать. Индер М. Верма, главный редактор научного журнала