دانلود ترجمه مقاله جمع سپاری داده های طولی در ترک آمازون (ساینس دایرکت – الزویر 2015) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

تغییر قالب برای کلیک: جمع سپاری داده های طولی در ترک آمازون

Swapping bricks for clicks: Crowdsourcing longitudinal data on Amazon Turk

چکیده

1. تغییر قالب برای کلیک: جمع سپاری داده های طولی در ترک آمازون

2.ترک مکانیکی آمازون

2-1.استفاده از MTurk در محیط دانشگاهی

2-2.نرخ های باز پاسخ و سوگیری های عدم احتمال MTurk

2-3.سازگاری زمانی شرکت کنندگان

2.4 تحقیق حاضر

3.بررسی 1

3-1.شرکت کنندگان و روند کار

3-2.نرخ فرسایش نیروی کار و سوگیری پاسخ

3-3. سازگاری زمانی شرکت کنندگان

4. بررسی 2

4-1. شرکت کنندگان و روند کار

4-2. نرخ فرسایش نیروی کار و سو گیری عدم پاسخ

5. بررسی3

5-1. مشارکت کنندگان و روند کار

5-2.نرخ فرسایش نیروی کار و سوگیری عدم پاسخ

5.3 سازگاری زمانی شرکت کنندگان

6. بحث

6-1. شاخص های تحقیق

2-6. محدودیت ها و مسیر آینده

6-3. شاخص های عملی

6-4. نتیجه گیری

چکیده

یافتن منابع قابل اطمینان برای گردآوری داده های طولی تعمیم پذیر موضوع مهمی در تحقیق بازار است.هدف این مقاله آن است که به طریق تجربی ثابت کند که جمع سپاری را می توان به عنوان منبعی برای نمونه های طولی استفاده کرد.به طور خاص ، سه بررسی قابلیت اطمینان بازار ترک مکانیکی آمازون (MTurk) را ارزیابی کرده اند.تمام این سه مورد نشان داده اند که MTurk برای داده های طولی قابل تعمیم ، یک منبع ارزان و قابل اطمینان است.بررسی شماره ی یک (n=752) نرخ باز پاسخ (بررسی 1 ، n=752 ;75% ) یک نمونه ی MTurk در ایالات متحده برای یک بازه ی دو ماهه بررسی میکند.بررسی شماره ی 2 (n=373) نرخ بازپاسخ را برای یک بازه ی چهار و هشت ماهه (به ترتیب 56 و 38 درصد) در یک نمونه شامل مهاجران ایالات متحده ؛ ارزیابی می کند.بررسی شماره ی 3 نرخ باز پاسخ سیزده ماهه (47%) را بررسی میکند. هر یک از بررسی های فوق سازگاری پاسخ طولی و سوگیری عدم پاسخ کمینه ای را در قالب خصایص جمعیتی و شخصی ، اثبات کرده اند.این بررسی همچنین دقت محل سکونت “خود گزارش” شده  توسط  94% از شرکت کنندگان را به طور مستقل تایید میکند.

1. تغییر قالب برای کلیک: جمع سپاری داده های طولی در ترک آمازون

 امکان بهبود و توسعه ی تحقیق های مقطعی تا بررسی بیشتر تئوری های مباحث مرتبط با  تحقیق های طولی ؛ به شکل بالقوه باقی می ماند. قطعا بعضی از تئوری ها و مدل ها ذاتا به داده های انفرادی مربوط به زمان های مختلف ، متکی هستند.به عنوان مثال، وفاداری به برند و تغییر برند موضوعاتی حیاتی در تحقیق برند هستند ؛ با این حال بدون طراحی های مبتنی بر زمان های مختلف ، دستیابی به آن غیر ممکن است.این نوع از تحقیق ها شامل یک طراحی true panel است که عناصر قطری بیانگر وفاداری به برند هستند و عناصر غیر قطری میزان تغییر برند را نشان می دهند.پذیرش تکنولوژی ، روش بازآزمایی توسعه ی مقیاس ، روابط قصد خرید و رفتار خرید ، تحقیق کمپین های پیش و پسا ارتباطات (pre- and post-communication) از جمله مواردی هستند که به انجام شدن دربازه های زمانی مختلف متکی هستند.

6-4. نتیجه گیری

مطالعات طولی ( مخصوصا طراحی های true-panel) در تحقیقات بازار به شدت مورد نیازاند فهم عمیق مفاهم برند ، میزان مصرف زمان، رفتار سرمایه گذاری طی زمان ورفتار های سازماندهی شده طی زمان و تاثیر زمانی برنامه ها ؛ همگی از تحقیقات طولی بهره می برند . متاسفانه استفاده از پنل های دانشجویی و تجاری (که امروزه بیشتر انلاین هستند) کاستی هایی به همراه دارند . کاستی پنل دانشجویی مشکل تایید مستقل داده ها و کاستی پنل تجاری هزینه ی زیاد  آن است . درمقابل MTurk را میتوان جهت دستیابی داده های طولی قابل اعتماد ، صحیح ،سازگار و ارزان بدون اتکا به نمونه ها دانشجویی به کار برد . این بررسی شواهدی مقدماتی ولی با معنا از این تعمیم  ؛ ارائه میکند . 

Abstract

Locating reliable sources of generalizable longitudinal data is an extremely important issue for business research. The aim of this paper was to empirically verify that crowdsourcing can be used to source longitudinal samples. Specifically, three studies assess reliability of the Amazon Mechanical Turk Marketplace (MTurk). All three studies demonstrate that MTurk is a reliable, inexpensive source for generalizable longitudinal data. Study 1 (n = 752) examines the two-month re-response rate (study 1, n = 752; 75%) of a US MTurk sample. Study 2 (n = 373) investigates the four- and eight-month re-response rate (56 and 38%, respectively) of a US immigrant sample. Study 3 examines the thirteen-month re-response rate (47%). Each study demonstrates minimal non-response biases and longitudinal response consistency, in terms of both demographics and personality traits. This study also independently verifies the accuracy of self-report state of residence for 94% of the participants.

1. Swapping bricks for clicks: Crowdsourcing longitudinal data collection with Amazon Mechanical Turk

An opportunity for improving cross-sectional business research lies in the potential to further explore theories and issues with longitudinal research designs. Indeed, some theories and models inherently rely upon time-separated data from individuals. For example, brand loyalty and brand switching are vitally important to branding research, but are almost impossible to access without some type of temporally-separated design (e.g., Dawes, Meyer-Waarden, & Driesener, 2015). This type of research typically includes a true-panel design where the diagonal elements represent brand loyalty and the off-diagonal ones indicate extents of brand switching. Similarly, technology acceptance (e.g., Brown, Venkatesh, & Goyal, 2014; Venkatesh, Thong, & Xu, 2012), test–retest for scale development (see MacKenzie, Podsakoff, & Podsakoff, 2011), purchase intentionto-behavior relationships (e.g., Pavlou, Liang, & Xue, 2007), and pre- and post-communication campaign research (e.g., Johnston & Warkentin, 2010) are among other research topics that depend on multiple timepoints.

6.4. Conclusion

Longitudinal studies (true-panel designs in particular) in business research are strongly needed. Indeed, a deeper understanding of branding contexts, consumption over time, investment behaviors over time, organizational behaviors over time, and assessing temporal efficacy of programs would benefit from longitudinal research. Unfortunately, the commonly used captive student samples and commercial research panels (now mostly online) have major disadvantages; external validity concerns with the former and cost concerns with the latter. In contrast, MTurk can be used to access longitudinal data that is reliable, valid, consistent, and inexpensive without relying on student samples. The studies here provide preliminary but meaningful testimony to this generalization.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تغییر قالب برای کلیک: جمع سپاری داده های طولی در ترک آمازون

Swapping bricks for clicks: Crowdsourcing longitudinal data on Amazon Turk