Itinai.com knolling of a russian scrum master talking with mo 0d24302d 67b8 4452 bafa c2ebc6ea013f 2

Кризис воспроизводимости в социальных науках: как менеджерам доверять исследованиям

Itinai.com knolling of a russian scrum master talking with mo 0d24302d 67b8 4452 bafa c2ebc6ea013f 2

15 июля 2021 года я получил электронное письмо от трех соавторов веб-сайта Data Colada, занимающегося анализом данных. Они сообщили мне, что вскоре опубликуют убедительные доказательства того, что полевой эксперимент, описанный в моей совместной исследовательской статье 2012 года «Подпись в начале делает этику более заметной и снижает недостоверные самоотчеты по сравнению с подписью в конце», основывался на сфабрикованных данных. Эта работа, известная как «статья о подписи в начале», утверждала, что когда люди подписывают заявление о том, что будут говорить правду, прежде чем заполнять форму, например, налоговую или страховую, они предоставляют более честную информацию, чем когда их просят подписать такое заявление после заполнения формы. Статья о подписи в начале была широко воспринята как эффективный способ «подталкивания» к более этичному поведению. Она была широко распространена в бизнесе, и многие организации (включая Slice Insurance, клиента, с которым я работал) следовали нашим рекомендациям и изменяли места для подписей в своих формах, чтобы повысить честность людей.

Обвинения Data Colada в мошенничестве шокировали меня. Хотя возможность мошенничества никогда не приходила мне в голову, я пытался и не смог в течение нескольких лет до получения сообщения от Data Colada воспроизвести эффект подписи в начале с коллегами, не связанными с оригинальной статьей. В 2020 году, после приглашения оригинальных авторов присоединиться к нам, мы опубликовали статью о нашей неудаче в воспроизведении результатов и я попытался убедить своих соавторов по оригинальной статье, что нам следует отозвать статью 2012 года. Большинство было против отзыва.

Мой соавтор 2012 года Дэн Ариели из Университета Дьюка утверждал, что собрал данные для полевого эксперимента из Hartford Insurance, но теперь это казалось под сомнением. Авторы Data Colada также сообщили мне о своих подозрениях в отношении одного из других экспериментов статьи, данные для которого предоставила моя коллега по Гарвардской школе бизнеса Франческа Джино. Джино была моей подопечной, стала моим соавтором, другом и коллегой. Мне было тяжело слышать, что Data Colada подозревает ее в мошенничестве по этой и как минимум трем другим статьям.

После консультаций со мной команда Data Colada представила свои подозрения относительно полевого эксперимента в блоге и в частном порядке донесла свои опасения о работе Джино до Гарварда. В СМИ Ариели ответил, предположив, что Hartford Insurance несет полную ответственность за фальсифицированные материалы. Позже Hartford предоставила убедительные доказательства того, что она не была источником сфабрикованных данных. В 2023 году после двухлетнего расследования Гарвард отправил Джино в административный отпуск. (В мае 2025 года Гарвард лишил ее должности профессора; Джино настаивает на том, что она не совершала академического проступка.) Позже в 2023 году Data Colada опубликовала доказательства, предполагающие мошенничество в одном из двух лабораторных исследований в статье о подписи в начале (и как минимум в трех других статьях Джино).

Кризис воспроизводимости

Исследования в области социальных наук, которые предлагают способы влияния на поведение сотрудников, клиентов или партнеров по переговорам, часто распространяются через бизнес и управленческие публикации. Академический штамп одобрения побуждает руководителей организаций доверять выводам и соответственно корректировать свои практики. Очевидная находка о том, что люди были более честными, когда подписывали свои имена перед заполнением формы, а не после, привела к тому, что некоторые организации изменили свои формы. Позже они узнали, что могли потратить время и деньги впустую. Более широко, этот и другие скандалы, а также доказательства того, что социальные науки более широко страдают от сомнительных исследовательских практик, подрывают доверие к управленческим исследованиям.

В мире, где исследования в области социальных наук все чаще попадают в заголовки по неправильным причинам, как лидерам понять, каким исследованиям можно доверять? Я предлагаю обзор роста интереса к выводам социальных наук и текущему кризису, а затем дам рекомендации по эффективному потреблению выводов социальных наук.

Растущий интерес к поведенческим исследованиям

Первая декада 21 века была отличным временем для экспертов в области психологической науки. Психологические кафедры и исследовательские лаборатории университетов значительно увеличились с 2000 по 2010 год, а бизнес-школы начали нанимать больше докторов философии в области психологии и организационного поведения. Психология также оказала влияние на другие дисциплины, включая развивающуюся область поведенческой экономики и смежные области поведенческих финансов и поведенческого маркетинга. В 2002 году психолог Даниэль Канеман получил Нобелевскую премию по экономическим наукам за свои исследования человеческого суждения и принятия решений в условиях неопределенности.

Психологические исследователи, чьи идеи привлекали менеджеров, начали получать вознаграждения в виде контрактов на консультации, и, привлекая участников к прибыльным программам обучения для руководителей, их учреждения также извлекали выгоду. Книги по психологии, ориентированные на широкую аудиторию, оказались успешной нишей: «Думай медленно… решай быстро» Канемана, «Мышление, способное развиваться» Кэрол Двек и «Скрытый потенциал» Адама Гранта — каждая из них продалась более чем миллионным тиражом.

Эта популяризация психологии изменила стимулы исследователей, поскольку влияние нашей работы стало измеряться не только по ее воздействию в нашей области, но и по ее резонансу с общественностью. Но вскоре сомнения в ее достоверности снова возникли.

Как менеджеры могут идентифицировать хорошее исследование

Учитывая проблемы с откровенным фальсификацией данных и предвзятость п-хакерства, как бизнес-лидерам следует подходить к исследованиям, которые их заинтересовали? Я предлагаю принять следующие три практики для оценки исследований.

  • Критически читать исследования. Представьте, что вы прочитали о новой находке в области поведенческой науки, которая актуальна для проблем, с которыми вы сталкиваетесь в своей организации. Прежде чем рассматривать, как вы могли бы внедрить это открытие в свою практику, прочитайте академическую статью, в которой сообщается об оригинальном исследовании. Подходите к этому критически и скептически, размышляя о альтернативных объяснениях для представленных результатов.
  • Узнайте, были ли результаты воспроизведены. Исследуйте, были ли эксперименты повторены другими исследовательскими командами, где оригинальные авторы не принимали участия. Относительно легко определить все статьи, которые ссылались на оригинальную статью через Google Scholar. Чем больше идея была воспроизведена, тем более достоверной она является.
  • Тестируйте идеи перед широким внедрением. Я работал с многими руководителями, которые, если им нравится моя идея и они доверяют мне, готовы внедрить ее по всей своей организации. Я призываю их замедлиться и протестировать идею сначала на небольшой группе.

Стратегическое резюме

Исследования в области поведенческой науки могут предоставить ценные идеи, которые улучшат организации. Мы должны как уполномочить менеджеров более критически воспринимать их, так и укрепить нормы и стандарты в академическом мире для подтверждения их достоверности. Важно, чтобы менеджеры принимали во внимание указанные выше практики и стремились к открытости и прозрачности в научных исследованиях. Это поможет не только повысить доверие к исследованиям, но и улучшить качество и надежность получаемых данных, что, в свою очередь, приведет к более обоснованным и эффективным управленческим решениям.

Как создать продукт который станет новой нормой. ИИ-менеджмент продукта

Этот гид содержит ключевые принципы создания успешного продукта на основе опыта Airbnb, Uber, Revolut, Spotify и других компаний.

Содержание книги

Почему одни продукты меняют поведение людей, а другие остаются незамеченными

  • Как новые продукты создают новые рынки
  • Формирование идеи, информационного сигнала и социального института
  • Механики вирусности, сетевые эффекты и глобализация
  • Как измерять успех: метрики и финансовая устойчивость

Как создать продукт на миллиард

  • Какие факторы определяют готовность рынка к изменениям
  • Успех и провалы компаний-единорогов: ключевые закономерности
  • Чек-лист: готов ли рынок к появлению нового продукта

Как сделать идеальный продукт

  • Почему лучшие продукты воспринимаются как «технологическая магия»
  • Чек-лист для команды: продукт решает проблему, легко встраивается в привычки и вызывает желание возвращаться
  • Современные методы исследования гипотез

От идеи к первым клиентам: запуск и тестирование

  • Design Thinking, Lean Startup, MVP: как проверять гипотезы и минимизировать риски
  • Agile и Scrum в управлении продуктом
  • Как маркетинг встроен в процесс разработки

Как использовать данные для роста

  • Data-Driven Product Management: как анализ данных помогает развивать продукт
  • Влияние искусственного интеллекта на персонализацию, аналитику и монетизацию
  • Как изменяется конкурентоспособность с приходом AI

Как продукт становится новой нормой

  • Информационный сигнал и механизмы его распространения
  • Институционализация: превращение продукта в новый стандарт
  • Почему одни продукты закрепляются, а другие исчезают

Масштабирование: рост без хаоса

  • Как сохранить простоту и ценность при росте продукта
  • Ошибки, которые убивают масштабирование
  • Как избежать перегруженности функций и сохранить удобство для пользователей

Монетизация: стратегии и ошибки

  • Как выбрать модель монетизации и не потерять пользователей
  • Почему некоторые компании готовы работать в убыток ради долгосрочной выгоды
  • Чек-лист: как оценить зрелость продукта и его дальнейшие перспективы

Продуктовый менеджмент в эпоху AI

  • Как изменяются роли в команде с внедрением AI
  • Управление продуктом без команды: автоматизация аналитики, маркетинга и разработки
  • Чек-лист: как работать с AI и использовать его в продуктовой стратегии

Бесплатный ИИ для работы

Новости в сфере искусственного интеллекта