"我可以展示我真正喜欢的。"：通过二次投票征集偏好

视频

DOI

调查是CSCW社区、社会科学和许多其他研究领域学者从人群中获取自我报告意见的常用工具。当存在资源约束时，研究人员经常使用调查来优先考虑给定选项的子集。过去一个世纪以来，研究人员开发了广泛的调查技术，包括最受欢迎的仪器之一——Likert序数量表来征集个人偏好。然而，在资源约束环境下使用调查获取准确和丰富的自我报告回答的挑战至今仍然存在。本研究检查了二次投票（QV），一种由现代计算机技术驱动的投票机制，介于评分和排名方法之间，作为一种替代在线调查技术。我们认为，当目标是理解资源约束下的相对偏好时，QV可以比Likert量表征集更准确的自我报告响应。我们在亚马逊土耳其机械投票上进行了两个随机对照实验，一个在舆论民意测验背景下，另一个在人机交互用户研究中。基于贝叶斯分析结果，具有足够声音信用的QV调查与参与者的激励兼容行为显著更接近，比Lert量表调查具有中高效应量。此外，我们将QV的应用场景从典型的公共政策和教育研究扩展到CSCW社区熟悉的问题设置：典型的人机交互用户研究。我们的实验结果、QV调查设计和QV界面为CSPW研究者进一步探索这种调查方法铺平了道路，并鼓励其他社区的决策者将QV视为一个有前途的替代方案。