Amazon Mechanical Turk для промышленной и организационной психологии: преимущества, проблемы и практические рекомендации

Amazon Mechanical Turk for Industrial and Organizational Psychology: Advantages, Challenges, and Practical Recommendations
Sang Eun Woo, Melissa G. Keith, Meghan A. Thornton
2015-06-01

Amazon Mechanical Turkудобная выборкаисточники данныхиндустриальная и организационная психологияпрактические рекомендации
Мы почти полностью согласны с содержательным и взвешенным анализом Ландерса и Беренда (2015), посвящённым различным стратегиям выборки по принципу доступности и сосредоточенным на четырёх наиболее часто используемых источниках данных в нашей области. В настоящем комментарии мы развиваем обсуждение Mechanical Turk (MTurk), представленное Ландерсом и Берендом, дополняя и уточняя аргументацию в отношении четырёх потенциальных проблем и относительных преимуществ, связанных с использованием MTurk. Мы также рассматриваем ряд дополнительных проблем и вызовов, на которые современная литература пока не даёт однозначных ответов. В заключение мы предлагаем практические рекомендации, обобщающие относительные преимущества и специфические сложности использования MTurk.
1
В статье представлены практические рекомендации, обобщающие относительные преимущества и уникальные трудности использования MTurk исследователями.
2
В статье дополнительно обосновываются и уточняются четыре ранее выявленных проблемы и относительных преимущества использования Mechanical Turk.
3
Комментарий в целом поддерживает сбалансированную критику стратегий выборки по удобству, представленную Ландерсом и Берендом в организационной психологии.
4
Авторы выделяют дополнительные проблемы и трудности, связанные с MTurk, на которые современная литература пока не дает однозначных ответов.

Amazon Mechanical Turk (MTurk) как источник данных для исследований в области индустриальной и организационной психологии

Относительные преимущества, проблемы, трудности и практические рекомендации, связанные с использованием MTurk для сбора исследовательских данных

Publication Details
Publication Date
2015-06-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Sang Eun Woo
Melissa G. Keith
Meghan A. Thornton
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%