في العديد من المجالات، تُظهر الدراسات أن التنبؤات الخاصة بها يمكن أن تؤثر على النتائج التي تسعى للتنبؤ بها، وهو ما يُعرف باسم "أداء النتائج" (Outcome Performativity). إذ جاء البحث الحالي ليتمحور حول كيفية الكشف عن هذا الظاهرة بواسطة اختبار التدخل.

لقد ابتكر الباحثون أسلوبًا يُعرف باسم "كشف أداء النتائج A/B" (Outcome Performativity A/B Detection - OPAB) يتيح لهم رصد مدى تأثير التنبؤات على النتائج الحقيقة. يقوم هذا الأسلوب بتقييم الاختلاف في توزيعات النتائج التي تنتجها مجموعات التنبؤ المختلفة. عندما يكون هذا الاختلاف كبيرًا، يُعَدُّ أداء النتائج مُكتشفًا.

يناقش البحث كيفية تنظيم حدود تعقيد العينة لـ OPAB تحت افتراضات أداء النتائج، حيث تم التحقق من صحة هذه الحدود تجريبيًا. أثبتت النتائج أنه يمكن اكتشاف أداء النتائج في العديد من الحالات، وفي الوقت نفسه، أظهرت وجود مناطق عدم القابلية للتفريق، مما يعني أن عدد التدخلات المتاحة قد لا يكون كافيًا للكشف عن أداء النتائج.

تتضمن النتائج تداعيات عملية أوسع على قابلية اكتشاف أداء النتائج في سيناريوهات حيث تتوافر عينات محدودة، أو حيث يكون الحصول على بيانات مكلفًا أو غير أخلاقي. أخيرًا، يقدم البحث دراسة حالة حول فعالية OPAB باستخدام مجموعة بيانات "Open Bandits"، ويوجه نحو أعمال بحثية مستقبلية يمكن أن تعزز هذا المجال.