2.4.3 التجارب تقارب
يمكننا تقريب التجارب التي لا نستطيع أن نفعل. نهجين التي تستفيد خصوصا من العصر الرقمي هي التطابق والتجارب الطبيعية.
أسئلة كثيرة علمية وسياسية مهمة هي السببية. دعونا نتأمل، على سبيل المثال، السؤال التالي: ما هو تأثير برنامج التدريب على العمل على الأجور؟ طريقة واحدة للإجابة على هذا السؤال ستكون مع تجربة عشوائية محكومة حيث تم توزيعهم عشوائيا العمال إما تلقي التدريب أو لا تلقي التدريب. ثم، يمكن للباحثين تقدير أثر التدريب لهؤلاء المشاركين ببساطة عن طريق المقارنة بين أجور الأشخاص الذين تلقوا التدريب لتلك التي لم يكن ليحصل عليه.
مقارنة بسيطة صالحة بسبب شيء ما يحدث حتى قبل أن جمع البيانات: التوزيع العشوائي. دون العشوائية، والمشكلة هي اصعب بكثير. باحث يمكن مقارنة أجور من الناس الذين وقعوا طوعا عن التدريب لأولئك الذين لم الاشتراك. ومن شأن ذلك أن المقارنة تظهر على الأرجح أن الناس الذين تلقوا تدريبا حصل أكثر من ذلك، ولكن كم من هذه لأن التدريب وكم من ذلك لأن الناس أن التسجيل للحصول على التدريب تختلف عن تلك التي لا الاشتراك للتدريب؟ وبعبارة أخرى، هل من العدل المقارنة بين أجور هاتين المجموعتين من الناس؟
هذا القلق حول مقارنات عادلة يؤدي بعض الباحثين إلى الاعتقاد أنه من المستحيل القيام بتقديرات السببية دون تشغيل تجربة. هذا الادعاء يذهب بعيدا جدا. ولئن كان صحيحا أن التجارب تقدم أقوى الأدلة على الآثار السببية، هناك استراتيجيات أخرى قادرة على توفير تقديرات السببية قيمة. بدلا من التفكير في أن تقديرات السببية هي إما سهلة (في حالة من التجارب) أو مستحيلة (في حالة سلبية لاحظ البيانات)، فمن الأفضل أن نفكر في استراتيجيات للعمل التقديرات السببية الكذب على طول سلسلة متصلة من الأقوى إلى الأضعف (الشكل 2.4). في أقوى نهاية متواصلة وعشوائية التجارب التي تسيطر عليها. ولكن، وهذه هي في كثير من الأحيان من الصعب القيام به في البحوث الاجتماعية لأن العديد من العلاجات تتطلب كميات غير واقعية من التعاون من جانب الحكومات أو الشركات. بكل بساطة هناك العديد من التجارب التي لا نستطيع أن نفعل. سأكرس كل من الفصل 4 لنقاط القوة والضعف في تجارب عشوائية محكومة على حد سواء، وسوف يقول أنه في بعض الحالات، هناك أسباب أخلاقية قوية لتفضيل الرصدية إلى الطرق التجريبية.
الشكل 2.4: استمرارية استراتيجيات البحث عن الآثار السببية المقدرة.
تتحرك على طول التواصل، هناك حالات حيث لم الباحثين العشوائية بشكل واضح. وهذا هو، يحاول الباحثون تعلم المعارف تشبه التجربة دون أن تفعل فعلا تجربة. وبطبيعة الحال، هذه ستكون صعبة، ولكن البيانات الكبيرة يحسن إلى حد كبير قدرتنا على تقديم تقديرات السببية في هذه الحالات.
أحيانا يكون هناك إعدادات حيث يحدث العشوائية في العالم لخلق شيء مثل تجربة للباحثين. وتسمى هذه التصاميم التجارب الطبيعية، والتي سيتم أخذها بعين الاعتبار في التفصيل في القسم 2.4.3.1. اثنين من الميزات من مصادر بياناتها كبيرة الطبيعة دائما على وحجمها، إلى حد كبير يعزز قدرتنا على التعلم من التجارب الطبيعية عند حدوثها.
تتحرك بعيدا عن تجارب عشوائية محكومة، وأحيانا لا يوجد حتى حدث في الطبيعة التي يمكننا استخدامها لتقريب تجربة طبيعية. في هذه الأماكن، يمكننا بناء بعناية مقارنات ضمن البيانات غير التجريبية في محاولة لتقريب التجربة. وتسمى هذه التصاميم مطابقة، وسوف يتم النظر في التفصيل في القسم 2.4.3.2. مثل التجارب الطبيعية، ومطابقة هو التصميم الذي يستفيد أيضا من مصادر البيانات الكبيرة. على وجه الخصوص، والحجم الهائل سواء من حيث عدد الحالات ونوع من المعلومات في حالة كبيرة يسهل مطابقة. الفرق الرئيسي بين التجارب الطبيعية ومطابقة هو أنه في التجارب الطبيعية الباحث يعرف العملية التي من خلالها تم تعيينه العلاج ويعتقد أن تكون عشوائية.
مفهوم مقارنات عادلة أن الدافع وراء الشهوات إلى القيام بالمزيد من التجارب أيضا راء النهجين البديلة: التجارب الطبيعية ومطابقة. وهذه النهج تمكنك من تقدير الآثار السببية من البيانات لوحظ بشكل سلبي من خلال اكتشاف مقارنات عادلة يجلس داخل البيانات التي لديك بالفعل.
