4.1 Úvod

V přístupech doposud pokrytých v této knize se sledováním chování (kapitola 2) a klást otázky (Kapitola 3) -researchers sbírat data o tom, co je přirozeně se vyskytující ve světě. Tento přístup se vztahuje tato kapitola-běh experimentů, je zásadně odlišný. Když vědci provádět experimenty, které systematicky zasáhnout ve světě vytvořit data, která se ideálně hodí pro odpovídat na otázky o vztahu příčiny a následků.

Způsobí-and-Effect otázky jsou velmi běžné v sociální oblasti výzkumu a příklady patří otázky jako Znamená zvýšení platů učitelů zvýšit studenta učení? Jaký je vliv minimální mzdy na míru zaměstnanosti? Jak se závod uchazeč o zaměstnání má vliv její šance na získání zaměstnání? Kromě těchto výslovně příčinných otázky, někdy způsobit a účinek otázky jsou implicitní v obecnějších otázek o maximalizaci nějaké výkonnostní parametry. Například otázka "Co barevných tlačítek bude maximalizovat dary na webové stránce nevládní organizace?" Je opravdu hodně otázek o vlivu různých barev tlačítko na dary.

Jeden způsob, jak odpovědět na otázky příčiny a následku je hledat vzory v existujících dat. Například při použití dat z tisíců škol, můžete spočítat, že se studenti učí více škol, které nabízejí vysoké platy učitelů. Ale to korelace ukazují, že vyšší platy způsobit studenti se dozvědět více? Samozřejmě, že ne. Školách, kde učitelé vydělávají více se může lišit v mnoha ohledech. Například studentů ve školách s vysokými platy učitelů by mohly pocházet z bohatších rodin. To, co vypadá účinek učitelů mohl pocházet z porovnání různých typů studentů. Tyto nezměřené rozdíly mezi žáky se nazývají confounders a obecně možnost confounders vykoná zmatek na výzkumníky schopnost odpovídat na otázky příčiny a následku tím, že hledá vzory v existujících dat.

Jedním z možných řešení problému confounders je pokusit se učinit objektivní srovnání úpravou pro pozorovatelné rozdíly mezi skupinami. Například, měli byste být schopni stáhnout daň z nemovitosti data z celé řady vládních internetových stránek. Pak byste mohli porovnat výsledky studentů ve školách, kde jsou podobné ceny domů, ale platy učitelů jsou odlišné, a přesto by mohl zjistit, že se studenti učí více ve školách s vyšším platem učitelů. Ale stále existuje mnoho možných zkreslující jevy. Možná, že rodiče těchto studentů se liší v jejich úroveň vzdělání nebo možná školy se liší v jejich blízkosti k veřejným knihovnám nebo možná školy s vyšším platem učitelů mají také vyšší plat pro principy a hlavní platu, ne plat učitele, je opravdu to, co roste učení studenta. Dalo by se pokusit měřit tyto jiné faktory jako dobře, ale seznam možných confounders je v podstatě nekonečné. V mnoha situacích si prostě nemůže měřit a přizpůsobit pro všechny možné confounders. Tento postup může trvat jen vás tak daleko.

Lepším řešením problému confounders běží experimenty. Experimenty výzkumným pracovníkům umožnilo překonat korelací v přirozeně se vyskytující údaje, aby mohl spolehlivě odpovědět příčiny a následku otázku. V analogovém věku, experimenty byly často logisticky obtížná a nákladná. Nyní, v digitálním věku, logistická omezení jsou postupně mizí. Nejen, že je snazší dělat experimenty podobné těm, které vědci v minulosti, je nyní možné spouštět nové druhy experimentů.

V jakém jsem zatím napsal, že jsem byl trochu uvolnila v mém jazyce, ale je důležité rozlišovat mezi dvěma věcmi: experimentů a randomizované kontrolované experimenty. V experimentu výzkumník zasáhne na světě a pak měří výsledku. Slyšel jsem, že tento přístup popsat jako "znepokojovat a pozorovat." Tato strategie je velmi účinná v přírodních vědách, ale ve zdravotnických a sociálních vědách, tam je jiný přístup, který funguje lépe. V randomizované kontrolované experiment vědec zasahuje pro některé lidi a ne pro ostatní, a kriticky, výzkumný pracovník rozhodne, které lidé dostávali zásah randomizace (např hodit mincí). Tento postup zajistí, že randomizované kontrolované pokusy vytvořit spravedlivé srovnání mezi dvěma skupinami: ten, který obdržel zásah a ten, který má ne. Jinými slovy, randomizované kontrolované experimenty jsou řešením problémů confounders. Navzdory významným rozdílům mezi experimenty a randomizované kontrolované experimenty, sociální vědci často používají tyto termíny zaměnitelně. Budu sledovat tuto konvenci, ale v určitých bodech, budu prolomit konvence zdůraznit hodnotu randomizované kontrolované experimenty v průběhu experimentů bez randomizace a kontrolní skupinou.

Randomizované kontrolované experimenty se ukázaly být účinný způsob, jak se dozvědět o sociálním světě a v této kapitole, budu vás naučí víc o tom, jak je používat ve svém výzkumu. V oddílu 4.2, budu ilustrovat základní logiku experimentování s příkladem experimentu na Wikipedii. Poté v bodě 4.3, budu popisovat rozdíl mezi laboratorních pokusů a experimentů v terénu a rozdíly mezi analogových a digitálních experimentů experimentů. Dále se budu argumentovat, že pokusy digitální terénu může nabídnout ty nejlepší vlastnosti analogových laboratorních experimentů (těsný ovládání) a analogový polní experimenty (realismus), vše v měřítku, které nebylo možné dříve. Dále v oddíle 4.4, budu popisovat tři pojmy-platnost, nesourodost účinků léčby a mechanismy-, které jsou kritické pro tvorbu bohatých experimenty. Díky této souvislosti budu popisovat kompromisy zapojené do dvou hlavních strategií pro provádění digitální experimenty: dělat to sami (viz kapitola 4.5.1), nebo spolupracuje s výkonným (§ 4.5.2). A konečně, budu uzavřít s některými designu rad o tom, jak můžete využít skutečnou sílu digitálních experimentů (§ 4.6.1) a popsat některé odpovědnosti, který je dodáván s tímto sílu (bod 4.6.2). V kapitole budou prezentovány s minimálními nároky na matematickém zápisu a formálním jazyce; Čtenáři mají zájem o více formální, matematické přístupu k experimentům by měl také přečíst Technické dodatek na konci této kapitoly.