4.1 Einführung

In den Ansätzen bisher in diesem Buch zur Beobachtung von Verhalten abgedeckt (Kapitel 2) und Fragen zu stellen (Kapitel 3) -researchers sammeln Daten über das, was in der Welt ist natürlich vorkommenden. Der Ansatz abgedeckt in diesem Kapitel laufenden Experimente-unterscheidet sich grundlegend. Wenn Forscher Experimente laufen, greifen sie systematisch in der Welt Daten zu erstellen, die sich ideal für die Beantwortung von Fragen über Ursache-Wirkungs-Beziehungen geeignet ist.

Ursache-Wirkungs-Fragen sind sehr häufig in der Sozialforschung und Beispiele enthält Fragen wie Ist die Lehrergehälter erhöhen Schüler zu erhöhen Lernen? Was ist die Wirkung des Mindestlohns auf die Beschäftigungsquoten? Wie funktioniert ein Rennen der Bewerber bewirken ihre Chance, einen Job zu bekommen? Neben diesen explizit kausale Fragen, manchmal Ursache und Wirkung Fragen sind implizit in allgemeinere Fragen über die Maximierung von einigen Leistungsmetrik. Zum Beispiel die Frage: "Welche Farbe Schaltfläche Spenden auf einer NGO Website Website maximieren?" Ist eine Menge Fragen über die Wirkung von verschiedenen Tastenfarben auf Spenden wirklich.

Eine Möglichkeit Ursache-Wirkungs-Fragen zu beantworten ist für Muster in vorhandenen Daten zu suchen. Zum Beispiel können Daten aus Tausenden von Schulen verwenden, können Sie berechnen, dass die Schüler mehr in der Schule lernen, die hohe Lehrergehälter bieten. Aber geht diese Korrelation zeigen , dass höhere Gehälter Studenten verursachen mehr erfahren? Natürlich nicht. Schulen, wo Lehrer mehr verdienen könnte in vielerlei Hinsicht unterschiedlich sein. Zum Beispiel Studenten in Schulen mit hohem Lehrergehälter könnten aus reicheren Familien kommen. So was sieht aus wie ein Effekt der Lehrer nur aus dem Vergleich verschiedener Arten von Studenten kommen könnte. Diese ungemessene Unterschiede zwischen den Schülern sind Störfaktoren genannt, und in der Regel die Möglichkeit der Störfaktoren verheerende Auswirkungen auf die Forscher die Fähigkeit von Ursache und Wirkung , Fragen zu beantworten , indem sie nach Mustern in den vorhandenen Daten suchen.

Eine Lösung für das Problem der Störfaktoren ist, zu versuchen faire Vergleiche zu machen, indem zwischen den Gruppen für die beobachtbaren Unterschiede anzupassen. Zum Beispiel könnten Sie in der Lage sein, die Grundsteuer-Daten aus einer Reihe von Regierungs-Webseiten herunterladen. Dann könnten Sie die Leistungen der Schüler in Schulen zu vergleichen, wo Wohnungspreise ähnlich sind, aber die Lehrergehälter sind unterschiedlich, und Sie können immer noch finden, dass die Schüler mehr in Schulen mit höheren Lehrer Pay lernen. Aber es gibt immer noch viele mögliche Störfaktoren. Vielleicht sind die Eltern dieser Schüler in ihr Bildungsniveau unterscheiden oder vielleicht die Schulen unterscheiden sich in ihrer Nähe zu öffentlichen Bibliotheken oder vielleicht die Schulen mit höheren Lehrer Lohn haben auch höhere Löhne für Auftraggeber und Haupt Lohn, nicht Lehrer zu bezahlen, ist wirklich das, was wächst das Lernen der Schüler. Sie könnten versuchen, diese Faktoren als auch zu messen, aber die Liste der möglichen Störfaktoren ist im Wesentlichen endlos. In vielen Situationen kann man einfach nicht für alle möglichen Störfaktoren messen und anpassen. Dieser Ansatz kann nur Sie so weit.

Eine bessere Lösung für das Problem der Störfaktoren läuft Experimenten. Experimente ermöglichen Forscher über die Korrelationen zu bewegen, in natürlich Daten, um auftretende zuverlässig Ursache-Wirkung-Frage zu beantworten. Im analogen Alter wurden Versuche oft logistisch schwierig und teuer. Nun, im digitalen Zeitalter werden logistischen allmählich verblassen. Nicht nur ist es einfacher zu machen, Experimente wie diese Forscher in der Vergangenheit getan haben, ist es nun möglich, neue Arten von Experimenten ausgeführt werden.

In dem, was ich bisher geschrieben habe, habe ich schon in meiner Sprache ein bisschen locker, aber es ist wichtig, zwischen zwei Dingen unterscheiden: Experimente und randomisierten kontrollierten Experimenten. In einem Experiment , greift ein Forscher in der Welt und misst dann ein Ergebnis. Ich habe diesen Ansatz wie beschrieben gehört "beunruhigen und zu beobachten." Diese Strategie ist sehr effektiv in den Naturwissenschaften, sondern in der medizinischen und Sozialwissenschaften gibt es einen anderen Ansatz, der besser funktioniert. In einer randomisierten kontrollierten Experiment greift ein Forscher für einige Leute und nicht für andere, und, kritisch, entscheidet der Forscher , welche Personen die Intervention durch Randomisierung erhalten (zB Werfen einer Münze). Dieses Verfahren stellt sicher, dass randomisierte kontrollierte Experimente faire Vergleiche zwischen zwei Gruppen zu erstellen: eine, die die Intervention und eine erhalten hat, die nicht hat. In anderen Worten sind randomisierten kontrollierten Experimenten wurde eine Lösung für die Probleme der Störfaktoren. Trotz der wichtigen Unterschiede zwischen den Experimenten und randomisierten kontrollierten Experimenten, Sozialforscher verwenden häufig diese Begriffe synonym. Ich werde diese Konvention, aber an bestimmten Punkten, ich werde die Konvention brechen den Wert von randomisierten kontrollierten Experimenten über Experimente ohne Randomisierung und eine Kontrollgruppe zu betonen.

Randomisierte kontrollierte Experimente haben bewiesen, eine leistungsfähige Methode, um über die soziale Welt zu lernen, und in diesem Kapitel werde ich Ihnen mehr über beibringen, wie sie in Ihrer Forschung zu nutzen. In Abschnitt 4.2, werde ich die grundlegende Logik des Experimentierens mit einem Beispiel eines Experiments auf Wikipedia illustrieren. Dann wird in Abschnitt 4.3, werde ich den Unterschied zwischen Laborexperimenten und Feldversuche und die Unterschiede zwischen analogen Experimenten und digitale Experimente beschreiben. Ich werde Ferner argumentieren, dass das digitale Feldversuche können die besten Eigenschaften von analogen Laborexperimenten (strenge Kontrolle) und analogen Feldexperimenten (Realismus) bieten, die alle auf einer Skala, die zuvor nicht möglich war. Als nächstes wird in Abschnitt 4.4, werde ich drei Konzepte-Gültigkeit, Heterogenität der Behandlungseffekte und Mechanismen-Lagen für die Gestaltung reichen Experimente kritisch beschreiben. Mit diesem Hintergrund werde ich die Trade-offs in den beiden wichtigsten Strategien für die Durchführung von digitalen Experimenten beteiligt beschreiben: es selbst zu tun (siehe Abschnitt 4.5.1) oder die Partnerschaft mit dem leistungsstarken (Abschnitt 4.5.2). Schließlich werde ich mit einigen Design-Tipps zum Thema abschließen, wie Sie die Vorteile der realen Leistung der digitalen Experimenten (Abschnitt 4.6.1) und beschreiben einige Verantwortung übernehmen kann, die mit dieser Leistung (Abschnitt 4.6.2) kommt. Das Kapitel wird mit einem Minimum an mathematischer Notation und Formensprache präsentiert werden; Leser, die sich in einem eher formalen, sollte mathematische Ansatz Experimente auch am Ende des Kapitels in der technischen Anlage lesen.