3.5.1 Ekologia momenta taksoj

Esploristoj povas ĉagreni grandajn enketojn kaj aspergi ilin en homajn vivojn.

Ekologia momenta takso (EMA) implikas tradiciajn enketojn, disŝovante ilin en pecojn kaj ŝprucas ilin en la vivon de partoprenantoj. Tiel, enketaj demandoj povas esti demanditaj en taŭga tempo kaj loko, anstataŭ en longaj intervjuoj semajnoj post kiam la okazaĵoj okazis.

EMA karakterizas per kvar funkcioj: (1) kolekto de datumoj en realaj mondaj medioj; (2) taksoj, kiuj fokusas pri aktualaj aŭ tre freŝaj ŝtatoj aŭ kondutoj de individuoj; (3) taksoj, kiuj povas esti event-bazitaj, tempo-bazitaj, aŭ hazarde instigitaj (laŭ la esplora demando); kaj (4) kompletigo de multnombraj taksadoj laŭlonge de tempo (Stone and Shiffman 1994) . EMA estas aliro al petado, ke tre eblos per inteligentaj telefonoj, per kiuj homoj interagas ofte dum la tuta tago. Plie, ĉar inteligentaj telefonoj estas plenplenigitaj de sensiloj -kiel GPS kaj akcelrometroj- ĉiufoje pli eblas aktivigi mezuradojn bazitajn sur aktiveco. Ekzemple, inteligenta telefono povus esti planita por ĉesigi enketan demandon se respondanto eniros en aparta kvartalo.

La promeso de EMA estas bone ilustrita per la tezo de esploro de Naomi Sugie. Ekde la 1970-aj jaroj, Usono pliigis drame la nombro da homoj, kiujn ĝi enprizonigas. Ekde 2005, ĉirkaŭ 500 en ĉiu 100,000 usonanoj estis en malliberejo, imposto de malliberigo pli alta ol ie ajn en la mondo (Wakefield and Uggen 2010) . La kresko en la nombro da homoj eniranta malliberejon ankaŭ produktis kreskon en la nombro elirante de malliberejo; proksimume 700,000 homoj forlasas malliberejon ĉiun jaron (Wakefield and Uggen 2010) . Ĉi tiuj homoj alfrontas severajn defiojn post lasi malliberejon, kaj bedaŭrinde multaj finiĝas tie. Por kompreni kaj redukti recidivismon, sociaj sciencistoj kaj politikistoj bezonas kompreni la sperton de homoj dum ili denove eniras la socion. Tamen, ĉi tiuj datumoj malfacile kolektas kun normaj enketaj metodoj ĉar ekskrimuloj inklinas esti malfacilaj studi kaj iliaj vivoj estas ekstreme malstabilaj. Mezuraj aliroj kiuj disfaldas enketojn ĉiun malmultajn monatojn perdas grandajn kvantojn de la dinamiko en iliaj vivoj (Sugie 2016) .

Por studi la re-eniron-procezon kun multe pli granda precizeco, Sugie prenis norman probablan ekzemplon de 131 homoj el la kompleta listo de individuoj elirante malliberejon en Newark, Nov-Ĵerzejo. Ŝi provizis al ĉiu partoprenanto kun inteligenta telefono, kiu iĝis riĉa datuma kolekto-platformo, por registri konduton kaj por demandi demandojn. Sugie uzis la telefonojn por administri du specojn de enketoj. Unue ŝi sendis "spertan specimenan enketon" ĉe hazarde elektita tempo inter 9 kaj 6 p.m. demandante al partoprenantoj pri siaj nunaj agadoj kaj sentoj. Dua, je 7 p.m., ŝi sendis "ĉiutagan enketon" demandante pri ĉiuj agadoj de tiu tago. Plie, krom ĉi tiuj enketaj demandoj, la telefonoj registris sian geografian lokon ĉe regulaj intervaloj kaj konservis ĉifritajn reklamojn de alvoko kaj teksto-datumado. Uzante ĉi tiun alproksimiĝon, kiu kombinas demandadon kaj observadon-Sugie povis krei detalan, altan oftecon de mezuradoj pri la vivoj de ĉi tiuj homoj kiam ili denove eniris en la socion.

Esploristoj kredas, ke trovante stabila, altkvalita dungado helpas homojn sukcese transiri en socion. Tamen, Sugie trovis, ke averaĝe, la spertoj de ŝiaj partoprenantoj estis senkonsideraj, provizoraj kaj sporadaj. Ĉi tiu priskribo de la averaĝa ŝablono, tamen, maskas gravan heterogenecon. En aparta, Sugie trovis kvar malsamajn ŝablonojn ene de ŝia partoprenanta naĝejo: "frua eliro" (tiuj, kiuj komencas serĉi laboron, sed poste ellasi el la laborejo), "konstanta serĉo" (tiuj, kiuj pasigas multe de la periodo serĉanta laboron) , "Recurrente laboro" (tiuj, kiuj elspezas multon de la periodo laboranta), kaj "malalta respondo" (tiuj, kiuj ne respondas al la enketoj regule). La grupo de "frua eliro" - tiuj, kiuj komencas serĉi laboron, sed poste ne trovas ĝin kaj ĉesas serĉi - estas aparte grava, ĉar ĉi tiu grupo probable verŝajne havas sukcesan reentiron.

Oni povus imagi, ke serĉante laborpostenon post esti en malliberejo estas malfacila procezo, kiu povus konduki al depresio kaj poste forigo de la laboremerkato. Sekve, Sugie uzis siajn enketojn por kolekti datumojn pri la emocia stato de partoprenantoj - interna ŝtato, kiu ne facile taksas de kondukaj datumoj. Sorprende, ŝi trovis, ke la "frua eliro" grupo ne raportis pli altajn nivelojn de streso aŭ malfeliĉo. Prefere ĝi estis kontraŭa: tiuj, kiuj daŭre serĉis laboron, informis pli da sentoj de emociaj mizeroj. Ĉio ĉi tiu belega, longitudina detalo pri konduto kaj emocia stato de la ekskrimuloj estas grava por kompreni la barojn, kiujn ili alfrontas kaj malhelpi ilian transiron al la socio. Plie, ĉio ĉi tiu belega detalo estus perdita en norma enketo.

La kolekto de datumoj de Sugie kun vundebla populacio, precipe la pasiva kolekto de datumoj, povus levi iujn etikajn zorgojn. Sed Sugie anticipis ĉi tiujn zorgojn kaj alparolis ilin en sia dezajno (Sugie 2014, 2016) . Ŝiaj proceduroj estis reviziitaj fare de tria-la Institucia Revizia Estraro de sia universitato-kaj plenumis ĉiujn ekzistantajn regulojn. Plie, konsekvenca kun la principoj-bazita aliro, kiun mi rekomendas en la ĉapitro 6, la aliro de Sugie estis multe pli alta ol tio, kio postulis de ekzistantaj reguligoj. Ekzemple, ŝi ricevis signifan informan konsenton de ĉiu partoprenanto, ŝi ebligis al partoprenantoj malŝpari temporalmente la geografian spuron, kaj ŝi iris al grandaj longoj por protekti la datumojn, kiujn ŝi kolektis. Krom uzi taŭgan ĉifradon kaj datuman stokadon, ŝi ankaŭ akiris Ateston de Konfiditeco de la federacia registaro, kio signifis, ke ŝi ne povis esti devigita turni siajn datumojn al la polico (Beskow, Dame, and Costello 2008) . Mi pensas, ke pro ŝia pensema alproksimiĝo, la projekto de Sugie provizas valorajn modelojn al aliaj esploristoj. En aparta, ŝi ne falis blinde al etika muro, kaj ŝi ne evitis gravan esploradon ĉar ĝi estis etike kompleksa. Prefere, ŝi pensis zorge, serĉis taŭgan konsilon, respektis siajn partoprenantojn, kaj prenis paŝojn por plibonigi la riskon-profitan profilon de sia studo.

Mi pensas, ke ekzistas tri ĝeneralaj lecionoj de la laboro de Sugie. Unue, novaj aliroj al demandado estas tute kongruaj kun tradiciaj metodoj de sampado; Memoru ke Sugie prenis norman probablan ekzemplon de bone difinita kadra populacio. Dua, ofteco, longitudinalaj mezuradoj povas esti aparte valoraj por studi sociajn spertojn, kiuj estas malregulaj kaj dinamikaj. Tria, kiam enketo de datumoj kolektas kun grandaj datumaj fontoj - io, kion mi opinias fariĝos pli komuna, kiel mi diskutos poste en ĉi tiu ĉapitro - povas aldoni pliajn etikajn demandojn. Mi traktos esploradon pri pli da detalaĵoj en la ĉapitro 6, sed la laboro de Sugie montras, ke ĉi tiuj aferoj estas kompreneblaj per konsciencaj kaj pensaj esploristoj.