3.5.1 ارزیابی زیست محیطی در حال حاضر

محققان می توانند نظرسنجی های بزرگ را مرتب کرده و آنها را به زندگی مردم بسپارند.

ارزیابی لحظه ای زیست محیطی (EMA) شامل گرفتن نظرسنجی های سنتی، تقسیم آنها به قطعات و پاشیدن آنها به زندگی شرکت کنندگان است. بنابراین، پرسش های مربوط به نظرسنجی را می توان در یک زمان و مکان مناسب، و نه در مصاحبه بلند مدت پس از وقایع رخ داده است.

EMA با چهار ویژگی مشخص شده است: (1) جمع آوری داده ها در محیط های دنیای واقعی؛ (2) ارزیابی هایی که بر وضعیت یا رفتارهای فعلی یا بسیار اخیر افراد تمرکز می کنند؛ (3) ارزیابی هایی که ممکن است مبتنی بر رویداد، مبتنی بر زمان یا به صورت تصادفی (بسته به سوال تحقیق) باشد؛ و (4) تکمیل ارزیابی های متعدد در طول زمان (Stone and Shiffman 1994) . EMA یک رویکرد به درخواست است که توسط گوشی های هوشمند که مردم در طول روز به طور مرتب در طول روز از آنها استفاده می کنند، بسیار تسهیل می شود. علاوه بر این، چون گوشی های هوشمند با سنسورها مانند GPS و شتاب سنج ها بسته بندی می شوند، این امر به طور فزاینده ای باعث می شود که اندازه گیری بر اساس فعالیت انجام شود. به عنوان مثال، یک گوشی هوشمند می تواند برنامه ریزی شود تا یک سوال نظرسنجی را در صورت پاسخ دادن به یک محله خاص، به ارمغان بیاورد.

وعده EMA به خوبی توسط تحقیق پایان نامه Naomi Sugie نشان داده شده است. از دهه 1970، ایالات متحده به طور چشمگیری تعداد افرادی را که در معرض آن قرار دارند، افزایش داده است. در سال 2005، حدود 500 نفر در هر 100000 آمریکایی در زندان بودند، میزان زندان بالاتر از هر جای دیگری در جهان (Wakefield and Uggen 2010) . افزایش شمار افرادی که به زندان افتاد نیز موجب افزایش شمار زندانیان شده است. حدود 700،000 نفر هر ساله زندان را ترک می کنند (Wakefield and Uggen 2010) . این افراد هنگام خروج از زندان با چالش های شدید مواجه می شوند، و متأسفانه بسیاری از آنها به سر می برند. دانشمندان و سیاست گذاران اجتماعی برای درک و کاهش ریشه کنی مجدد باید تجارب افراد را در هنگام ورود دوباره به جامعه درک کنند. با این حال، این داده ها با روش های نظرسنجی استاندارد جمع آوری شده اند زیرا متخلفان سابق به مطالعه دشوار هستند و زندگی آنها بسیار ناپایدار است. روشهای اندازه گیری که هر چند ماه یکبار بررسی می کنند، مقدار زیادی از پویایی زندگی خود را از دست می دهند (Sugie 2016) .

به منظور مطالعه پروسه ورود مجدد با دقت بسیار بیشتر، Sugie استاندارد نمونه احتمالی 131 نفر را از فهرست کامل افرادی که از زندان نیوآرک نیوجرسی آزاد شدند، بردند. او هر شرکت کننده با یک گوشی هوشمند، که به یک پلت فرم جمع آوری داده های ثابتی تبدیل شد، هر دو برای ضبط رفتار و برای سوالات را ارائه داد. Sugie از گوشی ها برای مدیریت دو نوع نظرسنجی استفاده می کند. اولا او یک "نمونه گیری نمونه گیری" را در یک زمان تصادفی بین 9 صبح تا 6 بعد از ظهر از شرکت کنندگان در مورد فعالیت ها و احساسات فعلی خویش فرستاد. دوم، در ساعت 7 بعد از ظهر، او یک "نظرسنجی روزانه" ارسال کرد و در مورد تمام فعالیت های آن روز پرسید. علاوه بر این، علاوه بر این سؤال های نظرسنجی، تلفن ها مکان جغرافیایی خود را با فواصل منظم ثبت کرده و پرونده های رمزنگاری متا داده های تماس و متن را نگهداری می کنند. با استفاده از این رویکرد، که ترکیبی از پرسیدن و مشاهده است، Sugie توانست مجموعه ای از اندازه گیری های دقیق و با فرکانس بالا را در مورد زندگی این افراد ایجاد کند که آنها دوباره وارد جامعه شدند.

محققان معتقدند که یافتن اشتغال پایدار و با کیفیت بالا به مردم کمک می کند تا با موفقیت به جامعه باز گردند. با این حال، Sugie متوجه شد که به طور متوسط، تجربه های کارکنان او غیر رسمی، موقت و پراکنده بود. این توصیف الگوی متوسط، با این حال، ناهمگونی مهمی را پنهان می کند. به طور خاص، Sugie چهار الگوهای متمایز در استخر شرکت کننده خود یافت: "خروج زود هنگام" (کسانی که شروع به جستجو برای کار می کنند، اما پس از آن از بازار کار خارج می شوند)، "جستجوی مکرر" (کسانی که بیشتر وقت خود را صرف جستجو برای کار می کنند) ، "کار تکراری" (کسانی که بیشتر از مدت کار را صرف می کنند) و "پاسخ کم" (کسانی که به طور منظم به نظرسنجی پاسخ نمی دهند). گروه "خروج زود هنگام" - کسانی که شروع به جستجو برای کار می کنند، اما پس از آن پیدا نمی کنند و از جستجویشان جلوگیری می کنند، بسیار مهم است، زیرا احتمالا این گروه احتمالا به احتمال زیاد مجدد ورود مجدد خواهد بود.

ممکن است تصور کنید که جستجوی شغل پس از زندان، یک روند دشوار است که می تواند به افسردگی و سپس خروج از بازار کار منجر شود. بنابراین، Sugie از مشاهدات او برای جمع آوری اطلاعات در مورد وضعیت عاطفی شرکت کنندگان استفاده می کند - یک وضعیت داخلی است که به راحتی از داده های رفتاری تخمین زده نمی شود. به طور شگفت انگیز، او دریافت که گروه "خروج زودرس" سطوح بالاتری از استرس یا ناراحتی را گزارش نمی کند. در عوض، این مخالفت بود: کسانی که به جستجوی کار ادامه دادند، احساسات بیشتری از احساسات احساسی گزارش دادند. همه این جزئیات دقیق و دقیق در مورد رفتار و حالت عاطفی مجرمین سابق برای درک موانع مواجهه با آنها و کاهش انتقال آنها به جامعه بسیار مهم است. علاوه بر این، تمام این جزئیات دقیق در یک نظرسنجی استاندارد از دست رفته است.

جمع آوری داده های Sugie با جمعیت آسیب پذیر، به ویژه جمع آوری داده های منفعل، ممکن است نگرانی های اخلاقی را افزایش دهد. اما Sugie این نگرانی ها را پیش بینی کرده و آنها را در طراحی خود مورد بحث قرار داد (Sugie 2014, 2016) . رویه های او توسط یک شخص ثالث - هیئت نظارت بر موسسات دانشگاهی آن بررسی شد و با تمام قوانین موجود مطابقت داشت. علاوه بر این، با رویکرد مبتنی بر اصول که من در فصل 6 از آن حمایت میکنم، رویکرد Sugie خیلی فراتر از مقررات موجود بود. به عنوان مثال، او رضایت آگاهانه معنی دار از هر شرکت کننده را دریافت کرد، او شرکت کنندگان را فعال کرد تا موقت ردیابی جغرافیایی را خاموش کند و برای محافظت از اطلاعاتی که او جمع آوری می کرد، بسیار طول کشید. علاوه بر استفاده از رمزنگاری مناسب و ذخیره سازی داده ها، او همچنین یک گواهی محرمانه از دولت فدرال دریافت کرد که به این معنی نیست که او نمی تواند مجبور شود اطلاعات خود را به پلیس تبدیل کند (Beskow, Dame, and Costello 2008) . من فکر می کنم که به دلیل رویکرد متفکرانه، پروژه Sugie یک مدل ارزشمند برای محققان دیگر است. به طور خاص، او کورکورانه به موروثی اخلاقی نپرداخت، و او از انجام تحقیقات مهم اجتناب کرد، زیرا از لحاظ اخلاقی پیچیده بود. در عوض، او به دقت فکر کرد، به دنبال مشاوره مناسب، به شرکت کنندگان او احترام گذاشت، و اقداماتی را برای بهبود مشخصات ریسک و سود تحصیلش انجام داد.

من فکر می کنم سه درس عمومی از کار Sugie وجود دارد. اولا رویکردهای جدید برای پرسیدن کاملا سازگار با روش های سنتی نمونه برداری است؛ به یاد بیاورید که Sugie یک نمونه احتمال احتمالی را از یک جمعیت فریم به خوبی تعریف کرد. دوم، اندازه گیری های طولی با فرکانس بالا می تواند برای مطالعه تجربیات اجتماعی که بی نظیر و پویا هستند، بسیار ارزشمند باشد. سوم، هنگامی که جمع آوری داده های نظرسنجی با منابع داده های بزرگ ترکیب می شود، چیزی که من فکر می کنم به طور فزاینده ای تبدیل خواهد شد، همانطور که بعدا در این فصل بحث خواهم کرد، مسائل اخلاقی اضافی می توانند بوجود آیند. من در فصل 6 به بررسی جزئیات اخلاق تحقیق خواهم پرداخت، اما کار Sugie نشان می دهد که این مسائل توسط محققان وظیفه دار و متفکر قابل حل هستند.