آزمایش اندازه گیری آنچه اتفاق افتاده است. مکانیزم توضیح دهد که چرا و چگونه این اتفاق افتاد.
سومین ایده کلیدی برای جابجایی فراتر از آزمایشهای ساده مکانیسم است . مکانیسم ها به ما می گویند چرا و چگونه درمان یک اثر را ایجاد می کند. فرآیند جستجوی مکانیسم نیز گاهی اوقات به دنبال متغیرهای مداخله یا متغیرهای میانجی است . اگرچه آزمایشات برای برآورد اثرات علی مفید هستند، اما آنها اغلب برای تشخیص مکانیزم طراحی نشده اند. آزمایش های دیجیتال می تواند به ما در شناسایی مکانیسم ها کمک کند: (1) ما را قادر می سازد تا داده های فرایند داده را جمع آوری کنیم و (2) ما را قادر به آزمایش بسیاری از درمان های مرتبط می کنیم.
از آنجایی که مکانیزم ها به طور رسمی تعریف می شود (Hedström and Ylikoski 2010) ، من با یک مثال ساده شروع می کنم: لیمو و پودر (Gerber and Green 2012) . در قرن هجدهم، پزشکان حس خوبی داشتند وقتی که ملوانان لیمو را خوردند، آنها نجوا نداشتند. Scurvy یک بیماری وحشتناک است، بنابراین این اطلاعات قدرتمند بود. اما این پزشک ها نمی دانستند که چرا لیمو مانع از چاقی می شود. تا سال 1932، تقریبا 200 سال بعد، دانشمندان می توانند به طور قابل اعتماد نشان دهند که ویتامین C به دلیل آن است که آهک جلوگیری از پوسته پوسته شدن (Carpenter 1988, 191) . در این مورد، ویتامین C مکانیسم است که از طریق آن لایم ها جلوگیری از اسکوربو (شکل 4-10). البته، شناسایی مکانیسم نیز بسیار مهم است از نظر علمی، بسیاری از علم در مورد درک اینکه چرا همه چیز اتفاق می افتد. مکانیزم های شناسایی نیز بسیار مهم هستند. هنگامی که ما درک کنیم که چرا درمان کار می کند، ما به طور بالقوه می توانیم درمان های جدیدی را انجام دهیم که حتی بهتر عمل می کنند.
متاسفانه مکانیسم جداسازی بسیار دشوار است. بر خلاف لیمو و پودر، در بسیاری از تنظیمات اجتماعی، درمان ممکن است از طریق بسیاری از مسیرهای مرتبط با آن عمل کند. با این حال، در مورد هنجارهای اجتماعی و استفاده از انرژی، محققان سعی کرده اند مکانیسم های خود را با جمع آوری داده های فرآیند و تست های مرتبط با آن، جداسازی نمایند.
یک راه برای آزمایش مکانیسم های احتمالی این است که با جمع آوری داده های فرآیند در مورد چگونگی درمان مکانیسم های احتمالی. به عنوان مثال، به یاد بیاورید که Allcott (2011) نشان می دهد که گزارش های خانه انرژی باعث کاهش مصرف برق خود شده است. اما چگونه این گزارش ها مصرف برق را کاهش داد؟ مکانیسم ها چیست؟ در یک مطالعه پیگیری، Allcott and Rogers (2014) با یک شرکت قدرت همکاری کردند که با استفاده از برنامه تخفیف اطلاعاتی در مورد اینکه مصرف کنندگان لوازم خانگی خود را به مدل های با انرژی کارآمد تر ارتقا داده اند، به دست آورده اند. Allcott and Rogers (2014) دریافتند که تعداد کمی از افراد دریافت گزارشات Home Energy، لوازم خانگی خود را ارتقا داده اند. اما این تفاوت خیلی کوچک بود که فقط 2 درصد از کاهش مصرف انرژی در خانواده های تحت درمان را تشکیل می داد. به عبارت دیگر، ارتقاء دستگاهها مکانی غالب نبودند که از طریق آن گزارش انرژی خانه کاهش مصرف برق را کاهش داد.
راه دوم برای مطالعه مکانیزم این است که آزمایشات را با نسخه های کمی از درمان انجام دهید. به عنوان مثال، در آزمایش Schultz et al. (2007) و تمام تجربیات مربوط به گزارش انرژی در خانه، شرکت کنندگان با درمان هایی که دارای دو قسمت اصلی (1) راهنمایی در مورد صرفه جویی انرژی و (2) اطلاعات در مورد استفاده از انرژی خود نسبت به همتایانشان بود (شکل 4.6) ارائه شد. به این ترتیب، ممکن است نکات صرفه جویی در انرژی چیزی است که باعث تغییر شد، نه اطلاعات همکار. Ferraro, Miranda, and Price (2011) با یک شرکت آب در نزدیکی آتلانتا، جورجیا مشارکت داشتند و یک آزمایش مربوط به حفاظت از آب در حدود 100،000 خانواده را انجام دادند. چهار شرایط وجود داشت:
محققان دریافتند که درمان مستقیم فقط برای مصرف آب در کوتاه مدت (یک سال)، متوسط (دو سال) و مدت (سه سال) اصلا تاثیری ندارد. راهنمایی به علاوه درخواست تجدید نظر باعث شرکت کنندگان کاهش مصرف آب، اما فقط در کوتاه مدت. در نهایت راهنمایی به علاوه درخواست تجدید نظر به اضافه اطلاعات همکار باعث کاهش استفاده در کوتاه مدت، متوسط و بلند مدت می شود (شکل 4.11). این نوع آزمایش ها با درمان های جداگانه یک راه خوب برای فهمیدن اینکه بخشی از درمان - و یا با چه بخش هایی - با یکدیگر هستند، باعث ایجاد اثر می شوند (Gerber and Green 2012, sec. 10.6) . به عنوان مثال، آزمایش فرارو و همکارانش نشان می دهد که صرفه جویی در مصرف آب تنها برای کاهش مصرف آب کافی نیست.
در حالت ایده آل، به جای طرح بندی اجزای سازنده (راهنمایی، راهنمایی و درخواست تجدید نظر، راهنمایی و درخواست تجدید نظر به همراه اطلاعات همکار)، به یک طراحی فاکتوریل کامل بروید (گاهی نیز به نام فاکتوریل \(2^k\) - که در آن هر ترکیب ممکن از سه عنصر آزمایش شده است (جدول 4.1). با آزمایش هر ترکیبی از ترکیبات، محققان می توانند به طور کامل اثر هر مولفه را در انزوا و در ترکیب با یکدیگر مقایسه کنند. به عنوان مثال، آزمایش فرارو و همکارانش نشان می دهد که آیا مقایسه یکپارچه به اندازه کافی منجر به تغییرات طولانی مدت در رفتار می شود. در گذشته، این طرح های کامل فاکتوریل دشوار بود زیرا آنها نیاز به تعداد زیادی از شرکت کنندگان دارند و آنها نیاز به محققان را قادر به دقیق کنترل و تحویل تعداد زیادی از درمان. اما، در برخی موارد، عصر دیجیتال این محدودیت های لجستیکی را حذف می کند.
رفتار | مشخصات |
---|---|
1 | کنترل |
2 | نکات |
3 | درخواست |
4 | اطلاعات همتا |
5 | نکات + تجدید نظر |
6 | نکات + اطلاعات همکار |
7 | درخواست تجدید نظر + اطلاعات همکار |
8 | نکات + درخواست تجدید نظر + اطلاعات همکار |
به طور خلاصه، مکانیزم - مسیرهایی که درمان آن تاثرات می گذارد، بسیار مهم هستند. آزمایش های دیجیتال سن می تواند به محققان در مورد مکانیزم ها کمک کند (1) جمع آوری داده های فرآیند و (2) امکان فعال سازی طرح های فاکتوریل کامل. سپس مکانیسم هایی که توسط این روش ها پیشنهاد می شود، می تواند به طور مستقیم با آزمایش هایی که به طور خاص برای تست مکانیزم ها مورد آزمایش قرار گرفته است، مورد آزمایش قرار گیرد (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) .
در کل، این سه مفهوم: اعتبار، ناهمگونی اثرات درمان، و مکانیسم ها، یک مجموعه قدرتمند از ایده ها برای طراحی و تفسیر آزمایشات را فراهم می کنند. این مفاهیم به محققان کمک می کنند تا آزمایشات ساده ای را درباره کارهایی که در آزمایشات غنی تر انجام می شود، که پیوندهای تنگاتنگتری با نظریه دارند، نشان دهند، که نشان می دهد که چرا و چگونه درمان ها کار می کنند و حتی ممکن است به پژوهشگران کمک کنند تا درمان های موثرتری را طراحی کنند. با توجه به این زمینه مفهومی در مورد آزمایشات، اکنون خواهم نوشت که چگونه می توانید آزمایشات خود را انجام دهید.