4.1 પરિચય

આ પુસ્તક-નિરીક્ષણ વર્તન (પ્રકરણ 2) માં અત્યાર સુધીના અભિગમમાં અને પ્રશ્નો પૂછવા (પ્રકરણ 3) - સંશોધકોએ ઈરાદાપૂર્વક અને વ્યવસ્થિત રીતે વિશ્વને બદલતા વગર માહિતી એકત્રિત કરી છે. આ પ્રકરણ-ચાલતા પ્રયોગોમાં આવરી લેવામાં અભિગમ-મૂળભૂત રીતે અલગ છે જ્યારે સંશોધકો પ્રયોગો ચલાવે છે, ત્યારે તેઓ વ્યવસ્થિત રીતે ડેટાને બનાવવા માટે હસ્તક્ષેપ કરે છે જે કારણ અને અસર સંબંધો વિશેના પ્રશ્નોના જવાબ આપવા માટે આદર્શ છે.

સામાજિક સંશોધનમાં કોઝ-એન્ડ-ઇફેક્ટ પ્રશ્નો ખૂબ જ સામાન્ય છે, અને ઉદાહરણોમાં આવા પ્રશ્નોનો સમાવેશ થાય છે: શું વધારતા શિક્ષકોના પગારમાં વિદ્યાર્થી શિક્ષણ વધે છે? રોજગાર દર પર લઘુતમ વેતનની અસર શું છે? જોબ અરજદારની વયને નોકરી મેળવવાની તકને કેવી રીતે અસર કરે છે? આ સ્પષ્ટપણે સાર્થક પ્રશ્નો ઉપરાંત, કેટલાક પ્રભાવ મેટ્રિકના મહત્તમકરણ વિશે વધુ સામાન્ય પ્રશ્નોમાં ક્યારેક ક્યારેક-કારણ-અને-અસર પ્રશ્નોનો સમાવેશ થાય છે. ઉદાહરણ તરીકે, પ્રશ્ન "દાન બટન એન.જી.ઓ.ની વેબસાઇટ પર કયો રંગ હોવો જોઈએ?" દાન પર જુદા જુદા બટન રંગની અસર વિશે ઘણાં બધાં પ્રશ્નો છે.

કારણ અને અસર પ્રશ્નોના જવાબ આપવાનો એક માર્ગ હાલના ડેટામાં દાખલાઓ શોધવાનું છે. ઉદાહરણ તરીકે, વિદ્યાર્થી શિક્ષણ પર શિક્ષક પગારની અસર વિશે પ્રશ્ન પર પાછા ફરો, તમે ગણતરી કરી શકો છો કે વિદ્યાર્થીઓ શાળાઓમાં વધુ શીખતા હોય છે જે ઉચ્ચ શિક્ષક વેતન ઓફર કરે છે. પરંતુ, આ સહસંબંધ દર્શાવે છે કે ઉચ્ચ પગાર વિદ્યાર્થીઓ વધુ જાણવા માટે કારણભૂત છે ? અલબત્ત નથી. શિક્ષકો જ્યાં વધુ કમાણી કરે છે તેવી શાળાઓ ઘણી રીતે અલગ હોઈ શકે છે ઉદાહરણ તરીકે, ઉચ્ચ શિક્ષક વેતન ધરાવતા સ્કૂલના વિદ્યાર્થીઓ અમીર કુટુંબો તરફથી આવે શકે છે. આ રીતે, શિક્ષકોની અસર જે જુદાં જુદ પ્રકારના વિદ્યાર્થીઓની સરખામણી કરતા આવી શકે છે. વિદ્યાર્થીઓ વચ્ચે આ unmeasured તફાવતો confounders કહેવામાં આવે છે, અને સામાન્ય રીતે, confounders શક્યતા સંશોધકો 'હાલની માહિતી પેટર્ન શોધી દ્વારા કારણ અને અસર પ્રશ્નોના જવાબ આપવા માટે ક્ષમતા પર પાયમાલી wreaks.

કોમ્બેટર્સની સમસ્યાનું એક ઉકેલ એ છે કે જૂથો વચ્ચે અવલોકનક્ષમ તફાવતો માટે એડજસ્ટ કરીને યોગ્ય તુલના કરવી. ઉદાહરણ તરીકે, તમે સરકારી વેબસાઇટ્સની સંખ્યાથી મિલકત કર ડેટા ડાઉનલોડ કરી શકો છો. પછી, તમે શાળાઓમાં વિદ્યાર્થીની કામગીરીની તુલના કરી શકો છો, જ્યાં ઘરની કિંમત સમાન હોય છે પરંતુ શિક્ષકનું વેતન અલગ હોય છે, અને તમે હજી પણ શોધી શકો છો કે વિદ્યાર્થીઓ ઉચ્ચ શિક્ષક વેતનવાળા શાળાઓમાં વધુ શીખશે. પરંતુ હજુ પણ ઘણા શક્ય સંઘર્ષો છે. કદાચ આ વિદ્યાર્થીઓના માતાપિતા તેમના શિક્ષણના સ્તરમાં અલગ છે. અથવા કદાચ શાળાઓ તેમની નજીકમાં જાહેર પુસ્તકાલયોમાં અલગ પડે છે. અથવા કદાચ ઉચ્ચ શિક્ષક વેતનવાળા શાળાઓ પાસે પ્રિન્ટલ માટે ઉચ્ચ પગાર હોય, અને મુખ્ય પગાર, શિક્ષક પગાર ન હોય, તે ખરેખર વિદ્યાર્થી શિક્ષણ વધે છે. તમે આ પરિબળોને માપવા અને વ્યવસ્થિત કરવાનો પ્રયાસ કરી શકો છો, પરંતુ સંભવિત ગૂંચવણોની સૂચિ અનંતરૂપે અનંત છે. ઘણી પરિસ્થિતિઓમાં, તમે બધા સંભવિત સંઘર્ષીઓ માટે માપવા અને એડજસ્ટ કરી શકતા નથી. આ પડકારના પ્રતિભાવમાં, સંશોધકોએ બિન-પ્રાયોગિક ડેટામાંથી કાર્યકારી અંદાજો કરવા માટે ઘણી તકનીકો વિકસાવી છે-મેં પ્રકરણ 2 માં તેમાંના કેટલાકની ચર્ચા કરી હતી -પરંતુ અમુક પ્રકારના પ્રશ્નો માટે, આ તકનીકો મર્યાદિત છે, અને પ્રયોગો એક આશાસ્પદ ઓફર કરે છે વૈકલ્પિક

પ્રયોગો સંશોધકોને ચોક્કસ કારણ અને અસર પ્રશ્નોના જવાબ આપવા માટે સ્વાભાવિક રીતે બનતા ડેટામાં સહસંબંધોથી આગળ વધવા માટે સક્ષમ કરે છે. એનાલોગ યુગમાં, પ્રયોગો ઘણીવાર લોજિસ્ટિક રીતે મુશ્કેલ અને ખર્ચાળ હતા. હવે, ડિજિટલ વયમાં, હેરફેરની મર્યાદાઓ ધીમે ધીમે દૂર થઈ ગઈ છે. ભૂતકાળમાં કરવામાં આવેલા પ્રયોગો જેવા જ કરવું સરળ નથી, હવે નવા પ્રકારની પ્રયોગો ચલાવવાનું શક્ય છે.

મેં જે લખ્યું છે તેમાંથી હું મારી ભાષામાં થોડી છૂટછાટ કરી છે, પરંતુ બે વસ્તુઓ વચ્ચે તફાવત હોવાનું મહત્વપૂર્ણ છે: પ્રયોગો અને રેન્ડમેડ નિયંત્રિત પ્રયોગો. એક પ્રયોગમાં , સંશોધક દુનિયામાં દરમિયાનગીરી કરે છે અને પછી પરિણામ પરિણમે છે. મેં આ અભિગમને "ખીજવવું અને અવલોકન" તરીકે વર્ણવ્યું છે. નિદર્શિત અંકુશિત પ્રયોગમાં સંશોધક કેટલાક લોકો માટે હસ્તક્ષેપ કરે છે અને અન્ય લોકો માટે નહીં, અને સંશોધક નક્કી કરે છે કે લોકો રેન્ડિકેશન દ્વારા હસ્તક્ષેપ (દા.ત., એક સિક્કો ફ્લિપિંગ) મેળવે છે. નિદર્શિત નિયંત્રિત પ્રયોગો બે જૂથો વચ્ચે વાજબી તુલના બનાવે છે: જેણે હસ્તક્ષેપ પ્રાપ્ત કર્યો છે અને જે તે નથી. અન્ય શબ્દોમાં, રેન્ડમાઇઝ્ડ કંટ્રોલ પ્રયોગો ગૂંચવણભર્યા સમસ્યાઓના ઉકેલ છે. પ્રયોગો-અને-અવલોકન પ્રયોગો, જો કે, માત્ર એક જ જૂથ છે જેમાં હસ્તક્ષેપ પ્રાપ્ત થયો છે, અને તેથી પરિણામો ખોટા નિષ્કર્ષ પર સંશોધકોને દોરી શકે છે (હું ટૂંક સમયમાં બતાવીશ). પ્રયોગો અને રેન્ડમાઇઝ્ડ અંકુશિત પ્રયોગો વચ્ચે મહત્વપૂર્ણ તફાવતો હોવા છતાં સામાજિક સંશોધકો ઘણીવાર આ શરતોને એકબીજાના બદલે ઉપયોગમાં લે છે. હું આ સંમેલનને અનુસરીશ, પણ ચોક્કસ બિંદુઓ પર રેન્ડમાઇઝિકેશન અને નિયંત્રણ જૂથ વિના પ્રયોગો પર રેન્ડમાઇઝ્ડ અંકુશિત પ્રયોગોના મૂલ્ય પર ભાર આપવા માટે હું સંમેલનનો ભંગ કરીશ.

નિદર્શિત નિયંત્રિત પ્રયોગો સામાજિક વિશ્વ વિશે જાણવા માટે એક શક્તિશાળી માર્ગ સાબિત થયા છે, અને આ પ્રકરણમાં, હું તમને તમારા સંશોધનમાં તેનો ઉપયોગ કેવી રીતે કરવો તે વિશે વધુ બતાવીશ. વિભાગ 4.2 માં, હું વિકિપીડિયા પર એક પ્રયોગના ઉદાહરણ સાથે પ્રયોગોના મૂળભૂત તર્ક સમજાવીશ. તે પછી, વિભાગ 4.3 માં, હું લેબ પ્રયોગો અને ફિલ્ડ પ્રયોગો અને એનાલોગ પ્રયોગો અને ડિજિટલ પ્રયોગો વચ્ચેનો તફાવત વચ્ચેના તફાવતનું વર્ણન કરીશ. વધુમાં, હું એવી દલીલ કરીશ કે ડિજિટલ ફિલ્ડ પ્રયોગો એનાલોગ પ્રયોગો (ચુસ્ત નિયંત્રણ) અને એનાલોગ ફિલ્ડ પ્રયોગો (વાસ્તવિવાદ) ની શ્રેષ્ઠ લાક્ષણિકતાઓ આપી શકે છે, જે તમામ શક્ય તેટલા પહેલાં શક્ય ન હતા. આગળ, વિભાગ 4.4 માં, હું ત્રણ ખ્યાલો-માન્યતા, ઉપચારની અસરોની વિવિધતા અને પદ્ધતિઓ વર્ણવું છું- જે સમૃદ્ધ પ્રયોગોને ડિઝાઇન કરવા માટે મહત્વપૂર્ણ છે. તે પૃષ્ઠભૂમિ સાથે, હું ડિજિટલ પ્રયોગો કરવા માટે બે મુખ્ય વ્યૂહરચનાઓમાં સામેલ ટ્રેડ-ઓફનું વર્ણન કરું છું: તે જાતે કરો અથવા શક્તિશાળી સાથે ભાગીદારી કરો છેવટે, હું ડિજિટલ પ્રયોગો (સેક્શન 4.6.1) ની વાસ્તવિક શક્તિનો ફાયદો ઉઠાવી કેવી રીતે લઇ શકીએ તે અંગેની કેટલીક ડિઝાઇન સલાહ સાથે તારણ કરી શકું છું અને તે પાવર (વિભાગ 4.6.2) સાથેની કેટલીક જવાબદારી વર્ણવે છે.