4.1 Uvod

U dosadašnjim pristupima u ovom ponašanju promatranja knjiga (2. poglavlje) i postavljanju pitanja (3. poglavlje) istraživači prikupljaju podatke bez namjernog i sustavnog mijenjanja svijeta. Pristup koji se poklapa u ovom poglavlju koji pokreće pokuse - bitno je drugačiji. Kada istraživači provode eksperimente, sustavno interveniraju u svijet kako bi stvorili podatke koji su idealno prilagođeni pitanjima odnosa uzroka i posljedica.

Pitanja uzroka i posljedica vrlo su česta u društvenim istraživanjima, a primjeri uključuju pitanja poput: Da li povećanje plaća učitelja povećava učenje učenika? Kakav je učinak minimalne plaće na stope zaposlenosti? Kako utrka kandidata za posao utječe na njezinu šansu za dobivanjem posla? Pored ovih eksplicitno kauzalnih pitanja, ponekad se uzročno-posljedična pitanja impliciraju u općenitijim pitanjima o maksimizaciji nekih metričkih vrijednosti izvedbe. Na primjer, pitanje "Koja boja treba gumb za darivanje biti na web stranici nevladine udruge" je doista puno pitanja o utjecaju različitih boja gumba na donacije.

Jedan od načina rješavanja uzročno-posljedičnih pitanja jest potražiti obrasce postojećih podataka. Na primjer, ako se vratite na pitanje o utjecaju plaća učitelja na učenje studenata, možete računati da učenici uče više u školama koje nude visoku plaću nastavnika. No, ova povezanost ukazuje na to da veće plaće uzrokuju da učenici saznaju više? Naravno da ne. Škole u kojima učitelji zarađuju više mogu biti različiti na mnoge načine. Na primjer, učenici u školama s visokim plaćama učitelja mogu doći iz bogatijih obitelji. Dakle, ono što izgleda kao učinak učitelja moglo bi doći samo iz usporedbe različitih tipova studenata. Ove neizmjerene razlike među studentima nazivaju se zbunjujućima , a općenito, mogućnost zlostavljača pogađa sposobnost istraživača da odgovori na uzročno-posljedična pitanja tražeći obrasce postojećih podataka.

Jedno rješenje problema zlonamjernika je pokušati napraviti dobre usporedbe podešavanjem za vidljive razlike među skupinama. Na primjer, možda ćete moći preuzeti podatke o porezu na imovinu s nekoliko vladinih web mjesta. Zatim možete uspoređivati ​​učeničke rezultate u školama gdje su slične cijene kuća, no plaće nastavnika razlikuju se i još uvijek možete pronaći da učenici uče više u školama s višom plaćenom nastavnikom. Ali još uvijek postoje mnogi mogući zbunjivači. Možda se roditelji tih učenika razlikuju po stupnju obrazovanja. Ili se možda škole razlikuju po svojoj blizini narodnim knjižnicama. Ili možda škole s višom plaćom učitelja imaju i veću plaću za ravnatelje, a plaća glavnice, a ne plaćanje nastavnika, zapravo je ono što povećava učenje studenata. Mogli biste pokušati mjeriti i prilagoditi se i za te čimbenike, ali popis mogućih zbunjenika je u suštini beskrajan. U mnogim situacijama jednostavno ne možete mjeriti i prilagoditi se svim mogućim zbunjenima. Kao odgovor na ovaj izazov, istraživači su razvili niz tehnika za izradu kauzalnih procjena iz ne-eksperimentalnih podataka - o nekima sam razgovarao u 2. poglavlju - ali, za određene vrste pitanja, te tehnike su ograničene i eksperimenti nude obećavajuće alternativa.

Eksperimenti omogućuju istraživačima da prijeđu korelacije u prirodnim podacima kako bi pouzdano odgovorili na određena pitanja uzrokovanja i posljedica. U analognoj dobi, eksperimenti su bili često logistički teški i skupi. Sada, u digitalnom dobu, logistička ograničenja postupno blijedi. Ne samo da je lakše napraviti eksperimente poput onih učinjenih u prošlosti, već je moguće pokrenuti nove vrste eksperimenata.

U onome što sam napisao do sada sam bio malo labav na svom jeziku, ali važno je razlikovati dvije stvari: eksperimenti i randomizirani kontrolirani eksperimenti. U eksperimentu , istraživač intervenira u svijet i mjeri ishod. Čuo sam da je ovaj pristup opisan kao "opip i promatranje". U randomiziranom kontroliranom eksperimentu istraživač intervenira za neke ljude, a ne za druge, a istraživač odlučuje koji će ljudi primiti intervenciju slučajnim odabirom (npr. Okretanjem novčića). Randomizirani kontrolirani eksperimenti stvaraju fer usporedbe između dvije skupine: onaj koji je primio intervenciju i onaj koji nije imao. Drugim riječima, randomizirani kontrolirani eksperimenti predstavljaju rješenje problema zlonamjernika. Perturb-and-observing eksperimenti, međutim, uključuju samo jednu grupu koja je primila intervenciju, pa stoga rezultati mogu dovesti istraživače na krivi zaključak (kao što ću uskoro pokazati). Unatoč važnim razlikama između eksperimenata i randomiziranih kontroliranih eksperimenata, socijalni istraživači često upotrebljavaju te termine međusobno. Slijedit ću ovu konvenciju, ali ću, na određene točke, razbiti konvenciju kako bih istaknuo vrijednost randomiziranih kontroliranih pokusa na pokusima bez randomizacije i kontrolne skupine.

Randomizirani kontrolirani pokusi pokazali su se snažnim načinom učenja o društvenom svijetu, au ovom poglavlju pokazat ću vam više o tome kako ih koristiti u vašem istraživanju. U odjeljku 4.2 prikazat ću osnovnu logiku eksperimentiranja s primjerom eksperimenta na Wikipediji. Zatim ću u odjeljku 4.3 opisati razliku između laboratorijskih eksperimenata i eksperimenata na terenu i razlika između analognih eksperimenata i digitalnih eksperimenata. Nadalje, raspravljat ću da eksperimenti na digitalnom polju mogu ponuditi najbolje značajke analognih laboratorijskih eksperimenata (uske kontrole) i analognih eksperimenata na terenu (realizam), sve u mjerilu koja nije bila moguća prije. Dalje, u dijelu 4.4, opisujem tri pojma - valjanost, heterogenost učinaka liječenja i mehanizme - koji su ključni za izradu bogatih eksperimenata. S tom pozadinom opisat ću kompromise koji su uključeni u dvije glavne strategije za provođenje digitalnih eksperimenata: sami to rade ili se udružuju s moćnim. Konačno, zaključit ću s nekim savjetima o načinu na koji možete iskoristiti stvarnu snagu digitalnih eksperimenata (odjeljak 4.6.1) i opisati neku od odgovornosti koja dolazi s tom moći (odjeljak 4.6.2).