4.1 Bevezetés

Az e könyv-megfigyelési magatartás (2. fejezet) eddig foglalkozó megközelítései és a kérdések feltevése (3. fejezet) - a kutatók összegyűjtik az adatokat a világ szándékosan és szisztematikus megváltoztatása nélkül. Az ebben a fejezetben leírt megközelítés alapvetően különböző. Amikor a kutatók kísérleteket végeznek, szisztematikusan beavatkoznak a világba, hogy olyan adatokat hozzanak létre, amelyek ideálisan alkalmasak az ok-okozati összefüggésekkel kapcsolatos kérdések megválaszolására.

Az ok-okozati kérdések nagyon gyakoriak a társadalmi kutatásban, és a példák olyan kérdésekre vonatkoznak, mint például: a tanári fizetések növelése növeli-e a tanulói tanulást? Mi a minimálbér hatása a foglalkoztatottsági rátára? Hogyan befolyásolja a munkakereső versenye a munkalehetőség esélyét? Ezen kifejezetten kauzális kérdéseken túl néha az ok-okozati kérdések általánosabb kérdéseket tartalmaznak a teljesítménymutatók maximalizálásával kapcsolatban. Például az a kérdés, hogy "milyen színűnek kell lennie az adományozó gomb egy nem kormányzati szervezet weboldalán?" Valójában nagyon sok kérdés a különböző gombszínek adományokra gyakorolt ​​hatásával kapcsolatban.

Az ok-okozati kérdések megválaszolásának egyik módja a meglévő adatok mintáinak keresése. Például visszatérve a tanári fizetéseknek a tanulói tanulásra gyakorolt ​​hatására vonatkozó kérdésre, számíthat arra, hogy a diákok többet tanuljanak az iskolákban, amelyek magas tanári fizetést kínálnak. De ez a korreláció azt mutatja, hogy a magasabb fizetések miatt a diákok többet tudnak meg? Természetesen nem. Azok az iskolák, ahol a tanárok többet keresnek, sok szempontból különbözőek lehetnek. Például a magas tanári fizetésű iskolák diákjai gazdagabb családokból származhatnak. Így a tanárok hatása csak a különböző típusú diákok összehasonlításából származhat. Ezeket a mérhetetlen különbségeket a hallgatók nevezik zavaróknak , és általánosságban a zavarók lehetősége pusztítást okoz a kutatók azon képességében, hogy megválaszolják az ok-okozati kérdéseket a meglévő adatok mintáinak megvizsgálásával.

Az összetévesztők problémájának egyik megoldása, hogy tisztességes összehasonlításokat próbáljunk ki a csoportok megfigyelhető különbségeinek kiigazításával. Például lehet, hogy letöltheti az ingatlanadó adatait számos kormányzati webhelyről. Ezután összehasonlíthatja a hallgatói teljesítményt azokban az iskolákban, ahol az otthoni árak hasonlóak, de a tanári fizetések eltérőek, és még mindig azt tapasztalhatják, hogy a diákok többet tanulnak az iskolákban, ahol magasabb a tanári fizetés. De még mindig sok lehetséges zavaró tényező van. Talán a diákok szülei különböznek az iskolázottságukban. Vagy talán az iskolák különböznek a közkönyvtárakhoz való közelségükben. Vagy talán a magasabb tanári fizetéssel rendelkező iskolák is magasabb fizetést kapnak a megbízókért, és a fő fizetés, nem a tanári fizetés valójában az, ami a tanulói tanulást növeli. Megpróbálhatod mérni és beállítani ezeket a tényezőket is, de a lehetséges összetévesztők listája lényegében végtelen. Sok helyzetben nem tudod mérni és beállítani az esetleges zavaró tényezőket. Erre a kihívásra reagálva a kutatók számos technikát fejlesztettek ki a nem kísérleti adatok okozta okozati becslések készítéséhez - néhányat a 2. fejezetben tárgyaltam - de bizonyos típusú kérdésekre ezek a technikák korlátozottak, és a kísérletek ígéretes alternatív.

A kísérletek lehetővé teszik a kutatók számára, hogy a természetben előforduló adatok korrelációin túlmutassanak annak érdekében, hogy megbízhatóan válaszoljanak bizonyos ok-okozati kérdésekre. Az analóg korban a kísérletek gyakran logisztikailag nehéz és drágák voltak. Most, a digitális korszakban, a logisztikai korlátok fokozatosan elhalványulnak. Nem csak könnyebb olyan kísérleteket készíteni, mint a múltban, most új kísérleteket hajthatunk végre.

Az eddigi írott munkáimban egy kicsit laza vagyok, de fontos megkülönböztetni két dolgot: kísérleteket és randomizált ellenőrzött kísérleteket. Egy kísérletben egy kutató beavatkozik a világba, majd mérlegeli az eredményt. Úgy hallottam, hogy ez a megközelítés "perturb és megfigyel" -ként íródott le. Véletlenszerűen ellenőrzött kísérletben egy kutató beavatkozik néhány ember számára, és nem mások számára, és a kutató eldönti, hogy melyik beavatkozást kapja véletlenszerűen (pl. A randomizált, ellenőrzött kísérletek igazságos összehasonlítást hoznak létre két csoport között: az egyik, aki megkapta a beavatkozást és egy nem. Más szóval, a randomizált, kontrollált kísérletek megoldást jelentenek a zavaró tényezők problémáira. A Perturb-és-megfigyelt kísérletek azonban csak egyetlen csoportot érintenek, amely megkapta a beavatkozást, ezért az eredmények a kutatók rossz következtetésre juthatnak (amint hamarosan bemutatom). A kísérletek és a randomizált ellenőrzött kísérletek közötti jelentős különbségek ellenére a szociális kutatók gyakran használják ezeket a kifejezéseket egymással felcserélhető módon. Követni fogom ezt az egyezményt, de bizonyos pontokon megszakítom az egyezményt, hogy hangsúlyozzák a véletlen besorolásos, kontrollos kísérletek véletlenszerűség és kontrollcsoport nélküli értékét.

A randomizált, ellenőrzött kísérletek kimutatták, hogy hatékony módja annak, hogy megismerjék a társadalmi világot, és ebben a fejezetben többet mutatok be, hogyan használhatják őket a kutatás során. A 4.2 fejezetben a kísérlet alapjogi logikáját illusztrálom a Wikipédia kísérletének példájával. Ezután a 4.3 fejezetben leírom a különbséget a laboratóriumi kísérletek és a helyszíni kísérletek között, valamint az analóg kísérletek és a digitális kísérletek közötti különbségeket. Továbbá azzal érvelek, hogy a digitális térbeli kísérletek az analóg laboratóriumi kísérletek (szűk kontroll) és az analóg térbeli kísérletek (realizmus) legjobb tulajdonságait kínálják, olyan korlátok között, amelyek korábban nem voltak lehetségesek. Ezután a 4.4. Fejezetben három fogalmat fogalmazok meg: érvényesség, a kezelés hatásainak heterogenitása és mechanizmusok - melyek kritikus fontosságúak a gazdag kísérletek tervezéséhez. Ezzel a háttérrel leírom azokat a kompromisszumokat, amelyek részt vesznek a digitális kísérletek két fő stratégiájában: önmagában vagy a nagy teljesítményű partnerekkel. Végezetül, néhány tervezési tanácsadással arra a következtetésre jutok, hogy hogyan lehet kihasználni a digitális kísérletek valós teljesítményét (4.6.1. Szakasz), és leírja az erõvel együtt járó felelõsséget (4.6.2. Szakasz).