4.1 Inngangur

Í þeim aðferðum sem fjallað er um í þessari bókakenndu hegðun (kafla 2) og að spyrja spurninga (kafla 3) safna rannsóknaraðilar gögn án þess að vísvitandi breyta og skipta um heiminn. Aðferðin sem fjallað er um í þessum kafla-hlaupandi tilraunum-er grundvallaratriðum öðruvísi. Þegar vísindamenn hlaupa tilraunir, taka þau kerfisbundið í heiminn til að búa til gögn sem eru tilvalin til þess að svara spurningum um orsök og áhrif tengsl.

Orsök og áhrif spurningar eru mjög algeng í félagslegum rannsóknum, og dæmi eru spurningar eins og: Er aukin kennari laun aukin nám nemenda? Hver er áhrif lágmarkslauna á atvinnuþátttöku? Hvernig hefur kynþáttur atvinnuleitanda áhrif á möguleika hennar á að fá vinnu? Til viðbótar við þessar afdráttarlausar spurningar eru stundum orsakatengdar spurningar óbeinar í almennari spurningum um hámarka sumra árangursmælinga. Til dæmis, spurningin "Hvaða litur ætti að gefa hnappinn á heimasíðu NGOs?" Er mjög mikið af spurningum um áhrif mismunandi hnappana á framlögum.

Ein leið til að svara orsökum og spurningum er að leita að mynstri í núverandi gögnum. Til dæmis, að koma aftur á spurninguna um áhrif launakennara á nám nemenda gætir þú reiknað út að nemendur læri meira í skólum sem bjóða upp á há launakennara. En sýnir þessi fylgni að hærri laun leiði nemendur til að læra meira? Auðvitað ekki. Skólar þar sem kennarar vinna sér inn meira gæti verið öðruvísi á margan hátt. Til dæmis gætu nemendur í skólum með há launakennara launað frá ríkari fjölskyldum. Þannig lítur það út eins og áhrif kennara, bara frá því að bera saman mismunandi tegundir nemenda. Þessi ómettaðir munur á nemendum er kallað árásir og almennt er möguleiki á confounders eyðileggja getu fræðimanna til að svara orsökum og áhrifum spurningum með því að leita að mynstri í núverandi gögnum.

Ein lausn á vandamáli confounders er að reyna að gera sanngjarna samanburði með því að breyta fyrir áberandi mun á milli hópa. Til dæmis gætir þú verið að hlaða niður eignarskattgögnum frá mörgum vefsvæðum stjórnvalda. Þá er hægt að bera saman árangur nemenda í skólum þar sem heimaverð er svipað en kennarinn er ólíkur og þú getur samt fundið að nemendur læri meira í skólum með hærra laun kennara. En það eru enn margir mögulegar confounders. Kannski eru foreldrar þessara nemenda mismunandi á menntunarstigi þeirra. Eða kannski eru skólarnir mismunandi í nálægð við almenningsbókasöfn. Eða kannski eru skólarnir með hærri kennaraþóknun hærri laun fyrir skólastjóra og aðallaun, ekki kennaragreiðsla, er í raun það sem er að auka nám nemenda. Þú gætir reynt að mæla og laga að þessum þáttum eins og heilbrigður, en listinn yfir hugsanlegar confounders er í raun endalaus. Í mörgum tilfellum geturðu ekki mælt og breytt fyrir allar mögulegar confounders. Til að bregðast við þessari áskorun hafa vísindamenn þróað ýmsar aðferðir til að gera orsakatölur úr gögnum sem ekki eru tilraunir - ég ræddi sum þeirra í kafla 2 - en fyrir ákveðnar tegundir spurninga eru þessar aðferðir takmarkaðar og tilraunir bjóða upp á vænlegan val.

Tilraunir gera vísindamenn kleift að fara út fyrir fylgni í náttúrulegum gögnum til að geta áreiðanlega svarað ákveðnum orsökum og áhrifum spurningum. Á hliðstæðum aldri voru tilraunir oft á bilinu erfitt og dýrt. Nú, á stafrænni tímann, eru flutningsvandamál smám saman að hverfa. Ekki aðeins er auðveldara að gera tilraunir eins og þær sem gerðar hafa verið áður, það er nú hægt að keyra nýjar tegundir tilrauna.

Í því sem ég hef skrifað hingað til hefur ég verið svolítið laus á tungumáli mínu, en það er mikilvægt að greina á milli tveggja atraða: tilraunir og slembiraðaðar tilraunir. Í tilraunni grípur rannsóknir í heiminum og mælir síðan niðurstöðu. Ég hef heyrt þessa nálgun sem lýst er sem "perturb and observe." Í slembiraðaðri tilraunastarfsemi grípur rannsóknaraðili fyrir sumum einstaklingum og ekki fyrir aðra, og rannsóknaraðilinn ákveður hvaða fólk fær íhlutun með slembiröðun (td að snúa við mynt). Randomized stjórnað tilraunir skapa sanngjarna samanburð milli tveggja hópa: einn sem hefur fengið íhlutunina og einn sem hefur það ekki. Með öðrum orðum eru slembiraðað samanburðarrannsóknir lausn á vandamálum confounders. Perturb-og-fylgjast með tilraunum, þó aðeins í einum hópi sem hefur fengið íhlutunina og því geta niðurstöðurnar leitt vísindamenn til rangrar niðurstöðu (eins og ég sýnist fljótlega). Þrátt fyrir mikilvæga muninn á tilraunum og slembiröðuðum samanburðarrannsóknum, nota félagsvísindamenn oft þessi skilmála skipta máli. Ég fylgi þessum samningi, en á ákveðnum stöðum mun ég brjóta samninginn til að leggja áherslu á gildi slembaðra samanburðarrauna á tilraunum án slembiraðaðgerðar og eftirlitshóps.

Randomized stjórnað tilraunir hafa reynst öflug leið til að læra um félagslega heiminn og í þessum kafla mun ég sýna þér meira um hvernig á að nota þær í rannsóknum þínum. Í kafla 4.2 lýkur ég grunn rökfræði tilraunir með dæmi um tilraun á Wikipedia. Síðan, í kafla 4.3, mun ég lýsa muninum á milli tilraunaverkefna og sviðsforsenda og munurinn á hliðstæðum tilraunum og stafrænum tilraunum. Ennfremur mun ég halda því fram að stafrænar reitar tilraunir geti boðið upp á bestu eiginleika hliðstæðra tilraunaverkefna (þétt stjórnunar) og hliðstæðra tilraunaverkefna (raunsæi), allt í mælikvarða sem ekki var hægt áður. Næst, í kafla 4.4, lýsi ég þremur hugmyndum-gildi, ólíkleika meðferðaráhrifa og verklagsreglur - sem eru nauðsynlegar til að hanna ríkar tilraunir. Með þeirri bakgrunni lýsi ég því fyrirkomulagi sem felst í tveimur helstu aðferðum við að stunda stafrænar tilraunir: gera það sjálfur eða samnýta með öflugum. Að lokum mun ég ljúka með einhverjum hönnunarráðgjöf um hvernig hægt er að nýta raunverulegan kraft stafrænna tilrauna (kafla 4.6.1) og lýsa einhverjum þeirri ábyrgð sem fylgir því valdi (kafla 4.6.2).