4.1 מבוא

בגישות המכוסות עד כה בהתנהגות התבוננות-הספר הזה (פרק 2) ולשאול שאלות (פרק 3) -researchers לאסוף נתונים על מה שקורה באופן טבעי בעולם. הגישה המכוסית בפרק ריצה זו ניסויים היא שונה במהותו. כאשר החוקרים להריץ ניסויים, הם להתערב באופן שיטתי בעולם ליצור נתונים כי הוא אידיאלי לענות על שאלות על יחסי סיבה ותוצאה.

לגרום השפעה-ו-שאלות נפוצות מאוד מחקר חברתי, ודוגמאות כוללות שאלות כגון האם הגדלת שכר המורים להגדיל את למידת תלמידים? מהי ההשפעה של שכר מינימום על שיעורי תעסוקה? כיצד גזע של עבודה המבקש להשפיע סיכוייה למצוא עבודה? בנוסף לשאלות סיבתי במפורש הללו, לפעמים לגרום ותוצאה שאלות משתמעות לשאלות כלליות יותר על מקסום כמה מטרי ביצועים. לדוגמא, על השאלה "איזה כפתור צבע יהיה למקסם תרומות באתר האינטרנט NGO?" היא באמת המון שאלות לגבי ההשפעה של צבעי לחצן אחרים על תרומות.

דרך אחת לענות על שאלות של סיבה ותוצאה היא לחפש דפוסים בנתונים הקיימים. לדוגמה, תוך שימוש בנתונים מתוך אלפי בתי ספר, ייתכן לחשב שתלמידים לומדים יותר בבתי הספר המציעים שכר המורים גבוה. אבל, אין קורלציה זו מראה כי משכורות גבוהות לגרום לתלמידים ללמוד יותר? ברור שלא. ספר בהם המורים להרוויח יותר עשוי להיות שונה במובנים רבים. לדוגמא, תלמידים בבתי ספר עם שכר מורים גבוה עלולים באים ממשפחות עשירות. לכן, מה שנראה כמו אפקט של מורים תוכל לבוא אליו מלהשוות סוגים שונים של תלמידים. ההבדלים באופן שאינו ניתן למדידה אלה בין התלמידים נקראים לערפלנים, ובאופן כללי, את האפשרות של לערפלנים הורסת על היכולת החוקרים לענות על שאלות של סיבה ותוצאה על ידי מחפש דפוסים בנתונים הקיימים.

פתרון אחד לבעיית לערפלנים הוא לנסות לערוך השוואות הוגנות על ידי התאמה להבדלים נצפים בין הקבוצות. לדוגמא, ייתכן שתוכל להוריד נתוני ארנונה ממספר אתרי ממשלה. ואז, אתה יכול להשוות את ביצועי תלמידים בבתי ספר בם מחירי הבתים דומים אך שכר מורים שונים, ואתה עדיין עלול למצוא שתלמידים לומדים יותר בבתי ספר עם שכר מורה גבוה. אבל, יש עדיין הרבה לערפלנים אפשריים. אולי ההורים של תלמיד אלה נבדלים לרמתם של חינוך או אולי הספר נבדלים הקרבה שלהם לספריות ציבוריות או אולי הספר עם שכר מורה גבוה גם שכר גבוה יותר עבור מנהלים לשלם קרן, לא לשלם מורה, הוא באמת מה הולך וגדל למידה של תלמידים. אתה יכול לנסות למדוד גורמים אחרים אלה, כמו גם, אבל הרשימה של לערפלנים אפשריים היא למעשה אינסופית. במצבים רבים, אתה פשוט לא יכול למדוד ולהתאים לכל לערפלנים אפשריים. גישה זו יכולה לקחת אותך רק עד כה.

פתרון טוב יותר לבעיה של לערפלנים פועל ניסויים. ניסויים לאפשר לחוקרים להתקדם מעבר המתאמים המתרחשים נתונים באופן טבעי על מנת לענות באופן מהימן שאלת הסיבה ותוצאה. בעידן האנלוגי, ניסויים היו לעתים קרובות מבחינה לוגיסטית קשים ויקרים. עכשיו, בעידן הדיגיטלי, אילוצים לוגיסטיים בהדרגה הולכים ודועכים. לא רק שזה יותר קל לעשות ניסויים כמו חוקרים אלה עשו בעבר, עכשיו זה אפשרי להפעיל סוגים חדשים של ניסויים.

במה שכתבתי עד כה אני כבר קצת רופף בשפה שלי, אבל חשוב להבחין בין שני דברים: ניסויים וניסויים מבוקרים בהקצאה אקראית. בניסוי חוקר מתערב בעולם ולאחר מכן מודד תוצאה. שמעתי גישה זו כפי שתוארה "לטרוד ולהתבונן." אסטרטגיה זו היא יעילה מאוד בתחום מדעי הטבע, אבל במדעי רפואה וחברתיים, יש גישה אחרת שעבד טוב יותר. בניסוי אקראי מבוקר חוקר מתערב עבור אנשים מסוימים ולא לאחרים, ואת, ביקורתי, החוקר מחליט אילו שאנשים מקבלים את ההתערבות אקראית (למשל, הטלת מטבע). הליך זה מבטיח כי ניסויים אקראיים מבוקרים ליצור השוואות הוגנות בין שתי קבוצות: האחת כי קבלה את ההתערבות ואחד שיש לו לא. במילים אחרות, ניסויים אקראיים מבוקרים מהווים פתרון הבעיות של לערפלנים. למרות ההבדלים החשובים בין ניסויים וניסויים אקראיים מבוקרים, חוקרים חברתיים מרבים להשתמש במונחים אלה לסירוגין. אני ארדוף אמנה זו, אבל, בנקודות מסוימות, אני אשבור לך את האמנה כדי להדגיש את הערך של ניסויים אקראיים מבוקרים על ניסויים ללא אקראיות וקבוצת ביקורת.

ניסויים אקראיים מבוקרים הוכיחו להיות דרך רבת עוצמה כדי ללמוד על העולם החברתי, בפרק זה, אני אלמד אותך יותר על אופן השימוש בהם במחקר שלך. בסעיף 4.2, אמחיש את ההיגיון הבסיסי של ניסויים עם דוגמה של ניסוי בוויקיפדיה. לאחר מכן, בסעיף 4.3, אתאר את ההבדל בין ניסויי מעבדה וניסויי שדה ואת ההבדלים בין ניסויים אנלוגיים וניסויים דיגיטליים. יתר על כן, אני טוען כי ניסויים בתחום הדיגיטל יכולים להציע את התכונות הטובות ביותר של ניסויי מעבדה אנלוגיים (פיקוח הדוק) וניסויי שדה אנלוגי (ריאליזם), בבת בקנה מידה שלא היה אפשרי בעבר. לאחר מכן, בסעיף 4.4, אתאר שלושה מושגים-תוקף, ההטרוגניות של שפעות טיפול, ומנגנונים כי הם קריטיים עבור תכנון ניסויים עשירים. על הרקע הזה, אני אתאר את יחסי הגומלין מעורבים שתי האסטרטגיות העיקריות לביצוע ניסויים דיגיטליים: לעשות את זה בעצמך (סעיף 4.5.1) או שותף טכנולוגי של העצמה (סעיף 4.5.2). לבסוף, אני מסיק עם כמה עצות עיצוב על איך אתה יכול לנצל את הכח האמיתי של ניסויים דיגיטליים (סעיף 4.6.1) ולתאר כמה אחריות שבאה עם הכח הזה (סעיף 4.6.2). הפרק יוצג עם מינימום של סימון מתמטי ושפה רשמית; קוראים מעוניינים בגישה פורמלית יותר, מתמטית לניסויים מומלצים לקרוא גם את הנספח הטכני בסוף הפרק.