2.4.3 ការពិសោធន៍ប្រហាក់ប្រហែល
យើងអាចប្រហាក់ប្រហែលពិសោធន៍ដែលយើងមិនអាចធ្វើបាន។ វិធីសាស្រ្តពីរដែលពិសេសទទួលបានអត្ថប្រយោជន៍ពីអាយុឌីជីថលត្រូវបានផ្គូផ្គងនិងការពិសោធន៍ធម្មជាតិ។
វិទ្យាសាស្រ្តនិងគោលនយោបាយសំណួរសំខាន់ជាច្រើនគឺមានមូលហេតុ។ សូមពិចារណា, ឧទាហរណ៍, សំណួរដូចខាងក្រោម: តើអ្វីទៅជាផលប៉ះពាល់នៃកម្មវិធីបណ្តុះបណ្តាលមួយស្តីពីប្រាក់ឈ្នួលការងារនេះ? វិធីមួយដើម្បីឆ្លើយនឹងសំណួរនេះនឹងមានជាមួយនឹងការពិសោធន៍ដែលកម្មករបានគ្រប់គ្រង randomized ត្រូវបានគេជ្រើសរើសដើម្បីទទួលបានការហ្វឹកហ្វឺនទាំងទទួលបានឬមិនបានបណ្តុះបណ្តា។ បន្ទាប់មក, អ្នកស្រាវជ្រាវអាចប៉ាន់ស្មានពីផលប៉ះពាល់នៃការបណ្តុះបណ្តាសម្រាប់អ្នកចូលរួមទាំងនេះដោយគ្រាន់តែប្រៀបធៀបលទ្ធផលនៃមនុស្សដែលបានទទួលការបណ្តុះបណ្តាទៅនឹងអ្នកដែលមិនបានទទួលវា។
ការប្រៀបធៀបសាមញ្ញគឺត្រឹមត្រូវដោយសារតែអ្វីដែលបានកើតឡើងមុនពេលទិន្នន័យនេះត្រូវបានប្រមូលសូម្បីតែ: ចៃដន្យ។ បើគ្មានការចៃដន្យ, បញ្ហានេះគឺជាការពិបាកកាន់តែខ្លាំងឡើង។ អ្នកស្រាវជ្រាវម្នាក់អាចប្រៀបធៀបប្រាក់ឈ្នួលរបស់មនុស្សដែលស្ម័គ្រចិត្តចុះហត្ថលេខាឡើងសម្រាប់ការបណ្តុះបណ្តាដល់អ្នកដែលមិនបានចុះហត្ថលេខានោះ។ ប្រៀបធៀបដែលប្រហែលជានឹងបង្ហាញថាមនុស្សដែលបានទទួលការបណ្តុះបណ្តារកចំណូលបានច្រើនជាងនេះប៉ុន្តែរបៀបជាច្រើននៃការនេះគឺដោយសារតែការបណ្តុះបណ្តាលនិងរបៀបជាច្រើននេះគឺដោយសារតែមនុស្សដែលបានចុះហត្ថលេខាឡើងសម្រាប់ការបណ្តុះបណ្តាលគឺខុសគ្នាពីអ្នកដែលថាមិនបានចុះហត្ថលេខាឡើងសម្រាប់បណ្តុះបណ្តា? នៅក្នុងពាក្យផ្សេងទៀត, វាគឺជាការត្រឹមត្រូវដើម្បីប្រៀបធៀបប្រាក់ឈ្នួលពីរក្រុមនៃមនុស្សទាំងនេះបាន?
ការព្រួយបារម្ភអំពីការប្រៀបធៀបពិព័រណ៍នេះនាំក្រុមអ្នកស្រាវជ្រាវមួយចំនួនឱ្យជឿថាវាគឺជាការមិនអាចទៅរួចទេដើម្បីធ្វើឱ្យការប៉ាន់ស្មានធ្វើអោយដោយគ្មានការរត់ការពិសោធន៍មួយ។ ពាក្យបណ្តឹងនេះទៅឆ្ងាយពេក។ ខណៈពេលដែលវាគឺជាការពិតដែលថាការពិសោធន៍បានផ្តល់នូវភស្តុតាងខ្លាំងបំផុតសម្រាប់ផលប៉ះពាល់ធ្វើអោយមានការយុទ្ធសាស្រ្តផ្សេងទៀតដែលអាចផ្តល់នូវការប៉ាន់ស្មានធ្វើអោយមានតម្លៃមាន។ ជំនួសឱ្យការគិតថាការប៉ាន់ប្រមាណគឺមានទាំងងាយស្រួលក្នុងការធ្វើអោយ (ក្នុងករណីនៃការពិសោធន៍) ឬមិនអាចទៅរួចនោះទេ (ក្នុងករណីនៃការសង្កេតឃើញទិន្នន័យអកម្ម), វាជាការល្អប្រសើរជាងមុនក្នុងការគិតពីយុទ្ធសាស្រ្តសម្រាប់ការធ្វើឱ្យការប៉ាន់ស្មានធ្វើអោយស្ថិតនៅតាមបណ្ដោយបន្តពីខ្លាំងបំផុតទៅទាបបំផុត (រូបភាពទីមួយ 2.4) ។ នៅចុងបញ្ចប់ខ្លាំងបំផុតនៃការបន្តត្រូវបានជ្រើសរើសដោយចៃដន្យពិសោធន៍គ្រប់គ្រង។ ប៉ុន្តែទាំងនេះគឺជាញឹកញាប់ការលំបាកក្នុងការធ្វើការនៅក្នុងការស្រាវជ្រាវសង្គមដោយសារតែការព្យាបាលជាច្រើនដែលតម្រូវឱ្យមានបរិមាណមិនពិតប្រាកដនៃកិច្ចសហប្រតិបត្តិការពីរដ្ឋាភិបាលឬក្រុមហ៊ុន; ពិតជាធម្មតាមានការពិសោធន៍ជាច្រើនដែលយើងមិនអាចធ្វើបាន។ ខ្ញុំនឹងលះបង់ទាំងអស់នៃជំពូកទី 4 ដល់ភាពខ្លាំងនិងភាពខ្សោយទាំងពីរពិសោធន៍បានគ្រប់គ្រង randomized ការហើយខ្ញុំនឹងបានអះអាងថានៅក្នុងករណីខ្លះ, មានហេតុផលវិជ្ជាជីវៈយ៉ាងខ្លាំងទៅនឹងវិធីសាស្រ្តចូលចិត្តអង្កេតមួយដើម្បីពិសោធន៍។
រូបភាពទី 2.4: យុទ្ធសាស្រ្តស្រាវជ្រាវបន្តសម្រាប់បែបផែនធ្វើអោយប៉ាន់ប្រមាណថា។
ការផ្លាស់ប្តូរនៅតាមបណ្តោយបន្តនេះមានស្ថានភាពដែលក្រុមអ្នកស្រាវជ្រាវមិនបានចែកយ៉ាងជាក់លាក់មាន។ ដែលត្រូវបានក្រុមអ្នកស្រាវជ្រាវបានកំពុងព្យាយាមរៀនចំណេះដឹងការពិសោធន៍ដូចជាគ្មានការពិតការធ្វើពិសោធន៍មួយ; ធម្មជាតិ, នេះនឹងក្លាយទៅជាយ៉ាងដូចម្តេចទេប៉ុន្តែយ៉ាងខ្លាំងធ្វើអោយប្រសើរឡើងនូវទិន្នន័យដែលធំក្នុងការធ្វើឱ្យសមត្ថភាពរបស់យើងស្ថិតក្នុងស្ថានភាពដែលការប៉ាន់ស្មានធ្វើអោយទាំងនេះ។
ពេលខ្លះមានការកំណត់ដែលជាកន្លែងដែលចៃដន្យនៅលើពិភពលោកដែលកើតមានឡើងក្នុងការបង្កើតអ្វីមួយដូចជាការពិសោធន៍មួយសម្រាប់ក្រុមអ្នកស្រាវជ្រាវមួយ។ ការរចនាម៉ូដទាំងនេះត្រូវបានគេហៅពិសោធន៍ធម្មជាតិហើយពួកគេនឹងត្រូវបានចាត់ទុកនៅក្នុងលម្អិតក្នុងផ្នែក 2.4.3.1 ។ លក្ខណៈពិសេសពីរនៃប្រភពទិន្នន័យធំរបស់ខ្លួនតែងតែនៅលើធម្មជាតិនិងទំហំរបស់ពួកគេយ៉ាងខ្លាំងដែលជួយបង្កើនសមត្ថភាពរបស់យើងដើម្បីរៀនពីបទពិសោធធម្មជាតិនៅពេលពួកគេកើតមានឡើង។
ការផ្លាស់ប្តូរបន្ថែមទៀតនៅឆ្ងាយពីការធ្វើពិសោធន៍គ្រប់គ្រងបានជ្រើសរើសដោយចៃដន្យ, ពេលខ្លះមិនមានសូម្បីតែព្រឹត្តិការណ៍នៅក្នុងធម្មជាតិដែលយើងអាចប្រើដើម្បីប្រហាក់ប្រហែលបទពិសោធធម្មជាតិមួយ។ នៅក្នុងការកំណត់ទាំងនេះ, យើងដោយប្រុងប្រយ័ត្នអាចសង់ប្រៀបធៀបក្នុងរយៈពេលទិន្នន័យមិនពិសោធនៅក្នុងការប៉ុនប៉ងដើម្បីប្រហាក់ប្រហែលពិសោធន៍មួយ។ ការរចនាម៉ូដទាំងនេះត្រូវបានគេហៅផ្គូផ្គង, ហើយពួកគេនឹងត្រូវបានចាត់ទុកនៅក្នុងលម្អិតក្នុងផ្នែក 2.4.3.2 ។ ដូចជាការពិសោធន៍ធម្មជាតិដែលផ្គូផ្គងគឺជាការរចនាដែលទទួលបានប្រយោជន៍ពីប្រភពទិន្នន័យធំមួយ។ ជាពិសេសនៅក្នុងទំហំទាំងធំមួយនៅក្នុងលក្ខខណ្ឌនៃចំនួនករណីនិងប្រភេទនៃការពករណីក្នុងមួយផ្គូផ្គងយ៉ាងខ្លាំងសម្របសម្រួល។ ភាពខុសគ្នារវាងធម្មជាតិនិងការផ្គូផ្គងពិសោធន៍គឺថានៅក្នុងការពិសោធន៍ស្រាវជ្រាវនេះបានដឹងពីធម្មជាតិតាមរយៈការដែលមានការព្យាបាលជាដំណើរត្រូវបានចាត់និងជឿថាវាក្លាយទៅជាចៃដន្យ។
គំនិតនៃការប្រៀបធៀបពេលនោះដែលជំរុញសេចក្ដីប៉ងប្រាថ្នាត្រឹមត្រូវដើម្បីធ្វើពិសោធន៍នេះផងដែរមូលដ្ឋានវិធីជំនួសពីរ: ធម្មជាតិនិងការផ្គូផ្គងពិសោធន៍។ វិធីសាស្រ្តទាំងនេះនឹងអនុញ្ញាតឱ្យអ្នកដើម្បីប៉ាន់ប្រមាណពីផលប៉ះពាល់ធ្វើអោយពីទិន្នន័យសង្កេតឃើញប្រៀបធៀបអសកម្មដោយការរកឃើញនៃការពិព័រណ៍អង្គុយនៅខាងក្នុងទិន្នន័យដែលអ្នកមានរួចទៅហើយ។
