4.1 Įvadas

Šio knygos stebėjimo elgesio požiūriu (2 skyrius) ir klausimais (3 skyrius) - mokslininkai renka duomenis be sąmoningai ir sistemingai keičia pasaulį. Šio skyriaus vadovaujamų eksperimentų požiūris iš esmės skiriasi. Kai mokslininkai vykdo eksperimentus, jie sistemingai įsikiša į pasaulį, norėdami sukurti duomenis, kurie idealiai tinka atsakyti į klausimus apie priežasčių ir padarinių ryšius.

Poveikio ir pasekmės klausimai yra labai dažni socialiniuose tyrimuose, ir pavyzdžiai apima tokius klausimus kaip: ar mokytojų atlyginimai didina studentų mokymąsi? Koks yra minimalaus darbo užmokesčio poveikis užimtumo lygiui? Kaip darbo ieškančiojo lenktynės turi įtakos jos galimybei gauti darbą? Kartu su šiais aiškiai priežastiniais klausimais kartais dėl priežasčių ir padarinių klausimai pateikiami bendresniuose klausimuose dėl kai kurių našumo metrikos maksimizavimo. Pavyzdžiui, klausimas "Kokios spalvos turėtų būti aukojamos mygtuko" į NVO svetainę? "Yra labai daug klausimų apie skirtingų mygtukų spalvų poveikį aukoms.

Vienas iš būdų atsakyti į priežasčių ir pasekmių klausimus yra ieškoti egzistuojančių duomenų modelių. Pavyzdžiui, grįžęs prie klausimo apie mokytojų atlyginimų poveikį mokinių mokymuisi, galite apskaičiuoti, kad mokiniai mokosi daugiau mokyklose, kuriose siūloma aukšta mokytojų atlyginimų suma. Bet ar ši koreliacija rodo, kad didesni atlyginimai skatina mokinius daugiau sužinoti? Žinoma ne. Mokyklos, kuriose mokytojai uždirba daugiau, gali būti skirtingos įvairiais būdais. Pavyzdžiui, aukštosios mokytojų atlyginimų mokyklos mokiniai gali ateiti iš turtingesnių šeimų. Taigi, kas atrodo kaip mokytojų efektas, galėjo atsirasti tik lyginant skirtingus studentų tipus. Šie neišmatuoto skirtumai tarp studentų yra vadinami suklydimo, ir, apskritai, iš painiojimą galimybė nuniokoja apie mokslininkų gebėjimą atsakyti priežastis ir pasekmės klausimus ieškant modelių esamais duomenimis.

Vienas iš būdų, kaip išspręsti problemas, susijusias su kliūtimis, yra bandyti palyginti teisingus atvejus, koreguojant pastebimus skirtingų grupių skirtumus. Pavyzdžiui, galbūt galėsite atsisiųsti nuosavybės mokesčių duomenis iš daugybės vyriausybės svetainių. Tada galite palyginti studentų veiklą mokyklose, kuriose namų kainos yra panašios, tačiau mokytojų atlyginimai skiriasi, ir jūs vis tiek galėtumėte pastebėti, kad mokiniai mokosi daugiau mokyklose, kuriose moka daugiau mokytojų. Tačiau vis dar yra daug galimų kliūčių. Galbūt šių mokinių tėvai skiriasi savo išsilavinimo lygiu. Arba galbūt mokyklos skiriasi savo artimaisiais viešosiomis bibliotekomis. Arba galbūt mokyklos su aukštuoju mokytoju moka ir didesnį atlyginimą už vadovus, o pagrindinis atlyginimas, o ne mokytojų mokėjimas, iš tiesų yra tai, kas didina mokinių skaičių. Taip pat galite pabandyti išmatuoti ir pritaikyti šiuos veiksnius, tačiau galimų nesusipratimų sąrašas yra iš esmės begalinis. Daugeliu atvejų jūs tiesiog negalite išmatuoti ir pritaikyti visų galimų klaidų. Atsakydami į šį iššūkį, mokslininkai sukūrė kelis metodus, kad būtų galima padaryti priežastinius įvertinimus iš neeksperimentinių duomenų. Kai kuriuos iš jų aptariau 2 skyriuje, tačiau tam tikrų klausimų atveju šie metodai yra riboti, o eksperimentai yra perspektyvūs alternatyva.

Eksperimentai leidžia mokslininkams pereiti nuo koreliacijos natūraliai atsirandančių duomenų, kad būtų galima patikimai atsakyti į tam tikrus priežasties ir poveikio klausimus. Analogiškai amžiaus eksperimentai dažnai buvo logistikos sunkumai ir brangios. Dabar skaitmeniniame amžiuje logistiniai apribojimai palaipsniui išnyksta. Ne tik lengviau atlikti eksperimentus, pavyzdžiui, atliktus praeityje, dabar yra įmanoma atlikti naujus eksperimentus.

Tuo, ką iki šiol parašiau, mano kalba buvo šiek tiek prarasta, tačiau svarbu atskirti du dalykus: eksperimentus ir atsitiktinių imčių kontroliuojamus eksperimentus. Eksperimento metu mokslininkas įsiterpia į pasaulį, o tada nustato rezultatą. Aš girdėjau šį metodą, kuris apibūdinamas kaip "pasipiktinęs ir stebimas". Randomizuoto kontroliuojamo eksperimento metu mokslininkas įsiterpia kai kuriems žmonėms, o ne kitiems, o mokslininkas nusprendžia, kurie žmonės gauna intervenciją atsitiktinės atrankos būdu (pvz., Prakeikdami monetą). Atsitiktinai valdomi eksperimentai sukuria teisingus palyginimus tarp dviejų grupių: vienas, kuris gavo intervenciją, ir tas, kurio to nepadarė. Kitaip tariant, atsitiktinių imčių kontroliuojami eksperimentai yra problemų, su kuriomis susiduria, konfidencialumą. Tačiau pasipiktinimas ir stebėjimas eksperimentai apima tik vieną grupę, kuri gavo intervenciją, todėl rezultatai gali sukelti mokslininkų klaidingą išvadą (kaip aš greitai parodysiu). Nepaisant svarbių eksperimentų ir atsitiktinių imčių kontroliuojamų eksperimentų skirtumų, socialiniai tyrėjai dažnai vartoja šias sąvokas vienodai. Aš laikysis šios konvencijos, bet tam tikruose taškuose aš suskirsiu konvenciją, kad pabrėžtų atsitiktinių imčių kontroliuojamų eksperimentų reikšmę eksperimentams be atsitiktinių imčių ir kontrolinės grupės.

Atsitiktinai valdomi eksperimentai įrodė, kad tai yra galingas būdas sužinoti apie socialinį pasaulį, o šiame skyriuje aš parodysiu jums daugiau informacijos apie tai, kaip juos naudoti savo tyrimuose. 4.2 skirsnyje iliustruosiu pagrindinę eksperimentavimo logiką su "Vikipedijos" eksperimento pavyzdžiu. Tada 4.3 skyriuje apibūdinsiu skirtumus tarp laboratorinių eksperimentų ir lauko eksperimentų bei skirtumus tarp analoginių eksperimentų ir skaitmeninių eksperimentų. Be to, aš teigiu, kad skaitmeniniai lauko eksperimentai gali pasiūlyti geriausias analoginių laboratorinių eksperimentų (griežtos kontrolės) ir analoginių lauko eksperimentų (realybės) ypatybes, visi anksčiau neįmanoma. Toliau 4.4 skirsnyje apibūdinsiu tris sąvokas: galiojimo, gydymo efektų heterogeniškumą ir mechanizmus, kurie yra labai svarbūs kuriant turtingus eksperimentus. Atsižvelgdami į tai, aš apibūdinsiu kompromisus, susijusius su dviem pagrindinėmis skaitmeninių eksperimentų strategijomis: tai padarykite patys arba bendradarbiaudami su galingu. Galiausiai aš baigsiu kai kuriuos dizaino patarimus, kaip galite pasinaudoti realia skaitmeninių eksperimentų galia (4.6.1 skirsnis) ir apibūdinkite kai kurias atsakomybes, kurias gaunate su šia galia (4.6.2 skirsnis).