4.1 Ievads

Jo pieejām, uz kurām patlaban šajā grāmatā, novērojot uzvedības (2 nodaļa) un uzdodot jautājumus (3 nodaļa) -researchers vākt datus par to, kas ir dabīgi pasaulē. Pieeja, kas minēti šajā nodaļā, darbojas eksperimentiem-būtiski atšķiras. Kad pētnieki palaistu eksperimentus, viņi sistemātiski iejaukties pasaulē, lai radītu datus, kas ir ideāli piemērots, lai atbildētu uz jautājumiem par cēloņu un seku attiecības.

Cēloņu un seku jautājumi ir ļoti izplatīta sociālajos pētījumos, un piemēri ietver tādus jautājumus kā Vai palielināt skolotāju algas palielināt studentu mācīšanos? Kāda ir ietekme minimālās darba algas par nodarbinātības līmeni? Kā darbu iesniedzēja skrējiens veikt viņas izredzes iegūt darbu? Papildus šiem skaidri cēloņsakarību jautājumiem, dažkārt cēloņu un seku jautājumi netieši vairāk vispārīgiem jautājumiem par maksimizēšanu kādu veiktspējas rādītājs. Piemēram, jautājums "Kāda krāsa poga būs palielināt ziedojumus par NVO mājas lapā?" Ir patiešām daudz jautājumu par ietekmi dažādu pogu krāsas par ziedojumiem.

Viens veids, kā atbildēt uz cēloņu un seku jautājumus, ir meklēt modeļus esošajiem datiem. Piemēram, izmantojot datus no tūkstošiem skolu, jūs varētu aprēķināt, ka skolēni mācās vairāk skolas, kas piedāvā augstus skolotāju algas. Bet, vai tas korelācija liecina, ka lielākas algas radīt skolēniem uzzināt vairāk? Protams, ka nē. Skolas, kur skolotāji pelna vairāk varētu būt atšķirīga daudzos veidos. Piemēram, skolēni skolās ar augstu skolotāju algas varētu nākt no bagātākajām ģimenēm. Tātad, kas izskatās kā sekas skolotāju varētu tikai nākt no salīdzināt dažāda veida studentiem. Šīs neizmērīta atšķirības starp skolēniem sauc sajaukšana, un vispār, iespēja confounders wreaks izpostīt pētnieku spēju atbildēt cēloņu un seku jautājumus, ko meklē modeļus esošajiem datiem.

Viens risinājums problēmai confounders ir mēģināt veikt taisnīgu salīdzināšanu, pielāgojot novērojamiem atšķirības starp grupām. Piemēram, jūs varētu būt iespēja lejupielādēt īpašuma nodokļa datus no vairākām valdības tīmekļa vietnēs. Tad jūs varētu salīdzināt skolēnu sekmes skolās, kur mājas cenas ir līdzīgas, bet skolotāju algas ir atšķirīgi, un jūs joprojām varētu atrast, ka skolēni mācās vairāk skolās ar augstāku skolotāju atalgojumu. Bet, joprojām ir daudz iespējamie sajaukšana. Varbūt vecāki šo studentu atšķiras viņu izglītības līmeni, vai varbūt skolas atšķiras to tuvības publiskajām bibliotēkām vai varbūt skolas ar lielāku skolotāju algas ir arī augstāks maksāt par direktoru un galveno darba samaksu, nevis skolotāja darba samaksu, ir patiešām kas pieaug studentu mācīšanās. Jūs varētu mēģināt izmērīt šos citus faktorus, kā arī, bet saraksts iespējamo confounders būtībā ir bezgalīgs. Daudzās situācijās, jūs vienkārši nevar izmērīt un pielāgot visām iespējamām confounders. Šī pieeja var tevi tikai tik tālu.

Labāks risinājums problēmai confounders darbojas eksperimentus. Eksperimenti iespēju pētniekiem virzīties tālāk par korelāciju ar dabīgi datus, lai droši atbildētu cēloņu un seku jautājumu. Analogajā laikmetā, eksperimenti bieži vien bija loģistiski sarežģīti un dārgi. Tagad digitālajā laikmetā, loģistikas ierobežojumi tiek pakāpeniski izzūd. Ne tikai tas ir vieglāk darīt eksperimentus, piemēram, tiem pētniekiem ir darījuši pagātnē, tagad ir iespējams palaist jauna veida eksperimentiem.

Jo tas, ko es esmu uzrakstījis līdz šim es esmu mazliet brīvs savā valodā, bet tas ir svarīgi nošķirt divas lietas: eksperimentiem un randomizētos kontrolētos eksperimentos. Eksperimentā pētnieks iejaucas pasaulē, un pēc tam nosaka iznākumu. Esmu dzirdējis šo pieeju raksturot kā "uzbudināt un novērot." Šī stratēģija ir ļoti efektīvs dabaszinātņu, bet medicīnas un sociālajās zinātnēs, ir cita pieeja, kas darbojas labāk. Randomizētā kontrolētā eksperimentā pētnieks iejaucas dažiem cilvēkiem, nevis citiem, un, kritiski, pētnieks lemj, ko cilvēki saņem iejaukšanos randomizācijas (piemēram, flipping monētu). Šī procedūra nodrošina, ka randomizēti kontrolēti eksperimenti radīt godīgas salīdzinājumus starp divām grupām: vienu, kas ir saņēmusi iejaukšanos un vienu, kas ir ne. Citiem vārdiem sakot, randomizēti kontrolēti eksperimenti ir risinājums problēmām confounders. Neskatoties uz svarīgākajām atšķirībām starp eksperimentu un randomizētos kontrolētos eksperimentos, sociālie zinātnieki bieži izmanto šos terminus aizstāt. Es sekot šo konvenciju, bet, noteiktos punktos, es ņemšu pauze konvenciju uzsvērt vērtību randomizētu eksperimentu pār eksperimentiem bez randomizācijas un kontroles grupā.

Randomizēti kontrolēti eksperimenti ir izrādījies efektīvs veids, kā uzzināt par sociālo pasauli, un šajā nodaļā, es ņemšu iemācīt jums vairāk par to, kā tos izmantot savā pētniecībā. Apakšpunktā 4.2, es ņemšu ilustrētu pamata loģiku eksperimentēšanas ar piemēru eksperimenta Wikipedia. Tad, 4.3, es ņemšu aprakstīt atšķirību starp laboratorijas eksperimentus un lauka eksperimentiem un atšķirībām starp analogo eksperimentiem un digitālo eksperimentiem. Tālāk, es apgalvot, ka digitālās lauka eksperimenti var piedāvāt labākās īpašības analogo laboratorijas eksperimentu (saspringts kontrole) un analogās lauka eksperimentus (reālisms), visas mērogā, kas nebija iespējams iepriekš. Tālāk, 4.4, es ņemšu aprakstīt trīs koncepcijas derīgums, neviendabīgumu ārstēšanas sekas un mehānismus-kas ir svarīgi, lai projektēšanas bagāts eksperimentus. Ar to vērā, es aprakstīt kompromisus iesaistītas divas galvenās stratēģijas veikšanai digitālo eksperimentu: darot to pats (4.5.1) vai partnerattiecības ar jaudīgu (4.5.2 iedaļu). Visbeidzot, es secinu ar kādu dizaina padomus par to, kā jūs varat izmantot reālās varas digitālo eksperimentiem (4.6.1 iedaļā) un aprakstīt dažus no atbildības, kas nāk ar šo jaudu (4.6.2). Nodaļā tiks iesniegts ar minimālu matemātisko notācijas un formālās valodas; lasītāji interesējas vairāk formāla, matemātisko pieeju eksperimentiem jāizlasa arī tehniskā papildinājuma beigās nodaļā.