Бид хийж чадахгүй туршилт ойролцоогоор болно. Ялангуяа дижитал нас ашиг хоёр хандлага нь тохирох, байгалийн туршилт байна.
шинжлэх ухаан, бодлогын олон чухал асуудал учир шалтгааны байна. -ийн авч үзье Жишээ нь, дараах асуулт цалин дээр нь ажлын байрны сургалтын хөтөлбөрийн үр нөлөө нь юу юм бэ? Энэ асуултанд хариулахын тулд нэг арга зам бол ажилчид санамсаргүй байдлаар сургалт хүлээн авах, эсвэл сургалт хүлээн авч өгсөн байсан нь санамсаргүй хяналттай туршилт байж болох юм. Дараа нь судлаачид зүгээр л үүнийг хүлээн аваагүй гэж хүмүүст сургалтанд хамрагдсан хүмүүсийн цалин харьцуулах замаар эдгээр оролцогчдын сургалтын үр нөлөөг тооцож болох юм.
нь санамсаргүй: энгийн харьцуулалт, учир нь мэдээлэл ч цуглуулсан өмнө тохиолддог зүйлийг хүчинтэй байна. нь санамсаргүй ямар ч асуудал их илүү бэрхшээлтэй байдаг. A судлаач сайн дурын үндсэн дээр гарын үсэг зурах хүртэл биш үү хүмүүст сургалт явуулах хүртэл гарын үсэг зурсан хүмүүсийн цалинг харьцуулж болох юм. Энэ харьцуулалт нь байж магадгүй сургалтанд хамрагдсан хүмүүс илүү орлого олсон гэдгийг харуулж байна, гэхдээ энэ нь хэр Учир нь сургалт ба-гарын үсэг зурах хүртэл сургалт хүмүүс гарын үсэг зурах хүртэл өгөөгүй байна гэсэн сургалтын зааснаас өөр өөр байдаг, учир нь энэ нь хэр их байна вэ? Өөрөөр хэлбэл, ард түмний энэ хоёр бүлгийн цалин харьцуулах нь шударга вэ?
Шударга харьцуулалт тухай энэ асуудал энэ нь туршилт ажиллаж байгаа ямар учир шалтгааны тооцоог хийх боломжгүй байна гэж зарим судлаачид хүргэдэг. Энэ шаардлага нь хэтэрхий хол явдаг. Энэ туршилт учир шалтгааны нөлөө, хүчтэй нотолгоо нь үнэн боловч, үнэ цэнэтэй учир шалтгааны тооцоо өгч болох бусад стратегиуд байдаг. Харин үүний оронд (идэвхгүйгээр мэдээлэл ажиглагдсан тохиолдолд) гэж учир шалтгааны тооцоог хялбар бас (туршилт тохиолдолд), эсвэл боломжгүй бодож, энэ нь тасралтгүй хүчтэй авсан нь хамгийн сул дорой байна (Зураг хамт хэвтэж учир шалтгааны тооцоог хийхэд стратегийн гэж боддог нь илүү дээр юм 2.4). үргэлжлэлийн хүчтэй эцэст хяналттай туршилт санамсаргүй байна. Гэхдээ эдгээр нь ихэвчлэн маш олон эмчилгээ засгийн газар болон компаниудын хамтын ажиллагааны бодит бус хэмжээний шаарддаг учир нь нийгмийн судалгаа хийх хэцүү байдаг; яг л олон туршилт бид хийж чадахгүй байна. Би давуу болон санамсаргүй хяналттай туршилт сул тал аль аль нь 4-р бүлэг бүх зориулж болно, мөн би зарим тохиолдолд туршилтын арга нь ажиглалт илүүд үздэг хүчтэй ёс суртахууны шалтгаан бий гэж үздэг болно.
үргэлжлэлийн дагуу хөдөлж, судлаачид тодорхой санамсаргүй чадаагүй байна тохиолдол байдаг. Энэ бол судлаачид үнэндээ туршилт хийж ямар туршилт шиг мэдлэг сурах оролдож байна; байгалийн энэ төвөгтэй байх юм, гэхдээ том мэдээллийн ихээр эдгээр нөхцөл байдалд учир шалтгааны тооцоолол хийж бидний чадварыг сайжруулдаг.
Заримдаа дэлхийн санамсаргүй байдал судлаачдын туршилтын иймэрхүү үүсгэхийн тулд яах тохиргоо байдаг. Эдгээр загвар нь байгалийн туршилт гэж нэрлэдэг бөгөөд тэд Хэсэг 2.4.3.1-д дэлгэрэнгүй авч үзэх болно. том мэдээллийн эх үүсвэр, тэдгээрийн үргэлж дээр нь шинж чанар, тэдний хоёр нь онцлог хэмжээ, маш их гарсан тохиолдолд байгалийн туршилт суралцах нь бидний чадварыг дээшлүүлдэг.
санамсаргүй хяналттай туршилт хол хөдөлж, заримдаа тэнд бид байгалийн туршилт ойролцоогоор ашиглаж болох шинжтэй ч үйл явдал биш юм. Эдгээр тохиргоонууд нь бид анхааралтай туршилт ойролцоогоор зорилгоор бус туршилтын өгөгдөл дотор харьцуулалт барьж болно. Эдгээр загвар нь тохирсон гэж нэрлэдэг бөгөөд тэд Хэсэг 2.4.3.2-д дэлгэрэнгүй авч үзэх болно. Байгалийн туршилт адил тохирсон нь бас том мэдээллийн эх үүсвэрээс ашиг тус нь загвар юм. Тухайлбал, том хэмжээтэй, аль аль нь хэргийн тоо, нэг мэдээллийн төрөл хувьд тохиолдолд, их зохицох дэмжлэг үзүүлдэг. Байгалийн туршилт, тохирсон хоорондох гол ялгаа нь байгалийн туршилтанд судлаач дамжуулан эмчилгээ өгсөн бөгөөд энэ нь санамсаргүй гэж үзэж байсан үйл явцыг мэддэг юм.
Байгалийн туршилт болон зохицох: туршилт хийх хүсэл урам зоригтой шударга харьцуулалт үзэл баримтлал нь хоёр өөр аргыг үндэс. Эдгээр хандлага нь таныг өгөгдөл та аль хэдийн байж дотор сууж шударга харьцуулалт илрүүлэх өөр идэвхгүйгээр нь ажиглагдсан өгөгдлөөс учир шалтгааны үр нөлөөг тооцох боломжтой болно.