4.1 परिचय

आतापर्यंत या पुस्तक-निरीक्षण वर्तन (अध्याय 2) मध्ये आलेले आणि प्रश्न विचारणे (अध्याय 3) मध्ये आतापर्यंत असलेल्या पध्दतींमध्ये - शोधक जाणूनबुजून व जगामध्ये बदल न करता डेटा गोळा करतात. या धडा-रनिंग प्रयोगात समाविष्ट असलेला दृष्टिकोण मूलभूतरित्या वेगळा आहे. जेव्हा संशोधक प्रयोग चालू करतात, तेव्हा ते जगामध्ये व्यवस्थितपणे हस्तक्षेप करतात जेणेकरून डेटा आणि परिणाम संबंधांविषयीच्या प्रश्नांची उत्तरे देण्यासाठी उपयुक्त आहे.

सोशल रिसर्चमध्ये कॉज अँड इफेक्ट्स प्रश्न बरेचसे सामान्य आहेत, आणि उदाहरणे समाविष्ट करतात जसे की: वाढत्या शिक्षकांच्या पगारा विद्यार्थ्यांना शिक्षण वाढवते? रोजगाराच्या दरांवर किमान वेतन काय आहे? जॉब अर्जादारची रेस नोकरी मिळण्याची संधी कशी प्रभावित करते? या स्पष्टपणे कारणास्तव प्रश्नांव्यतिरिक्त, काही कार्यप्रदर्शन मेट्रिकच्या अधिकतमतम करण्याबद्दल अधिक सामान्य प्रश्नांमध्ये काहीवेळा कारण आणि प्रभाव प्रश्न अंतर्भूत असतात. उदाहरणार्थ, "देणगीचा बटन एनजीओच्या वेबसाईटवर कोणता रंग पाहिजे?" प्रश्न हे देणग्यांवर विविध बटन रंगांच्या प्रभावाबद्दल बरेच प्रश्न आहेत.

कारण आणि परिणाम प्रश्नांची उत्तरे देण्याचा एक मार्ग म्हणजे विद्यमान डेटामधील नमुन्यांची शोध करणे. उदाहरणार्थ, विद्यार्थी शिक्षणावर शिक्षकांच्या पगाराच्या प्रभावाबाबत प्रश्नावर परत येताना, आपण विद्यार्थी गणना करू शकतात की उच्च शालेय वेतन देणार्या शाळांमध्ये ते अधिक शिकतात. परंतु, हे परस्परसंबंध दाखवतात की जास्त पगार विद्यार्थ्यांना अधिक जाणून घेण्यास कारणीभूत करतात ? नक्कीच नाही. शिक्षक जे कमवले जातात ते शाळा कदाचित अनेक प्रकारे भिन्न असू शकतात. उदाहरणार्थ, उच्च शिक्षक वेतन असलेल्या शाळांतील विद्यार्थ्यांना समृद्ध कुटुंबांकडून येऊ शकतात. अशा प्रकारे शिक्षकांच्या प्रभावाप्रमाणे विविध प्रकारचे विद्यार्थी तुलना करणे विद्यार्थी दरम्यान या अमाप फरक सर्वसाधारणपणे, confounders शक्यता संशोधक 'अस्तित्वात असलेला डेटा नमुने शोधत कारण आणि परिणाम प्रश्नांची उत्तरे क्षमता वर अनर्थ wreaks, confounders म्हणतात, आणि आहेत.

समूहासकर्त्यांच्या समस्येचा एक उपाय म्हणजे गटांमधील निरीक्षणक्षम फरक जुळवून योग्य तुलना करणे. उदाहरणार्थ, आपण कदाचित अनेक सरकारी वेबसाइट्सवरून प्रॉपर्टी कर डेटा डाउनलोड करण्यास सक्षम असाल नंतर, आपण शाळांमध्ये विद्यार्थ्यांच्या कामगिरीची तुलना करू शकता, जेथे घरगुती किंमती समान आहेत परंतु शिक्षकांचे वेतन वेगळं आहे, आणि तरीही तुम्हाला असे दिसून येईल की उच्च शिक्षकांच्या वेतन असलेल्या शाळांमध्ये विद्यार्थी अधिक शिकतात. पण अद्यापही अनेक शक्य संघर्ष करणारे खेळाडू आहेत. कदाचित या विद्यार्थ्यांचे पालक त्यांच्या शिक्षणाच्या पातळीवर भिन्न आहेत. किंवा कदाचित सार्वजनिक ग्रंथालयांना शाळा जवळ येत आहे. किंवा उच्च शिक्षकांच्या शाळांनाही शाळांना जास्त वेतन द्यावे लागते, आणि मुख्य वेतन, शिक्षकाची वेतन नाही, खरंच काय विद्यार्थी शिक्षण वाढत आहे. आपण या घटकांसह मोजण्यासाठी आणि समायोजित करण्याचा प्रयत्न करू शकता, परंतु शक्य असुविधाजनकांची यादी अंतहीन अंतहीन आहे. बर्याच परिस्थितींमध्ये, आपण सर्व संभाव्य संघर्षकर्त्यांसाठी मोजू शकत नाही आणि समायोजित करू शकत नाही. या आव्हानाच्या प्रतिक्रियेत, संशोधकांनी नॉन-प्रायोगिक डेटामधून उद्भवणा-या अंदाजांसाठी अनेक तंत्र विकसित केले आहेत-मी त्यांना अध्याय 2 मध्ये चर्चा केली - परंतु विशिष्ट प्रकारच्या प्रश्नांसाठी हे तंत्र मर्यादित आहेत आणि प्रयोग आशाजनक आहेत पर्यायी

संशोधक विशिष्ट कारणांमुळे आणि विशिष्ट प्रश्नांचे उत्तरदायीपणे उत्तर देण्यासाठी स्वाभाविकपणे येणार्या डेटाशी संबंधित परस्परसंबंधांच्या पुढे जाण्यास सक्षम करतात. एनालॉग युगात, प्रयोग पुष्कळदा अवघड आणि महाग होते. आता, डिजिटल युगात, धोक्याचा ताण हलका होतो. भूतकाळात केल्याप्रमाणेच प्रयोग करणेच सोपे नाही आहे, नवीन प्रकारचे प्रयोग चालवणे आता शक्य आहे.

मी आतापर्यंत जे काही लिहिले आहे त्यामध्ये माझ्या भाषेत थोडा ढीग झाला आहे, परंतु दोन गोष्टींमध्ये फरक करणे महत्वाचे आहे: प्रयोग आणि यादृच्छिक नियंत्रित प्रयोग. एक प्रयोग, एक संशोधक जगात हस्तक्षेप आणि नंतर एक परिणाम उपाय. मी या दृष्टिकोनाने "चक्रावून आणि निरीक्षण कर" म्हणून ऐकले आहे. एक यादृच्छिक नियंत्रीत प्रयोगात काही संशोधक काही लोकांसाठी हस्तक्षेप करतात, इतरांसाठी नाही, आणि संशोधक निर्णय घेतो की रॅंडमायझेशनद्वारे (उदा. नाणे कापून) लोक हस्तक्षेप करतात. यादृच्छिक नियंत्रित प्रयोग दोन गटांमधील उचित तुलना तयार करतात: एक जो हस्तक्षेप झाला आहे आणि जो नाही आहे. दुस-या शब्दात, यादृच्छिकपणे नियंत्रित प्रयोग हे सामूदाकारांच्या समस्यांचे समाधान आहेत. तथापि, प्रयोगांची मांडणी करणे आणि त्या-त्या पार पाडाव्या लागतात ज्यामध्ये हस्तक्षेप प्राप्त झालेल्या फक्त एकच गटांचा समावेश असतो आणि म्हणूनच परिणाम शोधकांना चुकीच्या निष्कर्षापर्यंत नेऊ शकतात (मी लवकरच ते दर्शवेल). प्रयोग आणि यादृच्छित नियंत्रित प्रयोगांमधील महत्वाच्या फरक असूनही, सामाजिक संशोधक अनेकदा या अटींचे परस्परांशी अदलाबदल करतात. मी या संमेलनाचे पालन करेन, परंतु काही विशिष्ट ठिकाणी, मी यादृच्छिकरित्या आणि नियंत्रण गटाशिवाय प्रयोगांवर यादृच्छित नियंत्रित प्रयोगांच्या मूल्यावर जोर देण्यासाठी अधिवेशन संपवणार आहे.

यादृच्छिक नियंत्रित प्रयोगांनी सामाजिक जगाबद्दल जाणून घेण्याचा एक प्रभावी मार्ग असल्याचे सिद्ध केले आहे आणि या प्रकरणात मी आपल्याला आपल्या संशोधनामध्ये कसे वापरावे याबद्दल अधिक दर्शवेल. विभाग 4.2 मध्ये मी विकिपीडियावरील प्रयोगांच्या उदाहरणासह प्रयोगाचे मूलभूत तर्क समजावून सांगणार आहे. नंतर, विभाग 4.3 मध्ये, मी प्रयोग प्रयोग प्रयोगासह आणि फील्ड प्रयोगांमधील फरक आणि एलालॉग प्रयोग आणि डिजिटल प्रयोगांमधील फरक वर्णन करू. पुढे, मी असे म्हणू शकतो की डिजिटल फील्ड प्रयोग अॅनालोग प्रयोगशाळ प्रयोग (कडक नियमन) आणि अॅनालॉग फील्ड प्रयोग (वास्तववाद) च्या सर्व चांगल्या वैशिष्ट्यांची ऑफर करू शकतात, जे पूर्वी सर्व शक्य नव्हते. पुढील, विभाग 4.4 मध्ये, मी तीन संकल्पना-वैधता, उपचारांच्या प्रभावांच्या विविधतेचे आणि यंत्रणा-याचे वर्णन करतो-जे श्रीमंत प्रयोगांच्या डिझाइनसाठी महत्वपूर्ण आहेत. त्या पार्श्वभूमीसह, मी डिजिटल प्रयोग आयोजित करण्याच्या दोन प्रमुख धोरणामध्ये सहभागी झालेल्या व्यापार-ऑफचे वर्णन करू: स्वतः करत आहात किंवा शक्तिशाली सह भागीदारी अखेरीस, मी डिजिटल प्रयोगांच्या वास्तविक शक्तीचा लाभ घेण्याबद्दल (विभाग 4.6.1) आणि त्या सामर्थ्यासह (सेक्शन 4.6.2) काही जबाबदारी कशी वर्णन करू शकते याबद्दल काही डिझाइन सल्ल्याबरोबर निष्कर्ष काढू.