4.1 Pengenalan

Dalam pendekatan yang diliputi setakat ini dalam tingkah laku memerhati buku ini (bab 2) dan bertanya soalan (bab 3) -pengguna mengumpul data tanpa sengaja dan sistematik mengubah dunia. Pendekatan yang diliputi dalam eksperimen ini yang dijalankan pada bab ini pada asasnya berbeza. Apabila penyelidik menjalankan eksperimen, mereka secara sistematik campur tangan di dunia untuk membuat data yang sesuai untuk menjawab soalan mengenai hubungan sebab-dan-akibat.

Soalan penyebab dan akibat adalah sangat biasa dalam penyelidikan sosial, dan contohnya termasuk soalan-soalan seperti: Adakah peningkatan gaji guru meningkatkan pembelajaran pelajar? Apakah kesan gaji minima pada kadar pekerjaan? Bagaimanakah perlumbaan pemohon kerja menjejaskan peluangnya mendapatkan pekerjaan? Sebagai tambahan kepada soalan-soalan ini secara kausa sebab-sebab, kadang-kadang sebab-sebab dan kesan adalah tersirat dalam soalan yang lebih umum tentang memaksimumkan beberapa metrik prestasi. Sebagai contoh, soalan "Warna apa yang harus butang menderma di laman web NGO?" Benar-benar banyak soalan tentang kesan warna butang yang berbeza pada sumbangan.

Salah satu cara untuk menjawab soalan sebab dan akibat ialah mencari pola dalam data sedia ada. Sebagai contoh, kembali kepada persoalan mengenai kesan gaji guru terhadap pembelajaran pelajar, anda mungkin mengira bahawa pelajar belajar lebih banyak di sekolah yang menawarkan gaji guru tinggi. Tetapi, apakah korelasi ini menunjukkan bahawa gaji yang lebih tinggi menyebabkan pelajar belajar lebih banyak? Sudah tentu tidak. Sekolah di mana guru mendapatkan lebih banyak mungkin berbeza dalam banyak cara. Sebagai contoh, pelajar di sekolah dengan gaji guru tinggi mungkin berasal dari keluarga kaya. Oleh itu, apa yang kelihatan seperti kesan guru hanya boleh datang daripada membandingkan pelbagai jenis pelajar. Perbezaan yang tidak terukur di antara pelajar dipanggil pemalsu , dan, secara umum, kemungkinan pengadukan menimbulkan kekacauan terhadap keupayaan penyelidik untuk menjawab soalan sebab dan akibat dengan mencari corak data sedia ada.

Salah satu penyelesaian kepada masalah pengadun adalah untuk cuba membuat perbandingan yang adil dengan menyesuaikan untuk perbezaan yang dapat dilihat antara kumpulan. Sebagai contoh, anda mungkin boleh memuat turun data cukai harta daripada beberapa laman web kerajaan. Kemudian, anda boleh membandingkan prestasi pelajar di sekolah-sekolah di mana harga rumah adalah sama tetapi gaji guru adalah berbeza, dan anda masih boleh mendapati bahawa pelajar belajar lebih banyak di sekolah dengan gaji guru yang lebih tinggi. Tetapi masih terdapat banyak pemalsu yang mungkin. Mungkin ibu bapa pelajar ini berbeza dalam tahap pendidikan mereka. Atau mungkin sekolah berbeza dengan kedekatannya dengan perpustakaan awam. Atau mungkin sekolah yang mempunyai gaji guru yang lebih tinggi juga mempunyai gaji yang lebih tinggi untuk pengetua, dan gaji pokok, bukan gaji guru, sebenarnya adalah peningkatan pembelajaran pelajar. Anda boleh cuba untuk mengukur dan menyesuaikan untuk faktor-faktor ini juga, tetapi senarai pemalsuan yang mungkin pada dasarnya tidak berkesudahan. Dalam banyak situasi, anda tidak dapat mengukur dan menyesuaikan diri dengan semua pengadun yang mungkin. Sebagai tindak balas kepada cabaran ini, para penyelidik telah mengembangkan beberapa teknik untuk membuat anggaran kausal dari data bukan percubaan-saya membincangkan beberapa daripada mereka dalam bab 2-tetapi, untuk beberapa jenis soalan, teknik-teknik ini adalah terhad, dan percubaan menawarkan yang menjanjikan alternatif.

Eksperimen membolehkan para penyelidik untuk bergerak melampaui korelasi dalam data yang semulajadi untuk dapat menjawab soalan-soalan tertentu. Dalam zaman analog, eksperimen sering sukar logistik dan mahal. Kini, dalam era digital, kekangan logistik secara beransur-ansur memudar. Bukan sahaja lebih mudah melakukan eksperimen seperti yang dilakukan pada masa lalu, kini mungkin untuk menjalankan jenis percubaan baru.

Dalam apa yang saya tulis setakat ini saya telah agak longgar dalam bahasa saya, tetapi penting untuk membezakan antara dua perkara: eksperimen dan percubaan terkawal rawak. Dalam eksperimen , seorang penyelidik campur tangan di dunia dan kemudian mengukur hasilnya. Saya telah mendengar pendekatan ini digambarkan sebagai "perturb dan memerhati." Dalam percubaan terkawal rawak penyelidik mengintervensi untuk sesetengah orang dan bukan untuk orang lain, dan penyelidik memutuskan siapa orang menerima intervensi dengan rawak (contohnya, membalikkan duit syiling). Eksperimen terkawal rawak mencipta perbandingan yang adil antara dua kumpulan: satu yang telah menerima campur tangan dan satu yang tidak. Dalam erti kata lain, percubaan terkawal rawak merupakan penyelesaian kepada masalah-masalah pengadun. Walau bagaimanapun, percubaan perturb-dan-memerhatikan, hanya melibatkan satu kumpulan yang telah menerima campur tangan, dan dengan itu keputusan dapat membawa penyelidik ke kesimpulan yang salah (seperti yang saya akan tunjukkan tidak lama lagi). Walaupun terdapat perbezaan penting antara percubaan dan percubaan terkawal secara rawak, penyelidik sosial sering menggunakan istilah ini secara bergantian. Saya akan mengikuti konvensyen ini, tetapi, pada titik-titik tertentu, saya akan memecahkan konvensyen itu untuk menekankan nilai eksperimen terkawal rawak ke atas eksperimen tanpa rawak dan kumpulan kawalan.

Eksperimen terkawal rawak telah terbukti menjadi cara yang kuat untuk mempelajari dunia sosial, dan dalam bab ini, saya akan menunjukkan kepada anda lebih banyak tentang cara menggunakannya dalam penyelidikan anda. Dalam seksyen 4.2, saya akan menggambarkan logik asas eksperimen dengan contoh eksperimen di Wikipedia. Kemudian, dalam bahagian 4.3, saya akan menerangkan perbezaan antara eksperimen lab dan eksperimen lapangan dan perbezaan antara eksperimen analog dan eksperimen digital. Tambahan pula, saya akan berhujah bahawa eksperimen medan digital boleh menawarkan ciri-ciri terbaik eksperimen makmal analog (kawalan ketat) dan eksperimen medan analog (realisme), semuanya pada skala yang tidak mungkin sebelum ini. Seterusnya, dalam bahagian 4.4, saya akan menerangkan tiga konsep-kesahihan, heterogeneity kesan rawatan, dan mekanisme-yang penting untuk mereka bentuk eksperimen yang kaya. Dengan latar belakang itu, saya akan menerangkan perdagangan yang terlibat dalam dua strategi utama untuk menjalankan eksperimen digital: melakukannya sendiri atau bermitra dengan yang berkuasa. Akhirnya, saya akan membuat kesimpulan dengan beberapa nasihat reka bentuk tentang bagaimana anda boleh memanfaatkan kuasa sebenar eksperimen digital (seksyen 4.6.1) dan terangkan beberapa tanggungjawab yang datang dengan kuasa itu (seksyen 4.6.2).