4.1 Pengenalan

Dalam pendekatan dilindungi setakat ini dalam tingkah laku ini buku-memerhatikan (Bab 2) dan bertanya soalan (Bab 3) -researchers mengumpul data tentang apa yang berlaku secara semula jadi di dunia. Pendekatan dibincangkan dalam bab-berjalan ini eksperimen-adalah berbeza. Apabila penyelidik menjalankan eksperimen, mereka secara sistematik campur tangan dalam dunia untuk mencipta data yang sangat sesuai untuk menjawab soalan mengenai hubungan sebab dan akibat.

Sebab-dan-akibat soalan yang sangat biasa dalam penyelidikan sosial, dan contoh-contoh termasuk soalan seperti Adakah peningkatan gaji guru meningkatkan pembelajaran pelajar? Apakah kesan daripada gaji minimum pada kadar pekerjaan? Bagaimanakah bangsa pemohon tugas melaksanakan peluang beliau mendapat kerja? Selain soalan-soalan ini dengan jelas sebab dan akibat, kadang-kadang sebab-dan-akibat soalan tersirat dalam soalan yang lebih umum mengenai memaksimumkan beberapa prestasi metrik. Sebagai contoh, soalan "Apa butang warna akan memaksimumkan sumbangan pada laman web laman web NGO?" Adalah benar-benar banyak soalan tentang kesan warna butang yang berbeza kepada sumbangan.

Salah satu cara untuk menjawab soalan-soalan sebab dan kesan adalah untuk mencari pola dalam data yang sedia ada. Sebagai contoh, dengan menggunakan data daripada beribu-ribu sekolah, anda mungkin mengira bahawa pelajar mengetahui lebih lanjut di sekolah-sekolah yang menawarkan gaji guru tinggi. Tetapi, adakah korelasi ini menunjukkan bahawa gaji yang lebih tinggi menyebabkan pelajar untuk mengetahui lebih lanjut? Sudah tentu tidak. Sekolah-sekolah di mana guru-guru mendapatkan lebih mungkin berbeza setiap kali. Sebagai contoh, pelajar-pelajar di sekolah-sekolah dengan gaji guru tinggi mungkin datang daripada keluarga kaya. Oleh itu, apa yang kelihatan seperti kesan guru hanya boleh datang dari membandingkan jenis pelajar. Perbezaan terukur antara pelajar dipanggil faktor pembaur, dan secara umum, kemungkinan faktor pembaur Riba mengakibatkan mala malapetaka di penyelidik keupayaan untuk menjawab soalan-soalan sebab dan kesan dengan mencari pola dalam data yang sedia ada.

Satu penyelesaian kepada masalah faktor pembaur adalah untuk cuba untuk membuat perbandingan yang adil dengan mengambil kira perbezaan yang dapat dilihat antara kumpulan. Sebagai contoh, anda mungkin dapat memuat turun data cukai harta dari 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 mungkin masih mendapati bahawa pelajar mengetahui lebih lanjut di sekolah-sekolah dengan gaji guru yang lebih tinggi. Tetapi, masih terdapat banyak faktor pembaur mungkin. Mungkin ibu bapa pelajar ini berbeza dari segi tahap pendidikan atau mungkin sekolah-sekolah berbeza dalam keakraban mereka kepada perpustakaan awam atau mungkin sekolah-sekolah dengan gaji guru yang lebih tinggi juga mempunyai gaji yang lebih tinggi untuk pengetua dan gaji pokok, bukan guru gaji, adalah benar-benar apa yang semakin meningkat pembelajaran pelajar. Anda boleh cuba untuk mengukur faktor-faktor lain juga, tetapi senarai faktor pembaur mungkin pada dasarnya tidak berkesudahan. Dalam banyak keadaan, anda tidak boleh mengukur dan menyesuaikan semua faktor pembaur mungkin. Pendekatan ini hanya boleh membawa anda setakat ini.

Penyelesaian yang lebih baik kepada masalah faktor pembaur sedang berjalan eksperimen. Eksperimen membolehkan penyelidik untuk bergerak di luar korelasi dalam berlaku data secara semula jadi untuk pasti menjawab sebab-dan-akibat soalan. Pada zaman analog, eksperimen sering logistik sukar dan mahal. Sekarang, dalam era digital, kekangan logistik secara beransur-ansur kepudaran. Bukan sahaja ia lebih mudah untuk melakukan eksperimen seperti orang-orang penyelidik telah dilakukan pada masa lalu, ia kini mungkin untuk menjalankan jenis baru eksperimen.

Dalam apa yang saya telah menulis setakat ini saya telah agak longgar dalam bahasa saya, tetapi ia adalah penting untuk membezakan antara dua perkara: eksperimen dan eksperimen terkawal rawak. Dalam satu eksperimen penyelidik campur tangan dalam dunia dan kemudian mengukur hasil yang. Saya pernah mendengar pendekatan ini digambarkan sebagai "menyusahkan dan memerhati." Strategi ini amat berkesan dalam sains semula jadi, tetapi dalam bidang sains perubatan dan sosial, terdapat satu lagi pendekatan yang bekerja lebih baik. Dalam percubaan terkawal rawak penyelidik campur tangan bagi sesetengah orang dan bukan untuk orang lain, dan, secara kritikal, penyelidik memutuskan mana orang menerima campur tangan oleh rawak (contohnya, Melibas duit syiling). Prosedur ini memastikan rawak eksperimen terkawal membuat perbandingan yang adil di antara dua kumpulan: satu yang telah menerima campur tangan dan satu yang tidak mempunyai. Dalam erti kata lain, rawak eksperimen terkawal adalah satu penyelesaian kepada masalah-masalah faktor pembaur. Walaupun perbezaan penting antara eksperimen dan eksperimen terkawal rawak, pengkaji sosial sering menggunakan istilah-istilah ini silih berganti. Saya akan mengikuti konvensyen ini, tetapi, di tempat-tempat tertentu, saya akan memecahkan konvensyen menekankan nilai eksperimen terkawal rawak lebih eksperimen tanpa rawak dan kumpulan kawalan.

Rawak eksperimen terkawal telah terbukti menjadi cara yang ampuh untuk belajar tentang dunia sosial, dan dalam bab ini, saya akan mengajar anda lebih lanjut mengenai bagaimana untuk menggunakan mereka dalam kajian anda. Dalam Bahagian 4.2, saya akan menggambarkan logik asas eksperimen dengan contoh eksperimen di Wikipedia. Kemudian, dalam Seksyen 4.3, saya akan menerangkan perbezaan antara eksperimen makmal dan uji kaji lapangan dan perbezaan antara eksperimen analog dan eksperimen digital. Selanjutnya, saya akan berhujah bahawa uji kaji lapangan digital boleh menawarkan ciri-ciri terbaik eksperimen makmal analog (kawalan ketat) dan uji kaji lapangan analog (realisme), semua pada skala yang tidak mungkin sebelumnya. Seterusnya, dalam Seksyen 4.4, saya akan menerangkan tiga konsep-kesahan, kepelbagaian kesan rawatan, dan mekanisme-yang kritikal untuk mereka bentuk eksperimen kaya. Dengan latar belakang itu, saya akan menggambarkan keseimbangan yang terlibat dalam kedua-dua strategi utama untuk menjalankan eksperimen digital: melakukan sendiri (Seksyen 4.5.1) atau bekerjasama dengan kuat (Seksyen 4.5.2). Akhir sekali, saya akan membuat kesimpulan dengan beberapa nasihat reka bentuk tentang bagaimana anda boleh mengambil kesempatan daripada kuasa sebenar eksperimen digital (Seksyen 4.6.1) dan menerangkan beberapa tanggungjawab yang datang dengan kuasa yang (Seksyen 4.6.2). Bab ini akan dibentangkan dengan sekurang-kurangnya notasi matematik dan bahasa rasmi; pembaca yang berminat dalam pendekatan yang lebih formal, matematik untuk eksperimen juga perlu membaca Lampiran teknikal di akhir bab ini.