4.1 परिचय

यस पुस्तकहरूमा अहिले सम्म यस पुस्तक-अवलोकन व्यवहार (अध्याय 2) र प्रश्न सोध्ने (अध्याय 3) - खोजकर्ताहरू बिना जानबूझ्दा डेटा र व्यवस्थित रूपमा संसार परिवर्तन गर्न डेटा एकत्रित गर्दछ। यस अध्याय-चलिरहेको प्रयोगहरूमा राखिएको दृष्टिकोण - मौलिक रूपमा फरक छ। जब शोधकर्ताहरूले प्रयोगहरू चलाउँछन्, तिनीहरू विश्वमा व्यवस्थित रूपमा हस्तक्षेप गर्न सक्ने कारण जो कि कारण-प्रभाव-सम्बन्धी सम्बन्धहरूको बारेमा प्रश्नहरूको जवाफ दिन उपयुक्त छन्।

सामाजिक-अनुसन्धानमा कारण-प्रभावकारी प्रश्नहरू धेरै सामान्य छन्, र उदाहरणहरूमा यस्तो प्रश्नहरू समावेश छन्: के शिक्षक वृद्धिको वृद्धिले विद्यार्थी शिक्षालाई बढाउँछ? रोजगारी दरमा न्यूनतम वेतनको प्रभाव के हो? नौकरी आवेदकको दौडले कसरी काम पाउनको मौकालाई असर गर्छ? यी स्पष्ट रूपमा उत्तरदायी प्रश्नहरूको अलावा, कहिलेकाँही कारण-प्रभावहरू प्रश्नहरू केही प्रदर्शन मीट्रिकको अधिकतम रूपमा अधिक सामान्य प्रश्नहरूमा निस्क्रिय हुन्छन्। उदाहरणको लागि, "एनजीसीको वेबसाइटमा कस्तो रंगको दान गर्नु पर्छ?" वास्तवमा दानहरूमा विभिन्न बटन रङहरूको प्रभावबारे धेरै प्रश्नहरू छन्।

मौलिक-प्रभाव-प्रभाव प्रश्नहरूको जवाफ दिने एउटा तरिका अवस्थित डाटामा ढाँचाहरू हेर्नको लागि हो। उदाहरणको लागि, विद्यार्थी शिक्षाको लागि शिक्षक वेतनको प्रभावबारे प्रश्नमा फर्कनुहोस्, तपाइँले गणना गर्न सक्ने विद्यार्थीहरूले अधिक शिक्षक वेतनहरू प्रदान गर्ने विद्यालयहरूमा अझ बढी सिक्न सक्छन्। तर, यो सम्बन्धले देखाउँछ कि उच्च वेतनले विद्यार्थीलाई अझ बढी सिक्न सक्छ ? अवश्य होइन। स्कूलहरू जहाँ शिक्षकहरू धेरै कमाउँछन् धेरै तरिकामा फरक हुन सक्छन्। उदाहरणका लागि, उच्च शिक्षक वेतनका साथ स्कूलहरूमा विद्यार्थीहरूले आशिष् परिवारबाट आउन सक्छ। यसकारण, के शिक्षकहरूको प्रभावले फरक फरक प्रकारका विद्यार्थीहरू तुलना गर्न सक्दछ जस्तो देखिन्छ। यी असामान्य मतभेदहरू छात्रहरुलाई ठुलो भनिन्छ, र, सामान्यतया, अवधारणाहरु को संभावनाहरु लाई मौजूदा डेटा मा पैटर्न को खोज गरेर कारणों र प्रभाव को जवाबहरु को जवाब दिन को शोधकर्ताओं को धमकी मा बर्बाद।

कन्फाउन्डरको समस्याको एक समाधान समूहको बीचमा देखापर्ने भिन्नताका लागि समायोजन गरेर उचित तुलना गर्न प्रयास गर्नु हो। उदाहरणका लागि, तपाईं एकाधिक सरकारी वेबसाइटहरूबाट सम्पत्ति कर डेटा डाउनलोड गर्न सक्नुहुन्छ। त्यसोभए, तपाईं विद्यार्थीहरूको प्रदर्शनको तुलना गर्न सक्नुहुनेछ जहाँ घर मूल्यहरू समान छन् तर शिक्षक वेतन फरक छन्, र तपाईले अझै पनि पत्ता लगाउन सक्नुहुनेछ कि विद्यार्थीहरूले उच्च शिक्षक वेतनका साथ स्कूलहरूमा बढी जान्दछन्। तर त्यहाँ धेरै असम्भव छन्। सम्भवतः यी विद्यार्थीहरूको आमाबाबुले शिक्षाको स्तरमा फरक पार्छ। वा शायद स्कूल सार्वजनिक पुस्तकालयहरूको नजिकतामा फरक छ। वा शायद उच्च शिक्षक भुक्तानीका साथ स्कूलहरू प्रिन्सिपलहरूका लागि उच्च वेतन पनि छन्, र प्रिन्टिपल वेतन, शिक्षक वेतन नगर्ने, वास्तवमा विद्यार्थी शिक्षा सिक्दै हुनुहुन्छ। तपाईं उपाय गर्न र यी कारकहरूको लागि समायोजन गर्न पनि प्रयास गर्न सक्नुहुनेछ, तर सम्भावित कन्फाउन्डरहरूको सूची अनिवार्य रूपमा अनन्त छ। धेरै परिस्थितिहरूमा, तपाईंले उपाय गर्न सक्नुहुन्न र सबै सम्भावित अवरोधहरूको लागि समायोजन गर्न सक्नुहुन्न। यस चुनौतीको जवाफमा, शोधकर्ताले गैर-प्रयोगात्मक डाटाको कारण अनुमानको अनुमान बनाउने गरेको केही प्रविधिहरू विकसित गरेका छन्- मैले केही अध्याय 2 मा छलफल गरे- तर, केही प्रकारका प्रश्नहरूको लागि, यी प्रविधिहरू सीमित छन्, र प्रयोगहरूले प्रतिज्ञा प्रस्तुत गर्छन्। विकल्प।

प्रयोगहरूले शोधकर्ताहरूलाई प्राकृतिक रूपमा डेटा लगाइएका सम्बन्धहरू भन्दा माथि सार्न सक्षम गराउनका लागि केही निश्चित-प्रभाव-आधारित प्रश्नहरूको जवाफ दिनका लागि। एनालॉग युगमा, प्रयोगहरू प्राय: तर्कवादी रूपमा गाह्रो र महंगी थियो। अब, डिजिटल युगमा, सम्भावनात्मक रोकथामहरू क्रमशः टाढाको छ। अतीतमा भएका ती जस्तै प्रयोगहरू मात्र सजिलो छ, यो अब नयाँ प्रकारका प्रयोगहरू चलाउन सम्भव छ।

मैले लेखेको कुरामा मेरो भाषामा थोडा ढीलो भएको छु, तर यो महत्त्वपूर्ण छ कि दुई चीजहरू बीचको भिन्नता: प्रयोगहरू र अनियमित रूपमा नियन्त्रण गरिएका प्रयोगहरू। एक प्रयोगमा , एक शोधकर्ताले संसारमा हस्तक्षेप गर्दछ र त्यसपछि परिणामको उपाय गर्दछ। मैले यो अवधारणा सुन्नु भएको छ "भित्ता र निरीक्षण।" एक अनियमित नियन्त्रण प्रयोगमा एक शोधकर्ताले केहि मानिसहरूको लागि हस्तक्षेप गर्दछ र अरूको लागि होइन, र शोधकर्ताले निर्णय गर्दा कुन व्यक्तिले बृहतिकरण (उदाहरणको लागि, सिक्का फ्लाइङ) द्वारा हस्तक्षेप प्राप्त गर्दछ। यादृच्छिक नियन्त्रण प्रयोगहरू दुई समूहहरू बीचको उचित तुलनाहरू सिर्जना गर्दछ: एक जसले हस्तक्षेप प्राप्त गरेको छ र त्यो होईन। अन्य शब्दहरूमा, अनियमितताका समस्याहरूको समाधानमा अनियमित रूपमा नियन्त्रण गरिएका प्रयोगहरू। तथापि, केवल एक एकल समूह समावेश गर्दछ जुन हस्तक्षेप प्राप्त भएको छ, र यसैले परिणामहरूले शोधकर्ताहरूले गलत निष्कर्षमा लैजान सक्छन् (जस्तै म चाँडै देखाउनेछु)। प्रयोगहरू र अनियमित नियन्त्रण प्रयोगहरूको बीचमा महत्वपूर्ण मतभेदहरूको बावजूद, सामाजिक शोधकर्ताहरूले प्रायः यी सर्तहरू असमानतापूर्वक प्रयोग गर्छन्। म यो अधिवेशन पछ्याउनेछु, तर, निश्चित बिन्दुहरुमा, म कन्फिगरेसनको मूल्यमा अनियमितिकरण र एक नियन्त्रण समूह बिना randomized प्रयोग प्रयोगहरूको मूल्यमा जोड दिनेछु।

यादृच्छिक नियन्त्रण प्रयोगहरू सामाजिक संसारको बारेमा सिक्न एक शक्तिशाली तरिका सिद्ध साबित भएका छन्, र यस अध्यायमा, म तपाईंको शोधमा कसरी प्रयोग गर्ने बारे थप जानकारी देखाउनेछु। खण्ड 4.2 मा, म विकिपीडियामा प्रयोगको उदाहरणको साथ प्रयोगको आधारभूत तर्कको वर्णन गर्दछु। त्यसपछि, सेक्शन 4.3 मा, ल्याब प्रयोगहरू र क्षेत्र प्रयोगहरू र एनालग प्रयोगहरू र डिजिटल प्रयोगहरू बीचको भिन्नता बीचको भिन्नता वर्णन गर्नेछु। यसबाहेक, म तर्क दिनेछु कि डिजिटल क्षेत्र प्रयोगहरूले एनालग प्रयोगशाला प्रयोगहरू (तृतीय नियन्त्रण) र एनालॉग क्षेत्र प्रयोगहरू (यथार्थवाद) सबै भन्दा राम्रो विशेषताहरू प्रस्ताव गर्न सक्छन् जुन सबै भन्दा अघि सम्भव थिएन। अर्को, सेक्शन 4.4 मा, म तीन अवधारणाहरू - वैधता, उपचारको प्रभावको विरूपणता, र तंत्रहरू वर्णन गर्नेछु - जसले धनी प्रयोगहरू डिजाइन गर्न महत्त्वपूर्ण छ। त्यस पृष्ठभूमिको साथ, म डिजिटल प्रयोगहरू सञ्चालन गर्न दुई मुख्य रणनीतिहरूमा व्यापार-विज्ञहरू वर्णन गर्नेछु: यसलाई आफै गरेर गरौं वा शक्तिशालीसँग साझेदारी गरौं। अन्तमा, तपाईं डिजिटल प्रयोगहरू (खण्ड 4.6.1) को वास्तविक शक्तिको फाइदा उठाउन सक्नुहुन्छ र त्यस शक्ति (खण्ड 4.6.2) सँग आउनुहुने केही जिम्मेवारीको बारेमा कसरी लिन सक्नुहुन्छ भन्ने बारेमा केही डिजाईन सल्लाहको साथ अन्त्य गर्नेछु।