4.1 परिचय

यो पुस्तक-नियालेर व्यवहार (अध्याय 2) र प्रश्न मा हालसम्म समेटिएका दृष्टिकोण मा (अध्याय 3) -researchers के स्वाभाविक संसारमा निरन्तर छ डेटा सङ्कलन। यस अध्यायमा-चलिरहेको समेटिएका दृष्टिकोण मौलिक अलग प्रयोगहरू-छ। अनुसन्धानकर्ताहरूले प्रयोगहरू चलाउछन, तिनीहरूले प्रणालीबद्ध कारण-र-प्रभाव सम्बन्धको बारेमा प्रश्नहरूको जवाफ गर्न आदर्श अनुकूल छ कि डाटा सिर्जना गर्न संसारमा हस्तक्षेप।

कारण-र-प्रभाव प्रश्नहरू सामाजिक अनुसन्धान मा धेरै साधारण हो, र उदाहरण शिक्षकहरू 'तलब सिक्ने विद्यार्थी वृद्धि वृद्धि गर्छ रूपमा प्रश्न हो? रोजगार दर मा न्यूनतम ज्याला को प्रभाव कस्तो छ? जागिर आवेदक गरेको दौड जागिर प्राप्त उनको मौका कसरी असर गर्छ? यी स्पष्ट causal प्रश्नहरूको साथै, कहिलेकाहीँ कारण-र-प्रभाव प्रश्नहरू केही प्रदर्शन मेट्रिक को maximization बारेमा थप सामान्य प्रश्न मा निहित छन्। उदाहरणका लागि, प्रश्न "एक गैरसरकारी संस्थाका वेबसाइट साइटमा चन्दा के रंग ठूलोपार्नेबटन हुनेछ?" साँच्चै दानको मा विभिन्न बटन रंग को प्रभाव बारेमा प्रश्नहरू धेरै छ।

कारण-र-प्रभाव प्रश्नहरूको जवाफ एउटा तरिका अवस्थित डेटा मा ढाँचाको खोज्न छ। उदाहरणका लागि, विद्यालय हजारौँ डाटा प्रयोग, तपाईं विद्यार्थीहरू उच्च शिक्षक तलब प्रस्ताव विद्यालयमा थप सिक्नु गणना सक्छ। तर, यो सम्बन्ध उच्च तलब विद्यार्थीहरूले थप जान्न कारण छ कि देखाउँछ? पक्का होइन। जहाँ शिक्षक थप कमाउन स्कूल थुप्रै तरिकामा फरक हुन सक्छ। उदाहरणका लागि, उच्च शिक्षक तलब संग विद्यालयमा विद्यार्थी wealthier परिवारबाट आउन सक्छ। तसर्थ, जस्तै शिक्षकहरूको एउटा प्रभाव बस विद्यार्थीहरूको विभिन्न प्रकारका तुलना देखि आउन सक्छ के देखिन्छ। विद्यार्थीहरू बीच यी unmeasured मतभेद confounders भनिन्छ, र सामान्य मा, confounders को संभावना अवस्थित डेटा मा ढाँचाको लागि देख द्वारा कारण-र-प्रभाव प्रश्नहरूको जवाफ अनुसन्धानकर्ताहरूले क्षमता मा तबाही wreaks।

confounders को समस्या एक समाधान समूहबीच देख्न मतभेद लागि समायोजन गरेर उचित तुलना गर्न प्रयास गर्न छ। उदाहरणका लागि, तपाईं सरकार वेबसाइटहरु को एक नम्बर देखि सम्पत्ति कर डाटा डाउनलोड गर्न सक्षम हुन सक्छ। त्यसपछि, तपाईं कहाँ घर मूल्यहरु समान छन् तर शिक्षक तलब फरक छन् विद्यालयमा विद्यार्थी प्रदर्शन तुलना गर्न सक्छ, र तपाईं अझै पनि विद्यार्थीहरू उच्च शिक्षक तलब संग विद्यालयमा थप सिक्नु पाउन सक्छ। तर, त्यहाँ अझै पनि धेरै सम्भव confounders छन्। शायद यी विद्यार्थीको आमाबाबुले शिक्षा स्तर भिन्न वा शायद विद्यालय सार्वजनिक पुस्तकालयहरु आफ्नो निकटता भिन्न या शायद उच्च शिक्षक तलब संग स्कूल पनि प्रिंसिपलों र प्रमुख भुक्तानी लागि उच्च तलब छ, छैन शिक्षक तलब, वास्तवमा के वृद्धि भएको छ विद्यार्थी सिक्ने। तपाईं साथै यी अन्य कारक मापन गर्न प्रयास गर्न सक्छ, तर सम्भव confounders सूची अनिवार्य अनन्त छ। धेरै अवस्थामा, तपाईं बस मापन र सबै सम्भव confounders लागि समायोजन गर्न सक्दैन। यो दृष्टिकोण मात्र तपाईं हालसम्म लाग्न सक्छ।

confounders को समस्या अझ राम्रो समाधान प्रयोगहरू चलिरहेको छ। परीक्षणहरू स्वाभाविक मजबूती कारण-र-प्रभाव प्रश्नको जवाफ गर्न डाटा निरन्तर मा correlations परे सार्न अनुसन्धानकर्ताहरूले सक्षम। अनुरूप उमेर मा, प्रयोग अक्सर logistically कठिन र महँगो थिए। अब, डिजिटल युगमा, सैन्य अवरोध बिस्तारै टाढा ओइलाउन लागिसके। मात्र सजिलो ती अनुसन्धानकर्ताहरूले जस्तै प्रयोगहरू विगतमा गरेका गर्नु हो, यो प्रयोगहरू को नयाँ प्रकार चलान अब सम्भव छ।

म त कता हो कता लेख्नुभएको के म मेरो भाषामा बिट छाडा भएको छु, तर यो दुई कुराहरू छुट्याउन महत्त्वपूर्ण छ: प्रयोगहरू र बेतरतीब नियंत्रित प्रयोगहरू। एक प्रयोग मा एक शोधकर्ता संसारमा हस्तक्षेप र त्यसपछि एक नतिजा उपाय। म वर्णन यो दृष्टिकोण सुनेको "व्यग्र र पालन।" यो रणनीति प्राकृतिक विज्ञान मा धेरै प्रभावकारी छ, तर चिकित्सा र सामाजिक विज्ञान मा, त्यहाँ राम्रो काम गर्दछ अर्को दृष्टिकोण छ। एक यादृच्छिक नियन्त्रण प्रयोग मा एक शोधकर्ता केही मानिसहरू र अरूलाई लागि, critically, (जस्तै, एक सिक्का flipping) हस्तक्षेप र शोधकर्ता मान्छे randomization गरेर हस्तक्षेप प्राप्त निर्णय। छ छैन भन्ने हस्तक्षेप र एक प्राप्त गरेको छ कि एक: यो प्रक्रिया बेतरतीब नियंत्रित प्रयोगहरू दुई समूहबीच निष्पक्ष तुलना सिर्जना सुनिश्चित गर्दछ। अर्को शब्दमा, बेतरतीब नियंत्रित प्रयोगहरू confounders समस्या को लागि एक समाधान हो। प्रयोगहरू र बेतरतीब नियंत्रित प्रयोगहरू बीच महत्वपूर्ण मतभेद भए तापनि अक्सर सामाजिक अनुसन्धानकर्ताहरूले interchangeably यी सर्तहरू प्रयोग गर्नुहोस्। म केही अंक मा, म randomization र एक नियन्त्रण समूह बिना प्रयोगहरू भन्दा बेतरतीब नियंत्रित प्रयोगहरू महत्त्वलाई जोड गर्न अधिवेशनको तोड्न छौँ, यो अधिवेशन पालना छौँ, तर।

यादृच्छिक नियन्त्रण प्रयोगहरू सामाजिक संसारमा सिक्न एक शक्तिशाली तरिका सिद्ध गरेका छन्, र यस अध्यायमा, म तपाईं कसरी आफ्नो अनुसन्धान तिनीहरूलाई प्रयोग गर्ने बारे थप सिकाउन छौँ। धारा 4.2 मा, म विकिपीडिया मा एक प्रयोग को एक उदाहरण प्रयोग आधारभूत तर्क चित्रण छौँ। त्यसपछि, धारा 4.3 मा, म ल्याब प्रयोगहरू र क्षेत्र प्रयोगहरू र एनालग प्रयोगहरू र डिजिटल प्रयोगहरू भिन्नता भिन्नता वर्णन छौँ। यसबाहेक, म डिजिटल क्षेत्र प्रयोगहरू सम्भव थियो कि पहिले एक मात्रा मा एनालग प्रयोगशाला प्रयोगहरु को सबै भन्दा राम्रो सुविधाहरू (तंग नियन्त्रण) र एनालग क्षेत्र प्रयोगहरू (यथार्थवाद), सबै प्रस्ताव गर्न सक्ने तर्क छौँ। अर्को, धारा 4.4 मा, म तीन अवधारणाहरु-वैधता, उपचार प्रभाव heterogeneity, र संयन्त्र-कि धनी प्रयोगहरू डिजाइन गर्न को लागि महत्वपूर्ण छन् वर्णन छौँ। कि पृष्ठभूमि संग, म डिजिटल प्रयोगहरू सञ्चालन लागि दुई मुख्य रणनीति संलग्न व्यापार-ओफ वर्णन छौँ: (धारा 4.5.1) यो आफैलाई गरिरहेको वा शक्तिशाली (धारा 4.5.2) संग भागीदारी। अन्तमा, म तपाईं डिजिटल प्रयोगहरू (धारा 4.6.1) को असली शक्ति फाइदा लिन सक्छ कसरी बारेमा केही डिजाइन सल्लाह संग निष्कर्षमा पुग्न छौँ र शक्ति (धारा 4.6.2) आउँछ जिम्मेवारी केही वर्णन। अध्याय जमथ र औपचारिक भाषा को एक न्यूनतम प्रस्तुत गरिनेछ; प्रयोगहरू गर्न एक थप औपचारिक, गणितीय दृष्टिकोण रुचि पाठकहरूलाई पनि अध्याय को अन्त्यमा प्राविधिक परिशिष्ट पढ्नुपर्छ।