4.1 Wprowadzenie

W podejściach objętych do tej pory w tej książce, obserwując zachowanie (rozdział 2) oraz zadawanie pytań (rozdział 3) -researchers gromadzić dane o tym, co jest naturalnie występującym w świecie. Podejście opisane w tym rozdziale, prowadzenie eksperymentów, różni się zasadniczo. Kiedy badacze prowadzić eksperymenty, ale systematycznie interweniować w świecie do tworzenia danych, które idealnie nadaje się do odpowiedzi na pytania dotyczące związków przyczynowo-skutkowych.

Przyczyna-skutkowy pytania są bardzo powszechne w badaniach społecznych, a przykłady obejmują takie pytania jak: Czy zwiększenie wynagrodzeń nauczycieli zwiększy studentowi naukę? Jaki jest wpływ płacy minimalnej na poziom zatrudnienia? Jakie rasy kandydatki na dokonanie jej szanse na znalezienie pracy? Oprócz tych wyraźnie przyczynowych pytania, czasami spowodować-skutkowy pytania są ukryte w bardziej ogólnych pytań o maksymalizacji pewnej metryki wydajności. Na przykład, na pytanie "Jaki kolor przycisku pozwoli zmaksymalizować datki na stronie internetowej organizacji pozarządowych?" Jest bardzo wiele pytań dotyczących wpływu różnych kolorach przycisk na datki.

Jednym ze sposobów, aby odpowiedzieć na pytania przyczynowo-skutkowych jest szukanie wzorców w istniejących danych. Na przykład, przy użyciu danych z tysięcy szkół, można obliczyć, że uczniowie uczą się więcej w szkołach, które oferują wysokie pensje nauczycieli. Ale, czy ta korelacja pokazują, że wyższe płace powodują studenci dowiedzieć się więcej? Oczywiście nie. Szkoły, gdzie nauczyciele zarabiają więcej może być różny pod wieloma względami. Na przykład uczniowie w szkołach z wysokimi wynagrodzeniami nauczycieli mogą pochodzić z bogatszych rodzin. Tak więc, co wygląda jak efekt nauczycieli może właśnie z porównania różnych typów studentów. Te różnice między niemierzalnych studentów nazywane są czynniki zakłócające, iw ogóle, możliwość zakłócających sieje spustoszenie na naukowców zdolność do odpowiedzi na pytania przyczynowo-skutkowych, szukając wzorców w istniejących danych.

Jednym z rozwiązań tego problemu czynników zakłócających jest, aby spróbować dokonać uczciwych porównań poprzez dostosowanie do zaobserwowania różnic między grupami. Na przykład, może być w stanie pobierać dane z podatku od nieruchomości z wielu rządowych stron internetowych. Następnie można porównać wyniki uczniów w szkołach, gdzie ceny mieszkań są podobne, ale pensje nauczycielskie są różne, i nadal może okaże się, że uczniowie uczą się więcej w szkołach wyższych płac nauczycieli. Jednak nadal istnieje wiele możliwych czynników zakłócających. Może rodzice tych uczniów różnią się pod względem poziomu wykształcenia czy może szkoły różnią się w ich bliskości do bibliotek publicznych, a może szkoły z wyższym wynagrodzeniem nauczycieli mają także wyższe wynagrodzenia dla dyrektorów i głównych wynagrodzenia, a nie nauczyciel płatnej, to naprawdę to, co rośnie uczenia studentów. Można spróbować zmierzyć także inne czynniki, jak dobrze, ale lista potencjalnych czynników zakłócających jest w zasadzie nieograniczone. W wielu sytuacjach, po prostu nie można zmierzyć i dostosować do wszystkich możliwych czynników zakłócających. Takie podejście może tylko zabrać cię do tej pory.

Lepszym rozwiązaniem problemu czynników zakłócających jest uruchomiony eksperymentów. Eksperymenty naukowców pozwalają wyjść poza korelacji w naturalnie występujących danych, aby rzetelnie odpowiedzieć przyczynowo-efekt pytanie. W wieku analogowego eksperymenty logistycznie często trudne i kosztowne. Teraz, w erze cyfrowej, ograniczenia logistyczne stopniowo zanika. Nie tylko jest to łatwiejsze do zrobienia eksperymenty jak ci naukowcy zrobili w przeszłości, jest obecnie możliwe, aby uruchomić nowe rodzaje eksperymentów.

W co napisałem do tej pory byłem nieco luźny w moim języku, ale ważne jest, aby odróżnić dwie rzeczy: eksperymentów i randomizowanych badań kontrolowanych. W ramach eksperymentu badacz interweniuje na świecie, a następnie mierzy rezultatu. Słyszałem to podejście opisane jako "perturb i obserwować." Strategia ta jest bardzo skuteczna w dziedzinie nauk przyrodniczych, ale w naukach medycznych i społecznych, nie ma innego podejścia, które działa lepiej. W randomizowanym, kontrolowanym eksperymencie badacz interweniuje dla niektórych ludzi, a nie dla innych i krytycznie, badacz decyduje, które ludzie otrzymują interwencję randomizacji (np monetą). Procedura ta zapewnia, że ​​randomizowanych kontrolowanych eksperymentów stworzenie uczciwych porównań między dwie grupy: jedną, która otrzymała interwencję i jeden, który nie. Innymi słowy, randomizowanych kontrolowanych eksperymenty są rozwiązaniem problemów zakłócających. Mimo istotnych różnic między eksperymentów i randomizowanych badań kontrolowanych, badacze społeczni często używać tych terminów zamiennie. Będę obserwować tą konwencję, ale w pewnych momentach, będę łamać konwencję, aby podkreślić wartość randomizowanych badań kontrolowanych eksperymentach nad bez randomizacji i grupy kontrolnej.

Randomizowanych kontrolowanych eksperymenty okazały się skutecznym sposobem, aby dowiedzieć się o świecie społecznym, w tym rozdziale, nauczę cię więcej o sposobach ich wykorzystania w badaniach. W rozdziale 4.2, będę ilustrują podstawową logikę eksperymentów na przykładzie eksperymentu na Wikipedii. Następnie w sekcji 4.3, opiszę różnicę między eksperymentów laboratoryjnych i doświadczeń polowych oraz różnice między eksperymentów analogowych i cyfrowych eksperymentów. Ponadto, będę argumentować, że cyfrowe doświadczenia polowe może zaoferować najlepsze cechy analogowych eksperymentach laboratoryjnych (ścisła kontrola) i doświadczeniach polowych analogowym (realizm), wszystkie w skali nie było to możliwe wcześniej. Następnie w punkcie 4.4, opiszę trzy koncepcje-ważności, niejednorodność efektów leczenia oraz mechanizmy-które są krytyczne przy projektowaniu bogatych doświadczeń. W tym kontekście, opiszę kompromisów związanych z dwóch głównych strategii prowadzenia eksperymentów cyfrowych: robi to sam (sekcja 4.5.1) lub współpracy z potężnym (sekcja 4.5.2). Wreszcie będę wnioskować o kilka rad na temat projektu można skorzystać z realnej władzy eksperymentów cyfrowych (pkt 4.6.1) i opisać niektóre z odpowiedzialnością, że pochodzi z tego uprawnienia (sekcja 4.6.2). W rozdziale tym zostaną zaprezentowane przy minimum notacji matematycznej i języka formalnego; Czytelnicy zainteresowani bardziej formalnego, matematycznego podejścia do eksperymentów powinni również przeczytać w dodatku technicznym na końcu rozdziału.