Experimentos medir o que aconteceu. Mecanismos de explicar por que e como isso aconteceu.
A terceira ideia-chave para ir além das experiências simples é mecanismos . Mecanismos nos dizem por que ou como um tratamento causou um efeito. O processo de busca de mecanismos também é chamado às vezes de procurar variáveis intervenientes ou variáveis de mediação . Embora os experimentos sejam bons para estimar os efeitos causais, eles muitas vezes não são projetados para revelar mecanismos. Os experimentos digitais podem nos ajudar a identificar os mecanismos de duas maneiras: (1) eles nos permitem coletar mais dados de processo e (2) permitem testar muitos tratamentos relacionados.
Como os mecanismos são difíceis de definir formalmente (Hedström and Ylikoski 2010) , vou começar com um exemplo simples: limão e escorbuto (Gerber and Green 2012) . No século XVIII, os médicos tinham uma boa noção de que, quando os marinheiros comiam limas, não sofriam de escorbuto. O escorbuto é uma doença terrível, então essa era uma informação poderosa. Mas esses médicos não sabiam por que as limas impediam o escorbuto. Foi somente em 1932, quase 200 anos depois, que os cientistas puderam mostrar com segurança que a vitamina C era a razão pela qual a cal evitava o escorbuto (Carpenter 1988, 191) . Nesse caso, a vitamina C é o mecanismo pelo qual as limas evitam o escorbuto (figura 4.10). É claro que identificar o mecanismo também é muito importante cientificamente - muita ciência é sobre entender por que as coisas acontecem. Identificar mecanismos também é muito importante na prática. Uma vez que entendemos por que um tratamento funciona, podemos potencialmente desenvolver novos tratamentos que funcionem ainda melhor.
Infelizmente, os mecanismos de isolamento são muito difíceis. Diferentemente do limão e do escorbuto, em muitos contextos sociais, os tratamentos provavelmente operam através de muitos caminhos inter-relacionados. No entanto, no caso das normas sociais e do uso de energia, os pesquisadores tentaram isolar mecanismos, coletando dados de processos e testando tratamentos relacionados.
Uma maneira de testar possíveis mecanismos é coletando dados do processo sobre como o tratamento afetou possíveis mecanismos. Por exemplo, lembre-se de que Allcott (2011) mostrou que a Home Energy Reports fez com que as pessoas Allcott (2011) seu uso de eletricidade. Mas como esses relatórios reduziram o uso de eletricidade? Quais foram os mecanismos? Em um estudo de acompanhamento, Allcott and Rogers (2014) firmaram uma parceria com uma empresa de energia que, por meio de um programa de descontos, adquiriu informações sobre quais consumidores atualizaram seus aparelhos para modelos com maior eficiência energética. Allcott and Rogers (2014) descobriram que pouco mais pessoas recebendo o Home Energy Reports atualizaram seus aparelhos. Mas essa diferença era tão pequena que poderia responder por apenas 2% da redução no uso de energia nos domicílios tratados. Em outras palavras, as atualizações de aparelhos não foram o mecanismo dominante por meio do qual o Relatório de Energia Residencial diminuiu o consumo de eletricidade.
Uma segunda maneira de estudar mecanismos é realizar experimentos com versões ligeiramente diferentes do tratamento. Por exemplo, no experimento de Schultz et al. (2007) e todos os experimentos subseqüentes do Relatório de Energia Domiciliar, os participantes receberam um tratamento que tinha duas partes principais (1) dicas sobre economia de energia e (2) informações sobre seu uso de energia em relação a seus pares (figura 4.6). Assim, é possível que as dicas de economia de energia tenham sido as causas da mudança, e não a informação dos pares. Para avaliar a possibilidade de que as pontas sozinhas tenham sido suficientes, Ferraro, Miranda, and Price (2011) firmaram uma parceria com uma empresa de água perto de Atlanta, Geórgia, e conduziram um experimento relacionado à conservação da água envolvendo cerca de 100.000 residências. Havia quatro condições:
Os pesquisadores descobriram que o tratamento com apenas dicas não teve efeito sobre o uso da água nos períodos curto (um ano), médio (dois anos) e longo (três anos). As dicas e o tratamento de apelo levaram os participantes a diminuir o consumo de água, mas apenas a curto prazo. Por fim, as dicas e o recurso mais o tratamento de informações por pares causaram uma diminuição no uso a curto, médio e longo prazo (figura 4.11). Esses tipos de experimentos com tratamentos separados são uma boa maneira de descobrir que parte do tratamento - ou quais partes juntas - são as que estão causando o efeito (Gerber and Green 2012, sec. 10.6) . Por exemplo, o experimento de Ferraro e colegas nos mostra que apenas as dicas de economia de água não são suficientes para diminuir o uso da água.
Idealmente, seria possível ir além da estratificação de componentes (dicas; dicas e apelo; dicas mais apelo e informações de colegas) para um planejamento fatorial completo - também chamado de design fatorial \(2^k\) - em que cada combinação possível do três elementos são testados (tabela 4.1). Ao testar todas as combinações possíveis de componentes, os pesquisadores podem avaliar totalmente o efeito de cada componente isoladamente e em combinação. Por exemplo, o experimento de Ferraro e colegas não revela se a comparação de pares por si só seria suficiente para levar a mudanças de longo prazo no comportamento. No passado, esses experimentos fatoriais completos têm sido difíceis de executar porque exigem um grande número de participantes e exigem que os pesquisadores possam controlar com precisão e fornecer um grande número de tratamentos. Mas, em algumas situações, a era digital remove essas restrições logísticas.
Tratamento | Características |
---|---|
1 | Ao controle |
2 | Dicas |
3 | Recurso |
4 | Informações dos pares |
5 | Dicas + apelação |
6 | Dicas + informações de pares |
7 | Recurso + informação de pares |
8 | Dicas + apelação + informações de colegas |
Em resumo, os mecanismos - os caminhos pelos quais um tratamento tem efeito - são incrivelmente importantes. Os experimentos da era digital podem ajudar os pesquisadores a aprenderem sobre os mecanismos (1) coletando dados do processo e (2) possibilitando planejamentos fatoriais completos. Os mecanismos sugeridos por essas abordagens podem ser testados diretamente por experimentos projetados especificamente para testar mecanismos (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) .
No total, esses três conceitos - validade, heterogeneidade dos efeitos do tratamento e mecanismos - fornecem um poderoso conjunto de ideias para projetar e interpretar experimentos. Esses conceitos ajudam os pesquisadores a ir além de simples experimentos sobre o que “funciona” para experiências mais ricas que têm ligações mais estreitas com a teoria, que revelam onde e por que os tratamentos funcionam e que podem até ajudar os pesquisadores a desenvolver tratamentos mais eficazes. Dado este contexto conceitual sobre experimentos, vou agora ver como você pode realmente fazer suas experiências acontecerem.