4.1 Introducere

În abordările abordate până în prezent în acest comportament de observare a cărților (capitolul 2) și în a pune întrebări (capitolul 3), cercetătorii colectează date fără a schimba în mod intenționat și sistematic lumea. Abordarea abordată în acest capitol - desfășurarea experimentelor - este fundamental diferită. Când cercetătorii efectuează experimente, ei intervin în mod sistematic în lume pentru a crea date care sunt ideale pentru a răspunde la întrebări despre relațiile cauză-efect.

Problemele legate de cauză și efect sunt foarte frecvente în cercetarea socială, iar exemplele includ întrebări precum: Creșterea salariilor profesorilor crește învățarea elevilor? Care este efectul salariului minim asupra ratelor de ocupare a forței de muncă? Cum poate rasa reclamantului să afecteze șansa de a obține un loc de muncă? În plus față de aceste întrebări cauzale explicite, uneori întrebările cu cauză și efect implică întrebări mai generale despre maximizarea unei anumite valori de performanță. De exemplu, întrebarea "Ce culoare ar trebui să fie butonul donat pe site-ul unui ONG?" Este într-adevăr o mulțime de întrebări cu privire la efectul diferitelor culori ale butoanelor asupra donațiilor.

O modalitate de a răspunde la întrebările cu cauză și efect este să căutați modele în datele existente. De exemplu, revenind la întrebarea despre efectul salariilor profesorilor asupra învățării elevilor, ați putea calcula că elevii învață mai multe în școlile care oferă salarii mari pentru profesori. Dar, această corelație arată că salariile mai mari determină elevii să învețe mai mult? Desigur că nu. Școlile în care profesorii câștigă mai mult pot fi diferite în multe feluri. De exemplu, elevii din școlile cu salarii mari din partea profesorilor ar putea proveni din familii mai înstărite. Astfel, ceea ce arata ca un efect al profesorilor ar putea proveni doar din compararea diferitelor tipuri de studenti. Aceste diferențe nemaivăzute între studenți sunt numite confunderi și, în general, posibilitatea unor confuzori răstoarnă capacitatea cercetătorilor de a răspunde la întrebările cauzate de efect prin căutarea modelelor din datele existente.

O soluție la problema confunderilor este aceea de a încerca să facă comparații echitabile prin ajustarea diferențelor observabile între grupuri. De exemplu, este posibil să descărcați date privind impozitul pe proprietăți dintr-un număr de site-uri guvernamentale. Apoi, ați putea compara performanța studenților în școli în care prețurile la domiciliu sunt similare, dar salariile profesorilor sunt diferite și puteți totuși să aflați că elevii învață mai multe în școlile cu salariu mai mare pentru profesori. Dar există încă mulți factori de confuzie. Poate că părinții acestor studenți diferă în nivelul de educație. Sau poate școlile diferă în apropierea lor de bibliotecile publice. Sau, poate, școlile cu un grad mai mare de salarizare a cadrelor didactice au, de asemenea, o remunerație mai mare pentru directori, iar salariul principal, și nu cel al profesorilor, este într-adevăr ceea ce înseamnă creșterea învățării elevilor. Puteți încerca să măsurați și să ajustați și pentru acești factori, însă lista eventualelor confunderi este în esență nesfârșită. În multe situații, pur și simplu nu puteți măsura și adapta pentru toți potențialii confundători. Ca răspuns la această provocare, cercetătorii au dezvoltat o serie de tehnici pentru a face estimări cauzale din date non-experimentale - am discutat despre unele dintre acestea în capitolul 2 - dar, pentru anumite tipuri de întrebări, aceste tehnici sunt limitate, iar experimentele oferă o promisiune alternativă.

Experimentele permit cercetătorilor să treacă dincolo de corelațiile din datele apărute în mod natural, pentru a răspunde în mod fiabil la anumite întrebări legate de cauze și efecte. În epoca analogică, experimentele erau adesea dificile și costisitoare din punct de vedere logistic. Acum, în era digitală, constrângerile logistice dispare treptat. Nu numai că este mai ușor să faci experimente ca cele realizate în trecut, acum este posibil să rulați noi tipuri de experimente.

În ceea ce am scris până acum, am fost puțin liber în limba mea, dar este important să distingem două lucruri: experimente și experimente controlate aleatoriu. Într-un experiment , un cercetător intervine în lume și apoi măsoară un rezultat. Am auzit că această abordare este descrisă ca fiind "perturbată și observată". Într-un experiment controlat, randomizat, un cercetător intervine pentru unii oameni și nu pentru alții, iar cercetătorul decide care sunt persoanele care primesc intervenția prin randomizare (de ex., Răsturnând o monedă). Experimentele controlate randomizate creează comparații echitabile între două grupuri: una care a primit intervenția și una care nu a făcut-o. Cu alte cuvinte, experimentele controlate randomizate reprezintă o soluție la problemele confunderilor. Experimentele cu privire la perturbare și observație implică totuși numai un singur grup care a primit intervenția și, prin urmare, rezultatele pot conduce cercetătorii la o concluzie greșită (așa cum voi arăta în curând). În ciuda diferențelor importante dintre experimente și experimente controlate în mod aleatoriu, cercetătorii sociali folosesc adesea acești termeni interschimbabil. Voi urma această convenție, dar, în anumite puncte, voi rupe convenția pentru a sublinia valoarea experimentelor controlate, randomizate, asupra experimentelor fără randomizare și un grup de control.

Experimentele controlate în mod aleatoriu s-au dovedit a fi o modalitate puternică de a învăța despre lumea socială, iar în acest capitol vă voi arăta mai multe despre cum să le folosiți în cercetarea voastră. În secțiunea 4.2, voi ilustra logica de bază a experimentării cu un exemplu de experiment pe Wikipedia. Apoi, în secțiunea 4.3, voi descrie diferența dintre experimentele de laborator și experimentele pe câmp și diferențele dintre experimentele analogice și experimentele digitale. Mai mult, voi susține că experimentele pe câmpuri digitale pot oferi cele mai bune caracteristici ale experimentelor de laborator analogice (controlul strict) și experimentelor pe teren analogic (realism), toate la o scară care nu a fost posibilă anterior. În continuare, în secțiunea 4.4, voi descrie trei concepte - valabilitatea, eterogenitatea efectelor tratamentului și mecanismele - care sunt esențiale pentru proiectarea experimentelor bogate. În acest context, voi descrie compromisurile implicate în cele două strategii principale de desfășurare a experimentelor digitale: să o faci singur sau să colaborezi cu cei puternici. În cele din urmă, voi încheia cu câteva sfaturi despre cum puteți profita de puterea reală a experimentelor digitale (secțiunea 4.6.1) și descrieți o parte din responsabilitatea care vine cu acea putere (secțiunea 4.6.2).