4.1 Introducere

În abordările acoperite până în prezent în acest comportament observând (Capitolul 2) și pun întrebări (Capitolul 3) -researchers colectează date despre ceea ce este în mod natural în lume. Abordarea acoperită în acest capitol rulează experimente este fundamental diferit. Atunci cand cercetatorii rula experimente, acestea intervin în mod sistematic în lume pentru a crea date care se potrivește în mod ideal pentru a răspunde la întrebări cu privire la relațiile cauză-efect.

Cauză și efect întrebări sunt foarte frecvente în cercetarea socială, și exemple include întrebări, cum ar fi creșterea salariilor Are profesorilor crește învățarea elevilor? Care este efectul salariului minim asupra ratei de angajare? Cum se cursa unui candidat de locuri de munca efect sansa ei de a obține un loc de muncă? În plus față de aceste întrebări în mod explicit cauzale, uneori cauza-efect întrebări sunt implicite în întrebări mai generale cu privire la maximizarea unor metrice de performanță. De exemplu, întrebarea "Ce buton de culoare va maximiza donații pe un ONG site-ul site-ul?" Este într-adevăr o mulțime de întrebări cu privire la efectul diferitelor culori buton pe donații.

O modalitate de a răspunde la întrebări cauza-efect este acela de a cauta modele in datele existente. De exemplu, folosind datele de la mii de școli, s-ar putea calcula că elevii aflați mai multe în școli, care oferă salarii mai mari pentru profesori. Dar nu această corelație arată că salariile mai mari determina pe elevi să învețe mai mult? Desigur că nu. Școlile în care profesorii câștigă mai mult pot diferi în mai multe feluri. De exemplu, elevii din școlile cu salarii mari pentru profesori ar putea proveni din familii bogate. Astfel, ceea ce arata ca un efect al profesorilor ar putea proveni doar din compararea diferitelor tipuri de elevi. Aceste diferențe între elevi nemăsurate se numesc confounders, și , în general, posibilitatea de a confounders face ravagii asupra capacității cercetătorilor de a răspunde la întrebări cauza-efect prin căutarea unor modele în datele existente.

O soluție la problema confounders este de a încerca să facă comparații echitabile prin ajustarea pentru diferențele observabile între cele două grupuri. De exemplu, ați putea fi capabil să descarce date fiscale de proprietate dintr-o serie de site-uri guvernamentale. Apoi, ai putea compara performanța elevilor în școlile în care prețurile de acasă sunt similare, dar salariile profesorilor sunt diferite, și totuși s-ar putea găsi că elevii aflați mai multe în școlile cu salariu mai mare a cadrelor didactice. Însă, există încă mulți posibili factori de confuzie. Poate că părinții acestor elev diferă în nivelul lor de educație sau, poate, școlile diferă în apropierea lor de biblioteci publice sau, poate, școlile cu salariu mai mare profesor de asemenea, au salarii mai mari pentru directori și plătește principal, nu plătesc profesor, este într-adevăr ceea ce este în creștere student de învățare. Ai putea încerca să măsoare acești alți factori, dar lista de posibile este, în esență fără sfârșit confounders. În multe situații, pur și simplu nu se poate măsura și ajusta pentru toate confounders posibil. Această abordare vă poate lua numai până în prezent.

O soluție mai bună la problema confounders se execută experimente. Experimentele permit cercetătorilor să treacă dincolo de corelații în mod natural de date, în scopul de a răspunde în mod fiabil cauză-efect întrebare. În epoca analogic, experimentele au fost de multe ori dificilă și costisitoare logistic. Acum, în era digitală, constrângeri logistice sunt treptat dispar. Nu numai că este mai ușor de făcut experimente ca acei cercetători s-au făcut în trecut, este acum posibil pentru a rula noi tipuri de experimente.

În ceea ce am scris până acum am fost un pic liber în limba mea, dar este important să se facă distincția între două lucruri: experimente si experimente randomizate controlate. Intr - un experiment de un cercetător intervine în lume , iar apoi masoara un rezultat. Am auzit această abordare s-a descris ca fiind "decumpăni și să observe." Această strategie este foarte eficientă în științele naturale, dar în domeniul științelor medicale și sociale, există o altă abordare, care funcționează mai bine. Într - un experiment clinic randomizat , controlat un cercetator intervine pentru unii oameni , și nu pentru alții, și, în mod critic, cercetătorul decide care oamenii primesc intervenția prin randomizare ( de exemplu, arunca o moneda). Această procedură se asigură că experimentele randomizate controlate, crearea unor comparații echitabile între două grupuri: unul care a primit intervenția și una care nu are. Cu alte cuvinte, experimente controlate randomizate sunt o soluție pentru problemele de la alți factori. În ciuda diferențelor importante dintre experimente si experimente randomizate controlate, cercetatorii sociale folosesc adesea acești termeni în mod interschimbabil. Voi urmări această convenție, dar, în anumite puncte, voi rupe convenția pentru a sublinia valoarea de experimente controlate randomizate peste experimente fără randomizare și un grup de control.

Experimentele controlate randomizate s-au dovedit a fi o modalitate puternică de a învăța despre lumea socială, și în acest capitol, eu voi învăța mai multe despre cum să le folosească în cercetare. În secțiunea 4.2, voi ilustra logica de bază a experimentelor cu un exemplu de un experiment pe Wikipedia. Apoi, în secțiunea 4.3, voi descrie diferența dintre experimente de laborator si experimente pe teren și diferențele dintre experimente analogice și digitale experimente. În plus, voi argumenta că experimentele de teren digitale pot oferi cele mai bune caracteristici ale experimentelor de laborator analogice (un control strict) și experimente de câmp analogic (realism), toate la o scară care nu a fost posibil anterior. În continuare, în secțiunea 4.4, voi descrie trei concepte-valabilitate, eterogenitatea efectelor tratamentului, și mecanisme care sunt critice pentru proiectarea de experimente bogate. Cu acest context, voi descrie compromisurile implicate în cele două strategii principale pentru realizarea de experimente digitale: a face singur (secțiunea 4.5.1) sau parteneriatul cu puternicul (secțiunea 4.5.2). În cele din urmă, voi încheia cu câteva sfaturi de design cu privire la modul în care puteți profita de puterea reală a experimentelor digitale (secțiunea 4.6.1) și descrie o parte de responsabilitate care vine cu acea putere (secțiunea 4.6.2). Acest capitol va fi prezentat cu un minim de notație matematice și limbaj formal; cititorii interesați într-o abordare mai formală, matematică pentru experimente ar trebui să citească, de asemenea, apendicele tehnic, la sfârșitul capitolului.