4.1 Úvod

V prístupoch, ktoré sa zatiaľ zaoberajú týmto správaním (kapitola 2) a kladením otázok (kapitola 3), výskumníci zhromažďujú údaje bez úmyselného a systematického výmeny sveta. Prístup obsiahnutý v tejto kapitole - experimenty bežiace - je zásadne odlišný. Keď výskumníci vykonávajú experimenty, systematicky zasahujú do sveta, aby vytvorili dáta, ktoré sú ideálne na zodpovedanie otázok o príčinných súvislostiach.

Otázky súvisiace s príčinami a účinkami sú v spoločenskom výskume veľmi časté a príklady zahŕňajú také otázky, ako napríklad: Zvyšujú sa platové mzdy učiteľov zvýšené vzdelávanie študentov? Aký je vplyv minimálnej mzdy na mieru zamestnanosti? Ako ovplyvňuje rasa žiadateľa o zamestnanie šancu na získanie zamestnania? Okrem týchto explicitných kauzálnych otázok sú niekedy spojené príčiny a dôsledky na všeobecnejšie otázky o maximalizácii niektorých ukazovateľov výkonnosti. Napríklad otázka "Akú farbu má darovať tlačidlo na webových stránkach mimovládnych organizácií?" Je naozaj veľa otázok o vplyve rôznych farieb tlačidiel na dary.

Jedným zo spôsobov, ako odpovedať na príčiny a následky, je hľadať vzory v existujúcich údajoch. Ak sa napríklad vrátite k otázke o vplyve platov učiteľov na vzdelávanie študentov, môžete spočítať, že študenti sa učia viac v školách, ktoré ponúkajú vysoké platy učiteľov. Ale táto korelácia ukazuje, že vyššie platy spôsobujú, že sa študenti učia viac? Samozrejme, že nie. Školy, kde učitelia zarábajú viac, sa môžu v mnohých ohľadoch líšiť. Napríklad študenti v školách s vysokými mzdami učiteľov môžu pochádzať z bohatších rodín. To, čo vyzerá ako efekt učiteľov, môže jednoducho pochádzať z porovnania rôznych typov študentov. Tieto nezmerané rozdiely medzi študentmi sa nazývajú zbytočnými a vo všeobecnosti možnosť zámeny spôsobuje zmätok na schopnosť výskumných pracovníkov odpovedať na príčiny a následky hľadaním vzorov v existujúcich údajoch.

Jedným z riešení problému zmätencov je snaha o spravodlivé porovnanie úpravou pozorovateľných rozdielov medzi skupinami. Môžete napríklad stiahnuť údaje o daniach z nehnuteľností z viacerých vládnych webových stránok. Potom by ste mohli porovnávať výkonnosť študentov v školách, kde sú ceny domov podobné, ale platy učiteľov sú odlišné a stále by ste mohli zistiť, že študenti sa učia viac v školách s vyšším platom učiteľov. Existuje však ešte mnoho možných problémov. Možno sa rodičia týchto študentov líšia vo svojej úrovni vzdelania. Alebo sa školy môžu líšiť v ich blízkosti k verejným knižniciam. Alebo školy s vyšším platom učiteľov majú tiež vyššiu platbu pre riaditeľov, a hlavná mzda, a nie výplata učiteľov, je naozaj to, čo zvyšuje vzdelávanie študentov. Mohli by ste sa pokúsiť zmerať a prispôsobiť aj týmto faktorom, ale zoznam možných zmätencov je v podstate nekonečný. V mnohých situáciách jednoducho nemôžete merať a prispôsobiť všetky možné zmätok. Ako odpoveď na túto výzvu výskumníci vyvinuli niekoľko techník na tvorbu kauzálnych odhadov z nepeteriálnych údajov - niektoré z nich som diskutoval v kapitole 2, ale pre určité druhy otázok sú tieto techniky obmedzené a experimenty ponúkajú sľubné alternatíva.

Experimenty umožňujú výskumníkom prekonať korelácie v prirodzene sa vyskytujúcich údajoch, aby spoľahlivo odpovedali na niektoré otázky týkajúce sa príčin a následkov. V analógovom veku boli experimenty často logisticky ťažké a drahé. Teraz v digitálnom veku sa logistické obmedzenia postupne strácajú. Nielen, že je jednoduchšie robiť experimenty ako v minulosti, je teraz možné spustiť nové druhy experimentov.

V tom, čo som napísal doteraz som bol trochu voľný v mojom jazyku, ale je dôležité rozlišovať medzi dvoma vecami: experimenty a randomizované kontrolované experimenty. V experimente zasiahne výskumník vo svete a potom meria výsledok. Počul som, že tento prístup je opísaný ako "narušiť a pozorovať". V randomizovanom kontrolovanom experimente zasahuje výskumný pracovník pre niektorých ľudí, a nie pre iných, a výskumník rozhoduje, ktorý ľudia dostanú intervenciu náhodným výberom (napr. Randomizované kontrolované experimenty vytvárajú spravodlivé porovnanie medzi dvoma skupinami: ten, ktorý dostal intervenciu, a ten, ktorý nie. Inými slovami, randomizované kontrolované experimenty sú riešením problémov zmätencov. Experimenty týkajúce sa rozptýlenia a pozorovania však zahŕňajú iba jednu skupinu, ktorá dostala intervenciu, a preto výsledky môžu viesť vedcov k nesprávnemu záveru (ako to čoskoro ukážu). Napriek dôležitým rozdielom medzi experimentmi a randomizovanými kontrolovanými experimentmi, sociálni vedci často používajú tieto pojmy zameniteľné. Budem nasledovať túto konvenciu, avšak v určitých bodoch rozdelím dohovor, aby som zdôraznil hodnotu randomizovaných kontrolovaných experimentov v porovnaní s experimentmi bez randomizácie a kontrolnej skupiny.

Randomizované kontrolované experimenty sa ukázali ako silný spôsob, ako sa dozvedieť o spoločenskom svete, a v tejto kapitole vám ukážem viac informácií o tom, ako ich použiť vo svojom výskume. V časti 4.2 budem ilustrovať základnú logiku experimentovania s príkladom experimentu na Wikipédii. Potom v časti 4.3 opíšem rozdiel medzi laboratórnymi experimentmi a terénnymi pokusmi a rozdielmi medzi analógovými experimentmi a digitálnymi experimentmi. Ďalej budem tvrdiť, že experimenty s digitálnymi poľami môžu ponúkať najlepšie vlastnosti analógových laboratórnych experimentov (tesné ovládanie) a analógových experimentov na poli (realistický), a to všetko v takej mierke, ktorá predtým nebola možná. Ďalej v časti 4.4 budem opísať tri pojmy - platnosť, heterogenita účinkov liečby a mechanizmy - ktoré sú rozhodujúce pre navrhovanie bohatých experimentov. S týmto pozadím budem popísať kompromisy, ktoré sa podieľajú na dvoch hlavných stratégiách pre vykonávanie digitálnych experimentov: robiť to sami alebo partnerstvo s výkonnými. Na záver skončím niekoľko návrhových rád o tom, ako môžete využiť skutočnú silu digitálnych experimentov (časť 4.6.1) a popísať časť zodpovednosti, ktorá prichádza s touto silou (časť 4.6.2).