4.1 Hyrje

Në qasjet e mbuluar deri më tani në këtë sjellje libër-respektuar (Kapitulli 2) dhe pyetje (Kapitulli 3) -researchers të mbledhë të dhëna për atë që është e natyrshme që ndodhin në botë. Qasja e mbuluar në këtë kapitull-running eksperimente-është krejtësisht e ndryshme. Kur hulumtuesit drejtuar eksperimente, ata sistematikisht ndërhyjë në botë për të krijuar të dhëna që është e përshtatshme në mënyrë ideale për të iu përgjigjur pyetjeve rreth marrëdhënieve shkak-pasojë.

Shkak-dhe-efekt pyetje janë shumë të zakonshme në hulumtimet sociale, dhe shembuj përfshin pyetje të tilla si A rritur pagat e mësuesve rritet nxënës të mësuarit? Cili është efekti i pagës minimale në normat e punësimit? Si funksionon garë një aplikantit Jobit efekt shansin e saj për të marrë një punë? Përveç këtyre pyetjeve në mënyrë të qartë shkakësore, nganjëherë shkaktojnë-dhe-efekt pyetje janë nënkuptuar në pyetje më të përgjithshme në lidhje me maksimizimin e një metrikë të performancës. Për shembull, pyetja "Çfarë button color do të maksimizuar donacione në një vend OJQ website?" Është me të vërtetë shumë e pyetjeve në lidhje me efektin e ngjyrave të ndryshme button për donacione.

Një mënyrë për t'iu përgjigjur pyetjeve shkak-pasojë është që të shikoni për modele në të dhënat ekzistuese. Për shembull, duke përdorur të dhënat nga mijëra shkolla, ju mund të llogaritni se nxënësit mësojnë më shumë në shkollat ​​që ofrojnë pagat e larta të mësimdhënësve. Por, e bën këtë korrelacion tregojnë se pagat më të larta të shkaktojë nxënësit për të mësuar më shumë? Sigurisht që jo. Shkollat ​​ku mësuesit të fitojnë më shumë mund të jenë të ndryshme në shumë mënyra. Për shembull, nxënësit e shkollave me pagat e larta mësuesve mund të vijnë nga familje të pasura. Kështu, ajo që duket si një efekt i mësuesve mund të vijë vetëm nga krahasimi i llojeve të ndryshme të nxënësve. Këto dallime pakufishëm mes nxënësve quhen confounders, dhe në përgjithësi, mundësia e confounders bën kërdi në aftësinë e kërkuesve për t'iu përgjigjur pyetjeve shkak-pasojë duke kërkuar për modele në të dhënat ekzistuese.

Një zgjidhje për problemin e confounders është që të përpiqet të bëjë krahasime të ndershme, duke rregulluar për dallimet vëzhgueshme midis grupeve. Për shembull, ju mund të jetë në gjendje për të shkarkuar të dhënat e tatimit në pronë nga një numër të faqet e internetit të qeverisë. Pastaj, ju mund të krahasoni performancën e nxënësve në shkollat ​​ku çmimet në shtëpi janë të ngjashme, por pagat e mësuesve janë të ndryshme, dhe ju ende mund të gjeni se nxënësit mësojnë më shumë në shkollat ​​me paga më të larta të mësimdhënësve. Por, ka ende shumë confounders mundshme. Ndoshta prindërit e këtyre studentëve ndryshojnë në nivelin e tyre të arsimimit apo ndoshta shkollat ​​ndryshojnë në afërsinë e tyre për bibliotekat publike ose ndoshta shkollat ​​me paga më të larta mësimdhënësve të kenë paga më të larta për drejtorët dhe të paguajnë kryesor, nuk paguajnë mësues, është me të vërtetë ajo është në rritje të mësuarit të studentëve. Ju mund të provoni për të matur këta faktorë të tjerë, si dhe, por lista e confounders mundshme është në thelb e pafund. Në shumë situata, ju thjesht nuk mund të masë dhe të rregullojë të gjitha confounders e mundshme. Kjo qasje mund të ju deri më tani.

Një zgjidhje më të mirë për problemin e confounders po kandidon eksperimente. Eksperimentet mundësuar kërkuesit për të lëvizur përtej korrelacioneve në natyrale e të dhënave në mënyrë të besueshme përgjigjur pyetjes shkak-dhe-efekt. Në moshën analog, eksperimentet ishin shpesh logjistike vështirë dhe e shtrenjtë. Tani, në moshën dixhitale, kufizimet logjistike janë gradualisht po vyshket larg. Jo vetëm që është e lehtë për të bërë eksperimente si ato hulumtuesit kanë bërë në të kaluarën, tani është e mundur për të drejtuar lloje të reja të eksperimenteve.

Në atë që unë kam shkruar deri tani unë kam qenë pak më të lirshme në gjuhën time, por është e rëndësishme të bëhet dallimi në mes të dy gjërave: eksperimente dhe randomized eksperimente të kontrolluara. Në një eksperiment një studiues ndërhyn në botë dhe pastaj mat një rezultat. Unë e kam dëgjuar këtë qasje përshkruar si "shqetësoj dhe të respektojë." Kjo strategji është shumë efektive në shkencat natyrore, por në shkencat mjekësore dhe sociale, ka një tjetër qasje që punon më mirë. Në një eksperiment randomized kontrolluar një studiues ndërhyn për disa njerëz dhe jo për të tjerët, dhe, në mënyrë kritike, studiuesi vendos të cilën njerëzit marrin ndërhyrjen nga randomization (p.sh., Flipping një monedhë). Kjo procedurë siguron që randomized eksperimente të kontrolluara krijuar krahasime drejta midis dy grupe: një që ka pranuar ndërhyrjen dhe një që nuk e ka. Me fjalë të tjera, randomized eksperimente të kontrolluara janë një zgjidhje për problemet e confounders. Pavarësisht nga dallimet e rëndësishme në mes të eksperimenteve dhe randomized eksperimente të kontrolluara, shkencëtarët socialë shpesh përdorin këto terma interchangeably. Unë do të ndjek këtë konventë, por, në pika të caktuara, unë do të thyejnë në kongres për të theksuar vlerën e eksperimenteve randomized kontrolluar mbi eksperimente pa randomization dhe një grup kontrolli.

Randomized eksperimente të kontrolluara kanë provuar të jetë një mënyrë e fuqishme për të mësuar në lidhje me botën sociale, dhe në këtë kapitull, unë do t'ju mësojë më shumë rreth asaj se si të përdorin ato në kërkimin tuaj. Në nenin 4.2, unë do të ilustruar logjikën bazë të eksperimentimit me një shembull të një eksperimenti në Wikipedia. Pastaj, në nenin 4.3, unë do të përshkruajnë dallimin në mes të eksperimenteve laboratorike dhe eksperimentet në terren dhe dallimet në mes të eksperimenteve analoge dhe dixhitale eksperimente. Më tej, unë do të argumentojnë se eksperimentet në terren digjitale mund të ofrojë karakteristikat më të mira të eksperimenteve laboratorike analoge (kontrollit të ngushtë) dhe eksperimentet në terren analog (realizmi), të gjitha në një shkallë që nuk ishte e mundur më parë. Tjetra, në nenin 4.4, unë do të përshkruaj tri koncepte-vlefshmërinë, heterogjenitetin e efekteve të trajtimit, dhe mekanizmat-që janë kritike për dizajnimin eksperimente të pasur. Me këtë sfond, unë do të përshkruaj kompromiset e përfshirë në dy strategjitë kryesore për kryerjen e eksperimenteve dixhitale: duke bërë atë vetë (Seksioni 4.5.1) ose në partneritet me të fuqishme (Seksioni 4.5.2). Së fundi, unë do të përfundoj me disa këshilla të projektimit se si ju mund të përfitojnë nga fuqia e vërtetë e eksperimenteve digjitale (seksioni 4.6.1) dhe përshkruajnë disa përgjegjësi që vjen me këtë fuqi (Seksioni 4.6.2). Kapitulli do të paraqitet me një minimum prej simbol matematikore dhe gjuhë zyrtare; lexuesit e interesuar në një qasje më formale, matematikore për eksperimentet duhet të lexoni shtojcën teknike në fund të kapitullit.