4.1 Увод

У досадашњим приступима у овом понашању (поглавље 2) и постављању питања (поглавље 3) истраживачи прикупљају податке без намерног и систематског мењања света. Приступ обухваћен експериментима у овом поглављу - у основи је другачији. Када истраживачи покрећу експерименте, они систематски интервенишу у свијету како би креирали податке који су идеално прикладни за одговарање на питања о узрочно-посљедичним односима.

Питања узрочности и ефекти су врло честа у социјалним истраживањима, а примери укључују питања као што су: Да ли повећање плата наставника повећава учење ученика? Какав је утицај минималне зараде на стопу запослености? Како трка апликанта за посао утиче на њену могућност да добије посао? Поред ових експлицитно узрочних питања, понекад узрочно-посљедична питања имплицирају и опћа питања о максимизацији неких метрички учинака. На пример, питање "Која боја треба да буде донатор дугме на веб сајту НВО-а?" Је стварно пуно питања о ефектима различитих боја дугмета на донације.

Један од начина за одговор на питања узрока и ефекта је тражити обрасце у постојећим подацима. На пример, враћајући се на питање о ефектима плата наставника на учење ученика, можете израчунати да ученици више сазнају у школама које нуде високе плате наставника. Али, да ли ова корелација показује да веће зараде доводе до тога да ученици више сазнају? Наравно да не. Школе у ​​којима наставници зарађују више могу бити различити на много начина. На примјер, студенти у школама са високим плата наставника могу потражити од богатијих породица. Дакле, оно што изгледа као ефекат наставника могло би доћи само из упоређивања различитих типова ученика. Ове неизмерене разлике између ученика називају се конфузионери , и, уопште, могућност конфузиониста доводи до опасности на способност истраживача да одговоре на питања узрока и ефекта тражењем шаблона у постојећим подацима.

Једно решење проблема конфоундера је да покуша да направи фер упоређивање тако што ће се прилагодити за видљиве разлике између група. На пример, можда ћете моћи да преузмете податке о порезу имовине са више владиних веб локација. Затим, можете упоређивати ученичке перформансе у школама где су цене становања сличне, али плате наставника су различите, а и даље можете утврдити да ученици више сазнају у школама са вишом платом за наставнике. Али још увек постоји много могућих конфузионера. Можда се родитељи ових студената разликују у свом образовању. Или се можда школе разликују у њиховој близини са јавним библиотекама. Или можда школе са вишим учитељем плати такође имају већу плату за директоре, а главна зарада, а не учитељска плата, заправо је оно што све више учења ученике. Можете и да покушате да измерите и прилагодите ове факторе, али листа потенцијалних конфоундера је у суштини бескрајна. У многим ситуацијама једноставно не можете мерити и прилагодити све могуће конфузере. Као одговор на овај изазов, истраживачи су развили неколико техника за израду узрочних процјена из неексперименталних података - о њима сам разматрао у другом поглављу - али за одређена питања су ове технике ограничене и експерименти нуде обећавајуће алтернатива.

Експерименти омогућавају истраживачима да пређу корелације у природним подацима како би поуздано одговорили на одређена питања узрока и ефекта. У аналогном добу, експерименти су често логистички тешки и скупи. Сада, у дигиталном добу, логистичка ограничења постепено нестају. Не само да је лакше радити експерименте попут оних које су урадили у прошлости, сада је могуће покренути нове врсте експеримената.

У досадашњем тексту сам мало слободан на свом језику, али важно је разликовати две ствари: експерименти и рандомизирани контролисани експерименти. У експерименту истраживач интервенише у свету, а затим мјери исход. Чуо сам тај приступ који је описан као "пертурбација и посматрање". У рандомизираном контролисаном експерименту истраживач интервенише за неке људе, а не за друге, а истраживач одлучује који људи примају интервенцију путем рандомизације (нпр. Флиповање новчића). Рандомизовани контролисани експерименти стварају фер поредјења између две групе: онај који је примио интервенцију и онај који није. Другим речима, рандомизирани контролисани експерименти представљају решење проблема конфоундера. Међутим, експерименти везани за пертурбацију укључују само једну групу која је примила интервенцију, те стога резултати могу довести истраживаче у погрешан закључак (као што ћу ускоро показати). Упркос важним разликама између експеримената и рандомизованих контролисаних експеримената, социјални истраживачи често користе ове изразе наизменично. Пратићу ову конвенцију, али у одређеним тачкама ћу прекршити конвенцију да нагласим вредност рандомизираних контролисаних експеримената у експериментима без рандомизације и контролне групе.

Рандомизовани контролисани експерименти су се показали као моћан начин да сазнате о друштвеном свијету, а у овом поглављу ћу вам показати више о томе како их користити у истраживању. У одељку 4.2, илуструјем основну логику експеримента са примером експеримента на Википедији. Онда ћемо у одељку 4.3 описати разлику између лабораторијских експеримената и експеримената на терену и разлика између аналогних експеримената и дигиталних експеримената. Надаље, тврдим да експерименти на дигиталном пољу могу понудити најбоље карактеристике аналогних лабораторијских експеримената (чврста контрола) и аналогних теренских експеримената (реализам), све у скали која раније није била могуће. Затим, у одељку 4.4, опишем три концепта-валидност, хетерогеност ефеката третмана и механизми који су критични за дизајнирање богатих експеримената. У том контексту, описаћу компромисе укључене у две главне стратегије за спровођење дигиталних експеримената: то сами или партнери са моћним. На крају, закључићу са саветима о томе како можете искористити праве снаге дигиталних експеримената (одељак 4.6.1) и описати неку од одговорности која долази са том снагом (члан 4.6.2).