4.1 Увод

У приступа до сада обухваћене у овој књизи-посматрање понашања (поглавље 2) и постављају питања (Поглавље 3) -ресеарцхерс прикупља податке о томе шта се природно јавља у свету. Приступ покривен у овом поглављу-ради експеримената-се битно разликује. Када су истраживачи изводити експерименте, они систематски интервенише у свету за стварање података који се идеалних за одговарање на питања о узрочно-последичних односа.

Цаусе-и-ефекта питања су веома честе у друштвена истраживања, а примери укључује питања као што су Да ли повећање плата наставника повећати ученика учи? Шта је ефекат минималне зараде на стопе запослености? Како трка подносиоца посао је извршити своју шансу да добије посао? Поред ових експлицитно узрочних питања, понекад изазвати-и-ефекта питања су имплицитни у више општих питања о максимизацију неке мјерило резултата. На пример, на питање "Шта дугме боја ће максимално донације на сајту сајту НВО?" Заиста много питања о утицају различитих боја дугме на донацијама.

Један од начина да се одговори на узрок-последица питања је тражити образаца у постојећим подацима. На пример, користећи податке из хиљада школа, можда рачунају да ученици науче више у школама које нуде високе плате наставника. Али, да ли то корелација показује да веће плате изазвати студенти да сазнате више? Наравно да не. Школе у ​​којима наставници зарађују више могу да се разликују у много чему. На пример, ученици у школама са високим платама наставника може доћи из имућнијих породица. Тако, оно што изгледа као ефекат наставника само могао доћи из поређења различитих врста ученика. Ове немерен разлике међу ученицима називају цонфоундерс, и уопште, могућност цонфоундерс донесе праву пустош на истраживача способности да одговори узрок-последица питања тражећи образаца у постојећим подацима.

Једно од решења за проблем цонфоундерс је да покуша да фер поређења прилагођавањем за видљивим разликама између група. На пример, можда ћете моћи да преузмете пореза на имовину податке из бројних владиних сајтова. Затим, можете да упоредите перформансе ученика у школама у којима су цене кућа слично, али плате наставника су различити, а још увек могу да пронађу студенти уче више у школама са већим наставника плате. Али, и даље постоји много могућих цонфоундерс. Можда су родитељи ових ученика се разликују у њиховом нивоу образовања или можда у школе разликују у њиховој блискости у јавним библиотекама или можда у школама са већим наставника плате имају веће плате за директоре и главне плате, не учитељ плата, заиста шта је у порасту student учење. Можете покушати да мери ове друге факторе, као, али је списак могућих цонфоундерс је у суштини бесконачна. У многим ситуацијама, ви једноставно не могу мерити и прилагодити за све могуће цонфоундерс. Овај приступ може одвести само толико далеко.

Боље решење за проблем цонфоундерс ради експерименте. Експерименти омогућити истраживачима да превазиђе корелација у природно података како би се поуздано одговорити узрок и последице питање. У аналогном добу, експерименти су често били логистички тешко и скупо. Сада, у дигиталном добу, логистички ограничења су постепено бледи. Не само да је лакше радити експерименти попут оних истраживача учинили у прошлости, сада је могуће покренути нове врсте експеримената.

У ономе што сам до сада написано да сам био мало на слободи у мом језику, али је важно да се направи разлика између две ствари: експеримента и рандомизираних контролисаних експеримената. У експерименту истраживач интервенише у свету и затим мери исход. Чуо сам овај приступ описан као "пореметити и посматрају." Ова стратегија је веома ефикасна у природним наукама, али у медицинским и друштвеним наукама, постоји још један приступ који функционише боље. У случајном контролисаном експерименту истраживач интервенише за неке људе, а не за друге, и, критички, истраживач одлучује који људи примају интервенцију насумичног (на пример, бацање новчића). Овај поступак омогућава да рандомизиране контролисане експерименти креирања фер поређења између две групе: једна која је примила интервенцију и онај који има не. Другим речима, рандомизиране контролисане експерименти су решење за проблеме цонфоундерс. Упркос значајним разликама између експеримената и рандомизираних контролисаних експеримената, социјалне истраживачи често користе ове термине наизменично. Ја ћу пратити ову конвенцију, али, на појединим местима, ја ћу разбити конвенцију да нагласи вредност рандомизираних контролисаних експеримената над експериментима без насумичног и контролне групе.

Рандомизед цонтроллед експерименти су показали да је моћан начин да се упознају са друштвеног света, и у овом поглављу, ја ћу те научити више о томе како да их користе у истраживању. У члану 4.2, ја ћу илустровати основни логику експериментисања са примером једног експеримента на Википедиа. Затим, у одељку 4.3, ја ћу описати разлику између лабораторијских експеримената и пољским огледима и разликама између аналогних и дигиталних експеримената експеримената. Даље, ја ћу рећи да дигитални теренски експерименти могу понудити најбоље особине аналогних лабораторијских експеримената (Тигхт Цонтрол) и аналогни терену експерименте (реализам), а све у скали која претходно није било могуће. Затим, у одељку 4.4, ја ћу описати три концепта-валидност, хетерогеност ефеката лечења, као и механизми-који су од пресудног значаја за дизајнирање богат експерименте. Са том контексту, ја ћу описати компромисе који су укључени у два главна стратегија за спровођење дигиталне експерименте: то раде сами (Одељак 4.5.1) или партнерство са моћним (члан 4.5.2). На крају, ја ћу завршити са неком дизајн савете о томе како можете искористити за стварну моћ дигиталних експеримената (Одељак 4.6.1) и описати неке од одговорности која долази са том снагом (члан 4.6.2). Ово поглавље ће бити представљен са најмање математичкој нотацији и формалног језика; читаоци заинтересовани у више формално, математички приступ експериментима треба да прочита Технички Додатак на крају поглавља.