4.1 Kuanzishwa

Katika njia zilizotajwa hadi sasa katika tabia hii ya kuchunguza kitabu (sura ya 2) na kuuliza maswali (sura ya 3) - wafuatiliaji kukusanya data bila kwa makusudi na kwa ufanisi kubadilisha dunia. Njia iliyofunikwa katika majaribio haya ya sura-ni tofauti kabisa. Watafiti wanapoendesha majaribio, wao huingilia kati kwa ufanisi ulimwenguni ili kuunda data ambayo inafaa kwa kujibu maswali kuhusu mahusiano ya kusababisha-na-athari.

Maswali-na-athari maswali ni ya kawaida katika utafiti wa kijamii, na mifano ni pamoja na maswali kama vile: Je! Kuongeza mishahara ya walimu huongeza wanafunzi kujifunza? Je! Matokeo ya mshahara wa chini juu ya viwango vya ajira ni nini? Umri wa mwombaji wa kazi huathirije nafasi yake ya kupata kazi? Mbali na maswali haya ya wazi kwa sababu, wakati mwingine husababisha maswali na athari husababishwa na maswali ya jumla juu ya kuongeza kiwango cha utendaji. Kwa mfano, swali "Je, kifungo cha mchango kinapaswa kuwa kwenye tovuti ya NGO?" Ni maswali mengi kuhusu athari za rangi tofauti za kifungo kwenye michango.

Njia moja ya kujibu maswali ya sababu-na-athari ni kutafuta chati katika data zilizopo. Kwa mfano, kurudi kwenye swali kuhusu athari za mishahara ya mwalimu juu ya kujifunza kwa wanafunzi, unaweza kuhesabu kwamba wanafunzi kujifunza zaidi katika shule ambazo hutoa mishahara ya mwalimu wa juu. Lakini, je, hii uwiano unaonyesha kuwa mishahara ya juu husababisha wanafunzi kujifunza zaidi? Bila shaka hapana. Shule ambazo walimu wanapata zaidi zinaweza kuwa tofauti kwa njia nyingi. Kwa mfano, wanafunzi katika shule na mishahara ya juu ya walimu wanaweza kuja kutoka kwa familia zenye utajiri. Hivyo, inaonekana kama athari ya walimu inaweza kuja tu kwa kulinganisha aina tofauti za wanafunzi. Tofauti hizi zisizo na usawa kati ya wanafunzi hujulikana kama confounders , na kwa ujumla, uwezekano wa wasiwasi husababishwa na uwezo wa watafiti kujibu maswali ya sababu-na-athari kwa kutafuta mifumo katika data zilizopo.

Suluhisho moja kwa tatizo la wasumbufu ni kujaribu kufanya kulinganisha kwa usawa na kurekebisha kwa tofauti inayoonekana kati ya makundi. Kwa mfano, unaweza kupakua data ya kodi ya mali kutoka kwa idadi ya tovuti za serikali. Kisha, unaweza kulinganisha utendaji wa wanafunzi katika shule ambapo bei za nyumbani ni sawa lakini mishahara ya walimu ni tofauti, na bado unaweza kupata kwamba wanafunzi kujifunza zaidi katika shule na mwalimu wa juu kulipa. Lakini kuna bado wengi wanaoweza kuchanganyikiwa. Labda wazazi wa wanafunzi hawa hutofautiana katika ngazi yao ya elimu. Au labda shule zinatofautiana kwa karibu na maktaba ya umma. Au labda shule zilizo na mwalimu wa juu hulipa pia malipo makubwa kwa wakuu, na kulipa kuu, sio kulipa mwalimu, ni nini kinachochea kujifunza mwanafunzi. Unaweza kujaribu kupima na kurekebisha kwa sababu hizi pia, lakini orodha ya washindani iwezekanavyo ni kimsingi. Katika hali nyingi, wewe huwezi kupima na kurekebisha kwa washirika wote wanaowezekana. Ili kukabiliana na changamoto hii, watafiti wameanzisha mbinu kadhaa za kufanya makisio ya causal kutoka kwa data zisizo za majaribio-nilijadili baadhi yao katika sura ya 2-lakini, kwa aina fulani ya maswali, mbinu hizi ni mdogo, na majaribio hutoa ahadi mbadala.

Majaribio huwezesha watafiti kuhamisha zaidi ya uhusiano katika data ya kawaida ya kutokea ili kujibu kwa uaminifu baadhi ya maswali ya sababu-na-athari. Katika umri wa analog, mara nyingi majaribio yalikuwa magumu na ya gharama kubwa. Sasa, katika umri wa digital, vikwazo vya vifaa vinakua hatua kwa hatua. Si rahisi tu kufanya majaribio kama yale yaliyofanywa zamani, sasa inawezekana kukimbia aina mpya za majaribio.

Katika kile ambacho nimeandika hadi sasa nimekuwa huru katika lugha yangu, lakini ni muhimu kutofautisha kati ya mambo mawili: majaribio na majaribio ya kudhibitiwa randomized. Katika jaribio , mtafiti huingilia kati duniani na kisha atatua matokeo. Nimesikia njia hii inayoelezwa kama "perturb na kuchunguza." Katika jaribio la kudhibitiwa randomized , mtafiti huingilia kati kwa watu fulani na sio kwa wengine, na mtafiti anaamua kwamba ni watu gani wanaopata kuingilia kati kwa randomization (kwa mfano, kuingiza sarafu). Majaribio yaliyothibitiwa ya randomized yanaunda kulinganisha kwa usawa kati ya vikundi viwili: moja ambayo imepokea kuingilia kati na moja ambayo haifai. Kwa maneno mengine, jaribio la kudhibitiwa randomized ni suluhisho la matatizo ya wasumbufu. Perturb-na-kuchunguza majaribio, hata hivyo, inahusisha kikundi kimoja ambacho kimepata kuingilia kati, na hivyo matokeo yanaweza kusababisha watafiti kwa hitimisho sahihi (kama nitakavyoonyesha hivi karibuni). Licha ya tofauti muhimu kati ya majaribio na majaribio ya kudhibitiwa randomized, watafiti wa kijamii mara nyingi hutumia maneno haya kwa usawa. Nitakufuata mkataba huu, lakini, kwa baadhi ya pointi, nitavunja mkataba ili kusisitiza thamani ya jaribio la kudhibitiwa randomized juu ya majaribio bila randomization na kikundi cha kudhibiti.

Majaribio yaliyothibitiwa ya randomized yameonyesha kuwa njia yenye nguvu ya kujifunza kuhusu ulimwengu wa kijamii, na katika sura hii, nitakuonyesha zaidi kuhusu jinsi ya kuitumia katika utafiti wako. Katika kifungu cha 4.2, nitaonyesha mfano wa msingi wa majaribio na mfano wa majaribio kwenye Wikipedia. Kisha, katika kifungu cha 4.3, nitaelezea tofauti kati ya majaribio ya maabara na majaribio ya shamba na tofauti kati ya majaribio ya analog na majaribio ya digital. Zaidi ya hayo, nitajishughulisha kuwa jaribio la shamba la digital linaweza kutoa vipengele bora vya majaribio ya maabara ya analog (udhibiti mkali) na majaribio ya uwanja wa analogog (uhalisia), wote kwa kiwango ambacho haikuwezekana hapo awali. Kisha, katika kifungu cha 4.4, nitaelezea dhana tatu-uhalali, uharibifu wa madhara ya tiba, na taratibu-ambazo ni muhimu kwa kubuni majaribio makubwa. Kwa historia hiyo, nitaelezea ufumbuzi wa biashara unaohusika katika mikakati miwili kuu ya kufanya majaribio ya digital: kufanya hivyo au kushirikiana na wenye nguvu. Hatimaye, nitahitimisha na ushauri wa kubuni kuhusu jinsi unaweza kutumia faida halisi ya majaribio ya digital (kifungu 4.6.1) na kuelezea baadhi ya wajibu unaokuja na nguvu hiyo (kifungu 4.6.2).