4.1 Kuanzishwa

Katika mbinu kufunikwa hivyo mbali katika tabia hii kitabu-kuchunguza (Sura ya 2) na kuuliza maswali (Sura ya 3) -researchers kukusanya takwimu juu ya kile zinazotokea duniani. mbinu kufunikwa katika sura-mbio hii majaribio-ni tofauti kimsingi. Wakati watafiti kukimbia majaribio, wao kwa utaratibu kuingilia kati katika dunia ya kujenga data kwamba ni walau inafaa kwa kujibu maswali kuhusu mahusiano kusababisha-na-athari.

Kusababisha-na-athari maswali ni ya kawaida sana katika utafiti wa kijamii, na mifano ni pamoja na maswali kama vile Je, kuongeza mishahara ya walimu kuongeza mwanafunzi kujifunza? Ni matokeo gani ya mshahara wa chini katika viwango vya ajira? Jinsi gani mbio kazi mwombaji athari nafasi yake ya kupata kazi? Mbali na maswali haya waziwazi causal, wakati mwingine kusababisha-na-athari maswali ni thabiti katika maswali zaidi ya jumla kuhusu maximization ya baadhi ujazo utendaji. Kwa mfano, swali "Nini rangi kifungo kuongeza michango juu ya NGO tovuti tovuti?" Ni kweli kura ya maswali kuhusu athari za rangi tofauti kifungo juu ya michango.

Moja ya njia ya kujibu maswali kusababisha-na-athari ni kuangalia kwa mwelekeo katika data zilizopo. Kwa mfano, kwa kutumia data kutoka kwa maelfu ya Shule, unaweza mahesabu ya kwamba wanafunzi kujifunza zaidi katika shule ili kutoa mishahara ya juu mwalimu. Lakini, je, uwiano huu zinaonyesha kuwa mishahara mikubwa kusababisha wanafunzi kujifunza zaidi? Bila shaka hapana. Shule ambapo walimu kulipwa zaidi inaweza kuwa tofauti kwa njia nyingi. Kwa mfano, wanafunzi katika shule zenye mishahara ya juu mwalimu ili kuja kutoka familia tajiri. Hivyo, kile kinachoonekana kama athari za walimu wangeweza kuja tu kutoka kulinganisha aina mbalimbali za wanafunzi. Tofauti hizi unmeasured kati ya wanafunzi zinaitwa confounders, na kwa ujumla, uwezekano wa confounders wreaks havoc juu ya uwezo watafiti kujibu maswali kusababisha-na-athari kwa kuangalia kwa mwelekeo katika data zilizopo.

Moja ufumbuzi wa tatizo la confounders ni kujaribu kufanya kulinganisha haki kwa kurekebisha kwa tofauti zinazoonekana kati ya makundi. Kwa mfano, unaweza kuwa na uwezo wa kushusha data kodi ya mali kutoka idadi ya Nje serikali. Kisha, unaweza kulinganisha utendaji mwanafunzi katika shule ambapo nyumbani bei ni sawa lakini mishahara ya walimu ni tofauti, na wewe bado wanaweza kupata kwamba wanafunzi kujifunza zaidi katika shule zenye mwalimu kulipa juu. Lakini, bado kuna uwezekano confounders wengi. Labda wazazi wa mwanafunzi hizi hutofautiana katika kiwango chao cha elimu au labda Shule hutofautiana katika ukaribu wao kwa maktaba za umma au labda shule zenye mwalimu mshahara mnono pia wana malipo makubwa kwa wakuu wa shule na kulipa mkuu, si mwalimu kulipa, ni kweli nini ni kuongeza mwanafunzi kujifunza. Unaweza kujaribu kupima mambo haya mengine kama vile, lakini orodha ya confounders iwezekanavyo kimsingi ni kutokuwa na mwisho. Katika hali nyingi, wewe tu hawezi kupima na kurekebisha kwa confounders wote iwezekanavyo. Mpango huu unaweza tu kuchukua wewe hadi sasa.

ufumbuzi bora kwa tatizo la confounders ni mbio majaribio. Majaribio kuwawezesha watafiti hoja zaidi ya correlations katika zinazotokea data ili reliably kujibu kusababisha-na-athari swali. Katika umri Analog, majaribio walikuwa mara nyingi logistically vigumu na ghali. Sasa, katika umri digital, vifaa vikwazo ni hatua kwa hatua fading mbali. Si tu ni rahisi kufanya majaribio kama watafiti hao wamefanya katika siku za nyuma, ni sasa inawezekana kwa kukimbia aina mpya ya majaribio.

Katika kile nimekuwa imeandikwa hivyo mbali nimekuwa kidogo huru katika lugha yangu, lakini ni muhimu kutofautisha kati ya mambo mawili: majaribio na randomized majaribio kudhibitiwa. Katika majaribio mtafiti kuingilia katika dunia na kisha hatua ya matokeo. Nimesikia mbinu hii kama ilivyoelezwa "perturb na kuchunguza." Mkakati huu ni madhubuti sana katika sayansi ya asili, lakini katika sayansi ya matibabu na kijamii, kuna mbinu nyingine ambayo inafanya kazi vizuri zaidi. Katika randomized majaribio kudhibitiwa mtafiti kuingilia kwa baadhi ya watu na si kwa wengine, na, kwa kina, mtafiti anaamua ambayo watu kupokea kuingilia kati kwa Ubahatishaji (kwa mfano, flipping sarafu). Utaratibu huu kuhakikisha kwamba randomized kudhibitiwa majaribio kuunda kulinganisha haki kati ya makundi mawili: moja ambayo imepata kuingilia na moja ambayo ina si. Kwa maneno mengine, randomized majaribio kudhibitiwa ni suluhisho la matatizo ya confounders. Licha ya tofauti muhimu kati ya majaribio na randomized kudhibitiwa majaribio, watafiti kijamii mara nyingi kutumia maneno haya kwa kubadilishana. Mimi itabidi kufuata mkataba huu, lakini, katika maeneo fulani, mimi itabidi kuvunja mkataba na kusisitiza thamani ya randomized kudhibitiwa majaribio juu ya majaribio bila Ubahatishaji na kundi la kudhibiti.

Randomized kudhibitiwa majaribio na kuthibitika kuwa njia ya nguvu ya kujifunza juu ya dunia kijamii, na katika sura hii, mimi itabidi kufundisha zaidi kuhusu jinsi ya kuzitumia katika utafiti wako. Katika Sehemu ya 4.2, mimi itabidi kuonyesha mantiki ya msingi ya majaribio kwa mfano wa majaribio juu ya Wikipedia. Kisha, katika Sehemu ya 4.3, mimi itabidi kuelezea tofauti kati ya majaribio ya maabara na majaribio uwanja na tofauti kati ya majaribio Analog na majaribio digital. Zaidi ya hayo, mimi itabidi wanasema kuwa digital uwanja majaribio anaweza kutoa makala bora wa majaribio Analog maabara (tight udhibiti) na majaribio Analog shamba (uhalisia), wote kwa kiwango ambacho hakikuwa kinawezekana awali. Next, katika Sehemu ya 4.4, mimi itabidi kuelezea dhana-uhalali tatu, heterogeneity ya madhara ya matibabu, na taratibu-ambayo ni muhimu kwa ajili ya kubuni majaribio tajiri. Na historia kwamba, mimi itabidi kuelezea biashara awamu ya pili kushiriki katika mikakati kuu mbili kwa ajili ya kufanya majaribio digital: kufanya hivyo mwenyewe (Sehemu ya 4.5.1) au kushirikiana na nguvu (Sehemu ya 4.5.2). Hatimaye, mimi itabidi kuhitimisha na baadhi ya ushauri kubuni kuhusu jinsi gani unaweza kuchukua faida ya nguvu halisi ya majaribio digital (Sehemu ya 4.6.1) na kuelezea baadhi ya majukumu ambayo inakuja na kwamba nguvu (Sehemu ya 4.6.2). Sura itawasilishwa na kiwango cha chini ya nukuu hisabati na lugha rasmi; wasomaji nia ya rasmi zaidi, mbinu za hisabati kwa majaribio lazima pia kusoma Ufundi Nyongeza mwishoni mwa sura.