การทดลองวัดสิ่งที่เกิดขึ้น กลไกการอธิบายว่าทำไมและวิธีการที่มันเกิดขึ้น
แนวคิดที่สำคัญประการที่สามสำหรับการเคลื่อนย้ายนอกเหนือจากการทดลองง่ายๆคือ กลไก ต่างๆ กลไกบอกเรา ว่าเหตุใด การ รักษาจึงเกิดผล กระบวนการค้นหากลไกบางครั้งก็เรียกว่ามองหา ตัวแปรแทรกแซง หรือ mediating ตัวแปร แม้ว่าการทดลองจะดีสำหรับการประเมินผลกระทบจากสาเหตุ แต่ก็มักไม่ได้ออกแบบมาเพื่อเผยให้เห็นกลไก การทดลองแบบดิจิตอลสามารถช่วยให้เราสามารถระบุกลไกได้สองวิธีคือ (1) ช่วยให้เราสามารถรวบรวมข้อมูลกระบวนการต่างๆมากขึ้นและ (2) ช่วยให้เราสามารถทดสอบวิธีการรักษาที่เกี่ยวข้องได้หลายวิธี
เนื่องจากกลไกมีความยุ่งยากในการกำหนดอย่างเป็นทางการ (Hedström and Ylikoski 2010) ฉันจะเริ่มต้นด้วยตัวอย่างง่ายๆ: มะนาวและเลือดออกตามไรฟัน (Gerber and Green 2012) ในศตวรรษที่สิบแปดหมอรู้สึกดีมากที่เมื่อลูกเรือกินมะนาวพวกเขาไม่ได้รับเลือดออกตามไรฟัน โรคเลือดออกตามไรฟันเป็นโรคที่น่ากลัวดังนั้นนี่จึงเป็นข้อมูลที่มีประสิทธิภาพ แต่หมอเหล่านี้ไม่รู้ ว่าทำไม มะนาว จึงเป็น โรคเลือดออกตามไรฟัน จนกระทั่งเมื่อปี พ.ศ. 2475 (พ.ศ. 2475) เกือบ 200 ปีต่อมานักวิทยาศาสตร์ได้แสดงให้เห็นว่าวิตามินซีเป็นเหตุผลที่ทำให้มะนาวเป็นโรคเลือดออกตามไรฟัน (Carpenter 1988, 191) ในกรณีนี้วิตามินซีเป็น กลไก ที่ทำให้มะนาวป้องกันไม่ให้เลือดออกตามไรฟัน (รูปที่ 4.10) แน่นอนการระบุกลไกนี้ก็มีความสำคัญเป็นอย่างมากทางวิทยาศาสตร์ด้วยว่าวิทยาศาสตร์เป็นเรื่องเกี่ยวกับการทำความเข้าใจว่าเหตุใดจึงเกิดขึ้น กลไกการระบุยังมีความสำคัญมากในทางปฏิบัติ เมื่อเราเข้าใจว่าเหตุใดการรักษาจึงทำงานได้ดีขึ้นเราจึงสามารถพัฒนาวิธีการรักษาใหม่ ๆ ที่ทำงานได้ดียิ่งขึ้น
แต่น่าเสียดายที่กลไกการแยกเป็นเรื่องยากมาก ไม่เหมือนมะนาวและเลือดออกตามไรฟันในการตั้งค่าทางสังคมจำนวนมากการรักษาอาจดำเนินการผ่านทางเดินหลาย ๆ อย่างไรก็ตามในกรณีของบรรทัดฐานทางสังคมและการใช้พลังงานนักวิจัยพยายามที่จะแยกแยะกลไกโดยรวบรวมข้อมูลกระบวนการและทดสอบวิธีการรักษาที่เกี่ยวข้อง
วิธีหนึ่งในการทดสอบกลไกที่เป็นไปได้คือการรวบรวมข้อมูลกระบวนการเกี่ยวกับวิธีการรักษาที่ส่งผลกระทบต่อกลไกที่เป็นไปได้ ตัวอย่างเช่นจำได้ว่า Allcott (2011) แสดงให้เห็นว่ารายงานการใช้พลังงานในบ้านทำให้ผู้ใช้ลดการใช้ไฟฟ้าลง แต่รายงานเหล่านี้ลดการใช้ไฟฟ้าลงอย่างไร? อะไรคือกลไก? ในการศึกษาติดตามผล Allcott and Rogers (2014) ร่วมมือกับ บริษัท ด้านพลังงานที่ผ่านโครงการรับเงินคืนได้รับข้อมูลเกี่ยวกับผู้บริโภคที่อัปเกรดเครื่องใช้ของตนเป็นแบบจำลองที่ประหยัดพลังงานมากขึ้น Allcott and Rogers (2014) พบว่ามีผู้ใช้งานรายงานพลังงานภายในบ้านเพิ่มจำนวนขึ้นเล็กน้อย แตความแตกตางนี้เล็กนอยที่จะทําไดเพียง 2% ของการใชพลังงานที่ลดลงในครัวเรือนที่ไดรับการบําบัด กล่าวอีกนัยหนึ่งการอัพเกรดของเครื่องใช้ไฟฟ้าไม่ใช่กลไกสำคัญที่รายงานพลังงานภายในบ้านลดการใช้พลังงานลง
วิธีที่สองในการศึกษากลไกคือการทดลองกับการรักษาที่ต่างกันเล็กน้อย ยกตัวอย่างเช่นในการทดลองของ Schultz et al. (2007) 2) ข้อมูลเกี่ยวกับการใช้พลังงานของพวกเขาเมื่อเทียบกับเพื่อนของพวกเขา (รูปที่ 4.6) ดังนั้นจึงเป็นไปได้ว่าเคล็ดลับการประหยัดพลังงานเป็นสิ่งที่ทำให้เกิดการเปลี่ยนแปลงไม่ใช่ข้อมูลเพียร์ Ferraro, Miranda, and Price (2011) ร่วมมือกับ บริษัท น้ำที่อยู่ใกล้เมืองแอตแลนตารัฐจอร์เจียและดำเนินการทดสอบเกี่ยวกับการอนุรักษ์น้ำที่เกี่ยวข้องกับผู้ประกอบการประมาณ 100,000 ครัวเรือนในการประเมินความเป็นไปได้ว่าคำแนะนำเพียงอย่างเดียวอาจเพียงพอ มีเงื่อนไขที่สี่:
นักวิจัยพบว่าการรักษาด้วยเคล็ดลับเท่านั้นไม่มีผลต่อการใช้น้ำในระยะสั้น (หนึ่งปี) ปานกลาง (สองปี) และระยะยาว (สามปี) เคล็ดลับและการรักษาด้วยการอุทธรณ์ทำให้ผู้เข้าร่วมลดการใช้น้ำ แต่ในระยะสั้น ในที่สุดคำแนะนำพร้อมคำร้องและการรักษาข้อมูลแบบ peer ทำให้การใช้งานลดลงในระยะสั้นปานกลางและระยะยาว (รูปที่ 4.11) การทดลองเหล่านี้กับการรักษาที่ไม่ได้จัดกลุ่มเป็นวิธีที่ดีในการพิจารณาว่าส่วนใดส่วนหนึ่งของการรักษาหรือส่วนใดส่วนหนึ่งซึ่งกันและกันเป็นส่วนที่ก่อให้เกิดผล (Gerber and Green 2012, sec. 10.6) ตัวอย่างเช่นการทดลองของ Ferraro และเพื่อนร่วมงานแสดงให้เราเห็นว่าเคล็ดลับการประหยัดน้ำเพียงอย่างเดียวไม่เพียงพอที่จะลดการใช้น้ำ
จะเป็นการดีกว่าการแบ่งส่วนประกอบออกเป็นสองส่วน (เคล็ดลับเคล็ดลับและคำอุทธรณ์คำแนะนำบวกคำอุทธรณ์และข้อมูลเพียร์) เพื่อให้เกิดการออกแบบปัจจัยที่สมบูรณ์แบบซึ่งบางครั้งเรียกว่า \(2^k\) factorial design \(2^k\) ซึ่งเป็นไปได้ว่า มีการทดสอบองค์ประกอบสามอย่าง (ตารางที่ 4.1) นักวิจัยสามารถประเมินผลกระทบของแต่ละองค์ประกอบได้โดยง่ายและรวมกัน ตัวอย่างเช่นการทดลองของ Ferraro และเพื่อนร่วมงานไม่ได้เปิดเผยว่าการเปรียบเทียบแบบเพียร์เดียวหรือไม่จะเพียงพอที่จะนำไปสู่การเปลี่ยนแปลงพฤติกรรมในระยะยาว ในอดีตการออกแบบแฟกทอเรียลแบบเต็มรูปแบบนี้ทำได้ยากเนื่องจากต้องมีผู้เข้าร่วมจำนวนมากและพวกเขาต้องการให้นักวิจัยสามารถควบคุมและส่งมอบทรีตเมนต์ได้เป็นจำนวนมาก แต่ในบางสถานการณ์ยุคดิจิตอลจะขจัดข้อ จำกัด ด้านลอจิสติกส์เหล่านี้
การรักษา | ลักษณะ |
---|---|
1 | ควบคุม |
2 | เคล็ดลับ |
3 | อุทธรณ์ |
4 | ข้อมูล Peer |
5 | เคล็ดลับ + อุทธรณ์ |
6 | เคล็ดลับ + ข้อมูลเพียร์ |
7 | ข้อมูลการอุทธรณ์ + peer |
8 | เคล็ดลับ + ข้อมูลการอุทธรณ์ + peer |
สรุปได้ว่ากลไก - ทางเดินซึ่งการรักษานั้นมีผล - เป็นสิ่งสำคัญอย่างไม่น่าเชื่อ การทดลองในยุคดิจิทัลสามารถช่วยให้นักวิจัยเรียนรู้เกี่ยวกับกลไกต่างๆโดย (1) รวบรวมข้อมูลกระบวนการและ (2) ใช้การออกแบบแฟกทอเรียลเต็มรูปแบบ กลไกที่เสนอโดยวิธีการเหล่านี้สามารถทดสอบได้โดยตรงจากการทดลองที่ออกแบบมาเพื่อใช้ในการทดสอบกลไก (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016)
รวมสามแนวคิด - ความถูกต้อง, ความหลากหลายของผลการรักษาและกลไกต่างๆ - เป็นแนวคิดที่มีประสิทธิภาพสำหรับการออกแบบและการตีความการทดลอง แนวคิดเหล่านี้ช่วยให้นักวิจัยก้าวไปไกลกว่าการทดลองง่ายๆเกี่ยวกับสิ่งที่ "ทำงาน" กับการทดลองที่สมบูรณ์ยิ่งขึ้นซึ่งมีการเชื่อมโยงกับทฤษฎีที่เข้มงวดมากขึ้นซึ่งจะเปิดเผยว่าการรักษาด้วยวิธีใดและเหตุผลอย่างไรและอาจช่วยให้นักวิจัยสามารถออกแบบวิธีการรักษาที่มีประสิทธิภาพมากขึ้น เมื่อพิจารณาจากพื้นหลังแนวคิดเกี่ยวกับการทดลองตอนนี้ฉันจะหันไปหาวิธีการที่จะทำให้การทดลองของคุณเกิดขึ้นได้จริง