4.1 Panimula

Sa mga pamamaraang sakop sa ngayon sa pag-uugali ng aklat na ito na pagmamasid (kabanata 2) at nagtatanong ng mga tanong (kabanata 3) -magsaliksik ng mga tagatangkilik ang data nang walang sinasadya at sistematikong pagbabago sa mundo. Ang diskarte na sakop sa kabanatang ito-tumatakbo na mga eksperimento ay iba sa panimula. Kapag nagpapatakbo ang mga mananaliksik ng mga eksperimento, sila ay sistematikong pumipigil sa mundo upang lumikha ng data na angkop para sa pagsagot sa mga tanong tungkol sa mga relasyon sa sanhi at epekto.

Ang mga tanong na sanhi-at-epekto ay karaniwan sa panlipunang pananaliksik, at ang mga halimbawa ay nagsasama ng mga tanong tulad ng: Ang pagtaas ng suweldo ng guro ay nagdaragdag ng pag-aaral ng mag-aaral? Ano ang epekto ng minimum na sahod sa mga rate ng trabaho? Paano naaapektuhan ng lahi ng aplikante sa trabaho ang kanyang pagkakataon na makakuha ng trabaho? Bilang karagdagan sa mga malinaw na pananahilan na mga tanong na ito, kung minsan ang mga tanong na sanhi-at-epekto ay lubos sa mas pangkalahatang mga tanong tungkol sa pag-maximize ng ilang sukatan ng pagganap. Halimbawa, ang tanong na "Anong kulay ang dapat mag-donate button sa website ng isang NGO?" Napakaraming tanong tungkol sa epekto ng iba't ibang kulay ng button sa mga donasyon.

Ang isang paraan upang sagutin ang mga tanong na sanhi-at-epekto ay ang paghanap ng mga pattern sa umiiral na data. Halimbawa, sa pagbalik sa tanong tungkol sa epekto ng suweldo ng guro sa pag-aaral ng mag-aaral, maaari mong kalkulahin ang mga mag-aaral na matuto nang higit pa sa mga paaralan na nag-aalok ng mataas na suweldo ng guro. Ngunit, ay ito na ugnayan ipakita na mas mataas na salaries maging sanhi ng mag-aaral upang matuto nang higit pa? Syempre hindi. Ang mga paaralan kung saan kumita ang mga guro ay maaaring magkakaiba sa maraming paraan. Halimbawa, ang mga estudyante sa mga paaralan na may mataas na suweldo sa guro ay maaaring magmula sa mas mayamang pamilya. Kung gayon, ang hitsura ng isang epekto ng mga guro ay maaaring dumating sa paghahambing ng iba't ibang uri ng mga estudyante. Ang mga hindi pagkakaunawaan na pagkakaiba sa pagitan ng mga mag-aaral ay tinatawag na confounders , at, sa pangkalahatan, ang posibilidad ng confounders wreaks kalituhan sa kakayahan ng mga mananaliksik upang sagutin ang sanhi-at-epekto na mga tanong sa pamamagitan ng naghahanap ng mga pattern sa umiiral na data.

Ang isang solusyon sa problema ng mga nakakalito ay upang subukang gumawa ng makatarungang paghahambing sa pamamagitan ng pagsasaayos para sa mga kapansin-pansin na pagkakaiba sa pagitan ng mga grupo. Halimbawa, maaaring mag-download ka ng data ng buwis sa ari-arian mula sa maraming mga website ng pamahalaan. Pagkatapos, maaari mong ihambing ang pagganap ng mag-aaral sa mga paaralan kung saan ang mga presyo sa bahay ay magkapareho ngunit ang mga suweldo ng guro ay naiiba, at maaari mo pa ring makita na ang mga mag-aaral ay higit na natututo sa mga paaralan na may mas mataas na bayad sa guro. Ngunit mayroong maraming mga posibleng confounders. Marahil ang mga magulang ng mga mag-aaral ay naiiba sa kanilang antas ng edukasyon. O kaya'y ang mga paaralan ay naiiba sa kanilang pagiging malapit sa mga pampublikong aklatan. O baka ang mga paaralan na may mas mataas na guro ay may mataas na sahod para sa mga punong-guro, at ang punong pambayad, hindi ang magbayad ng guro, ay talagang kung ano ang pagtaas ng pag-aaral ng mag-aaral. Maaari mong subukan upang sukatin at ayusin para sa mga kadahilanang ito pati na rin, ngunit ang listahan ng mga posibleng confounders ay mahalagang walang katapusang. Sa maraming mga sitwasyon, hindi mo maaring sukatin at iakma ang lahat ng mga posibleng confounders. Bilang tugon sa hamon na ito, ang mga mananaliksik ay nakabuo ng maraming mga diskarte sa paggawa ng mga pang-unawa na sanhi ng di-eksperimentong data-tinalakay ko ang ilan sa mga ito sa kabanata 2-ngunit, para sa ilang mga uri ng mga tanong, ang mga diskarte na ito ay limitado, at ang mga eksperimento ay nag-aalok ng isang maaasahan alternatibong.

Ang mga eksperimento ay nagpapahintulot sa mga mananaliksik na lumakad nang higit sa mga ugnayan sa natural na nagaganap na data upang mapagkakatiwalaan sagutin ang ilang mga tanong na sanhi-at-epekto. Sa analogue edad, ang mga eksperimento ay madalas na mahirap at mahal. Ngayon, sa digital na edad, ang mga hadlang sa logistik ay unti-unting lumubog. Hindi lamang mas madaling gawin ang mga eksperimento tulad ng mga nagawa noon, posible na ngayon na magpatakbo ng mga bagong uri ng mga eksperimento.

Sa kung ano ang isinulat ko sa ngayon ay medyo maluwag sa aking wika, ngunit mahalaga na makilala sa pagitan ng dalawang bagay: mga eksperimento at mga random na kinokontrol na mga eksperimento. Sa isang eksperimento , ang isang tagapagpananaliksik ay gumagambala sa mundo at pagkatapos ay sumusukat ng kinalabasan. Narinig ko ang diskarteng ito na inilarawan bilang "perturb at obserbahan." Sa isang randomized na kinokontrol na eksperimento ang isang tagapagpananaliksik ay nag-intervenes para sa ilang mga tao at hindi para sa iba, at nagpapasiya ang mananaliksik kung aling mga tao ang tumatanggap ng interbensyon sa pamamagitan ng randomization (eg, flipping a coin). Ang mga random na kinokontrol na eksperimento ay lumikha ng mga makatarungang paghahambing sa pagitan ng dalawang grupo: ang natanggap na ang interbensyon at ang isa na wala. Sa madaling salita, ang mga random na kinokontrol na eksperimento ay isang solusyon sa mga problema ng mga confounders. Gayunpaman, ang mga eksperimento na nakakaapekto sa pag-uusapan ay nagsasangkot lamang ng isang grupo na natanggap ang interbensyon, at sa gayon ang mga resulta ay maaaring humantong sa mga mananaliksik sa maling konklusyon (tulad ng ipapakita ko sa lalong madaling panahon). Sa kabila ng mahahalagang pagkakaiba sa pagitan ng mga eksperimento at mga random na kinokontrol na mga eksperimento, madalas na ginagamit ng mga mananaliksik na panlipunan ang mga salitang ito. Susundan ko ang kombensyong ito, ngunit, sa ilang mga punto, sisirain ko ang kombensiyon upang bigyan ng diin ang halaga ng mga random na kinokontrol na eksperimento sa mga eksperimento nang walang randomization at isang control group.

Ang mga random na kinokontrol na eksperimento ay napatunayang isang mahusay na paraan upang matutunan ang tungkol sa mundo ng panlipunan, at sa kabanatang ito, ipapakita ko sa iyo ang higit pa tungkol sa kung paano gamitin ang mga ito sa iyong pananaliksik. Sa seksyon 4.2, ilarawan ko ang pangunahing lohika ng pag-eksperimento sa isang halimbawa ng isang eksperimento sa Wikipedia. Pagkatapos, sa seksyon 4.3, ilalarawan ko ang pagkakaiba sa pagitan ng mga eksperimento sa lab at mga eksperimento sa patlang at ang mga pagkakaiba sa pagitan ng mga eksperimentong analog at mga digital na eksperimento. Dagdag pa, ipagpapalagay ko na ang mga digital na eksperimento sa field ay maaaring mag-alok ng mga pinakamahusay na tampok ng mga analog na eksperimentong lab (masikip na kontrol) at analog na mga eksperimentong field (realismo), lahat sa isang sukat na hindi posible dati. Susunod, sa seksyon 4.4, ilalarawan ko ang tatlong konsepto-bisa, heterogeneity ng mga epekto sa paggamot, at mga mekanismo-na mahalaga para sa pagdisenyo ng mga mayaman na eksperimento. Sa background na iyon, ilalarawan ko ang mga trade-off na kasangkot sa dalawang pangunahing estratehiya para sa pagsasagawa ng mga digital na eksperimento: ginagawa ito sa iyong sarili o pakikisosyo sa mga makapangyarihan. Sa wakas, magkakaroon ako ng ilang payo sa disenyo tungkol sa kung paano mo mapapakinabangan ang tunay na lakas ng mga digital na eksperimento (seksyon 4.6.1) at ilarawan ang ilan sa mga responsibilidad na may kapangyarihan (seksyon 4.6.2).