4.1 Panimula

Sa pamamaraang sakop sa ngayon sa aklat-obserbahan ang pag-uugali (kabanata 2) at pagtatanong (kabanata 3) -researchers mangolekta ng data tungkol sa kung ano ay natural na nagaganap sa mundo. Ang diskarte sakop sa kabanatang ito-tumatakbo eksperimento-ay sa panimula naiiba. Kapag ang mga mananaliksik ng mga eksperimento, ang mga ito systematically mamagitan sa mundo upang lumikha ng data na naka-isip na angkop sa pagsagot sa mga tanong tungkol sa sanhi-at-epekto relasyon.

Maging sanhi-at-epekto mga katanungan ay napaka-pangkaraniwan sa mga social pananaliksik, at mga halimbawa ay kabilang ang mga katanungan tulad ng Ba pagtaas guro 'salaries taasan student pag-aaral? Ano ang epekto ng minimum wage sa mga rate ng trabaho? Paano gumagana ang lahi isang aplikante ng trabaho epekto ang kanyang pagkakataon ng pagkuha ng trabaho? Bilang karagdagan sa mga malinaw na pananahilan mga katanungan, kung minsan maging sanhi-at-epekto katanungan ay implicit sa mas pangkalahatang mga katanungan tungkol sa maximization ng ilang mga pagganap sukatan. Halimbawa, ang tanong na "Ano pindutan ng kulay ay i-maximize donasyon sa isang NGO site website?" Ay talagang ng maraming mga katanungan tungkol sa mga epekto ng iba't ibang kulay na button sa mga donasyon.

Ang isang paraan upang sagutin ang sanhi-at-epekto mga katanungan ay upang tumingin para sa mga pattern sa mga umiiral na data. Halimbawa, ang paggamit ng data mula sa libo-libo ng mga paaralan, maaari mong kalkulahin na ang mga estudyante malaman ang higit pa sa mga paaralan na nag-aalok ng mataas na guro salaries. Ngunit, ay ito na ugnayan ipakita na mas mataas na salaries sanhi mag-aaral upang matuto nang higit pa? Syempre hindi. Paaralan kung saan mga guro kumita ng higit pang maaaring maging iba sa maraming paraan. Halimbawa, mag-aaral sa paaralan na may mataas na salaries guro ay maaaring manggaling mula sa wealthier mga pamilya. Kaya, kung ano ang hitsura tulad ng isang epekto ng mga guro ay maaaring lamang dumating mula sa paghahambing ng iba't ibang mga uri ng mga mag-aaral. Ang mga hindi masusukatan pagkakaiba sa pagitan ng mga mag-aaral ay tinatawag confounders, at sa pangkalahatan, ang posibilidad ng confounders wreaks kalituhan sa mga mananaliksik kakayahan upang sagutin sanhi-at-epekto mga katanungan sa pamamagitan ng pagtingin para sa mga pattern sa mga umiiral na data.

Isang solusyon sa problema ng confounders ay upang subukan upang gumawa ng makatwirang paghahambing sa pamamagitan ng pagsasaayos para sa kapansin-pansin pagkakaiba sa pagitan ng mga grupo. Halimbawa, maaari kang makapag-download ng data ng buwis ari-arian mula sa isang bilang ng mga website ng pamahalaan. Pagkatapos, maaari mong ihambing ang pagganap ng estudyante sa mga paaralan kung saan bahay presyo ay katulad ngunit guro salaries ay naiiba, at ikaw pa rin ay maaaring mahanap na ang mga estudyante malaman ang higit pa sa mga paaralan na may mas mataas na guro pay. Ngunit, may mga pa rin maraming mga posibleng confounders. Siguro ang mga magulang ng mga mag-aaral ay naiiba sa kanilang antas ng edukasyon o marahil ang mga paaralan-iba sa kanilang pagiging malapit sa mga pampublikong aklatan o marahil ang mga paaralan na may mas mataas na guro pay ay mayroon din mas mataas na pay para sa mga punong-guro at punong-guro pay, hindi teacher pay, ay talagang kung ano ay ang pagtaas mag-aaral. Maaari mong subukan upang masukat ang mga iba pang mga kadahilanan pati na rin, ngunit ang listahan ng mga posibleng confounders ay mahalagang walang hanggan. Sa maraming mga sitwasyon, ikaw lamang ay hindi maaaring sukatin at ayusin para sa lahat ng posibleng mga confounders. Diskarte na ito ay maaari lamang magdadala sa iyo sa ngayon.

Ang isang mas mahusay na solusyon sa problema ng confounders ay tumatakbo eksperimento. Experiments paganahin mananaliksik upang ilipat sa kabila ng correlations sa natural na nagaganap data upang mapagkakatiwlaan sagutin sanhi-at-epekto tanong. Sa analog edad, mga eksperimento ay madalas logistically mahirap at mahal. Ngayon, sa mga digital na edad, logistical hadlang ay dahan-dahan pagkupas malayo. Hindi lamang ito ay mas madali upang gawin ang mga eksperimento tulad ng mga mananaliksik ay may tapos na sa nakaraan, ito ay posible na ngayon upang tumakbo mga bagong uri ng mga eksperimento.

Sa ano ko na nakasulat sa ngayon ako ay isang bit maluwag sa aking wika, ngunit ito ay mahalaga upang makilala sa pagitan ng dalawang bagay: mga eksperimento at randomized kinokontrol na mga eksperimento. Sa isang eksperimento ng isang researcher intervenes sa mundo at pagkatapos ay sumusukat isang kinalabasan. Ko na narinig ito diskarte na inilarawan bilang "matigatig at obserbahan." Diskarte na ito ay napaka-epektibo sa natural na agham, ngunit sa medikal at agham panlipunan, mayroong isa pang diskarte na gumagana mas mahusay. Sa isang randomized kinokontrol na eksperimento isang researcher intervenes para sa ilang mga tao at hindi para sa iba, at, critically, ang researcher ay nagpapasya kung aling mga tao makatanggap ng interbensyon sa pamamagitan ng randomization (eg, flipping ng barya). Pamamaraan na ito ay nagsisiguro na randomized kinokontrol na eksperimento lumikha fair paghahambing sa pagitan ng dalawang grupo: ang isa na may natanggap na ang interbensyon at isa na may hindi. Sa ibang salita, randomized kinokontrol eksperimento ay isang solusyon sa mga problema ng confounders. Sa kabila ng mahalagang pagkakaiba sa pagitan ng mga eksperimento at randomized kinokontrol eksperimento, social mananaliksik madalas gamitin ang mga katagang ito interchangeably. Kukunin ko sundin ang convention, ngunit, sa ilang mga punto, kukunin ko na basagin ang convention upang bigyang-diin ang kahalagahan ng randomized kinokontrol eksperimento sa paglipas ng mga eksperimento na walang randomization at isang control group.

Randomized kinokontrol eksperimento ay may napatunayan na maging isang malakas na paraan upang malaman ang tungkol sa mga social mundo, at sa kabanatang ito, kukunin ko na magturo sa iyo ang higit pa tungkol sa kung paano gamitin ang mga ito sa iyong pananaliksik. Sa Section 4.2, kukunin ko na ilarawan ang mga pangunahing lohika ng pag-eksperimento sa isang halimbawa ng isang eksperimento sa Wikipedia. Pagkatapos, sa Section 4.3, kukunin ko na ilarawan ang pagkakaiba sa pagitan ng mga eksperimento lab at ang patlang na mga eksperimento at ang mga pagkakaiba sa pagitan ng analog eksperimento at digital na mga eksperimento. Dagdag dito, kukunin ko magtaltalan na digital field eksperimento ay maaaring mag-alok ang pinakamahusay na mga tampok ng mga analog eksperimento lab (masikip control) at analog field eksperimento (pagiging totoo), ang lahat sa isang sukat na ay hindi posible dati. Susunod, sa Section 4.4, kukunin ko na ilarawan tatlong concepts-bisa, heterogeneity ng mga epekto ng paggamot, at mga mekanismo-na kritikal para sa pagdisenyo ng mga rich mga eksperimento. Sa background na, kukunin ko na ilarawan ang kalakalan-offs kasangkot sa dalawang pangunahing mga diskarte para sa pagsasagawa ng digital eksperimento: gawin sa sarili (Seksyon 4.5.1) o partnering na may malakas na (Seksyon 4.5.2). Sa wakas, makikita ko tapusin na may ilang mga disenyo ng payo tungkol sa kung paano maaari mong samantalahin ang tunay na kapangyarihan ng mga digital na mga eksperimento (Seksyon 4.6.1) at ilarawan ang ilan sa mga responsibilidad na ito ay may na kapangyarihan (Section 4.6.2). kabanata ay iniharap na may isang minimum ng matematikal na notasyon at pormal na wika; mga mambabasa na interesado sa isang mas pormal na, matematiko sa mga eksperimento ay dapat din basahin ang mga Technical Appendix sa dulo ng kabanata.