4.1 تعارف

اس کتاب میں مشاہدہ کرنے والی رویے (باب 2) اور سوالات (باب 3) میں اب تک اس نقطہ نظر میں شامل ہیں جن میں تلاش کرنے والوں کو جان بوجھ کر اور منظم طور پر دنیا کو تبدیل کرنے کے بغیر ڈیٹا جمع. اس باب میں چلنے والی تجربات میں نقطہ نظر بنیادی طور پر مختلف ہے. جب محققین تجربات چلاتے ہیں تو، وہ دنیا میں منظم طریقے سے مداخلت کرتے ہیں جو مثالی طور پر وابستہ اثرات کے بارے میں سوالات کا جواب دینے کے قابل ہیں.

معاشرتی تحقیق میں سبب اور اثر کے سوالات بہت عام ہیں، اور مثال میں ایسے سوالات شامل ہیں: کیا طلبا کی تنخواہ بڑھتی ہوئی طالب علم کی تعلیم میں اضافہ ہوتا ہے؟ روزگار کی شرح پر کم از کم اجرت کا کیا اثر ہے؟ ملازمت کے درخواست دہندگان کی دوڑ کس طرح کام کرنے کا موقع پر اثر انداز کرتا ہے؟ ان واضح طور پر علت کے سوالات کے علاوہ، کبھی کبھی اثر و رسوخ کے بارے میں سوالات کچھ کارکردگی میٹرک کی زیادہ سے زیادہ کے بارے میں زیادہ عام سوالات میں متفق ہیں. مثال کے طور پر، سوال "عطیہ بٹن کو کسی غیر سرکاری تنظیم کی ویب سائٹ پر ہونا چاہئے؟" واقعی عطیات پر مختلف بٹن رنگوں کے اثرات کے بارے میں بہت سے سوالات ہیں.

موجودہ اعداد و شمار میں وابستہ اثرات کا جواب دینے کا ایک طریقہ پیٹرن کو دیکھنے کے لئے ہے. مثال کے طور پر، طالب علموں کے سیکھنے پر استاد تنخواہ کے اثرات کے بارے میں سوالات واپس آتے ہیں، آپ اس بات کا حساب کر سکتے ہیں کہ اساتذہ اس اسکول میں زیادہ سیکھتے ہیں جو اعلی استاد معاشات پیش کرتے ہیں. لیکن، اس کے ارتباط ظاہر ہے کہ اس سے زیادہ تنخواہ طالب علموں میں مزید جاننے کے لئے کی وجہ سے کرتا ہے؟ بالکل نہیں. اسکولوں میں جہاں اساتذہ زیادہ سے زیادہ آمدنی حاصل کرتے ہیں وہ مختلف طریقے سے مختلف ہوتے ہیں. مثال کے طور پر، اعلی استاد کے تنخواہ والے اسکولوں میں طلباء امیر خاندانوں سے آ سکتے ہیں. اس طرح، اساتذہ کے اثرات کی طرح لگتا ہے کہ صرف مختلف قسم کے طالب علموں کے مقابلے میں آسکتا ہے. طلباء کے درمیان یہ unmeasured اختلافات confounders کہا جاتا ہے، اور عام طور پر، confounders کے امکان موجودہ ڈیٹا میں نمونوں کے لئے تلاش کر وجہ اور اثر سوالات کا جواب دینے محققین کی صلاحیت پر کہر wreaks.

محرموں کی دشواری کا ایک حل گروہ کے درمیان مبنی اختلافات کے لۓ ایڈجسٹ کرکے منصفانہ موازنہ کرنے کی کوشش کرنا ہے. مثال کے طور پر، آپ کو حکومتی ویب سائٹوں سے پراپرٹی ٹیکس کا ڈیٹا ڈاؤن لوڈ کرنے کے قابل ہوسکتا ہے. اس کے بعد، آپ اسکولوں میں طالب علم کی کارکردگی کا موازنہ کرسکتے ہیں جہاں گھر کی قیمتیں اسی طرح کی ہیں لیکن استاد تنخواہ مختلف ہوتی ہیں، اور آپ یہ بھی محسوس کرسکتے ہیں کہ طالب علموں کو اعلی استاد کی ادائیگی کے ساتھ اسکولوں میں مزید جانتا ہے. لیکن ابھی تک بہت سے ممکنہ اعتراف موجود ہیں. شاید ان طالب علموں کے والدین ان کی تعلیم کی سطح میں مختلف ہیں. یا شاید اسکول عوامی لائبریریوں کے قربت میں فرق ہے. یا شاید ہائی اسکول کے تنخواہ والے اسکولوں کو پرنسپل کے لئے زیادہ تنخواہ بھی ہوتی ہے، اور پرنسپل تنخواہ، استاد ادا نہیں، واقعی کیا طالب علم کی تعلیم بڑھ رہی ہے. آپ ان عوامل کے ساتھ ساتھ پیمائش اور ایڈجسٹ کرنے کی کوشش کر سکتے ہیں، لیکن ممنوع اعتراف کی فہرست بنیادی طور پر لامتناہی ہے. بہت سے حالات میں، آپ کو صرف ممکنہ محرموں کی پیمائش اور ایڈجسٹ نہیں کر سکتے ہیں. اس چیلنج کے جواب میں، محققین نے غیر تجرباتی اعداد و شمار سے متعلق تخمینوں کا اندازہ کرنے کے لئے کئی تکنیک تیار کی ہیں- میں نے باب 2 میں ان میں سے بعض پر تبادلہ خیال کیا لیکن لیکن بعض قسم کے سوالات کے لئے، یہ تکنیک محدود ہیں، اور تجربات کو ایک وعدہ پیش کرتے ہیں. متبادل.

تجربات کو محققین کو خاص طور پر مخصوص اثرات اور اثرات کا جواب دینے کے لئے قدرتی طور پر اعداد و شمار کے اعداد و شمار میں رابطے سے باہر منتقل کرنے کے لئے محققین کو فعال کرتی ہے. ینالاگ عمر میں، تجربات اکثر منطقی طور پر مشکل اور مہنگا تھے. اب، ڈیجیٹل عمر میں، منطقی رکاوٹوں کو آہستہ آہستہ ختم کر دیا جاتا ہے. ماضی میں کئے جانے والوں جیسے تجربات کرنا آسان نہیں ہے، اب یہ نئے قسم کے تجربات چلانا ممکن ہے.

میں نے ابھی تک لکھا ہے کہ میں اپنی زبان میں تھوڑا سا ڈھونڈ رہا ہوں، لیکن یہ ضروری ہے کہ دو چیزوں کے درمیان متنازعہ ہونا چاہئے: تجربات اور بے ترتیب کنٹرول استعمال. ایک تجربے میں ، ایک محقق دنیا میں مداخلت کرتا ہے اور اس کے نتیجے میں اقدامات کرتا ہے. میں نے یہ نقطہ نظر سنا ہے کہ "خراب اور نگرانی" کے طور پر بیان کیا گیا ہے. بے ترتیب کنٹرول استعمال میں ایک محقق کچھ لوگوں کے لئے مداخلت کرتا ہے اور نہ ہی دوسروں کے لئے، اور محققین کا فیصلہ کرتا ہے کہ لوگ تصادفی کی طرف سے مداخلت حاصل کرتے ہیں (مثال کے طور پر، ایک سکین پلٹائیں). بے ترتیب کنٹرول کے تجربات دو گروپوں کے درمیان منصفانہ مماثلت پیدا کرتی ہیں: جس نے مداخلت حاصل کی ہے اور جس میں نہیں ہے. دوسرے الفاظ میں، بے ترتیب کن کنٹرول استعمال تجربات کے مسائل کا حل ہیں. تاہم، قطع آزمائشی اور مشاہدات صرف ایک ایسے گروہ میں شامل ہیں جن میں مداخلت ملی ہے اور اس وجہ سے نتائج محققین کو غلط نتیجے میں لے سکتے ہیں (جیسا کہ میں جلد ہی دکھائے گا). تجربات اور بے ترتیب کنٹرول تجربات کے درمیان اہم اختلافات کے باوجود سماجی محققین اکثر ان شرائط کو تبادلہ خیال کرتے ہیں. میں اس کنونشن کی پیروی کروں گا، لیکن، بعض نقطہ نظر میں، میں تصادفی توڑ دونگا بغیر بے ترتیب اور کنٹرول گروپ کے بغیر تجربات پر بے ترتیب کنٹرول تجربات کی قدر پر زور دے.

بے ترتیب کنٹرول کے تجربات نے سوشل دنیا کے بارے میں جاننے کے لئے ایک طاقتور طریقہ ثابت کیا ہے، اور اس باب میں، میں آپ کو اپنے تحقیق میں کیسے استعمال کرنے کے بارے میں مزید دکھائے گا. سیکشن 4.2 میں، وکیپیڈیا پر تجربے کے ایک مثال کے ساتھ میں استعمال کی بنیادی منطق کی وضاحت کرتا ہوں. اس کے بعد، سیکشن 4.3 میں، لیب کے تجربات اور فیلڈ تجربات کے درمیان فرق اور تعدد تجربات اور ڈیجیٹل تجربات کے درمیان فرق بیان کروں گا. مزید برآں، میں بحث کروں گا کہ ڈیجیٹل فیلڈ تجربات اینجال لیب کے تجربات (تنگ کنٹرول) اور اینجال فیلڈ تجربات (حقیقت پسندانہ) کی سب سے بہترین خصوصیات پیش کر سکتے ہیں. اس کے بعد، سیکشن 4.4 میں، میں تین تصورات - درستی، علاج کے اثرات کے تجاویز، اور میکانیزم کی وضاحت کرتا ہوں- جو امیر تجربات کو ڈیزائن کرنے کے لئے اہم ہے. اس پس منظر کے ساتھ، میں ڈیجیٹل تجربات انجام دینے کے لئے دو اہم حکمت عملی میں شامل ہونے والے کاروباری ادارے کی وضاحت کروں گا: خود کو کروں یا طاقتور سے مل کر. آخر میں، میں آپ کو ڈیجیٹل تجربات (سیکشن 4.6.1) کی حقیقی طاقت سے فائدہ اٹھانے اور اس طاقت (سیکشن 4.6.2) کے ساتھ آتا ہے کہ کچھ ذمہ داری کی وضاحت کس طرح کے بارے میں کچھ ڈیزائن مشورہ کے ساتھ اختتام کریں گے.