4.1 تعارف

اس کتاب کا مشاہدہ رویے (باب 2) اور سوال پوچھنا میں اب تک احاطہ کرتا ہے کے نقطہ نظر میں (باب 3) -researchers قدرتی طور پر دنیا میں جاری ہے اس کے بارے میں اعداد و شمار جمع. نقطہ نظر اس باب چلنے میں احاطہ کرتا بنیادی طور پر مختلف تجربات ہے. محققین تجربات چلاتے ہیں تو، وہ منظم طریقے سے ڈیٹا کو مثالی طور پر وجہ اور اثر کے تعلقات کے بارے میں سوالات کا جواب دینے کے لئے مناسب ہے کہ پیدا کرنے کے لئے دنیا میں مداخلت.

وجہ اور اثر سوالات کے سماجی تحقیق میں بہت عام ہیں، اور مثالیں جیسے بڑھتی کرتا اساتذہ کی تنخواہوں میں سیکھنے کے طالب علم کو بڑھانے کے سوالات بھی شامل ہے؟ روزگار کی شرح پر کم از کم اجرت کا اثر کیا ہے؟ کس طرح ایک ملازمت کی درخواست گزار کی دوڑ ایک نوکری حاصل کرنے کی اس موقع پر اثر پڑتا ہے؟ ان واضح طور اسباب سوالات کے علاوہ، کبھی کبھی وجہ اور اثر سوالات کے کچھ کارکردگی میٹرک کی بہتات کے بارے میں زیادہ عام سوالات میں شامل ہیں. مثال کے طور پر، سوال "ایک غیر سرکاری تنظیم کی ویب سائٹ پر عطیات زیادہ سے زیادہ گے کیا رنگ کے بٹن پر؟" واقعی عطیات پر مختلف بٹن رنگوں کے اثرات کے بارے میں سوالات کے بہت ہے.

وجہ اور اثر سوالات کا جواب دینے کا ایک طریقہ یہ موجودہ ڈیٹا میں نمونوں کے لئے ملاحظہ کرنے کے لئے ہے. مثال کے طور پر، اسکولوں کے ہزاروں سے اعداد و شمار کا استعمال کرتے ہوئے، آپ کو شمار سے ہو سکتا ہے کے طلباء اسکولوں اعلی اساتذہ کی تنخواہوں پیش کرتے ہیں کہ میں مزید جاننے کے کہ. لیکن، اس کے ارتباط ظاہر ہے کہ زیادہ تنخواہ طالب علموں میں مزید جاننے کے لئے کی وجہ سے کرتا ہے؟ بالکل نہیں. اسکولوں جہاں اساتذہ زیادہ کماتے ہیں کئی طرح سے مختلف ہو سکتا ہے. مثال کے طور پر، اعلی اساتذہ کی تنخواہوں کے ساتھ اسکولوں میں طلباء امیر خاندانوں سے آ سکتا ہے. اس طرح، کیا لگتا ہے اساتذہ کا ایک اثر صرف طالب علموں کی مختلف اقسام کا موازنہ سے آ سکتا ہے کی طرح. طالب علموں کے درمیان ان 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 کے محققین کی صلاحیت پر کہر wreaks.

confounders کے مسئلے کا ایک حل گروپوں کے درمیان قابل مشاہدہ اختلافات کے لئے ایڈجسٹ کی طرف سے منصفانہ موازنہ بنانے کے لئے کوشش کرنے کے لئے ہے. مثال کے طور پر، آپ کو سرکاری ویب سائٹ کی ایک بڑی تعداد کی طرف سے پراپرٹی ٹیکس ڈیٹا ڈاؤن لوڈ کرنے کے قابل ہو سکتا. اس کے بعد، آپ کو اسکولوں ہے جہاں گھر کی قیمتوں ملتے جلتے ہیں لیکن اساتذہ کی تنخواہوں مختلف ہیں میں طالب علم کی کارکردگی کا موازنہ کر سکتے تھے، اور آپ اب بھی طالب علموں کو اعلی استاد تنخواہ کے ساتھ اسکولوں میں مزید جاننے کے کہ مل سکتا ہے. لیکن، بہت سے ممکن confounders اب بھی موجود ہیں. ہو سکتا ہے کہ ان کے طالب علم کے والدین کی تعلیم کی سطح میں اختلاف ہے یا شاید اسکولوں عوامی لائبریریوں کے لئے ان کی قربت میں اختلاف ہے یا شاید اس سے زیادہ استاد تنخواہ کے ساتھ اسکول پرنسپل اور پرنسپل تنخواہ کے لئے اعلی تنخواہ ہے، استاد تنخواہ نہیں، واقعی میں کیا اضافہ ہو رہا ہے ہے طالب علم سیکھنے. آپ کے ساتھ ساتھ ان دیگر عوامل کی پیمائش کرنے کی کوشش کر سکتے، لیکن ممکن confounders کی فہرست بنیادی طور پر لامتناہی ہے. بہت سی صورتوں میں، آپ کو صرف کی پیمائش کرنے اور ہر ممکن confounders لئے ایڈجسٹ نہیں کر سکتے. یہ نقطہ نظر صرف آپ اتنی دور لے جا سکتے ہیں.

confounders کے مسئلہ کا بہتر حل تجربات سے چل رہا ہے. تجربات قدرتی طور پر معتبر وجہ اور اثر سوال کا جواب دینے کے لئے میں ڈیٹا کے واقع ہونے میں ارتباط سے باہر منتقل کرنے کے لئے محققین کو چالو. ینالاگ دور میں، تجربات اکثر ذرائع آمدورفت کے مسائل مشکل اور مہنگے تھے. اب، ڈیجیٹل دور میں، انتظامی رکاوٹوں کو آہستہ آہستہ دور دھندلاہٹ رہے ہیں. نہ صرف یہ آسان ان لوگوں محققین طرح کے تجربات ماضی میں کیا ہے کرنے کے لئے ہے، اس کے تجربات کی نئی قسم کو چلانے کے لئے اب یہ ممکن ہے.

میں نے اب تک لکھا ہے کہ کیا میں میں نے میری زبان میں تھوڑا سا ڈھیلے رہا ہوں، لیکن یہ دو چیزوں کے درمیان تمیز کرنے کے لئے اہم ہے: تجربات اور randomized کنٹرول تجربات. ایک تجربہ میں ایک محقق، دنیا میں مداخلت اور پھر ایک نتیجہ کے اقدامات. میں نے اس نقطہ نظر کے طور پر بیان سنا ہے "perturb اور مشاہدہ." یہ حکمت عملی قدرتی سائنس میں بہت مؤثر ہے، لیکن طبی اور سوشل سائنسز میں، بہتر کام کرتا ہے ایک اور نقطہ نظر نہیں ہے. ایک randomized کنٹرول کے استعمال میں ایک محقق کچھ لوگوں کے لئے اور دوسروں کے لئے نہیں مداخلت، اور، شدید، محقق لوگوں randomization ہے کی طرف سے مداخلت کو حاصل ہے جس کا فیصلہ (مثلا، ایک سکے flipping). مداخلت اور نہیں ہے کہ ایک حاصل کی ہے کہ ایک: یہ عمل کہ randomized کنٹرول تجربات دو گروپوں کے درمیان منصفانہ موازنہ تخلیق کو یقینی بناتا ہے. دوسرے الفاظ میں، randomized کنٹرول تجربات confounders کے مسائل کا حل ہیں. تجربات اور randomized کنٹرول تجربات کے درمیان اہم اختلافات کے باوجود، سماجی محققین اکثر دوسرے ان شرائط کا استعمال. میں نے اس کنونشن کی پیروی کریں گے، لیکن، بعض مقامات پر، میں نے randomization ہے اور ایک کنٹرول گروپ کے بغیر تجربات کے دوران randomized کنٹرول تجربات کی قدر زور دینا کنونشن توڑ دونگا.

randomized کنٹرول تجربات سماجی دنیا کے بارے میں جاننے کے لئے ایک طاقتور طریقہ ہونا ثابت کیا ہے، اور اس باب میں، میں نے آپ کو آپ کی تحقیق میں ان کا استعمال کرنے کے بارے میں مزید سکھاؤنگا. سیکشن 4.2 میں، میں نے وکی پیڈیا پر ایک تجربہ کی ایک مثال کے ساتھ تجربات کی بنیادی منطق کی نمائندگی کرتی دونگا. اس کے بعد، سیکشن 4.3 میں، میں نے لیب کے تجربات اور تجربات اور مطابق تجربات اور ڈیجیٹل تجربات کے درمیان اختلافات کے درمیان فرق بیان کریں گے. اس کے علاوہ، میں نے ڈیجیٹل تجربات کہ جو پہلے ممکن نہیں تھا ایک پیمانے پر (سخت کنٹرول) ینالاگ لیب تجربات کی سب سے بہترین خصوصیات اور مطابق میدان تجربات (حقیقت پسندی)، تمام پیشکش کر سکتے ہیں کہ بحث کر لیں گے. اگلا، سیکشن 4.4 میں، میں نے تین تصورات-موزونیت، علاج کے اثرات میں heterogeneity، اور نظام ہے کہ امیر تجربات کے ڈیزائن کے لئے اہم ہیں بیان کریں گے. اس پس منظر کے ساتھ، میں ڈیجیٹل تجربات کے انعقاد کے لئے دو اہم حکمت عملی میں ملوث تجارت آف بیان کریں گے: یہ اپنے آپ کو (دفعہ 4.5.1) کر رہے ہیں یا طاقتور (دفعہ 4.5.2) کے ساتھ شراکت داری. آخر میں، میں آپ کو ڈیجیٹل تجربات (دفعہ 4.6.1) کی حقیقی طاقت کا فائدہ لے سکتے ہیں کہ کس طرح کے بارے میں کچھ ڈیزائن مشورہ کے ساتھ یہ نتیجہ اخذ کریں گے اور اس طاقت (دفعہ 4.6.2) کے ساتھ آتا ہے کہ ذمہ داری کا کچھ بیان کریں. باب ریاضی کی علامتیں اور رسمی زبان کی ایک کم از کم کے ساتھ پیش کیا جائے گا؛ تجربات کے لئے ایک سے زیادہ رسمی، ریاضیاتی نقطہ نظر میں دلچسپی رکھنے والے قارئین بھی باب کے آخر میں تکنیکی اپینڈکس پڑھنا چاہیے.