3.5.1 évaluations momentanées écologiques

Les chercheurs peuvent hacher les grandes enquêtes et saupoudrez - les dans la vie des gens.

Évaluations momentanées écologiques (EMA) consiste à prendre des enquêtes traditionnelles, les hacher en morceaux, et les aspergeant dans la vie des participants. Ainsi, les questions de l'enquête peuvent être posées à un temps et lieu, plutôt que dans une longue semaine d'entrevue après les événements ont eu lieu.

EMA est caractérisée par quatre caractéristiques: (1) la collecte de données dans les environnements du monde réel; (2) des évaluations qui se concentrent sur les États ou les comportements actuels ou très récents des individus; (3) les évaluations qui peuvent être basé sur les événements, le temps en fonction, ou de façon aléatoire invité (en fonction de la question de recherche); et (4) l' achèvement des évaluations multiples au fil du temps (Stone and Shiffman 1994) . EMA est une approche de demander qui est grandement facilitée par les téléphones intelligents que les gens interagissent fréquemment tout au long de la journée. En outre, parce que les téléphones intelligents sont emballés avec des capteurs tels que GPS et accéléromètres-il est de plus en plus possible de déclencher des mesures basées sur l'activité. Par exemple, un téléphone intelligent pourrait être programmé pour déclencher une question d'enquête si un répondant va dans un quartier particulier.

La promesse de l'EMA est bien illustrée par la thèse de recherche de Naomi Sugie. Depuis les années 1970 aux États-Unis a augmenté de façon spectaculaire le nombre de personnes qu'il emprisonne. En 2005, environ 500 à 100.000 Américains étaient en prison, un taux d'incarcération plus élevé que partout ailleurs dans le monde (Wakefield and Uggen 2010) . La forte augmentation du nombre de personnes entrant en prison a également produit une augmentation du nombre de personnes qui quittent la prison; environ 700.000 personnes chaque année quittent la prison (Wakefield and Uggen 2010) . Ces ex-détenus font face à de graves défis à la sortie de prison, et malheureusement, beaucoup finissent par retourner en prison. Afin de comprendre et de réduire la récidive, des sciences sociales et les décideurs ont besoin de comprendre l'expérience des ex-délinquants comme ils réintégrer la société. Cependant, ces données sont difficiles à recueillir des méthodes d'enquête standard, car les ex-délinquants ont tendance à être difficiles à étudier et leur vie sont extrêmement instables. Approches de mesure qui déploient des enquêtes tous les quelques mois manquent d' énormes quantités de la dynamique de leur vie (Sugie 2016) .

Afin d'étudier le processus d'ex-délinquants rentrée avec beaucoup plus de précision, Sugie a pris un échantillon de probabilité standard 131 personnes de la liste complète des personnes qui quittent la prison à Newark, New Jersey. Elle a fourni à chaque participant un téléphone intelligent qui est devenu une riche plate-forme de collecte de données. Sugie utilisé les téléphones pour administrer deux types d'enquêtes. Tout d'abord, elle a envoyé une «enquête expérience d'échantillonnage" à un moment choisi au hasard 9 heures-18 heures en demandant aux participants au sujet de leurs activités et sentiments actuels. Deuxièmement, à 19 heures, elle a envoyé une "enquête quotidienne" poser des questions sur toutes les activités de ce jour-là. Ensemble, ces deux enquêtes fournissent des données longitudinales, détaillées sur la vie de ces anciens délinquants.

En plus de ces enquêtes, les téléphones ont enregistré leur situation géographique, à intervalles réguliers et conservés les dossiers chiffrés de l'appel et le texte des méta-données. Toutes cette collecte de données, notamment la collecte de données passive, soulève des questions éthiques, mais la conception de Sugie manipulés bien. Sugie a reçu un consentement valable éclairé de chaque participant à cette collecte de données, utilisé des protections de sécurité appropriées, et a permis aux participants d'éteindre le suivi géographique. En outre, afin de minimiser le risque de divulgation forcée des données (par exemple, une citation à comparaître de la police), Sugie a obtenu un certificat de confidentialité du gouvernement fédéral avant que des données ont été recueillies (Beskow, Dame, and Costello 2008; Wolf et al. 2012) . Les procédures de Sugie ont été examinées par un tiers (Institutional Review Board de son université), et ils sont allés bien au-delà ce qui est requis par la réglementation en vigueur. En tant que tel, je pense que son travail fournit un modèle utile pour d'autres chercheurs confrontés à ces mêmes défis; voir Sugie (2014) et Sugie (2016) pour une discussion plus détaillée.

La capacité d'obtenir et de conserver un emploi stable est important pour un processus de rentrée réussie. Cependant, Sugie a constaté que les expériences de travail de ses participants étaient informelles, temporaires et sporadique. En outre, au sein de son bassin de participants, il y avait quatre modèles distincts: "sortie précoce" (ceux qui commencent à chercher du travail, mais alors abandonner le marché du travail), "recherche persistante" (ceux qui passent une grande partie de la période de recherche d'emploi) , "récurrents travail" (ceux qui passent une grande partie de la période de travail), et «faible réponse» (ceux qui ne répondent pas aux enquêtes régulièrement). En outre, Sugie voulait comprendre plus sur les personnes qui cessent de chercher un emploi. Une possibilité est que ces chercheurs se découragent et déprimé et finissent par tomber sur le marché du travail. Conscient de ce risque, Sugie utilisé ses enquêtes pour recueillir des données sur l'état émotionnel des participants, et elle a constaté que le groupe «sortie précoce» n'a pas signalé des niveaux plus élevés de stress ou de malheur. Au contraire, l'inverse était le cas: ceux qui ont continué à chercher du travail a rapporté plus de sentiments de détresse émotionnelle. Tout cela à grains fins, détail longitudinale sur le comportement et l'état émotionnel des ex-délinquants est important pour comprendre les obstacles auxquels ils sont confrontés et de faciliter leur retour dans la société. En outre, tous ces détails à grains fins aurait été manqué dans une enquête standard.

Il y a trois leçons générales de travail de Sugie. Tout d'abord, de nouvelles approches pour poser sont entièrement compatibles avec les méthodes traditionnelles d'échantillonnage; rappeler que Sugie a pris un échantillon de probabilité standard à partir d'une population de cadre bien défini. Deuxièmement, à haute fréquence, les mesures longitudinales peuvent être particulièrement précieux pour l'étude des expériences sociales qui sont irrégulières et dynamique. Troisièmement, lorsque la collecte de données d'enquête est combinée avec des traces numériques, les questions éthiques supplémentaires peuvent survenir. Je traite éthique de la recherche plus en détail dans le chapitre 6, mais le travail de Sugie montre que ces questions sont adressables par des chercheurs consciencieux et réfléchis.