2.4.3 ປະສົບການປະມານ

ພວກເຮົາສາມາດປະມານປະສົບການທີ່ພວກເຮົາບໍ່ສາມາດເຮັດໄດ້. ສອງວິທີການໂດຍສະເພາະແມ່ນຮັບຜົນປະໂຫຍດຈາກອາຍຸສູງສຸດດິຈິຕອນໂຍບາຍຄວາມລັບແລະປະສົບການທໍາມະຊາດ.

ຄໍາຖາມວິທະຍາສາດແລະນະໂຍບາຍທີ່ສໍາຄັນຈໍານວນຫຼາຍສາເຫດ. ໃຫ້ພິຈາລະນາ, ສໍາລັບການຍົກຕົວຢ່າງ, ຄໍາຖາມດັ່ງຕໍ່ໄປນີ້: ສິ່ງທີ່ເປັນຜົນກະທົບຂອງໂຄງການການຝຶກອົບຮົມວຽກເຮັດງານທໍາກ່ຽວກັບຄ່າຈ້າງ? ທາງຫນຶ່ງທີ່ຈະຕອບຄໍາຖາມນີ້ຈະມີການທົດລອງການຄວບຄຸມບັນບ່ອນທີ່ພະນັກງານໄດ້ຮັບການມອບຫມາຍໃຫ້ເຂົ້າກັບບໍ່ວ່າຈະໄດ້ຮັບການຝຶກອົບຮົມຫຼືບໍ່ໄດ້ຮັບການຝຶກອົບຮົມ. ຫຼັງຈາກນັ້ນ, ນັກຄົ້ນຄວ້າສາມາດປະເມີນຜົນກະທົບຂອງການຝຶກອົບຮົມສໍາລັບຜູ້ເຂົ້າຮ່ວມເຫຼົ່ານີ້ໂດຍພຽງແຕ່ການປຽບທຽບຄ່າຈ້າງຂອງປະຊາຊົນຜູ້ທີ່ໄດ້ຮັບການຝຶກອົບຮົມກັບທີ່ບໍ່ໄດ້ຮັບມັນ.

ການປຽບທຽບງ່າຍດາຍແມ່ນຖືກຕ້ອງເພາະວ່າຂອງບາງສິ່ງບາງຢ່າງທີ່ເກີດຂຶ້ນກ່ອນທີ່ຈະຂໍ້ມູນທີ່ໄດ້ເກັບກໍາເຖິງແມ່ນວ່າ: Random ໄດ້. ໂດຍບໍ່ມີການໄປ, ບັນຫາແມ່ນ trickier ຫຼາຍ. ນັກວິໄຈສາມາດປຽບທຽບຄ່າຈ້າງຂອງປະຊາຊົນຜູ້ທີ່ສະຫມັກໃຈໄດ້ເຊັນຂຶ້ນສໍາລັບການຝຶກອົບຮົມໃຫ້ກັບຜູ້ທີ່ບໍ່ໄດ້ເຂົ້າເຖິງໄດ້. ການປຽບທຽບທີ່ຈະເປັນສະແດງໃຫ້ເຫັນວ່າປະຊາຊົນຜູ້ທີ່ໄດ້ຮັບການຝຶກອົບຮົມທີ່ໄດ້ຮັບຫຼາຍ, ແຕ່ວິທີການຫຼາຍຂອງໂຄງການນີ້ແມ່ນເນື່ອງຈາກວ່າການຝຶກອົບຮົມແລະວິທີການຫຼາຍຂອງໂຄງການນີ້ແມ່ນຍ້ອນວ່າປະຊາຊົນທີ່ເຂົ້າເຖິງສໍາລັບການຝຶກອົບຮົມແມ່ນແຕກຕ່າງກັນຈາກຜູ້ທີ່ບໍ່ໄດ້ເຂົ້າເຖິງສໍາລັບການຝຶກອົບຮົມ? ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ມັນເປັນຍຸດຕິທໍາເພື່ອປຽບທຽບຄ່າແຮງງານຂອງເຫຼົ່ານີ້ທັງສອງກຸ່ມຂອງປະຊາຊົນ?

ຄວາມກັງວົນກ່ຽວກັບການປຽບທຽບຄວາມຍຸຕິທໍານີ້ນໍາໄປສູ່ການຄົ້ນຄ້ວາບາງຄົນເຊື່ອວ່າມັນເປັນໄປບໍ່ໄດ້ທີ່ຈະເຮັດໃຫ້ການຄາດຄະເນເຫດໂດຍບໍ່ຕ້ອງໃຊ້ການທົດລອງ. ການຮ້ອງຂໍນີ້ໄປໄກເກີນໄປ. ໃນຂະນະທີ່ມັນເປັນຄວາມຈິງທີ່ວ່າປະສົບການສະຫນອງຫຼັກຖານ strongest ສໍາລັບຜົນກະທົບ causal, ມີຍຸດທະສາດອື່ນໆທີ່ສາມາດໃຫ້ການຄາດຄະເນເຫດທີ່ມີຄຸນຄ່າ. ແທນທີ່ຈະຄິດວ່າການຄາດຄະເນເຫດມີທັງງ່າຍ (ໃນກໍລະນີຂອງປະສົບການ) ຫຼືເປັນໄປບໍ່ໄດ້ (ໃນກໍລະນີທີ່ສັງເກດເຫັນຂໍ້ມູນຕົວຕັ້ງຕົວຕີ), ມັນເປັນທີ່ດີກວ່າທີ່ຈະຄິດຂອງຍຸດທະສາດສໍາລັບການເຮັດການຄາດຄະເນເຫດນອນຕາມຕໍ່ເນື່ອງຈາກ strongest ການ weakest (ຮູບສະແດງທີ 24). ຢູ່ໃນຕອນທ້າຍ strongest ຂອງຕໍ່ເນື່ອງໄດ້ຖືກບັນການທົດລອງການຄວບຄຸມ. ແຕ່, ການເຫຼົ່ານີ້ແມ່ນມັກຈະມີຄວາມຫຍຸ້ງຍາກທີ່ຈະເຮັດແນວໃດໃນການຄົ້ນຄວ້າທາງສັງຄົມເນື່ອງຈາກວ່າການປິ່ນປົວຈໍານວນຫຼາຍຮຽກຮ້ອງໃຫ້ມີປະລິມານ unrealistic ຂອງການຮ່ວມມືຈາກລັດຖະບານຫຼືບໍລິສັດ; ທີ່ຂ້ອນຂ້າງພຽງແຕ່ມີປະສົບການຈໍານວນຫຼາຍທີ່ພວກເຮົາບໍ່ສາມາດເຮັດໄດ້. ຂ້າພະເຈົ້າຈະອຸທິດທັງຫມົດຂອງຫມວດທີ 4 ການທັງສອງຄວາມເຂັ້ມແຂງແລະຈຸດອ່ອນຂອງການທົດລອງການຄວບຄຸມບັນ, ແລະຂ້າພະເຈົ້າຈະໂຕ້ຖຽງວ່າໃນບາງກໍລະນີ, ບໍ່ມີເຫດຜົນດ້ານຈັນຍາບັນທີ່ເຂັ້ມແຂງທີ່ຈະຕ້ອງສັງເກດການກັບວິທີການທົດລອງ.

ຕົວເລກ 24: Continuum ຂອງຍຸດທະສາດການຄົ້ນຄວ້າສໍາລັບຜົນກະທົບ causal ການຄາດຄະເນ.

ຕົວເລກ 24: Continuum ຂອງຍຸດທະສາດການຄົ້ນຄວ້າສໍາລັບຜົນກະທົບ causal ການຄາດຄະເນ.

ການເຄື່ອນຍ້າຍຕາມຕໍ່ເນື່ອງ, ມີສະຖານະທີ່ນັກຄົ້ນຄວ້າໄດ້ບໍ່ໄດ້ບັນຢ່າງຊັດເຈນ. ທີ່, ນັກຄົ້ນຄວ້າກໍາລັງພະຍາຍາມທີ່ຈະຮຽນຮູ້ຄວາມຮູ້ປະສົບການຄ້າຍຄືບໍ່ມີການດໍາເນີນການທົດລອງ; ຕາມທໍາມະຊາດ, ນີ້ແມ່ນຈະ tricky, ແຕ່ວ່າຂໍ້ມູນຂະຫນາດໃຫຍ່ຢ່າງຫຼວງຫຼາຍປັບປຸງຄວາມສາມາດຂອງພວກເຮົາທີ່ຈະເຮັດໃຫ້ການຄາດຄະເນເຫດໃນສະຖານະການເຫຼົ່ານີ້.

ບາງຄັ້ງກໍມີການຕັ້ງຄ່າທີ່ສຸ່ມໃນໂລກໄດ້ເກີດຂຶ້ນທີ່ຈະສ້າງບາງສິ່ງບາງຢ່າງເຊັ່ນ: ການທົດລອງສໍາລັບນັກຄົ້ນຄວ້າໄດ້. ການອອກແບບເຫຼົ່ານີ້ໄດ້ຖືກເອີ້ນວ່າປະສົບການທໍາມະຊາດ, ແລະພວກເຂົາເຈົ້າຈະໄດ້ຮັບການພິຈາລະນາໃນລາຍລະອຽດໃນພາກທີ 2.4.3.1. ສອງລັກສະນະຂອງແຫຼ່ງຂໍ້ມູນຂອງເຂົາເຈົ້າຂໍ້ມູນຂະຫນາດໃຫຍ່ລັກສະນະສະເຫມີໄປ, ແລະຂອງເຂົາເຈົ້າຂະຫນາດ, ຢ່າງໃຫຍ່ຫຼວງໃຫ້ຄວາມສາມາດຂອງພວກເຮົາທີ່ຈະຮຽນຮູ້ຈາກປະສົບການທໍາມະຊາດໃນເວລາທີ່ພວກເຂົາເກີດຂຶ້ນ.

ການເຄື່ອນຍ້າຍຫ່າງໄກຈາກການທົດລອງການຄວບຄຸມບັນ, ບາງຄັ້ງບໍ່ມີບໍ່ແມ່ນແຕ່ກໍລະນີໃນລັກສະນະທີ່ພວກເຮົາສາມາດນໍາໃຊ້ເພື່ອປະມານປະສົບການທີ່ທໍາມະຊາດ. ໃນການປັບຄ່າເຫຼົ່ານີ້, ພວກເຮົາລະມັດລະວັງສາມາດສ້າງການປຽບທຽບຢູ່ໃນຂໍ້ມູນທີ່ບໍ່ແມ່ນການທົດລອງໃນຄວາມພະຍາຍາມທີ່ຈະປະມານການທົດລອງ. ການອອກແບບເຫຼົ່ານີ້ເອີ້ນວ່າໂຍບາຍຄວາມລັບ, ແລະພວກເຂົາເຈົ້າຈະໄດ້ຮັບການພິຈາລະນາໃນລາຍລະອຽດໃນພາກທີ 2.4.3.2. ເຊັ່ນດຽວກັນກັບປະສົບການທໍາມະຊາດ, ມູນເປັນການອອກແບບທີ່ຍັງມີປະໂຍດຈາກແຫລ່ງຂໍ້ມູນຂະຫນາດໃຫຍ່. ໂດຍສະເພາະ, ຂະຫນາດ, ທັງສອງຂະຫນາດໃຫຍ່ໃນແງ່ຂອງການຈໍານວນຂອງກໍລະນີແລະປະເພດຂອງຂໍ້ມູນຕໍ່ກໍລະນີຢ່າງຫຼວງຫຼາຍສະໂຍບາຍຄວາມລັບ. ຄວາມແຕກຕ່າງທີ່ສໍາຄັນລະຫວ່າງປະສົບການທໍາມະຊາດແລະການຈັບຄູ່ແມ່ນວ່າໃນການທົດລອງທໍາມະຊາດນັກຄົ້ນຄວ້າໄດ້ຮູ້ຂັ້ນຕອນໃນການທີ່ການປິ່ນປົວໄດ້ຮັບມອບຫມາຍແລະເຊື່ອວ່າມັນຈະໄປ.

ແນວຄວາມຄິດຂອງການປຽບທຽບຄວາມຍຸຕິທໍາທີ່ກະຕຸ້ນຄວາມຕ້ອງການທີ່ຈະເຮັດການທົດລອງຍັງ underlies ທັງສອງວິທີທາງເລືອກ: ປະສົບການທໍາມະຊາດແລະມູນ. ວິທີການເຫຼົ່ານີ້ຈະເຮັດໃຫ້ທ່ານເພື່ອປະເມີນຜົນກະທົບ causal ຈາກຂໍ້ມູນການສັງເກດຕົວຕັ້ງຕົວຕີໂດຍການຄົ້ນພົບການປຽບທຽບຄວາມຍຸຕິທໍານັ່ງພາຍໃນຂອງຂໍ້ມູນທີ່ທ່ານມີແລ້ວ.