2.4.3 lähentämällä kokeiluja

Voimme lähentää kokeiluja, että emme voi tehdä. Kaksi lähestymistapaa, jotka hyötyvät erityisesti digitaaliaikaan täsmäävät ja luonnollinen kokeiluja.

Monia tärkeitä tieteellisiä ja poliittisia kysymyksiä ovat paljastavia. Tarkastellaan esimerkiksi seuraavia kysymyksiä: mikä on vaikutus työn koulutusohjelman palkkoihin? Yksi tapa vastata tähän kysymykseen olisi kanssa satunnaistettu kontrolloitu koe, jossa työntekijät satunnaistettiin joko saada koulutusta tai saa koulutusta. Sitten tutkijat voivat arvioida vaikutuksen koulutusta näiden osallistujien yksinkertaisesti vertaamalla palkkaa ihmisiä, jotka saivat koulutusta niille, jotka eivät saaneet sitä.

Yksinkertainen vertailu on pätevä, koska jotain, joka tapahtuu ennen kuin tiedot on jo kerätty: satunnaistamisen. Ilman satunnaistaminen, ongelma on paljon hankalampi. Tutkija voi verrata palkkaa ihmisiä, jotka vapaaehtoisesti rekisteröitynyt koulutusta niille, jotka eivät ole allekirjoittaneet-up. Tämä vertailu olisi luultavasti osoittavat, että ihmiset, jotka saivat koulutusta ansainnut enemmän, mutta kuinka paljon tämä johtuu koulutuksen ja kuinka paljon tämä johtuu ihmiset, jotka allekirjoittaa-up koulutus eroavat jotka eivät sign-up koulutus? Toisin sanoen, onko oikein verrata palkkaa näiden kahden ryhmän ihmisiä?

Tämä huoli oikeudenmukainen vertailu johtaa jotkut tutkijat uskovat, että on mahdotonta tehdä syy arvioiden ilman kokeilua. Tämä väite menee liian pitkälle. Vaikka on totta, että kokeita tarjoavat vahvin todisteita syy vaikutukset, on olemassa muita strategioita, jotka voivat antaa arvokasta syy arvioita. Sen sijaan ajatella, että syy-arviot ovat joko helposti (jos kyseessä on kokeissa) tai mahdotonta (jos kyseessä on passiivisesti havaittu data), on parempi ajatella strategioita tehdä syy arvioiden sijaitseviin jatkumona vahvin heikoimpaan (kuva 2.4). Vuoden vahvin lopussa jatkumon ovat satunnaistetussa kontrolloidussa kokeiluja. Mutta nämä ovat usein vaikea tehdä yhteiskuntatutkimuksen koska monet hoidot vaativat epärealistinen määriä yhteistyötä hallitukset tai yritykset; yksinkertaisesti monia kokeiluja, että emme voi tehdä. Aion käyttää kaiken 4 ryhmän sekä vahvuudet ja heikkoudet satunnaistetussa kontrolloidussa kokeita, ja minä väittävät, että joissakin tapauksissa on olemassa vahvoja eettisiä syitä käyttää havaintoihin ja kokeellisia menetelmiä.

Kuva 2.4: Continuum tutkimuksen strategioita arvioitu syy vaikutuksia.

Kuva 2.4: Continuum tutkimuksen strategioita arvioitu syy vaikutuksia.

Moving pitkin jatkumon, on tilanteita, joissa tutkijat eivät ole eksplisiittisesti satunnaistettu. Eli tutkijat yrittävät oppia kokeilu kaltaista tietoa ilman todella tekee kokeilu; luonnollisesti, tämä tulee olemaan hankala, mutta suuri data parantaa merkittävästi kykyä tehdä syy arvioiden näissä tilanteissa.

Joskus on asetuksia, joissa satunnaisuuden maailman sattuu luoda jotain kokeilu tutkijoille. Nämä mallit ovat nimeltään luonnollinen kokeiluja, ja niitä käsitellään yksityiskohtaisesti jaksossa 2.4.3.1. Kaksi ominaisuudet iso tietolähteiden-heidän aina-luonnosta ja niiden koon suuresti parantaa kykyämme oppia luonnon kokeita, kun ne tapahtuvat.

Siirtymässä etäämmälle satunnaistetussa kontrolloidussa kokeita, joskus ei ole edes tapahtuma luonnossa että voimme käyttää lähentää luonnollista kokeilu. Näissä asetuksia, voimme huolellisesti rakentaa vertailuja ei-kokeelliset tiedot yritetään lähentää kokeilu. Nämä mallit kutsutaan matching, ja niitä käsitellään yksityiskohtaisesti jaksossa 2.4.3.2. Kuten luonnon kokeita, sovitus on muotoilu, joka hyödyttää myös suuria tietolähteitä. Erityisesti valtava koko-olipa kyse useissa tapauksissa ja tyyppistä tietoa kohti tapauskohtaisesti helpottaa suuresti matching. Keskeinen ero luonnollinen kokeiluja ja sovitus on, että luonnollinen kokeiluja tutkija tietää prosessi, jossa hoito annettiin, ja uskoo sen olevan satunnaista.

Käsite oikeudenmukaisen vertailuissa motivoitunut haluja tehdä kokeita myös taustalla kaksi vaihtoehtoista lähestymistapaa: luonnollinen kokeiluja ja vastaavia. Näitä lähestymistapoja avulla voit arvioida syy vaikutuksia passiivisesti havaittu data löytämällä oikeudenmukainen vertailu istuu sisällä tietoja, jotka sinulla jo on.