2.4.3 eksperimen yang hampir

Kami boleh menganggarkan eksperimen yang kita tidak boleh lakukan. Dua pendekatan yang terutama manfaat daripada era digital yang sepadan dan eksperimen semula jadi.

Banyak penting soalan sains dan polisi adalah sebab dan akibat. Mari kita mempertimbangkan, sebagai contoh, soalan berikut: apakah kesan daripada program latihan kerja gaji? Salah satu cara untuk menjawab soalan ini akan dengan percubaan terkawal rawak di mana pekerja secara rawak sama ada untuk menerima latihan atau tidak menerima latihan. Kemudian, penyelidik boleh menganggarkan kesan latihan untuk peserta-peserta tersebut dengan hanya membandingkan gaji orang yang menerima latihan untuk mereka yang tidak menerimanya.

Perbandingan mudah adalah sah kerana sesuatu yang berlaku sebelum data itu dipungut: rawak itu. Tanpa rawak, masalah ini adalah lebih sukar. Seorang penyelidik boleh membandingkan gaji orang yang secara sukarela mendaftar untuk latihan kepada mereka yang tidak mendaftar. perbandingan yang mungkin akan menunjukkan bahawa orang yang menerima latihan memperoleh lebih, tetapi berapa banyak ini adalah kerana latihan dan berapa banyak ini adalah kerana orang yang mendaftar untuk latihan adalah berbeza daripada mereka yang tidak mendaftar untuk latihan? Dalam erti kata lain, adakah adil untuk membandingkan gaji daripada dua kumpulan orang?

Kebimbangan ini mengenai perbandingan yang adil membawa beberapa penyelidik untuk mempercayai bahawa ia adalah mustahil untuk membuat anggaran sebab-musabab tanpa menjalankan percubaan. Dakwaan ini pergi terlalu jauh. Walaupun benar bahawa eksperimen menyediakan hujah yang kukuh untuk kesan sebab dan akibat, terdapat strategi lain yang boleh memberikan anggaran penyebab berharga. Daripada memikirkan bahawa anggaran sebab dan akibat adalah sama ada mudah (dalam hal eksperimen) atau mustahil (dalam kes secara pasif diperhatikan data), adalah lebih baik untuk memikirkan strategi untuk membuat anggaran sebab dan akibat yang terletak di sepanjang kontinum dari kuat untuk paling lemah (Rajah 2.4). Pada akhir kuat kontinum bersifat rawak eksperimen terkawal. Tetapi, ini sering sukar untuk dilakukan dalam penyelidikan sosial kerana banyak rawatan memerlukan jumlah yang tidak realistik kerjasama daripada kerajaan atau syarikat-syarikat; cukup hanya terdapat banyak eksperimen yang kita tidak boleh buat. Saya akan menumpukan semua Bab 4 untuk kedua-dua kekuatan dan kelemahan eksperimen terkawal rawak, dan saya akan mengatakan bahawa dalam beberapa kes, ada sebab-sebab etika yang kukuh untuk memilih pemerhatian kepada kaedah eksperimen.

Rajah 2.4: Continuum strategi penyelidikan untuk kesan sebab dan akibat dianggarkan.

Rajah 2.4: Continuum strategi penyelidikan untuk kesan sebab dan akibat dianggarkan.

Bergerak di sepanjang kontinum, terdapat situasi di mana penyelidik telah tidak rawak jelas. Iaitu, penyelidik cuba untuk mempelajari pengetahuan eksperimen seperti tanpa benar-benar melakukan eksperimen; secara semula jadi, ini akan menjadi sukar, tetapi data yang besar sangat meningkatkan keupayaan kita untuk membuat anggaran sebab dan akibat dalam situasi ini.

Kadang-kadang ada tetapan mana rawak di dunia yang berlaku untuk mencipta sesuatu seperti satu eksperimen untuk penyelidik. Ini reka bentuk dipanggil eksperimen semula jadi, dan mereka akan dibincangkan secara terperinci dalam Seksyen 2.4.3.1. Dua ciri-ciri sumber-mereka data besar sifat sentiasa ke dan mereka saiz meningkatkan lagi keupayaan kita untuk belajar daripada eksperimen semula jadi apabila ia berlaku.

Bergerak lebih jauh daripada eksperimen terkawal rawak, kadang-kadang tidak ada walaupun acara di alam semula jadi yang boleh kita gunakan lebih kurang satu eksperimen semula jadi. Dalam tetapan ini, kita berhati-hati boleh membina perbandingan dalam data bukan eksperimen dalam usaha untuk lebih kurang satu eksperimen. Ini reka bentuk dipanggil yang hampir sama, dan mereka akan dibincangkan secara terperinci dalam Seksyen 2.4.3.2. Seperti eksperimen semula jadi, yang hampir sama adalah reka bentuk yang juga mendapat manfaat daripada sumber data yang besar. Khususnya, saiz kedua-dua besar-besaran dari segi bilangan kes dan jenis maklumat bagi setiap kes-amat memudahkan sepadan. Perbezaan utama antara eksperimen semula jadi dan yang hampir sama ialah dalam eksperimen semula jadi penyelidik tahu proses di mana rawatan telah diberikan dan percaya ia menjadi rawak.

Konsep perbandingan yang adil yang mendorong keinginan untuk melakukan eksperimen juga mendasari kedua-dua pendekatan alternatif: eksperimen semula jadi dan yang sepadan. Pendekatan ini akan membolehkan anda untuk menganggarkan kesan sebab dan akibat daripada data pasif diperhatikan dengan menemui perbandingan adil duduk di dalam data yang anda sudah mempunyai.