4.3 Mbili vipimo ya majaribio: maabara-shamba na Analog-digital

Majaribio Lab kutoa kudhibiti, majaribio uwanja kutoa realism, na digital uwanja majaribio kuchanganya udhibiti na uhalisia kwa upana zaidi.

Majaribio huja katika maumbo na ukubwa tofauti. Katika siku za nyuma, watafiti wamegundua kuwa na manufaa kuandaa majaribio pamoja na kuendelea kati ya majaribio ya maabara na majaribio ya shamba . Sasa, hata hivyo, watafiti wanapaswa pia kupanga majaribio pamoja na kuendelea kwa pili kati ya majaribio ya analog na majaribio ya digital . Sehemu hii ya kubuni mbili itasaidia kuelewa nguvu na udhaifu wa mbinu tofauti na kuonyesha maeneo ya fursa kubwa (Fungu la 4.1).

Kielelezo 4.1: Mpangilio wa nafasi ya kubuni kwa majaribio. Katika siku za nyuma, majaribio yalikuwa tofauti kando ya maabara ya uwanja wa maabara. Sasa, pia hutofautiana kwenye hali ya analog-digital. Eneo hili la kubuni mbili-dimensional linaonyeshwa na majaribio mawili ambayo mimi kuelezea katika sura hii. Kwa maoni yangu, eneo la fursa kubwa ni majaribio ya shamba la digital.

Kielelezo 4.1: Mpangilio wa nafasi ya kubuni kwa majaribio. Katika siku za nyuma, majaribio yalikuwa tofauti kando ya maabara ya uwanja wa maabara. Sasa, pia hutofautiana kwenye hali ya analog-digital. Eneo hili la kubuni mbili-dimensional linaonyeshwa na majaribio mawili ambayo mimi kuelezea katika sura hii. Kwa maoni yangu, eneo la fursa kubwa ni majaribio ya shamba la digital.

Kipimo kimoja ambazo majaribio yanaweza kupangwa ni kiwango cha maabara ya maabara. Majaribio mengi katika sayansi ya kijamii ni majaribio ya maabara ambapo wanafunzi wa daraja la kwanza hufanya kazi za ajabu katika maabara kwa ajili ya mikopo ya kweli. Aina hii ya majaribio inaongoza utafiti katika saikolojia kwa sababu inawawezesha watafiti kuunda mipangilio yenye kudhibitiwa sana ili kujitenga na kupima nadharia maalum kuhusu tabia za kijamii. Kwa baadhi ya matatizo, hata hivyo, kitu fulani huhisi kidogo ajabu kuhusu kuchora hitimisho kali juu ya tabia ya kibinadamu kutoka kwa watu wasiokuwa wa kawaida wanaofanya kazi isiyo ya kawaida katika mazingira yasiyo ya kawaida. Masuala haya yamesababisha harakati kuelekea majaribio ya shamba . Majaribio ya shamba huchanganya kubuni imara ya majaribio ya kudhibiti randomized na makundi ya mwakilishi zaidi ya washiriki wanaofanya kazi ya kawaida zaidi katika mipangilio ya asili zaidi.

Ingawa watu wengine wanafikiri juu ya majaribio ya maabara na shamba kama mbinu za kushindana, ni vizuri kufikiri wao kama nyongeza, na nguvu tofauti na udhaifu. Kwa mfano, Correll, Benard, and Paik (2007) walitumia majaribio ya maabara na majaribio ya shamba kwa jaribio la kupata vyanzo vya "adhabu ya uzazi." Nchini Marekani, mama hupata pesa kidogo kuliko wanawake wasio na watoto, hata wakati kulinganisha wanawake wenye ujuzi sawa wanaofanya kazi sawa. Kuna maelezo mengi iwezekanavyo kwa mfano huu, ambayo ni ya kwamba waajiri wanapendezwa dhidi ya mama. (Inashangaza, kinyume inaonekana kuwa ni kweli kwa baba: huwa na kupata zaidi ya wanaume wasio na watoto.) Ili kupima uwezekano wa kupendeza dhidi ya mama, Correll na wenzake waliendesha majaribio mawili: moja katika maabara na moja kwenye shamba.

Kwanza, katika majaribio ya maabara waliwaambia washiriki, ambao walikuwa wanafunzi wa chuo kikuu, kwamba kampuni ilifanya utafutaji wa ajira kwa mtu kuongoza idara yake mpya ya masoko ya Mashariki. Wanafunzi waliambiwa kuwa kampuni hiyo ilitaka msaada wao katika mchakato wa kukodisha, na waliulizwa kuchunguza upya wa wagombea kadhaa walio na uwezo na kupima wagombea kwa vipimo vingi, kama vile akili zao, joto, na kujitolea kufanya kazi. Zaidi ya hayo, wanafunzi waliulizwa kama wangeweza kupendekeza kuajiri mwombaji na nini wanaweza kupendekeza kama mshahara wa mwanzo. Wala hawajui kwa wanafunzi, hata hivyo, upya huo ulijengwa hasa kuwa sawa isipokuwa kwa kitu kimoja: baadhi yao yalionyesha alama ya mama (kwa kutaja ushiriki katika chama cha wazazi na mwalimu) na wengine hawakuwa. Correll na wafanyakazi wenzake waligundua kuwa wanafunzi walikuwa chini ya uwezekano wa kupendekeza kuwaajiri mama na kwamba waliwapa mshahara wa chini wa kuanzia. Zaidi ya hayo, kupitia uchambuzi wa hesabu ya maamuzi na maamuzi yanayohusiana na kukodisha, Correll na wenzake waligundua kwamba hasara za mama zilielezwa kwa kiasi kikubwa na ukweli kwamba walilipimwa kwa kiwango cha uwezo na kujitolea. Kwa hiyo, majaribio haya ya maabara yaliruhusu Correll na wenzake kupima athari ya causal na kutoa maelezo iwezekanavyo ya athari hiyo.

Bila shaka, mtu anaweza kuwa na wasiwasi juu ya kufuta hitimisho kuhusu soko lote la ajira la Marekani kulingana na maamuzi ya wanafunzi wa mia kadhaa ambao labda hakuwa na kazi ya wakati wote, peke yake aliajiri mtu. Kwa hiyo, Correll na wenzake pia walifanya jaribio la shamba la ziada. Walijibu kwa mamia ya kufungua kazi ya kufungua kazi na barua bandia cover na resumes. Sawa na vifaa vinavyoonyeshwa kwa wanafunzi wa kwanza, wengine huanza kuzaliwa kwa mama na baadhi hawakubali. Correll na wafanyakazi wenzake waligundua kwamba mama walikuwa na uwezekano mdogo wa kuitwa tena kwa wahojiano kuliko wanawake wasiokuwa na watoto wenye ujuzi. Kwa maneno mengine, waajiri halisi wanafanya maamuzi ya uamuzi katika mazingira ya asili walifanya kama vile wanafunzi wa shahada. Je, walifanya maamuzi sawa kwa sababu hiyo? Kwa bahati mbaya, hatujui. Watafiti hawakuweza kuuliza waajiri kupima wagombea au kueleza maamuzi yao.

Jaribio hili la majaribio linafunua mengi kuhusu majaribio ya maabara na shamba kwa ujumla. Majaribio ya Lab hutoa watafiti karibu-jumla ya udhibiti wa mazingira ambayo washiriki wanafanya maamuzi. Kwa hiyo, kwa mfano, katika majaribio ya maabara, Correll na wenzake waliweza kuhakikisha kwamba uhifadhi wote ulilisomwa katika mazingira ya kimya; katika jaribio la shamba, baadhi ya majumuisho hayawezi hata kusoma. Zaidi ya hayo, kwa sababu washiriki katika maabara ya kuweka wanajua kuwa wanajifunza, watafiti mara nyingi wanaweza kukusanya data za ziada ambazo zinaweza kusaidia kueleza kwa nini washiriki wanafanya maamuzi yao. Kwa mfano, Correll na wenzake waliuliza washiriki katika jaribio la maabara ili kupima wagombea kwa vipimo tofauti. Aina hii ya data ya mchakato inaweza kusaidia watafiti kuelewa taratibu za kutofautiana kwa jinsi washiriki wanavyotibu upya.

Kwa upande mwingine, hizi sifa sawa ambazo nimezielezea kama faida pia wakati mwingine hufikiriwa na hasara. Watafiti ambao wanapendelea majaribio ya shamba wanasema kuwa washiriki katika majaribio ya maabara wanaweza kutenda tofauti sana kwa sababu wanajua kwamba wanajifunza. Kwa mfano, katika jaribio la maabara, washiriki wangeweza kufikiria lengo la utafiti na kubadilisha tabia zao ili wasioneke kuwa wa kupendeza. Zaidi ya hayo, watafiti ambao wanapendelea majaribio ya shamba wanaweza kusema kwamba tofauti ndogo katika upya zinaweza tu kusimama katika mazingira safi sana, yenye mazao ya maabara, na hivyo majaribio ya maabara yatashughulikia athari za uzazi katika maamuzi halisi ya kuajiri. Hatimaye, washiriki wengi wa majaribio ya shamba wanashutumu mazoezi ya majaribio ya maabara kwa washiriki wa WEIRD: hasa wanafunzi kutoka Magharibi, Elimu, Viwanda, Rich, na Kidemokrasia (Henrich, Heine, and Norenzayan 2010a) . Majaribio ya Correll na wenzi wenzake (2007) yanaonyesha mambo mawili juu ya mwongozo wa shamba la maabara. Katikati ya mambo hayo mawili makubwa pia kuna aina mbalimbali za miundo ya mseto, ikiwa ni pamoja na mbinu kama vile kuleta wasio wanafunzi katika maabara au kwenda kwenye shamba lakini bado kuwa na washiriki kufanya kazi isiyo ya kawaida.

Mbali na mwelekeo wa shamba la maabara uliokuwepo katika siku za nyuma, umri wa digital unamaanisha kuwa watafiti sasa wana kiwango kikubwa cha pili ambacho majaribio yanaweza kutofautiana: analog-digital. Kama vile kuna majaribio safi ya maabara, majaribio ya shamba safi, na aina mbalimbali za mahuluti katikati, kuna majaribio safi ya analogo, majaribio safi ya digital, na aina mbalimbali za mahuluti. Ni vigumu kutoa ufafanuzi rasmi wa mwelekeo huu, lakini ufafanuzi muhimu wa kufanya kazi ni kwamba majaribio kamili ya digital ni majaribio yanayotumia miundombinu ya digital kuajiri washiriki, randomize, kutoa matibabu, na kupima matokeo. Kwa mfano, utafiti wa Restivo na van de Rijt (2012) wa mabarnstars na Wikipedia ilikuwa jaribio la kikamilifu la digital kwa sababu ilitumia mifumo ya digital kwa hatua zote nne hizi. Vivyo hivyo, majaribio ya awali ya analog hayatumii miundombinu ya digital kwa hatua yoyote hii nne. Majaribio mengi ya classic katika saikolojia ni majaribio kamili ya analogog. Kati ya mambo hayo mawili makubwa, kuna baadhi ya majaribio ya digital ambayo hutumia mchanganyiko wa mifumo ya analog na ya digital.

Wakati watu wengine wanafikiri juu ya majaribio ya digital, mara moja wanadhani majaribio ya mtandaoni. Hii ni bahati mbaya kwa sababu fursa za kukimbia majaribio ya digital sio mtandaoni tu. Watafiti wanaweza kuendesha majaribio ya sehemu ya digital kwa kutumia vifaa vya digital katika ulimwengu wa kimwili ili kutoa matibabu au matokeo ya kipimo. Kwa mfano, watafiti wanaweza kutumia simu za mkononi kutoa matibabu au sensorer katika mazingira yaliyojengwa ili kupima matokeo. Kwa kweli, kama (Allcott 2015) baadaye katika sura hii, watafiti tayari wametumia mita za nguvu za nyumbani ili kupima matokeo katika majaribio kuhusu matumizi ya nishati yanayohusisha kaya milioni 8.5 (Allcott 2015) . Kama vifaa vya digital vinavyozidi kuingizwa katika maisha ya watu na sensorer zimeunganishwa katika mazingira yaliyojengwa, fursa hizi za kuendesha majaribio ya sehemu ya digital katika ulimwengu wa kimwili zitaongezeka kwa kasi. Kwa maneno mengine, majaribio ya digital sio tu majaribio ya mtandaoni.

Mifumo ya Digital huunda uwezekano mpya wa majaribio kila mahali pamoja na kuendelea kwa maabara. Katika majaribio ya maabara safi, kwa mfano, watafiti wanaweza kutumia mifumo ya digital kwa ufanisi bora wa tabia ya washiriki; Mfano mmoja wa aina hii ya upimaji bora ni vifaa vya kufuatilia macho ambayo hutoa hatua sahihi na zinazoendelea za eneo la macho. Umri wa digital pia unajenga uwezekano wa kuendesha majaribio kama ya maabara mtandaoni. Kwa mfano, watafiti wamechukua haraka Mechanical Turk (MTurk) kwa kuwaajiri washiriki wa majaribio ya mtandaoni (Fungu la 4.2). MTurk inafanana na "waajiri" ambao wana kazi zinazohitajika kukamilika na "wafanyakazi" ambao wanataka kukamilisha kazi hizo kwa pesa. Tofauti na masoko ya jadi ya ajira, hata hivyo, kazi zinazohusika zinahitaji tu dakika chache kukamilisha, na ushirikiano wote kati ya mwajiri na mfanyakazi ni online. Kwa sababu MTurk inaiga vipengele vya watu wa kulipa majaribio ya maabara ya jadi ili kukamilisha kazi ambazo hawangeweza kufanya kwa bure-ni kawaida kwa aina fulani za majaribio. Kimsingi, MTurk imeunda miundombinu ya kusimamia pool ya washiriki-kuajiri na kulipa watu-na watafiti wametumia faida ya miundombinu hiyo ili kuingia kwenye pool ya washiriki.

Kielelezo 4.2: Papia zilizochapishwa kwa kutumia data kutoka Amazon Mechanical Turk (MTurk). MTurk na masoko mengine ya kazi ya mtandaoni hutoa watafiti njia rahisi ya kuajiri washiriki wa majaribio. Iliyotokana na Bohannon (2016).

Kielelezo 4.2: Papia zilizochapishwa kwa kutumia data kutoka Amazon Mechanical Turk (MTurk). MTurk na masoko mengine ya kazi ya mtandaoni hutoa watafiti njia rahisi ya kuajiri washiriki wa majaribio. Iliyotokana na Bohannon (2016) .

Mifumo ya Digital huunda uwezekano mkubwa zaidi wa majaribio ya shamba. Hasa, huwawezesha watafiti kuchanganya udhibiti mkali na data ya mchakato unaohusishwa na majaribio ya maabara na washiriki wengi tofauti na mazingira ya asili ambayo yanahusiana na majaribio ya maabara. Kwa kuongeza, majaribio ya shamba la digital pia hutoa fursa tatu ambazo zinaonekana kuwa ngumu katika majaribio ya analogog.

Kwanza, wakati majaribio mengi ya maabara na majaribio ya shamba yana mamia ya washiriki, majaribio ya shamba la digital yanaweza kuwa na mamilioni ya washiriki. Mabadiliko haya kwa kiwango ni kwa sababu baadhi ya majaribio ya digital inaweza kuzalisha data kwa gharama zero variable. Hiyo ni, mara moja watafiti wameunda miundombinu ya majaribio, kuongezeka kwa idadi ya washiriki kawaida haitoi gharama. Kuongezeka kwa idadi ya washiriki kwa sababu ya 100 au zaidi si tu mabadiliko ya kiasi ; ni mabadiliko ya ubora , kwa sababu inawezesha watafiti kujifunza mambo tofauti kutoka kwa majaribio (kwa mfano, uharibifu wa madhara ya matibabu) na kukimbia miundo ya majaribio tofauti (kwa mfano, majaribio makubwa ya vikundi). Hatua hii ni muhimu sana, nitarudi kuelekea mwishoni mwa sura wakati ninatoa ushauri kuhusu kujenga jaribio la digital.

Pili, wakati majaribio mengi ya maabara na majaribio ya shamba yanawatendea washiriki kama vilivyoandikwa vilivyotambulika, majaribio ya shamba la kawaida hutumia habari za asili kuhusu washiriki katika hatua za kubuni na uchambuzi wa utafiti. Habari hii ya historia, inayoitwa habari ya kabla ya matibabu , mara nyingi inapatikana katika majaribio ya digital kwa sababu yanaendeshwa juu ya mifumo ya kipimo cha kila siku (tazama sura ya 2). Kwa mfano, mtafiti kwenye Facebook ana maelezo mengi zaidi ya matibabu kabla ya watu katika jaribio lake la shamba la digital kuliko mtafiti wa chuo kikuu anavyohusu watu katika jaribio lake la uwanja wa analog. Matibabu haya ya awali huwezesha miundo ya majaribio ya ufanisi zaidi - kama vile kuzuia (Higgins, Sävje, and Sekhon 2016) na kuajiriwa kwa washiriki (Eckles, Kizilcec, and Bakshy 2016) - na uchambuzi zaidi wa ufahamu - kama uhakikisho wa hterogeneity ya athari za matibabu (Athey and Imbens 2016a) na mabadiliko ya covariate kwa usahihi wa usahihi (Bloniarz et al. 2016) .

Tatu, wakati majaribio mengi ya maabara na matukio ya shamba yanatoa tiba na matokeo ya kipimo kwa kiasi kidogo cha wakati, baadhi ya majaribio ya uwanja wa digital hutokea kwa muda mrefu zaidi. Kwa mfano, Restivo na majaribio ya van de Rijt yalikuwa na matokeo yaliyohesabiwa kila siku kwa siku 90, na mojawapo ya majaribio nitakuambia kuhusu baadaye katika sura (Ferraro, Miranda, and Price 2011) matokeo yaliyofuatiliwa zaidi ya miaka mitatu kwa kimsingi hakuna gharama. Uwezo wa fursa hizi tatu, maelezo ya kabla ya matibabu, na matibabu ya muda mrefu na data ya matokeo-hutokea kwa kawaida wakati majaribio yanaendeshwa juu ya mifumo ya kupima daima (tazama sura ya 2 kwa zaidi juu ya mifumo ya kipimo cha daima).

Wakati majaribio ya uwanja wa digital hutoa uwezekano mkubwa, pia hushiriki udhaifu fulani na maabara ya analog na majaribio ya uwanja wa analogog. Kwa mfano, majaribio hayawezi kutumiwa kujifunza zamani, na wanaweza tu kukadiria athari za tiba ambazo zinaweza kutumiwa. Pia, ingawa majaribio hayafaika kuongoza sera, mwongozo halisi ambao wanaweza kutoa ni mdogo kwa sababu ya matatizo kama vile utegemezi wa mazingira, matatizo ya kufuata, na madhara ya usawa (Banerjee and Duflo 2009; Deaton 2010) . Majaribio ya shamba la digital pia yanasisitiza wasiwasi wa kimaadili uliotengenezwa na majaribio ya shamba-mada ambayo nitashughulikia baadaye katika sura hii na katika sura ya 6.