Fältförsök - Field experiment

Fältförsök är experiment som utförs utanför laboratoriemiljöer .

De tilldelar slumpmässigt ämnen (eller andra provtagningsenheter) till antingen behandlings- eller kontrollgrupper för att testa påståenden om orsakssamband . Slumpmässig tilldelning hjälper till att fastställa jämförbarheten mellan behandlings- och kontrollgruppen, så att eventuella skillnader mellan dem som uppstår efter att behandlingen har administrerats på ett rimligt sätt återspeglar behandlingens inflytande snarare än redan existerande skillnader mellan grupperna. De utmärkande kännetecknen för fältförsök är att de utförs i verkligheten och ofta diskret. Detta står i kontrast till laboratorieexperiment, som tvingar fram vetenskaplig kontroll genom att testa en hypotes i ett artificiellt och mycket kontrollerat miljö i ett laboratorium. Fältförsök har också vissa kontextuella skillnader från naturligt förekommande experiment och kvasi-experiment. Medan naturligt förekommande experiment förlitar sig på en extern kraft (t.ex. en regering, ideell, etc.) som kontrollerar randomiseringsbehandlingsuppdraget och genomförandet, kräver fältförsök att forskare behåller kontrollen över randomisering och implementering. Kvasi-experiment uppstår när behandlingar administreras som om de är slumpmässiga (t.ex. amerikanska kongressdistrikt där kandidater vinner med smala marginaler, vädermönster, naturkatastrofer etc.).

Fältförsök omfattar ett brett spektrum av experimentella mönster, var och en med varierande grad av allmänhet. Vissa kriterier för allmänhet (t.ex. äkthet av behandlingar, deltagare, sammanhang och resultatmått) hänvisar till de kontextuella likheterna mellan försökspersonerna i experimentprovet och resten av befolkningen. De används alltmer inom samhällsvetenskap för att studera effekterna av policyrelaterade insatser inom områden som hälsa, utbildning, kriminalitet, social välfärd och politik.

Egenskaper

Under slumpmässig tilldelning reflekterar resultaten från fältförsök den verkliga världen eftersom ämnen tilldelas grupper baserade på icke-deterministiska sannolikheter. Två andra kärnantaganden ligger till grund för forskarens förmåga att samla opartiska potentiella resultat: uteslutbarhet och icke-interferens. Antagandet om uteslutbarhet föreskriver att det enda relevanta orsaksmedlet är genom mottagandet av behandlingen. Asymmetri vid tilldelning, administration eller mätning av behandlings- och kontrollgrupper bryter mot detta antagande. Antagandet om icke-interferens, eller Stable Unit Treatment Value Assumption (SUTVA), indikerar att värdet av resultatet endast beror på om patienten tilldelas behandlingen eller inte och inte om andra patienter tilldelas behandlingen eller inte. När dessa tre grundantaganden är uppfyllda är det mer sannolikt att forskare ger objektiva uppskattningar genom fältförsök.

Efter att ha utformat fältexperimentet och samlat in data kan forskare använda statistiska slutsatser för att bestämma storleken och styrkan på interventionens effekt på försökspersonerna. Fältförsök gör det möjligt för forskare att samla in olika mängder och typer av data. Till exempel kan en forskare utforma ett experiment som använder information före och efter prövning i en lämplig statistisk inferensmetod för att se om ett ingrepp påverkar förändringar på ämnesnivå i resultat.

Praktiska användningsområden

Fältförsök erbjuder forskare ett sätt att testa teorier och svara på frågor med högre extern validitet eftersom de simulerar verkliga händelser. Vissa forskare hävdar att fältförsök är ett bättre skydd mot potentiella fördomar och partiska uppskattare . Fältförsök kan också fungera som riktmärken för att jämföra observationsdata med experimentella resultat. Att använda fältförsök som riktmärken kan hjälpa till att bestämma nivåer av partiskhet i observationsstudier, och eftersom forskare ofta utvecklar en hypotes från en a priori bedömning kan riktmärken bidra till att öka trovärdigheten i en studie. Medan vissa hävdar att kovariatjustering eller matchande mönster kan fungera lika bra för att eliminera fördomar, kan fältförsök öka säkerheten genom att förskjuta utelämnad variabel bias eftersom de bättre fördelar observerade och obemärkta faktorer.

Forskare kan använda metoder för maskininlärning för att simulera, väga om och generalisera experimentella data. Detta ökar hastigheten och effektiviteten för att samla experimentella resultat och minskar kostnaderna för att genomföra experimentet. En annan spetsteknik inom fältförsök är användningen av den multiarmade banditdesignen , inklusive liknande adaptiva konstruktioner på experiment med variabla resultat och variabla behandlingar över tid.

Begränsningar

Det finns begränsningar och argument mot att använda fältförsök i stället för andra forskningsdesigner (t.ex. laboratorieexperiment, undersökningsförsök, observationsstudier, etc.). Med tanke på att fältförsök nödvändigtvis äger rum i en specifik geografisk och politisk miljö, finns det en oro över extrapolerande resultat för att formulera en allmän teori om befolkningen av intresse. Forskare har emellertid börjat hitta strategier för att effektivt generalisera orsakseffekter utanför urvalet genom att jämföra miljöerna för den behandlade populationen och den externa befolkningen, få tillgång till information från större urvalsstorlek och redovisa och modellera för behandlingseffekters heterogenitet inom urvalet. Andra har använt kovariatblockerande tekniker för att generalisera från fältförsökspopulationer till externa populationer.

Avvikelser som påverkar fältförsök (både ensidiga och tvåsidiga avvikelser) kan uppstå när ämnen som tilldelas en viss grupp aldrig får sitt tilldelade ingripande. Andra problem med datainsamling inkluderar utmattning (där försökspersoner som behandlas inte ger resultatdata) som under vissa förhållanden kommer att snedvrida de insamlade uppgifterna. Dessa problem kan leda till oprecis dataanalys; dock kan forskare som använder fältförsök använda statistiska metoder för att beräkna användbar information även när dessa svårigheter uppstår.

Att använda fältförsök kan också leda till oro över störningar mellan ämnen. När en behandlad patient eller grupp påverkar resultaten av den obehandlade gruppen (genom förhållanden som förskjutning, kommunikation, smitta etc.) kan det hända att obehandlade grupper inte har ett resultat som är det sanna obehandlade resultatet. En delmängd av störningar är spillover -effekten, som uppstår när behandlingen av behandlade grupper har effekt på angränsande obehandlade grupper.

Fältförsök kan vara dyra, tidskrävande att genomföra, svåra att replikera och plågas av etiska fallgropar. Ämnen eller populationer kan undergräva implementeringsprocessen om det finns en uppfattning om orättvisa vid val av behandling (t.ex. i experiment med " negativ inkomstskatt " kan gemenskaper lobbya för att deras samhälle ska få en kontantöverföring så att uppdraget inte är rent slumpmässigt). Det finns begränsningar för att samla in samtyckesformulär från alla ämnen. Kamrater som administrerar insatser eller samlar in data kan förorena randomiseringsschemat. De resulterande uppgifterna kan därför vara mer varierade: större standardavvikelse , mindre precision och noggrannhet , etc. Detta leder till användning av större provstorlekar för fältprovning. Andra hävdar dock att även om replikerbarhet är svår, om resultaten av experimentet är viktiga så finns det en större chans att experimentet kommer att replikeras. Dessutom kan fältförsök anta en " steg-kil " -design som så småningom kommer att ge hela provet tillgång till interventionen på olika tidsscheman. Forskare kan också utforma ett blindat fältförsök för att ta bort möjligheter till manipulation.

Exempel

Den historia av experiment i labbet och fältet har lämnat långvariga effekter i det fysiska, naturliga och biovetenskap. Moderna användningsfältförsök har rötter på 1700 -talet, när James Lind använde ett kontrollerat fältförsök för att identifiera en behandling för skörbjugg .

Andra kategoriska exempel på vetenskaper som använder fältförsök inkluderar:

Se även

Referenser