Brücken zwischen Experimenten und echtem Verhalten
Dieser Artikel untersucht, wie Experimente mit realen Situationen in der Sozialwissenschaft zusammenhängen.
― 7 min Lesedauer
Inhaltsverzeichnis
Kann man Ergebnisse aus Experimenten auf die reale Welt anwenden? Diese Frage ist wichtig in der Sozialwissenschaft. Externe Validität schaut darauf, ob die Ergebnisse aus einem Experiment in verschiedenen Kontexten relevant sind. Es wird angenommen, dass die Effekte, die im Experiment beobachtet werden, das widerspiegeln, was im Alltag passiert. Aber das ist nicht immer der Fall, besonders bei Experimenten, die komplexe Entscheidungen mit mehreren Faktoren beinhalten, wie z.B. Konjoint-Experimente. Wir präsentieren ein Modell, das erklärt, wie Aufmerksamkeit und die scheinbare Wichtigkeit bestimmter Faktoren drei Arten von Unterschieden zwischen dem, was in Experimenten gefunden wird, und dem, was in der realen Welt passiert, erzeugen können: Effekte könnten grösser sein als sie sollten, die Richtung der Effekte könnte sich umkehren und die Wichtigkeit von Faktoren könnte sich ändern. Wir erstellen testbare Vorhersagen aus jedem Ergebnis und testen diese mit Daten aus verschiedenen Experimenten. Ausserdem geben wir Empfehlungen, wie man Experimente besser gestalten kann, um deren Anwendbarkeit zu verbessern.
Bedeutung kausaler Effekte in der Sozialwissenschaft
Randomisierte Experimente werden oft als die beste Methode angesehen, um kausale Effekte in den Sozialwissenschaften herauszufinden. Konjoint-Experimente sind eine gängige Methode, die von Forschern verwendet wird, um zu sehen, wie persönliche Präferenzen von Merkmalen wie Geschlecht, Rasse und Erfahrung beeinflusst werden. Aber die Forscher wollen mehr, als nur die Effekte im Labor zu sehen; sie wollen wissen, ob diese Effekte auch im echten Leben zutreffen. Zum Beispiel, wenn eine Studie eine Präferenz für weibliche Kandidaten mit einem durchschnittlichen Effekt von 2% findet, hoffen die Forscher, dass dies mit dem realen Anstieg der Präferenz für weibliche Kandidaten übereinstimmt. Wenn sie übereinstimmen, betrachten wir das experimentelle Ergebnis als ein Spiegelbild des Verhaltens in der realen Welt.
Externe Validität bezieht sich darauf, Ergebnisse aus Experimenten auf reale Szenarien mit unterschiedlichen Gruppen, Situationen und Ergebnissen anzuwenden. Eine Kernidee ist, dass die im Experiment gefundenen Effekte dem entsprechen sollten, was im echten Leben passiert. Wenn nicht, wirft das Fragen darüber auf, wie gültig die Schlussfolgerungen für andere Gruppen oder Situationen sind.
Herausforderungen der ökologischen Validität
Experimente, die komplexe Entscheidungsfindungen beinhalten, haben oft Probleme mit der ökologischen Validität. Das kann es schwierig machen, das Gelernte aus Experimenten auf reale Situationen anzuwenden. Wir betrachten drei Hauptarten von Konsistenz: Effektgrösse, Richtung des Effekts und Bedeutung der Attribute.
- Effektgrösse: Das bedeutet, dass die Grösse des im Experiment beobachteten Effekts mit dem übereinstimmen sollte, was man im echten Leben sieht.
- Richtung des Effekts: Das positive oder negative Zeichen des Effekts im Experiment sollte dasselbe sein wie im echten Leben.
- Bedeutung der Attribute: Die Ergebnisse sollten genau widerspiegeln, wie verschiedene Attribute die Ergebnisse in der realen Welt beeinflussen.
Es ist nicht notwendig, dass Experimente alle drei Konsistenzen gleichzeitig erreichen; sie müssen nur mit den spezifischen Zielen der Studie übereinstimmen. Zum Beispiel, wenn politische Entscheidungsträger wissen wollen, wie sehr ein Programm das Wohlergehen verändert, müssen sie die Effektgrösse kennen. Andererseits könnte es bei der Testung von Theorien ausreichen, nur die Richtung des Effekts zu wissen.
Salienz-Effekte
Aufmerksamkeits- undWir haben eine Theorie entwickelt, die erklärt, wie komplexe Entscheidungen oft dazu führen, dass Experimente diese Konsistenzkriterien nicht erfüllen. Unsere wichtigste Erkenntnis ist, dass Experimente die Effekte möglicherweise übertreiben, weil die Aufmerksamkeit begrenzt ist. Die Leute bemerken nicht immer alle Faktoren in einem Experiment, was zu verzerrten Ergebnissen im Vergleich zum Verhalten in der realen Welt führen kann.
Im experimentellen Kontext kann die Menge der von den Teilnehmern betrachteten Attribute erheblich von denen in der realen Welt abweichen. Wenn ein Experiment beispielsweise nur auf Alter und Geschlecht fokussiert ist, könnten die Befragten nur auf diese beiden Faktoren achten und andere, die in der realen Welt relevant sein könnten, ignorieren.
Aufmerksamkeit verstehen
Die Idee des "Berücksichtigungssatzes" bezieht sich auf die begrenzten Optionen, die Entscheidungsträger in Betracht ziehen, wenn sie Entscheidungen treffen. In der realen Welt ist dieser Satz breiter als das, was typischerweise in Experimenten enthalten ist. Forscher erfassen oft nicht alle relevanten Faktoren, was zu überhöhten experimentellen Effekten führen kann.
Die Rolle der Salienz
Salienz bezieht sich darauf, wie auffällig oder wichtig ein Faktor bei der Entscheidungsfindung ist. Im echten Leben kann die Wichtigkeit bestimmter Attribute je nach Kontext variieren. Wenn Personen in komplexen Umgebungen Entscheidungen treffen, kann die Salienz verschiedener Attribute schwanken, was beeinflusst, wie sie Optionen gewichten.
Wir leiten mehrere Hypothesen aus unserer Theorie ab, die darauf hindeuten, dass der Effekt, der in einem Experiment gesehen wird, abnehmen oder sogar umkehren kann, wenn zu viele Attribute einbezogen werden. Um diese Ideen zu testen, analysieren wir bestehende Studien und führen unsere eigenen Experimente durch.
Das Modell testen
Wir haben ein separates Experiment zur Kandidatenauswahl durchgeführt, um unsere Hypothesen über die Effekte unterschiedlicher Anzahl von Attributen auf die beobachteten Ergebnisse zu testen. Die Teilnehmer wurden zufällig Gruppen zugewiesen, die verschiedene Attributsets sahen. Zum Beispiel könnte eine Gruppe nur Geschlecht und Alter berücksichtigen, während eine andere eine grössere Menge von Variablen sehen könnte.
Wir fanden einen signifikanten negativen Trend zwischen der Anzahl der einbezogenen Attribute und der Grösse des experimentellen Effekts, was die Idee unterstützt, dass mehr Attribute die beobachteten Effekte verwässern.
Salienz-Effekte in der Praxis
Um zu erkunden, wie Salienz die Ergebnisse beeinflusst, haben wir untersucht, wie Menschen Attribute unterschiedlich gewichten, je nach deren Relevanz. Ein Merkmal, das hervortritt, wird mehr Gewicht haben als eines, das weniger wichtig erscheint. Attribute, die als salient wahrgenommen werden, können die Entscheidungsfindung stark beeinflussen, selbst wenn sie im breiteren Kontext nicht die entscheidendsten sind.
Auswirkungen auf das Experimentdesign
Angesichts der Ergebnisse aus unseren Experimenten bieten wir mehrere Empfehlungen für Forscher an. Diese Strategien zielen darauf ab, die Allgemeingültigkeit der Ergebnisse aus komplexen experimentellen Kontexten auf reale Szenarien zu verbessern:
Realismus sicherstellen: Die in Experimenten verwendeten Attribute und Ebenen sollten so nah wie möglich an dem sein, was in der realen Welt zu finden ist. Das bedeutet, künstliche oder übertriebene Elemente zu vermeiden, die nicht mit tatsächlichen Entscheidungskontexten übereinstimmen.
Attribute begrenzen: Forscher sollten sich darauf konzentrieren, nur die notwendigen Attribute einzuschliessen, die für den Entscheidungsprozess relevant sind. Unrelevante Faktoren einzuführen kann die Teilnehmer verwirren und zu irreführenden Ergebnissen führen.
Kernattribute priorisieren: Identifizieren und konzentrieren Sie sich auf die einflussreichsten Attribute in einem Entscheidungsszenario. Diese Kernattribute produzieren wahrscheinlich konsistentere Ergebnisse über verschiedene experimentelle Designs hinweg.
Fazit
Da Forscher zunehmend Experimente verwenden, um kausale Effekte in der Sozialwissenschaft aufzudecken, ist es entscheidend, nicht nur die interne Validität zu etablieren, sondern auch die externe Validität zu berücksichtigen. Unsere Studie hebt die Bedeutung der ökologischen Validität hervor, insbesondere in mehrdimensionalen Entscheidungsfindungsszenarien, indem sie die Probleme aufzeigt, die mit der Verzerrung von Ergebnissen durch Aufmerksamkeit und Salienz verbunden sind.
Das Verständnis dieser Prozesse und die Anwendung der richtigen Designprinzipien helfen Forschern, Ergebnisse zu erzielen, die eher das Verhalten in der realen Welt widerspiegeln. Während sich das Feld weiterentwickelt, wird die Integration der ökologischen Validität mit anderen Arten von externer Validität eine wertvolle Richtung für weitere Forschungen sein.
Zusammenfassend lässt sich sagen, dass es die Beachtung wert ist, wie reale Komplexitäten die Entscheidungsfindung in Experimenten beeinflussen können, um die Anwendbarkeit der Ergebnisse zu verbessern. Durch sorgfältiges Design und Analyse können Forscher Erkenntnisse liefern, die nicht nur theoretisch fundiert, sondern auch praktisch nützlich für das Verständnis menschlichen Verhaltens sind.
Titel: Generalization Issues in Experiments Involving Multidimensional Decisions
Zusammenfassung: Can the causal effects estimated in an experiment be generalized to real-world scenarios? This question lies at the heart of social science studies. External validity primarily assesses whether experimental effects persist across different settings, implicitly presuming the consistency of experimental effects with their real-life counterparts. However, we argue that this presumed consistency may not always hold, especially in experiments involving multi-dimensional decision processes, such as conjoint experiments. We introduce a formal model to elucidate how attention and salience effects lead to three types of inconsistencies between experimental findings and real-world phenomena: amplified effect magnitude, effect sign reversal, and effect importance reversal. We derive testable hypotheses from each theoretical outcome and test these hypotheses using data from various existing conjoint experiments and our own experiments. Drawing on our theoretical framework, we propose several recommendations for experimental design aimed at enhancing the generalizability of survey experiment findings.
Autoren: Jiawei Fu, Xiaojun Li
Letzte Aktualisierung: 2024-09-01 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2405.06779
Quell-PDF: https://arxiv.org/pdf/2405.06779
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.