A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Experiments and Generalized Causal Inference

Apresentações semelhantes


Apresentação em tema: "Experiments and Generalized Causal Inference"— Transcrição da apresentação:

1 Experiments and Generalized Causal Inference
SHADISH, William R.; COOK, Thomas D.; CAMPBEL, Donald T.

2 O início do pensamento científico
Os séculos 16 e 17 marcaram o surgimento da ciência moderna Há três formas de usar a observação comum, depois do século 17: O uso de observação para corrigir erros na teoria O uso de observações pelo método ativo A aceitação da influência de fatores externos

3 Pressupostos quase nunca é possível dizer qual é a causa exata de um evento=>uma constelação causa fogo na floresta=>retorno infinito ‘constelação’ designa uma combinação de fatores em um momento dado, em que um ou mais deles são influenciados pelos demais e se comportam como tais apenas na presença um dos outros (Karl Mannheim). relacionamentos causais não determinam, mas criam condições probabilísticas para que um evento ocorra=>generalização problemática

4 No mundo da pesquisa há dois tipos de causa:
Correlação não prova causalidade=>boa educação é causa ou efeito de um bom salário? E inteligência (variável de confundimento)? No mundo da pesquisa há dois tipos de causa: Manipuláveis (experimentos) Efeito=>causa: alimentação em uma comunidade Causa=>efeito: efeito de drogas Não-manipuláveis (não-experimento) Efeito=>causa: valor imobiliário x terremoto Causa=>efeito: impacto econômico das eleições

5 Em um experimento podemos:
manipular a causa suposta e observar o resultado depois ver se a variação na causa está relacionada com a variação do efeito usar vários métodos para reduzir a plausibilidade de explicações alternativas ampliar a compreensão do evento, mas reduzir a generalização

6 Descrição causal: Explicação causal:
Descreve a relação entre dois eventos Explicação causal: Diz como e porque dois eventos se relacionam Possibilita solucionar falhas no sistema e generalizar Tem o número de partes e a complexidade da explicação diretamente afetados pelo nível de análise Depende do conhecimento total do contexto Uma explicação factível não é completa

7 Hume: é necessário se obter uma evidência contrafactual para se identificar o fato: Mesmo momento/grupos distintos=>erro Mesmo grupo/momentos distintos=>erro justificação para a validade da indução indução ‘I1’ obteve sucesso, a indução ‘I2’ obteve sucesso, a indução ‘I3’ obteve sucesso, a indução ‘In’ obteve sucesso, então é lícito afirmar que a indução é um processo válido

8 Stuart Mill: O sistema de Mill
existe uma relação causal se: a causa precedeu o efeito a causa estava relacionada com o efeito não podemos encontrar nenhuma explicação alternativa plausível O sistema de Mill Método da diferença, que constata a presença de um evento e de um fator em uma coleção de casos e a ausência desse mesmo fator na ausência do evento em outra coleção de casos, sendo as duas coleções de casos em tudo o mais semelhantes: [(Aa + Aa + Aa)/(A + A + A) = a]

9 Método da concordância, que constata a presença de um evento e de um fator comum entre casos em tudo diferentes: (Aa + Ba + Ca) = a(A + B + C); Método conjunto de concordância e diferença, que constata a presença de um evento e de um fator em uma coletânea de casos em tudo o mais diferentes e a ausência dos mesmos evento e fator em outra coletânea de casos também diferentes: [(Aa + Ba + Ca)/(A + B + C) = a]

10 Método dos resíduos, que, a partir da eliminação de fatores, cuja relação causa- efeito é conhecida, identifica o evento residual com o fator remanescente: [(Aab + Bab + Bab)/(Ab + Bb + Cb)= a]. Método das variações concomitantes, que correlaciona dois ou mais fatores entre si e à ocorrência de um fenômeno (B) quando os fatores (x), em uma coleção de casos, sempre apresentam variações concomitantes (A): [∀x:A(x)  B(x)]

11 Popper uma afirmativa não pode nunca ser, definitivamente, confirmada, mas pode ser, definitivamente, refutada. Kuhn nem confirmar nem refutar, definitivamente, é possível. o conhecimento científico não é autônomo em relação a variáveis sociais e aos interesses comuns da comunidade científica

12 Uma versão falibilista da falsificação:
A adesão a um paradigma concorrente, assemelha-se a uma conversão religiosa Anomalias=> ciência extraordinária x ciência normal => crise=> revolução Uma versão falibilista da falsificação: "Diferentes procedimentos operacionais não compartilham as mesmas múltiplas teorias" (p. 16) Julgamento contextualizado das explicações alternativas: importância e empiria=absolvição (plausibilidade) se nossa teoria é falha, nossas escolhas falham também (H. pyllori)

13 Tipos de desenhos EXPERIMENTO RANDOMIZADO: a escolha de unidades experimentais é feita por sorteio e a causa é manipulável; um grupo submetido a tratamento, em comparação com um grupo controle. QUASE-EXPERIMENTO: escolha randomizada, causa manipulável antes da avaliação do efeito; existem características diferentes entre os grupos (criação de explicações alternativas); pré-testes são algo muito comum.

14 EXPERIMENTO NATURAL: muitas vezes não há um tratamento manipulável e pesquisadores fazem inferências a partir do efeito para a causa. DESENHO NÃO-EXPERIMENTAL: não há pré- testes, controle da variável ou afirmativas contrafactuais, apenas se faz uma observação passiva para estabelecer uma correlação entre as variáveis, muitas vezes não se sabe se a "causa" precede os "efeitos”.

15 Para refletir Confiança permeia a ciência, apesar de sua retórica de ceticismo o mundo ontológico e os mundos da ideologia, interesses, valores, esperanças e desejos desempenham um papel na construção do conhecimento científico. “o mundo natural tem um papel pequeno ou inexistente na construção do conhecimento científico” (Collins, apud Shadish et al, 2002, p. 28)

16 OBRIGADO!


Carregar ppt "Experiments and Generalized Causal Inference"

Apresentações semelhantes


Anúncios Google