देखें या हस्तक्षेप करें?

यह पता लगाने के दो बुनियादी तरीके हैं कि एक चीज़ दूसरी चीज़ को प्रभावित करती है या नहीं।

• अवलोकनात्मक अध्ययन में आप जो पहले से हो रहा है उसे मापते हैं और कुछ भी नहीं बदलते। आप यह दर्ज कर सकते हैं कि विद्यार्थी कितनी देर सोते हैं और उन्हें कितने अंक मिलते हैं।
• प्रयोग में आप इकाइयों को कोई उपचार सौंपते हैं और फिर मापते हैं कि क्या होता है। आप कुछ विद्यार्थियों से आठ घंटे और दूसरों से छह घंटे सोने के लिए कह सकते हैं।

दोनों से पैटर्न का पता चल सकता है। केवल अच्छी तरह किया गया प्रयोग ही कारण और प्रभाव के बारे में बहुत कुछ बता सकता है। ऐसा क्यों है, आइए देखते हैं।

मान लीजिए कि किसी अवलोकनात्मक अध्ययन में ज़्यादा सोने वाले विद्यार्थियों को बेहतर अंक भी मिलते हैं। शायद नींद मदद करती है। लेकिन ऐसा भी हो सकता है कि ज़्यादा सोने वाले विद्यार्थियों के पास कम नौकरियाँ हों, उनका घर अधिक शांत हो या उनकी पढ़ाई की आदतें अधिक व्यवस्थित हों। इनमें से कोई भी असली कारण हो सकता है, और ये सभी नींद के साथ जुड़े हुए हैं। ऐसे छिपे हुए चर को भ्रमकारी चर कहते हैं: यह आपके अध्ययन की चीज़ और परिणाम, दोनों से जुड़ा होता है और किसी प्रभाव का आभास दे सकता है या उसे छिपा सकता है। World 5 में इसके लिए चार पाठ हैं।

एक प्रयोग इसे यादृच्छिक आबंटन से ठीक करता है। अगर सिक्का उछालना (या कंप्यूटर) यह तय करे कि किसे कौन-सा उपचार मिलेगा, तो बाकी हर चीज़ में समूहों का अंतर केवल संयोग से होगा: सोने की आदतें, नौकरियाँ, घर का माहौल और वे चीज़ें भी जिन्हें आपने मापने के बारे में कभी सोचा नहीं। पर्याप्त इकाइयाँ होने पर समूह औसतन एक जैसे होंगे, इसलिए बाद में परिणाम अलग हों, तो उपचार ही बचा हुआ एकमात्र व्यवस्थित अंतर होगा।

एक अच्छे प्रयोग में आम तौर पर ये चीज़ें होती हैं:

• एक उपचार समूह, जिसे जाँची जा रही चीज़ मिलती है, और एक नियंत्रण समूह, जिसे वह चीज़ नहीं मिलती (या मानक विकल्प मिलता है)।
• इन समूहों में यादृच्छिक आबंटन।
• जब लोगों की अपेक्षाएँ मायने रखती हों, तब एक निष्क्रिय औषधि: एक हानिरहित, दिखने में समान चीज़, ताकि सभी को लगे कि उन्हें उपचार मिल सकता है।
• अंधीकरण: लोगों को यह पता नहीं होता कि वे किस समूह में हैं (एकल अंधीकरण), और परिणाम मापने वाले लोगों को भी यह पता नहीं होता (दोहरा अंधीकरण), ताकि उम्मीदें मापों को प्रभावित न कर सकें।

एक उदाहरण। एक माली जानना चाहता है कि पौधों का खाद काम करता है या नहीं। एक कमजोर डिज़ाइन: खाद खिड़की के पास रखे पौधों को देना, छायादार पौधों को कुछ न देना और फिर तुलना करना। अब प्रकाश और खाद आपस में गड़बड़ा गए हैं। एक बेहतर डिज़ाइन: 40 गमलों को नंबर देना, यादृच्छिक चयन से 20 गमले खाद के लिए चुनना, बाकी 20 को नियंत्रण समूह रखना और सभी को एक ही शेल्फ़ पर रखना। अब प्रकाश, पानी और गमले का आकार संयोग से संतुलित हैं, और बढ़त में साफ़ अंतर खाद की ओर इशारा करता है। (यह केवल विचार समझाने के लिए बनाया गया उदाहरण है।)

प्रयोग हमेशा संभव नहीं होते। हम लोगों को तीस वर्षों तक धूम्रपान करने के लिए यादृच्छिक रूप से नहीं चुन सकते, न ही किसी शहर को बाढ़ का सामना करने के लिए यादृच्छिक रूप से आबंटित कर सकते हैं। ऐसे सवालों के लिए हम प्रेक्षणात्मक अध्ययनों, सावधानीपूर्वक डिज़ाइन और साक्ष्य की कई कड़ियों पर निर्भर करते हैं। हमें बस ईमानदार रहना चाहिए कि कारणों के बारे में साक्ष्य कमज़ोर है।