2.4: تحليل النتائج
- Page ID
- 198059
أهداف التعلم
- اشرح ما يخبرنا به معامل الارتباط عن العلاقة بين المتغيرات
- اعلم أن الارتباط لا يشير إلى علاقة السبب والنتيجة بين المتغيرات
- ناقش ميلنا للبحث عن العلاقات بين المتغيرات غير الموجودة بالفعل
- شرح أخذ العينات العشوائية وتخصيص المشاركين في مجموعات تجريبية وضوابط
- ناقش كيف يمكن أن يؤثر تحيز المجرب أو المشارك على نتائج التجربة
- تحديد المتغيرات المستقلة والتابعة
هل تعلم أنه مع زيادة مبيعات الآيس كريم، يزداد المعدل الإجمالي للجريمة؟ هل من الممكن أن يؤدي الانغماس في نكهة الآيس كريم المفضلة لديك إلى موجة من الجريمة؟ أو بعد ارتكاب الجريمة، هل تعتقد أنك قد تقرر علاج نفسك بالمخروط؟ ليس هناك شك في وجود علاقة بين الآيس كريم والجريمة (على سبيل المثال، هاربر، 2013)، ولكن سيكون من الحماقة جدًا أن نقرر أن شيئًا واحدًا تسبب بالفعل في حدوث الآخر.
من المرجح أن تكون مبيعات الآيس كريم ومعدلات الجريمة مرتبطة بدرجة الحرارة في الخارج. عندما تكون درجة الحرارة دافئة، يكون هناك الكثير من الناس خارج منازلهم، يتفاعلون مع بعضهم البعض، وينزعجون من بعضهم البعض، وأحيانًا يرتكبون جرائم. أيضًا، عندما يكون الجو دافئًا بالخارج، فمن المرجح أن نبحث عن علاج رائع مثل الآيس كريم. كيف نحدد ما إذا كانت هناك بالفعل علاقة بين شيئين؟ وعندما تكون هناك علاقة، كيف يمكننا تمييز ما إذا كانت تُعزى إلى الصدفة أو السببية؟
البحث الارتباطي
الارتباط يعني أن هناك علاقة بين متغيرين أو أكثر (مثل استهلاك الآيس كريم والجريمة)، ولكن هذه العلاقة لا تعني بالضرورة السبب والنتيجة. عندما يكون هناك متغيران مترابطان، فهذا يعني ببساطة أنه عندما يتغير أحد المتغيرات، يتغير الآخر أيضًا. يمكننا قياس الارتباط من خلال حساب إحصائية تعرف باسم معامل الارتباط. معامل الارتباط هو رقم من\(-1\) إلى\(+1\) يشير إلى قوة واتجاه العلاقة بين المتغيرات. عادة ما يتم تمثيل معامل الارتباط بالحرف r.
يشير الجزء الرقمي من معامل الارتباط إلى قوة العلاقة. كلما اقترب الرقم\(1\) (سواء كان سالبًا أو إيجابيًا)، زادت قوة ارتباط المتغيرات، وستكون التغييرات التي يمكن التنبؤ بها في متغير واحد مع تغير المتغير الآخر. كلما اقترب الرقم من الصفر، كلما كانت العلاقة أضعف، وكلما قلت إمكانية التنبؤ بالعلاقات بين المتغيرات. على سبيل المثال،\(0.9\) يشير معامل الارتباط إلى علاقة أقوى بكثير من معامل الارتباط لـ\(0.3\). إذا لم تكن المتغيرات مرتبطة ببعضها البعض على الإطلاق، فإن معامل الارتباط هو\(0\). المثال أعلاه حول الآيس كريم والجريمة هو مثال لمتغيرين قد نتوقع عدم وجود علاقة بينهما.
تشير العلامة - الإيجابية أو السلبية - لمعامل الارتباط إلى اتجاه العلاقة. الارتباط الإيجابي يعني أن المتغيرات تتحرك في نفس الاتجاه. وبعبارة أخرى، فهذا يعني أنه كلما زاد أحد المتغيرات يزداد الآخر، وعلى العكس، عندما ينخفض أحد المتغيرات، يزداد الآخر. الارتباط السلبي يعني أن المتغيرات تتحرك في اتجاهين متعاكسين. إذا كان هناك متغيران مترابطين بشكل سلبي، فإن الانخفاض في أحد المتغيرات يرتبط بزيادة في المتغير الآخر والعكس صحيح.
يعتبر مثال الآيس كريم ومعدلات الجريمة ارتباطًا إيجابيًا لأن كلا المتغيرين يزيدان عندما تكون درجات الحرارة أكثر دفئًا. ومن الأمثلة الأخرى على الارتباطات الإيجابية العلاقة بين طول الفرد ووزنه أو العلاقة بين عمر الشخص وعدد التجاعيد. قد يتوقع المرء وجود علاقة سلبية بين إرهاق شخص ما أثناء النهار وعدد ساعات نومه في الليلة السابقة: تقل كمية النوم مع زيادة الشعور بالتعب. في مثال واقعي للارتباط السلبي، وجد الباحثون الطلاب في جامعة مينيسوتا ارتباطًا سلبيًا ضعيفًا (\(r = -0.29\)) بين متوسط عدد الأيام في الأسبوع التي يحصل فيها الطلاب على أقل من\(5\) ساعات من النوم ومعدل GPA الخاص بهم (Lowry, Dean, & Manders, 2010). ضع في اعتبارك أن الارتباط السلبي ليس مثل عدم الارتباط. على سبيل المثال، ربما لن نجد أي ارتباط بين ساعات النوم وحجم الحذاء.
كما ذكرنا سابقًا، فإن الارتباطات لها قيمة تنبؤية. تخيل أنك عضو في لجنة القبول في إحدى الجامعات الكبرى. تواجه عددًا كبيرًا من الطلبات، ولكنك قادر على استيعاب نسبة صغيرة فقط من مجموعة المتقدمين. كيف يمكنك أن تقرر من يجب قبوله؟ يمكنك محاولة ربط المعدل التراكمي للطلاب الحاليين في الكلية بدرجاتهم في الاختبارات الموحدة مثل SAT أو ACT. من خلال ملاحظة الارتباطات الأقوى لطلابك الحاليين، يمكنك استخدام هذه المعلومات للتنبؤ بالنجاح النسبي للطلاب الذين تقدموا للقبول في الجامعة.
الارتباط لا يشير إلى السببية
يعد البحث الارتباطي مفيدًا لأنه يسمح لنا باكتشاف قوة واتجاه العلاقات الموجودة بين متغيرين. ومع ذلك، فإن الارتباط محدود لأن إثبات وجود علاقة يخبرنا القليل عن السبب والنتيجة. في حين أن المتغيرات ترتبط أحيانًا لأن أحدهما يسبب الآخر، فقد يكون أيضًا أن هناك عاملاً آخر، وهو متغير مربك، يتسبب بالفعل في الحركة المنهجية في المتغيرات ذات الاهتمام لدينا. في مثال معدل الآيس كريم/الجريمة المذكور سابقًا، تعد درجة الحرارة متغيرًا مربكًا يمكن أن يفسر العلاقة بين المتغيرين.
حتى عندما لا نستطيع الإشارة إلى متغيرات مربكة واضحة، يجب ألا نفترض أن الارتباط بين متغيرين يعني أن أحد المتغيرات يسبب تغييرات في متغير آخر. قد يكون هذا محبطًا عندما تبدو علاقة السبب والنتيجة واضحة وبديهية. فكر مرة أخرى في مناقشتنا للبحث الذي أجرته جمعية السرطان الأمريكية وكيف كانت مشاريعهم البحثية من أوائل العروض التوضيحية للعلاقة بين التدخين والسرطان. يبدو من المعقول افتراض أن التدخين يسبب السرطان، ولكن إذا اقتصرنا على البحث المرتبط، فسوف نتجاوز حدودنا من خلال وضع هذا الافتراض.
لسوء الحظ، يقدم الناس عن طريق الخطأ ادعاءات السببية كدالة للارتباطات طوال الوقت. هذه الادعاءات شائعة بشكل خاص في الإعلانات والقصص الإخبارية. على سبيل المثال، وجدت الأبحاث الحديثة أن الأشخاص الذين يتناولون الحبوب على أساس منتظم يحققون أوزان صحية أكثر من أولئك الذين نادراً ما يتناولون الحبوب (فرانتزن، تريفينيو، إيتشون، غارسيا دومينيك، وديماركو، 2013؛ بارتون وآخرون، 2005). خمن كيف تبلغ شركات الحبوب عن هذه النتيجة. هل يؤدي تناول الحبوب حقًا إلى الحفاظ على وزن صحي للفرد، أو هل هناك تفسيرات أخرى محتملة، مثل أن شخصًا يتمتع بوزن صحي أكثر عرضة لتناول وجبة إفطار صحية بانتظام من شخص يعاني من السمنة أو شخص يتجنب الوجبات في محاولة لنظام غذائي؟ في حين أن البحث المرتبط لا يقدر بثمن في تحديد العلاقات بين المتغيرات، فإن أحد القيود الرئيسية هو عدم القدرة على إثبات السببية. يريد علماء النفس الإدلاء ببيانات حول السبب والنتيجة، ولكن الطريقة الوحيدة للقيام بذلك هي إجراء تجربة للإجابة على سؤال بحثي. يصف القسم التالي كيف تدمج التجارب العلمية طرقًا تقضي على التفسيرات البديلة أو تتحكم فيها، مما يسمح للباحثين باستكشاف كيفية تغير التغييرات في متغير واحد في متغير آخر.
ارتباطات وهمية
إن إغراء الإدلاء ببيانات السبب والنتيجة الخاطئة بناءً على البحث الارتباطي ليس الطريقة الوحيدة التي نميل بها إلى إساءة تفسير البيانات. نميل أيضًا إلى ارتكاب خطأ الارتباطات الوهمية، خاصة مع الملاحظات غير المنهجية. تحدث الارتباطات الوهمية، أو الارتباطات الخاطئة، عندما يعتقد الناس أن العلاقات موجودة بين شيئين عندما لا توجد مثل هذه العلاقة. أحد الارتباطات الوهمية المعروفة هو التأثير المفترض لمراحل القمر على السلوك البشري. يؤكد الكثير من الناس بشغف أن السلوك البشري يتأثر بمرحلة القمر، وعلى وجه التحديد، أن الناس يتصرفون بشكل غريب عندما يكتمل القمر.
لا يمكن إنكار أن القمر يمارس تأثيرًا قويًا على كوكبنا. يرتبط المد والجزر في المحيط ارتباطًا وثيقًا بقوى الجاذبية للقمر. لذلك يعتقد الكثير من الناس أنه من المنطقي أن نتأثر بالقمر أيضًا. بعد كل شيء، تتكون أجسامنا إلى حد كبير من الماء. ومع ذلك، أظهر التحليل التلوي\(40\) للدراسات تقريبًا باستمرار أن العلاقة بين القمر وسلوكنا غير موجودة (Rotton & Kelly، 1985). في حين أننا قد نولي المزيد من الاهتمام للسلوك الغريب خلال المرحلة الكاملة من القمر، إلا أن معدلات السلوك الغريب تظل ثابتة طوال دورة القمر.
لماذا نحن مستعدون جدًا للإيمان بعلاقات وهمية كهذه؟ غالبًا ما نقرأ أو نسمع عنها ونقبل ببساطة المعلومات على أنها صالحة. أو، لدينا حدس حول كيفية عمل شيء ما ثم نبحث عن أدلة لدعم هذا الحدس، متجاهلين الأدلة التي من شأنها أن تخبرنا أن حدسنا خاطئ؛ وهذا ما يعرف بالتحيز التأكيدي. في أحيان أخرى، نجد ارتباطات وهمية تستند إلى المعلومات التي تتبادر إلى الذهن بسهولة، حتى لو كانت هذه المعلومات محدودة للغاية. وبينما قد نشعر بالثقة في أنه يمكننا استخدام هذه العلاقات لفهم العالم من حولنا والتنبؤ به بشكل أفضل، إلا أن الارتباطات الوهمية يمكن أن تكون لها عيوب كبيرة. على سبيل المثال، تشير الأبحاث إلى أن الارتباطات الوهمية - التي تُنسب فيها بعض السلوكيات بشكل غير دقيق إلى مجموعات معينة - تشارك في تكوين مواقف متحيزة يمكن أن تؤدي في النهاية إلى سلوك تمييزي (Fiedler، 2004).
السببية: إجراء التجارب واستخدام البيانات
كما تعلمت، فإن الطريقة الوحيدة لإثبات وجود علاقة السبب والنتيجة بين متغيرين هي إجراء تجربة علمية. التجربة لها معنى مختلف في السياق العلمي عنه في الحياة اليومية. في المحادثة اليومية، غالبًا ما نستخدمه لوصف تجربة شيء ما لأول مرة، مثل تجربة أسلوب شعر جديد أو طعام جديد. ومع ذلك، في السياق العلمي، تحتوي التجربة على متطلبات دقيقة للتصميم والتنفيذ.
الفرضية التجريبية
من أجل إجراء تجربة، يجب أن يكون لدى الباحث فرضية محددة ليتم اختبارها. كما تعلمت، يمكن صياغة الفرضيات إما من خلال الملاحظة المباشرة للعالم الحقيقي أو بعد مراجعة دقيقة للبحث السابق. على سبيل المثال، إذا كنت تعتقد أنه لا ينبغي السماح للأطفال بمشاهدة البرامج العنيفة على التلفزيون لأن القيام بذلك سيجعلهم يتصرفون بشكل أكثر عنفًا، فأنت قد صاغت أساسًا فرضية - وهي أن مشاهدة البرامج التلفزيونية العنيفة تجعل الأطفال يتصرفون بشكل أكثر عنفًا. كيف يمكن أن تكون قد وصلت إلى هذه الفرضية بالذات؟ قد يكون لديك أقارب أصغر سنًا يشاهدون الرسوم المتحركة التي تعرض شخصيات تستخدم فنون الدفاع عن النفس لإنقاذ العالم من الأشرار، مع مجموعة رائعة من وضعيات اللكم والركل والدفاع. تلاحظ أنه بعد مشاهدة هذه البرامج لفترة من الوقت، يحاكي أقاربك الصغار السلوك القتالي للشخصيات المصورة في الرسوم المتحركة.
هذه الأنواع من الملاحظات الشخصية هي التي تقودنا غالبًا إلى صياغة فرضية محددة، ولكن لا يمكننا استخدام الملاحظات الشخصية المحدودة والأدلة القصصية لاختبار فرضيتنا بدقة. بدلاً من ذلك، لمعرفة ما إذا كانت بيانات العالم الحقيقي تدعم فرضيتنا، يتعين علينا إجراء تجربة.
تصميم تجربة
يتضمن التصميم التجريبي الأساسي مجموعتين: المجموعة التجريبية ومجموعة التحكم. تم تصميم المجموعتين ليكونا متماثلتين باستثناء اختلاف واحد - التلاعب التجريبي. تحصل المجموعة التجريبية على التلاعب التجريبي - أي العلاج أو المتغير الذي يتم اختباره (في هذه الحالة، صور التلفزيون العنيفة) - ولا تحصل المجموعة الضابطة على ذلك. نظرًا لأن التلاعب التجريبي هو الفرق الوحيد بين المجموعات التجريبية والمجموعات الضابطة، يمكننا التأكد من أن أي اختلافات بين الاثنين ترجع إلى التلاعب التجريبي وليس الصدفة.
في مثالنا عن كيفية تأثير البرامج التلفزيونية العنيفة على السلوك العنيف لدى الأطفال، لدينا مجموعة تجريبية تعرض البرامج التلفزيونية العنيفة لفترة زمنية محددة ثم تقيس سلوكهم العنيف. نقيس السلوك العنيف في مجموعة التحكم الخاصة بنا بعد مشاهدة البرامج التلفزيونية غير العنيفة لنفس الفترة الزمنية. من المهم أن يتم التعامل مع المجموعة الضابطة بشكل مشابه للمجموعة التجريبية، باستثناء أن المجموعة الضابطة لا تتلقى المعالجة التجريبية. لذلك، لدينا مجموعة مراقبة تشاهد البرامج التلفزيونية غير العنيفة لنفس الفترة الزمنية مثل المجموعة التجريبية.
نحتاج أيضًا إلى تحديد أو تفعيل ما يعتبر عنيفًا وغير عنيف بدقة. التعريف التشغيلي هو وصف لكيفية قياس متغيراتنا، وهو مهم في السماح للآخرين بفهم كيف وماذا يقيسه الباحث بالضبط في تجربة معينة. عند تفعيل السلوك العنيف، قد نختار احتساب الأفعال الجسدية فقط مثل الركل أو اللكم كأمثلة على هذا السلوك، أو قد نختار أيضًا تضمين التبادلات اللفظية الغاضبة. مهما كان ما نحدده، فمن المهم أن نقوم بتفعيل السلوك العنيف بطريقة تجعل أي شخص يسمع عن دراستنا لأول مرة يعرف بالضبط ما نعنيه بالعنف. هذا يساعد الناس على تفسير بياناتنا وكذلك قدرتهم على تكرار تجربتنا إذا اختاروا القيام بذلك.
بمجرد تفعيل ما يعتبر برمجة تلفزيونية عنيفة وما يعتبر سلوكًا عنيفًا من المشاركين في تجربتنا، نحتاج إلى تحديد كيفية إجراء تجربتنا. في هذه الحالة، قد نطلب من المشاركين مشاهدة برنامج تلفزيوني\(30\) مدته دقيقة (سواء كان عنيفًا أو غير عنيف، اعتمادًا على عضويتهم في المجموعة) قبل إرسالهم إلى الملعب لمدة ساعة حيث يتم ملاحظة سلوكهم وتسجيل عدد ونوع أعمال العنف.
من الناحية المثالية، لا يكون الأشخاص الذين يراقبون سلوك الأطفال ويسجلونه على دراية بمن تم تعيينه في المجموعة التجريبية أو المجموعة الضابطة، من أجل التحكم في تحيز المجرب. يشير تحيز المجرب إلى احتمال أن تؤدي توقعات الباحث إلى تحريف نتائج الدراسة. تذكر أن إجراء التجربة يتطلب الكثير من التخطيط، والأشخاص المشاركين في المشروع البحثي لديهم مصلحة راسخة في دعم فرضياتهم. إذا عرف المراقبون أي طفل في أي مجموعة، فقد يؤثر ذلك على مقدار الاهتمام الذي أولوه لسلوك كل طفل وكذلك كيفية تفسيرهم لهذا السلوك. من خلال عدم معرفة أي طفل في أي مجموعة، فإننا نحمي من تلك التحيزات. هذا الموقف عبارة عن دراسة أحادية التعمية، مما يعني أن إحدى المجموعات (المشاركين) لا تعرف المجموعة التي تنتمي إليها (التجربة أو المجموعة الضابطة) بينما يعرف الباحث الذي طور التجربة المشاركين في كل مجموعة.
في دراسة مزدوجة التعمية، يعمى كل من الباحثين والمشاركين عن المهام الجماعية. لماذا يرغب الباحث في إجراء دراسة لا يعرف فيها أحد من هم في أي مجموعة؟ لأنه من خلال القيام بذلك، يمكننا التحكم في توقعات كل من المجرب والمشاركين. إذا كنت على دراية بعبارة تأثير الدواء الوهمي، فلديك بالفعل فكرة عن سبب أهمية هذا الأمر. يحدث تأثير الدواء الوهمي عندما تؤثر توقعات الناس أو معتقداتهم أو تحدد تجربتهم في موقف معين. بعبارة أخرى، مجرد توقع حدوث شيء ما يمكن أن يجعله يحدث بالفعل.
عادة ما يتم وصف تأثير الدواء الوهمي من حيث اختبار فعالية الدواء الجديد. تخيل أنك تعمل في شركة أدوية، وتعتقد أن لديك دواءً جديدًا فعالًا في علاج الاكتئاب. لإثبات فعالية الدواء الخاص بك، يمكنك إجراء تجربة على مجموعتين: المجموعة التجريبية تتلقى الدواء، والمجموعة الضابطة لا تفعل ذلك. لكنك لا تريد أن يعرف المشاركون ما إذا كانوا قد تلقوا الدواء أم لا.
لماذا هذا؟ تخيل أنك مشارك في هذه الدراسة، وقد تناولت للتو حبة تعتقد أنها ستحسن مزاجك. نظرًا لأنك تتوقع أن يكون للحبوب تأثير، فقد تشعر بتحسن لمجرد أنك تناولت حبوب منع الحمل وليس بسبب أي دواء موجود بالفعل في حبوب منع الحمل - هذا هو تأثير الدواء الوهمي.
للتأكد من أن أي تأثيرات على الحالة المزاجية ترجع إلى الدواء وليس بسبب التوقعات، تتلقى المجموعة الضابطة دواءً وهميًا (في هذه الحالة حبة سكر). الآن يحصل الجميع على حبوب منع الحمل، ومرة أخرى لا يعرف الباحث ولا المشاركون التجريبيون من حصل على الدواء ومن حصل على حبة السكر. يمكن الآن أن تُعزى أي اختلافات في الحالة المزاجية بين المجموعتين التجريبية والضابطة إلى الدواء نفسه وليس إلى تحيز المجرب أو توقعات المشاركين.
المتغيرات المستقلة والمعتمدة
في تجربة بحثية، نسعى جاهدين لدراسة ما إذا كانت التغييرات في شيء ما تسبب تغييرات في شيء آخر. ولتحقيق ذلك، يجب الانتباه إلى متغيرين مهمين، أو أشياء يمكن تغييرها، في أي دراسة تجريبية: المتغير المستقل والمتغير التابع. يتم التلاعب بالمتغير المستقل أو التحكم فيه من قبل المجرب. في دراسة تجريبية جيدة التصميم، يكون المتغير المستقل هو الفرق الوحيد المهم بين المجموعات التجريبية والضابطة. في مثالنا عن كيفية تأثير البرامج التلفزيونية العنيفة على عرض الأطفال للسلوك العنيف، فإن المتغير المستقل هو نوع البرنامج - العنيف أو غير العنيف - الذي شاهده المشاركون في الدراسة. المتغير التابع هو ما يقيسه الباحث لمعرفة مدى تأثير المتغير المستقل. في مثالنا، المتغير التابع هو عدد أعمال العنف التي يعرضها المشاركون التجريبيون.
نتوقع أن المتغير التابع سيتغير كدالة للمتغير المستقل. بمعنى آخر، يعتمد المتغير التابع على المتغير المستقل. هناك طريقة جيدة للتفكير في العلاقة بين المتغيرات المستقلة والمتغيرات التابعة وهي بهذا السؤال: ما تأثير المتغير المستقل على المتغير التابع؟ بالعودة إلى مثالنا، ما تأثير مشاهدة نصف ساعة من البرامج التلفزيونية العنيفة أو البرامج التلفزيونية غير العنيفة على عدد حوادث الاعتداء الجسدي المعروضة في الملعب؟
اختيار المشاركين التجريبيين وتعيينهم
الآن بعد أن تم تصميم دراستنا، نحتاج إلى الحصول على عينة من الأفراد لتضمينهم في تجربتنا. تتضمن دراستنا مشاركين بشريين لذلك نحتاج إلى تحديد الأشخاص الذين يجب تضمينهم. المشاركون هم موضوعات البحث النفسي، وكما يوحي الاسم، يشارك الأفراد الذين يشاركون في البحث النفسي بنشاط في هذه العملية. في كثير من الأحيان، تعتمد مشاريع البحث النفسي على طلاب الجامعات للعمل كمشاركين. في الواقع، فإن الغالبية العظمى من الأبحاث في مجالات علم النفس الفرعية شملت الطلاب تاريخيًا كمشاركين في البحث (Sears، 1986؛ Arnett، 2008). لكن هل طلاب الجامعات يمثلون حقًا عامة السكان؟ يميل طلاب الجامعات إلى أن يكونوا أصغر سنًا وأكثر تعليمًا وأكثر ليبرالية وأقل تنوعًا من عامة السكان. على الرغم من أن استخدام الطلاب كمواضيع اختبار هو ممارسة مقبولة، إلا أن الاعتماد على مثل هذه المجموعة المحدودة من المشاركين في البحث يمكن أن يمثل مشكلة لأنه من الصعب تعميم النتائج على عدد أكبر من السكان.
تشمل تجربتنا الافتراضية الأطفال، ويجب علينا أولاً إنشاء عينة من الأطفال المشاركين. يتم استخدام العينات لأن عدد السكان عادة ما يكون كبيرًا جدًا بحيث لا يمكن إشراك كل عضو بشكل معقول في تجربتنا الخاصة. إذا كان ذلك ممكنًا، يجب أن نستخدم عينة عشوائية (هناك أنواع أخرى من العينات، ولكن لأغراض هذا الفصل، سنركز على العينات العشوائية). العينة العشوائية هي مجموعة فرعية من عدد أكبر من السكان حيث يتمتع كل فرد من السكان بفرصة متساوية للاختيار. تُفضل العينات العشوائية لأنه إذا كانت العينة كبيرة بما يكفي يمكننا التأكد بشكل معقول من أن الأفراد المشاركين يمثلون العدد الأكبر من السكان. هذا يعني أن النسب المئوية للخصائص في العينة - الجنس والعرق والمستوى الاجتماعي والاقتصادي وأي خصائص أخرى قد تؤثر على النتائج - قريبة من تلك النسب المئوية في عدد أكبر من السكان.
في مثالنا، لنفترض أننا قررنا أن السكان الذين يهمهم الأمر هم طلاب الصف الرابع. لكن جميع طلاب الصف الرابع هم عدد كبير جدًا من السكان، لذلك نحن بحاجة إلى أن نكون أكثر تحديدًا؛ بدلاً من ذلك، قد نقول أن السكان المهتمين لدينا هم جميع طلاب الصف الرابع في مدينة معينة. يجب أن ندرج الطلاب من مختلف فئات الدخل، والحالات العائلية، والأعراق، والأعراق، والأديان، والمناطق الجغرافية للمدينة. مع هذه المجموعة السكانية التي يمكن إدارتها بشكل أكبر، يمكننا العمل مع المدارس المحلية في اختيار عينة عشوائية من حوالي طلاب الصف\(200\) الرابع الذين نريد المشاركة في تجربتنا.
باختصار، لأننا لا نستطيع اختبار جميع طلاب الصف الرابع في المدينة، نريد أن نجد مجموعة من المعلومات\(200\) التي تعكس تكوين تلك المدينة. مع مجموعة تمثيلية، يمكننا تعميم النتائج التي توصلنا إليها على عدد أكبر من السكان دون خوف من تحيز عينتنا بطريقة ما.
الآن بعد أن أصبح لدينا عينة، فإن الخطوة التالية من العملية التجريبية هي تقسيم المشاركين إلى مجموعات تجريبية وضوابط من خلال التعيين العشوائي. مع التعيين العشوائي، يتمتع جميع المشاركين بفرصة متساوية في التعيين في أي من المجموعتين. هناك برنامج إحصائي يقوم بشكل عشوائي بتعيين كل من طلاب الصف الرابع في العينة إما للمجموعة التجريبية أو المجموعة الضابطة.
يعد التعيين العشوائي أمرًا بالغ الأهمية للتصميم التجريبي الصوتي. مع وجود عينات كبيرة بما فيه الكفاية، فإن التخصيص العشوائي يجعل من غير المحتمل وجود اختلافات منهجية بين المجموعات. لذلك، على سبيل المثال، سيكون من غير المحتمل جدًا أن نحصل على مجموعة واحدة تتكون بالكامل من الذكور، أو هوية عرقية معينة، أو أيديولوجية دينية معينة. هذا مهم لأنه إذا كانت المجموعات مختلفة بشكل منهجي قبل بدء التجربة، فلن نعرف أصل أي اختلافات نجدها بين المجموعات: هل كانت الاختلافات موجودة مسبقًا، أم كانت ناتجة عن التلاعب بالمتغير المستقل؟ يتيح لنا التعيين العشوائي افتراض أن أي اختلافات تمت ملاحظتها بين المجموعات التجريبية ومجموعات التحكم ناتجة عن معالجة المتغير المستقل.
قضايا للنظر فيها
في حين أن التجارب تسمح للعلماء بتقديم ادعاءات السبب والنتيجة، إلا أنها لا تخلو من المشاكل. تتطلب التجارب الحقيقية من المجرب التلاعب بمتغير مستقل، ويمكن أن يؤدي ذلك إلى تعقيد العديد من الأسئلة التي قد يرغب علماء النفس في معالجتها. على سبيل المثال، تخيل أنك تريد معرفة تأثير الجنس (المتغير المستقل) على الذاكرة المكانية (المتغير التابع). على الرغم من أنه يمكنك بالتأكيد البحث عن الاختلافات بين الذكور والإناث في مهمة تستغل الذاكرة المكانية، إلا أنه لا يمكنك التحكم مباشرة في جنس الشخص. نحن نصنف هذا النوع من نهج البحث على أنه شبه تجريبي وندرك أنه لا يمكننا تقديم ادعاءات السبب والنتيجة في هذه الظروف.
المجربون مقيدون أيضًا بالقيود الأخلاقية. على سبيل المثال، لن تتمكن من إجراء تجربة مصممة لتحديد ما إذا كان التعرض للإساءة عندما كنت طفلاً يؤدي إلى انخفاض مستويات احترام الذات بين البالغين. لإجراء مثل هذه التجربة، ستحتاج إلى تعيين بعض المشاركين التجريبيين بشكل عشوائي لمجموعة تتلقى إساءة الاستخدام، وستكون هذه التجربة غير أخلاقية.
تفسير النتائج التجريبية
بمجرد جمع البيانات من كل من المجموعة التجريبية والمجموعة الضابطة، يتم إجراء تحليل إحصائي لمعرفة ما إذا كانت هناك اختلافات ذات مغزى بين المجموعتين. يحدد التحليل الإحصائي مدى احتمالية وجود أي اختلاف بسبب الصدفة (وبالتالي ليس له معنى). في علم النفس، تعتبر الاختلافات الجماعية ذات مغزى، أو مهمة، إذا كانت احتمالات حدوث هذه الاختلافات بالصدفة وحدها هي\(5\) النسبة المئوية أو أقل. بعبارة أخرى، إذا كررنا\(100\) أوقات التجربة هذه، فإننا نتوقع العثور على نفس النتائج على الأقل\(95\) مرات\(100\).
أكبر قوة للتجارب هي القدرة على التأكيد على أن أي اختلافات كبيرة في النتائج ناتجة عن المتغير المستقل. يحدث هذا لأن الاختيار العشوائي والتعيين العشوائي والتصميم الذي يحد من تأثيرات كل من تحيز المجرب وتوقع المشاركين يجب أن ينشئوا مجموعات متشابهة في التكوين والعلاج. لذلك، يُعزى أي فرق بين المجموعات إلى المتغير المستقل، والآن يمكننا أخيرًا تقديم بيان سببي. إذا وجدنا أن مشاهدة برنامج تلفزيوني عنيف يؤدي إلى سلوك أكثر عنفًا من مشاهدة برنامج غير عنيف، يمكننا القول بأمان أن مشاهدة البرامج التلفزيونية العنيفة تسبب زيادة في عرض السلوك العنيف.
البحث في التقارير
عندما يكمل علماء النفس مشروعًا بحثيًا، فإنهم يرغبون عمومًا في مشاركة نتائجهم مع علماء آخرين. تنشر جمعية علم النفس الأمريكية (APA) دليلًا يوضح بالتفصيل كيفية كتابة ورقة لتقديمها إلى المجلات العلمية. على عكس المقالة التي قد تُنشر في مجلة مثل Psychology Today، والتي تستهدف جمهورًا عامًا مهتمًا بعلم النفس، تنشر المجلات العلمية عمومًا مقالات صحفية تمت مراجعتها من قبل الأقران وتستهدف جمهورًا من المحترفين والعلماء يشاركون بنشاط في البحث بأنفسهم.
تتم قراءة مقالة دورية تمت مراجعتها من قبل الأقران من قبل العديد من العلماء الآخرين (بشكل عام بشكل مجهول) من ذوي الخبرة في هذا الموضوع. يقدم هؤلاء المراجعون الأقران ملاحظات - لكل من المؤلف ومحرر المجلة - فيما يتعلق بجودة المسودة. يبحث المراجعون الأقران عن أساس منطقي قوي للبحث الذي يتم وصفه، ووصف واضح لكيفية إجراء البحث، والأدلة على أن البحث تم بطريقة أخلاقية. كما أنهم يبحثون عن العيوب في تصميم الدراسة والأساليب والتحليلات الإحصائية. يتحققون من أن الاستنتاجات التي توصل إليها المؤلفون تبدو معقولة بالنظر إلى الملاحظات التي تم الإدلاء بها أثناء البحث. يعلق المراجعون الأقران أيضًا على مدى قيمة البحث في تطوير معرفة التخصص. هذا يساعد على منع الازدواجية غير الضرورية لنتائج البحوث في الأدبيات العلمية، ويضمن، إلى حد ما، أن كل مقال بحثي يوفر معلومات جديدة. في النهاية، سيقوم محرر المجلة بتجميع جميع ملاحظات المراجعين الأقران وتحديد ما إذا كان سيتم نشر المقالة في حالتها الحالية (حدث نادر)، أو نشرها مع مراجعات، أو عدم قبولها للنشر.
توفر مراجعة الأقران درجة معينة من مراقبة الجودة للبحث النفسي. يمكن التخلص من الدراسات التي تم تصميمها أو تنفيذها بشكل سيئ، وحتى الأبحاث المصممة جيدًا يمكن تحسينها من خلال المراجعات المقترحة. تضمن مراجعة الأقران أيضًا وصف البحث بوضوح كافٍ للسماح للعلماء الآخرين بتكراره، مما يعني أنه يمكنهم تكرار التجربة باستخدام عينات مختلفة لتحديد الموثوقية. في بعض الأحيان تتضمن التكرارات تدابير إضافية تتوسع في النتيجة الأصلية. على أي حال، يعمل كل تكرار على توفير المزيد من الأدلة لدعم نتائج البحث الأصلية. النسخ الناجحة للأبحاث المنشورة تجعل العلماء أكثر استعدادًا لتبني تلك النتائج، بينما تميل الإخفاقات المتكررة إلى التشكيك في شرعية المقالة الأصلية ودفع العلماء إلى البحث في مكان آخر. على سبيل المثال، سيكون تقدمًا كبيرًا في المجال الطبي إذا أشارت دراسة منشورة إلى أن تناول دواء جديد يساعد الأفراد على تحقيق وزن صحي دون تغيير نظامهم الغذائي. ولكن إذا لم يتمكن علماء آخرون من تكرار النتائج، فسيتم التشكيك في ادعاءات الدراسة الأصلية.
تعمق أكثر: أسطورة اللقاح والتوحد وتراجع الدراسات المنشورة
ادعى بعض العلماء أن لقاحات الطفولة الروتينية تتسبب في إصابة بعض الأطفال بالتوحد، وفي الواقع، نشرت العديد من المنشورات التي تمت مراجعتها من قبل الأقران أبحاثًا تقدم هذه الادعاءات. منذ التقارير الأولية، أشارت الأبحاث الوبائية واسعة النطاق إلى أن اللقاحات ليست مسؤولة عن التسبب في مرض التوحد وأن تطعيم طفلك أكثر أمانًا من عدمه. علاوة على ذلك، تم سحب العديد من الدراسات الأصلية التي قدمت هذا الادعاء منذ ذلك الحين.
يمكن إلغاء جزء من العمل المنشور عندما تكون البيانات موضع تساؤل بسبب التزوير أو التلفيق أو مشاكل تصميم البحث الخطيرة. بمجرد الإلغاء، يتم إبلاغ المجتمع العلمي بوجود مشاكل خطيرة في المنشور الأصلي. يمكن بدء عمليات السحب من قبل الباحث الذي قاد الدراسة، أو من قبل المتعاونين في البحث، أو من قبل المؤسسة التي وظفت الباحث، أو من قبل هيئة تحرير المجلة التي نُشرت فيها المقالة في الأصل. في حالة لقاح التوحد، تم التراجع بسبب تضارب كبير في المصالح حيث كان للباحث الرائد مصلحة مالية في إنشاء رابط بين لقاحات الطفولة والتوحد (Offit، 2008). لسوء الحظ، تلقت الدراسات الأولية الكثير من الاهتمام الإعلامي لدرجة أن العديد من الآباء حول العالم أصبحوا مترددين في تطعيم أطفالهم (الشكل). لمزيد من المعلومات حول كيفية تطور قصة اللقاح/التوحد، بالإضافة إلى تداعيات هذه القصة، ألقِ نظرة على كتاب بول أوفيت، الأنبياء الكذابون للتوحد: العلوم السيئة والطب المحفوف بالمخاطر والبحث عن علاج.
الموثوقية والصلاحية
الموثوقية والصلاحية هما اعتباران مهمان يجب وضعهما مع أي نوع من جمع البيانات. تشير الموثوقية إلى القدرة على إنتاج نتيجة معينة باستمرار. في سياق البحث النفسي، قد يعني هذا أن أي أدوات أو أدوات تستخدم لجمع البيانات تفعل ذلك بطرق متسقة وقابلة للتكرار.
لسوء الحظ، لا يعني الاتساق في القياس بالضرورة أنك قمت بقياس شيء ما بشكل صحيح. لتوضيح هذا المفهوم، ضع في اعتبارك ميزان المطبخ الذي يمكن استخدامه لقياس وزن الحبوب التي تتناولها في الصباح. إذا لم تتم معايرة الميزان بشكل صحيح، فقد يؤدي ذلك باستمرار إلى تقليل كمية الحبوب التي يتم قياسها أو المبالغة في تقديرها. في حين أن المقياس موثوق للغاية في تحقيق نتائج متسقة (على سبيل المثال، نفس كمية الحبوب التي يتم سكبها على الميزان تنتج نفس القراءة في كل مرة)، فإن هذه النتائج غير صحيحة. هذا هو المكان الذي تدخل فيه الصلاحية. تشير الصلاحية إلى المدى الذي تقيس فيه أداة أو أداة معينة بدقة ما يفترض أن تقيسه. في حين أن أي تدبير صحيح يمكن الاعتماد عليه بالضرورة، فإن العكس ليس صحيحًا بالضرورة. يسعى الباحثون إلى استخدام أدوات موثوقة للغاية وصحيحة.
الاتصال اليومي: ما مدى صلاحية SAT؟
من المفترض أن تقيس الاختبارات المعيارية مثل SAT قدرة الفرد على التعليم الجامعي، ولكن ما مدى موثوقية وصلاحية هذه الاختبارات؟ تشير الأبحاث التي أجراها مجلس الكلية إلى أن الدرجات في اختبار SAT تتمتع بصلاحية تنبؤية عالية لمعدل GPA لطلاب السنة الأولى من الكلية (Kobrin و Patterson و Shaw و Mattern و Barbuti، 2008). في هذا السياق، تشير الصلاحية التنبؤية إلى قدرة الاختبار على التنبؤ بفعالية بمعدل GPA للطلاب الجدد في الكلية. نظرًا لأن العديد من مؤسسات التعليم العالي تتطلب اختبار SAT للقبول، فقد تكون هذه الدرجة العالية من الصلاحية التنبؤية مريحة.
ومع ذلك، فإن التركيز على درجات SAT في القبول الجامعي قد أثار بعض الجدل على عدد من الجبهات. أولاً، يؤكد بعض الباحثين أن اختبار SAT هو اختبار متحيز يضع طلاب الأقليات في وضع غير مؤات ويقلل بشكل غير عادل من احتمالية قبولهم في الكلية (Santelices & Wilson، 2010). بالإضافة إلى ذلك، أشارت بعض الأبحاث إلى أن الصلاحية التنبؤية لـ SAT مبالغ فيها بشكل كبير في مدى قدرتها على التنبؤ بمعدل GPA لطلاب السنة الأولى من الكلية. في الواقع، تم اقتراح أن الصلاحية التنبؤية لـ SAT قد يتم المبالغة فيها بقدر ما\(150\%\) (Rothstein، 2004). بدأت العديد من مؤسسات التعليم العالي في التفكير في عدم التأكيد على أهمية درجات SAT في اتخاذ قرارات القبول (Rimer، 2008).
في عام 2014، أعرب رئيس مجلس الكلية ديفيد كولمان عن إدراكه لهذه المشكلات، مدركًا أن نجاح الكلية يتم التنبؤ به بدقة أكبر من خلال درجات المدارس الثانوية مقارنة بدرجات SAT. ولمعالجة هذه المخاوف، دعا إلى إجراء تغييرات كبيرة في امتحان SAT (Lewin، 2014).
ملخص
يتم وصف الارتباط بمعامل الارتباط\(r\)، والذي يتراوح من\(-1\) إلى\(+1\). يخبرنا معامل الارتباط عن الطبيعة (الإيجابية أو السلبية) وقوة العلاقة بين متغيرين أو أكثر. لا تخبرنا الارتباطات بأي شيء عن السببية - بغض النظر عن مدى قوة العلاقة بين المتغيرات. في الواقع، الطريقة الوحيدة لإثبات السببية هي إجراء تجربة. غالبًا ما يرتكب الناس خطأ الادعاء بوجود الارتباطات عندما لا تكون موجودة بالفعل.
يمكن للباحثين اختبار فرضيات السبب والنتيجة من خلال إجراء التجارب. من الناحية المثالية، يتم اختيار المشاركين التجريبيين بشكل عشوائي من السكان المعنيين. بعد ذلك، يتم تعيين المشاركين بشكل عشوائي لمجموعاتهم الخاصة. في بعض الأحيان، يتجاهل الباحث والمشاركون عضوية المجموعة لمنع توقعاتهم من التأثير على النتائج.
في التصميم التجريبي المثالي، يتمثل الاختلاف الوحيد بين المجموعات التجريبية ومجموعات التحكم في ما إذا كان المشاركون يتعرضون للتلاعب التجريبي. تمر كل مجموعة بجميع مراحل التجربة، ولكن كل مجموعة ستختبر مستوى مختلفًا من المتغير المستقل: تتعرض المجموعة التجريبية للتلاعب التجريبي، ولا تتعرض المجموعة الضابطة للتلاعب التجريبي. ثم يقيس الباحث التغييرات التي يتم إنتاجها في المتغير التابع في كل مجموعة. بمجرد جمع البيانات من كلا المجموعتين، يتم تحليلها إحصائيًا لتحديد ما إذا كانت هناك اختلافات ذات مغزى بين المجموعتين.
يقوم علماء النفس بالإبلاغ عن نتائج أبحاثهم في مقالات صحفية يراجعها الأقران يتم فحص الأبحاث المنشورة بهذا الشكل من قبل العديد من علماء النفس الآخرين الذين يعملون كمرشح يفصل الأفكار المدعومة بالأدلة عن الأفكار غير المدعومة. يلعب النسخ المتماثل دورًا مهمًا في ضمان شرعية الأبحاث المنشورة. على المدى الطويل، فقط تلك النتائج التي يمكن تكرارها باستمرار ستحقق إجماعًا في المجتمع العلمي.
مسرد المصطلحات
- علاقة السبب والنتيجة
- التغييرات في متغير واحد تسبب التغييرات في المتغير الآخر؛ يمكن تحديدها فقط من خلال تصميم بحث تجريبي
- تحيز التأكيد
- الميل إلى تجاهل الأدلة التي تدحض الأفكار أو المعتقدات
- متغير مربك
- عامل خارجي غير متوقع يؤثر على كلا متغيري الاهتمام، وغالبًا ما يعطي انطباعًا خاطئًا بأن التغييرات في أحد المتغيرات تسبب تغييرات في المتغير الآخر، عندما يتسبب العامل الخارجي في حدوث تغييرات في كلا المتغيرين
- مجموعة التحكم
- يعمل كأساس للمقارنة والضوابط لعوامل الصدفة التي قد تؤثر على نتائج الدراسة - من خلال إبقاء هذه العوامل ثابتة عبر المجموعات بحيث يكون التلاعب التجريبي هو الفرق الوحيد بين المجموعات
- الارتباط
- العلاقة بين متغيرين أو أكثر؛ عندما يتم ربط متغيرين، يتغير متغير واحد كما يتغير الآخر
- معامل الارتباط
- رقم من -1 إلى +1، يشير إلى قوة واتجاه العلاقة بين المتغيرات، وعادة ما يتم تمثيله بـ r
- متغير تابع
- المتغير الذي يقيسه الباحث لمعرفة مدى تأثير المتغير المستقل
- دراسة التعمية المزدوجة
- تجربة يكون فيها كل من الباحثين والمشاركين غافلين عن المهام الجماعية
- مجموعة تجريبية
- مجموعة مصممة للإجابة على سؤال البحث؛ التلاعب التجريبي هو الفرق الوحيد بين المجموعات التجريبية والضابطة، لذا فإن أي اختلافات بين الاثنين ترجع إلى التلاعب التجريبي وليس الصدفة
- تحيز المجرب
- توقعات الباحثين تحرف نتائج الدراسة
- ارتباط وهمي
- رؤية العلاقات بين شيئين عندما لا توجد مثل هذه العلاقة في الواقع
- متغير مستقل
- متغير يتأثر أو يتحكم فيه المجرب؛ في دراسة تجريبية سليمة، يكون المتغير المستقل هو الفرق الوحيد المهم بين المجموعة التجريبية والمجموعة الضابطة
- ارتباط سلبي
- يتغير متغيران في اتجاهات مختلفة، حيث يصبح أحدهما أكبر بينما يصبح الآخر أصغر؛ الارتباط السلبي ليس مثل عدم وجود ارتباط
- تعريف تشغيلي
- وصف الإجراءات والعمليات التي سيتم استخدامها لقياس المتغيرات التابعة ومعالجة المتغيرات المستقلة
- مشاركون
- موضوعات البحث النفسي
- مقال في مجلة تمت مراجعتها
- تمت قراءة المقالة من قبل العديد من العلماء الآخرين (عادة ما يكونون مجهولين) من ذوي الخبرة في الموضوع، والذين يقدمون ملاحظات بشأن جودة المخطوطة قبل قبولها للنشر
- تأثير وهمي
- توقعات الناس أو معتقداتهم التي تؤثر أو تحدد تجربتهم في موقف معين
- ارتباط إيجابي
- يتغير متغيران في نفس الاتجاه، حيث يصبح كلاهما أكبر أو أصغر
- مهمة عشوائية
- طريقة تعيين المجموعة التجريبية التي يتمتع فيها جميع المشاركين بفرصة متساوية في التعيين في أي من المجموعتين
- عينة عشوائية
- مجموعة فرعية من عدد أكبر من السكان حيث يتمتع كل فرد من السكان بفرصة متساوية للاختيار
- الموثوقية
- الاتساق والتكرار لنتيجة معينة
- النسخ المتماثل
- تكرار تجربة باستخدام عينات مختلفة لتحديد موثوقية البحث
- دراسة أحادية الأعمى
- تجربة يعرف فيها الباحث المشاركين في المجموعة التجريبية والذين هم في المجموعة الضابطة
- تحليل إحصائي
- يحدد مدى احتمالية حدوث أي فرق بين المجموعات التجريبية بسبب الصدفة
- صلاحية
- دقة نتيجة معينة في قياس ما تم تصميمه لقياسه