الانتقال إلى المحتوى
العودة إلى نتائج البحث

البحث السببي المقارن — تصميم مقارنة المجموعات الاسترجاعي

قدّمه
Fred N. Kerlinger
السنة
1964
النوع
Non-experimental quantitative research design
العائلة
Survey / observational design

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

البحث السببي المقارن هو تصميم كمي غير تجريبي يقارن فيه الباحث مجموعتين أو أكثر تختلف بالفعل في متغير مستقل — متغير لم يتم التلاعب به — للتحقيق في الأسباب أو العواقب المحتملة لهذا الاختلاف. نظرًا لأن عضوية المجموعة موجودة مسبقًا وليست عشوائية، يمكن للتصميم اقتراح علاقات سببية ولكنه لا يستطيع إثباتها باليقين التجريبي الحقيقي. يُستخدم على نطاق واسع في التعليم وعلم النفس والعلوم الاجتماعية عندما يكون التلاعب التجريبي غير عملي أو غير أخلاقي.

الفكرة الحدسية وراء الطريقة

لنفترض أنك تريد معرفة ما إذا كان تدخين الوالدين يؤثر على سعة الرئة لدى الأطفال. لا يمكنك تعيين الأطفال عشوائيًا إلى أسر مدخنة أو غير مدخنة، لذا بدلاً من ذلك تحدد مجموعات من الأطفال يدخن والداهم بالفعل أو لا يدخنون وتقارن وظائف الرئة لديهم. هذا هو منطق البحث السببي المقارن: 'السبب' قد حدث بالفعل في العالم الحقيقي، وأنت تنظر إلى الوراء لمعرفة ما إذا كان مرتبطًا باختلاف في النتائج. يشبه التصميم التجربة في هيكله — مجموعات، نتيجة مقاسة، مقارنة — ولكنه يفتقر إلى التعيين العشوائي الذي من شأنه أن يجعل السببية قاطعة.

التاريخ

تمت صياغة منطق البحث السببي المقارن في منهجيات العلوم الاجتماعية بواسطة فريد ن. كيرلينجر في نصه الرائد عام 1964 "أسس أبحاث السلوك" (Foundations of Behavioral Research)، حيث وصف بحث "بعد الوقوع" (ex post facto) بأنه التحقيق المنهجي في الأحداث التي وقعت بالفعل لتحديد الأسباب المحتملة. كان للتصميم جذور سابقة في الدراسات الزراعية والوبائية التي قارنت المجموعات المشكلة مسبقًا. بحلول السبعينيات والثمانينيات، أصبح مكونًا قياسيًا في كتب طرق البحث التربوي، أبرزها Gay (1976) ولاحقًا Fraenkel و Wallen، مما رسخ دوره كتصميم غير تجريبي مفضل عندما يكون التلاعب مستحيلاً.

متى تُستخدم

استخدم البحث السببي المقارن عندما تريد التحقيق في الأسباب أو الآثار المحتملة لمتغير لا يمكن التلاعب به أخلاقيًا أو عمليًا — مثل الجنس، حالة الإعاقة، الخلفية الاجتماعية والاقتصادية، أو التعرض لحدث سابق. إنه مناسب عندما تكون المجموعات طبيعية ويمكن جمع البيانات حول متغير تابع ذي مغزى. يناسب أهداف البحث الوصفي إلى التفسيري في مجالات التعليم والصحة والعلوم الاجتماعية. لا تستخدمه عندما يمكنك إجراء تجربة حقيقية مع تعيين عشوائي — التجارب توفر أدلة سببية أقوى. تجنبه عندما لا يمكن جعل المجموعات متكافئة بشكل ذي مغزى على العوامل المربكة الرئيسية، عندما تكون عضوية المجموعة غامضة، أو عندما تتطلب سؤال البحث تتبعًا استشرافيًا للتغيير بمرور الوقت (استخدم البحث الطولي بدلاً من ذلك).

الحدود والاعتبارات

  • لا يمكن إثبات السببية بشكل قاطع لأن المجموعات ليست معينة عشوائيًا — يظل تحيز الاختيار والمتغيرات المربكة تفسيرات بديلة.
  • اتجاه السببية غامض: قد يكون السبب والنتيجة المفترضان معكوسين، أو قد يكون متغير ثالث سببًا لكليهما.
  • قد تختلف المجموعات في متغيرات غير مقاسة تفسر الاختلاف الملاحظ، مما يجعل التحكم الإحصائي غير مكتمل.
  • الطبيعة الاسترجاعية تعني أن الباحث ليس لديه سيطرة على كيفية تجربة المتغير المستقل أو قياسه في الماضي.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • يسمح بالتحقيق في الفرضيات السببية عندما يكون التلاعب التجريبي غير أخلاقي أو مستحيل.
  • أكثر كفاءة وأقل تكلفة من التجارب الطولية؛ غالبًا ما توجد البيانات بالفعل.
  • ينتج مقارنات كمية قابلة للاختبار إحصائيًا بين المجموعات الطبيعية.
  • ينتج أحجام تأثير تفيد الأهمية العملية جنبًا إلى جنب مع الأهمية الإحصائية.
  • مفيد كتصميم تمهيدي لتبرير الحاجة إلى تجربة لاحقة.

التطبيقات

  • مقارنة التحصيل الأكاديمي بين الطلاب الذين حضروا رياض الأطفال وأولئك الذين لم يحضروا.
  • فحص الاختلافات في النتائج الصحية بين المدخنين وغير المدخنين دون تعيين تجريبي.
  • التحقيق فيما إذا كانت هناك اختلافات بين الجنسين في الكفاءة الذاتية في الرياضيات بين طلاب المدارس الثانوية.
  • مقارنة مستويات الرضا الوظيفي عبر الموظفين ذوي المؤهلات التعليمية المختلفة.
  • تقييم ما إذا كان الأطفال الذين نشأوا في أسر ثنائية اللغة يختلفون في المرونة المعرفية عن أقرانهم أحاديي اللغة.
  • استكشاف ما إذا كان موقع المدرسة الحضري مقابل الريفي يرتبط باختلافات في معدلات الاحتفاظ بالمعلمين.

كيف يعمل

كيف يعمل

1

يحدد الباحث المتغير المستقل — خاصية موجودة مسبقًا مثل الجنس، الوضع الاجتماعي والاقتصادي، المستوى التعليمي، أو حدث حياتي — ويحدد مجموعتين على الأقل تختلفان في هذا المتغير. يجب أن يكون متغير المقارنة قد حدث بشكل طبيعي بالفعل؛ لا يتم التلاعب به أبدًا من قبل الباحث.

2

يتم اختيار المشاركين من كل مجموعة مشكلة مسبقًا، ويفضل أن يكون ذلك عن طريق أخذ العينات الاحتمالية لدعم التعميم. يجب أن تكون المجموعات متشابهة قدر الإمكان في جميع الخصائص باستثناء المتغير المستقل، لذلك يتحكم الباحث في أو يطابق العوامل المربكة المحتملة (مثل العمر، الإنجاز السابق، مستوى الدخل) أثناء مرحلة التصميم.

3

يتم جمع البيانات حول المتغير (المتغيرات) التابعة من جميع المجموعات باستخدام نفس الأدوات والإجراءات. تشمل مصادر البيانات الشائعة درجات الاختبارات الموحدة، استجابات الاستبيانات، السجلات الإدارية، أو القياسات البدنية. نظرًا لأن السبب قد حدث بالفعل، فإن جمع البيانات يكون استرجاعيًا أو متزامنًا — وليس استشرافيًا.

4

تتم مقارنة متوسطات المجموعات (أو النسب، الرتب) في المتغير التابع باستخدام إحصائيات استدلالية مناسبة — عادةً اختبارات t للعينة المستقلة، تحليل التباين أحادي الاتجاه (ANOVA)، تحليل التباين المشترك (ANCOVA) (للتحكم في المتغيرات المشتركة)، أو اختبارات مربع كاي اعتمادًا على مقياس القياس. يجب أن تصاحب أحجام التأثير (Cohen's d، eta-squared) اختبارات الدلالة الإحصائية.

5

يتم تفسير الاختلافات الإحصائية الهامة بين المجموعات بحذر. يأخذ الباحث في الاعتبار التفسيرات البديلة — وخاصة تحيز الاختيار والعوامل المربكة غير المقاسة — قبل عزو الاختلاف إلى المتغير المستقل. يتم تلطيف اللغة السببية ('قد تشير'، 'تتوافق مع') ما لم يتضمن التصميم ضوابط إضافية تعزز الاستدلال السببي.

الأخطاء الشائعة

  • معاملة الاختلاف الهام بين المجموعات كدليل على السببية — اعترف دائمًا بالطبيعة غير التجريبية والتفسيرات البديلة بشكل صريح.
  • تجاهل عدم تكافؤ المجموعات — عندما تختلف مجموعات المقارنة في متغيرات خلفية متعددة، فإن الاختلاف المستهدف يكون مربكًا؛ استخدم المطابقة أو ANCOVA لمعالجة المتغيرات المشتركة الرئيسية.
  • عكس السبب والنتيجة — في بعض التصميمات، من المعقول أن النتيجة المفترضة تؤثر بالفعل على متغير التجميع؛ فكر بعناية في التسلسل الزمني.
  • استخدام التصميم عندما لا تكون المجموعات متميزة بشكل ذي مغزى — الحدود الغامضة للمجموعات (مثل 'دخل مرتفع' مقابل 'دخل منخفض' المعرّف بشكل فضفاض) تزيد من تباين الخطأ وتضعف الاستدلال.
  • الإبلاغ عن قيم p فقط بدون أحجام التأثير — قد يكون الاختلاف الهام إحصائيًا بين مجموعات كبيرة تافهًا عمليًا؛ قم دائمًا بالإبلاغ عن حجم التأثير وتفسيره.

الأسئلة الشائعة

ما الفرق بين البحث السببي المقارن والبحث الارتباطي؟

كلاهما غير تجريبي، لكنهما يختلفان في الهيكل والغرض. يبحث البحث الارتباطي في قوة واتجاه العلاقة بين المتغيرات المستمرة داخل مجموعة واحدة، باستخدام معاملات مثل بيرسون r. يقارن البحث السببي المقارن مجموعات منفصلة ومشكلة مسبقًا حول متغير تابع ويستخدم إحصائيات فروق المجموعات (t-test، ANOVA). تُصاغ تصميمات البحث السببي المقارن بشكل صريح حول علاقة سببية مفترضة بين عضوية المجموعة والنتيجة، بينما تصف التصميمات الارتباطية الارتباط دون الإشارة إلى اتجاه سببي.

كيف يختلف البحث السببي المقارن عن تصميم ما بعد الوقوع (ex post facto)؟

غالبًا ما تُستخدم المصطلحات بالتبادل، وفي العديد من الكتب المدرسية "تصميم ما بعد الوقوع" هو التسمية الأقدم لنفس النهج بالضبط. استخدم كيرلينجر في الأصل "بعد الوقوع" (ex post facto) (باللاتينية "بعد الحقيقة") للتأكيد على أن المتغير المستقل قد حدث بالفعل. فضل المنهجيون لاحقًا، وخاصة في التعليم، "السببي المقارن" لتسليط الضوء على منطق مقارنة المجموعات. وظيفيًا، تشير التسميتان إلى نفس عائلة التصميم.

هل يمكن للبحث السببي المقارن إثبات السببية؟

لا — ليس بنفس الثقة التي توفرها التجربة الحقيقية. نظرًا لأن المشاركين لا يتم تعيينهم عشوائيًا للمجموعات، فإن الاختلافات الموجودة مسبقًا بين المجموعات (تحيز الاختيار) والمتغيرات الثالثة غير المقاسة هي دائمًا تفسيرات بديلة معقولة. يمكن للتصميم أن يوفر أدلة تشير إلى علاقة سببية وتولد فرضيات، خاصة عندما تكرر دراسات متعددة النمط باستمرار، ولكن يلزم إجراء تجربة مضبوطة لتأكيد الادعاء السببي.

ما هي الاختبارات الإحصائية المناسبة؟

يعتمد الاختيار على عدد المجموعات ومقياس القياس. لمجموعتين مع نتيجة مستمرة، استخدم اختبار t للعينة المستقلة؛ لثلاث مجموعات أو أكثر، استخدم تحليل التباين أحادي الاتجاه (ANOVA). عند التحكم في المتغيرات المشتركة، استخدم ANCOVA. للنتائج الفئوية، استخدم اختبارات مربع كاي. في جميع الحالات، قم بتكملة اختبار الدلالة بمؤشر حجم التأثير (Cohen's d لاختبارات t، eta-squared أو omega-squared لتحليل ANOVA) لنقل الأهمية العملية.

كيف يمكنني التحكم في المتغيرات المربكة في تصميم سببي مقارن؟

تتوفر عدة استراتيجيات في مرحلة التصميم أو التحليل. في مرحلة التصميم، يمكنك مطابقة المشاركين عبر المجموعات على العوامل المربكة الرئيسية (مثل مطابقة كل مشارك في مجموعة العلاج مع مشارك في مجموعة التحكم له نفس العمر والإنجاز السابق تقريبًا). في مرحلة التحليل، يمكنك تضمين العوامل المربكة كمتغيرات مشتركة في ANCOVA، والتي تعدل متوسطات المجموعات إحصائيًا. لا يلغي أي من النهجين جميع الارتباك، لكن كلاهما يعزز بشكل كبير الصلاحية الداخلية للمقارنة.

طرق ذات صلة

المصادر

  1. Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.

    افتح مرجع المنشور
    تم النسخ.
  2. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2012). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.

    ردمك: 978-0078097850
    تم النسخ.