بحث المسح العلائقي — بحث المسح العلائقي
- قدّمه
- Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
- السنة
- Mid-20th century onward (systematised ~1960s–1990s)
- النوع
- Quantitative non-experimental survey design
- العائلة
- Survey / observational design
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
بحث المسح العلائقي هو تصميم كمي غير تجريبي يجمع بيانات تقرير ذاتي منظمة من عينة ويدرس الارتباطات الإحصائية بين متغيرين أو أكثر. على عكس استطلاعات الرأي الوصفية البحتة، التي تصف التوزيعات فقط، فإن استطلاعات الرأي العلائقية تسأل عما إذا كانت المتغيرات تتغير معًا وكيف بقوة — مما يوفر دليلًا على العلاقات دون التلاعب بالظروف أو إثبات السببية.
الفكرة الحدسية وراء الطريقة
فكر في المسح العلائقي على أنه التقاط صورة لمجموعة في نقطة زمنية واحدة ثم السؤال: هل يميل الأشخاص الذين يحصلون على درجات أعلى في المتغير أ أيضًا إلى الحصول على درجات أعلى (أو أقل) في المتغير ب؟ على سبيل المثال، قد يقوم الباحث بإدارة مقاييس معتمدة للتحفيز الأكاديمي واستخدام التكنولوجيا لطلاب الجامعات ثم حساب معاملات الارتباط لمعرفة أي جوانب التحفيز تتغير باستمرار مع أشكال مختلفة من استخدام التكنولوجيا. التصميم لا يتدخل؛ بل يلاحظ ويقيس التغير المشترك.
التاريخ
نشأ تصميم المسح العلائقي من التقاليد الأوسع لأبحاث المسح، التي اتخذت شكلها في العلوم الاجتماعية خلال أوائل إلى منتصف القرن العشرين. يرجع تركيزه على العلاقات بين المتغيرات مباشرة إلى تطوير كارل بيرسون لمعامل الارتباط في تسعينيات القرن التاسع عشر وتوسع الانحدار المتعدد في منتصف القرن العشرين. قامت كتب فراينكل ووالن الدراسية المستخدمة على نطاق واسع في أبحاث التعليم من التسعينيات فصاعدًا بتأسيس المسح العلائقي كنوع تصميم مميز، مما يميزه عن المسوحات الوصفية البحتة من ناحية والتصميمات المقارنة السببية من ناحية أخرى.
متى تُستخدم
استخدم مسحًا علائقيًا عندما يكون الهدف هو قياس الارتباطات بين المتغيرات في مجموعة تحدث بشكل طبيعي دون التلاعب التجريبي بأي شيء — على سبيل المثال، استكشاف الروابط بين سمات الشخصية والأداء الأكاديمي، أو بين المناخ التنظيمي ورفاهية الموظفين. التصميم مناسب عندما يكون جمع البيانات المقطعي والتقرير الذاتي ممكنًا وعندما تكون أسئلة البحث مصاغة على شكل 'هل يرتبط س بـ ص؟' أو 'ما مدى جودة تنبؤ س بـ ص؟'. لا تستخدمه عندما يكون الهدف هو إثبات الاتجاه السببي (فكر في تصميم طولي أو تجريبي) أو عندما لا يمكن التقاط المفهوم محل الاهتمام بشكل صحيح بواسطة مقياس استبيان. تجنبه عندما تقل أحجام العينات عن حوالي 50، حيث تصبح تقديرات الارتباط غير مستقرة ومضللة عند N صغيرة جدًا.
الحدود والاعتبارات
- لا يمكنه إثبات الاتجاه السببي — الارتباط بين س و ص متوافق بنفس القدر مع س يسبب ص، أو ص يسبب س، أو متغير ثالث يسبب كليهما.
- النتائج صالحة فقط بقدر صلاحية الأدوات المستخدمة؛ فإن ضعف موثوقية المقياس أو صلاحية المفهوم يقوض جميع التحليلات اللاحقة.
- التباين المشترك للطريقة هو تهديد عندما يتم قياس كل من المتغيرات المتنبئة والمتغيرات الناتجة بواسطة نفس أداة التقرير الذاتي في نفس الوقت.
- لا يمكن للمسحات العلائقية المقطعية التقاط التغيير بمرور الوقت أو الاتجاهات التنموية.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يفحص بكفاءة علاقات المتغيرات المتعددة في جهد واحد لجمع البيانات.
- ينتج تقديرات حجم تأثير كمية موحدة، يسهل تكرارها ومقارنتها.
- مدعوم جيدًا بأدوات إحصائية راسخة (الارتباط، الانحدار، تحليل المسار، نمذجة المعادلات الهيكلية).
- مناسب للعينة الكبيرة، المنتشرة جغرافيًا من خلال الإدارة عبر الإنترنت أو الورقية.
- يمكن أن يشكل أساسًا لدراسات المتابعة التجريبية أو الطولية اللاحقة.
التطبيقات
- فحص العلاقة بين الكفاءة الذاتية للطلاب والتحفيز والإنجاز الأكاديمي في أبحاث التعليم.
- التحقيق في الارتباطات بين الرضا الوظيفي والالتزام التنظيمي ونية الدوران في علم النفس التنظيمي.
- استكشاف الروابط بين السلوكيات الصحية (النظام الغذائي، التمارين، النوم) والرفاهية المبلغ عنها ذاتيًا في مسوحات الصحة العامة.
- تقييم كيف تتغير أنماط الأبوة مع النتائج الاجتماعية والعاطفية للأطفال في أبحاث التنمية.
- دراسة العلاقات بين مواقف تبني التكنولوجيا وأنماط الاستخدام في أبحاث نظم المعلومات.
كيف يعمل
كيف يعمل
يحدد الباحث متغيرين مفاهيميين على الأقل تكون علاقاتهما ذات أهمية ويصوغ أسئلة بحثية أو فرضيات حول الاتجاه المتوقع وحجم الارتباطات. عادةً ما يوجه إطار مفاهيمي أو نظري المتغيرات التي يتم تضمينها وما إذا كان سيتم التعامل مع أي منها كمُتنبِئات مقابل متغيرات النتائج.
يتم اختيار أو تطوير استبيانات معتمدة، أو مقاييس تقييم، أو أدوات موحدة لقياس كل متغير رقميًا. يتم إجراء اختبارات تجريبية وفحوصات الموثوقية (مثل، ألفا كرونباخ) قبل جمع البيانات الرئيسي للتأكد من أن المقاييس تعمل بشكل كافٍ في السكان المستهدفين.
يتم إدارة المسح لعينة تمثيلية أو هادفة، عادةً في موجة واحدة لجمع البيانات (مقطعي)، على الرغم من أن المسوحات العلائقية يمكن أيضًا تضمينها في التصميمات الطولية. يتم حساب حجم العينة الكافي مسبقًا باستخدام تحليل القوة، مع تتطلب معظم التصميمات القائمة على الارتباط ما لا يقل عن 50-100 مشارك للكشف عن أحجام التأثير المعتدلة بشكل موثوق.
تقدر الارتباطات الثنائية باستخدام معاملات الارتباط (بيرسون r للمتغيرات المستمرة، سبيرمان rho للبيانات الترتيبية أو غير الطبيعية). عندما تشمل متغيرات تنبؤية متعددة، فإن الانحدار المتعدد أو تحليل المسار يوسع الإطار العلائقي لتقييم المساهمات الفريدة والتحكم في العوامل المربكة.
يتم الإبلاغ عن أحجام التأثير (r، R²، معاملات بيتا) وفترات الثقة جنبًا إلى جنب مع الأهمية الإحصائية. يفسر الباحث المعنى العملي للارتباطات، ويعترف بأن الأدلة الارتباطية لا يمكن أن تثبت السببية، ويضع النتائج ضمن الأدبيات السابقة والإطار النظري.
الأخطاء الشائعة
- تفسير ارتباط ذي دلالة إحصائية كدليل على السببية — أدلة المسح العلائقي ارتباطية فقط؛ المطالبات السببية تتطلب تصميمات تجريبية أو شبه تجريبية قوية.
- إهمال تحليل القوة — الدراسات التي تضم أقل من 50 مشاركًا تنتج بانتظام تقديرات ارتباط بفترات ثقة واسعة جدًا لدرجة أنها غير قابلة للتفسير عمليًا.
- استخدام جلسة مسح واحدة لقياس كل من المتغيرات المتنبئة والمتغيرات المعيارية دون معالجة التحيز المشترك للطريقة — فكر في تصميمات الفاصل الزمني أو العلاجات الإجرائية مثل الموازنة الترتيبية للمقياس.
- معاملة مصفوفة الارتباط كنموذج سببي دون تبرير نظري أو إحصائي إضافي للاتجاه.
الأسئلة الشائعة
ما هو الحد الأدنى لحجم العينة لمسح علائقي؟
لا توجد قاعدة واحدة، ولكن كمعيار عملي يوصي العديد من المنهجيين بما لا يقل عن 50 مشاركًا للحصول على تقدير ارتباط ثنائي مستقر بشكل معقول، و 100 أو أكثر عند التخطيط للانحدار المتعدد. الإجابة الرسمية هي إجراء تحليل قوة مسبق يحدد حجم التأثير المتوقع، والقوة المطلوبة (عادةً 0.80)، ومستوى ألفا (0.05)؛ سيؤدي هذا إلى الحد الأدنى من N اللازمة للكشف عن العلاقة المفترضة.
هل يمكنني استخدام مسح علائقي لاختبار نموذج سببي؟
يمكن للمسح العلائقي اختبار ما إذا كان نمط الارتباطات متسقًا مع نموذج سببي (باستخدام تحليل المسار أو نمذجة المعادلات الهيكلية)، ولكنه لا يمكنه تأكيد الاتجاه السببي. يمكن لنمذجة المعادلات الهيكلية مع بيانات المسح العلائقي استبعاد النماذج غير المتسقة مع البيانات، ولكن المطالبات السببية لا تزال تتطلب التلاعب التجريبي، أو التجارب الطبيعية، أو التصميمات الطولية مع الأسبقية الزمنية.
كيف يختلف المسح العلائقي عن المسح الوصفي البسيط؟
يصف المسح الوصفي توزيع متغير واحد أو أكثر في عينة — المتوسطات، التكرارات، النسب المئوية. يذهب المسح العلائقي إلى أبعد من ذلك من خلال فحص إحصائي لما إذا كانت المتغيرات مرتبطة ببعضها البعض وكيف بقوة. يمكن لكليهما استخدام نفس بيانات الاستبيان؛ الفرق يكمن في أسئلة البحث المطروحة وتقنيات التحليل المطبقة.
ما هو معامل الارتباط الذي يجب أن أستخدمه؟
يعد بيرسون r مناسبًا عندما يكون كلا المتغيرين مستمرين وموزعين بشكل طبيعي تقريبًا. يفضل سبيرمان rho للمتغيرات الترتيبية أو عندما تكون التوزيعات منحرفة بشكل ملحوظ. كيندال تاو هو بديل للبيانات الترتيبية مع العديد من الرتب المتساوية. بالنسبة للمتغيرات الثنائية أو المزدوجة، فإن معاملات نقطة ثنائية أو فاي هي خيارات قياسية.
كيف أعالج التحيز المشترك للطريقة في مسح علائقي؟
ينشأ التحيز المشترك للطريقة عندما تأتي بيانات المتنبئ والنتيجة من نفس المستجيب في نفس الوقت. تشمل العلاجات الإجرائية فصل مناسبات القياس (تصميم الفاصل الزمني)، واستخدام تنسيقات استجابة مختلفة، وموازنة ترتيب المقياس. تشمل العلاجات الإحصائية اختبار هارمان أحادي العامل وتقنية المتغير العلامة، على الرغم من أن أياً منهما لا يلغي المشكلة تمامًا.
طرق ذات صلة
المصادر
Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.
ردمك: 978-0073525748تم النسخ.Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.
ردمك: 978-1452226101تم النسخ.