طرق و أساليب تحليل البيانات و استخداماتها و التقنيات و البرمجيات التي يمكن استخدامها و نصائح مختلفة.

إستمراراً لسلسلة الإستعراضات للكتب المخصصة و المهتمة بتقديم صورة كاملة أو واضحة و عامة للبحث العلمي للباحثين المبتدئين من طلاب الماجستير و الدكتوراة و غيرهم، نستعرض معكم اليوم هذا الكتاب.

شخصيا، أرى أن هذا الكتاب أفضل من سابقيه في نفس النوع من الكتب، و قد نشرت إستعراضات لهما سابقا. السبب وراء ذلك أن تقسيم الكتاب و مدى المواضيع التي يغطيها الكتاب أفضل بكثير من تلك التي يغطيها الكتابين السابقين، فهو يأخذ الباحث من البداية و يساعده في بدء رحلته العلمية و تحديد موضوع الدراسة أو البحث و صياغة سؤال البحث و يستعرض معه ١٤ طريقة من الطرق التي يمكن من خلالها القيام بالبحث. بعد ذلك، يتدرج بالباحث لعمل خطة البحث مرورا بالإطار النظري/متن البحث (Literature Review) و القيام به، و غيرها من المواضيع. اقرأ المزيد

بعتبر من الكتب ذات المبيعات العالية في فئة الكتب المتخصصة أو المهتمة بتعريف الطالب أو الباحث بكيفية القيام بالبحث العلمي، و هو موجه للباحثين المبتدئين (First-time Researchers). يدعي الكتاب أنه تم بيع أكثر من ٢٥٠٠٠٠ نسخة منه.

أسلوب الكتاب مناسب، و ينصح به لمن هم في بداية رحلتهم بشكل عام من الباحثين المبتدئين و طلاب الماجستير و الدكتوراة indegenerique.be.
اقرأ المزيد

أطمح من خلال مدونة و دليل البحث العلمي و التعليم أن يكون هنالك مخرجات مفيدة يمكن الإستفادة منها في نشر ثقافة البحث العلمي و أيضا تهيئة الباحثين المبتدئين، و ذلك من خلال العمل على مشاريع صغيرة يكون منها الفائدة بإذن الله.

أحد هذه المشاريع هدفها التركيز على إعداد عروض تقديمية غنية بالمعلومات مفتوحة بحيث يمكن لمن أراد أن يستفيد مما فيها و يقدمها في جامعته، مدرسته، إدارته أو غيرها.

كنت قدمت على مدى ال٣ سنوات الماضية عرضاً في البحث العلمي (موجود هنا). و هذه السنة، رأيت أن أعمل على هذا العرض و أحدّثه و أضيف إليه ليكون بإذن الله أول مشروع يخرج من هذه المدونة!
اقرأ المزيد

في موضوع سابق تحدثت عن مستويات قياس البيانات و أهمية معرفتها خصوصا و أنه بناءً على معرفتها يمكن معرفة نوع الإختبارات الإحصائية التي يمكن تطبيقها على بعض من أنواع مقاييس البيانات تلك.

في هذا الموضوع، سأوضّح نوعين من أنواع البيانات، و هي البيانات المعلمية (Parametric Data) و البيانات اللا معلمية (Non-Parametric Data). هذه الأنواع من البيانات يمكن ربطها مباشرة بمستويات قياس البيانات. و تكمن الحاجة إلى معرفة هذه النوعين من البيانات كما هو الحال مع مقاييس البيانات في كون هنالك إختبارات مخصصة لكل نوع. فمن الخطأ تطبيق إختبارات معلمية (Parametric Statistics) علي بيانات غير معلمية (Non-Parametric Data)، إلا أنه يمكن تطبيق الإختبارات الإحصائية اللا معلمية (Non-Parametric Statistics) على بيانات معلمية (Parametric Data)، إلا أن ذلك نادرا كون الإختبارات في هذه الحالات أقل قوة.

الآن و قد تطرقنا لأهمية معرفة أنواع البيانات، دعونا نتطرق إلى صلة هذه الأنواع من البيانات بمستويات قياس البيانات.

البيانات اللا معلمية (Non-Parametric Data)

هذا النوع من البيانات بسيط و لا يقوم بإفتراض أي فرضيات عن مجتمع الدراسة، غالبا لأن صفات و خصائص المجتمع تكون مجهولة و غير معروفة. هذه البيانات غالبا ما يتم الحصول عليها من خلال الإستبيانات (Questionnaires) و الإستطلاعات (Surveys). هذا النوع من البيانات لا يتبع توزيعا (Distribution-Free) معين.
البيانات الوصفية (Nominal) و الرتبية أو الترتيبية (Ordinal) تعتبر غالبا من البيانات اللا معلمية (Non-Parametric Data).

البيانات المعلمية (Parametric Data)

البيانات المعلمية تفترض معرفتها بخصائص و صفات المجتمع، بحيث تمكن الباحث من الإستدلال بشكل أفضل. هذه البيانات غالبا ما يمكن قياسها مثلا: الحجم، الوزن، الطول. هذه البيانات غالبا ما يتم الحصول عليها من خلال التجارب و الإختبارات (نتئج الإختبارات مثلا).
البيانات ذات مستوى مقياس الفترة (Interval) و مقياس النسبة أو المقياس النسبي (Ration) تعتبر من البيانات المعلمية (Parametric Data).

– COHEN, L., MANION, L., & MORRISON, K. (2011). Research methods in education. London, Routledge.

موضوع تحليل البيانات موضوع مهم بلا شك، فمن خلاله يمكن النظر إلى و إستخلاص مختلف النتائج و التوقعات من خلال الأرقام و غيرها، إلا أن هذا الموضوع، و هو تحليل البيانات أو الأرقام و إجراء الإختبارات الإحصائية و غيرها يبدو صعبا جدا للعديد من الباحثين، خصوصا غير المتخصصين في الإحصاء منهم أو الذين ليس لديهم إلمام كافي بالإختبارات الإحصائية و المعادلات و غيرها (أمثالي شخصيا!).

قبل البدء في اختيار أي إختبارات إحصائية أو التطرق لها و طرق القيام بها، من المهم جدا معرفة مستويات القياس الخاصة بالبيانات (Data Scales)، خصوصا و أنه هنالك العديد من الأرقام و البيانات التي يمكن الحصول عليها سواء من خلال مصادر جمع البيانات الأساسية (Primary/Empirical) أو الثانوية (Secondary).

تكمن أهمية معرفة مستويات قياس البيانات بشكل أساسي و حيوي في أن ذلك يؤثر على نوعية الإختبارات الإحصائية التي يمكن تطبيقها لاحقا على البيانات

و لتوضيح ذلك بشكل آخر، يمكننا القول بأنه إذا كنت تعمل على دراسة أو بحث ما، من المهم بعد تحديدك لسؤال البحث أو الغرض من البحث أن يكون لديك إلمام بنوع الإختبارات الإحصائية التي تحتاج لتطبيقها لتحقيق هذا الغرض، و بناء على معرفتك بنوع الإختبارات الإحصائية، تقوم بالبحث أكثر عن هذه الإختبارات الإحصائية لمعرفة أي نوع أو مستوى قياس للبيانات تقبله هذه الإختبارات الإحصائية.
إلمامك بذلك منذ البداية يساعدك في التخطيط جيدا و اختيار طرق جمع البيانات المناسبة بحيث توفر لك بيانات متوافقة مع نوعية الإختبارات الإحصائية التي تحتاج لتطبيقها.

الآن و قد اتضحت حيوية و مدى أهمية معرفة مستويات قياس البيانات، دعونا نستعرض هذه الأنواع، علما بأن كل نوع يتبعه ما هو أشمل منه:

إضغط على الصورة لاستعراض مصدرها

المقياس الإسمي (Nominal Scale)

بشكل مبسط، يدل هذا النوع من المقاييس على التصنيفات أو الأقسام، بحيث أنه ١) معناته كذا، ٢) معناته كذا، الخ…

التصنيفات في هذه الحالة مختلفة و غير متكررة و ليس لها أي دلالة رقمية، فالأرقام في هذه الحالة لم توضع إلا لسهولة التعامل مع الأقسام. فالبيانات (الأرقام) في هذه الحالة فقط تصنّف البيانات و لا تعطي لها أي ترتيب.
على سبيل المثال، الأرقام الموجودة على قمصان فريق كرة القدم، هي فقط لتصنيف اللاعبين، و لا يمكن بأي حال من الأحوال أن نقول أن اللاعب رقم ١٠ أقوى مرتين من اللاعب رقم ٥. من الأمثلة الأخرى على هذا النوع من البيانات: الجنس، الفئة العمرية، نوع المدرسة، الموضوع الذي تم تدريسه، و غيرها.

 

المقياس الرتبي أو الترتيبي (Ordinal Scale)

هذا المقياس يصنّف البيانات كما هو حال المقياس السابق لكن يضيف إليها خاصية الترتيب، بحيث أنه يمكن وضع التصنيفات في ترتيب واضح متسلسل. من الأمثلة الواضحة على هذا النوع من المقاييس هي المقاييس الخاصة بالتقييم (Rating Scale) أو مقاييس لايكرت (Liker Scale).

ترتيب هذه التصنيفات قد يكون من الأصغر للأكبر أو من الأضعف للأقوى أو الأفضل للأسوء لكن المهم في هذا المقياس أن التصنيفات لها ترتيب واضح.
على سبيل المثال، في أحد الدراسات قد يستخدم الباحث سؤالا و يوفر الاختيارات التالية للإجابة: ١) أوافق بشدة، ٢) أوافق، ٣) محايد، ٤) لا أوافق، ٥) لا أوافق بشدة.

في المثال السابق يبدو واضحا أن التصنيفات في السؤال المطروح لها ترتيب واضح، إلا أنه مع أن هنالك ترتيب واضح للتصنيفات، يفتقر هذا الترتيب لمقياس أو تبرير واضح لطريقة توزيع هذه التصنيفات و مدى الفروقات بينها أو المسافات بين كل تصنيف و الذي يليه في الترتيب. ففي هذه الحالة لا يمكن معرفة ما إذا كانت المسافة بين التصنيف الأول و الثاني مساوية للمسافة بين التصنيف الرابع و الخامس في السؤال أعلاه. و لا يمكننا القول بأن الإجابة أوافق جدا تساوي الإجابة أوافق مرتين.

فالخلاصة فيما يتعلق بهذا النوع، أن البيانات فيه يمكن ترتيبها إلا أن المسافة بين مختلف التصنيفات المتاحة غير واضحة أوتم إختبارها بمقياس رقمي واضح.

 

مقياس الفترة (Interval Scale)

في هذا النوع، هنالك مسافات موزونة، متساوية و واضحة بين التصنيفات، بالإضافة إلى إحتفاظه بمزايا النوعين الماضية و هي التنصيف و الترتيب. في هذا النوع من المقاييس، يمكن معرفة المسافة بين التصنيفات، الأفراد أو العناصر الجاري دراستها بدقة. بسبب وجود مسافات متساوية بين العناصر في هذا النوع من المقاييس، يطلق على هذا المقياس أيضا (Equal-interval scale). فعلى سبيل، الفرق أو المسافة بين ٣ و ٤ درجات مئوية هو نفسه الفرق أو المساقة بين ٩٨ و ٩٩ درجة مئوية.

الفارق الوحيد الواضح في هذا النوع من المقاييس هو أنه ليس هنالك قيمة حقيقية للصفر (No True Zero) في البيانات. فمثلا في حالة قلنا درجة الحرارة هي ٠ مئوية فإن هذا لا يعني إنعدام الحرارة من الوجود إنما نقصد أن الجو بارد.

على سبيل المثال أيضا، إذا ما أخذنا مقياس الفهرنهايت، نجد أن درجة تجمد الماء هي ٣٢ درجة و ليس الصفر، و بالتالي، لا يمكننا القول بأن ١٠٠ درجة فهرنهايت تساوي ٥٠ درجة فهرنهايت مرتين، لأن المقياس نفسه لا يبدأ من الصفر.

هذا النوع من المقاييس إستخدامه نادر، و جميع الإختبارات الإحصائية التي تنطبق على هذا النوع من البيانات هي نفسها للمقياس التالي.

 

المقياس النسبي أو مقياس النسبة (Ratio Scale)

يحتفظ هذا النوع من المقاييس بمزايا الثلاثة أنواع السابقة، فهو يصنّف، يرتّب و يوضح المسافات بشكل متساوي و موزون، و بالإضافة لذلك، يضيف قيمة حقيقة للصفر، بشكل يمكّن الباحث من معرفة النسب و اختلافاتها بين مختلف العناصر بسهولة. فالباحث يمكنه الإشارة إلى عنصر بأنه أقوى مرتين من العنصر الآخر أو أنه أطول بعشر مرات من العنصر الآخر، و هكذا. أيضا، إذا ما قلنا أن شخص ما لديه حسابه صفر في البنك فالمقصود هو إنعدام أي شئ من حسابه. لذلك يعتبر هذا النوع من البيانات هو الأقوى، نظرا لأنه يمكن إستخدام و معرفة و مقارنة النسب من خلاله.

من الأمثلة على هذا النوع، مقدار الأموال التي لديك أو في حسابك في البنك، عدد أفراد مجتمع أو مجموعة ما، الوقت الذي تم إستخدامه لإنهاء مهمة أو مشروع ما، الدخل، سنوات التدريس، الدرجات في الإختبار.

غالبا، الإختبارات الإحصائية التي يمكن تطبيقها على النوعين الأخيرة من مقاييس البيانات غالبا ما تكون أقوى من تلك التي يمكن تطبيقها على النوعين الأولى.

 

تجدر الإشارة إلى أنه من المفترض على الباحث أن يحدد نوع المقياس الخاص بالمتغيرات الذي يتعامل معها و لا يفترض أن نوع المقياس هذا معروف بالضرورة للمتغيرات المختلفة التي يتعامل معها. فنوعية المقياس الخاص بالمتغيرات هو شئ يقوم الباحث بتحديده، مع تبرير الإختيار الخاص بالمقياس الذي ربطه بأي من المتغيرات في دراسته.

أيضا، فيما يتعلق بالمقاييس أعلاه، يلاحظ بأن المقياس النسبي هو الأكثر قوة فيما يتعلق بنوع البيانات التي يمكن التعامل معه و الإختبارات الإحصائية، إلا أنه في بعض الأحيان، يتم إستخدام مقاييس أقل قوة لخدمة أهداف البحث، فعلى سبيل المثال، قد لا يكون هنالك حاجة للبيانات ذات المقياس النسبي في الدراسة، بكل يمكن الإكتفاء بالبيانات ذات المقياس الرتبي.

– COHEN, L., MANION, L., & MORRISON, K. (2011). Research methods in education. London, Routledge.

يعتبر الكتاب أحد الكتب الغنية بالمعلومات التفصيلية (٧٤٨ صفحة) حول عدد من الأمور المهمة المتعلقة بالبحث العلمي، إبتاءً من تصميم أو تجهيز خطة البحث و كيفية تطبيقها مرورا بطرق جمع البيانات الوصفية و الكمية و كيفية القيام بها، وصولا إلى تحليل البيانات و استخدام أكثر من طريقة من طرق جمع البيانات (Mixed Methods)، و أيضا، المساعدة و إعطاء بعض النصائح فيما يتعلق بالكتابة العلمية و كيفية عرض البيانات المختلفة بشكل واضح.

أيضا للمهتمين بما يسمى بـ (Computer-assisted qualitative data analysis) و هو استخدام الكمبيوتر أو الحاسب الآلي في عملية تحليل البيانات الوصفية، نجد أن الكتاب يتطرق في أحد فصوله إلى برنامج NVivo الشهير في هذا المجال.

يتميز الكتاب بوضوح أسلوبه و تفصيله المناسب و استخدامه للألوان و الصور المريحة للعين، و قد وجدته من أفضل الكتب التي استخدمتها في هذا الجانب.

مع كمية المعلومات و التفصيل الرائع و المفيد جدا في الكتاب و قيمته المنخفضة (أقل من ٢٠٠ريال في أمازون) مقارنة بالمحتوى و جودته، أنصح باقتناء هذا الكتاب و استخدامه حاليا و مستقبلا في أي أبحاث أو دراسات، حيث سيوفر عليك في الحاجة إلى الرجوع و البحث عن مصادر في هذا الجانب من البحث العلمي بشكل كبير.

 

من المواضيع التي يغطيها الكتاب:

تعتبر مرحلة تحليل البيانات (Data Analysis) أحد أهم المراحل في الدراسة أو البحث العلمي ذلك أنه يتم في هذه المرحلة إستعراض و تحليل البيانات المختلفة و التي تم جمعها باستخدام أحد طرق جمع البيانات الوصفية (Qualitative) أو الكمية (Quantitative).

يقوم الباحث في هذه المرحلة باستعراض و تحليل البيانات التي قام بجمعها بشكل مفصل يخدم أهداف الدراسة أو البحث العلمي الذي يعمل عليه.

تحليل البيانات عملية -أجدها شخصيا- ممتعة و تحتاج إلى جهد ذهنى أقل مقارنة بقسم أدبيات الدراسة/الإطار النظري للدراسة/الليتريشور ريفيو (Literature Review). و قد وردتني العديد من الإستفسارات من العديد من الطلاب حول هذا القسم و في الغالب، توقع العديد من هؤلاء الطلاب أن تحليل البيانات عملية معقدة جدا و صعبة. لذلك، رأيت أن أقوم بتجهيز هذا الفيديو البسيط للتعريف بتحليل البيانات و بعض الطرق التي يمكن من خلالها تفصيل و النظ إلى البيانات لتحليلها بشكل جيد.

حرصت في هذا الفيديو ألا أتطرق إلى تفاصيل معقدة، لتسهيل الموضوع، و ليكون مرجع مفيد للطلاب. مع العلم بأنه هنالك العديد من الكتب التي يمكن الرجوع إليها للإستزادة حول هذا الموضوع و لدراسة و معرفة مختلف الطرق التي يمكن من خلالها تحليل البيانات و إجراء المقارنات عليها و حتى الإختبارات الإحصائية المفيدة. مع العلم بأني سأستعرض إن شاء الله في قسم إستعراض الكتب عدد من الكتب المفيدة في هذا الجانب.

أترككم مع الفيديو و الذي مدته ١٦ دقيقة و قد تم تقسيمه إلى جزئين. تمنياتي لكم بمشاهدة ممتعة و مفيدة.
الفيديو متوفر بصيغة عالية الجودة HD. لعرض الفيديو بجودة عالية، قم بتشغيله ثم تغيير الوضوح من الشريط أسفل الفيديو. من الأفضل عرض الفيديو بكامل الشاشة

تحليل البيانات: معلومات أساسية ١ من ٢

تحليل البيانات: معلومات أساسية ٢ من ٢

يوفر الكتاب دليل عملي tفي البحث العلمي لأي شخص باختلاف خلفيته العلمية أو العملية تساعده في القيام بأي مشروع بحثي وفق الأسس الصحيحة.
يتميز الكتاب عن بعض الكتب الأخرى في أسلوبه الواضح.

يوفر الكتاب معلومات قيمة توضح طريقة و منهجية القيام بالبحث العلمي، حيث أنه يغطي عدد من المواضيع:

  • تطوير الأفكار المختلفة و صياغتها على شكل مقترح بحث علمي.
  • طرح الأسئلة العديدة و التي تساعد الباحث على فهم موضوع البحث أو مشاكل البحث و تحديدها بشكل أفضل.
  • إلقاء نظرة على المنهجيات أو الأساليب البحثية المختلفة.
  • مساعدة الباحث في اختيار المنهجية المناسبة.
  • تصميم البحث العلمي و إستعراض عدد من طرق جمع البيانات المتوفرة و مساعدة الباحث في اختيار الطريقة أو الطرق المناسبة.
  • مناقشة و إستعراض العديد من طرق جمع البيانات و طرق استخدامها بشكل فعال في الدراسة.
  • إختيار الطرق الأمثل في تحليل البيانات التي تم جمعها.
  • طرق عرض النتائج الخاصة بالدراسة سواء في تقرير، ورقة علمية، عرض.
  • أخلاقيات البحث العلمي.

بعد أن قرأت بعض الجزئيات من الكتاب استفدت منه في بعض الجوانب، و كما ذكرت، أسلوب الكتاب جدا واضح، و حجم الكتاب صغير نسبيا إذا ما قورن بالكتب و المراجع الأخرى المتعلقة بمنهجيات و طرق البحث العلمي. قد تكون هذه ميزة لدى البعض بحكم ضيق الوقت لقراءة الكتب الكبيرة المفصلة، إلا أني شخصيا أفضّل وجود تفاصيل أكثر حول كل موضوع مما يمكنني من إستيعاب الموضوع الذي أقرأه و من ثم تطبيقه بالشكل الصحيح إن لزم.

للإختصار، إن كان وقتك ضيقا أو كنت لا تريد الخوض في تفاصيل كثيرة أو كنت لا تحتاج إليها في دراستك أو بحثك، قد يكون هذا الكتاب مناسب لك. أما إذا أردت شراء مرجع أو كتاب مفصّل حول منهجيات البحث العلمي و طرقه و أساليبه، قد يكون من الأفضل شراء كتاب آخر.

معاملات الإرتباط (Correlation Coefficients) هي معاملات إحصائية يمكن الإستفادة منها لمعرفة مدى إرتباط أي متغيرات في الدراسة ببعضها البعض، و بالتالي إمكانية دراسة العلاقة بينهم.

تفيدنا بعض معاملات الإرتباط في معرفة إذا ما كانت العلاقة بين متغير ما و متغير آخر علاقة خطية (كل ما زاد متغير زاد الآخر) أو غير خطية. كما يمكن الإستفادة من معاملات الإرتباط في قياس درجة الترابط بين متغيرين.

فعلى سبيل المثال، إن كانت الدراسة تهدف إلى دراسة العلاقة بين (1) جودة وسائل الإتصال داخل المنظمة و (2) مدى إستيعاب العاملين في المنظمة لما يطلب منهم، يمكن الإستفادة من بعض معاملات الإرتباط لمعرفة ما إذا كانت العلاقة خطية (كل ما زادت جودة وسائل الإتصال زاد الفهم) أو غير خطية، كما يمكن من خلال بعض معاملات الإرتباط قياس درجة الترابط.

أمثلة على بعض معاملات الإرتباط:

سيتم إن شاء الله مستقبلا التطرق إلى هذه المعاملات بشئ من التفصيل. الروابط الموضوعة أعلاه للإستزادة حول الموضوع في الوقت الحالي. مع ضرورة الحذر من الإعتماد كليا على موقع الوكيبيديا بحكم إحتمال إحتواءه على معلومات غير صحيحة أحيانا، لكن، يمكن الإستفادة منه في معرفة معلومات مبدئية حول أيا من هذه المعاملات و الإستفادة من المراجع المتوفرة في آخر الصفحة.