Spsschap10

‫]‪†^ÃÖ]<Ø’ËÖ‬‬ ‫‪]<ÜéÛ’jÖ]<l]ƒ<h…^rjÖ]<Øé× ‬خ‪¼×i‬‬ ‫‪Experiments of Mixed Design‬‬

‫‪ .1 .10‬ﻣﻘﺪﻣﺔ‬ ‫‪ .2 .10‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻌﺎﻣﻠﻴﺔ اﻟﻤﺨﺘﻠﻄﺔ ذات ﻋﺎﻣﻠﻴﻦ‬ ‫‪ .3 .10‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻤﺨﺘﻠﻄﺔ ذات اﻟﺜﻼﺛﺔ ﻋﻮاﻣﻞ‬ ‫‪ .1 .3 .10‬اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ )‪A*(B*C‬‬ ‫‪ .2 .3 .10‬اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ )‪A*B*(C‬‬ ‫‪ .4 .10‬ﺗﺤﻠﻴﻞ اﻵﺛﺎر اﻟﺒﺴﻴﻄﺔ واﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﺘﺎﻟﻴﺔ‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪346‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪347‬‬

‫]‪†^ÃÖ]<Ø’ËÖ‬‬ ‫‪]<ÜéÛ’jÖ]<l]ƒ<h…^rjÖ]<Øé× ‬خ‪¼×i‬‬

‫‪Experiments of Mixed Design‬‬ ‫‪ .1 .10‬ﻣﻘﺪﻣﺔ‪:‬‬ ‫ﺍﻨﻪ ﻤﻥ ﺍﻟﺸﺎﺌﻊ ﻓﻲ ﺘﺠﺎﺭﺏ ﻜﺜﻴﺭﺓ ﺃﻥ ﻴﻜﻭﻥ ﺠﺯﺀ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ‬

‫ﺍﻟﻌﺎﻤﻠﻴﺔ ﻫﻲ ﻋﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﻭﻟﻜﻥ ﻟﻴﺱ ﺠﻤﻴﻌﻬﺎ(‪ ،‬ﻭﺤﻴﺙ ﺃﻥ ﻤﺜل ﻫﺫﻩ‬ ‫ﺍﻟﺘﺠﺎﺭﺏ ﺘﺤﺘﻭﻱ ﻓﻲ ﺍﻟﻌﺎﺩﺓ ﻋﻠﻰ ﻤﺯﻴﺞ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل‬

‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻴﻁﻠﻕ ﻋﻠﻴﻬﺎ ﺍﺴﻡ ﺘﺠﺎﺭﺏ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ‪ ،Mixed Design‬ﻭﻴﺴﺘﺨﺩﻡ‬

‫ﺃﻴﻀ ﹰﺎ ﻓﻲ ﺒﻌﺽ ﺍﻷﺤﻴﺎﻥ ﺘﻌﺒﻴﺭ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﺸﺭﺍﺌﺤﻴﺔ ‪Split-Plot Experiments‬‬

‫ﻟﺘﻌﻜﺱ ﻁﺒﻴﻌﺔ ﺘﻘﺴﻴﻡ ﺍﻟﺨﻼﻴﺎ ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺎﺭﺏ ‪.‬‬

‫ﻓﻲ ﺤﻘﻭل ﻜﺜﻴﺭﺓ ﻤﻥ ﺤﻘﻭل ﺍﻟﺒﺤﺙ ﻋﻨﺩ ﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﻴﺘﻡ ﺍﺨﺘﻴﺎﺭ ﻋﻴﻨﺘﻴﻥ‬

‫ﻤﺨﺘﻠﻔﺘﻴﻥ )ﻤﺜل ﺍﺨﺘﻴﺎﺭ ﻋﻴﻨﺔ ﻤﻥ ﺍﻟﺫﻜﻭﺭ ﻭﻋﻴﻨﺔ ﺃﺨﺭﻯ ﻤﻥ ﺍﻹﻨﺎﺙ( ﻟﺘﻁﺒﻕ ﻋﻠﻰ ﻜل‬

‫ﻋﻴﻨﺔ ﻨﻔﺱ ﺍﻟﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻓﺈﺫﺍ ﻁﺒﻘﺕ ﺘﺠﺭﺒﺔ ﻤﻌﻴﻨﺔ ﻋﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل‬

‫ﻋﻠﻰ ﻋﻴﻨﺘﻴﻥ ﻤﺨﺘﻠﻔﺘﻴﻥ ﻤﻥ ﻜل ﻤﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻹﻨﺎﺙ ﺒﻬﺩﻑ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻘﺩﺭﺓ ﻋﻠﻰ ﺤﻔﻅ‬ ‫ﻼ ﺜﻼﺙ ﺃﻨﻤﺎﻁ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ‬ ‫ﺍﻟﻔﻘﺭﺍﺕ ﺍﻟﻤﻜﺘﻭﺒﺔ ﺒﺜﻼﺙ ﻁﺭﻕ ﻤﺨﺘﻠﻔﺔ )ﻤﺜ ﹰ‬

‫ﺍﻟﺴﻁﻭﺭ ﺴﻨﻁﻠﻕ ﻋﻠﻴﻬﺎ ﻀﻴﻘﺔ ﻭﻤﺘﻭﺴﻁﺔ ﻭﻤﺘﺴﻌﺔ(‪ ،‬ﺒﺤﻴﺙ ﻴﺘﻡ ﻋﺭﺽ ﺍﻟﻔﻘﺭﺍﺕ‬

‫ﺍﻟﻤﺨﺘﻠﻔﺔ ﻋﻠﻰ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﺒﻁﺭﻴﻘﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻟﺤﻔﻅﻬﺎ ﻹﻟﻐﺎﺀ ﺃﺜﺭ ﺍﻟﺘﺭﺘﻴﺏ ﻓﻲ ﻋﺎﻤل‬ ‫ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﺍﻟﺴﻁﻭﺭ‪ ،‬ﻭﺒﺫﻟﻙ ﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﻋﺎﻤﻠﻴﻥ ﻓﻘﻁ ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ‪:‬‬ ‫‪ .1‬ﺍﻟﻨﻭﻉ )ﺫﻜﻭﺭ ﻭﺇﻨﺎﺙ(‪.‬‬ ‫‪ .2‬ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﺍﻟﺴﻁﻭﺭ )ﻀﻴﻘﺔ ﻭﻤﺘﻭﺴﻁﺔ ﻭﻤﺘﺴﻌﺔ(‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪348‬‬

‫ﻭﺴﻭﻑ ﺘﺨﺘﻠﻑ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻨﻭﻉ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻴﻨﻤﺎ ﺴﺘﺨﺘﻠﻑ‬ ‫ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻟﺫﻟﻙ ﺴﺘﺤﺘﻭﻱ ﺍﻟﺘﺠﺭﺒﺔ ﻋﻠﻰ ﻋﺎﻤل‬

‫ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺘﻲ ﺘﻤﺕ ﺒﻬﺩﻑ ﻗﻴﺎﺱ ﺃﺜﺭ ﻜل ﻤﻥ ﺍﻟﻨﻭﻉ ﻭﺍﻟﻤﺴﺎﻓﺎﺕ ﻋﻠﻰ‬

‫ﺍﻟﻘﺩﺭﺓ ﻋﻠﻰ ﺤﻔﻅ ﺍﻟﻔﻘﺭﺍﺕ ﺍﻟﻤﻜﺘﻭﺒﺔ‪ ،‬ﻴﻌﺘﺒﺭ ﻋﺎﻤل ﺍﻟﻨﻭﻉ ﻫﻭ ﻋﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

‫ﺒﻴﻨﻤﺎ ﻴﻌﺘﺒﺭ ﻋﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﻜﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻟﻠﺘﺴﻬﻴل ﺴﻭﻑ ﻨﻀﻊ ﺭﻤﻭﺯ‬

‫ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻫﻨﺎ ﺩﺍﺨل ﺍﻷﻗﻭﺍﺱ‪ ،‬ﻓﺈﺫﺍ ﺭﻤﺯﻨﺎ ﻟﻠﻌﺎﻤﻠﻴﻥ ﺒﺎﻟﺭﻤﺯ ‪ A‬ﻟﻌﺎﻤل‬ ‫ﺍﻟﻨﻭﻉ ﻭﺍﻟﺭﻤﺯ )‪ (B‬ﻟﻌﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﻓﺈﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺴﺘﻜﻭﻥ ﻟﻌﺎﻤﻠﻲ )‪ A*(B‬ﻤﻭﻀﺤﺔ‬

‫ﺃﻨﻬﺎ ﻋﺒﺎﺭﺓ ﻋﻥ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ ﻭﺃﻥ ﺍﻟﻌﺎﻤل )‪ (B‬ﻫﻭ ﻋﺎﻤل ﺩﺍﺨل‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ(‪ ،‬ﻭﺒﻬﺫﻩ ﺍﻟﺭﻤﻭﺯ ﻓﺈﻨﻪ ﻟﺘﺠﺭﺒﺔ ﺒﺜﻼﺙ ﻋﻭﺍﻤل ﺇﺫﺍ‬

‫ﺍﺴﺘﺨﺩﻤﺕ ﺍﻟﺭﻤﻭﺯ )‪ A*B*(C‬ﻓﺈﻥ ﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ‬

‫ﻭﺃﻥ ﺍﻟﻌﺎﻤل )‪ (C‬ﻫﻭ ﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ(‪ ،‬ﺒﻴﻨﻤﺎ ﺇﺫﺍ ﺍﺴﺘﺨﺩﻤﺕ‬

‫ﺍﻟﺭﻤﻭﺯ )‪ A*(B*C‬ﻓﺈﻥ ﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ ﻭﺃﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‬

‫)‪ (B‬ﻭ )‪ (C‬ﻫﻤﺎ ﻋﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪.‬‬ ‫ﺭﺃﻴﻨﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻟﺒﻴﺎﻨﺎﺕ ﺘﺠﺎﺭﺏ ﺒﻌﻭﺍﻤل‬

‫ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ‪ GLM - Repeated Measures‬ﻤﻥ‬ ‫ﺨﻼل ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ ‪ ، General Linear Models‬ﻭﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ‬ ‫ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺃﻴﻀﹰﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻔﺱ ﺍﻷﻤﺭ‪ ،‬ﻭﻟﻘﺩ ﺒﻴﻨﺎ‬

‫ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺘﺎﺴﻊ ﻜﻴﻑ ﻴﻤﻜﻥ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻨﺎﻓﺫﺓ ﻫﺫﺍ‬ ‫ﺍﻷﻤﺭ‪ ،‬ﻭﻟﻜﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻴﻭﺠﺩ ﺃﻴﻀﹰﺎ ﻋﻭﺍﻤل ﺒﻴﻥ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻻ ﺒﺩ ﻤﻥ ﺘﻌﺭﻴﻑ ﻤﺴﺘﻭﻴﺎﺕ ﺘﻠﻙ ﺍﻟﻌﻭﺍﻤل ﺒﺎﺴﺘﺨﺩﺍﻡ‬

‫ﺭﻤﻭﺯ ﺭﻗﻤﻴﺔ ﻟﻤﺴﺘﻭﻴﺎﺘﻬﺎ ﺘﻤﺎﻤﹰﺎ ﻜﻤﺎ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪349‬‬

‫‪ .2 .10‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻌﺎﻣﻠﻴﺔ اﻟﻤﺨﺘﻠﻄﺔ ذات ﻋﺎﻣﻠﻴﻦ‪:‬‬ ‫‪The Two-Factor Mixed Factorial ANOVA:‬‬ ‫ﺴﻨﻔﺘﺭﺽ ﺍﻵﻥ ﺃﻨﻪ ﻗﺎﻡ ﺃﺤﺩ ﺍﻟﺒﺎﺤﺜﻴﻥ ﺒﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﺒﻬﺩﻑ ﺍﻟﺘﺤﻘﻕ ﻤﻥ ﺼﺤﺔ‬

‫ﺍﻟﻔﺭﻀﻴﺔ ﺃﻥ ﻁﻼﺏ ﻜﻠﻴﺔ ﺍﻟﻬﻨﺩﺴﺔ ﻗﺩ ﺘﻁﻭﺭ ﻟﺩﻴﻬﻡ ﺍﻟﻘﺩﺭﺓ ﻋﻠﻰ ﺘﻤﻴﻴﺯ ﺍﻷﺸﻜﺎل ﻭﺍﻟﺘﺸﺎﺒﻪ‬

‫ﺒﻴﻨﻬﺎ ﺒﺩﻗﺔ ﻨﻅﺭﹰﺍ ﻟﺩﺭﺍﺴﺘﻬﻡ ﻟﻠﻬﻨﺩﺴﺔ ﺍﻟﻔﺭﺍﻏﻴﺔ ﻭﺍﻟﻤﺠﺴﻤﺎﺕ ﺃﻜﺜﺭ ﻤﻥ ﻁﻠﺒﺔ ﻋﻠﻡ ﺍﻟﻨﻔﺱ‪.‬‬ ‫ﺸﻜل ‪ : 1-10‬ﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ﻤﻥ ﻨﻭﻉ )‪ A*(B‬ﺘﺒﻴﻥ ﻋﺩﺩ‬

‫ﺍﻷﺸﻜﺎل ﺍﻟﻤﺨﺘﻠﻔﺔ ﺍﻟﺘﻲ ﺘﻡ ﺘﻤﻴﻴﺯﻫﺎ ﺒﺩﻗﺔ ﻤﻥ ﻗﺒل ﻁﻠﺒﺔ ﻜل ﻤﻥ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻭﺍﻟﻬﻨﺩﺴﺔ‬ ‫)‪Results of a two-factor mixed factorial experiment of type A*(B‬‬

‫ﻤﺴﺘﻭﻯ ﻋﺎﻤل‬ ‫ﺘﺨﺼﺹ‬

‫ﺭﻗﻡ ﺍﻟﻤﻔﺭﺩﺓ‬

‫ﻤﺜﻠﺙ‬

‫ﻤﺭﺒﻊ‬

‫ﻤﺴﺘﻁﻴل‬

‫‪1‬‬

‫‪2‬‬

‫‪12‬‬

‫‪7‬‬

‫‪2‬‬

‫‪8‬‬

‫‪10‬‬

‫‪9‬‬

‫‪3‬‬

‫‪4‬‬

‫‪15‬‬

‫‪3‬‬

‫‪4‬‬

‫‪6‬‬

‫‪9‬‬

‫‪7‬‬

‫‪5‬‬

‫‪9‬‬

‫‪13‬‬

‫‪8‬‬

‫‪6‬‬

‫‪7‬‬

‫‪14‬‬

‫‪8‬‬

‫‪7‬‬

‫‪13‬‬

‫‪3‬‬

‫‪35‬‬

‫‪8‬‬

‫‪21‬‬

‫‪4‬‬

‫‪30‬‬

‫‪9‬‬

‫‪26‬‬

‫‪10‬‬

‫‪35‬‬

‫‪10‬‬

‫‪22‬‬

‫‪8‬‬

‫‪30‬‬

‫‪11‬‬

‫‪20‬‬

‫‪9‬‬

‫‪28‬‬

‫‪12‬‬

‫‪19‬‬

‫‪8‬‬

‫‪27‬‬

‫ﺍﻟﻁﺎﻟﺏ‬

‫ﻋﻠﻡ ﺍﻟﻨﻔﺱ‬

‫ﺍﻟﻬﻨﺩﺴﺔ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪350‬‬

‫ﻓﻌﺭﻀﺕ ﺜﻼﺙ ﺃﺸﻜﺎل ﻫﺎﻤﺔ ﻭﻤﺨﺘﻠﻔﺔ ﻋﻠﻰ ﻋﻴﻨﺘﻴﻥ ﻤﻥ ﻜل ﻤﻥ ﻁﻠﺒﺔ ﻋﻠﻡ‬ ‫ﺍﻟﻨﻔﺱ ﻭﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ ﻓﻲ ﻅل ﻅﺭﻭﻑ ﻤﻌﻴﻨﺔ ﻋﻠﻰ ﺸﺎﺸﺔ ﺤﺎﺴﻭﺏ‪ ،‬ﻭﻋﺭﻀﺕ ﻜل ﻤﻥ‬ ‫ﺍﻷﺸﻜﺎل ﺍﻟﺜﻼﺜﺔ ﻋﻠﻰ ﻜل ﻁﺎﻟﺏ ﻤﻥ ﻫﺅﻻﺀ ﺍﻟﻁﻠﺒﺔ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﻴﻜﻭﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ﻫﻭ‬

‫ﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﺒﻴﻨﻤﺎ ﻋﺎﻤل ﺘﺨﺼﺹ ﺍﻟﻁﺎﻟﺏ )ﻋﻠﻡ ﻨﻔﺱ ﻭ ﻫﻨﺩﺴﺔ( ﻫﻭ‬ ‫ﻋﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻓﻜﺎﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺍﻟﺫﻱ ﺘﻡ ﻗﻴﺎﺴﻪ ﻫﻭ ﻋﺩﺩ ﺍﻷﺸﻜﺎل ﺍﻟﺘﻲ ﺘﻡ‬ ‫ﺘﻤﻴﻴﺯﻫﺎ ﺒﺩﻗﺔ ﻤﻥ ﻗﺒل ﺍﻟﻁﺎﻟﺏ‪ ،‬ﻭﻜﺎﻨﺕ ﺍﻟﻨﺘﺎﺌﺞ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ‪ 1-10‬ﺃﻋﻼﻩ ‪.‬‬

‫ﻓﻔﻲ ﺸﻜل ‪ 1-10‬ﻗﺩ ﺍﺨﺘﺭﻨﺎ ﺘﻤﺜﻴل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺠﺩﻭل ﺒﺤﻴﺙ ﺘﻤﺜل ﻤﺴﺘﻭﻴﺎﺕ‬ ‫ﺍﻟﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﺍﻟﺸﻜل( ﺃﻓﻘﻴﹰﺎ ﺒﻴﻨﻤﺎ ﺘﻤﺜل ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ‬

‫)ﺍﻟﺘﺨﺼﺹ( ﻋﻤﻭﺩﻴﹰﺎ ﺒﻭﻀﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻤﺴﺘﻭﻯ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻓﻭﻕ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ‬

‫ﻤﺴﺘﻭﻯ ﺍﻟﻬﻨﺩﺴﺔ‪ ،‬ﻭﻟﻘﺩ ﺘﻡ ﺍﺨﺘﻴﺎﺭ ﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻓﻲ ﺘﺼﻤﻴﻡ ﺍﻟﺠﺩﻭل ﻨﻅﺭﹰﺍ ﻷﻨﻪ ﺃﻗﺭﺏ‬

‫ﺇﻟﻰ ﺘﻠﻙ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺘﻲ ﻴﺘﻡ ﺒﻬﺎ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺇﻟﻰ ﻨﻅﺎﻡ ‪. SPSS‬‬

‫ﻭﻜﻤﺎ ﻫﻭ ﻤﺘﺒﻊ ﻋﺎﺩﺓ ﻓﺈﻥ ﺍﻟﻌﻤﻭﺩ ﺍﻷﻭل ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪Data Editor‬‬

‫ﺴﻭﻑ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺃﺭﻗﺎﻡ ﺍﻟﻤﻔﺭﺩﺍﺕ‪ ،‬ﻭﺴﻭﻑ ﻴﺤﺘﻭﻱ ﺍﻟﻌﻤﻭﺩ ﺍﻟﺜﺎﻨﻲ ﻋﻠﻰ ﻤﺘﻐﻴﺭ‬

‫ﻼ ﻟﻠﻤﺴﺘﻭﻴﻴﻥ ﻋﻠﻡ ﺍﻟﻨﻔﺱ )‪Psychology (1‬‬ ‫ﺍﻟﺘﺼﻨﻴﻑ ﺍﻟﺘﺨﺼﺹ ‪ Category‬ﻤﻤﺜ ﹰ‬

‫ﻭﺍﻟﻬﻨﺩﺴﺔ )‪ ، Engineering (2‬ﻭﺴﻭﻑ ﺘﺤﺘﻭﻱ ﺍﻷﻋﻤﺩﺓ ﺍﻟﺜﺎﻟﺙ ﻭﺍﻟﺭﺍﺒﻊ ﻭﺍﻟﺨﺎﻤﺱ‬

‫ﺍﻟﻨﺘﺎﺌﺞ ﻟﻠﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ Shape‬ﺃﻱ ﺍﻟﻤﺜﻠﺙ ‪ Triangle‬ﻭﺍﻟﻤﺭﺒﻊ‬

‫‪ Square‬ﻭﺍﻟﻤﺴﺘﻁﻴل ‪. Rectangle‬‬

‫ﻭﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﺘﻲ ﺘﻤﺕ ﻤﻨﺎﻗﺸﺘﻬﺎ ﻭﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻌﻤﻠﻴﺎﺕ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬

‫ﻭﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻨﻲ ﻓﻘﺩ ﺘﻡ ﺘﻌﺭﻴﻑ ‪ 5‬ﻤﺘﻐﻴﺭﺍﺕ ﻭﺘﻌﺭﻴﻑ ﺩﻟﻴل ﻟﻜل‬ ‫ﻤﺘﻐﻴﺭ ﻭﺩﻟﻴل ﻟﻘﻴﻡ ﻤﺘﻐﻴﺭ ﺍﻟﺘﺨﺼﺹ‪ ،‬ﻭﻋﻨﺩﻤﺎ ﻴﺘﻡ ﺇﺩﺨﺎل ﺠﻤﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﺘﻡ‬

‫ﻋﺭﻀﻬﺎ ﻓﻲ ﺍﻟﺸﻜل ‪ 1-10‬ﻓﻲ ﺸﺎﺸﺔ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺴﻭ ﻑ ﺘﻅﻬﺭ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ ﻜﻤﺎ‬

‫ﻓﻲ ﺍﻟﺸﻜل ‪ 2-10‬ﺃﺩﻨﺎﻩ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪351‬‬

‫ﺸﻜل ‪ : 2-10‬ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻓﻲ ﻨﻅﺎﻡ ‪ SPSS‬ﻴﺒﻴﻥ ﻨﺘﺎﺌﺞ‬ ‫ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ﻤﻥ ﻨﻭﻉ )‪ A*(B‬ﻤﻥ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪1-10‬‬

‫ﻭﺒﻌﺩ ﺍﻻﻨﺘﻬﺎﺀ ﻤﻥ ﻋﻤﻠﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻜﻭﻥ ﺍﻟﻤﺭﺤﻠﺔ ﺍﻷﻭﻟﻰ ﻜﻤﺎ ﻓﻲ ﺍﻟﻌﺎﺩﺓ‬

‫ﻫﻲ ﺍﺴﺘﻜﺸﺎﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ‪ ،‬ﻭﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﺜﻠﻰ ﻟﺘﻭﻀﻴﺢ ﺨﺼﺎﺌﺹ ﻤﺜل ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻲ‬ ‫ﺍﻟﺒﺩﺀ ﺒﺘﻤﺜﻴﻠﻬﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Boxplots‬ﺍﻟﺘﻲ ﺘﻡ ﻭﺼﻑ ﺍﻟﺠﺯﺀ ﺍﻟﻤﺘﻌﻠﻕ‬ ‫ﻤﻨﻬﺎ ﺒﺎﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺭﺍﺒﻊ‪ ،‬ﻭﻟﻜﻥ ﻨﻅﺭﹰﺍ ﻟﻭﺠﻭﺩ ﻤﺘﻐﻴﺭ‬

‫ﺘﺼﻨﻴﻑ ﻫﻨﺎ ﻓﺈﻥ ﺃﺸﻜﺎل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻌﻨﻘﻭﺩﻴﺔ ‪ Clustered Boxplots‬ﺘﻜﻭﻥ‬

‫ﺃﻜﺜﺭ ﻤﻼﺌﻤﺔ‪ ،‬ﻭﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻌﻨﻘﻭﺩﻴﺔ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬ ‫• ﺍﺨﺘﺭ ﺍﻷﺸﻜﺎل ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Graphs‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻠﻨﻅﺎﻡ‪.‬‬

‫• ﺍﺨﺘﺭ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Boxplots‬ﻟﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ‪.‬‬ ‫• ﺍﺨﺘﺭ ﺍﻟﻌﻨﻘﻭﺩﻴﺔ ‪ Clustered‬ﻤﻥ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻜﺫﻟﻙ ﻤﺭﺒﻊ ﻤﻠﺨﺼﺎﺕ‬ ‫ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ‪ Summaries of separate variables‬ﺜﻡ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ‬

‫‪ Define‬ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﻤﻠﺨﺼﺎﺕ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ ﺃﺸﻜﺎل‬ ‫ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ‬

‫‪Define Clustered Boxplot: Summaries of‬‬

‫‪. Separate Variables‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫•‬

‫‪352‬‬

‫ﻗﻡ ﺒﺈﺯﺍﺤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ ‪ :‬ﺍﻟﻤﺜﻠﺙ ‪ triangle‬ﻭﺍﻟﻤﺭﺒﻊ ‪square‬‬

‫ﻭﺍﻟﻤﺴﺘﻁﻴل ‪ rectangl‬ﺇﻟﻰ ﺨﺎﻨﺔ ﺘﻤﺜﻴل ﺍﻟﺼﻨﺎﺩﻴﻕ ‪ Boxes Represent:‬ﻭﺍﺴﻡ‬ ‫ﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ ‪ category‬ﺇﻟﻰ ﻤﺭﺒﻊ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺼﻨﻴﻑ ‪.Category Axis‬‬

‫• ﺍﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ ‪. OK‬‬

‫ﻭﻴﺒﻴﻥ ﺸﻜل ‪ 10-3‬ﺃﺩﻨﺎﻩ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻨﺎﺘﺞ ﺒﻌﺩ ﺇﺠﺭﺍﺀ ﺍﻟﺘﻌﺩﻴﻼﺕ‬

‫ﺍﻟﺸﻜﻠﻴﺔ ﻋﻠﻴﻪ‪ ،‬ﻻﺤﻅ ﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻭﺠﻭﺩ ﻗﻴﻤﺔ ﻤﺘﻁﺭﻓﺔ ﺒﻴﻥ ﻁﻠﺒﺔ ﻋﻠﻡ ﺍﻟﻨﻔﺱ‬

‫)ﺍﻟﻤﻔﺭﺩﺓ ﺭﻗﻡ ‪ (3‬ﻭﻗﻴﻤﺔ ﺸﺎﺫﺓ ﺒﻴﻥ ﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ )ﺍﻟﻤﻔﺭﺩﺓ ﺭﻗﻡ ‪.(7‬‬

‫ﺸﻜل ‪ : 3-10‬ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Boxplot‬ﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ‬ ‫ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ﻤﻥ ﻨﻭﻉ )‪ A*(B‬ﻤﻥ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪1-10‬‬

‫‪Shapes‬‬

‫‪40‬‬

‫‪30‬‬

‫‪20‬‬

‫‪7‬‬

‫‪10‬‬

‫‪3‬‬

‫‪Triangle‬‬

‫‪0‬‬

‫‪Square‬‬ ‫‪Rectangle‬‬

‫‪-10‬‬ ‫‪6‬‬

‫‪6‬‬

‫‪6‬‬

‫‪Engineering‬‬

‫‪6‬‬

‫‪6‬‬

‫‪6‬‬

‫=‪N‬‬

‫‪Psychology‬‬

‫‪Category of Student‬‬

‫ﻋﻤﻠﻴﹰﺎ ﻋﻨﺩ ﻭﺠﻭﺩ ﻤﺜل ﻫﺫﻩ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺘﻁﺭﻓﺔ ﻭﺍﻟﺸﺎﺫﺓ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﻔﻜﺭ‬

‫ﻓﻲ ﺇﻤﻜﺎﻨﻴﺔ ﺤﺫﻓﻬﺎ ﻤﻥ ﺍﻟﺘﺤﻠﻴل‪ ،‬ﻭﻟﻜﻨﻨﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺴﻨﻘﻭﻡ ﺒﺘﺭﻜﻬﺎ ﻜﻤﺎ ﻫﻲ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪353‬‬

‫ﻻ‬ ‫ﻜﻤﺎ ﺍﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺃﻴﻀﹰﺎ ﺍﺴﺘﻜﻤﺎل ﺍﺴﺘﻜﺸﺎﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻥ ﻁﺭﻴﻕ ﺤﺴﺎﺏ ﺠﺩﻭ ﹰ‬ ‫ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻭﺍﻻﻨﺤﺭﺍﻓﺎﺕ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻠﺨﻼﻴﺎ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ‬ ‫ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻬﺎﻤﺸﻴﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل ﺍﻟﺜﻼﺜﺔ‪ ،‬ﻓﺘﻔﺤﺹ ﻤﺜل ﻫﺫﺍ ﺍﻟﺠﺩﻭل‬

‫ﻴﻤﻜﻥ ﺃﻥ ﻴﻌﻁﻴﻨﺎ ﻓﻜﺭﺓ ﻋﻥ ﻭﺠﻭﺩ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺸﻜل‬

‫‪ shape‬ﺃﻭ ﻭﺠﻭﺩ ﺘﻔﺎﻋل ‪ interaction‬ﺒﻴﻥ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل ‪ shape‬ﻭﺍﻟﺘﺨﺼﺹ‬

‫‪ ، category‬ﻭﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﻤﺜل ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻤﺘﻭﺴﻁﺎﺕ‬ ‫ﺍﻟﺨﻼﻴﺎ ﻓﻘﻁ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ Means‬ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ‪) Analyze‬ﺃﻭ ‪ (Statistics‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ‪.‬‬ ‫• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ Compare Means‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ‪.‬‬ ‫• ﺍﺨﺘﺭ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ Means‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ‬ ‫ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪) Means‬ﺍﻟﺘﻔﺎﺼﻴل ﻓﻲ ﻗﺴﻡ ‪ 4-4‬ﻤﻥ ﺍﻟﻔﺼل ﺍﻟﺭﺍﺒﻊ(‪.‬‬

‫• ﺍﻨﻘل ﺃﺴﻤﺎﺀ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﺇﻟﻰ ﻤﺭﺒﻊ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪ Dependent List‬ﻭﺍﻨﻘل ﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ ‪ category‬ﺇﻟﻰ ﻤﺭﺒﻊ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ ‪. Independent List‬‬ ‫• ﺍﻀﻐﻁ ﻤﺭﺒﻊ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺠﺩﻭل ﻴﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻭﻋﺩﺩ ﺍﻟﻘﻴﻡ‬ ‫ﻭﺍﻻﻨﺤﺭﺍﻓﺎﺕ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل ﻓﻲ ﻜل ﺘﺨﺼﺹ‬

‫ﻭﻜﺫﻟﻙ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل‪ ،‬ﻭﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻓﻲ‬

‫ﺸﻜل ‪ 4-10‬ﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ ﻫﺫﺍ ﺍﻷﻤﺭ‪.‬‬

‫ﻭﻟﻜﻥ ﻜﻤﺎ ﻴﺒﺩﻭ ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻫﺫﺍ ﺍﻷﻤﺭ ﻻ ﻴﺸﻤل ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل‬ ‫ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ ﺒﺼﺭﻑ ﺍﻟﻨﻅﺭ ﻋﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل‪،‬‬

‫ﻭﻟﺫﻟﻙ ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ ﻫﻨﺎ‬

‫)ﺃﻭ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﺎﻤﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﺼﻔﺔ ﻋﺎﻤﺔ( ﻻﺒﺩ ﻓﻲ‬ ‫ﺍﻟﺒﺩﺍﻴﺔ ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻟﺤﺴﺎﺏ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪354‬‬

‫ﺤﺼل ﻋﻠﻴﻬﺎ ﻜل ﻁﺎﻟﺏ ﻋﻠﻰ ﺤﺩﻩ ﻓﻲ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻌﺎﻤل ﺍﻟﺸﻜل‬ ‫ﻼ‬ ‫‪ ،shape‬ﻭﻟﺤﺴﺎﺏ ﻫﺫﻩ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻴﺤﺴﻥ ﺃﻥ ﻨﻌﺭﻑ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﻤﺘﻐﻴﺭ ﺠﺩﻴﺩ )ﻤﺜ ﹰ‬

‫‪ (meancat‬ﺒﺈﻀﺎﻓﺔ ﻋﻤﻭﺩ ﺠﺩﻴﺩ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻤﺜل ﻤﺘﻭﺴﻁ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﺤﺼل‬

‫ﻋﻠﻴﻬﺎ ﻜل ﻁﺎﻟﺏ ﻋﻠﻰ ﺤﺩﻩ ﻓﻲ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ ، shape‬ﻭﻫﺫﺍ ﻴﻤﻜﻥ‬ ‫ﺃﻥ ﻴﺘﻡ ﺒﺎﺘﺒﺎﻉ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ ‪:‬‬

‫• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Transform‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ‪.‬‬ ‫• ﺍﺨﺘﺭ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺤﺴﺎﺏ‬ ‫ﻤﺘﻐﻴﺭ ‪) Compute Variable‬ﺍﻟﺘﻔﺎﺼﻴل ﻓﻲ ﻗﺴﻡ ‪ 3-3‬ﻤﻥ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻟﺙ(‪.‬‬ ‫•‬

‫ﺍﻜﺘﺏ ﺃﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ ‪ meancat‬ﻓﻲ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻬﺩﻑ ‪Target‬‬

‫‪ ، Variable‬ﺜﻡ ﻤﻥ ﻤﺭﺒﻊ ﺍﻟﺩﻭﺍل ‪ Functions‬ﺍﺒﺤﺙ ﻋﻥ ﺍﻟﺩﺍﻟﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺎﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫]‪ MEAN[numexpr,numexpr...‬ﻭﺍﻨﻘﻠﻬﺎ ﺇﻟﻰ ﺃﻋﻠﻰ ﺒﻭﺍﺴﻁﺔ ﺍﻟﺴﻬﻡ‪ ،‬ﻟﺘﻅﻬﺭ ﻓﻲ‬

‫ﻻ ﻤﻥ‬ ‫ﺨﺎﻨﺔ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺤﺴﺎﺒﻴﺔ ﻓﻲ ﺃﻋﻠﻰ ﺍﻟﻨﺎﻓﺫﺓ ﻭﺴﺘﻅﻬﺭ ﻋﻼﻤﺎﺕ ﺍﻻﺴﺘﻔﻬﺎﻡ )؟( ﺒﺩ ﹰ‬ ‫‪ numexpr‬ﻓﻲ ﺍﻟﺘﻌﺒﻴﺭ ﺍﻟﺴﺎﺒﻕ‪ ،‬ﺍﺤﺫﻑ ﻋﻼﻤﺎﺕ ﺍﻻﺴﺘﻔﻬﺎﻡ ﻭﺍﻨﻘل ﻤﻜﺎﻨﻬﺎ ﺃﺴﻤﺎﺀ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺙ ‪ triangle, square, rectangl‬ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ‬

‫ﺍﻟﺴﻬﻡ ﻤﻊ ﻤﺭﺍﻋﺎﺓ ﻭﺠﻭﺏ ﻭﺠﻭﺩ ﺍﻟﻔﻭﺍﺼل ﺒﻴﻨﻬﺎ‪ ،‬ﻟﺘﻅﻬﺭ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺤﺴﺎﺒﻴﺔ ﺒﺎﻟﺸﻜل‬

‫]‪. MEAN[triangle,square,rectangl‬‬

‫• ﺍﻀﻐﻁ ﻤﺭﺒﻊ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ‪.‬‬ ‫ﻭﺍﻵﻥ ﻴﺼﺒﺢ ﺒﺎﻹﻤﻜﺎﻥ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁ ﻭﻋﺩﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬

‫ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻜل ﺘﺨﺼﺹ ﻭﺫﻟﻙ ﺒﺎﻟﻌﻭﺩﺓ ﺇﻟﻰ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫‪ Means‬ﻜﻤﺎ ﺴﺒﻕ ﻭﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ ‪ meancat‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ‬ ‫‪ Dependent List‬ﻭﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ ‪ category‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ‬

‫‪ Independent List‬ﻓﻲ ﻨﺎﻓﺫﺓ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻭﻤﻥ ﺜﻡ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ‬ ‫ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ‪ ،‬ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻓﻲ ﺸﻜل ‪ 4-10‬ﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ ﻫﺫﺍ ﺍﻷﻤﺭ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪355‬‬

‫ﺸﻜل ‪ : 4-10‬ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺃﻤﺭﻱ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪ 1-10‬ﻭﺘﺒﻴﻥ‬ ‫ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻭﻋﺩﺩ ﺍﻟﻘﻴﻡ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﺤﺴﺏ ﻓﺌﺎﺕ‬

‫ﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ )ﺍﻟﺠﺩﻭل ﺍﻷﻭل( ﻭﻜﺫﻟﻙ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﺘﺨﺼﺹ )ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ(‪.‬‬ ‫‪Report‬‬ ‫‪RECTANGL‬‬

‫‪SQUARE‬‬

‫‪TRIANGLE‬‬

‫‪7.00‬‬

‫‪12.17‬‬

‫‪6.00‬‬

‫‪6‬‬

‫‪6‬‬

‫‪6‬‬

‫‪2.10‬‬

‫‪2.32‬‬

‫‪2.61‬‬

‫‪30.83‬‬

‫‪7.00‬‬

‫‪20.17‬‬

‫‪CATEGORY‬‬ ‫‪Mean‬‬

‫‪Psychology‬‬

‫‪N‬‬ ‫‪Std. Deviation‬‬ ‫‪Mean‬‬

‫‪Engineering‬‬

‫‪N‬‬

‫‪6‬‬

‫‪6‬‬

‫‪6‬‬

‫‪3.43‬‬

‫‪2.83‬‬

‫‪4.26‬‬

‫‪18.92‬‬

‫‪9.58‬‬

‫‪13.08‬‬

‫‪12‬‬

‫‪12‬‬

‫‪12‬‬

‫‪12.74‬‬

‫‪3.65‬‬

‫‪8.13‬‬

‫‪Std. Deviation‬‬ ‫‪Total‬‬

‫‪Mean‬‬ ‫‪N‬‬ ‫‪Std. Deviation‬‬

‫‪Report‬‬ ‫‪MEANCAT‬‬ ‫‪Mean‬‬

‫‪1.3236‬‬

‫‪6‬‬

‫‪8.3889‬‬

‫‪CATEGORY‬‬ ‫‪Psychology‬‬

‫‪N‬‬

‫‪Std. Deviation‬‬ ‫‪2.3476‬‬

‫‪6‬‬

‫‪19.3333‬‬

‫‪Engineering‬‬

‫‪5.9974‬‬

‫‪12‬‬

‫‪13.8611‬‬

‫‪Total‬‬

‫ﻭﻤﻥ ﺍﻻﺴﺘﻜﺸﺎﻑ ﺍﻷﻭﻟﻲ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺠﺩﻭل ‪ 4-10‬ﺴﻭﻑ ﻨﻼﺤﻅ ﺃﻥ‬

‫ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﻜﺒﻴﺭﺓ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻬﺎﻤﺸﻴﺔ ﻟﻜل ﻤﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ﻭﻋﺎﻤل‬ ‫ﺍﻟﺘﺨﺼﺹ ﺍﻷﻤﺭ ﺍﻟﺫﻱ ﻴﺒﺭﺭ ﺍﻻﻋﺘﻘﺎﺩ ﺒﻭﺠﻭﺩ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ‪ main effects‬ﻟﻜل ﻤﻥ‬ ‫ﺍﻟﻌﺎﻤﻠﻴﻥ‪ ،‬ﻜﻤﺎ ﺃﻥ ﺍﻷﺩﺍﺀ ﺍﻷﻓﻀل ﺒﺸﻜل ﻤﻠﺤﻭﻅ ﻟﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ ﻤﻊ ﺃﺸﻜﺎل ﺍﻟﻤﺜﻠﺙ‬

‫ﻭﺍﻟﻤﺴﺘﻁﻴل ﻭﺍﻟﺫﻱ ﻴﺘﺭﺍﺠﻊ ﻤﻊ ﺸﻜل ﺍﻟﻤﺭﺒﻊ ﻴﺒﺭﺭ ﺍﻻﻋﺘﻘﺎﺩ ﺒﻭﺠﻭﺩ ﺘﻔﺎﻋل‬

‫‪ interaction‬ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪356‬‬

‫ﻭﻟﻠﺘﺤﻘﻕ ﻤﻥ ﺼﺤﺔ ﻫﺫﻩ ﺍﻻﻋﺘﻘﺎﺩﺍﺕ ﻻﺒﺩ ﻤﻥ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ‪ ،‬ﻭﻻ ﻴﺠﺏ ﺃﻥ ﻨﻨﺴﻰ ﺒﺄﻥ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﻤﺨﺘﻠﻁﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺍﻟﻤﻁﻠﻭﺏ ﻫﻭ‬

‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ﻟﻌﺎﻤﻠﻲ ﺍﻟﺸﻜل )ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﻭﺍﻟﺘﺨﺼﺹ )ﺒﻴﻥ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ(‪ ،‬ﻭﻫﺫﺍ ﻤﺎ ﻴﻤﻜﻥ ﺃﻥ ﻴﺸﺎﺭ ﺇﻟﻴﻪ ‪. Mixed A*(B) ANOVA‬‬

‫ﻭﻟﺘﻨﻔﻴﺫ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ ‪ Mixed A*(B) ANOVA‬ﻨﺘﺒﻊ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ‪) Analyze‬ﺃﻭ ‪ (Statistics‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ‪.‬‬ ‫• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ ‪ General Linear Models‬ﻤﻥ‬ ‫ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ‪.‬‬

‫• ﺍﺨﺘﺭ ﺃﻤﺭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪ GLM - Repeated Measures‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ‬ ‫ﺍﻟﺴﺎﺒﻘﺔ ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ‬

‫‪GLM -‬‬

‫)‪ ، Repeated Measures Define Factor(s‬ﻭﺘﻅﻬﺭ ﻫﺫﻩ ﺍﻟﻘﺎﺌﻤﺔ ﺒﻌﺩ ﻤلﺀ ﺒﻴﺎﻨﺎﺘﻬﺎ‬ ‫ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 5-10‬ﺃﺩﻨﺎﻩ ‪.‬‬

‫• ﻓﻲ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Within-Subjects Variables‬ﻓﻲ‬ ‫ﻻ ﻤﻨﻬﺎ ﺍﺴﻡ ﻋﺎﻡ‬ ‫ﺍﻟﺠﺯﺀ ﺍﻟﻌﻠﻭﻱ ﺍﻷﻴﻤﻥ ﻤﻥ ﺍﻟﻨﺎﻓﺫﺓ ﺍﺤﺫﻑ ﻜﻠﻤﺔ ‪ factor1‬ﻭﺍﻜﺘﺏ ﺒﺩ ﹰ‬ ‫ﻤﺜل ‪ shape‬ﻭﺫﻟﻙ ﻟﻌﺎﻤل ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ‪ ،‬ﻫﺫﺍ ﺍﻻﺴﻡ ﻴﺠﺏ ﺃﻻ ﻴﻜﻭﻥ ﺃﺤﺩ ﺃﺴﻤﺎﺀ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل‪ ،‬ﻭﻓﻲ ﻤﺭﺒﻊ ﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ‪Number of‬‬

‫‪ Levels‬ﺍﻜﺘﺏ ﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ )‪ (3‬ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪357‬‬

‫ﺸﻜل ‪ : 5-10‬ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﻋﻭﺍﻤل ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪Repeated Measures‬‬ ‫)‪ Define Factor(s‬ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ Shape‬ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﺨﺘﻠﻁﺔ‪.‬‬

‫• ﺍﻀﻐﻁ ﺍﻟﻤﻔﺘﺎﺡ ﺇﻀﺎﻓﺔ ‪ Add‬ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﻟﺘﻅﻬﺭ ﻜﻠﻤﺔ )‪ shape(3‬ﻓﻲ‬

‫ﺍﻟﻤﺭﺒﻊ ﺍﻟﺴﻔﻠﻲ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 5-10‬ﺍﻟﺴﺎﺒﻕ‪ ،‬ﺜﻡ ﺍﻀﻐﻁ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ ‪Define‬‬

‫ﻟﺘﺒﺭﺯ ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ‬

‫‪Repeated Measures‬‬

‫‪ ANOVA‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ‪.6-10‬‬

‫• ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ )ﺸﻜل ‪ (6-10‬ﺍﻨﻘل ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻤﺜﻴل ﻤﺴﺘﻭﻴﺎﺕ‬

‫ﻋﺎﻤل ﺍﻟﺸﻜل ﺍﻟﺜﻼﺜﺔ ﻤﻥ ﻗﺎﺌﻤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺇﻟﻰ ﻗﺎﺌﻤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل‬

‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ]‪) ، Within Subjects Variables [shape‬ﻟﺤﺘﻰ ﺍﻵﻥ ﺍﺘﺒﻌﻨﺎ ﻨﻔﺱ‬

‫ﺍﻟﻁﺭﻴﻘﺔ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ(‪.‬‬

‫• ﺍﻟﻌﻨﺼﺭ ﺍﻟﺠﺩﻴﺩ ﺍﻵﻥ ﻫﻭ ﻭﺠﻭﺩ ﻋﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺇﻀﺎﻓﻲ ﻭﻫﻭ ﺍﻟﺘﺨﺼﺹ‬

‫‪ ، category‬ﻗﻡ ﺒﺎﺨﺘﻴﺎﺭﻩ ﻭﻨﻘﻠﻪ ﺇﻟﻰ ﻤﺭﺒﻊ ﻋﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪Between-‬‬

‫)‪ ، Subjects Factor(s‬ﻭﺴﺘﻅﻬﺭ ﺒﻌﺩﺌ ٍﺫ ﺍﻟﻨﺎﻓﺫﺓ ﺘﻤﺎﻤﹰﺎ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ‪.6-10‬‬

‫• ﻴﻤﻜﻥ ﺃﻴﻀﹰﺎ ﺍﺨﺘﻴﺎﺭ ﺠﺩﻭل ﺒﺎﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪ Descriptive Statistics‬ﻤﻥ‬ ‫ﺨﻼل ﻤﺭﺒﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ ‪ Options‬ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ‪.‬‬

‫• ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﺍﻟﻤﻁﻠﻭﺏ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪358‬‬

‫ﺸﻜل ‪ : 6-10‬ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ -‬ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪GLM - Repeated‬‬ ‫‪ Measures‬ﻟﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ Shape‬ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ‪.‬‬

‫ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺍﻟﻤﺜﺎﻟﻴﻥ ﺍﻟﺴﺎﺒﻘﻴﻥ ﺍﻟﻤﺘﻌﻠﻘﻴﻥ ﺒﺄﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺤﺎﻟﺔ‬

‫ﻋﻭﺍﻤل ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ﻓﺈﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻫﻨﺎ ﺃﻴﻀﹰﺎ ﻁﻭﻴﻠﺔ ﻭﻟﻜﻥ ﻫﻨﺎﻙ ﺒﻨﻭﺩ ﻤﻨﻬﺎ‬ ‫ﻋﺩﻴﻤﺔ ﺍﻟﻔﺎﺌﺩﺓ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻷﺤﺎﺩﻱ ﺍﻟﻤﺘﻐﻴﺭ ‪ ، Univariate analysis‬ﻭﻴﺒﻴﻥ‬

‫ﺍﻟﺸﻜل ‪ 7-10‬ﺠﻤﻴﻊ ﺒﻨﻭﺩ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻜﻤﺎ ﺘﻅﻬﺭ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﺴﺭ ﻤﻥ ﻤﺤﺭﺭ‬

‫ﺍﻟﻨﺘﺎﺌﺞ‪ ،‬ﻭﻫﻨﺎﻙ ﺒﻨﺩﻴﻥ ﻤﻥ ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻨﺘﺎﺌﺞ ﻴﻤﻜﻥ ﺤﺫﻓﻬﻤﺎ )ﺒﻨﺘﺎﺌﺠﻬﻤﺎ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ‬

‫ﻤﻥ ﺍﻟﻤﺤﺭﺭ( ﻤﺒﺎﺸﺭﺓ ﻭﺩﻭﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻰ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻫﻤﺎ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻤﺘﻌﺩﺩ‬

‫‪ Multivariate Tests‬ﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺨﺘﻼﻑ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪Within-Subjects‬‬

‫‪ ، Contrasts‬ﻭﻴﻤﻜﻥ ﺤﺫﻑ ﺃﻱ ﺒﻨﺩ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﺒﺘﻔﺎﺼﻴﻠﻪ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ ﻤﻥ‬ ‫ﺍﻟﻤﺤﺭﺭ ﻤﺒﺎﺸﺭﺓ ﺒﺘﺤﺩﻴﺩ ﺫﻟﻙ ﺍﻟﺒﻨﺩ ﻭﻤﻥ ﺜﻡ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺤﺫﻑ ‪ delete‬ﻓﻲ‬

‫ﻟﻭﺤﺔ ﺍﻟﻤﻔﺎﺘﻴﺢ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪359‬‬

‫ﺸﻜل ‪ : 7-10‬ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻤﻥ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ )‪Mixed A*(B‬‬ ‫‪ ANOVA‬ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪ 1-10‬ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ‪.‬‬

‫ﻭﻴﺒﻴﻥ ﺍﻟﺸﻜل ‪ 8-10‬ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻁﻭﻴﻠﺔ ﻤﻥ ﺘﻨﻔﻴﺫ ﺃﻤﺭ‬

‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ ‪ Mixed A*(B) ANOVA‬ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻌﺎﻤل‬

‫ﺍﻟﺸﻜل ‪) shape‬ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ )ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﻭﺍﻟﻤﺘﻌﻠﻕ‬ ‫ﺒﺎﻟﻌﻨﻭﺍﻥ ﻭﺃﺴﻤﺎﺀ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ ﻜل ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‪.‬‬ ‫ﺸﻜل ‪ : 8-10‬ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ ‪Mixed‬‬ ‫‪ A*(B) ANOVA‬ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪ 1-10‬ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ‪.‬‬ ‫ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

‫ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

‫‪Between-Subjects Factors‬‬

‫‪Within-Subjects Factors‬‬

‫‪N‬‬

‫‪Measure: MEASURE_1‬‬

‫‪Value Label‬‬

‫‪6‬‬

‫‪Psychology‬‬

‫‪6‬‬

‫‪Engineerin‬‬ ‫‪g‬‬

‫‪CATEGORY1‬‬ ‫‪2‬‬

‫‪Dependent‬‬ ‫‪Variable‬‬

‫‪SHAPE‬‬ ‫‪1‬‬ ‫‪RECTANGL‬‬ ‫‪SQUARE‬‬

‫‪2‬‬

‫‪TRIANGLE‬‬

‫‪3‬‬

‫( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬10)

360

‫ ﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻫﺫﻩ ﺍﻟﻘﺎﺌﻤﺔ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ‬9-10 ‫ﻭﺸﻜل‬ ،‫ ﻻﺨﺘﺒﺎﺭ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ‬Mauchly's Test of Sphericity ‫ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻟﻠﺩﺍﺌﺭﻴﺔ‬

‫ﻭﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻴﻌﺘﺒﺭ ﺍﺨﺘﺒﺎﺭ ﻫﺎﻡ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻷﺤﺎﺩﻱ ﻟﻤﺘﻐﻴﺭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ‬ .‫ﻜﻤﺎ ﻭﺭﺩ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺘﺎﺴﻊ‬

Mixed ‫ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ‬: 9-10 ‫ﺸﻜل‬ .‫ ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ‬shape ‫ ﻟﻌﺎﻤل ﺍﻟﺸﻜل‬1-10 ‫ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل‬A*(B) ANOVA Mauchly's Test of Sphericityb Measure: MEASURE_1 Epsilona Within Subjects Effect SHAPE

Mauchly's W

Approx.

Chi-Square

df

Sig.

.903

.921

2

.630

Greenhouse Huynh Lower-Geisser -Feldt bound .911

1.000

.500

Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b.

Design: Intercept+CATEGORY Within Subjects Design: SHAPE

Sig., the p-value ‫ﻓﻔﻲ ﺤﺎﻟﺔ ﻤﺎ ﺇﺫﺍ ﺍﺘﻀﺢ ﺃﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻏﻴﺭ ﻤﻌﻨﻭﻱ )ﺃﻱ ﺃﻥ‬

•

‫ ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ )ﺍﻟﺫﻱ ﻴﻠﻲ‬p-value ‫( ﻓﺈﻨﻨﺎ ﺴﻨﻨﻅﺭ ﺇﻟﻰ ﻗﻴﻤﺔ‬0.05 ‫ﺃﻜﺒﺭ ﻤﻥ‬

Sphericity Assumed (‫ﻫﺫﺍ ﺍﻟﺠﺩﻭل( ﺍﻟﻤﺼﺎﺤﺒﺔ ﻻﻓﺘﺭﺍﺽ ﺍﻟﺩﺍﺌﺭﻴﺔ )ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ‬

.‫ﻭﻓﻲ ﻨﻔﺱ ﺍﻟﺴﻁﺭ ﺒﺫﻟﻙ ﺍﻟﻌﻨﻭﺍﻥ‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪361‬‬

‫• ﺃﻤﺎ ﺇﺫﺍ ﺍﺘﻀﺢ ﺃﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻱ )ﺃﻱ ﺃﻥ ‪ Sig., p-value‬ﺃﺼﻐﺭ ﻤﻥ ‪(0.05‬‬ ‫ﻕ ﻻﺨﺘﺭﺍﻕ ﺍﻓﺘﺭﺍﺽ ﺍﻟﺩﺍﺌﺭﻴﺔ )ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ(‬ ‫ﻓﺈﻨﻨﺎ ﺴﻨﻀﻁﺭ ﺇﻟﻰ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﻭﺍ ٍ‬ ‫ﻤﺜل ﺍﺨﺘﺒﺎﺭ ﺠﺭﻴﻨﻬﺎﻭﺱ‪-‬ﺠﻴﺴﺭ ‪ Greenhouse-Geisser Test‬ﻭﺴﻨﻨﻅﺭ ﺇﻟﻰ ﺍﻟﺴﻁﺭ‬

‫ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ )ﺍﻟﺫﻱ ﻴﻠﻲ ﻫﺫﺍ ﺍﻟﺠﺩﻭل( ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ‬ ‫ﺠﺭﻴﻨﻬﺎﻭﺱ‪-‬ﺠﻴﺴﺭ ‪. Greenhouse-Geisser Test‬‬

‫ﻭﻤﺜل ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻭﺍﻗﻴﺔ ﻻﺨﺘﺭﺍﻕ ﺍﻓﺘﺭﺍﺽ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ﻴﻤﻜﻨﻬﺎ ﺃﻥ‬

‫ﺘﺼﻨﻊ ﺍﺨﺘﻼﻓﹰﺎ ﺠﻭﻫﺭﻴﹰﺎ ﻋﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻋﻨﺩﻤﺎ ‪:‬‬

‫‪ .1‬ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻋﺩﻡ ﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ )ﺇﺫﺍ ﺘﺒﻴﻥ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻤﻌﻨﻭﻱ(‪.‬‬ ‫‪ .2‬ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ F‬ﺒﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻏﻴﺭ ﺍﻟﻤﻌﺩﻟﺔ )ﺃﻱ ﺍﻟﻤﺼﺎﺤﺒﺔ ﻻﻓﺘﺭﺍﺽ‬

‫ﺍﻟﺩﺍﺌﺭﻴﺔ ‪ Sphericity Assumed‬ﻭﻓﻲ ﻨﻔﺱ ﺍﻟﺴﻁﺭ ﺒﺫﻟﻙ ﺍﻟﻌﻨﻭﺍﻥ( ﺘﻜﺎﺩ‬

‫ﺘﻜﻭﻥ ﺒﺎﻟﻜﺎﺩ ﻤﻌﻨﻭﻴﺔ ﻭﺘﻘﺎﺭﺏ ‪. 0.05‬‬

‫ﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺍﻟﺔ ‪ F‬ﻤﻌﻨﻭﻴﺔ ﺒﻘﻴﻤﺔ ‪ p-value‬ﺼﻐﻴﺭﺓ ﺠﺩﹰﺍ ﻓﺈﻨﻪ ﻴﻤﻜﻨﻨﺎ‬

‫ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﻌﺩﻤﻴﺔ ﺒﺄﻤﺎﻥ‪ ،‬ﻭﻟﻥ ﻨﻜﻭﻥ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺒﺤﺎﺠﺔ ﺇﻟﻰ ﺇﺠﺭﺍﺀ ﺃﻱ‬ ‫ﻕ ﻻﺨﺘﺭﺍﻕ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ‪.‬‬ ‫ﺍﺨﺘﺒﺎﺭ ﻭﺍ ٍ‬ ‫ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل‪ ،‬ﻴﻌﻁﻲ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻗﻴﻤﺔ ‪ p-value‬ﻤﺴﺎﻭﻴﺔ ‪،0.631‬‬

‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻻ ﻴﻭﺠﺩ ﻫﻨﺎﻙ ﺩﻟﻴل ﻟﺭﻓﺽ ﻓﺭﻀﻴﺔ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ‬

‫ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ ‪ F‬ﺍﻟﻤﻌﺘﺎﺩﺓ ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ، ANOVA‬ﻭﺘﻜﻭﻥ‬ ‫ﺍﻟﺴﻁﻭﺭ ﺍﻹﻀﺎﻓﻴﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻭﺍﻗﻴﺔ ﻏﻴﺭ ﻀﺭﻭﺭﻴﺔ ﻭﻴﻤﻜﻥ‬

‫ﺤﺫﻓﻬﺎ ﻤﻥ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺒﺄﻤﺎﻥ ﻜﻤﺎ ﺤﺼل ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺤﻴﺙ ﻴﻭﻀﺢ ﺍﻟﺸﻜل‬ ‫‪ 10-10‬ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻟﻬﺫﺍ ﺍﻟﻤﺜﺎل ﺒﻌﺩ ﺤﺫﻑ ﺘﻠﻙ ﺍﻟﺴﻁﻭﺭ ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪362‬‬

‫ﺸﻜل ‪ : 10-10‬ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ ‪Mixed‬‬ ‫‪ A*(B) ANOVA‬ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪ 1-10‬ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ‪.‬‬ ‫‪Tests of Within-Subjects Effects‬‬ ‫‪Measure: MEASURE_1‬‬

‫‪Sig.‬‬

‫‪F‬‬

‫‪Mean‬‬ ‫‪Square‬‬

‫‪df‬‬

‫‪Type III‬‬ ‫‪Sum of‬‬ ‫‪Squares‬‬

‫‪Source‬‬ ‫‪SHAPE‬‬

‫‪.000‬‬

‫‪32.622‬‬

‫‪2 266.778‬‬

‫‪533.556‬‬

‫‪Sphericity‬‬ ‫‪Assumed‬‬

‫‪.000‬‬

‫‪79.986‬‬

‫‪2 654.111‬‬

‫‪1308.222‬‬

‫‪Sphericity‬‬ ‫‪Assumed‬‬

‫* ‪SHAPE‬‬ ‫‪CATEGORY‬‬

‫‪163.556‬‬

‫‪Sphericity‬‬ ‫‪Assumed‬‬

‫)‪Error(SHAPE‬‬

‫‪8.178‬‬

‫‪20‬‬

‫ﻭﻴﺒﻴﻥ ﺸﻜل ‪ 10-10‬ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪the ANOVA Summary table‬‬

‫ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻫﻭ ﻋﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻭﻜﺫﻟﻙ ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤل‬ ‫ﺍﻟﺸﻜل ‪ shape‬ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ ‪. category‬‬ ‫ﻻﺤﻅ ﺃﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻤﻌﻨﻭﻱ ﻋﻨﺩ ‪ p-value‬ﺃﻗل ﻤﻥ ‪ 0.01‬ﺤﻴﺙ‬

‫ﺘﻌﻁﻰ ﻗﻴﻤﺔ ‪ p-value‬ﻓﻲ ﺍﻟﺠﺩﻭل ﻤﺴﺎﻭﻴﺔ ‪ 0.000‬ﻭﺘﻌﻨﻲ ﺃﻨﻪ ﺃﻗل ﻤﻥ ‪، 0.0005‬‬ ‫ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺘﻬﺎ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ ‪:‬‬ ‫ﻤﻌﻨﻭﻴﺔ ‪Significant‬‬

‫; ‪p < 0.01‬‬

‫; ‪F(2,20) = 32.62‬‬

‫ﻭﻜﺫﻟﻙ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ‬

‫‪ category‬ﻓﺈﻨﻪ ﺃﻴﻀﹰﺎ ﻤﻌﻨﻭﻱ ﻋﻨﺩ ‪ p-value‬ﺃﻗل ﻤﻥ ‪ 0.01‬ﺤﻴﺙ ﻗﻴﻤﺔ ‪ p-value‬ﻓﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺃﻗل ﻤﻥ ‪ 0.0005‬ﺃﻴﻀﺎﹰ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ ‪:‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫ﻤﻌﻨﻭﻴﺔ ‪Significant‬‬

‫‪363‬‬

‫; ‪p < 0.01‬‬

‫; ‪F(2,20) = 79.99‬‬

‫ﻭﻴﻌﺭﺽ ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺍﻟﺸﻜل ‪ 11-10‬ﺠﺩﻭل ﺘﺤﻠﻴل‬

‫ﺍﻟﺘﺒﺎﻴﻥ ‪ The ANOVA (Summary) Table‬ﻟﻠﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﻴﻬﻤل ﺴﻁﺭ ﺒﻨﺩ ﺍﻟﻤﻘﻁﻊ ‪ Intercept‬ﻭﻜﺫﻟﻙ ﺘﻌﺒﻴﺭ ﺍﻟﻨﻭﻉ‬

‫ﺍﻟﺜﺎﻟﺙ ‪ Type III‬ﻓﻬﻤﺎ ﻋﺩﻴﻤﺎ ﺍﻷﻫﻤﻴﺔ ﻫﻨﺎ ﻭﻨﺘﺠﺎ ﻓﻘﻁ ﻨﺘﻴﺠﺔ ﺘﻁﺒﻴﻕ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ‬

‫ﺍﻟﻌﺎﻡ )ﻨﻤﻭﺫﺝ ﺍﻻﻨﺤﺩﺍﺭ( ﺍﻟﺫﻱ ﺍﺸﺘﻕ ﻤﻨﻪ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‪ ،‬ﻭﺤﻴﺙ ﺃﻥ ﻗﻴﻤﺔ ‪p-value‬‬

‫ﺍﻟﻤﻌﻨﻭﻴﺔ ‪ Sig.‬ﺃﻗل ﻤﻥ ‪ 0.0005‬ﻓﺈﻥ ﺫﻟﻙ ﻴﺩل ﻋﻠﻰ ﻭﺠﻭﺩ ﻓﺭﻕ ﺠﻭﻫﺭﻱ ﻓﻲ ﺍﻷﺩﺍﺀ‬ ‫ﺒﻴﻥ ﻤﺠﻤﻭﻋﺘﻲ ﺍﻟﻁﻠﺒﺔ ﻓﻲ ﺍﻟﻬﻨﺩﺴﺔ ﻭﻋﻠﻡ ﺍﻟﻨﻔﺱ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ‬

‫ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ ‪:‬‬

‫ﻤﻌﻨﻭﻴﺔ ‪Significant‬‬

‫; ‪p < 0.01‬‬

‫; ‪F(1,10) = 98.95‬‬

‫ﺸﻜل ‪ : 11-10‬ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ ‪Mixed‬‬ ‫‪ A*(B) ANOVA‬ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل ‪ 1-10‬ﻟﻌﺎﻤل ﺍﻟﺸﻜل ‪ shape‬ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ‪.‬‬ ‫‪Tests of Between-Subjects Effects‬‬ ‫‪Measure: MEASURE_1‬‬ ‫‪Transformed Variable: Average‬‬

‫‪Sig.‬‬

‫‪F‬‬

‫‪Mean‬‬ ‫‪Square‬‬

‫‪df‬‬

‫‪Type III‬‬ ‫‪Sum of‬‬ ‫‪Squares‬‬

‫‪Source‬‬ ‫‪Intercept‬‬

‫‪.000‬‬

‫‪634.883‬‬

‫‪6916.694‬‬

‫‪1‬‬

‫‪6916.69‬‬

‫‪.000‬‬

‫‪98.952‬‬

‫‪1078.028‬‬

‫‪1‬‬

‫‪CATEGORY 1078.03‬‬

‫‪10.894‬‬

‫‪10‬‬

‫‪108.944‬‬

‫‪Error‬‬

‫ﻤﻥ ﻫﻨﺎ ﻴﺘﻀﺢ ﺃﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻴﺅﻜﺩ ﺼﺤﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺍﺴﺘﺩﺭﺍﻜﻪ ﻤﻥ‬ ‫ﻼ ﻤﻥ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل ﻭﺍﻟﺘﺨﺼﺹ ﻟﻪ ﺃﺜﺭ ﺭﺌﻴﺴﻲ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺸﻜل ‪ 4-10‬ﺃﻋﻼﻩ‪ ،‬ﻓﻜ ﹰ‬ ‫ﻤﻌﻨﻭﻱ ﻭﻜﺫﻟﻙ ﻓﺈﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻨﻬﻤﺎ ﺃﻴﻀﹰﺎ ﻤﻌﻨﻭﻱ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪364‬‬

‫ﻹﺠﺭﺍﺀ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﻟﻠﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻟﻠﺘﻔﺎﻋل ﺍﻟﻤﻌﻨﻭﻱ ﻓﻲ‬ ‫ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻜﻤﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻴﻤﻜﻥ ﺘﻁﺒﻴﻕ ﻨﻔﺱ ﺍﻟﻁﺭﻕ ﺍﻟﺘﻲ‬

‫ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ ﻋﻠﻰ ﺘﺤﻠﻴل ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪،‬‬

‫ﻭﺫﻟﻙ ﻷﻨﻪ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻴﻜﻭﻥ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﺎﺩﺓ‬

‫ﻫﻭ ﺍﻟﻌﺎﻤل ﻗﻴﺩ ﺍﻻﻫﺘﻤﺎﻡ ﺍﻷﺴﺎﺴﻲ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﺒﻌﺩ ﺃﻥ ﻴﺜﺒﺕ ﺃﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‬ ‫ﻤﻌﻨﻭﻱ ﻴﻤﻜﻥ ﺃﻥ ﻴﺴﺘﻤﺭ ﺍﻟﺘﺤﻠﻴل ﻓﻲ ﺍﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻴﺔ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻟﻠﻌﺎﻤل‬

‫ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﺒﻌﺩ ﺃﻥ ﻴﺜﺒﺕ‬ ‫ﺃﻥ ﻫﻨﺎﻙ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﺒﺴﻴﻁﺔ ﻤﻌﻨﻭﻴﺔ ﻓﻲ ﺒﻴﺎﻨﺎﺕ ﺃﺤﺩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺘﻁﺒﻴﻕ‬

‫ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ ‪ Bonferroni t-tests‬ﻻﺨﺘﺒﺎﺭﺍﺕ ‪ t‬ﻭﺫﻟﻙ ﻟﻌﻤل ﻤﻘﺎﺭﻨﺎﺕ ﻤﺘﺘﺎﻟﻴﺔ‬

‫ﺒﻴﻥ ﺃﺯﻭﺍﺝ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫ﺍﻵﺜﺎﺭ ﺍﻟﺒﺴﻴﻁﺔ ﻟﻠﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﺍﺨﺘﺒﺎﺭﻫﺎ ﺒﺒﺴﺎﻁﺔ ﻋﻥ ﻁﺭﻴﻕ‬

‫ﺇﺠﺭﺍﺀ ﺠﺩﺍﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ‪ One-way ANOVAs‬ﻟﻠﺒﻴﺎﻨﺎﺕ ﻓﻲ‬ ‫ﻤﺴﺘﻭﻴﺎﺕ ﻤﺨﺘﺎﺭﺓ ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﺤﻴﺙ ﺃﻥ ﻜل ﺍﺨﺘﺒﺎﺭ ﻴﺘﻡ ﺇﺠﺭﺍﺅﻩ‬

‫ﻴﺴﺘﺨﺩﻡ ﺒﻴﺎﻨﺎﺕ ﺠﺩﻴﺩﺓ ﻓﺈﻨﻪ ﺭﺒﻤﺎ ﻟﻥ ﻨﺤﺘﺎﺝ ﺇﻟﻰ ﺍﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ ﻟﺠﻌل‬ ‫ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺃﻜﺜﺭ ﻭﻗﺎﻴﺔ‪ ،‬ﻭﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺜﺒﺕ ﺃﻥ ﻫﻨﺎﻙ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﺒﺴﻴﻁﺔ ﻤﻌﻨﻭﻴﺔ ﻓﺈﻨﻪ‬

‫ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ Tukey test‬ﻹﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻟﻠﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺭ‬ ‫ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﺒﻴﻥ ﻷﺯﻭﺍﺝ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺩﺍﺨل ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺫﺍﺕ‬

‫ﺍﻟﻌﻼﻗﺔ ﺒﺎﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﻤﻘﺼﻭﺩ ﻓﻘﻁ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪365‬‬

‫‪ .3 .10‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻤﺨﺘﻠﻄﺔ ذات اﻟﺜﻼﺛﺔ ﻋﻮاﻣﻞ‪:‬‬ ‫‪The Three-Factor Mixed ANOVA:‬‬ ‫ﻴﻤﻜﻥ ﺘﻁﺒﻴﻕ ﺠﻤﻴﻊ ﺍﻹﺠﺭﺍﺀﺍﺕ ﻭﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻘﺴﻡ‬

‫ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺼل ﻭﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ‬

‫ﺍﻟﻌﺎﻤﻠﻴﻥ ﺃﻴﻀﹰﺎ ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﺍﻟﺜﻼﺜﺔ ﻋﻭﺍﻤل‪،‬‬ ‫ﻭﻗﺩ ﻗﺩﻤﻨﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﻁﺭﻴﻘﺔ ﻟﺘﺤﺩﻴﺩ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ ﻤﺤﺩﺩ ﺤﻴﺙ ﻴﺘﻡ ﻭﻀﻊ‬

‫ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻴﻥ ﺃﻗﻭﺍﺱ ﻓﻴﻌﺭﻑ ﺍﻟﺘﺼﻤﻴﻡ )‪ A*(B‬ﺒﺄﻨﻪ ﺘﺼﻤﻴﻡ ﻟﺘﺠﺭﺒﺔ‬ ‫ﻤﺨﺘﻠﻁﺔ ﺒﻌﺎﻤﻠﻴﻥ ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺍﻟﻌﺎﻤل ‪ A‬ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﻟﻌﺎﻤل ‪ B‬ﺩﺍﺨل‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻘﺴﻡ ﺴﻭﻑ ﻨﻘﻭﻡ ﺒﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺘﺼﻤﻴﻤﻴﻥ‬

‫ﻤﻤﻜﻨﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﻟﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﺒﺜﻼﺙ ﻋﻭﺍﻤل ﻭﻫﻤﺎ ‪:‬‬

‫‪ .1‬ﺍﻟﺘﺠﺭﺒﺔ )‪ A*(B*C‬ﺒﻌﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪،‬‬ ‫‪ .2‬ﺍﻟﺘﺠﺭﺒﺔ )‪ A*B*(C‬ﺒﻌﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫‪ .1 .3 .10‬اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ )‪: A*(B*C‬‬ ‫ﻟﻨﻔﺘﺭﺽ ﺃﻨﻪ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻤﻥ ﻨﻭﻉ )‪ A*(B‬ﺍﻟﺘﻲ ﺘﻡ ﻭﺼﻔﻬﺎ ﻓﻲ ﻤﺜﺎل‬

‫ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﻨﺭﻏﺏ ﻓﻲ ﺇﻀﺎﻓﺔ ﻋﺎﻤل ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺁﺨﺭ ‪ C‬ﻭﻫﻭ ﻨﻤﻁ‬

‫ﺘﻅﻠﻴل ﺍﻟﺸﻜل )‪ Solidity (of the shape‬ﻭﻟﻪ ﻤﺴﺘﻭﻴﻴﻥ ﻓﻘﻁ ﻫﻤﺎ ‪ :‬ﻤﺨﻁﻁ ﻤﻔﺭﻍ‬

‫‪ Outline‬ﻭﻤﻅﻠل ‪ ، Solid‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺠﻤﻴﻊ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ )ﺴﻭﺍﺀ ﻁﻠﺒﺔ ﻋﻠﻡ‬

‫ﺍﻟﻨﻔﺱ ﺃﻭ ﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ( ﻻﺒﺩ ﺃﻥ ﺘﻤﻴﺯ ﺒﻴﻥ ﺠﻤﻴﻊ ﺍﻷﺸﻜﺎل ﺍﻟﻤﻅﻠﻠﺔ ﻭﺍﻟﻤﺨﻁﻁ ﺍﻟﻤﻔﺭﻍ‬

‫ﻟﻜل ﻤﻥ ﺍﻟﻤﺜﻠﺜﺎﺕ ﻭﺍﻟﻤﺭﺒﻌﺎﺕ ﻭﺍﻟﻤﺴﺘﻁﻴﻼﺕ‪ ،‬ﻭﺒﺫﻟﻙ ﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﺘﺠﺭﺒﺔ ﻤﻥ ﻨﻭﻉ‬ ‫)‪ A*(B*C‬ﺘﺤﺘﻭﻱ ﻋﻠﻰ ‪ 6‬ﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪Data‬‬

‫‪ Editor‬ﻓﻲ ﻨﻅﺎﻡ ‪ ، SPSS‬ﻭﻜل ﻤﺘﻐﻴﺭ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﻟﺘﺸﻜﻴﻠﺔ ﻤﻥ ﻤﺴﺘﻭﻴﻲ ﻜل‬ ‫ﻤﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ﻭﻋﺎﻤل ﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪366‬‬

‫ﻗﺩ ﻴﻜﻭﻥ ﻤﻨﺎﺴﺒﹰﺎ )ﻭﻟﻜﻥ ﻟﻴﺱ ﻀﺭﻭﺭﻴﹰﺎ( ﺘﺭﺘﻴﺏ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ‬ ‫ﻨﻅﺎﻡ ‪ SPSS‬ﺒﻁﺭﻴﻘﺔ ﻤﻨﺘﻅﻤﺔ ﺒﺤﻴﺙ ﻴﺅﺨﺫ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل ﻷﺤﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻊ ﺠﻤﻴﻊ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺜﺎﻨﻲ‪ ،‬ﻴﻠﻴﻪ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ ﻟﻠﻤﺘﻐﻴﺭ ﺍﻷﻭل ﻤﻊ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ‬

‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺜﺎﻨﻲ‪ ،‬ﻭﻫﻜﺫﺍ ‪ ،..‬ﻭﺒﺫﻟﻙ ﻴﻅﻬﺭ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪12-10‬‬ ‫ﺍﻟﺘﺎﻟﻲ‪.‬‬

‫ﺸﻜل ‪ : 12-10‬ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻓﻲ ﻨﻅﺎﻡ ‪ SPSS‬ﻴﺒﻴﻥ ﺸﻜل‬ ‫ﻤﺘﻐﻴﺭﺍﺕ ﻟﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﺜﻼﺙ ﻋﻭﺍﻤل ﻤﻥ ﻨﻭﻉ )‪A*(B*C‬‬

‫ﻭﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻟﻬﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺘﺘﺒﻊ ﻨﻔﺱ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ‬

‫ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل‪ ،‬ﻭﻟﻜﻥ ﻴﺠﺏ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻭﺍﻟﺤﺫﺭ‬ ‫ﺍﻟﻤﻤﻜﻨﻴﻥ ﻋﻨﺩ ﺇﺯﺍﺤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ‬

‫ﺍﻟﻌﺎﻤﺔ‪ :‬ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪ ، GLM - Repeated Measures‬ﻭﺘﺫﻜﺭ ﺃﻥ ﺘﺭﺘﻴﺏ‬ ‫ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﻗﺩ ﻴﻜﻭﻥ ﺃﺒﺠﺩﻴﹰﺎ ﻭﻟﻴﺱ ﺒﻨﻔﺱ ﺘﺭﺘﻴﺒﻬﺎ ﻓﻲ ﻤﺤﺭﺭ‬

‫ﺍﻟﺒﻴﺎﻨﺎﺕ)ﻴﺘﻭﻗﻑ ﻋﻠﻰ ﻁﺭﻴﻘﺔ ﻋﺭﺽ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ﻜﻤﺎ ﺘﻡ ﺘﻌﺭﻴﻔﻬﺎ ﻓﻲ ﻨﻅﺎﻡ‬

‫‪ ، (SPSS‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻴﺤﺴﻥ ﺃﻥ ﻨﻘﻭﻡ ﺒﺈﺯﺍﺤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺤﺩﹰﺍ ﺘﻠﻭ ﺍﻵﺨﺭ ﺇﻟﻰ‬ ‫ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Within-Subjects Variables‬ﻟﻠﺘﺄﻜﺩ ﻤﻥ‬

‫ﺩﺨﻭل ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﻟﺘﺭﺘﻴﺏ ﺍﻟﺼﺤﻴﺢ‪ ،‬ﻭﺘﻅﻬﺭ ﻓﻲ ﺸﻜل ‪ 13-10‬ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﺎﺫﺝ‬ ‫ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ‪ :‬ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪ GLM - Repeated Measures‬ﻭﻗﺩ ﺘﻡ ﺒﻬﺎ ﻤلﺀ‬

‫ﺠﻤﻴﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ‪.‬‬

‫ﻨﻘﻁﺔ ﺃﺨﺭﻯ ﻓﻲ ﺘﺤﻠﻴل ﻨﺘﺎﺌﺞ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ ﺃﻭ‬ ‫ﺃﻜﺜﺭ ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﻫﻲ ﻀﺭﻭﺭﺓ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻋﻨﺩ ﺍﻻﺴﺘﻜﺸﺎﻑ ﺍﻷﻭﻟﻲ ﻟﺒﻴﺎﻨﺎﺕ ﻫﺫﻩ‬ ‫ﺍﻟﺘﺠﺎﺭﺏ ﻨﻅﺭﹰﺍ ﻟﻠﻁﺭﻴﻘﺔ ﺍﻟﺘﻲ ﻴﻔﺭﻀﻬﺎ ﺍﻟﺘﺼﻤﻴﻡ ﻋﻠﻰ ﻋﻤﻠﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺍﻟﺘﻲ‬

‫ﺘﺘﻌﺎﺭﺽ ﺃﺤﻴﺎﻨﹰﺎ ﻤﻊ ﺍﻟﻁﺭﻕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻹﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻤﻥ ﺃﺠل ﺘﻨﻔﻴﺫ ﺘﻠﻙ ﺍﻷﻭﺍﻤﺭ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪367‬‬

‫ﺸﻜل ‪ : 13-10‬ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ -‬ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪GLM - Repeated‬‬ ‫‪ Measures‬ﻟﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤﻠﻲ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ )‪A*(B*C‬‬

‫‪ .2 .3 .10‬اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ )‪: A*B*(C‬‬ ‫ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻴﺸﺘﻤل ﺘﺼﻤﻴﻡ ﺍﻟﺘﺠﺭﺒﺔ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻫﻤﺎ ‪A‬‬

‫ﻭ ‪ B‬ﻭﻋﺎﻤل ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﺤﺩ ﻭﻫﻭ ‪ ، C‬ﻭﻟﻨﻔﺭﺽ ﺃﻨﻨﺎ ﻨﺭﻏﺏ ﻓﻲ‬ ‫ﺇﻀﺎﻓﺔ ﻋﺎﻤل ﺘﺠﺭﺒﺔ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺠﺩﻴﺩ ﺇﻟﻰ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ )‪ A*(B‬ﺍﻟﺘﻲ ﺘﻡ‬

‫ﻭﺼﻔﻬﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ‪ .2 .10‬ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل ﻭﻫﻭ ﻋﺎﻤل ﻨﻭﻉ ﺍﻟﻁﺎﻟﺏ ‪Sex‬‬

‫)ﺒﺎﻟﻤﺴﺘﻭﻴﻴﻥ‪ :‬ﺫﻜﺭ ‪ Male‬ﻭﺃﻨﺜﻰ ‪ ،(Female‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺠﻤﻴﻊ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ‬

‫)ﺴﻭﺍﺀ ﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ ﺃﻡ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻭﻜﺫﻟﻙ ﺫﻜﻭﺭ ﻜﺎﻨﻭﺍ ﺃﻡ ﺇﻨﺎﺙ( ﻴﺠﺏ ﻋﻠﻴﻬﻡ ﺃﻥ‬

‫ﻴﺘﻌﺭﻓﻭﺍ ﻋﻠﻰ ﺍﻷﺸﻜﺎل ﺍﻟﺜﻼﺜﺔ )ﺍﻟﻤﺜﻠﺙ ﻭﺍﻟﻤﺭﺒﻊ ﻭﺍﻟﻤﺴﺘﻁﻴل(‪ ،‬ﻭﺒﺫﻟﻙ ﻓﺈﻥ ﺍﻟﺘﺠﺭﺒﺔ ﻓﻲ‬ ‫ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻫﻲ ﻤﻥ ﻨﻭﻉ )‪ A*B*(C‬ﺍﻵﻥ ‪.‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪368‬‬

‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻤﺘﻐﻴﺭﻴﻥ ﺘﺼﻨﻴﻑ ﺍﻵﻥ ﻫﻤﺎ ﺍﻟﺘﺨﺼﺹ‬ ‫‪ category‬ﻭﺍﻟﺠﻨﺱ ‪ sex‬ﻭﻫﻨﺎﻙ ﺃﻴﻀﹰﺎ ﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬ ‫ﻫﻲ‪ :‬ﺍﻟﻤﺜﻠﺙ ‪ triangle‬ﻭﺍﻟﻤﺭﺒﻊ ‪ square‬ﻭﺍﻟﻤﺴﺘﻁﻴل ‪ ، rectangle‬ﻭﻜل ﻤﻥ‬ ‫ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻟﻬﺫﺍ ﺍﻟﻌﺎﻤل ﺴﺘﻤﺜل ﺒﻤﺘﻐﻴﺭ ﻜﻤﺎ ﺴﺒﻕ‪ ،‬ﻭﺒﺫﻟﻙ ﻓﺈﻨﻪ ﺴﻴﻅﻬﺭ ﻓﻲ‬

‫ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻟﻨﻅﺎﻡ ‪ SPSS‬ﺨﻤﺱ ﻤﺘﻐﻴﺭﺍﺕ ﻓﻘﻁ ﺒﺨﻤﺱ ﺃﻋﻤﺩﺓ‬

‫ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﻋﻤﻭﺩ ﺭﻗﻡ ﺍﻟﻤﻔﺭﺩﺓ ‪ case‬ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ‪.‬‬

‫ﻭﺴﻴﺘﻡ ﺍﺘﺒﺎﻉ ﺠﻤﻴﻊ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻓﻲ ﺘﺤﻠﻴل ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ‪ ،‬ﺍﻻﺨﺘﻼﻑ‬ ‫ﺍﻟﻭﺤﻴﺩ ﻫﻨﺎ ﺴﻴﻜﻭﻥ ﻋﻨﺩ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺤﻴﺙ ﺴﻴﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻴﺩ ﺍﻟﺠﻨﺱ ‪sex‬‬

‫ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻌﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )‪ ، Between-Subjects Factor(s‬ﻭﺴﺘﺒﺩﻭ‬ ‫ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ‪ :‬ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪GLM - Repeated Measures‬‬

‫ﻭﻗﺩ ﺘﻡ ﺒﻬﺎ ﻤلﺀ ﺠﻤﻴﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ‬

‫ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 4-10‬ﺃﺩﻨﺎﻩ‪.‬‬

‫‪ .4 .10‬ﺗﺤﻠﻴﻞ اﻵﺛﺎر اﻟﺒﺴﻴﻄﺔ واﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﺘﺎﻟﻴﺔ ‪:‬‬ ‫‪Simple Effects and Multiple Comparisons:‬‬ ‫ﻴﻌﺘﺒﺭ ﻤﻭﻀﻭﻉ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺃﺤﺩ ﺍﻟﻤﻭﺍﻀﻴﻊ ﺍﻟﻜﺒﻴﺭﺓ ﻓﻲ ﺍﻹﺤﺼﺎﺀ‪ ،‬ﻭﻫﻨﺎﻙ‬

‫ﺃﺴﺎﻟﻴﺏ ﺃﺨﺭﻯ ﻜﺜﻴﺭﺓ ﺘﺘﻌﻠﻕ ﺒﻬﺫﺍ ﺍﻷﺴﻠﻭﺏ ﻭﺃﻜﺒﺭ ﻤﻥ ﻗﺩﺭﺘﻨﺎ ﻋﻠﻰ ﻋﺭﻀﻬﺎ ﺠﻤﻴﻌﻬﺎ‬

‫ﻓﻲ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ‪ ،‬ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻋﻨﺩ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺒﺄﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺒﻴﻥ‬

‫ﺍﻟﻌﻭﺍﻤل ﻴﻜﻭﻥ ﻤﻥ ﺍﻟﻤﻔﻴﺩ ﺃﻥ ﻨﻘﻭﻡ ﺒﺈﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺘﺒﺎﻴﻥ ﺃﻭﻟﻰ ﻻﺨﺘﺒﺎﺭﺍﺕ ﺇﻀﺎﻓﻴﺔ ﻵﺜﺎﺭ‬ ‫ﺃﺤﺩ ﺍﻟﻌﻭﺍﻤل ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻴﻥ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺁﺨﺭ‪ ،‬ﻤﺜل ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ‬

‫ﻟﻶﺜﺎﺭ ﺍﻟﺒﺴﻴﻁﺔ ﻴﻤﻜﻥ ﺃﻥ ﺘﺠﺭﻯ ﺠﻨﺒﹰﺎ ﺇﻟﻰ ﺠﻨﺏ ﻤﻊ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ‬ ‫ﻭﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ‪ ،‬ﻭﻴﻤﻜﻥ ﻟﻠﻤﺴﺘﺨﺩﻡ ﺍﻟﻐﻴﺭ ﻤﻁﻠﻊ ﻋﻠﻰ ﺘﻔﺎﺼﻴل ﻫﺫﻩ ﺍﻷﺴﺎﻟﻴﺏ ﺃﻥ‬

‫ﻴﻌﻭﺩ ﺇﻟﻰ ﻤﺭﺠﻊ ﺒﺴﻴﻁ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﻭﻀﻭﻉ ﻤﺜل )‪. Howell (1997‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪369‬‬

‫ﺸﻜل ‪ : 14-10‬ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ -‬ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪GLM - Repeated‬‬ ‫‪ Measures‬ﻟﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤﻠﻲ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ )‪A*B*(C‬‬

‫ﻭﻫﻨﺎ ﻴﻤﻜﻥ ﺃﻥ ﻨﺫﻜﺭ ﺍﻟﻘﺎﺭﺉ ﺒﺄﻥ ﺍﻷﺨﻁﺎﺭ ﺍﻟﻨﺎﺠﻤﺔ ﻋﻥ ﺍﻟﻭﻗﻭﻉ ﻓﻲ ﺍﻟﺨﻁﺄ ﻤﻥ‬

‫ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﻓﻲ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﺘﺘﻔﺎﻗﻡ ﻜﻠﻤﺎ ﺯﺍﺩ ﺘﺼﻤﻴﻡ‬

‫ﺍﻟﺘﺠﺭﺒﺔ ﺘﻌﻘﻴﺩﹰﺍ ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻫﺫﺍ ﻴﺘﻁﻠﺏ ﻤﻥ ﺍﻟﺒﺎﺤﺙ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻭﺍﻟﺤﺫﺭ ﺍﻟﻼﺯﻤﻴﻥ‬

‫ﻟﻠﺘﺤﻜﻡ ﻓﻲ ﻤﻌﺩل ﺍﻟﺨﻁﺄ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﺍﻟﻜﻠﻲ ‪ ،‬ﻓﺎﺴﺘﺨﺩﺍﻡ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻟﻶﺜﺎﺭ‬ ‫ﺍﻟﺒﺴﻴﻁﺔ ﻴﻤﻜﻥ ﺃﻥ ﻴﻌﻁﻲ ﺃﺤﺩ ﺍﻟﻤﺒﺭﺭﺍﺕ ﻟﺘﺤﺩﻴﺩ ﻤﺠﻤﻭﻋﺔ ﺃﺼﻐﺭ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ‬ ‫ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﻭﺒﺫﻟﻙ ﻴﺯﻴﺩ ﻤﻥ ﻗﻭﺓ ﻜل ﺍﺨﺘﺒﺎﺭ‪.‬‬

‫ﻓﻲ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ )‪ A*(B*C‬ﻋﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﺭﺒﻤﺎ ﻴﻘﻭﺩ ﺍﻟﺤﺼﻭل‬

‫ﻋﻠﻰ ﺘﻔﺎﻋل ﺜﻼﺜﻲ ‪ ABC‬ﻤﻌﻨﻭﻱ ﺇﻟﻰ ﺍﻟﺸﻙ ﻓﻲ ﺃﻥ ﻴﻜﻭﻥ ﺍﻟﺘﻔﺎﻋل ‪ B*C‬ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‬ ‫‪ A‬ﻭ ‪ B‬ﻏﻴﺭ ﻤﺘﺠﺎﻨﺱ ﻓﻲ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪.A‬‬

‫)‪ (10‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ‬

‫‪370‬‬

‫ﻭﻜﻤﺎ ﻫﻭ ﻤﺘﺒﻊ ﻤﻊ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻓﺈﻥ ﺍﻟﺘﻔﺎﻋل ﺍﻟﺒﺴﻴﻁ ﻓﻲ ﺍﺘﺠﺎﻫﻴﻥ‬ ‫ﻫﻭ ﻤﺎ ﻴﻤﻜﻥ ﺃﺨﺫﻩ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻭﺍﺤﺩ ﻓﻘﻁ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ‬ ‫ﻫﻨﺎﻙ ﺘﻔﺎﻋﻼﺕ ‪ BC‬ﺒﺴﻴﻁﺔ ﻋﻨﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ‪ A1 , A2 , ....... , Aa‬ﻟﻠﻌﺎﻤل ‪، A‬‬

‫ﻭﻜﺫﻟﻙ ﻫﻨﺎﻙ ﺘﻔﺎﻋﻼﺕ ‪ AB‬ﺒﺴﻴﻁﺔ ﻋﻨﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ‪ C1 , C2 , ....... , Cc‬ﻟﻠﻌﺎﻤل ‪C‬‬

‫ﻭﻫﻜﺫﺍ ‪ ، ...‬ﻭﻴﻘﺎل ﺃﻥ ﺍﻟﺘﻔﺎﻋل ﺍﻟﺜﻼﺜﻲ ‪ ABC‬ﻴﻘﻊ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺘﻔﺎﻋﻼﺕ ﺍﻟﺜﻨﺎﺌﻴﺔ‬ ‫ﺍﻟﺒﺴﻴﻁﺔ ﻏﻴﺭ ﻤﺘﺠﺎﻨﺴﺔ ﻋﻨﺩ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ‪.‬‬

‫ﻭﻴﻤﻜﻥ ﺇﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻟﻠﺒﺤﺙ ﻋﻥ ﺍﻟﺘﻔﺎﻋﻼﺕ ﺍﻟﺜﻨﺎﺌﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ‪ BC‬ﻋﻨﺩ‬ ‫ﻤﺴﺘﻭﻴﺎﺕ ﻤﻌﻴﻨﺔ ﻟﻠﻌﺎﻤل ‪ A‬ﻋﻥ ﻁﺭﻴﻕ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

‫ﺒﺎﻟﻌﺎﻤﻠﻴﻥ ‪ B‬ﻭ‪ C‬ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻤﻥ ﻫﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻘﻁ‪ ،‬ﻭﻋﻨﺩﻤﺎ ﻴﺘﺒﻴﻥ ﺃﻥ ﻫﻨﺎﻙ‬

‫ﺘﻔﺎﻋل ﺒﺴﻴﻁ ﻴﻤﻜﻥ ﻋﻨﺩﺌ ٍﺫ ﺍﻟﻤﺘﺎﺒﻌﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﺘﻲ ﺘﻡ ﺸﺭﺤﻬﺎ ﻓﻲ ﺍﻟﻔﺼل‬

‫ﺍﻟﺴﺎﺒﻕ ﻹﺠﺭﺍﺀ ﻤﻘﺎﺭﻨﺎﺕ ﻤﺘﺘﺎﻟﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻷﺯﻭﺍﺝ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ‪ B‬ﻭ ‪C‬‬

‫ﻋﻨﺩ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﻤﻁﻠﻭﺏ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ‪ ، A‬ﻭﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﺴﺎﺒﻘﹰﺎ ﻓﺈﻨﻪ ﻴﻤﻜﻥ‬ ‫ﺇﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻟﻶﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ )ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ‬

‫ﺒﺴﻴﻁﺔ( ﻭﺫﻟﻙ ﻟﺘﺒﺭﻴﺭ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﻤﺠﻤﻭﻋﺔ ﻤﺤﺩﺩﺓ ﻓﻘﻁ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‪.‬‬ ‫ﻭﻟﻜﻥ ﻴﺠﺏ ﺃﻥ ﻨﺤﺫﺭ ﻫﻨﺎ ﺃﻨﻪ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻤﻌﻘﺩﺓ ﻓﺈﻥ ﻫﻨﺎﻙ‬

‫ﻤﺨﺎﻁﺭﺓ ﻓﻲ ﺃﻥ ﺘﻅﻬﺭ ﺒﻌﺽ ﺍﻟﺘﻔﺎﻋﻼﺕ ﻤﻌﻨﻭﻴﺔ ﺒﺎﻟﺼﺩﻓﺔ ﻓﻘﻁ‪ ،‬ﻓﺈﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل‬

‫ﻤﻌﻴﻥ ﺠﻭﻫﺭﻱ ﻭﻫﺎﻡ ﻟﻠﺒﺤﺙ ﻓﺈﻨﻪ ﻴﻔﻀل ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﺃﺨﺭﻯ ﺘﺭﻜﺯ‬

‫ﻋﻠﻰ ﺃﺩﺍﺀ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺒﺤﺙ ﻓﻲ ﻅل ﺘﻠﻙ ﺍﻟﺸﺭﻭﻁ ﻟﻠﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﺍﺘﺠﺎﻩ ﺍﻟﺘﻔﺎﻋل ﺍﻟﻤﻼﺤﻅ‬

‫ﺤﻘﻴﻘﺔ ﻗﻭﻱ ‪ ،‬ﻭﺇﺫﺍ ﻟﻡ ﻴﻜﻥ ﻜﺫﻟﻙ ﻓﺈﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺒﺤﺙ ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﺒﻨﻴﺕ ﻋﻠﻰ ﺍﻟﺼﺩﻓﺔ‬ ‫ﻭﻟﻜﻨﻬﺎ ﻗﺩ ﺘﻜﻭﻥ ﻏﻴﺭ ﺤﻘﻴﻘﻴﺔ‪.‬‬