Spsschap8

‫]‪àÚ^nÖ]<Ø’ËÖ‬‬ ‫‪íé×Ú^ÃÖ]<>l^ÂçÛ]<°e><h…^rjÖ]<Øé× ‬‬ ‫)‪Factorial Experiments (Between Subjects‬‬

‫‪ .1 .8‬ﻣﻘﺪﻣﺔ‬ ‫‪ .2 .8‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻟﻌﺎﻣﻠﻲ ﻓﻲ ﻧﻈﺎم ‪:SPSS‬‬ ‫‪ .3 .8‬ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‬ ‫‪ .4 .8‬اﻻﺧﺘﺒﺎرات اﻟﻤﺘﻌﺪدة اﻟﻐﻴﺮ ﻣﺨﻄﻂ ﻟﻬﺎ ‪ -‬اﺧﺘﺒﺎر ﺗﻴﻮآﻲ ‪:‬‬ ‫‪ .5 .8‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻟﻌﺎﻣﻠﻲ ﻓﻲ اﻟﺘﺠﺎرب ﺑﺄآﺜﺮ ﻣﻦ ﻋﺎﻣﻠﻴﻦ‪:‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪272‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪273‬‬

‫]‪àÚ^nÖ]<Ø’ËÖ‬‬ ‫‪íé×Ú^ÃÖ]<>l^ÂçÛ]<°e><h…^rjÖ]<Øé× ‬‬ ‫)‪Factorial Experiments (Between Subjects‬‬ ‫‪ .1 .8‬ﻣﻘﺪﻣﺔ‪:‬‬ ‫ﻴﻘﺼﺩ ﺒﺎﻟﻌﺎﻤل ‪ Factor‬ﻓﻲ ﻫﺫﺍ ﺍﻟﺴﻴﺎﻕ ﻨﻭﻉ ﻤﻌﻴﻥ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻴﻨﺘﺞ ﻋﻥ‬

‫ﺘﺠﺭﺒﺔ ﺼﻤﻤﺕ ﺒﻁﺭﻴﻘﺔ ﻤﻌﻴﻨﺔ ﻭﺫﻟﻙ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺍﻟﺒﻨﺩ ‪ 5-1‬ﻤﻥ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ‪،‬‬

‫ﻭﻜﻤﺎ ﺘﻡ ﺫﻜﺭﻩ ﻗﺩ ﻴﻜﻭﻥ ﻫﺫﺍ ﺍﻟﻌﺎﻤل ﻤﺘﻐﻴﺭ ﻜﻤﻲ ﺤﻘﻴﻘﻲ ﻤﺴﺘﻘل ﺃﻭ ﻤﺘﻐﻴﺭ ﺘﺼﻨﻴﻑ ﻤﺜل‬ ‫ﺍﻟﻨﻭﻉ ﺃﻭ ﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﺃﻭ ﻁﺒﻘﺎﺕ ﻭﺸﺭﺍﺌﺢ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﻤﺠﺘﻤﻊ ﺍﻟﺩﺭﺍﺴﺔ‪ ،‬ﻭﻟﻘﺩ ﺘﻡ‬

‫ﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺤﺎﻟﺔ ﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﺍﺕ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺤﻴﺩ‬

‫ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ‪ ،‬ﻭﻟﻘﺩ ﺘﻡ ﺃﻴﻀﹰﺎ ﺍﻟﺘﻌﺭﺽ ﺇﻟﻰ ﺃﻨﻭﺍﻉ ﺍﻟﺒﺤﻭﺙ ﺍﻟﺘﺠﺭﻴﺒﻴﺔ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ‬ ‫ﺍﻟﺒﻨﺩ ‪ 5-1‬ﻭﺍﻟﺘﻌﺭﻑ ﺃﻴﻀﹰﺎ ﻋﻠﻰ ﺘﺠﺎﺭﺏ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ‪ ،‬ﻭﻋﺭﻓﻨﺎ ﺃﻥ ﺍﻟﺘﺠﺎﺭﺏ‬

‫ﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ ﺃﻭ ﺃﻜﺜﺭ ﺘﻌﺭﻑ ﺒﺎﺴﻡ ﺍﻟﺘﺼﻤﻴﻤﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻟﻠﺘﺠﺎﺭﺏ‬

‫‪ ، Factorial Designs‬ﻭﻓﻲ ﺃﺒﺴﻁ ﺼﻭﺭﻩ ﻴﺤﺘﻭﻱ ﻫﺫﺍ ﺍﻟﺘﺼﻤﻴﻡ ﻋﻠﻰ ﻋﻴﻨﺔ ﻤﻥ‬ ‫ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻜل ﺘﺸﻜﻴﻠﺔ ﻤﺨﺘﻠﻔﺔ ﻤﻤﻜﻨﺔ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻫﺫﺍ ﺍﻟﻌﺎﻤل‪ ،‬ﻤﺜل ﺘﻠﻙ‬

‫ﺍﻟﺘﺼﻤﻴﻡ ﻴﻌﺭﻑ ﺒﺎﺴﻡ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬ ‫‪ factorial design‬ﺃﻭ ﺍﻟﺘﺼﻤﻴﻡ ﻜﺎﻤل ﺍﻟﻌﺸﻭﺍﺌﻴﺔ‬

‫‪Between subjects‬‬

‫‪Completely randomized‬‬

‫‪ design‬ﻭﺫﻟﻙ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺍﻟﻔﺼل ﺍﻷﻭل ﻤﻥ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ‪.‬‬ ‫ﻭﻴﻤﻜﻥ ﺘﻭﻀﻴﺢ ﻤﺎ ﺴﺒﻕ ﺒﻤﺜﺎل ﻋﻠﻰ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻴﺘﻌﻠﻕ ﺒﺄﺤﺩ ﺍﻟﺒﺤﻭﺙ‬

‫ﺍﻟﺤﺩﻴﺜﺔ‪ ،‬ﻓﺎﻹﻤﻜﺎﻨﻴﺎﺕ ﺍﻟﺠﺩﻴﺩﺓ ﻻﺴﺘﺨﺩﺍﻤﺎﺕ ﺍﻟﺤﺎﺴﻭﺏ ﻋﻥ ﻁﺭﻴﻕ ﺘﻁﻭﺭ ﻁﺭﻕ‬

‫ﺍﻟﺭﺴﻭﻤﺎﺕ ﺠﻌﻠﺕ ﻤﻥ ﺍﻟﻤﻤﻜﻥ ﺍﺨﺘﺒﺎﺭ ﻗﺩﺭﺓ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻋﻠﻰ ﺍﻟﺘﺤﻜﻡ ﻓﻲ ﺴﻴﺎﺭﺍﺘﻬﻡ ﻋﻥ‬

‫ﻁﺭﻴﻕ ﻤﺤﺎﻜﺎﺓ ﺃﻨﻭﺍﻉ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﺍﻟﺸﻭﺍﺭﻉ ﻭﺍﻟﺴﻴﺎﺭﺍﺕ ﻭﺍﻟﺴﺭﻋﺔ ﻋﻠﻰ ﺸﺎﺸﺔ‬

‫ﺍﻟﺤﺎﺴﻭﺏ ﻭﻗﻴﺎﺱ ﻗﺩﺭﺓ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻋﻠﻰ ﺍﻟﺘﺤﻜﻡ ﻓﻲ ﺍﻟﻅﺭﻭﻑ ﺍﻟﺼﻌﺒﺔ ﻟﻠﻘﻴﺎﺩﺓ ﻤﻜﺘﺒﻴﹰﺎ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪274‬‬

‫ﻭﺫﻟﻙ ﺒﺨﻠﻕ ﺼﻭﺭ ﻟﻬﺫﻩ ﺍﻟﺴﻴﺎﺭﺍﺕ ﺍﻟﻤﺘﺤﺭﻜﺔ ﺒﺴﺭﻋﺎﺕ ﻤﺨﺘﻠﻔﺔ ﻓﻲ ﻅﺭﻭﻑ ﻭﺃﻨﻭﺍﻉ‬ ‫ﻤﻥ ﺍﻟﺸﻭﺍﺭﻉ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻭﺘﻭﻓﻴﺭ ﺃﺠﻬﺯﺓ ﻟﻠﺘﺤﻜﻡ ﻓﻲ ﺤﺭﻜﺔ ﻫﺫﻩ ﺍﻟﺼﻭﺭ ﺒﻭﺍﺴﻁﺔ ﺃﺩﻭﺍﺕ‬

‫ﺘﺤﻜﻡ ﺘﺸﺒﻪ ﺇﻟﻰ ﺤﺩ ﺒﻌﻴﺩ ﻏﺭﻓﺔ ﺍﻟﻘﻴﺎﺩﺓ ﻭﺃﺩﻭﺍﺕ ﺍﻟﺘﺤﻜﻡ ﺒﻬﺎ ﺘﻤﺎﻤﺎﹰ‪ ،‬ﻭﻓﻲ ﻤﺜل ﻫﺫﻩ‬ ‫ﺍﻟﺘﺠﺭﺒﺔ ﻴﻤﻜﻥ ﺍﺨﺘﺒﺎﺭ ﻗﺩﺭﺓ ﺍﻟﺴﺎﺌﻕ ﻋﻠﻰ ﺍﻟﺘﺤﻜﻡ ﻭﺫﻟﻙ ﺒﺘﻐﻴﻴﺭ ﺜﻼﺙ ﻋﻭﺍﻤل ﻤﺨﺘﻠﻔﺔ‬

‫ﻤﺜل ﻀﻐﻁ ﺍﻟﺴﻴﺎﺭﺍﺕ ﻓﻲ ﺍﻟﺸﺎﺭﻉ ﻭﻁﺒﻴﻌﺔ ﺍﻟﺸﺎﺭﻉ ﻨﻔﺴﻪ ﻭﺍﻟﺤﺎﻻﺕ ﺍﻟﻤﺤﺭﺠﺔ ﻓﻲ‬

‫ﺍﻟﻘﻴﺎﺩﺓ ﻭﺍﻟﺘﻲ ﺘﺘﻁﻠﺏ ﺘﺼﺭﻑ ﻏﻴﺭ ﻋﺎﺩﻱ ﻤﻥ ﺍﻟﺴﺎﺌﻕ‪.‬‬

‫ﻭﻤﺜﺎل ﺁﺨﺭ‪ ،‬ﻴﺭﻏﺏ ﺃﺤﺩ ﺍﻟﺒﺎﺤﺜﻴﻥ ﻓﻲ ﺍﻟﻤﺠﺎل ﺍﻟﻁﺒﻲ ﻓﻲ ﺩﺭﺍﺴﺔ ﺘﺄﺜﻴﺭ ﻨﻭﻋﻴﻥ‬ ‫ﻤﻥ ﺍﻟﻌﻘﺎﻗﻴﺭ ﺍﻟﺤﺩﻴﺜﺔ ﺍﻟﻤﻀﺎﺩﺓ ﻟﻠﺤﻤﻰ ‪ A‬ﻭ ‪ B‬ﻋﻠﻰ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ‪ ،‬ﺤﻴﺙ ﻜﺎﻥ ﻤﻥ‬

‫ﺍﻟﻤﻌﺘﻘﺩ ﺃﻥ ﺃﺤﺩ ﻫﺫﻴﻥ ﺍﻟﻨﻭﻋﻴﻥ ﻤﻥ ﺍﻟﻌﻘﺎﻗﻴﺭ ﻋﻠﻰ ﺍﻷﻗل ﻟﻪ ﺘﺄﺜﻴﺭ ﻤﺨﺘﻠﻑ ﻭﺫﻟﻙ ﻋﻠﻰ‬

‫ﺤﺎﻟﺘﻴﻥ ﻤﺨﺘﻠﻔﺘﻴﻥ ﻤﻥ ﺤﺎﻻﺕ ﻴﻘﻅﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻭﻫﻤﺎ ﺤﺎﻟﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻌﺎﺩﻴﻴﻥ )ﺍﻟﺫﻴﻥ ﺒﺩﺀﻭﺍ‬ ‫ﺍﻟﻘﻴﺎﺩﺓ ﺒﻌﺩ ﻗﺴﻁ ﻤﻥ ﺍﻟﺭﺍﺤﺔ( ﻭﺤﺎﻟﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ‪ ،‬ﻭﺘﺭﻏﺏ ﺸﺭﻜﺔ ﺘﺼﻨﻴﻊ ﻫﺫﻴﻥ‬ ‫ﺍﻟﻌﻘﺎﺭﻴﻥ ﻤﻥ ﺍﻟﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﺃﻱ ﻤﻥ ﺍﻟﻌﻘﺎﺭﻴﻥ ﻟﻴﺱ ﻟﻪ ﺘﺄﺜﻴﺭ ﺴﻠﺒﻲ ﻋﻠﻰ ﻗﺩﺭﺓ ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫ﻋﻠﻰ ﺍﻟﻘﻴﺎﺩﺓ ﺍﻟﺴﻠﻴﻤﺔ‪ ،‬ﻭﻗﺭﺭ ﺍﻟﺒﺎﺤﺙ ﺍﻟﺘﺎﺒﻊ ﻟﻬﺫﻩ ﺍﻟﺸﺭﻜﺔ ﺇﺠﺭﺍﺀ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ‪:‬‬ ‫‪ .1‬ﺍﻟﻌﻘﺎﺭ ‪ ،‬ﺒﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ‪ :‬ﺩﻭﻥ ﻋﻘﺎﺭ ﻭ ‪ A‬ﻭ ‪، B‬‬ ‫‪ .2‬ﻴﻘﻅﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ‪ ،‬ﺒﻤﺴﺘﻭﻴﻴﻥ ﺍﻟﻌﺎﺩﻴﻴﻥ ﻭﺍﻟﻤﺭﻫﻘﻴﻥ ‪.‬‬

‫ﻭﻁﻠﺏ ﻤﻥ ﺠﻤﻴﻊ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺸﺘﺭﻜﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺘﻨﺎﻭل ﺃﺤﺩ ﺃﻨﻭﺍﻉ‬

‫ﺍﻟﻤﺸﺭﻭﺒﺎﺕ ﺍﻟﺨﻔﻴﻔﺔ ﺍﻟﺘﻲ ﺘﻡ ﻗﺴﻤﺘﻬﺎ ﺇﻟﻰ ﺜﻼﺙ ﺃﻗﺴﺎﻡ‪ ،‬ﻋﻭﻟﺞ ﺍﻟﻘﺴﻡ ﺍﻷﻭل ﻤﻨﻬﺎ ﺒﺎﻟﻌﻘﺎﺭ‬

‫‪ A‬ﻭﺍﻟﻘﺴﻡ ﺍﻟﺜﺎﻨﻲ ﺒﺎﻟﻌﻘﺎﺭ ‪ B‬ﻭﺍﻟﻘﺴﻡ ﺍﻷﺨﻴﺭ ﺘﺭﻙ ﺒﺩﻭﻥ ﻋﻘﺎﺭ ﻜﻤﺠﻤﻭﻋﺔ ﺘﺤﻜﻡ‪ ،‬ﻭﺘﻡ‬

‫ﺘﺫﻭﻴﺏ ﺠﺭﻋﺎﺕ ﻤﺘﺴﺎﻭﻴﺔ ﻤﻥ ﻜل ﻤﻥ ﺍﻟﻌﻘﺎﺭﻴﻥ ﻓﻲ ﺍﻟﻘﺴﻤﻴﻥ ﺍﻷﻭل ﻭﺍﻟﺜﺎﻨﻲ ﻤﻥ‬ ‫ﺍﻟﻤﺸﺭﻭﺒﺎﺕ‪ ،‬ﻭﻗﺩ ﺘﻡ ﺇﻋﻁﺎﺀ ﻫﺫﺍ ﺍﻟﻤﺸﺭﻭﺏ ﻟﻠﺴﺎﺌﻘﻴﻥ ﺒﻌﺩ ﺃﻥ ﺘﻡ ﻗﺴﻤﺘﻬﻡ ﺇﻟﻰ ﻗﺴﻤﻴﻥ‬

‫ﻤﺘﺴﺎﻭﻴﻴﻥ‪ ،‬ﺍﻟﻘﺴﻡ ﺍﻷﻭل ﻤﻨﻬﻡ ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻤﺸﺭﻭﺏ ﻓﻲ ﺒﺩﺍﻴﺔ ﻋﻤﻠﻬﻡ ﻭﻫﻡ ﺒﻜﺎﻤل ﻴﻘﻅﺘﻬﻡ‬

‫ﻭﺍﻟﻘﺴﻡ ﺍﻟﺜﺎﻨﻲ ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻤﺸﺭﻭﺏ ﺒﻌﺩ ﻤﻜﻭﺜﻬﻡ ‪ 20‬ﺴﺎﻋﺔ ﻤﺘﻭﺍﺼﻠﺔ ﺒﺩﻭﻥ ﻨﻭﻡ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪275‬‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺘﻡ ﺇﺠﺭﺍﺀ ﺍﻟﻘﻴﺎﺴﺎﺕ ﻋﻠﻰ ﻋﻴﻨﺔ ﻤﻥ ‪ 10‬ﺴﺎﺌﻘﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﻓﻲ‬

‫ﻜل ﻤﻥ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﺴﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ‪ ،‬ﻭﻫﻲ‪) :‬ﺍﻟﻴﻘﻅ‪ ،‬ﺍﻟﺘﺤﻜﻡ(‪،‬‬

‫)ﺍﻟﻴﻘﻅ‪ ،‬ﻋﻘﺎﺭ ‪) ،(A‬ﺍﻟﻴﻘﻅ‪ ،‬ﻋﻘﺎﺭ ‪) ،(B‬ﺍﻟﻤﺭﻫﻕ‪ ،‬ﺍﻟﺘﺤﻜﻡ(‪) ،‬ﺍﻟﻤﺭﻫﻕ‪ ،‬ﻋﻘﺎﺭ ‪،(A‬‬

‫)ﺍﻟﻤﺭﻫﻕ‪ ،‬ﻋﻘﺎﺭ ‪ ، (B‬ﻻﺤﻅ ﺃﻨﻪ ﻓﻲ ﻫﺫﺍ ﺍﻟﺘﺼﻤﻴﻡ ﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﺃﻱ ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‬ ‫ﻤﻭﺠﻭﺩ ﻓﻲ ﺘﺸﻜﻴﻠﺔ ﻤﻊ ﺠﻤﻴﻊ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻷﺨﺭﻯ ﻟﻠﻌﺎﻤل ﺍﻵﺨﺭ‪ ،‬ﻭﻴﻘﺎل ﻋﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻨﻬﻤﺎ ﻤﺘﻘﺎﻁﻌﻴﻥ ‪ ، cross‬ﻭﻫﻨﺎﻙ ﺒﻌﺽ ﺍﻟﺘﺼﻤﻴﻤﺎﺕ ﻟﻠﺘﺠﺎﺭﺏ ﺍﻟﺘﻲ‬

‫ﻴﻜﻭﻥ ﻓﻴﻬﺎ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻏﻴﺭ ﻤﺘﻘﺎﻁﻌﻴﻥ‪ ،‬ﺃﻱ ﻟﻥ ﺘﻜﻭﻥ ﺠﻤﻴﻊ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺃﻱ ﻤﻥ‬ ‫ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺘﺸﻜﻴﻼﺕ ﻤﻊ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ‪ ،‬ﻭﻟﻜﻨﻨﺎ ﻟﻥ ﻨﺘﻌﺎﻤل‬ ‫ﻤﻊ ﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻻﺕ ﻓﻲ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ‪.‬‬

‫ﻭﻴﻤﻜﻥ ﺘﻤﺜﻴل ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﺠﺩﻭل ﺤﻴﺙ ﻴﻤﺜل ﻜل ﺼﻑ ﻓﻴﻪ ﻤﺴﺘﻭﻯ‬

‫ﻤﻌﻴﻥ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺃﺤﺩ ﺍﻟﻌﺎﻤﻠﻴﻥ‪ ،‬ﻭﻜﺫﻟﻙ ﻴﻤﺜل ﻜل ﻋﻤﻭﺩ ﻓﻲ ﺍﻟﺠﺩﻭل ﻤﺴﺘﻭﻯ ﻤﻌﻴﻥ‬ ‫ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻤﺜل ﻜل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﺘﺸﻜﻴﻠﺔ ﻤﻥ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻭﺫﻟﻙ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 1-8‬ﺤﻴﺙ ﻨﺠﺩ ﺃﻥ ﻜل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﺘﻤﺜل‬

‫ﺃﺤﺩ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﺴﺕ‪ ،‬ﻭﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﺴﺎﺌﻘﻴﻥ ﻤﺸﺎﺭﻜﻴﻥ ﻭﺘﻡ ﺠﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻥ ﺃﺩﺍﺀ‬ ‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﻓﻲ ﻗﻴﺎﺩﺓ ﺍﻟﺴﻴﺎﺭﺓ ﻓﻲ ﻜل ﻤﻥ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﺴﺕ‪.‬‬

‫ﺸﻜل ‪ : 1-8‬ﻤﺨﻁﻁ ﻟﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻜﺎﻤل ﺍﻟﻌﺸﻭﺍﺌﻴﺔ‪ ،‬ﻋﺎﻤﻠﻴﻪ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ‬ ‫‪A Completely Randomized, two-factorial experiment‬‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‬

‫ﻤﺴﺘﻭﻯ‬ ‫ﻴﻘﻅﺔ‬

‫ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ‬

‫ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﻘﺎﺭ ‪A‬‬

‫ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﻘﺎﺭ ‪B‬‬

‫ﺍﻟﻴﻘﻅﻴﻥ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪(1‬‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪(2‬‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪(3‬‬

‫ﺍﻟﻤﺭﻫﻘﻴﻥ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪(4‬‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪(5‬‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪(6‬‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪276‬‬

‫ﻟﻨﻔﺭﺽ ﺃﻨﻪ ﺘﻡ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺠﺭﺒﺔ ﻭﻜﺎﻨﺕ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﻤﻘﺎﻴﻴﺱ ﺃﺩﺍﺀ‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﻓﻲ ﻜل ﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺴﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺘﺤﺕ ﺘﺄﺜﻴﺭ ﺘﺸﻜﻴﻼﺕ ﺍﻟﻤﻌﺎﻟﺠﺎﺕ‬

‫ﺍﻟﻤﺨﺘﻠﻔﺔ ﻜﻤﺎ ﻫﻭ ﻤﻭﻀﺢ ﻓﻲ ﺸﻜل ‪ 2-8‬ﺍﻟﺘﺎﻟﻲ‪ ،‬ﺤﻴﺙ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺼﻔﻭﻑ ﻭﺍﻷﻋﻤﺩﺓ‬

‫ﻓﻲ ﺍﻟﺠﺩﻭل )ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺠﺎﻨﺒﻴﺔ( ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ‬ ‫ﻤﻥ ﻜل ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺒﺸﻜل ﻤﺴﺘﻘل ﻭﺒﺼﺭﻑ ﺍﻟﻨﻅﺭ ﻋﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ‪.‬‬

‫ﺸﻜل ‪ : 2-8‬ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﻤﻘﺎﻴﻴﺱ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻓﻲ ﻜل ﻤﺠﻤﻭﻋﺔ ﺘﺤﺕ ﺘﺄﺜﻴﺭ‬ ‫ﺘﺸﻜﻴﻼﺕ ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ‬

‫ﻤﺴﺘﻭﻯ ﻴﻘﻅﺔ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‬ ‫ﻤﺠﻤﻭﻋﺔ‬

‫ﺘﻨﺎﻭﻟﻭﺍ‬

‫ﺍﻟﻌﻘﺎﺭ ‪A‬‬

‫ﺍﻟﻌﻘﺎﺭ ‪B‬‬

‫ﺍﻟﻴﻘﻅﻴﻥ‬

‫‪21.0‬‬

‫‪12.0‬‬

‫‪22.0‬‬

‫‪18.3‬‬

‫ﺍﻟﻤﺭﻫﻘﻴﻥ‬

‫‪10.0‬‬

‫‪18.0‬‬

‫‪16.0‬‬

‫‪14.7‬‬

‫ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ‬

‫‪15.5‬‬

‫‪15.0‬‬

‫‪19.0‬‬

‫‪16.5‬‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫ﺍﻟﺘﺤﻜﻡ‬

‫ﺘﻨﺎﻭﻟﻭﺍ‬

‫ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ‬

‫ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺫﺍﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻴﻭﺠﺩ ﻋﺎﺩﺓ ﻨﻭﻋﻴﻥ ﻤﻥ ﺍﻵﺜﺎﺭ ‪:effects‬‬ ‫‪ .1‬ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ‪، Main Effects‬‬

‫‪ .2‬ﺍﻟﺘﻔﺎﻋﻼﺕ ‪. Interactions‬‬

‫ﻭﻴﻤﺜل ﻋﻤﻭﺩ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﺎﻤﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل ‪ 2-8‬ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ‬

‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻘﻴﺎﺩﺓ ﻟﻠﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﺍﻟﺫﻴﻥ ﺘﻌﺭﻀﻭﺍ ﻟﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ﺍﻟﺜﻼﺜﺔ‬

‫ﺍﻟﻤﺨﺘﻠﻔﺔ ﺒﺼﺭﻑ ﺍﻟﻨﻅﺭ ﻋﻥ ﻤﺴﺘﻭﻯ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ‪ ،‬ﻭﺒﺎﻟﻤﺜل ﻴﻤﺜل ﺼﻑ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫ﺍﻟﻌﺎﻤﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻘﻴﺎﺩﺓ ﻟﻠﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﻓﻲ ﻤﺴﺘﻭﻴﻲ‬ ‫ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ﺃﻱ ﺤﺎﻟﺘﻲ ﺍﻟﺭﺍﺤﺔ ﻭﺍﻹﺭﻫﺎﻕ ﺒﺼﺭﻑ ﺍﻟﻨﻅﺭ ﻋﻥ ﺍﻟﻌﻘﺎﺭ ﺍﻟﺫﻱ ﺘﻨﺎﻭﻟﻭﻩ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪277‬‬

‫ﻭﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻤﻥ ﻋﺎﻤل‬

‫ﺍﻟﻌﻘﺎﻗﻴﺭ ﻜﺒﻴﺭﺓ ﻟﺩﺭﺠﺔ ﺃﻨﻬﺎ ﺘﺩل ﻋﻠﻰ ﻭﺠﻭﺩ ﻓﺭﻕ ﺤﻘﻴﻘﻲ ﻓﻲ ﺍﻟﻤﺠﺘﻤﻊ ﻓﺈﻨﻪ ﻴﻘﺎل ﺃﻥ‬ ‫ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ‪ ، main effect‬ﻭﺒﺎﻟﻤﺜل ﻋﻨﺩﻤﺎ ﻴﻜﻭﻥ ﺍﻟﻔﺭﻕ‬

‫ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﻤﺴﺘﻭﻴﻲ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻜﺒﻴﺭ ﻟﺩﺭﺠﺔ ﺃﻨﻬﺎ ﺘﺩل ﻋﻠﻰ ﻭﺠﻭﺩ ﻓﺭﻕ ﺤﻘﻴﻘﻲ‬

‫ﻓﻲ ﺍﻟﻤﺠﺘﻤﻊ ﻓﺈﻨﻪ ﻴﻘﺎل ﺃﻥ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ‪main effect‬‬

‫ﺃﻴﻀﹰﺎ‪.‬‬

‫ﻭﺒﺼﻔﺔ ﻋﺎﻤﺔ‪ ،‬ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺇﺫﺍ ﻜﺎﻨﺕ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻏﻴﺭ‬ ‫ﻤﺘﺴﺎﻭﻴﺔ ﻓﻲ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺃﻱ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﻓﺈﻨﻪ ﻴﻘﺎل ﺃﻥ ﺫﻟﻙ ﺍﻟﻌﺎﻤل ﻴﺤﺘﻭﻱ ﻋﻠﻰ‬

‫ﺃﺜﺭ ﺭﺌﻴﺴﻲ ‪ ، main effect‬ﻭﺤﻴﺙ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻕ ﻤﻠﺤﻭﻅ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻬﺎﻤﺸﻴﺔ‬

‫ﻓﻲ ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل ‪ 2-8‬ﻓﺈﻨﻪ ﻤﻥ ﺍﻟﻤﻤﻜﻥ ﻜﻤﺎ ﻴﺒﺩﻭ ﺃﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺃﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ‬

‫ﻟﻜل ﻤﻥ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ﻭﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ‪ ،‬ﻭﺒﺎﻻﻨﺘﻘﺎل ﺇﻟﻰ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻓﻲ‬ ‫ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل ‪ 2-8‬ﻭﺍﻟﺘﻤﻌﻥ ﺒﻬﺎ ﻴﺘﻀﺢ ﺃﻥ ﻨﺘﻴﺠﺔ ﺍﻟﺘﺠﺭﺒﺔ ﺘﺩل ﻋﻠﻰ ﺃﻥ ﻫﻨﺎﻙ‬ ‫ﻤﻼﻤﺢ ﺃﺨﺭﻯ ﻤﻠﻔﺘﺔ ﻟﻠﻨﻅﺭ‪ ،‬ﻓﺈﺫﺍ ﻨﻅﺭﻨﺎ ﻓﻘﻁ ﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﺴﻨﺭﻯ ﺃﻥ‬

‫ﻫﻨﺎﻙ ﺘﻐﻴﺭ ﻤﻠﺤﻭﻅ ﻓﻲ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻨﺘﻴﺠﺔ ﺘﻌﺎﻁﻴﻬﻡ ﻟﻠﻌﻘﺎﺭ ‪ ، A‬ﻭﻫﺫﺍ ﻴﻌﻨﻲ ﺃﻥ‬

‫ﺠﺭﻋﺔ ﻤﻥ ﻫﺫﺍ ﺍﻟﻌﻘﺎﺭ ﺴﻭﻑ ﻴﻜﻭﻥ ﻟﻬﺎ ﺘﺄﺜﻴﺭ ﺴﻠﺒﻲ ﻜﺒﻴﺭ ﻋﻠﻰ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ‪ ،‬ﻭﻤﻥ‬

‫ﺠﻬﺔ ﺃﺨﺭﻯ ﻓﺈﻥ ﺍﻟﻌﻘﺎﺭ ‪ B‬ﻟﻴﺱ ﻟﻪ ﻨﻔﺱ ﺍﻟﺘﺄﺜﻴﺭ‪ ،‬ﻓﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﺍﻟﺫﻴﻥ‬ ‫ﺘﻨﺎﻭﻟﻭﺍ ﻫﺫﺍ ﺍﻟﻌﻘﺎﺭ ﻴﺒﺩﻭ ﺃﻨﻪ ﺇﻟﻰ ﺤﺩ ﻜﺒﻴﺭ ﻤﺸﺎﺒﻪ ﻟﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﻤﻥ‬ ‫ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ‪ ،‬ﺒﻴﻨﻤﺎ ﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﻤﺠﻤﻭﻋﺔ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﻴﺒﺩﻭ ﺃﻨﻪ ﻴﻌﻁﻲ‬

‫ﻨﺘﺎﺌﺞ ﻤﺨﺘﻠﻔﺔ ﺘﻤﺎﻤﺎﹰ‪ ،‬ﻓﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﻤﻨﻬﻡ ﺍﻟﻌﻘﺎﺭ ‪ A‬ﻴﺘﺴﺎﻭﻯ ﺇﻟﻰ ﺤﺩ ﺒﻌﻴﺩ‬ ‫ﻤﻊ ﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ‪ ،‬ﻭﻜﺫﻟﻙ ﻓﺈﻨﻪ ﻴﺒﺩﻭ ﺃﻥ ﺍﻟﻌﻘﺎﺭ‪ B‬ﻴﺤﻘﻕ ﺘﺤﺴﻥ ﻤﻠﺤﻭﻅ‬

‫ﻓﻲ ﻤﺘﻭﺴﻁ ﺍﻷﺩﺍﺀ ﻋﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺸﻜﻭﻙ ﺍﻟﺒﺎﺤﺙ ﻗﺩ ﺍﺘﻀﺤﺕ‬

‫ﺍﻵﻥ ﺒﺄﻥ ﺍﻟﻌﻘﺎﺭ ‪ A‬ﻴﺤﻘﻕ ﺘﺤﺴﻥ ﻓﻲ ﻤﺴﺘﻭﻯ ﺍﻷﺩﺍﺀ ﻟﻠﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﻭﻟﻜﻥ ﻴﺒﺩﻭ ﺃﻥ‬

‫ﻟﻪ ﻤﻔﻌﻭل ﻋﻜﺴﻲ ﻋﻠﻰ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪278‬‬

‫ﻭﺍﻵﻥ‪ ،‬ﻴﻁﻠﻕ ﻋﻠﻰ ﺃﺜﺭ ﺃﺤﺩ ﺍﻟﻌﻭﺍﻤل )ﻤﺜل ﻋﺎﻤل ﺍﻟﻌﻘﺎﺭ( ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﺤﺩﺩ‬

‫ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ )ﻤﺜل ﻤﺴﺘﻭﻯ ﻤﺠﻤﻭﻋﺔ ﺍﻟﻴﻘﻅﻴﻥ ﻓﻘﻁ ﻓﻲ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ(‬ ‫ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﺒﺴﻴﻁ ‪ Simple main effect‬ﻟﻠﻌﺎﻤل ﺍﻷﻭل ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﺤﺩﺩ ﻤﻥ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ‪ ،‬ﻭﺘﻭﺠﺩ ﺃﻴﻀﹰﺎ ﺃﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﺒﺴﻴﻁﺔ ﻟﻌﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻋﻨﺩ‬

‫ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻌﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‪ ،‬ﻭﻫﻲ ﺘﻀﻌﻑ ﻤﻊ ﺍﻟﻌﻘﺎﺭ ‪ B‬ﻭﺘﻜﺒﺭ ﻓﻲ ﺍﻟﺤﻘﻴﻘﺔ‬ ‫ﻤﻊ ﺍﻟﻌﻘﺎﺭ ‪ ، A‬ﻭﺇﺫﺍ ﻟﻡ ﻴﺤﺘﻭﻱ ﺃﻱ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﻋﻠﻰ ﻨﻔﺱ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ‬

‫ﻟﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ ﻓﺈﻨﻪ ﻴﻘﺎل ﺃﻥ ﺫﻟﻙ ﺍﻟﻌﺎﻤل ﻴﺘﻔﺎﻋل ‪ interact‬ﻤﻊ ﺍﻟﻌﺎﻤل‬ ‫ﺍﻵﺨﺭ‪ ،‬ﻭﻴﻘﺩﻡ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻟﻠﺒﻴﺎﻨﺎﺕ ﻤﻥ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫ﺍﺨﺘﺒﺎﺭﺍﺕ ﻋﻠﻰ ﻭﺠﻭﺩ ﻜل ﻤﻥ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺍﻟﺘﻔﺎﻋﻼﺕ‬

‫‪ interactions‬ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل‪.‬‬

‫ﻭﻴﻤﻜﻥ ﺘﺼﻭﻴﺭ ﺍﻟﺘﻔﺎﻋﻼﺕ ‪ interactions‬ﺍﻟﺘﻲ ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﺒﻴﺎﻨﻴﹰﺎ ﻓﻲ ﺸﻜل‬

‫ﻴﺸﺒﻪ ﺃﺸﻜﺎل ﺍﻻﻨﺘﺸﺎﺭ ﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻤﻘﺎﺒل ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﻘﺎﻗﻴﺭ ﺍﻟﺜﻼﺙ )ﺍﻨﻅﺭ‬

‫ﺸﻜل ‪ ،(3-8‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻤﻨﺤﻨﻰ ﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻴﺄﺨﺫ ﺸﻜل‬ ‫ﺤﺭﻑ ‪ V‬ﻭﻤﻨﺤﻨﻰ ﺁﺨﺭ ﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﺍﻟﺫﻱ ﻴﺄﺨﺫ ﺸﻜل ﻤﻌﺎﻜﺱ‬ ‫ﺘﻘﺭﻴﺒﺎﹰ‪ ،‬ﻭﻴﺘﻀﺢ ﻤﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﺃﻥ ﻋﺩﻡ ﺍﻟﺘﺠﺎﻨﺱ ﺒﻴﻥ ﺍﻟﻤﻨﺤﻨﻴﻴﻥ ﻋﻠﻰ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ‬

‫ﺃﺤﺩ ﺍﻟﻌﻭﺍﻤل ﻴﺩل ﻋﻠﻰ ﻭﺠﻭﺩ ﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‪ ،‬ﺃﻱ ﺃﻨﻪ ﻁﺎﻟﻤﺎ ﺃﻥ ﺍﻟﻤﻨﺤﻨﻴﻴﻥ ﻏﻴﺭ‬

‫ﻤﺘﻭﺍﺯﻴﻴﻥ ﻓﺈﻥ ﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﻭﺠﻭﺩ ﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‪ ،‬ﻭﻓﻲ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬

‫ﻋﻤﻭﻤﺎ ﻴﺸﺎﺭ ﺇﻟﻰ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ‪ A‬ﻭ ‪ B‬ﺒﺎﻟﺭﻤﺯ ‪ A×B‬ﺃﻭ ﺒﺎﺨﺘﺼﺎﺭ ‪. AB‬‬

‫ﺠﺒﺭﻴﺎﹰ‪ ،‬ﻴﻤﻜﻥ ﺇﺜﺒﺎﺕ ﺃﻥ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻭﺍﻟﺘﻔﺎﻋﻼﺕ ﻤﺴﺘﻘﻠﺔ ﻋﻥ ﺒﻌﻀﻬﺎ‬ ‫ﺍﻟﺒﻌﺽ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻤﻥ ﺍﻟﻤﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺃﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﻤﻌﻨﻭﻴﺔ ﺒﻴﻨﻤﺎ ﻻ ﺘﻭﺠﺩ‬

‫ﺘﻔﺎﻋﻼﺕ ﻤﻌﻨﻭﻴﺔ ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل‪ ،‬ﻭﺍﻟﻌﻜﺱ ﻴﻤﻜﻥ ﺃﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋﻼﺕ ﻤﻌﻨﻭﻴﺔ ﺒﻴﻥ‬

‫ﺍﻟﻌﻭﺍﻤل ﺒﻴﻨﻤﺎ ﻻ ﺘﻭﺠﺩ ﺃﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﻤﻌﻨﻭﻴﺔ‪ ،‬ﻭﻟﻠﻤﺯﻴﺩ ﻤﻥ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺤﻭل ﺫﻟﻙ ﻴﻤﻜﻥ‬ ‫ﺍﻟﻌﻭﺩﺓ ﺇﻟﻰ ﻜﺘﺎﺏ )‪. Gravetter & Wallnau (1997‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪279‬‬

‫ﺸﻜل ‪ : 3-8‬ﻨﻤﻭﺫﺝ ﻟﺸﻜل ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ‬ ‫‪A Pattern of cell Means Suggestive of an Interaction‬‬ ‫‪24‬‬ ‫‪22‬‬ ‫‪20‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪14‬‬

‫‪Alertness‬‬

‫‪12‬‬

‫‪Fresh‬‬

‫‪10‬‬ ‫‪8‬‬

‫‪Tired‬‬ ‫‪Drug B‬‬

‫‪Placebo‬‬

‫‪Drug A‬‬

‫‪Drug Treatment‬‬

‫‪ .2 .8‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻟﻌﺎﻣﻠﻲ ﻓﻲ ﻧﻈﺎم ‪:SPSS‬‬ ‫‪Factorial ANOVA with SPSS :‬‬ ‫ﻟﺘﻭﻀﻴﺢ ﻁﺭﻴﻘﺔ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻅﺎﻡ ‪ SPSS‬ﺴﺘﺄﺨﺫ ﺍﻟﺒﻴﺎﻨﺎﺕ‬

‫ﺍﻟﻜﺎﻤﻠﺔ ﻟﻠﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺫﺍﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﻌﻘﺎﻗﻴﺭ × ﺍﻟﻴﻘﻅﺔ ﻭﺍﻟﻤﻭﻀﺤﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﻓﻲ‬

‫ﺸﻜل ‪ 4-8‬ﺍﻟﺘﺎﻟﻲ‪.‬‬

‫ﺒﺎﺩﺉ ﺫﻱ ﺒﺩﺀ ﻤﻥ ﺍﻷﻫﻤﻴﺔ ﺒﻤﻜﺎﻥ ﺍﺴﺘﺨﺩﺍﻡ ﻤﺘﻐﻴﺭﻴﻥ ﻟﻠﺘﺼﻨﻴﻑ ﻭﺫﻟﻙ ﻟﺘﻌﺭﻴﻑ‬ ‫ﺍﻟﻌﺎﻤﻠﻴﻥ ﻗﻴﺩ ﺍﻟﺩﺭﺍﺴﺔ ﻗﺒل ﺍﺴﺘﺨﺩﺍﻡ ﺃﻱ ﺃﻭﺍﻤﺭ ﺘﺘﻌﻠﻕ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ،ANOVA‬ﻫﺫﻴﻥ‬

‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻤﻬﻤﺘﻬﻤﺎ ﺘﻌﺭﻴﻑ ﺘﺸﻜﻴﻠﺔ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﺫﻴﻥ ﻤﻜﻨﺘﺎ ﻤﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺸﺎﻫﺩﺓ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪280‬‬

‫ﺍﻟﻤﻨﺎﻅﺭﺓ‪ ،‬ﻓﺈﺫﺍ ﺘﻡ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﻭﺍﺤﺩ ﻫﻭ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻕ ‪ drivperf‬ﻓﻲ‬

‫ﻅل ﻅﺭﻭﻑ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﻴﻘﻅﺔ ‪ alert‬ﻭﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﺍﻟﺫﻴﻥ ﻴﺸﻜﻼﻥ ﻤﺘﻐﻴﺭﻱ ﺘﺼﻨﻴﻑ‬ ‫ﻓﺈﻨﻪ ﻻ ﺒﺩ ﻤﻥ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻨﻅﺎﻡ ‪ SPSS‬ﻓﻲ ﺸﻜل ﺜﻼﺙ ﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﻷﺴﻤﺎﺀ‬

‫ﺍﻟﺴﺎﺒﻘﺔ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ ،5-8‬ﻻﺤﻅ ﺃﻥ ﺩﻟﻴل ﺍﻟﻘﻴﻡ ﺘﻅﻬﺭ ﻓﻲ ﺍﻟﺸﻜل ﻭﻟﻴﺱ ﻗﻴﻡ‬

‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ alert‬ﻭ ‪ drug‬ﺫﺍﺘﻬﻤﺎ‪.‬‬

‫ﺸﻜل ‪ : 4-8‬ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻜﺎﻤﻠﺔ ﻟﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﺘﺒﻴﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤﻠﻲ ﺍﻟﻴﻘﻅﺔ × ﺍﻟﻌﻘﺎﻗﻴﺭ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‬

‫ﻤﺴﺘﻭﻴﺎﺕ‬

‫ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ‬

‫ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ‬

‫ﺍﻟﻌﻘﺎﺭ ‪B‬‬

‫ﺍﻟﻌﻘﺎﺭ ‪A‬‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫‪24‬‬ ‫‪13‬‬ ‫‪16‬‬ ‫‪18‬‬ ‫‪24‬‬

‫‪25‬‬ ‫‪22‬‬ ‫‪23‬‬ ‫‪19‬‬ ‫‪26‬‬

‫‪18‬‬ ‫‪9‬‬ ‫‪16‬‬ ‫‪6‬‬ ‫‪8‬‬

‫‪8‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪9‬‬ ‫‪17‬‬

‫‪27‬‬ ‫‪19‬‬ ‫‪27‬‬ ‫‪19‬‬ ‫‪20‬‬

‫‪14‬‬ ‫‪29‬‬ ‫‪23‬‬ ‫‪17‬‬ ‫‪25‬‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫‪13‬‬ ‫‪14‬‬ ‫‪17‬‬ ‫‪4‬‬ ‫‪2‬‬

‫‪12‬‬ ‫‪16‬‬ ‫‪13‬‬ ‫‪3‬‬ ‫‪6‬‬

‫‪21‬‬ ‫‪22‬‬ ‫‪20‬‬ ‫‪11‬‬ ‫‪13‬‬

‫‪24‬‬ ‫‪23‬‬ ‫‪13‬‬ ‫‪17‬‬ ‫‪16‬‬

‫‪21‬‬ ‫‪14‬‬ ‫‪19‬‬ ‫‪14‬‬ ‫‪21‬‬

‫‪11‬‬ ‫‪22‬‬ ‫‪9‬‬ ‫‪11‬‬ ‫‪18‬‬

‫ﺍﻟﻴﻘﻅﻴﻥ‬

‫ﺍﻟﻤﻨﻬﻜﻴﻥ‬

‫ﻭﻟﻘﺩ ﺘﻡ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺸﻜل ‪ 5-8‬ﺒﺎﻟﻁﺭﻕ ﺍﻟﻤﻌﺭﻭﻓﺔ ﻤﻥ‬

‫ﺍﻟﻔﺼﻭل ﺍﻟﺴﺎﺒﻘﺔ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫• ﻋﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ ﺒﺎﻟﻁﺭﻕ ﺍﻟﺘﻲ ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻨﻲ ﻭﺍﺴﺘﺨﺩﻡ‬

‫ﺩﻟﻴل ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻹﻋﻁﺎﺀ ﺃﺴﻤﺎﺀ ﺫﺍﺕ ﻤﻌﻨﻰ ﻟﻬﺎ ﻤﺜل ‪ Alertness‬ﻭ ‪Drug treatment‬‬

‫ﻭ ‪. Driving performance‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫•‬

‫‪281‬‬

‫ﺍﺴﺘﺨﺩﻡ ﺃﻴﻀ ﹰﺎ ﺩﻟﻴل ﺍﻟﻘﻴﻡ ﻹﻋﻁﺎﺀ ﻤﻔﺎﺘﻴﺢ ﻟﻘﻴﻡ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ Alertness‬ﻭ ‪Drug‬‬

‫‪ treatment‬ﺍﻟﺫﻴﻥ ﻴﺸﻜﻼﻥ ﻤﻌﹰﺎ ﺍﻟﺸﺭﻁ ﺍﻟﺫﻱ ﻓﻲ ﻅﻠﻪ ﺘﻡ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺸﺎﻫﺩﺓ‪،‬‬

‫ﻓﻤﺘﻐﻴﺭ ﺍﻟﻴﻘﻅﺔ ‪ alert‬ﻴﺄﺨﺫ ﺍﻟﻘﻴﻤﺘﻴﻥ ‪ 1‬ﻭ ‪ 2‬ﻓﻘﻁ ﻭﻴﻤﻜﻥ ﺇﻋﻁﺎﺌﻬﻤﺎ ﺍﻟﺩﻟﻴﻠﻴﻥ ﻴﻘﻅ ‪Fresh‬‬

‫ﻭﻤﺭﻫﻕ ‪ Tired‬ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ‪ ،‬ﻭﻜﺫﻟﻙ ﻤﺘﻐﻴﺭ ﺍﻟﻌﻘﺎﻗﻴﺭ ﻴﺄﺨﺫ ﺍﻟﻘﻴﻡ ﺍﻟﺜﻼﺜﺔ ‪ 1‬ﻭ ‪ 2‬ﻭ ‪،3‬‬ ‫ﻭﻴﻤﻜﻥ ﺇﻋﻁﺎﺀ ﻜل ﻗﻴﻤﺔ ﻤﻨﻬﺎ ﺍﻟﺩﻟﻴل ‪ Placebo‬ﻭ‪ Drug A‬ﻭ‪ Drug B‬ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ‪.‬‬

‫• ﻴﻤﻜﻥ ﺒﻌﺩ ﺫﻟﻙ ﺍﺴﺘﺨﺩﺍﻡ ﺨﻭﺍﺹ ﺍﻟﺘﻌﺩﻴﻼﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻹﺩﺨﺎل ﻗﻴﻡ‬

‫ﻻ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ ﻟﺘﻅﻬﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ ،5-8‬ﺃﻭ ﻗﺩ ﺘﻅﻬﺭ ﺍﻟﻘﻴﻡ ﺫﺍﺘﻬﺎ ﺒﺩ ﹰ‬ ‫ﻤﻥ ﺩﻟﻴل ﺍﻟﻘﻴﻡ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺍﻟﺜﺎﻨﻲ ﻭﺍﻟﺜﺎﻟﺙ‪ ،‬ﻭﻴﻤﻜﻥ ﻓﻲ ﺘﻠﻙ ﺍﻟﺤﺎﻟﺔ ﺇﻅﻬﺎﺭ ﺩﻟﻴل ﺍﻟﻘﻴﻡ‬

‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻅﻬﺭ ‪ View‬ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪ SPSS‬ﻭﺘﻌﻠﻴﻡ ﺩﻟﻴل ﺍﻟﻘﻴﻡ‬

‫‪ Value Label‬ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ‪ ،‬ﻭﺃﺨﻴﺭﹰﺍ ﺍﺤﻔﻅ ﺍﻟﻤﻠﻑ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﻌﺭﻭﻓﺔ‪.‬‬

‫ﺸﻜل ‪ : 5-8‬ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻟﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ‬ ‫ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺘﻤﻬﻴﺩﹰﺍ ﻟﺘﺤﻠﻴﻬﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﻨﻅﺎﻡ ‪SPSS‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪282‬‬

‫ﻗﺒل ﺍﻟﺒﺩﺀ ﻓﻲ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻴﺤﺴﻥ ﺃﻥ ﻨﺒﺩﺃ ﺒﺎﺴﺘﻜﺸﺎﻑ‬

‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻥ ﻁﺭﻴﻕ ﺤﺴﺎﺏ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻜل‬ ‫ﻤﺠﻤﻭﻋﺔ ﻭﺫﻟﻙ ﻟﻠﺘﺄﻜﺩ ﻤﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ‪ ،‬ﻫﺫﻩ ﺍﻟﺨﻁﻭﺓ ﻀﺭﻭﺭﻴﺔ ﺇﺫ ﺃﻥ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ‬

‫ﺍﻟﺘﻲ ﺘﻨﺘﺞ ﻋﻨﻬﺎ ﺘﺴﺎﻋﺩ ﻓﻲ ﺘﻔﺴﻴﺭ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺨﺎﺼﺔ ﺒﺎﻟﺘﻔﺎﻋﻼﺕ ﺍﻟﻤﻌﻨﻭﻴﺔ ﺍﻟﺘﻲ ﻴﻤﻜﻥ ﺃﻥ‬ ‫ﺘﻅﻬﺭ ﺒﻌﺩ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‪.‬‬

‫ﻭﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻜل ﻤﺠﻤﻭﻋﺔ ﻤﻥ‬

‫ﺍﻟﻤﺠﻭﻋﺎﺕ ﺍﻟﺴﺕ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻤﻜﻥ ﺍﻟﻤﺭﻭﺭ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬

‫• ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ‪ Statistics) Summarize‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ (8.0‬ﻓﻲ‬ ‫ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪ SPSS‬ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪Compare‬‬

‫‪ Means‬ﻭﻤﻨﻬﺎ ﺍﺨﺘﺭ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ Means‬ﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺤﺴﺎﺏ‬ ‫ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪. Means‬‬

‫• ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻗﻡ ﺒﺈﺯﺍﺤﺔ ﺍﻟﻤﺘﻐﻴﺭ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ‪ drivperf‬ﻟﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﺘﺎﺒﻌﺔ ‪ ، Dependent List‬ﺜﻡ ﻗﻡ ﺒﺎﺨﺘﻴﺎﺭ ﻭﺇﺯﺍﺤﺔ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻴﻘﻅﺔ ‪ alert‬ﺇﻟﻰ ﻤﺭﺒﻊ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ ‪ ،Independent List‬ﻭﺍﻵﻥ ﻟﺘﻘﺴﻴﻡ ﺍﻟﺠﺩﻭل ﺤﺴﺏ ﻓﺌﺎﺕ ﻤﺘﻐﻴﺭ‬

‫ﺍﻟﺘﺼﻨﻴﻑ ﺍﻵﺨﺭ ﻭﻫﻭ ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﺍﺨﺘﺭ ﻤﺭﺒﻊ ﺍﻟﺘﺎﻟﻲ ‪ Next‬ﺍﻟﻤﻘﺎﺒل ﻟﻤﺭﺒﻊ‬

‫‪ Layer 1 of 1‬ﻭﻤﻥ ﺜﻡ ﺍﺨﺘﺭ ﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ ﺍﻵﺨﺭ ﺍﻟﺫﻱ ﺴﻴﺘﻡ ﺍﻟﺘﺼﻨﻴﻑ ﺍﻟﺘﺎﻟﻲ‬

‫ﻋﻠﻰ ﺃﺴﺎﺴﻪ ﻫﻭ ﻤﺘﻐﻴﺭ ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ ، drug‬ﻻﺤﻅ ﺃﻨﻪ ﺴﻭﻑ ﻴﺘﺤﻭل ﺍﻟﻤﺭﺒﻊ ‪Layer 1‬‬

‫‪ of 1‬ﺇﻟﻰ ‪ Layer 2 of 2‬ﻤﻭﻀﺤﹰﺎ ﺃﻥ ﻨﻅﺎﻡ ‪ SPSS‬ﺴﻭﻑ ﻴﺘﻌﺭﻑ ﻋﻠﻰ ﺘﺼﻨﻴﻑ ﺫﻭ‬ ‫ﺒﻌﺩﻴﻥ‪.‬‬

‫•‬

‫ﺃﺨﻴﺭﹰﺍ ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪Means‬‬

‫ﻭﻟﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 6-8‬ﺃﺩﻨﺎﻩ ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪283‬‬

‫ﺸﻜل ‪ : 6-8‬ﻨﺘﺎﺌﺞ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ Means‬ﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬ ‫‪ Compare Means‬ﻟﺒﻴﺎﻨﺎﺕ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﺘﺒﻴﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل‬ ‫‪Means‬‬ ‫‪Case Processing Summary‬‬ ‫‪Cases‬‬ ‫‪Total‬‬ ‫‪Percent‬‬

‫‪Excluded‬‬ ‫‪N‬‬

‫‪60 100.0%‬‬

‫‪Percent‬‬ ‫‪.0%‬‬

‫‪N‬‬ ‫‪0‬‬

‫‪Included‬‬ ‫‪Percen‬‬ ‫‪t‬‬ ‫‪60 100.0%‬‬

‫‪N‬‬ ‫‪Driver's Performance‬‬ ‫‪* Alertness * Drugs‬‬

‫‪Report‬‬ ‫‪Driver's Performance‬‬ ‫‪Drugs‬‬

‫‪Alertness‬‬

‫‪N‬‬

‫‪Std. Deviation‬‬

‫‪Mean‬‬

‫‪4.29‬‬

‫‪10‬‬

‫‪21.00‬‬

‫‪Placebo‬‬

‫‪Fresh‬‬

‫‪4.42‬‬

‫‪10‬‬

‫‪12.00‬‬

‫‪Drug A‬‬

‫‪4.94‬‬

‫‪10‬‬

‫‪22.00‬‬

‫‪Drug B‬‬

‫‪6.35‬‬

‫‪30‬‬

‫‪18.33‬‬

‫‪Total‬‬

‫‪5.66‬‬

‫‪10‬‬

‫‪10.00‬‬

‫‪Placebo‬‬

‫‪4.64‬‬

‫‪10‬‬

‫‪18.00‬‬

‫‪Drug A‬‬

‫‪4.78‬‬

‫‪10‬‬

‫‪16.00‬‬

‫‪Drug B‬‬

‫‪5.97‬‬

‫‪30‬‬

‫‪14.67‬‬

‫‪Total‬‬

‫‪7.47‬‬

‫‪20‬‬

‫‪15.50‬‬

‫‪Placebo‬‬

‫‪5.38‬‬

‫‪20‬‬

‫‪15.00‬‬

‫‪Drug A‬‬

‫‪5.65‬‬

‫‪20‬‬

‫‪19.00‬‬

‫‪Drug B‬‬

‫‪6.38‬‬

‫‪60‬‬

‫‪16.50‬‬

‫‪Total‬‬

‫‪Tired‬‬

‫‪Total‬‬

‫ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻓﻲ ﺍﻟﺸﻜل ﻤﻠﺨﺹ ﻋﻥ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ‪Case Processing‬‬

‫‪ Summary‬ﻭﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺩﺩ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺍﻟﺘﻲ ﺘﺩﺨل ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﻭﺇﻥ ﻜﺎﻥ ﻫﻨﺎﻙ‬ ‫ﻤﺸﺎﻫﺩﺍﺕ ﺴﻴﺘﻡ ﺍﺴﺘﺒﻌﺎﺩﻫﺎ‪ ،‬ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻫﻭ ﺍﻟﺘﻘﺭﻴﺭ ‪ Report‬ﻋﻠﻰ ﺸﻜل ﺠﺩﻭل‬

‫ﺒﻤﺘﻭﺴﻁﺎﺕ ﻭﺃﻋﺩﺍﺩ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻭﺍﻻﻨﺤﺭﺍﻓﺎﺕ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻜل ﻤﺠﻤﻭﻋﺔ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪284‬‬

‫ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ ﻨﺎﻗﺸﻨﺎ ﻜﻴﻔﻴﺔ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ﻟﺘﺠﺎﺭﺏ‬

‫ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ،ANOVA‬ﻭﻟﻜﻥ ﻟﺘﺤﻠﻴل ﺒﻴﺎﻨﺎﺕ‬ ‫ﻼ ﻭﺘﻌﻘﻴﺩﹰﺍ ﻴﺴﺘﺨﺩﻡ ﻨﻅﺎﻡ ‪ SPSS‬ﺃﺴﻠﻭﺏ ﺍﻟﻨﻤﺎﺫﺝ‬ ‫ﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﺃﻜﺜﺭ ﺘﺩﺍﺨ ﹰ‬

‫ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ )‪ General Linear Models (GLM‬ﻭﺫﻟﻙ ﻟﺩﺭﺍﺴﺔ ﻭﺘﺤﻠﻴل ﺍﻟﻌﻼﻗﺔ‬

‫ﻭﺍﻟﺘﺸﺎﺒﻙ ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺨﺘﻠﻔﺔ‪ ،‬ﻭﻴﻌﺩ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻭﻜﺫﻟﻙ ﺃﺴﻠﻭﺏ ﺍﻻﻨﺤﺩﺍﺭ‬

‫‪ Regression‬ﺤﺎﻻﺕ ﺨﺎﺼﺔ ﻤﻥ ﺘﻁﺒﻴﻘﺎﺕ ﺃﺴﻠﻭﺏ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ ‪General‬‬ ‫)‪ ، Linear Models (GLM‬ﻭﻟﺘﺒﺴﻴﻁ ﺍﺴﺘﺨﺩﺍﻡ ﻫﺫﺍ ﺍﻷﺴﻠﻭﺏ ﻴﻘﺩﻡ ﻨﻅﺎﻡ ‪SPSS‬‬

‫ﺜﻼﺙ ﺨﻴﺎﺭﺍﺕ ﺩﺍﺨل ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ‬

‫‪General Linear Models‬‬

‫)‪ (GLM‬ﻭﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﺜﻼﺙ ﺃﻭﺍﻤﺭ ﺨﺎﺼﺔ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺼﻤﻴﻤﺎﺕ‬

‫ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﺘﺠﺎﺭﺏ )ﺃﻨﻅﺭ ﺸﻜل ‪ ،(7-8‬ﻫﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ ﻫﻲ ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ ‪:‬‬

‫‪ .1‬ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ‪) Univariate‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ 11.0‬ﻤﻥ‬ ‫‪ SPSS‬ﻭﻴﻨﺎﻅﺭ ﺘﻤﺎﻤﺎﹰ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ‬

‫‪GLM-General‬‬

‫‪ Factorial‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ (8.0‬ﻭﻫﻭ ﻤﺎ ﺴﻴﻜﻭﻥ ﻤﻭﻀﻭﻉ ﺍﻟﻨﻘﺎﺵ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺼل‪.‬‬

‫‪ .2‬ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﻤﺘﻌﺩﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ GLM-Multivariate‬ﻭﻫﻭ ﺃﺴﻠﻭﺏ‬

‫ﻤﺘﻘﺩﻡ ﻓﻲ ﺘﺼﻤﻴﻡ ﻭﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ‪ ،‬ﻟﺫﺍ ﻓﺈﻥ ﻨﻘﺎﺵ ﺘﻔﺎﺼﻴﻠﻪ ﺴﻴﻜﻭﻥ ﺨﺎﺭﺝ ﻨﻁﺎﻕ‬

‫ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ‪.‬‬

‫‪ .3‬ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺫﻭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ‪، GLM-Repeated Measures‬‬ ‫ﻭﻫﺫﺍ ﺴﻴﻜﻭﻥ ﻤﻭﻀﻭﻉ ﻨﻘﺎﺸﻨﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺘﺎﻟﻲ ﻤﻥ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ‪.‬‬

‫ﻭﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ‪ Factorial ANOVA‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻱ ﻤﻥ‬ ‫ﺍﻹﺼﺩﺍﺭﻴﻥ ‪ 11.0‬ﺃﻭ ‪ 8.0‬ﻤﻥ ﻨﻅﺎﻡ ‪ SPSS‬ﻻﺒﺩ ﻤﻥ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل‬

‫ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ‪) Factorial ANOVA‬ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ‬ ‫ﻭﺤﻴﺩ ‪ Univariate‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ 11.0‬ﻤﻥ ‪ SPSS‬ﻭﻫﻲ ﺘﻨﺎﻅﺭ ﺘﻤﺎﻤﺎﹰ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ‬ ‫ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪ GLM-General Factorial‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ ( 8.0‬ﻭﺫﻟﻙ ﺒﺎﺨﺘﻴﺎﺭ‪:‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪285‬‬

‫ﺸﻜل ‪ : 7-8‬ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ )ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ‬ ‫ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ‪ Univariate‬ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺇﺼﺩﺍﺭ ‪ ) 11.0‬ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ‬

‫ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪ GLM-General Factorial‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ ( 8.0‬ﻤﻥ ﻨﻅﺎﻡ ‪. SPSS‬‬ ‫ﺇﺼﺩﺍﺭ ‪11.0‬‬

‫ﺇﺼﺩﺍﺭ ‪8.0‬‬

‫ﺸﻜل ‪ : 8-8‬ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ‪ :‬ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﻟﻤﺘﻐﻴﺭ‬

‫ﻭﺤﻴﺩ ‪ - Univariate‬ﺇﺼﺩﺍﺭ ‪) 11.0‬ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪GLM-General‬‬ ‫‪ -Factorial‬ﺇﺼﺩﺍﺭ ‪ (8.0‬ﻤﻥ ﺃﻤﺭ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ‪General Linear Model‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪286‬‬

‫‪ -‬ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ‪Analyze‬‬

‫ ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ )‪General Linear Models (GLM‬‬‫‪ -‬ﺃﻤﺭ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﺒﺴﻴﻁ ﺍﻟﻌﺎﻡ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ‪Univariate‬‬

‫ﻭﺫﻟﻙ ﻓﻲ ﺇﺼﺩﺍﺭ ‪ 11.0‬ﻭﻫﺫﺍ ﻴﻜﺎﻓﺊ ﻓﻲ ﺇﺼﺩﺍﺭ ‪: 8.0‬‬ ‫‪ -‬ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ‪Statistics‬‬

‫‪ -‬ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ )‪General Linear Models (GLM‬‬

‫‪ -‬ﺃﻤﺭ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪GLM-General Factorial‬‬

‫ﻭﻓﻲ ﻜﻠﺘﺎ ﺍﻟﺤﺎﻟﺘﻴﻥ ﺴﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ‬

‫‪ Univariate‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ 11.0‬ﻤﻥ ‪ SPSS‬ﺍﻟﻤﺸﺎﺒﻬﺔ ﺘﻤﺎﻤﺎﹰ ﻟﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ‬ ‫ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪ GLM-General Factorial‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ ، 8.0‬ﻭﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻓﻲ‬ ‫ﺍﻟﺤﺎﻟﺘﻴﻥ ﻤﻁﺎﺒﻘﺔ ﻟﺸﻜل ‪ 8-8‬ﺃﻋﻼﻩ ‪.‬‬

‫ﻭﺍﻵﻥ ﻴﺘﻡ ﺇﺯﺍﺤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﻌﺘﺎﺩﺓ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻓﻴﺤﻭل ﺍﻟﻤﺘﻐﻴﺭ‬

‫ﺍﻷﺴﺎﺴﻲ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ‪ drivperf‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ‬

‫‪Dependent‬‬

‫‪ Variables‬ﻭﻴﺤﻭل ﻤﺘﻐﻴﺭﻱ ﺍﻟﺘﺼﻨﻴﻑ ﺇﻟﻰ ﻤﺭﺒﻊ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺼﻨﻴﻑ‬

‫‪Fixed‬‬

‫)‪ ، Factor(s‬ﻭﻓﻲ ﺍﻟﺸﻜل ‪ 8-8‬ﺘﺒﺩﻭ ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻗﺩ ﺩﺨﻠﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻤﻭﻗﻌﻬﺎ‪.‬‬ ‫ﻭﺃﺨﻴﺭﹰﺍ ﻴﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ‬

‫‪. ANOVA‬‬

‫‪ .3 .8‬ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ ‪Analysis of Covariance (ANCOVA) :‬‬ ‫ﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﻫﻨﺎﻙ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﻀﻤﻥ ﻤﺭﺒﻌﺎﺕ ﺤﻭﺍﺭ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻨﺎﻓﺫﺓ‬

‫ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ‪ Univariate‬ﺘﺤﺕ ﻋﻨﻭﺍﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬

‫ﺍﻟﻤﺼﺎﺤﺒﺔ )‪ ، Covariate(s‬ﻭﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻫﻲ ﻨﻭﻉ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ ﻤﻥ‬

‫ﺍﻟﻤﺘﻭﻗﻊ ﺃﻥ ﻴﻜﻭﻥ ﻟﻬﺎ ﻋﻼﻗﺔ )ﻤﺭﺘﺒﻁﺔ( ﺒﺎﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺭﻏﻡ ﺃﻨﻬﺎ ﻟﻴﺴﺕ ﺫﺍﺕ ﺃﻫﻤﻴﺔ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪287‬‬

‫ﻤﺒﺎﺸﺭﺓ ﻟﻠﺒﺎﺤﺙ ﻓﻲ ﺍﻟﺘﺤﻠﻴل‪ ،‬ﻓﻌﻠﻰ ﺴﻴﺒل ﺍﻟﻤﺜﺎل ﻟﻨﻔﺭﺽ ﺃﻥ ﺠﻤﻴﻊ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﺫﻱ‬

‫ﺃﺠﺭﻴﺕ ﻋﻠﻴﻬﻡ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻴﻨﺘﻤﻭﻥ ﺇﻟﻰ ﻨﻘﺎﺒﺔ ﺃﻭ ﻤﺅﺴﺴﺔ ﻤﻌﻴﻨﺔ ‪ ،‬ﻭﻗﺩ ﻗﺎﻤﺕ ﻫﺫﻩ‬ ‫ﺍﻟﻤﺅﺴﺴﺔ ﺒﺈﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﺫﻜﺎﺀ ﻟﻬﺅﻻﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻭﺘﺘﻭﻓﺭ ﻟﻠﺒﺎﺤﺙ ﻨﺘﺎﺌﺞ ﺫﻟﻙ ﺍﻻﺨﺘﺒﺎﺭ‪،‬‬ ‫ﻓﻘﺩ ﻴﻜﻭﻥ ﻤﻔﻴﺩﹰﺍ ﻓﻲ ﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻤﻌﺭﻓﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻤﺘﻭﺴﻁ ﺍﻟﺩﺭﺠﺎﺕ ﻓﻲ ﺍﺨﺘﺒﺎﺭ‬

‫ﺍﻟﺫﻜﺎﺀ ﻤﺘﺴﺎﻭ ﻟﺠﻤﻴﻊ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺴﺕ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ‪ ،‬ﻭﺇﺫﺍ ﻟﻡ ﻴﻜﻥ ﺍﻷﻤﺭ ﻜﺫﻟﻙ ﻓﺈﻨﻪ‬

‫ﺭﺒﻤﺎ ﻴﻜﻭﻥ ﺃﺜﺭ ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﺍﻟﺤﻘﻴﻘﻲ ﻗﺩ ﺩﻤﺞ ﻤﻊ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺫﻜﺎﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ‪،‬‬

‫ﻭﻟﻬﺫﺍ ﻴﻭﺠﺩ ﺃﺴﻠﻭﺏ ﺇﺤﺼﺎﺌﻲ ﻴﻌﺭﻑ ﺒﺎﺴﻡ ﺘﺤﻠﻴل ﺍﻟﺘﻐﺎﻴﺭ ‪Analysis of Covariance‬‬ ‫)‪ (ANCOVA‬ﻭﺍﻟﺫﻱ ﻴﻬﺩﻑ ﺇﻟﻰ ﺇﺯﺍﻟﺔ ﺃﺜﺭ ﺘﻠﻙ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺼﺎﺤﺒﺔ ‪covariates‬‬

‫ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺜﻡ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ "ﺍﻟﻨﻘﻴﺔ" ﻤﻥ ﻫﺫﻩ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‪ ،‬ﻭﻴﺘﻤﻴﺯ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﻐﺎﻴﺭ ﺒﺄﻨﻪ ﻴﺯﻴل ﺍﻟﺸﻭﺍﺌﺏ ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻨﺎﺘﺠﺔ‬

‫ﻋﻥ ﻤﺘﻐﻴﺭﺍﺕ ﺃﺨﺭﻯ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﺯﻴﺩ ﻤﻥ ﻗﻭﺓ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪، ANOVA‬‬ ‫ﻭﺒﺼﻔﺔ ﻋﺎﻤﺔ ﻓﺈﻨﻪ ﻹﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﻐﺎﻴﺭ ‪ ANCOVA‬ﻴﻜﻔﻲ ﺍﺘﺒﺎﻉ ﻨﻔﺱ ﺨﻁﻭﺍﺕ‬

‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ‪ Factorial ANOVA‬ﺍﻟﺴﺎﺒﻘﺔ ﺍﻟﺫﻜﺭ ﻭﺇﺯﺍﺤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﻤﺼﺎﺤﺒﺔ ‪ Covariates‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭ ﺍﻟﺨﺎﺹ ﺒﻬﺎ ﺘﺤﺕ ﺍﺴﻡ )‪ Covariate(s‬ﻓﻲ‬

‫ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ‪ Univariate‬ﻭﻟﻜﻨﻨﺎ ﻟﻥ ﻨﺨﻭﺽ ﻓﻲ‬ ‫ﺘﻔﺎﺼﻴل ﺃﻜﺜﺭ ﻋﻥ ﻫﺫﺍ ﺍﻟﻤﻭﻀﻭﻉ ﻫﻨﺎ ‪.‬‬

‫ﻭﺒﺎﻟﻌﻭﺩﺓ ﺇﻟﻰ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ‪ ANOVA‬ﺍﻟﺫﻱ ﺘﻡ ﺘﻭﻀﻴﺢ ﺨﻁﻭﺍﺕ‬

‫ﺘﻨﻔﻴﺫﻩ ﻓﺈﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﻫﺫﺍ ﺍﻷﻤﺭ ﺴﻭﻑ ﺘﺒﺩﻭ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 9-8‬ﺃﺩﻨﺎﻩ‪.‬‬

‫ﻭﺘﻘﺴﻡ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﺇﻟﻰ ﺠﺩﻭﻟﻴﻥ‪ ،‬ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻟﻤﻠﺨﺹ‬ ‫ﺍﻟﻌﻭﺍﻤل ‪ Between Subjects Factors‬ﻭﻴﻠﺨﺹ ﺃﺴﻤﺎﺀ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺼﻨﻴﻑ‬ ‫ﻭﻤﺴﺘﻭﻴﺎﺘﻬﺎ ﻭﻜﺫﻟﻙ ﻋﺩﺩ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻓﻲ ﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﺘﻠﻙ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ‪.‬‬

‫ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻓﻲ ﺍﻟﺸﻜل ﻫﻭ ‪ Tests of Between-Subjects Effects‬ﻭﻫﻭ‬

‫ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA Table‬ﻭﺠﻤﻴﻊ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ‬

‫ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻪ‪ ،‬ﺤﻴﺙ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻤﺼﺩﺭ ﺍﻻﺨﺘﻼﻑ ‪ Source of Variation‬ﻭﻤﺠﻤﻭﻉ‬

‫( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬8)

288

degrees of freedom (df) ‫ ﻭﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ‬Sums of Squares (SS) ‫ﺍﻟﻤﺭﺒﻌﺎﺕ‬

‫ ﻭﻜﺫﻟﻙ ﻤﻌﻨﻭﻴﺔ‬F ratio ‫ ﻭﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬mean squares (MS) ‫ﻭﻤﺘﻭﺴﻁ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ . p-value (Sig.) ‫ﺍﻻﺨﺘﺒﺎﺭ‬ ANOVA ‫ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ‬: 9-8 ‫ﺸﻜل‬

Univariate Analysis of Variance Between-Subjects Factors Value Label Alertness Drugs

N

1

Fresh

30

2

Tired

30

1

Placebo

20

2

Drug A

20

3

Drug B

20

Tests of Between-Subjects Effects Dependent Variable: Driver's Performance Source Corrected Model

Type III Sum of Squares

df a

Mean Square

F

Sig.

1155.000

5

231.000

9.979

.000

16335.000

1

16335.000

705.672

.000

ALERT

201.667

1

201.667

8.712

.005

DRUG

190.000

2

95.000

4.104

.022

ALERT * DRUG

763.333

2

381.667

16.488

.000

Error

1250.000

54

23.148

Total

18740.000

60

2405.000

59

Intercept

Corrected Total

a. R Squared = .480 (Adjusted R Squared = .432)

‫ ﻋﻠﻰ ﺍﻟﻨﻤﻭﺫﺝ‬Intercept ‫ ﻭ‬Type III Sum of Squares ‫ﻭﻴﺩل ﺍﻟﺘﻌﺒﻴﺭﻴﻥ‬ ‫ ﻭﻟﻴﺱ ﻟﻬﻤﺎ ﻤﻌﻨﻰ ﻤﺒﺎﺸﺭ‬،‫ﺍﻟﺨﻁﻲ )ﺍﻻﻨﺤﺩﺍﺭ( ﺍﻟﺫﻱ ﺘﻡ ﺍﺴﺘﺨﺩﺍﻤﻪ ﻟﺘﻨﻔﻴﺫ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ ﺒﻴﻨﻤﺎ ﺍﻟﺼﻔﻭﻑ ﺍﻟﺜﻼﺜﺔ ﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﺃﺴﻤﺎﺀ‬،‫ ﻟﺫﺍ ﻴﻤﻜﻥ ﺘﺠﺎﻫﻠﻬﻤﺎ ﻫﻨﺎ‬،‫ﻫﻨﺎ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪289‬‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ ALERT‬ﻭ ‪ DRUG‬ﻭ ‪ ALERT*DRUG‬ﻫﻡ ﺫﻭﻱ ﺍﻷﻜﺜﺭ ﺃﻫﻤﻴﺔ‪،‬‬

‫ﻭﺫﻟﻙ ﻷﻨﻬﻡ ﻴﻌﺒﺭﻭﻥ ﻋﻥ ﺍﻷﺜﺭﻴﻥ ﺍﻟﺭﺌﻴﺴﻴﻴﻥ ﻟﻠﻌﺎﻤﻠﻴﻥ ﻭﻜﺫﻟﻙ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‪،‬‬ ‫ﻭﺘﻌﺒﻴﺭ ﺍﻟﻤﻌﻨﻭﻴﺔ ‪ Sig.‬ﻴﺩل ﻋﻠﻰ ﻤﻌﻨﻭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭ ‪ p-value‬ﻟﻜل ﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺠﺎﻭﺭﺓ‪،‬‬

‫ﻭﻓﻲ ﻤﺜﺎﻟﻨﺎ ﻭﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻴﺘﻀﺢ ﺃﻥ ﻫﻨﺎﻙ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﻤﻌﻨﻭﻱ ﻟﻜل ﻤﻥ ﻋﺎﻤﻠﻲ‬

‫ﺍﻟﻴﻘﻅﺔ ‪ alert‬ﻭﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﺤﻴﺙ ﺘﺒﺩﻭ ﻤﻌﻨﻭﻴﺔ ﺍﻷﺜﺭ ﺍﻷﻭل ﺒﻤﺴﺘﻭﻯ ﺃﻗل ﻤﻥ ‪0.01‬‬

‫)‪ (p<0.01‬ﺒﻴﻨﻤﺎ ﺘﺒﺩﻭ ﻤﻌﻨﻭﻴﺔ ﺍﻟﺜﺎﻨﻲ ﺃﻜﺒﺭ ﻤﻥ ‪ 0.01‬ﻭﻟﻜﻨﻪ ﺃﻗل ﻤﻥ ‪ ،0.05‬ﺒﺎﻹﻀﺎﻓﺔ‬

‫ﺇﻟﻰ ﻤﻌﻨﻭﻴﺔ ﻜل ﻤﻥ ﺍﻷﺜﺭﻴﻥ ﺍﻟﺭﺌﻴﺴﻴﻴﻥ ﻟﻜل ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻫﻨﺎﻙ ﺃﻴﻀﹰﺎ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ‬ ‫ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‪ ،‬ﻭﺘﻌﻁﻰ ﻗﻴﻤﺔ ‪ p-value‬ﻤﺴﺎﻭﻴﺔ ‪ 0.000‬ﻫﻨﺎ ﺍﻷﻤﺭ ﺍﻟﺫﻱ ﻴﻌﻨﻲ ﺃﻨﻬﺎ ﺍﻗل‬

‫ﻤﻥ ‪ ،0.0005‬ﻴﺘﻀﺢ ﻤﻥ ﺫﻟﻙ ﺃﻥ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﻟﻪ ﺘﺄﺜﻴﺭ ﻤﺨﺘﻠﻑ ﻋﻠﻰ ﻜل ﻤﻥ‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻭﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﻨﻬﻜﻴﻥ‪ ،‬ﻭﻟﻜﻥ ﺘﺤﺩﻴﺩ ﺫﻟﻙ ﺍﻷﺜﺭ ﺒﺩﻗﺔ ﻴﺘﻁﻠﺏ ﻓﺤﺹ‬

‫ﺍﺘﺠﺎﻩ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﻜل ﻤﺴﺘﻭﻯ‪.‬‬

‫ﻭﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻨﻬﺎﺌﻴﺔ ﻟﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ‪ ANOVA‬ﻴﻤﻜﻥ ﺼﻴﺎﻏﺘﻬﺎ ﺒﺘﺤﺩﻴﺩ‬

‫ﺍﺴﻡ ﻜل ﻋﺎﻤل ﻴﺘﺒﻌﻪ ﻗﻴﻤﺔ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ‪ F ratio‬ﻤﻊ ﺩﺭﺠﺎﺕ ﺤﺭﻴﺔ ‪ df‬ﻫﺫﻩ ﺍﻟﺩﺍﻟﺔ‬ ‫ﻻ ﺘﻠﻴﻬﺎ ﺩﺭﺠﺎﺕ ﺤﺭﻴﺔ ﺍﻟﻤﻘﺎﻡ ﻭﻤﻨﻔﺼﻠﺘﻴﻥ ﻋﻥ ﺒﻌﻀﻬﻤﺎ‬ ‫)ﺤﻴﺙ ﺩﺭﺠﺎﺕ ﺤﺭﻴﺔ ﺍﻟﺒﺴﻁ ﺃﻭ ﹰ‬

‫ﻼ ﺃﻥ ‪ :‬ﻫﻨﺎﻙ ﺃﺜﺭ‬ ‫ﺒﻭﺍﺴﻁﺔ ﺍﻟﻔﺎﺼﻠﺔ "‪ ("،‬ﻭﻴﺘﺒﻊ ﺫﻟﻙ ﻗﻴﻤﺔ ﺍﻟﻤﻌﻨﻭﻴﺔ ‪ ، p-value‬ﻓﻴﻘﺎل ﻤﺜ ﹰ‬ ‫ﺭﺌﻴﺴﻲ ﻤﻌﻨﻭﻱ ﻟﻌﺎﻤل ﺍﻟﻴﻘﻅﺔ ‪ ، F(1,54)=8.71; p<0.01 :‬ﻭﺘﻌﺭﻑ ﻋﺎﺩﺓ ﺩﺭﺠﺎﺕ‬

‫ﺤﺭﻴﺔ ﺍﻟﻤﻘﺎﻡ ﺒﺄﻨﻬﺎ ﺩﺭﺠﺎﺕ ﺤﺭﻴﺔ ﺍﻷﺨﻁﺎﺀ )ﺍﻟﺒﻭﺍﻗﻲ( ﻓﻲ ﻨﻤﻭﺫﺝ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ‬

‫‪. ANOVA‬‬

‫ﻭﺍﻵﻥ‪ ،‬ﻻﺴﺘﻜﺸﺎﻑ ﻜل ﻤﻥ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ‪ main effects‬ﺍﻟﻤﻌﻨﻭﻴﺔ ﻟﻠﻌﻭﺍﻤل‬ ‫ﻭﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ‪) interaction‬ﺇﺫﺍ ﻜﺎﻨﺕ ﻤﻌﻨﻭﻴﺔ( ﻓﻲ ﺠﺩﻭل ﻤﻠﺨﺹ ﺘﺤﻠﻴل‬

‫ﺍﻟﺘﺒﺎﻴﻥ ﺒﺩﻗﺔ ﻻﺒﺩ ﻭﺃﻥ ﻨﻘﻭﻡ ﺒﺩﺭﺍﺴﺔ ﺍﺘﺠﺎﻩ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺘﻲ ﺘﻡ ﺤﺴﺎﺒﻬﺎ ﻤﺴﺒﻘﹰﺎ ﻭﺍﻟﺘﻲ‬

‫ﺘﻅﻬﺭ ﻓﻲ ﺸﻜل ‪ 6-8‬ﺃﻋﻼﻩ‪ ،‬ﻭﻴﺤﺴﻥ ﻫﻨﺎ ﺃﻥ ﻨﻘﻭﻡ ﺒﺘﻤﺜﻴل ﺘﻠﻙ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺒﻴﺎﻨﻴﹰﺎ‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺸﻜل ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ﻟﺘﻭﻀﻴﺢ ﺫﻟﻙ ﺍﻻﺘﺠﺎﻩ‪ ،‬ﻭﻹﺠﺭﺍﺀ ﺍﻟﺭﺴﻡ ﺍﻟﺒﻴﺎﻨﻲ ﻟﻬﺫﻩ‬

‫ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻴﻤﻜﻥ ﺍﺘﺒﺎﻉ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪290‬‬

‫• ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Graphs‬ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪ SPSS‬ﺍﺨﺘﺭ‬

‫ﺃﻤﺭ ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Line‬ﻭﺍﻟﺫﻱ ﻴﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺭﺴﻡ ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪Line Charts‬‬

‫ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ‪ 10-8‬ﺃﺩﻨﺎﻩ‪.‬‬ ‫• ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻫﻨﺎﻙ ﺜﻼﺙ ﺨﻴﺎﺭﺍﺕ ﻨﺨﺘﺎﺭ ﻤﻥ ﺒﻴﻨﻬﺎ ﺨﻴﺎﺭ ﺍﻟﺨﻁﻭﻁ ﺍﻟﻤﺘﻌﺩﺩﺓ‬

‫‪ Multiple‬ﻨﻅﺭﹰﺍ ﻷﻨﻨﺎ ﺴﻨﻘﻭﻡ ﺒﺎﻟﺘﻤﺜﻴل ﺍﻟﺒﻴﺎﻨﻲ ﻷﻜﺜﺭ ﻤﻥ ﻋﺎﻤل ﻭﺍﺤﺩ‪ ،‬ﺜﻡ ﺒﺎﻟﻀﻐﻁ‬

‫ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ ‪ Define‬ﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻤﺘﻌﺩﺩﺓ ‪Define‬‬

‫‪ Multiple Line: Summaries for Groups of Cases‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ‪.11-8‬‬

‫ﺸﻜل ‪ : 10-8‬ﻨﺎﻓﺫﺓ ﺭﺴﻡ ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Line Charts‬ﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﺭﺴﻭﻤﺎﺕ‬ ‫‪ Graphs‬ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪. SPSS‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪291‬‬

‫ﺸﻜل ‪ : 11-8‬ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻤﺘﻌﺩﺩﺓ ‪Define Multiple Line:‬‬ ‫‪ Summaries for Groups of Cases‬ﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪.Line Charts‬‬

‫• ﺤﻴﺙ ﺃﻨﻨﺎ ﻨﺭﻴﺩ ﺘﻤﺜﻴل ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﺈﻨﻪ ﻴﺠﺏ ﻋﻠﻴﻨﺎ ﺘﺤﺩﻴﺩ‬

‫ﺩﻭﺍل ﺃﺨﺭﻯ ‪ Other summary functions‬ﻭﺫﻟﻙ ﻓﻲ ﺨﻴﺎﺭ ﺘﻤﺜﻴل ﺍﻟﺨﻁﻭﻁ ‪Line‬‬

‫‪ Represents‬ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ‪ ،‬ﻭﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺘﻐﻴﻴﺭ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻟﻭﺼﻔﻴﺔ‬

‫‪ Change Summary‬ﺴﺘﻔﺘﺢ ﻗﺎﺌﻤﺔ ﻤﻥ ﺍﻟﺩﻭﺍل ﻨﺨﺘﺎﺭ ﻤﻥ ﺒﻴﻨﻬﺎ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪.Means‬‬ ‫• ﻭﺤﻴﺙ ﺃﻨﻨﺎ ﺴﻨﺭﺴﻡ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻟﻤﺘﻐﻴﺭ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫‪driving‬‬

‫)‪ Performance (drivperf‬ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺇﺯﺍﺤﺔ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻠﻰ‬ ‫ﻴﺴﺎﺭ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﺇﻟﻰ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ‪ Variable‬ﻭﻴﺩﺨل ﺒﻴﻥ ﻗﻭﺴﻲ‬

‫ﺍﻟﻤﺘﻭﺴﻁ ] [‪ Mean‬ﻭﺫﻟﻙ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺍﻟﻤﺠﺎﻭﺭ ﻟﻴﻅﻬﺭ ﻜﻤﺎ ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﻓﻲ ﺍﻟﺸﻜل‪.‬‬

‫• ﻭﺤﻴﺙ ﺃﻨﻨﺎ ﺃﻴﻀﹰﺎ ﻨﺭﻏﺏ ﻓﻲ ﺘﻤﺜﻴل ﻤﺴﺘﻭﻴﻲ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ‪ Alertness‬ﺒﺎﺴﺘﺨﺩﺍﻡ‬ ‫ﺍﻟﺨﻁﻭﻁ ﺤﺴﺏ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drugs‬ﻓﺈﻥ ﺫﻟﻙ ﻴﺴﺘﻭﺠﺏ ﺘﺤﻭﻴل ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drugs‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﻤﺤﻭﺭ ﺍﻟﺘﺼﻨﻴﻑ ‪ Category Axis‬ﻭﻤﺘﻐﻴﺭ ﺍﻟﻴﻘﻅﺔ‬

‫‪ Alertness‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﺘﻌﺭﻴﻑ ﺍﻟﺨﻁﻭﻁ ‪. Define Lines by‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪292‬‬

‫ﺸﻜل ‪ : 12-8‬ﺸﻜل ﻭﺍﺘﺠﺎﻩ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻭﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل‬

‫‪22‬‬

‫‪20‬‬

‫‪18‬‬

‫‪16‬‬

‫‪Mean Driver's Performance‬‬

‫‪24‬‬

‫‪14‬‬

‫‪Alertness‬‬

‫‪12‬‬

‫‪Fresh‬‬

‫‪10‬‬

‫‪Tired‬‬ ‫‪Drug B‬‬

‫‪Drug A‬‬

‫‪8‬‬ ‫‪Placebo‬‬

‫‪Drug Treatment‬‬

‫• ﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﺍﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ﻭﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺸﻜل‬ ‫ﺍﻟﺨﻁﻭﻁ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻤﻁﻠﻭﺏ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ‪.12-8‬‬

‫ﻭﻴﺒﻴﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﺒﻭﻀﻭﺡ ﺠﻤﻠﺔ ﻤﻥ ﺍﻷﻤﻭﺭ ﺍﻟﺘﺠﺭﻴﺒﻴﺔ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫‪ .1‬ﻟﻌﺎﻤل ﺍﻟﻴﻘﻅﺔ ‪ Alertness‬ﺃﺜﺭ ﺠﻭﻫﺭﻱ ﻋﻠﻰ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻜﻤﺎ ﻴﺘﻀﺢ ﻤﻥ‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﺭﺘﻔﻌﺔ ﻟﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻭﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﻨﺨﻔﻀﺔ ﻟﻤﺴﺘﻭﻯ‬ ‫ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﻟﺩﻯ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ‪. Placebo‬‬

‫‪ .2‬ﺍﻟﻌﻘﺎﺭ ‪ A‬ﻟﻪ ﺘﺄﺜﻴﺭ ﻭﺍﻀﺢ ﻋﻠﻰ ﺭﻓﻊ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪293‬‬

‫‪ .3‬ﺍﻟﻌﻘﺎﺭ ‪ A‬ﻟﻪ ﺘﺄﺜﻴﺭ ﻭﺍﻀﺢ ﻋﻠﻰ ﺨﻔﺽ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ‪.‬‬ ‫ﻼ ﻤﻥ‬ ‫‪ .4‬ﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺃﻥ ﻟﻠﻌﻘﺎﺭ ‪ B‬ﺃﺜﺭ ﻭﺍﻀﺢ ﻓﻲ ﺭﻓﻊ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﻜ ﹰ‬ ‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻭﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﺇﻻ ﺃﻨﻪ ﻟﻥ ﻴﻤﻨﻊ ﻤﻥ ﺨﻔﺽ ﻤﺴﺘﻭﻯ‬

‫ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺇﺫﺍ ﺃﺼﺒﺤﻭﺍ ﻤﺭﻫﻘﻴﻥ‪.‬‬

‫ﻻﺤﻅ ﺃﻥ ﺠﻤﻴﻊ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻷﻜﺜﺭ ﺃﻫﻤﻴﺔ ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﻴﻤﻜﻥ ﺍﺴﺘﻨﺒﺎﻁﻬﺎ ﻤﻥ‬

‫ﺘﺤﻠﻴل ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻭﻟﻜﻥ ﺒﻌﺩ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺒﺄﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ‬

‫ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ Drugs‬ﻭﺍﻟﻴﻘﻅﺔ ‪ ، Alertness‬ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺠﻤﻴﻊ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫ﻓﺈﻥ ﺍﻟﺩﻟﻴل ﻋﻠﻰ ﻭﺠﻭﺩ ﺘﻔﺎﻋل ‪ interaction‬ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ﻴﻀﻌﻑ ﺍﻻﻫﺘﻤﺎﻡ‬

‫ﺤﻭل ﻤﻌﻨﻭﻴﺔ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ‪ main effects‬ﻓﻴﻜﻭﻥ ﺍﻟﺘﺭﻜﻴﺯ ﻋﻠﻰ ﺍﺴﺘﻜﺸﺎﻑ ﺍﺘﺠﺎﻩ‬ ‫ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل‪ ،‬ﻭﻓﻲ ﻤﺜﺎﻟﻨﺎ ﺍﻟﺤﺎﻟﻲ ﻟﻡ ﺘﻜﻥ ﻫﻨﺎﻙ ﺃﻫﻤﻴﺔ ﻜﺒﻴﺭﺓ ﻨﺴﺒﻴﹰﺎ ﺤﻭل‬

‫ﻤﻌﺭﻓﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﺫﻱ ﺘﻨﺎﻭﻟﻭﺍ ﺃﺤﺩ ﺃﻨﻭﺍﻉ ﺍﻟﻌﻘﺎﻗﻴﺭ ﻤﺨﺘﻠﻔﺎﹰ ﻋﻥ‬

‫ﻤﺴﺘﻭﻯ ﺃﻭﻟﺌﻙ ﺍﻟﺫﻴﻥ ﻟﻡ ﻴﺘﻨﺎﻭﻟﻭﺍ ﺃﻱ ﻤﻨﻬﺎ‪ ،‬ﻭﺫﻟﻙ ﻷﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻭﺕ ﻜﺒﻴﺭ ﺒﻴﻥ ﻨﺘﺎﺌﺞ‬

‫ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻤﻥ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ ، drugs‬ﻜﻤﺎ ﺃﻥ ﺍﻟﻨﺘﻴﺠﺔ ﺃﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺴﺎﺌﻘﻴﻥ‬ ‫ﺍﻟﻴﻘﻅﻴﻥ ﺃﻓﻀل ﻤﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺃﻨﻬﺎ ﻤﻨﻁﻘﻴﺔ ﺇﻻ ﺃﻨﻬﺎ‬

‫ﻟﻴﺴﺕ ﻤﺩﻫﺸﺔ ﻭﻻ ﺘﺒﺩﻭ ﺫﺍﺕ ﺃﻫﻤﻴﺔ‪.‬‬

‫ﺃﺤﻴﺎﻨﹰﺎ ﺒﻌﺩ ﻤﺤﺎﻭﻟﺔ ﺍﻜﺘﺸﺎﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻥ ﻁﺭﻴﻕ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫ﺍﻟﺨﻼﻴﺎ ﻴﺒﺩﺃ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻓﻲ ﺍﻟﺘﻔﻜﻴﺭ ﻓﻲ ﺇﺠﺭﺍﺀ ﻤﻘﺎﺭﻨﺎﺕ ﻏﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ﻤﺴﺒﻘﹰﺎ ﺒﻴﻥ‬

‫ﺃﺯﻭﺍﺝ ﻤﺨﺘﺎﺭﺓ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻭﺫﻟﻙ ﻹﻴﺠﺎﺩ ﺩﻟﻴل ﻴﺅﻜﺩ ﻋﻠﻰ ﺍﻻﺘﺠﺎﻩ ﺍﻟﻅﺎﻫﺭ‬

‫ﻤﻥ ﺍﻟﺭﺴﻡ‪ ،‬ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل‪ ،‬ﻤﻥ ﺸﻜل ‪ 12-8‬ﺘﻅﻬﺭ ﺍﻟﺤﻘﻴﻘﺔ ﺍﻟﻭﺍﻀﺤﺔ ﻭﻫﻲ ﺃﻥ‬ ‫ﺍﻹﺭﻫﺎﻕ ﻴﺅﺩﻱ ﺇﻟﻰ ﺍﻨﺨﻔﺎﺽ ﻓﻲ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ‪ ،‬ﻓﻴﺘﻡ ﺍﻟﺘﺄﻜﻴﺩ ﻋﻠﻰ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ‬

‫ﻤﻥ ﺨﻼل ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﺭﻫﻘﻴﻥ ﻤﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﻤﻥ ﺠﻬﺔ‬

‫ﻤﻊ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻤﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﻤﻥ ﺠﻬﺔ ﺃﺨﺭﻯ ﻹﺜﺒﺎﺕ ﻤﻌﻨﻭﻴﺔ ﺍﺨﺘﺒﺎﺭ‬

‫ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﻴﻥ‪ ،‬ﻭﻟﻠﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﺍﻟﻌﻘﺎﺭ ‪ A‬ﻟﻪ ﺘﺄﺜﻴﺭ ﺴﻴﺊ ﻋﻠﻰ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ‬ ‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﺴﻭﻑ ﻨﺤﺘﺎﺝ ﻻﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻴﺔ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﻤﺠﻤﻭﻋﺔ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪294‬‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻤﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﻤﻥ ﺠﻬﺔ ﻭﺒﻴﻥ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ‬

‫ﺍﻟﻌﻘﺎﺭ ‪ A‬ﻤﻥ ﺠﻬﺔ ﺃﺨﺭﻯ‪ ،‬ﻭﻤﻥ ﺍﻟﻤﻤﻜﻥ ﺃﻴﻀﹰﺎ ﺃﻥ ﻴﻜﻭﻥ ﺍﻟﺘﺤﺴﻥ ﻓﻲ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ‬ ‫ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﻤﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﺍﻟﻨﺎﺘﺞ ﻋﻥ ﺘﻌﺎﻁﻲ ﺍﻟﻌﻘﺎﺭ ‪ B‬ﻫﻭ ﺘﺤﺴﻥ ﻏﻴﺭ‬

‫ﻤﻌﻨﻭﻱ‪ ،‬ﻭﻫﺫﺍ ﻴﻤﻜﻥ ﺇﺜﺒﺎﺘﻪ ﻋﻥ ﻁﺭﻴﻕ ﺘﻔﻨﻴﺩ ﻤﻌﻨﻭﻴﺔ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ‬ ‫ﺍﻟﻴﻘﻅﻴﻥ ﻤﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﻭﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ ﺍﻟﺫﻴﻥ ﺘﻌﺎﻁﻭﺍ ﺍﻟﻌﻘﺎﺭ ‪.B‬‬

‫ﻭﺤﻴﺙ ﺃﻥ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻟﻪ ﻤﺴﺘﻭﻴﻴﻥ ﻓﻘﻁ ﻓﺈﻥ ﺴﺅﺍل ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻹﺭﻫﺎﻕ ﻭﺤﺩﻩ‬

‫ﻴﻌﻁﻲ ﻨﻘﺹ ﻤﻌﻨﻭﻱ ﻓﻲ ﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺘﻜﻭﻥ ﺍﻹﺠﺎﺒﺔ ﻋﻠﻴﻪ ﺒﺎﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻴﺔ‬

‫ﺍﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﺒﺴﻴﻁ ‪ simple main effect‬ﻟﻌﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻓﻲ ﻤﺴﺘﻭﻯ ﻤﺠﻤﻭﻋﺔ‬

‫ﺍﻟﺘﺤﻜﻡ ﻓﻘﻁ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‪ ،‬ﻭﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺒﺒﺴﺎﻁﺔ ﻤﻥ‬

‫ﺨﻼل ﺍﺨﺘﻴﺎﺭ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﻤﻥ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ )ﻋﻥ ﻁﺭﻴﻕ ﺃﻤﺭ ﺍﺨﺘﻴﺎﺭ ﻤﺸﺎﻫﺩﺍﺕ‬

‫‪ Select Cases‬ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻭﻴل ‪ Transform‬ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ( ﻭﺘﻨﻔﻴﺫ ﺃﻤﺭ‬

‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺨﺘﺎﺭﺓ ﻓﻘﻁ ﺒﺎﻋﺘﺒﺎﺭ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻫﻭ‬ ‫ﺍﻟﻌﺎﻤل ﺍﻟﻭﺤﻴﺩ‪ ،‬ﻭﺴﻭﻑ ﻨﺠﺩ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻥ ‪ ، F(1,18) = 23.99; p=0.0001‬ﻭﻫﺫﻩ‬

‫ﺍﻟﻨﺘﻴﺠﺔ ﺘﺅﻜﺩ ﻤﻌﻨﻭﻴﺔ ﺍﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﺒﺴﻴﻁ ﻟﻌﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻓﻲ ﻤﺴﺘﻭﻯ ﻤﺠﻤﻭﻋﺔ‬

‫ﺍﻟﺘﺤﻜﻡ ﻤﻥ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻴﻘﻅﻴﻥ‬

‫ﻼ ﻓﺭﻕ ﻤﻌﻨﻭﻱ‪.‬‬ ‫ﻭﻤﺘﻭﺴﻁ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺍﻟﻤﻨﻬﻜﻴﻥ ﻤﻥ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ ﻫﻭ ﻓﻌ ﹰ‬

‫ﻫﻨﺎﻙ ﺃﺴﺌﻠﺔ ﺃﺨﺭﻯ ﺘﻡ ﺫﻜﺭﻫﺎ ﻭﻻ ﻴﻤﻜﻥ ﺍﻹﺠﺎﺒﺔ ﻋﻠﻴﻬﺎ ﺇﻻ ﻤﻥ ﺨﻼل ﺍﻟﻤﻘﺎﺭﻨﺎﺕ‬

‫ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻭﺍﻟﻤﺒﺎﺸﺭﺓ ﻟﻸﺯﻭﺍﺝ ﺍﻟﻤﺤﺩﺩﺓ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‪ ،‬ﻭﺤﻴﺙ ﺃﻨﻪ ﻋﺎﺩﺓ ﻴﺘﻡ ﺇﺠﺭﺍﺀ‬

‫ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﻫﺫﻩ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﻓﺈﻨﻪ ﻤﻥ ﺍﻟﻀﺭﻭﺭﻱ ﺤﻤﺎﻴﺔ ﻫﺫﻩ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﻤﻥ ﺘﻀﺨﻴﻡ‬

‫ﺤﺠﻡ ﺍﻟﺨﻁﺄ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﻭﺫﻟﻙ ﻋﻥ ﻁﺭﻴﻕ ﺍﺴﺘﺨﺩﺍﻡ ﺃﺤﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﻲ‬

‫ﺴﻨﺫﻜﺭﻫﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺘﺎﻟﻲ ﻭﺘﻌﺎﻟﺞ ﺘﻠﻙ ﺍﻟﻤﺸﻜﻠﺔ ﻤﺜل ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪.Tukey's Test‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪295‬‬

‫‪ .4 .8‬اﻻﺧﺘﺒﺎرات اﻟﻤﺘﻌﺪدة اﻟﻐﻴﺮ ﻣﺨﻄﻂ ﻟﻬﺎ ‪ -‬اﺧﺘﺒﺎر ﺗﻴﻮآﻲ ‪:‬‬ ‫‪Unplanned Multiple Pairwise Comparisons – Tukey’s Test :‬‬ ‫ﻋﻨﺩﻤﺎ ﺘﺜﺒﺕ ﻤﻌﻨﻭﻴﺔ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ‪ main effect‬ﺃﻭ ﺘﻔﺎﻋل ‪ interaction‬ﻓﺈﻥ‬

‫ﺍﻟﺒﺎﺤﺙ ﺴﻴﻜﻭﻥ ﻟﺩﻴﻪ ﺍﻟﺭﻏﺒﺔ ﻓﻲ ﺇﺠﺭﺍﺀ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺍﻟﻐﻴﺭ‬

‫ﻤﺨﻁﻁ ﻟﻬﺎ ﺴﻠﻔﺎﹰ ﺇﻤﺎ ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻬﺎﻤﺸﻴﺔ )ﺍﻟﺠﺎﻨﺒﻴﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﺃﺤﺩ ﺍﻟﻌﻭﺍﻤل‬

‫ﺒﺼﺭﻑ ﺍﻟﻨﻅﺭ ﻋﻥ ﺍﻟﻌﻭﺍﻤل ﺍﻷﺨﺭﻯ( ﻭﺫﻟﻙ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ‬

‫ﺍﻟﻌﺎﻤل ﺍﻟﺭﺌﻴﺴﻲ ﺃﻭ ﻋﻠﻰ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﺘﺤﺩﻴﺩ ﻤﺼﺩﺭ ﺍﻟﺘﻔﺎﻋل ‪ ،‬ﻭﻫﻨﺎﻙ‬

‫ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺼﻤﻤﺕ ﻜﺎﺨﺘﺒﺎﺭﺍﺕ ﻏﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ‪Post Hoc tests‬‬

‫ﻟﻬﺫﺍ ﺍﻟﻐﺭﺽ‪ ،‬ﺇﻻ ﺃﻨﻨﺎ ﺴﻨﺘﺤﺩﺙ ﻫﻨﺎ ﻋﻥ ﺃﻫﻤﻬﺎ ﻭﻫﻭ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪. Tukey's test‬‬

‫ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺒﻴﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺃﻥ ﻫﻨﺎﻙ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﻤﻌﻨﻭﻱ ﻟﻜل ﻤﻥ‬

‫ﻋﺎﻤﻠﻲ ﺍﻟﻴﻘﻅﺔ ﻭﺍﻟﻌﻘﺎﻗﻴﺭ‪ ،‬ﻭﻟﻜﻥ ﺤﻴﺙ ﺃﻥ ﻫﻨﺎﻙ ﻤﺴﺘﻭﻴﻴﻥ ﻓﻘﻁ ﻟﻌﺎﻤل ﺍﻟﻴﻘﻅﺔ ﻓﺈﻨﻪ ﻟﻥ‬ ‫ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻓﺎﺌﺩﺓ ﺇﻻ ﻤﻥ ﺨﻼل ﺘﻔﺤﺹ ﺃﺯﻭﺍﺝ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ‬

‫ﺍﻟﺜﻼﺙ ﻟﻌﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‪ ،‬ﻭﻫﺫﺍ ﻴﻤﻜﻥ ﺇﻨﺠﺎﺯﻩ ﺒﺄﺤﺩ ﻁﺭﻴﻘﺘﻴﻥ ﻓﻘﻁ‪ ،‬ﺍﻟﻁﺭﻴﻘﺔ ﺍﻷﻭﻟﻰ ﻫﻲ‬

‫ﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ‪ Post Hoc‬ﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ‬

‫ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪) GLM-General Factorial‬ﺸﻜل ‪ (8-8‬ﻭﺇﺯﺍﺤﺔ ﻤﺘﻐﻴﺭ ﺍﻟﻌﻘﺎﻗﻴﺭ‬ ‫‪ drugs‬ﺇﻟﻰ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﻤﺘﻐﻴﺭﺍﺕ ﻟﻼﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ‪Post Hoc tests‬‬

‫‪ for‬ﻭﺘﺤﺩﻴﺩ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ Tukey‬ﺜﻡ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻻﺴﺘﻤﺭﺍﺭ ‪ Continue‬ﺜﻡ‬

‫ﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪ ، OK‬ﻭﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺜﺎﻨﻴﺔ ﺍﻷﻜﺜﺭ ﺴﻬﻭﻟﺔ ﻫﻲ‬ ‫ﺇﻋﺎﺩﺓ ﺍﻟﺘﺤﻠﻴل ﻤﻊ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ‪ One-Way ANOVA‬ﻭﺍﺴﺘﺨﺩﺍﻡ‬ ‫ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ ،Tukey‬ﻭﻴﺘﻭﻗﻊ ﺃﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻓﺭﻕ ﺒﺴﻴﻁ ﻓﻲ ﻨﺘﻴﺠﺘﻲ ﺍﻟﺘﺤﻠﻴل‬

‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺘﻴﻥ ﻭﺫﻟﻙ ﻨﺘﻴﺠﺔ ﻷﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ‪One-Way‬‬

‫‪ ANOVA‬ﻻ ﻴﺄﺨﺫ ﻓﻲ ﺍﻻﻋﺘﺒﺎﺭ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤﻠﻲ ﺍﻟﻴﻘﻅﺔ ﻭﺍﻟﻌﻘﺎﻗﻴﺭ‪.‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪296‬‬

‫ﻭﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺜﺒﺕ ﺃﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل )ﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ‬

‫ﻤﺜﺎﻟﻨﺎ( ﺃﺤﻴﺎﻨﹰﺎ ﻴﻜﻭﻥ ﻤﻥ ﺍﻷﻫﻤﻴﺔ ﺒﻤﻜﺎﻥ ﺇﺠﺭﺍﺀ ﻤﻘﺎﺭﻨﺎﺕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﺒﻬﺩﻑ‬ ‫ﺘﺤﺩﻴﺩ ﺍﺘﺠﺎﻩ ﺍﻟﺘﻔﺎﻋل ‪ interaction‬ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺨﺘﻠﻔﺔ‪ ،‬ﻭﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ‬

‫ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪ GLM-General Factorial‬ﻻ ﺘﺴﻌﻔﻨﺎ ﻜﺜﻴﺭﺍﹰ ﻓﻲ ﺘﻘﺩﻴﻡ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻏﻴﺭ‬ ‫ﻤﺨﻁﻁ ﻟﻬﺎ ‪ Post-Hoc‬ﻟﺘﺤﺩﻴﺩ ﻫﺫﺍ ﺍﻻﺘﺠﺎﻩ ‪ ،‬ﻭﻟﺫﻟﻙ ﻻﺒﺩ ﻤﻥ ﺘﻁﺒﻴﻕ ﻁﺭﻴﻘﺔ ﺃﺨﺭﻯ ﻓﻲ‬

‫ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ‪ ،‬ﻭﺍﻟﺤل ﻴﻜﻤﻥ ﻓﻲ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ Tukey‬ﻤﻥ ﺨﻼل ﺘﻁﺒﻴﻕ ﺘﺤﻠﻴل‬

‫ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ‪ One-Way ANOVA‬ﻋﻠﻰ ﺠﻤﻴﻊ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻭﺍﻟﺘﻲ‬

‫ﻴﻤﻜﻥ ﺇﻴﺠﺎﺩﻫﺎ ﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻟﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻫﻴﻥ ‪،Two-Way ANOVA‬‬ ‫ﻭﻟﺘﻨﻔﻴﺫ ﺫﻟﻙ ﻻ ﺒﺩ ﻤﻥ ﺨﻠﻕ ﻤﺘﻐﻴﺭ ﺘﺼﻨﻴﻑ ﺠﺩﻴﺩ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻗﻴﻡ ﺠﺩﻴﺩﺓ ﻟﻜل ﺘﺸﻜﻴﻠﺔ‬ ‫ﻤﻥ ﺍﻟﺘﺸﻜﻴﻼﺕ )‪ (3،2) ، (3،1) ، (2،2) ، (2،1) ، (1،2) ، (1،1‬ﻭﺍﻟﺘﻲ ﺘﻌﺭﻑ‬

‫ﺍﻟﺘﺸﻜﻴﻼﺕ )ﺘﺤﻜﻡ ‪ ،‬ﻴﻘﻅ(‪) ،‬ﺘﺤﻜﻡ ‪ ،‬ﻤﻨﻬﻙ(‪) ،‬ﻋﻘﺎﺭ ‪ ، A‬ﻴﻘﻅ(‪) ،‬ﻋﻘﺎﺭ ‪ ، A‬ﻤﻨﻬﻙ(‪،‬‬

‫)ﻋﻘﺎﺭ ‪ ، B‬ﻴﻘﻅ(‪) ،‬ﻋﻘﺎﺭ ‪ ، B‬ﻤﻨﻬﻙ( ﻭﺴﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ ﺒﺎﺴﻡ ‪. cellcode‬‬

‫ﻭﻹﻴﺠﺎﺩ ﺴﺕ ﻗﻴﻡ ﻤﺨﺘﻠﻔﺔ ﻟﻠﻤﺘﻐﻴﺭ ‪ cellcode‬ﺘﻌﺒﺭ ﻋﻥ ﺠﻤﻴﻊ ﺍﻟﺘﺸﻜﻴﻼﺕ‬ ‫ﺍﻟﺴﺎﺒﻘﺔ ﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻘﻴﻡ ‪ 11‬ﻭ ‪12‬ﻭ ‪ 21‬ﻭ ‪ 22‬ﻭ ‪ 31‬ﻭ ‪ 32‬ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ‬

‫ﺒﺴﻬﻭﻟﺔ ﻤﻥ ﺨﻼل ﺃﻤﺭ ﻭﻨﺎﻓﺫﺓ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﺜﻡ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﻟﺘﺼﻨﻴﻑ‬

‫‪ Recode‬ﺒﻌﺩ ﺫﻟﻙ ﻨﺴﺘﻁﻴﻊ ﺇﻋﺎﺩﺓ ﺘﻌﺭﻴﻑ ﺘﻠﻙ ﺍﻟﻘﻴﻡ ﻭﺍﺴﺘﺒﺩﺍﻟﻬﺎ ﺒﺎﻟﻘﻴﻡ ﻤﻥ ‪ 1‬ﺇﻟﻰ ‪6‬‬ ‫ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ ﻭﺫﻟﻙ ﻜﻤﺎ ﻴﻠﻲ ‪:‬‬

‫•‬

‫ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Transform‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪SPSS‬‬

‫ﻭﻤﻨﻬﺎ ﺍﺨﺘﺭ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻟﺤﺴﺎﺏ ‪Compute Variable‬‬

‫)ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ (13-8‬ﻭﺍﻜﺘﺏ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ‪ cellcode‬ﻓﻲ ﻤﺭﺒﻊ ﻤﺘﻐﻴﺭ ﺍﻟﺤﺴﺎﺏ‬

‫‪ Target Variable‬ﻋﻠﻰ ﻴﺴﺎﺭ ﺍﻟﻨﺎﻓﺫﺓ‪.‬‬

‫• ﺃﺯﺡ ﻤﺘﻐﻴﺭ ﺍﻟﻴﻘﻅﺔ ‪ Alert‬ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻠﻰ ﺍﻟﻴﺴﺎﺭ ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﺼﻴﻐﺔ‬ ‫ﺍﻟﺤﺴﺎﺒﻴﺔ ‪ Numeric Expression‬ﻓﻲ ﺍﻟﻴﻤﻴﻥ ﻭﺍﻜﺘﺏ ‪ *10‬ﺜﻡ ‪ +‬ﺜﻡ ﺃﺯﺡ ﺍﺴﻡ ﻤﺘﻐﻴﺭ‬

‫ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻟﺘﺼﺒﺢ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺤﺴﺎﺒﻴﺔ ﻋﻠﻰ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪297‬‬

‫ﺍﻟﺸﻜل ‪ ، alert*10+drug‬ﺜﻡ ﺍﻀﻐﻁ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺨﻠﻕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ‬

‫‪ cellcode‬ﻭﻴﻅﻬﺭ ﻋﻠﻰ ﺍﻟﺸﺎﺸﺔ‪.‬‬

‫ﺸﻜل ‪ : 13-8‬ﻨﺎﻓﺫﺓ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Compute Variable‬ﻓﻲ ﻗﺎﺌﻤﺔ ﺘﺤﻭﻴل‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Transform‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪.SPSS‬‬

‫ﺸﻜل ‪ : 14-8‬ﻨﺎﻓﺫﺓ ﺃﻤﺭ ﺘﺼﻨﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻨﻔﺴﻬﺎ ‪Recode into Same‬‬

‫‪ Variables: Old and New Values‬ﻓﻲ ﻗﺎﺌﻤﺔ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪Transform‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪298‬‬

‫• ﺍﻻﻥ ﻟﺘﺼﻨﻴﻑ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﻟﺘﺼﻨﻴﻑ ‪ Recode‬ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ‬

‫ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Transform‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ ‪ SPSS‬ﻭﻤﻨﻬﺎ ﺍﺨﺘﺭ ﺃﻤﺭ‬ ‫ﺍﻟﺘﺼﻨﻴﻑ ﺒﻨﻔﺱ ﺍﻻﺴﻡ ‪ Recode into Same Variable‬ﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺘﺼﻨﻴﻑ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻨﻔﺴﻬﺎ ‪Recode into Same Variables: Old and New Values‬‬

‫)ﺸﻜل ‪ (14-8‬ﻭﺃﺯﺡ ﺍﻟﻤﺘﻐﻴﺭ ‪ cellcode‬ﺇﻟﻰ ﻤﺭﺒﻊ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺼﻨﻴﻑ ‪. Variables‬‬ ‫• ﺍﻀﻐﻁ ﻤﻔﺘﺎﺡ ﺍﻟﻘﻴﻡ ﺍﻟﻘﺩﻴﻤﺔ ﻭﺍﻟﺠﺩﻴﺩﺓ ‪ Old and New Values‬ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ‬ ‫ﺍﻟﺴﺎﺒﻘﺔ ﻟﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺃﻤﺭ ﺘﺼﻨﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻨﻔﺴﻬﺎ‪ -‬ﺍﻟﻘﻴﻡ ﺍﻟﻘﺩﻴﻤﺔ ﻭﺍﻟﺠﺩﻴﺩﺓ‬

‫‪ Recode into Same Variables: Old and New Values‬ﻭﻗﻡ ﺒﺘﻌﺭﻴﻑ ﻗﻴﻡ ﻤﺘﻐﻴﺭ‬

‫ﺍﻟﺘﺼﻨﻴﻑ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ )ﺸﻜل ‪ 14-8‬ﻴﺒﻴﻥ ﺍﻟﻨﺎﻓﺫﺓ ﺒﻌﺩ ﺘﻌﺭﻴﻑ ﺍﻟﻘﻴﻡ(‪.‬‬

‫• ﺍﻀﻐﻁ ﻤﻔﺘﺎﺡ ﺍﻻﺴﺘﻤﺭﺍﺭ ‪ Continue‬ﺜﻡ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻐﻴﻴﺭ ﺍﻟﻘﻴﻡ ﻓﻲ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ ‪ cellcode‬ﻭﻴﻤﻜﻥ ﺍﻟﺘﺄﻜﺩ ﻤﻥ ﺼﺤﺔ ﺍﻟﺘﻐﻴﻴﺭﺍﺕ ﺒﻔﺤﺹ ﻗﻴﻡ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ‬

‫ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ‪.‬‬

‫• ﻭﺍﻵﻥ ﻴﻤﻜﻥ ﺒﺒﺴﺎﻁﺔ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ‬

‫‪one-way‬‬

‫‪ ANOVA‬ﻟﻠﻤﺘﻐﻴﺭ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ‪ drivper‬ﻜﺘﻐﻴﺭ ﺘﺎﺒﻊ ﻭﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ ﺍﻟﺠﺩﻴﺩ‬

‫‪ cellcode‬ﻜﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل ﻭﻟﻪ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻤﻥ ‪ 1‬ﺇﻟﻰ ‪ 6‬ﻭﺒﻁﻠﺏ ﺘﻨﻔﻴﺫ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ‬ ‫‪ Tukey's test‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ 15-8‬ﻴﻭﻀﺢ ﺠﺎﻨﺒﹰﺎ ﻤﻨﻬﺎ(‪.‬‬

‫ﻭﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻲ ﻴﺒﻴﻥ ﺃﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺘﻴﻭﻜﻲ ‪Tukey's‬‬

‫‪ tests‬ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺃﺩﺕ ﺇﻟﻰ ﺘﻘﺴﻴﻡ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺇﻟﻰ ﺜﻼﺙ ﻤﺠﻤﻭﻋﺎﺕ ﻤﺘﺠﺎﻨﺴﺔ‬ ‫ﻼ ﺍﻟﻤﺠﻭﻋﺔ ‪) 4‬ﻤﺭﻫﻕ‪ ،‬ﺘﺤﻜﻡ( ﻭ ‪) 2‬ﻴﻘﻅ‪ ،‬ﻋﻘﺎﺭ ‪ (A‬ﻭ ‪6‬‬ ‫ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‪ ،‬ﻓﻤﺜ ﹰ‬

‫)ﻤﺭﻫﻕ‪ ،‬ﻋﻘﺎﺭ ‪ (B‬ﻫﻲ ﻤﺠﻤﻭﻋﺔ ﻤﺘﺠﺎﻨﺴﺔ ﺃﻱ ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺘﻬﺎ ‪،‬‬

‫ﻭﻜﺫﻟﻙ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ 2‬ﻭ ‪ 6‬ﻭ ‪) 5‬ﻤﺭﻫﻕ‪ ،‬ﻋﻘﺎﺭ ‪ ، (B‬ﻭﺃﻴﻀﹰﺎ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ 6‬ﻭ ‪ 5‬ﻭ ‪1‬‬

‫)ﻴﻘﻅ‪ ،‬ﺘﺤﻜﻡ( ﻭ ‪) 3‬ﻴﻘﻅ‪ ،‬ﻋﻘﺎﺭ ‪ ،(B‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﻫﻨﺎﻙ ﻓﺭﻕ ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

‫)‪1‬ﻭ‪1) ، (2‬ﻭ‪2) ، (4‬ﻭ‪3) ، (3‬ﻭ‪4) ، (4‬ﻭ‪. (5‬‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪299‬‬

‫ﺸﻜل ‪ : 15-8‬ﺠﺎﻨﺏ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ Tukey's test‬ﻻﺨﺘﺒﺎﺭ‬ ‫ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤﻠﻲ ﺍﻟﻴﻘﻅﺔ ‪ alert‬ﻭﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ‪ANOVA‬‬ ‫‪Driver's Performance‬‬ ‫‪a‬‬

‫‪Tukey HSD‬‬

‫‪Subset for alpha = .05‬‬ ‫‪2‬‬

‫‪3‬‬

‫‪N‬‬

‫‪1‬‬

‫‪CELLCODE‬‬

‫‪10.00‬‬

‫‪10‬‬

‫‪4‬‬

‫‪12.00‬‬

‫‪12.00‬‬

‫‪10‬‬

‫‪2‬‬

‫‪16.00‬‬

‫‪16.00‬‬

‫‪16.00‬‬

‫‪10‬‬

‫‪6‬‬

‫‪18.00‬‬

‫‪18.00‬‬

‫‪10‬‬

‫‪5‬‬

‫‪21.00‬‬

‫‪10‬‬

‫‪1‬‬

‫‪22.00‬‬

‫‪10‬‬

‫‪3‬‬

‫‪.075‬‬

‫‪.075‬‬

‫‪.075‬‬

‫‪Sig.‬‬

‫‪Means for groups in homogeneous subsets are displayed.‬‬ ‫‪a. Uses Harmonic Mean Sample Size = 10.000.‬‬

‫ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﻌﺩﺩﺓ ﺍﻟﻐﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ﺒﻌﺩ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA‬ﻟﺘﺠﺎﺭﺏ‬ ‫ﻋﺎﻤﻠﻴﺔ ﻤﺭﻜﺒﺔ – ﺍﻟﻌﻘﺒﺎﺕ ﻭﺍﻟﻤﺤﺎﺫﻴﺭ ‪:‬‬ ‫ﻋﻨﺩ ﺍﻟﺘﻔﻜﻴﺭ ﻓﻲ ﺘﻨﻔﻴﺫ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻤﺘﻌﺩﺩﺓ ﻏﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ﻻﺴﺘﻜﺸﺎﻑ ﺍﻟﺘﻔﺎﻋﻼﺕ‬

‫ﺍﻟﻤﻌﻨﻭﻴﺔ ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻨﻜﻭﻥ ﻗﺩ ﻭﺼﻠﻨﺎ ﺇﻟﻰ ﺃﺤﺩ ﺍﻟﻨﻘﺎﻁ ﺍﻟﺼﻌﺒﺔ‬ ‫ﻭﺍﻟﻤﺜﻴﺭﺓ ﻟﻠﺠﺩل ﻷﻨﻬﺎ ﻟﻡ ﺘﺘﺒﻠﻭﺭ ﺒﻌﺩ ﻓﻲ ﺍﻟﻤﺭﺍﺠﻊ ﺍﻹﺤﺼﺎﺌﻴﺔ‪ ،‬ﻭﺭﻏﻡ ﺠﻭﺩ ﺍﻟﻜﺜﻴﺭ ﻤﻥ‬

‫ﺍﻟﺸﻜﻭﻙ ﻭﻋﺩﻡ ﺍﻟﻭﻀﻭﺡ ﻓﻲ ﺘﻔﺴﻴﺭ ﺍﻟﻨﺘﺎﺌﺞ ﺇﻻ ﺃﻥ ﻫﻨﺎﻙ ﺒﻌﺽ ﺍﻷﺴﺱ ﺍﻟﺘﻲ ﻴﺒﺩﻭ ﺃﻨﻪ‬

‫ﻻ ﻴﻭﺠﺩ ﺨﻼﻑ ﺤﻭﻟﻬﺎ ﻭﻫﻲ‪:‬‬

‫‪ .1‬ﺇﻥ ﺇﺠﺭﺍﺀ ﻤﻘﺎﺭﻨﺎﺕ ﻤﺘﻌﺩﺩﺓ ﻏﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ )ﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﺃﻴﻀﹰﺎ ﻓﻲ ﺃﻏﻠﺏ‬

‫ﺃﺴﺎﻟﻴﺏ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ﺍﻟﺫﻱ ﻴﻠﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ (ANOVA‬ﻴﺤﻤل ﻓﻲ ﻁﻴﺎﺘﻪ‬ ‫ﻤﺨﺎﻁﺭ ﻜﺒﻴﺭﺓ ﻨﺘﻴﺠﺔ ﻟﺘﻀﺨﻴﻡ ﺤﺠﻡ ﺍﻟﺨﻁﺄ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ‪) Type I error‬ﺃﻱ‬

‫ﺍﺤﺘﻤﺎل ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﻓﺭﻭﻕ ﻤﻌﻨﻭﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻓﻲ ﺤﻴﻥ ﺃﻥ ﻫﺫﻩ ﺍﻟﻔﺭﻭﻕ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪300‬‬

‫ﻏﻴﺭ ﺤﻘﻴﻘﻴﺔ(‪ ،‬ﻓﻔﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻫﻨﺎﻙ ﻤﺨﺎﻁﺭ ﻜﺒﻴﺭﺓ ﻓﻲ ﺍﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ‬

‫ﺍﻟﺼﺩﻓﺔ‪ ،‬ﻟﻬﺫﺍ ﻓﺈﻥ ﻋﻠﻰ ﺍﻟﺒﺎﺤﺙ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻭﺍﻟﺤﺫﺭ ﻟﻤﻨﻊ ﺍﻟﻤﻌﺩﻻﺕ ﺍﻟﻤﺭﺘﻔﻌﺔ‬ ‫ﻷﺨﻁﺎﺀ ﺍﻟﺘﺠﺭﺒﺔ ﻭﺒﻤﺴﺘﻭﻴﺎﺕ ﻏﻴﺭ ﻤﻘﺒﻭﻟﺔ ‪.‬‬

‫‪ .2‬ﻜﻠﻤﺎ ﻜﺎﻨﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺃﻜﺜﺭ ﺘﻌﻘﻴﺩﹰﺍ )ﺃﻱ ﻜﺒﺭ ﻋﺩﺩ ﺍﻟﻌﻭﺍﻤل ﻭﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻟﻜل‬ ‫ﻋﺎﻤل( ﻜﻠﻤﺎ ﺯﺍﺩﺕ ﺃﺨﻁﺎﺭ ﺍﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ ﺍﻟﺼﺩﻓﺔ ﻭﺘﻀﺨﻴﻡ ﺤﺠﻡ ﺍﻟﺨﻁﺄ ﻤﻥ‬ ‫ﺍﻟﻨﻭﻉ ﺍﻷﻭل‪.‬‬

‫‪ .3‬ﻴﺯﺩﺍﺩ ﺨﻁﺭ ﺍﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ ﺍﻟﺼﺩﻓﺔ ﺒﺸﺩﺓ ﺇﺫﺍ ﺍﺘﺒﻊ ﺍﻟﺒﺎﺤﺙ ﺴﻴﺎﺴﺔ ﺍﻟﺒﺤﺙ ﻋﻥ‬ ‫ﺍﻟﻔﺭﻭﻕ ﺍﻟﻤﻌﻨﻭﻴﺔ ﺃﺘﻭﻤﺎﺘﻴﻜﻴﹰﺎ ﻭﺒﺩﻭﻥ ﻗﻴﻭﺩ ﻭﺘﻤﻴﻴﺯ ﻭﻟﺠﻤﻴﻊ ﺤﺎﻻﺕ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ‬

‫ﻤﺘﻭﺴﻁﻴﻥ ﺍﻟﻤﻤﻜﻨﺔ ﻟﻸﺯﻭﺍﺝ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﺠﻤﻴﻊ ﺍﻟﻌﻭﺍﻤل‬

‫ﻭﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻭﻜﺫﻟﻙ ﻟﺠﻤﻴﻊ ﺍﻷﺯﻭﺍﺝ ﺍﻟﻤﻤﻜﻨﺔ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ‪ ،‬ﻓﻘﺩ ﺭﺃﻴﻨﺎ‬

‫ﻓﻴﻤﺎ ﺴﺒﻕ ﺃﻥ ﻫﻨﺎﻙ ﻋﺩﺩ ﻤﺤﺩﻭﺩ ﻓﻘﻁ ﻤﻥ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﺘﻲ ﻟﻬﺎ ﻤﻌﻨﻰ ﻭﺃﻫﻤﻴﺔ‪ ،‬ﻭﻓﻲ‬ ‫ﻤﺜﺎﻟﻨﺎ ﺍﻟﺤﺎﻟﻲ )ﻋﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل( ﻟﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻤﻌﻨﻰ ﺃﻭ ﻓﺎﺌﺩﺓ ﻤﻥ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ‬

‫ﻤﺘﻭﺴﻁﻲ ﺍﻟﺨﻠﻴﺘﻴﻥ )ﺘﺤﻜﻡ‪ ،‬ﻤﺭﻫﻕ( ﻭ )ﻋﻘﺎﺭ ‪ ،A‬ﻴﻘﻅ( ﻭﺫﻟﻙ ﻷﻨﻪ ﻻ ﻴﻤﻜﻥ‬

‫ﺒﺒﺴﺎﻁﺔ ﺍﻟﻘﻭل ﺃﻥ ﺍﻟﻔﺭﻕ ﻓﻲ ﻤﺴﺘﻭﻴﻲ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﻨﺎﺘﺞ ﻋﻥ‬

‫ﺍﻟﻴﻘﻅﺔ ﺃﻭ ﻋﻥ ﺘﻌﺎﻁﻲ ﺍﻟﻌﻘﺎﺭ‪.‬‬

‫‪ .4‬ﻤﻬﻤﺎ ﻜﺎﻨﺕ ﺍﻟﺴﻴﺎﺴﺔ ﺍﻟﻤﺘﺒﻌﺔ ﻓﻲ ﺇﺠﺭﺍﺀ ﻤﻘﺎﺭﻨﺎﺕ ﻤﺘﻌﺩﺩﺓ ﻏﻴﺭ ﻤﺨﻁﻁ ﻟﻬﺎ ﻴﺠﺏ‬

‫ﻼ ﻤﻥ ﺼﺤﺔ‬ ‫ﺩﺍﺌﻤﹰﺎ ﺃﻥ ﻴﻜﻭﻥ ﺍﻟﻤﺤﺭﻙ ﺍﻷﺴﺎﺴﻲ ﻟﻼﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻨﺎﺠﺤﺔ ﻫﻭ ﻜ ﹰ‬

‫ﺍﻟﻨﻅﺭﻴﺔ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻭﺍﻟﻔﺎﺌﺩﺓ ﺍﻟﻤﺭﺠﻭﺓ ﻤﻥ ﺫﻟﻙ ﺍﻻﺨﺘﺒﺎﺭ ﻭﻟﻴﺱ ﻤﺠﺭﺩ ﺍﻟﺒﺤﺙ ﻋﻥ‬ ‫ﺍﺨﺘﺒﺎﺭﺍﺕ ﻤﻌﻨﻭﻴﺔ ﻓﻲ ﻤﻜﺎﻥ ﻤﺎ‪.‬‬

‫ﻭﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ Tukey's test‬ﻤﺒﻨﻲ ﻋﻠﻰ ﺍﻓﺘﺭﺍﺽ ﺃﻥ‬

‫ﺍﻻﺨﺘﺒﺎﺭ ﻴﺠﺭﻯ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺠﻤﻴﻊ ﺍﻷﺯﻭﺍﺝ ﺍﻟﻤﻤﻜﻨﺔ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‪ ،‬ﻭﻟﻜﻥ ﻭﺤﻴﺙ‬

‫ﺃﻥ ﻫﻨﺎﻙ ﺒﺎﺤﺜﻴﻥ ﻴﺭﻏﺒﻭﻥ ﺘﺤﺩﻴﺩ ﻤﺠﻤﻭﻋﺔ ﺼﻐﻴﺭﺓ ﻭﻤﺨﺘﺎﺭﺓ ﻓﻘﻁ ﻤﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ‬

‫ﻟﻠﻤﻘﺎﺭﻨﺔ ﻓﺈﻨﻬﻡ ﻗﺩ ﻴﺸﻌﺭﻭﻥ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ‪ Tukey's test‬ﻫﻭ ﺍﺨﺘﺒﺎﺭ ﻤﻔﺭﻁ ﻓﻲ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪301‬‬

‫ﺍﻟﺤﺫﺭ‪ ،‬ﻓﻲ ﻫﺫﺍ ﺍﻟﺴﻴﺎﻕ ﻭﻤﺎ ﻴﻤﻜﻥ ﺘﺄﻜﻴﺩﻩ ﻫﻭ ﺃﻨﻪ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﻌﻘﺩﺓ ﻭﺍﻟﺘﻲ‬ ‫ﺘﺸﻤل ﻋﻠﻰ ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﺒﻴﻥ ﺃﺯﻭﺍﺝ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻓﺈﻥ ﻤﻌﻴﺎﺭ ﺘﻴﻭﻜﻲ ﻟﻠﻔﺭﻕ‬

‫ﺍﻟﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻴﺘﻁﻠﺏ ﺒﺭﺍﻋﺔ ﻋﺎﻟﻴﺔ‪ ،‬ﻭﻟﻬﺫﺍ ﻓﺈﻨﻪ ﻴﺤﺴﻥ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﺘﺤﺩﻴﺩ‬

‫ﻤﺠﻤﻭﻋﺔ ﺼﻐﻴﺭﺓ ﻤﻥ ﺃﺯﻭﺍﺝ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻨﻬﺎ ﻋﻥ ﻁﺭﻴﻕ ﺇﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ‬

‫ﻤﺒﺩﺌﻴﺔ ﻟﻶﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﺜﻡ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ‬

‫ﺒﺘﻠﻙ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ‪ ،‬ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻭﺒﺎﻟﻌﻭﺩﺓ ﺇﻟﻰ ﻤﺜﺎﻟﻨﺎ ﺍﻟﺴﺎﺒﻕ ﻓﻲ‬

‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﺈﻥ ﺍﻟﺘﻔﺎﻋﻼﺕ ﺍﻟﺘﻲ ﻭﺠﺩ ﺃﻨﻬﺎ ﻤﻌﻨﻭﻴﺔ ﻴﻤﻜﻥ ﺃﻥ ﺘﺘﺒﻊ ﺒﺎﺨﺘﺒﺎﺭﺍﺕ ﺤﻭل‬ ‫ﻤﺘﻭﺴﻁﺎﺕ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻟﻌﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ﻓﻲ ﻤﺴﺘﻭﻴﻲ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ‪ ،‬ﻭﺤﻴﺙ‬

‫ﺃﻥ ﻫﻨﺎﻙ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﺒﺴﻴﻁ ﻤﻌﻨﻭﻱ ﻟﻌﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ ﻓﻲ ﻤﺴﺘﻭﻯ ﺍﻟﺘﺤﻜﻡ ﻭﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ‬

‫ﻓﻨﺴﺘﻁﻴﻊ ﺍﻹﺸﺎﺭﺓ ﺇﻟﻰ ﺠﺩﻭل ﺍﻟﻘﻴﻡ ﺍﻟﺤﺭﺠﺔ ﻹﺤﺼﺎﺀ ﺍﻟﻤﺩﻯ ﺍﻟﻤﻌﻴﺎﺭﻱ ‪Studentized‬‬

‫ﻻ ﻤﻥ ‪. 6‬‬ ‫‪ Range Statistic‬ﺒﺎﻋﺘﺒﺎﺭ ﺃﻥ ﻋﺩﺩ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ = ‪ 3‬ﺒﺩ ﹰ‬

‫‪ .5 .8‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻟﻌﺎﻣﻠﻲ ﻓﻲ اﻟﺘﺠﺎرب ﺑﺄآﺜﺮ ﻣﻦ ﻋﺎﻣﻠﻴﻦ‪:‬‬ ‫‪Experiments with More than Two Treatment Factors:‬‬ ‫ﺇﻥ ﻟﺩﻯ ﻨﻅﺎﻡ ‪ SPSS‬ﺍﻹﻤﻜﺎﻨﻴﺎﺕ ﺍﻟﻜﺎﻓﻴﺔ ﻟﺘﺤﻠﻴل ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫ﺒﺘﺼﻤﻴﻤﺎﺕ ﺃﻜﺜﺭ ﺘﻌﻘﻴﺩﹰﺍ ﻭﺒﺜﻼﺙ ﺃﻭ ﺃﻜﺜﺭ ﻤﻥ ﺍﻟﻌﻭﺍﻤل‪ ،‬ﻭﻟﻜﻥ ﻴﺠﺏ ﻫﻨﺎ ﺍﻟﺘﺤﺫﻴﺭ ﺃﻥ‬

‫ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻷﻜﺜﺭ ﻤﻥ ﺜﻼﺙ ﻋﻭﺍﻤل ﻋﺎﺩﺓ ﻴﻜﻭﻥ ﺼﻌﺒﹰﺎ ﻭﻴﺘﻁﻠﺏ ﺘﺤﻠﻴل‬ ‫ﻨﺘﺎﺌﺠﻬﺎ ﻏﺎﻴﺔ ﻓﻲ ﺍﻟﺤﺫﺭ ﻭﻟﺫﻟﻙ ﻴﺠﺏ ﺘﺠﻨﺒﻬﺎ ﻗﺩﺭ ﺍﻹﻤﻜﺎﻥ‪.‬‬ ‫ﻭﻫﻨﺎ ﺴﻭﻑ ﻨﺒﻴﻥ ﻜﻴﻑ ﻴﻤﻜﻥ ﻭﺒﺴﻬﻭﻟﺔ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ﻭﺒﺜﻼﺙ‬

‫ﻋﻭﺍﻤل ‪ Three-factor ANOVA‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻅﺎﻡ ‪ ، SPSS‬ﻭﻟﺘﻭﻀﻴﺢ ﺫﻟﻙ ﺴﻭﻑ‬ ‫ﻨﺴﺘﺨﺩﻡ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻭﻟﻜﻥ ﺒﻌﺩ ﺇﺩﺨﺎل ﻋﺎﻤل ﺍﻟﻨﻭﻉ ﻜﻌﺎﻤل ﺜﺎﻟﺙ ﻴﻤﻜﻥ ﺃﻥ‬

‫ﻴﻜﻭﻥ ﻟﻪ ﺃﺜﺭ ﻋﻠﻰ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ‪ ،‬ﻭﻟﻬﺫﺍ ﺍﻟﻐﺭﺽ ﻴﺒﻴﻥ ﺍﻟﺸﻜل ‪16-8‬‬ ‫ﻻ ﺒﺎﻟﺒﻴﺎﻨﺎﺕ ﺒﻌﺩ ﺃﺨﺫ ﻋﺎﻤل ﺍﻟﻨﻭﻉ ﻓﻲ ﺍﻻﻋﺘﺒﺎﺭ‪.‬‬ ‫ﺠﺩﻭ ﹰ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪302‬‬

‫ﺸﻜل ‪ : 16-8‬ﺒﻴﺎﻨﺎﺕ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﺘﺒﻴﻥ ﺜﻼﺙ ﻋﻭﺍﻤل ‪ :‬ﺍﻟﻴﻘﻅﺔ ﻭﺍﻟﻌﻘﺎﻗﻴﺭ ﻭﺍﻟﻨﻭﻉ ‪.‬‬ ‫ﻤﺴﺘﻭﻴﺎﺕ‬

‫ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ‬ ‫ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫ﺍﻟﻨﻭﻉ‬

‫ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ‬ ‫ﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﺤﻜﻡ‬

‫ﺍﻟﻌﻘﺎﺭ ‪B‬‬

‫ﺍﻟﻌﻘﺎﺭ ‪A‬‬

‫ﺍﻟﻴﻘﻅﻴﻥ‬

‫ﺫﻜﻭﺭ‬

‫‪16 22 13 25 24‬‬

‫‪16 14 9 8 18‬‬

‫‪27 29 19 14 27‬‬

‫ﺇﻨﺎﺙ‬

‫‪26 24 19 18 23‬‬

‫‪17 8 9 6 15‬‬

‫‪25 20 17 19 23‬‬

‫ﺍﻟﺴﺎﺌﻘﻴﻥ‬

‫ﺫﻜﻭﺭ‬

‫‪17 16 14 12 13‬‬

‫‪20 23 22 24 21‬‬

‫‪19 22 14 11 21‬‬

‫ﺍﻟﻤﻨﻬﻜﻴﻥ‬

‫ﺇﻨﺎﺙ‬

‫‪6 2 3 4 13‬‬

‫‪16 13 17 11 13‬‬

‫‪18 21 11 14 9‬‬

‫ﻭﻴﺠﺏ ﺃﻥ ﻴﻀﺎﻑ ﺇﻟﻰ ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺴﺎﺒﻘﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﺒﻴﻨﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺠﺩﻴﺩ ﻭﻫﻭ ﺍﻟﻨﻭﻉ ﻓﻲ ﻤﺘﻐﻴﺭ ﺘﺼﻨﻴﻑ ﺠﺩﻴﺩ ﻭﻫﻭ ‪ gender‬ﻭﺫﻟﻙ‬ ‫ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﻤﺘﻐﻴﺭﻱ ﺍﻟﺘﺼﻨﻴﻑ ﺍﻟﻘﺩﻴﻤﻴﻥ ﺍﻟﻌﻘﺎﻗﻴﺭ ‪ drug‬ﻭﺍﻟﻴﻘﻅﺔ ‪ alert‬ﻭﻜﺫﻟﻙ‬

‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ‪ ، drivperf‬ﻭﻴﺒﻴﻥ ﺸﻜل ‪ 17-8‬ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﻌﺩ ﺇﺩﺨﺎل ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ ﻭﻗﺒل ﺍﻟﺩﺨﻭل ﻓﻲ ﺍﻟﺘﺤﻠﻴل‪.‬‬

‫ﺸﻜل ‪ :17-8‬ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﺴﺎﺒﻘﺔ‬

‫)‪ (8‬ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬

‫‪303‬‬

‫ﻭﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺜﻼﺙ ﺍﺘﺠﺎﻫﺎﺕ ‪) three-factor ANOVA‬ﺃﻭ‬

‫ﺃﻜﺜﺭ ﻤﻥ ﺜﻼﺜﺔ ﺒﻨﻔﺱ ﺍﻟﻁﺭﻴﻘﺔ( ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫• ﺍﻓﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ‪ Univariate‬ﻓﻲ ﺇﺼﺩﺍﺭ‬ ‫‪ 11.0‬ﻤﻥ ﻨﻅﺎﻡ ‪ SPSS‬ﺃﻭ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ ‪GLM-General‬‬

‫‪ Factorial‬ﻓﻲ ﺇﺼﺩﺍﺭ ‪ 8.0‬ﻭﺍﺴﺘﻜﻤل ﺠﻤﻴﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻟﻴﻅﻬﺭ ﻜﻤﺎ ﻓﻲ‬

‫ﺸﻜل ‪ 8-8‬ﻭﻟﻜﻥ ﺒﺈﻀﺎﻓﺔ ﻤﺘﻐﻴﺭ ﺍﻟﻨﻭﻉ ‪ gender‬ﻟﻤﺭﺒﻊ ﺤﻭﺍﺭ ﺍﻟﻌﻭﺍﻤل )‪. Factor(s‬‬ ‫• ﺍﻀﻐﻁ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ﺍﻟﻤﻁﻠﻭﺏ‪.‬‬

‫ﻭﻴﺒﻴﻥ ﺸﻜل ‪ 18-8‬ﺃﺩﻨﺎﻩ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﻲ ﻴﺘﻡ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ ﻨﺘﻴﺠﺔ ﺘﻨﻔﻴﺫ‬

‫ﺍﻷﻤﺭ ﺍﻟﺴﺎﺒﻕ‪ ،‬ﻭﺃﻭل ﺸﻲﺀ ﻴﻤﻜﻥ ﻤﻼﺤﻅﺘﻪ ﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻫﻭ ﺃﻥ ﻫﻨﺎﻙ ‪ 60‬ﻤﺸﺎﻫﺩﺓ‬

‫ﺩﺨﻠﺕ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺃﻱ ﻻ ﺘﻭﺠﺩ ﺃﻱ ﻗﻴﻡ ﻤﻔﻘﻭﺩﺓ ‪.‬‬

‫ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻓﻲ ﺍﻟﺸﻜل ﻫﻭ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ANOVA summary‬‬

‫‪ ، table‬ﻭﺭﻏﻡ ﺍﻨﻪ ﻴﺒﺩﻭ ﺃﻁﻭل ﻤﻥ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺇﺘﺠﺎﻫﻴﻥ ﺇﻻ ﺃﻨﻪ ﺒﺄﺨﺫ‬

‫ﻨﻔﺱ ﺍﻟﺸﻜل‪ ،‬ﻓﺘﺒﺩﻭ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ )ﺜﻼﺜﺔ ﻫﻨﺎ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ( ﻟﻜل ﻤﻥ‬

‫ﺍﻟﻌﻭﺍﻤل ﺍﻟﺜﻼﺜﺔ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﻴﻠﻴﻬﺎ ﺜﻼﺜﺔ ﺘﻔﺎﻋﻼﺕ ﻤﺯﺩﻭﺠﺔ )ﻭﻟﻴﺱ ﺘﻔﺎﻋﻠﻴﻥ( ﺒﺎﻹﻀﺎﻓﺔ‬ ‫ﺇﻟﻰ ﺘﻔﺎﻋل ﺜﻼﺜﻲ )ﺠﺩﻴﺩ ﻫﻨﺎ( ﻭﻴﺒﺩﻭ ﻋﻠﻰ ﺍﻟﺸﻜل ‪ alert*drug*gender‬ﻭﻴﻌﺭﻑ‬ ‫ﺒﺎﻟﺘﻔﺎﻋل ﺍﻟﺜﻼﺜﻲ ﺃﻭ ﺍﻟﺘﻔﺎﻋل ﻓﻲ ﺜﻼﺙ ﺍﺘﺠﺎﻫﺎﺕ ‪. three-way interaction‬‬

‫ﻭﻴﺤﺩﺙ ﺍﻟﺘﻔﺎﻋل ﺍﻟﺜﻼﺜﻲ ﻋﻨﺩﻤﺎ ﻻ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤﻠﻴﻥ‬

‫ﻋﻠﻰ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ ‪ ،‬ﻭﻟﻜﻥ ﻻ ﻴﻭﺠﺩ ﺩﻟﻴل ﻋﻠﻰ ﺃﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل‬ ‫ﺜﻼﺜﻲ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺤﻴﺙ ‪ ، F(2,48)=1.93; p>0.05; NS‬ﻭﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﻭﺠﻭﺩ‬

‫ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﻤﻌﻨﻭﻴﺔ ﺍﻟﺘﻲ ﺍﺘﻀﺤﺕ ﻤﻥ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻓﻬﻨﺎﻙ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﻤﻌﻨﻭﻱ‬

‫ﻟﻌﺎﻤل ﺍﻟﻨﻭﻉ ﺃﻴﻀﹰﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل‪ ،‬ﻭﻜﺫﻟﻙ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺇﻀﺎﻓﻲ ﺃﻴﻀﹰﺎ ﺒﻴﻥ‬

‫ﻋﺎﻤﻠﻲ ﺍﻟﻴﻘﻅﺔ ﻭﺍﻟﻨﻭﻉ ﻜﻤﺎ ﻴﺘﻀﺢ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ‪.‬‬

‫( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﺔ‬8)

304

‫ ﻟﻠﻌﻭﺍﻤل ﺍﻟﺜﻼﺜﺔ‬ANOVA ‫ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ‬: 18-8 ‫ﺸﻜل‬ Univariate Analysis of Variance Between-Subjects Factors Value Label Alertness Drugs

Gender

N

1

Fresh

30

2

Tired

30

1

Placebo

20

2

Drug A

20

3

Drug B

20

0

Female

30

1

Male

30

Tests of Between-Subjects Effects Dependent Variable: Driver's Performance

Source Corrected Model

Type III Sum of Squares

df a

Mean Square

F

Sig.

1562.600

11

142.055

8.094

.000

16335.000

1

16335.000

930.769

.000

ALERT

201.667

1

201.667

11.491

.001

DRUG

190.000

2

95.000

5.413

.008

GENDER

201.667

1

201.667

11.491

.001

ALERT * DRUG

763.333

2

381.667

21.747

.000

ALERT * GENDER

123.267

1

123.267

7.024

.011

DRUG * GENDER

14.933

2

7.467

.425

.656

ALERT * DRUG * GENDER

67.733

2

33.867

1.930

.156

Error

842.400

48

17.550

Total

18740.000

60

2405.000

59

Intercept

Corrected Total

a. R Squared = .650 (Adjusted R Squared = .569)