]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)