المتغيرات في البحث .

المتغيرات في البحث هي أي خصائص يمكن أن تأخذ قيما مختلفة، مثل الوزن والطول أو العمر أو الأنواع أو درجة الامتحان. المتغير هو كائن أو حدث أو فكرة أو شعور أو فترة زمنية أو أي نوع آخر من الفئات تحاول قياسه. المتغير هو كمية أو عامل تتغير فيه القيمة مقابل الثابت الذي تكون فيه القيمة ثابتة.
في التجارب والنمذجة الرياضية، تساعد المتغيرات في تحديد العلاقة السببية بينهما. هناك نوعان أساسيان من المتغيرات:
• المتغير المستقل Independent Variable
• المتغير التابع Dependent Variable
• وهناك نوع ثالث غير أساسي وأقل أهمية هو:
المتغيرات المضبوطة Controlled Variables

:point_left:المتغير المستقل Independent Variable هو متغير في علاقة وظيفية حيث لا تتأثر قيمته بالمتغيرات الأخرى. هذا على عكس المتغير التابع الذي يتأثر بالمتغيرات الأخرى.
تعريف المتغير المستقل: المتغير في علاقة وظيفية تكون قيمته مستقلة لا تتأثر بغيره. المرادفات له: متغير توضيحي، متغير التعرض، متغير إدخال، متغير يتم التلاعب به، متغير متنبئ.

في البحث العلمي، غالباً ما نريد دراسة تأثير أحد المتغيرات على متغير آخر. على سبيل المثال، قد ترغب في اختبار ما إذا كان الطلاب الذين يقضون وقتاً أطول في الدراسة يحصلون على درجات امتحان أفضل.

تسمى المتغيرات في دراسة علاقة السبب والنتيجة بالمتغيرات المستقلة والتابعة.
المتغير المستقل قائم بذاته ولا يتغير بسبب المتغيرات الأخرى التي تحاول قياسها. على سبيل المثال، قد يكون عمر شخص ما متغيراً مستقلاً. هناك عوامل أخرى (غذائه، وكم ساعة ينام يومياً، وكم ساعة يشاهد التلفاز) لن تغير عمر الشخص. في الواقع، عندما تبحث عن نوع من العلاقة بين المتغيرات، فأنت تحاول معرفة ما إذا كان المتغير المستقل يسبب نوعاً من التغيير في المتغيرات الأخرى، أو المتغيرات التابعة.
المتغير المستقل هو السبب. قيمته مستقلة عن المتغيرات الأخرى في دراستك.
المتغير المستقل هو المتغير الذي يعالجه المجرِّب أو يغيره، ويفترض أن يكون له تأثير مباشر على المتغير التابع. على سبيل المثال، تخصيص المشاركين لحالات الدواء أو الدواء الوهمي (متغير مستقل) من أجل قياس أي تغيرات في شدة قلقهم (متغير تابع).
المتغير التابع هو التأثير. تعتمد قيمتها على التغييرات في المتغير المستقل.
المتغير التابع، بالعكس، هو شيء يعتمد على عوامل أخرى. على سبيل المثال، يمكن أن تكون درجة الاختبار متغيراً تابعاً لأنها يمكن أن تتغير اعتماداً على عدة عوامل مثل مقدار ما درسته، ومقدار النوم الذي حصلت عليه في الليلة السابقة للاختبار، أو حتى مدى شعورك بالجوع عندما أجريت الاختبار. عادة عندما تبحث عن علاقة بين شيئين، فأنت تحاول معرفة ما الذي يجعل المتغير التابع يغير الطريقة التي يتغير بها. المتغير التابع هو المتغير الذي يتم اختباره وقياسه في التجربة، وهو "معتمد" على المتغير المستقل. من الأمثلة على المتغير التابع أعراض الاكتئاب، والتي تعتمد على المتغير المستقل (نوع العلاج).
يواجه العديد من الأشخاص صعوبة في التمييز بين المتغير المستقل والمتغير التابع. طريقة سهلة للتمييز هي إدخال اسمي المتغيرين اللذين تستخدمهما في هذه الجملة بالطريقة الأكثر منطقية. ثم يمكنك معرفة المتغير المستقل وأي المتغير التابع:

(المتغير المستقل) يسبب تغييراً في (المتغير التابع) ولا يمكن أن يتسبب (المتغير التابع) في تغيير (المتغير المستقل)
على سبيل المثال، يتسبب (الوقت المستغرق في الدراسة) في حدوث تغيير في (درجة الاختبار) وليس من الممكن أن تتسبب (درجة الاختبار) في حدوث تغيير في (الوقت المستغرق في الدراسة).

نرى أن "الوقت المستغرق في الدراسة" يجب أن يكون المتغير المستقل و "درجة الاختبار" يجب أن تكون المتغير التابع لأن الجملة لا تعني العكس.
على سبيل المثال، قد نغير نوع المعلومات (على سبيل المثال، المنظمة أو العشوائية) المعطاة للمشاركين لمعرفة تأثير ذلك على كمية المعلومات التي يتم تذكرها.
في هذا المثال، يكون نوع المعلومات هو المتغير المستقل (لأنه يتغير) وكمية المعلومات التي يتم تذكرها هي المتغير التابع (لأنه يتم قياس ذلك).
أمثلة على المتغيرات المستقلة والتابعة:
1. تريد معرفة أي نوع من السماد يساعد النباتات على النمو بشكل أسرع، لذلك يمكنك إضافة أنواع مختلفة من الأسمدة إلى كل نبات ومعرفة مدى نموها.

المتغير المستقل: نوع السماد المعطى للنبات
المتغير التابع: ارتفاع النبات

2. أنت مهتم بكيفية تأثير ارتفاع درجات حرارة البحر على حياة الطحالب؛ لذلك تصمم تجربة تقيس عدد الطحالب في عينة من المياه مأخوذة من موقع محيط معين تحت درجات حرارة متفاوتة.
المتغير المستقل: درجة حرارة المحيط.
متغير تابع: عدد الطحالب في العينة.

في المتغيرات المستقلة أعلاه، من الواضح أنه لا يمكن تغييرها بواسطة متغيرات أخرى في التجربة. يجب أن تكون الشخص الذي يغير الأسمدة في التجربة، ولا يمكن تغيير درجة حرارة المحيط في التجربة 2 بشكل كبير من خلال عوامل أخرى. تؤدي التغييرات في كل من هذه المتغيرات المستقلة إلى تغيير المتغيرات التابعة في التجارب.
هل ينمو الخيار بشكل أسرع تحت الضوء الفلوري أو المتوهج أو الطبيعي؟
نوع الضوء الذي يزرع تحته نبات الخيار
معدل نمو نبات الخيار
ما هو تأثير النظام الغذائي والصودا العادية على مستويات السكر في الدم؟
تأثير نوع الصودا التي تشربها (محلاة أو دون سكر) على
مستويات السكر في الدم.
كيف يؤثر استخدام الهاتف قبل النوم على النوم؟
مقدار استخدام الهاتف قبل النوم
عدد ساعات النوم
نوعية النوم
ما مدى قدرة الأنواع النباتية المختلفة على تحمل المياه المالحة؟
كمية الملح المضاف إلى مياه النباتات
نمو النبات
ذبول النبات
معدل بقاء النبات

المتغيرات المستقلة والتابعة في التجارب
تغيير المتغير التابع.
مثال على تجربة
أنت تدرس تأثير دواء جديد على ارتفاع ضغط الدم.
ما إذا كان الدواء فعالاً أم لا، تقوم بتقسيم مرضاك إلى مجموعتين. مجموعة أخرى من الأدوية، بينما المجموعة الأخرى تأخذ الدواء الوهمي.
المتغير المستقل هو المريض الذي يختلف بين المجموعات: نوع حبوب منع الحمل التي يتلقاها المريض.
التابع المتغير التابع الخاص بالنتائج التي تقيسها: ضغط الدم للمرضى.
عادة ما تختلف المستويات المختلفة.
يمكنك تطبيق مستويين فقط (على سبيل المثال، الدواء الجديد والوهمي) لمعرفة ما إذا كان المتغير المستقل له تأثير على الإطلاق.
يمكنك أيضاً تطبيق مستويات متعددة (على سبيل المثال، ثلاث جرعات مختلفة من الدواء الجديد) لمعرفة كيفية تأثير المتغير المستقل على المتغير التابع.

المتغيرات في أنواع أخرى من البحث
خارج الإعداد التجريبي، لا يستطيع الباحثون في كثير من الأحيان التلاعب أو تغيير المتغير المستقل الذي يهتمون به بشكل مباشر.
بدلاً من ذلك، يجب عليهم العثور على أمثلة موجودة بالفعل للمتغير المستقل، والتحقيق في كيفية تأثير التغييرات في هذا المتغير على المتغير التابع.

مثال البحث
أنت مهتم بما إذا كان الحد الأدنى للأجور الأعلى يؤثر على معدلات التوظيف.
لا يمكنك التحكم في الحد الأدنى للأجور بنفسك. بدلاً من ذلك، تنظر إلى بلد رفع الحد الأدنى للأجور العام الماضي، وتقارنها ببلد مجاور لم يفعل ذلك.
المتغير المستقل هو الحد الأدنى للأجور.
المتغير التابع هو معدل التوظيف.
بمقارنة الاختلاف في النتائج بين البلدين (وحساب العوامل الأخرى) ، يمكنك التحقق مما إذا كان التغيير في الحد الأدنى للأجور له تأثير على معدلات التوظيف.

في البحث غير التجريبي، يكون من الصعب إنشاء علاقة سبب ونتيجة محددة لأن المتغيرات الأخرى التي لم تقم بقياسها قد تؤثر على التغييرات. تُعرف هذه بالمتغيرات المربكة.

في أنواع البحث التي تكون فيها العلاقة الدقيقة بين المتغيرات أقل تأكيداً، يمكنك استخدام مصطلحات مختلفة للمتغيرات المستقلة والتابعة.

أسماء أخرى للمتغيرات المستقلة:
في بعض الأحيان، المتغير الذي تعتقد أنه السبب قد لا يكون مستقلاً تماماً - قد يتأثر بمتغيرات أخرى. في هذه الحالة، يكون أحد هذه المصطلحات أكثر ملاءمة:
المتغيرات التوضيحية (تشرح حدثاً أو نتيجة)
متغيرات التوقع (يمكن استخدامها للتنبؤ بقيمة متغير تابع)
متغيرات الجانب الأيمن (تظهر على الجانب الأيمن من معادلة الانحدار).
أسماء أخرى للمتغيرات التابعة
تُعرف المتغيرات التابعة أيضاً بهذه المصطلحات:

متغيرات الاستجابة (تستجيب لتغيير في متغير آخر)
متغيرات النتيجة (تمثل النتيجة التي تريد قياسها)
متغيرات الجانب الأيسر (تظهر على الجانب الأيسر من معادلة الانحدار)
أين تضع المتغيرات المستقلة والمعتمدة على الرسوم البيانية؟
دائماً ما تكون المتغيرات المستقلة والتابعة في نفس الأماكن في الرسم البياني. هذا يجعل من السهل عليك أن ترى بسرعة أي متغير مستقل وأي متغير تابع عند النظر إلى رسم بياني أو مخطط. المتغير المستقل يُمثل دائماً على المحور x أو المحور الأفقي. المتغير التابع يُمثل على المحور y أو المحور الرأسي.
فمثلا رسم بياني يوضح كيف يؤثر عدد الساعات التي يدرسها الطالب على النتيجة التي حصل عليها في الامتحان. من الرسم البياني، يبدو أن الدراسة لمدة تصل إلى ست ساعات ساعدته على رفع درجاته، ولكن مع دراستها أكثر من ذلك، انخفضت درجتها قليلاً.

مقدار الوقت الذي تمت دراسته هو المتغير المستقل، لأنه ما تغيرت، لذا فهو على المحور x. الدرجة التي حصل عليها في الامتحان هي المتغير التابع، لأنها تغيرت نتيجة للمتغير المستقل، وهي على المحور ص. من الشائع وضع الوحدات بين قوسين بجوار عناوين المحاور، وهو ما يفعله هذا الرسم البياني.

هناك طرق مختلفة لعنوان رسم بياني، ولكن الطريقة الشائعة هي "[المتغير المستقل] مقابل [المتغير التابع]". إن استخدام عنوان قياسي كهذا يجعل من السهل أيضاً على الآخرين معرفة ماهية متغيراتك المستقلة والتابعة.

هل هناك متغيرات أخرى مهمة يجب معرفتها؟
المتغيرات المستقلة والتابعة هما أهم متغيرين يجب معرفتهما وفهمهما عند إجراء تجربة ما أو دراستها، ولكن هناك نوعاً آخر من المتغيرات التي يجب أن تكون على دراية بها: المتغيرات الثابتة.

المتغيرات الثابتة (المعروفة أيضاً باسم "الثوابت") سهلة الفهم: فهي ما تبقى كما هي أثناء التجربة. عادةً ما تحتوي معظم التجارب على متغير مستقل واحد ومتغير تابع واحد، ولكن سيكون لها جميعاً متغيرات ثابتة متعددة.
على سبيل المثال، في التجربة 1 أعلاه، ستكون بعض المتغيرات الثابتة هي نوع النبات الذي يتم زراعته، وكمية السماد التي يتم إعطاؤها لكل نبات، وكمية المياه التي يتم توفيرها لكل نبات، وعندما يتم إعطاء كل نبات السماد والماء، كمية ضوء الشمس التي تتلقاها النباتات، وحجم الحاوية التي يزرع فيها كل نبات، وأكثر من ذلك. يقوم العالم بتغيير نوع السماد الذي يحصل عليه كل نبات والذي بدوره يغير مقدار نمو كل نبات، لكن كل جزء آخر من التجربة يظل كما هو.
في التجارب، يجب عليك اختبار متغير مستقل واحد في كل مرة من أجل فهم كيفية تأثيره على المتغير التابع بدقة. تعتبر المتغيرات الثابتة مهمة لأنها تضمن أن المتغير التابع يتغير بسبب، وفقط بسبب، المتغير المستقل حتى تتمكن من قياس العلاقة بين المتغيرات التابعة والمستقلة بدقة.

إذا لم يكن لديك أي متغيرات ثابتة، فلن تكون قادراً على معرفة ما إذا كان المتغير المستقل هو ما يؤثر حقاً على المتغير التابع. على سبيل المثال، في المثال أعلاه، إذا لم تكن هناك ثوابت وقمت باستخدام كميات مختلفة من الماء وأنواع مختلفة من النباتات وكميات مختلفة من الأسمدة ووضع النباتات في نوافذ بها كميات مختلفة من الشمس، فلن تتمكن من ذلك. قل كيف أثر نوع السماد على نمو النبات لأنه سيكون هناك العديد من العوامل الأخرى التي من المحتمل أن تؤثر على كيفية نمو النباتات.
ملخص: المستقل مقابل المتغير التابع
إن معرفة تعريف المتغير المستقل وتعريف المتغير التابع هو مفتاح فهم كيفية عمل التجارب. المتغير المستقل هو ما تغيره، والمتغير التابع هو ما يتغير نتيجة لذلك. يمكنك أيضاً التفكير في المتغير المستقل على أنه السبب والمتغير التابع باعتباره التأثير.

عند رسم هذه المتغيرات بالرسوم البيانية، يجب أن ينتقل المتغير المستقل على المحور x (المحور الأفقي)، والمتغير التابع يمتد على المحور y (المحور الرأسي).

المتغيرات الثابتة مهمة أيضاً للفهم. إنها ما تبقى كما هي طوال التجربة حتى تتمكن من قياس تأثير المتغير المستقل بدقة على المتغير التابع.
المتغيرات المستقلة مقابل المتغيرات الأخرى
كيف تحدد متغير مستقل من المتغير التابع؟ انظر إلى المتغيرات أو العوامل في التجربة. اسأل نفسك هذا السؤال: هل هذا العامل هو "السبب"؟ عادةً ما يكون "السبب" هو المتغير المستقل ويتم ملاحظة آثاره على المتغير التابع.

يمكنك أيضًا تحديد متغير مستقل عن المتغير التابع من خلال التعرف على المتغيرات التي يتم التلاعب بها وأيها لا يتم التعامل معه. في إحدى التجارب، تعامل الباحثون مع المتغيرات المستقلة، وليس المتغيرات التابعة. يتلاعبون بالمتغيرات المستقلة لدراسة تأثيرها. ومع ذلك، لا يمكن التلاعب بجميع المتغيرات المستقلة. هناك حالات لا يعتمد فيها المتغير على متغيرات أخرى ومع ذلك لا يمكن التلاعب به.

تجدر الإشارة إلى أنه في بعض التجارب توجد متغيرات أخرى بصرف النظر عن المتغيرات المستقلة والتابعة. المتغيرات الخارجية، على سبيل المثال، هي المتغيرات التي لها تأثير أيضا على العلاقة بين المتغير المستقل والمتغير التابع. بالعودة إلى المثال المذكور أعلاه، قد يكون لعوامل مثل العمر والجنس والعرق والتاريخ الطبي (مثل الحساسية) تأثير على النتائج. وبالتالي، من الضروري تحديد هذه العوامل. أيضًا، من المهم التحكم في المتغيرات الخارجية في التجربة للتوصل إلى استنتاجات أكثر دقة بناءً على البيانات التجريبية.

إذا لم يتمكن المجرب من التحكم في متغير خارجي، عندئذٍ، يُشار إلى هذا المتغير على أنه متغير مربك. كما يوحي الاسم، فإن وجود متغير محير سوف يربك النتائج. لا يمكن أن يُعزى التأثير بالكامل إلى المتغير المستقل. قد يكون بسبب متغير مستقل أو متغير مربك، وبالتالي من المحتمل أن تكون النتيجة غير حاسمة.

عندما تظل المتغيرات ثابتة، فإننا نشير إليها على أنها المتغيرات الخاضعة للرقابة Controlled Variables، وسنركز عليها بعد قليل.
في المثال المعطى، قد نرغب في الحفاظ على نطاقات العمر والوزن للأفراد من كلا المجموعتين (أولئك اللواتي يتناولن حبوب منع الحمل الحقيقية وأولئك اللواتي يتناولون الدواء الوهمي) كما هو. قد تعتمد فعالية العلاج على عمر ووزن المريض الذي يتناول العلاج. وبالتالي، عندما يتم الاحتفاظ بالعمر والوزن كما هو لكلتا المجموعتين، يمكن للقائمين بالتجربة أن يتوصلوا إلى استنتاجات صحيحة قد تؤدي بخلاف ذلك إلى التحيز والادعاءات الكاذبة.

أنواع المتغيرات المستقلة والاستخدامات:
قد يكون المتغير المستقل في البحث من نوعين: (1) كمي و (2) نوعي. المتغيرات الكمية هي تلك التي تختلف في القيم أو المقاييس. إنها متغيرات رقمية تجيب على أسئلة مثل العدد أو عدد المرات.

أمثلة على المتغيرات الكمية:
• الاختلافات في جرعات وترددات العلاج. هذا المتغير مفيد في تحديد الجرعة التي تنتج التأثيرات المرغوبة.
• ملوحة متفاوتة. هذا المتغير مفيد، على سبيل المثال، في تحديد نطاق الملوحة التي يمكن أن تتحملها كائنات معينة.
• تفاوت درجة الحموضة. هذا المتغير مفيد في تحديد مستويات الأس الهيدروجيني المثلى لنمو بعض الكائنات الحية، على سبيل المثال، نمو القلويات (الميكروبات المحبة للقلوية) أو الحموضة (الميكروبات المحبة للأحماض).
• المحتوى الغذائي. هذا المتغير ضروري في دراسة تهدف إلى تحديد تأثير العناصر الغذائية والكمية المطلوبة للنمو الطبيعي للكائنات الحية.

2- المتغيرات النوعية هي متغيرات غير عددية.

أمثلة على المتغيرات النوعية:
• أنواع سلالات الأنواع المختلفة. هذا المتغير مفيد في تحديد سلالة محصول، على سبيل المثال، الأكثر مقاومة لمرض معين.
• الاختلافات في تصبغ الجلد. يمكن أن يساعد هذا المتغير، على سبيل، في تحديد نوع تصبغ الجلد الذي سيكون أكثر حساسية للتعرض للضوء.
الطرق المختلفة لكيفية إدارة العلاج. "أي طريق هو الأكثر فعالية؟ ... فموي أم وريدي؟ سيتم الرد على هذه الأسئلة من خلال هذا المتغير.
• أسئلة تجيب بنعم أو لا. "هل التدخين عامل في الإصابة بسرطان الرئة؟" للإجابة على هذا السؤال، يهدف هذا المتغير المحدد إلى تصنيف المرضى إلى مدخنين وغير مدخنين، ثم إجراء اختبارات لتحديد ما إذا كانت هناك علاقة سببية بين التدخين وسرطان الرئة.
إذا كنت لا تزال غير متأكد من كيفية التمييز بين المتغيرات الكمية والنوعية، فتذكر أن المتغير الكمي سيتم تمثيله بمقادير حقيقية بينما المتغيرات النوعية، حسب المجموعات أو الفئات.
يُشار أحيانًا إلى المتغير المستقل على أنه متغير توقع. وذلك لأن هذا المتغير يساعد على "التنبؤ" وشرح التغييرات في الاستجابة. على سبيل المثال، يمكن أن تساعد كمية الأسمدة، المتغير المستقل، في التنبؤ بمدى نمو النبات (متغير تابع). في هذه الحالة، تعمل كمية الأسمدة كمتغير توقع بينما نمو النبات هو متغير النتيجة.
عند تصميم تجربة:
إذا كنت على وشك إعداد تجربة، فيجب عليك تحديد المتغيرات الخاصة بتجربتك، وخاصة المتغيرات المستقلة. للقيام بذلك، يجب عليك تحديد المتغيرات التي تعتقد أنه قد يكون لها تأثير على متغير آخر. ثم قم بإنشاء فرضية بناءً على المتغيرات. حدد توقعاتك من التجربة بالإجابة على هذا السؤال: "ما هو التأثير الافتراضي أو تأثيرات المتغير المستقل؟".
فكر في البحث عن تجارب مماثلة وتعلم منها. ما الذي تم إنجازه حتى الآن في هذا المجال؟ كيف صمموا التجربة وتلاعبوا بالمتغيرات المستقلة للتوصل إلى بيانات موثوقة ودقيقة؟

مستويات المتغير المستقل:
تتعلق مستويات المتغيرات المستقلة بفئات أو مجموعات مختلفة لهذا المتغير. على سبيل المثال، في دراسة حول استخدام وسائل التواصل الاجتماعي وساعات النوم كل ليلة، المتغير المستقل هو استخدام وسائل التواصل الاجتماعي، وساعات النوم في الليلة هي المتغير التابع. بعد ذلك، يتم تصنيف استخدام الوسائط الاجتماعية إلى منخفض، ومتوسط، وعالي، وهو ما مجموعه ثلاثة مستويات.

أمثلة على المتغيرات المستقلة:
كما ذكر أعلاه، فإن نوع العلاج (حبوب منع الحمل مقابل الدواء الوهمي) هو المتغير المستقل. يمكن تغيير متغير العلاج بشكل أكبر عن طريق تغيير الجرعات أو مسار الإعطاء أو التوقيت أو المدة. يتم مراقبة النتائج وتسجيلها من خلال تحديد أو قياس التعديلات الفسيولوجية أو المورفولوجية أو السلوكية بعد العلاج.
ضع في اعتبارك هذا المثال الآخر: تشير دراسة أجرتها (شركة برمجيات لإدارة المشاريع) إلى أن اليقظة تعتمد على الوقت من اليوم ويبدو أن إنتاجية موظفي المكاتب في جميع أنحاء العالم بلغت ذروتها في الساعة 11 صباحا، ثم تنخفض تدريجيا، وفي النهاية تنخفض بعد الساعة 4 مساءً. في هذه الحالة، يكون وقت اليوم هو المتغير المستقل والإنتاجية هي المتغير التابع.

مثال آخر هو دراسة تجريبية سريرية أجرتها مراكز مرض السكري للأطفال حول فعالية البنكرياس الاصطناعي في السيطرة على مرض السكري من النوع الأول لدى الأطفال. من خلال تجميع 101 طفل تتراوح أعمارهم بين 6 و 13 عاما في مجموعة تجريبية (باستخدام علاج البنكرياس الاصطناعي) ومجموعة التحكم (باستخدام نظام قياسي لمراقبة الجلوكوز المستمر ومضخة أنسولين منفصلة)، تمكنوا من اختبار فعالية طريقة العلاج الجديدة. ووجدوا أن الأطفال الذين يستخدمون نظام البنكرياس الاصطناعي لديهم تحسن بنسبة 7٪ في الحفاظ على نسبة الجلوكوز في الدم في النطاق في النهار و 26٪ في الليل مقارنة بمجموعة التحكم. في هذه الحالة، يكون نوع العلاج هو المتغير المستقل وكمية الجلوكوز في الدم هي المتغير الذي يعتمد على نوع العلاج.

هنا تطبيق بسيط. على سبيل المثال، تريد معرفة ما إذا كان نقل نباتاتك الداخلية إلى الخارج سيجعلها تنمو بشكل أسرع من جعلها تبقى بالداخل بالقرب من النافذة. لذلك، تأخذ مجموعة من النباتات الداخلية إلى الخارج وتتركها هناك لمدة ثلاث ساعات يوميا تقريبا. بعد ذلك، تترك المجموعة الأخرى بالداخل بجوار النافذة. بعد أسبوع، تقيس ارتفاعاتهم. إذا لاحظت تغيرا كبيرا في نمو النبات، فهذا يعني أنك قد تحتاج إلى إعطائها جرعة يومية من أشعة الشمس لمدة ثلاث ساعات على الأقل كل يوم من أجل نمو أفضل. إذا لم يكن هناك فرق ملحوظ أو بدا الاختلاف ضئيلًا، فقد يعني ذلك أنه لا داعي لإزالتها أو قد تحتاج إلى إجراء تجربة أخرى، هذه المرة عن طريق إطالة مدة التعرض لأشعة الشمس. في هذا المثال، المتغير المستقل هو التعرض للضوء، والمتغير التابع هو نمو النبات.
الآن السؤال هو، كيف يمكنك التأكد من أن التأثير إما مهم أو ضئيل؟ تتمثل إحدى طرق قياس أهمية تأثير المتغير المستقل في تطبيق اختبار إحصائي على البيانات. يعد اختيار الاختبار الإحصائي الصحيح (على سبيل المثال، تحليل ANOVA) أمرا بالغ الأهمية في أي بحث.

اختبار ANOVA
ما هو اختبار ANOVA؟ إحصائيات ANOVA هي اختصار للمصطلح، تحليل التباين. إنها طريقة إحصائية تحدد ما إذا كانت وسائل ثلاث مجموعات مستقلة أو أكثر لديها فروق ذات دلالة إحصائية فيما بينها. هناك نوعان: اتجاه واحد ANOVA مقابل اتجاهين ANOVA. تتضمن ANOVA ذات الاتجاه الواحد متغيرا مستقلاً واحدا بينما تتضمن ANOVA ذات الاتجاهين متغيرين.

أحد الأمثلة على ANOVA هو عندما تريد اختبار ما إذا كان هناك فرق كبير في غلة المحاصيل بين مخاليط الأسمدة الثلاثة المختلفة في حقول المحاصيل. مثال ANOVA ثنائي الاتجاه هو أنه بعيدا عن خليط الأسمدة، فأنت تريد أيضا تحديد ما إذا كان إنتاج المحصول سيختلف أيضا بشكل كبير بين السلالات المختلفة.

الفرضية الصفرية (H0) لـ ANOVA هي أنه لا يوجد فرق ذو دلالة إحصائية بين متوسطات المجموعة. على العكس من ذلك، فإن الفرضية البديلة H1 هي أن مجموعة واحدة على الأقل تظهر فرقا مهما من الناحية الإحصائية. ومع ذلك، فإنه لا يشير إلى أي مجموعة. وبالتالي، يتم استخدام اختبار إحصائي آخر لمقارنة مجموعة مع الأخرى، وغالبا ما يتم ذلك من خلال اختبار t.

:point_left: المتغير التابع Dependent Variable:
المتغير التابع هو ما تقيسه في التجربة وما يتأثر أثناء التجربة. المتغير التابع يستجيب للمتغير المستقل. يطلق عليه "تابع" لأنه "يتبع" المتغير المستقل. في تجربة علمية، لا يمكن أن يكون لديك متغير تابع بدون متغير مستقل.
مثال: أنت مهتم بكيفية تأثير التوتر على معدل ضربات القلب لدى البشر. سيكون المتغير المستقل هو الضغط وسيكون المتغير التابع هو معدل ضربات القلب. يمكنك التلاعب مباشرة بمستويات التوتر لدى البشر وقياس كيف تغير مستويات التوتر هذه معدل ضربات القلب.
إذا كنت تواجه مشكلة في معرفة أي من المتغيرات أمامك هو المتغير المستقل، وأي متغير تابع ، فحاول إدخال المتغيرات في الجملة التالية:
"يتسبب (المتغير المستقل) في تغيير (المتغير التابع) وليس من الممكن أن يتسبب (المتغير التابع) في تغيير (المتغير المستقل)."
مثل معظم الأشياء في الحياة، لو كان الأمر بهذه السهولة. في بعض الأحيان لا يعمل فقط تبديل العبارة لمعرفة ما إذا كانت تعمل أم لا. خذ المثالين التاليين:
مثال1: يدرس الباحث كيف تؤثر جرعات الأدوية المختلفة على تطور المرض ويقارن شدة وتكرار الأعراض عند إعطاء جرعات مختلفة. المتغير المستقل هو الجرعة المعطاة والتابع هو شدة الأعراض وتواترها. شدة وتواتر الأعراض " يتبع ويرتبط ويعتمد" على جرعة الدواء المعطى.

مثال 2: أنت تدرس كيف تؤثر الدروس الخصوصية على درجات اختبار الرياضيات. المتغير المستقل (IV) هو الدروس والمتغير التابع (DV) هو درجات الاختبار. درجات الاختبار "تعتمد" على الدروس الخصوصية.

تبديلها أيضًا (نوعًا ما) أمر منطقي:
جرعة الدواء المعطاة تعتمد على شدة وتكرار الأعراض.
تعتمد الدروس الخصوصية على درجات الاختبار.
لذلك عدةإلى فرضياتك، إذا كنت تعرف ما هو بيان الفرضية؛ فأنت تعرف ما الذي يتم اختباره - عندئذٍ يمكنك تحديد أي من النسختين أكثر منطقية. هذا هو أحد الأسباب التي تجعل من الضروري صياغة بيان فرضية واضح للغاية.
تعريف المتغير التابع (النمذجة الإحصائية)
النمذجة الإحصائية هي المكان الذي تقوم فيه بتطوير نموذج يناسب مجموعة من البيانات المرصودة. تعريف المتغير التابع (DV) في النمذجة الإحصائية هو في الأساس نفس التعريف الأساسي المستخدم في الرياضيات والعلوم العامة: إنه متغير "يعتمد" على المتغير المستقل (IV). ومع ذلك، بدلاً من بيان الفرضية، لديك نموذج يحتوي على كلا المتغيرين. يمثل DV ناتج النموذج أو النتيجة التي تدرسها. عادة ما يتم إعطاؤه الحرف "y" ويتم رسمه بشكل تقليدي على المحور y. يمثل الرابع الأسباب المحتملة للاختلاف في النموذج. عادةً ما يُعطى الحرف "x" ويتم رسمه على المحور x.
ينتج عن الانحدار متعدد الحدود خط منحن. يتم رسم المتغير التابع على المحور ص.
ينتج عن الانحدار متعدد الحدود خط منحن. يتم رسم المتغير التابع على المحور ص.
يُطلق على المتغير التابع أيضًا متغير استجابة أو متغير داخلي في النمذجة الإحصائية.

:point_left: المتغيرات المضبوطة Controlled Variables
المتغيرات المضبوطة أو الخاضعة للمراقبة أو التحكم هي أي شيء يتم الاحتفاظ به ثابتًا دون تغيير في دراسة بحثية. إنه متغير لا يهم أهداف الدراسة، ولكن يتم التحكم فيه لأنه قد يؤثر على النتائج.

يمكن التحكم في المتغيرات بشكل مباشر عن طريق الاحتفاظ بها ثابتة طوال الدراسة (مثلا، عن طريق التحكم في درجة حرارة الغرفة في تجربة ما) ، أو يمكن التحكم فيها بشكل غير مباشر من خلال طرق مثل التوزيع العشوائي أو التحكم الإحصائي (على سبيل المثال، لحساب خصائص المشاركين مثل العمر في الاختبارات الإحصائية).
أمثلة على المتغيرات المضبوطة:
درجة الحرارة هي نوع شائع من المتغيرات الخاضعة للرقابة. فالحفاظ على درجة حرارة ثابتة أثناء التجربة معناه تم لتحكم فيها.
يمكن أن تكون الأمثلة الأخرى للمتغيرات الخاضعة للرقابة مقدار الضوء، أو استخدام نفس النوع من الأوعية، أو الرطوبة الثابتة، أو مدة التجربة.

أهمية المتغيرات المضبوطة:
على الرغم من أن متغيرات التحكم قد لا يتم قياسها (على الرغم من أنها غالبًا ما يتم تسجيلها) ، إلا أنه يمكن أن يكون لها تأثير كبير على نتيجة التجربة. يمكن أن يؤدي عدم الوعي بمتغيرات التحكم إلى نتائج خاطئة أو ما يسمى "المتغيرات المربكة". بالإضافة إلى ذلك، فإن ملاحظة متغيرات التحكم تجعل من السهل إعادة إنتاج التجربة وإنشاء العلاقة بين المتغيرات المستقلة والتابعة.
على سبيل المثال، لنفترض أنك تحاول تحديد ما إذا كان لسماد معين تأثير على نمو النبات. المتغير المستقل هو وجود أو عدم وجود السماد ، بينما المتغير التابع هو ارتفاع النبات أو معدل النمو. إذا كنت لا تتحكم في كمية الضوء (على سبيل المثال، تقوم بإجراء جزء من التجربة في الصيف وجزء أثناء الشتاء) ، فقد تحرف نتائجك.
تعمل متغيرات التحكم على تحسين الصلاحية الداخلية للدراسة عن طريق الحد من تأثير المتغيرات المربكة والمتغيرات الخارجية الأخرى. يساعدك هذا في إنشاء علاقة ارتباطية أو سببية بين المتغيرات التي تهتم بها.
بصرف النظر عن المتغيرات المستقلة والتابعة، يجب التحكم في جميع المتغيرات التي يمكن أن تؤثر على النتائج. إذا كنت لا تتحكم في المتغيرات ذات الصلة، فقد لا تتمكن من إثبات أنها لم تؤثر على نتائجك. المتغيرات غير المنضبطة هي تفسيرات بديلة لنتائجك.

متغيرات التحكم في التجارب:
في تجربة ما، يهتم الباحث بفهم تأثير متغير مستقل على متغير تابع. تساعدك متغيرات التحكم على ضمان أن نتائجك ناتجة فقط عن التلاعب التجريبي.
المتغيرات الضابطة في البحث غير التجريبي:
في البحث غير التجريبي، لا يمكن للباحث التلاعب بالمتغير المستقل (غالبًا بسبب الاعتبارات الأخلاقية أو العملية). بدلاً من ذلك، يتم قياس متغيرات التحكم وأخذها في الاعتبار لاستنتاج العلاقات بين المتغيرات ذات الأهمية.

مثال على تصميم غير تجريبي:
تريد التحقق مما إذا كانت هناك علاقة بين متغيرات الدخل والسعادة. أنت تفترض أن مستوى الدخل يصنع السعادة، لكن ليس من الممكن عمليًا التلاعب بمتغير الدخل. بدلاً من ذلك، تستخدم استطلاعًا لجمع البيانات حول الدخل والسعادة.
لحساب العوامل الأخرى التي من المحتمل أن تؤثر على النتائج، يمكنك أيضًا قياس متغيرات التحكم هذه:
- العمر
- الحالة الاجتماعية
- الصحة
كيف تتحكم في متغير؟
هناك عدة طرق للتحكم في المتغيرات الخارجية في التصميمات التجريبية، ويمكن أيضًا استخدام بعضها في التصميمات القائمة على الملاحظة أو شبه التجريبية.

تعيين عشوائي
في الدراسات التجريبية مع مجموعات متعددة، يجب أن يتم تعيين المشاركين بشكل عشوائي للظروف المختلفة. يساعدك التعيين العشوائي على موازنة خصائص المجموعات بحيث لا توجد اختلافات منهجية بينها.

تتحكم طريقة التعيين هذه في متغيرات المشاركين التي قد تختلف بطريقة أخرى بين المجموعات وتشوه نتائجك.

مثال: التخصيص العشوائي
في تجربتك، تقوم بتجنيد متطوعين من خلال إعلانات وسائل التواصل الاجتماعي والكلمات الشفهية والنشرات في الحرم الجامعي. يقوم حوالي 40٪ من المشاركين بالتسجيل من خلال إعلاناتك، بينما يسمع أكثر من 50٪ عن الدراسة من خلال منشورات الحرم الجامعي.
من الممكن أن يستخدم المشاركون الذين عثروا على الدراسة من خلال النت وقتًا أطول أمام الشاشة خلال االيو، وقد يؤثر ذلك على مدى انتباههم في دراستك.
للتأكد من أن خصائص المشاركين ليس لها أي تأثير على الدراسة، يتم تعيين المشاركين عشوائيًا إلى واحدة من مجموعتين: مجموعة ضابطة أو مجموعة تجريبية.

استخدم إجراءات موحدة
من المهم استخدام نفس الإجراءات في جميع المجموعات في التجربة. يجب أن تختلف المجموعات فقط في معالجة المتغير المستقل بحيث يمكنك عزل تأثيرها على المتغير التابع (النتائج).

للتحكم في المتغيرات، يمكنك الاحتفاظ بها ثابتة عند مستوى ثابت باستخدام بروتوكول تقوم بتصميمه واستخدامه لجميع جلسات المشاركين. على سبيل المثال، يجب أن تكون التعليمات والوقت المستغرق في مهمة تجريبية هي نفسها لجميع المشاركين في بيئة معملية.

مثال على الإجراءات الموحدة
يتلقى جميع المشاركين نفس المعلومات حول الدراسة، بما في ذلك تعليمات للمشاركة ومواد استخلاص المعلومات.
للتحكم في النظام الغذائي، يتم تسليم الوجبات الطازجة والمجمدة للمشاركين ثلاث مرات في اليوم.
للتحكم في توقيت الوجبات، يُطلب من المشاركين تناول الإفطار في الساعة 9:30 ، والغداء في الساعة 13:00 ، والعشاء في الساعة 18:30.
للتحكم في تناول الكافيين ، يُطلب من المشاركين تناول كوب واحد من القهوة كحد أعلى يوميًا.
من أجل التلاعب التجريبي، يتم إعطاء المجموعة الضابطة دواءً وهميًا، بينما تتلقى المجموعة التجريبية مكمل فيتامين د. الحالة التي هم فيها غير معروفة للمشاركين، ويطلب منهم جميعًا تناول هذه الحبوب يوميًا بعد الغداء.

الضوابط الإحصائية
يمكنك قياس المتغيرات الخارجية والتحكم فيها إحصائيًا لإزالة آثارها على المتغيرات الأخرى.
يعني "التحكم في متغير" نمذجة بيانات متغير التحكم جنبًا إلى جنب مع البيانات المتغيرة المستقلة والتابعة في تحليلات الانحدار و ANCOVA بهذه الطريقة يمكنك عزل تأثيرات متغير التحكم عن العلاقة بين متغيرات الاهتمام.

مثال على التحكم الإحصائي
تقوم بجمع بيانات عن المتغيرات الأساسية فيما يتعلق بالدخل والسعادة، وعن متغيرات التحكم مثل العمر والحالة الاجتماعية والصحة.
في تحليل الانحدار الخطي المتعدد، يمكنك إضافة جميع متغيرات التحكم جنبًا إلى جنب مع المتغير المستقل كمتنبئات. تخبرك النتائج بمدى السعادة التي يمكن توقعها من خلال الدخل، مع تثبيت العمر والحالة الاجتماعية والصحة.

ملاحظة: الفرق بين متغير التحكم ومجموعة التحكم
متغير التحكم ليس هو نفسه مجموعة التحكم. يتم الاحتفاظ بمتغيرات التحكم ثابتة أو يتم قياسها خلال دراسة لكل من المجموعات الضابطة والتجريبية، بينما يختلف المتغير المستقل بين المجموعة الضابطة والمجموعات التجريبية.

لا تخضع المجموعة الضابطة للعلاج التجريبي ذي الاهتمام، ويتم مقارنة نتائجها بنتائج المجموعة التجريبية. عادةً ما يكون لدى المجموعة الضابطة إما علاج أو علاج قياسي مستخدم على نطاق واسع بالفعل، أو دواء وهمي (علاج وهمي).

بصرف النظر عن العلاج التجريبي، يجب أن يكون كل شيء آخر في الإجراء التجريبي هو نفسه بين المجموعة التجريبية والمجموعة الضابطة.