اشتباه مهلک در انتخاب واحد تحلیل که کل نتایج پژوهش رو خراب میکنه! 
گاهی پژوهشگر درباره افراد داده جمع میکنه، اما نتیجهگیری رو درباره مدارس، سازمانها یا گروهها انجام میده؛ بدون اینکه مشخص کرده باشه تحلیل دقیقاً در چه سطحی انجام شده!
این ابهام خطرناک میتونه باعث انتخاب آزمون آماری نامناسب و نتیجهگیریهای کاملاً اشتباه بشه!
در بخش روش تحقیق، حتماً این ۵ مورد رو با شفافیت کامل مشخص کنید:۱️⃣ واحد تحلیل فرد هست یا گروه؟ ۲️⃣ هر ردیف داده نماینده چیه؟ ۳️⃣ دادهها در چه سطحی جمعآوری شدهاند؟ ۴️⃣ نتیجهگیری درباره چه جامعهای انجام میشه؟ ۵️⃣ آیا دادهها ساختار چندسطحی (Multi-level) دارن؟
فوت کوزهگری: قبل از شروع تحلیل، این جمله رو کامل کنید: «هر ردیف از فایل دادههای من، نماینده یک … است.» اگر نتونید جای خالی رو دقیق پر کنید، یعنی واحد تحلیل هنوز براتون روشن نیست! تعیین درست واحد تحلیل، جلوی انتخاب آزمون نامناسب و تعمیم نادرست نتایج رو میگیره!
✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید: @pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه
گاهی پژوهشگر درباره افراد داده جمع میکنه، اما نتیجهگیری رو درباره مدارس، سازمانها یا گروهها انجام میده؛ بدون اینکه مشخص کرده باشه تحلیل دقیقاً در چه سطحی انجام شده!
این ابهام خطرناک میتونه باعث انتخاب آزمون آماری نامناسب و نتیجهگیریهای کاملاً اشتباه بشه!
در بخش روش تحقیق، حتماً این ۵ مورد رو با شفافیت کامل مشخص کنید:۱️⃣ واحد تحلیل فرد هست یا گروه؟ ۲️⃣ هر ردیف داده نماینده چیه؟ ۳️⃣ دادهها در چه سطحی جمعآوری شدهاند؟ ۴️⃣ نتیجهگیری درباره چه جامعهای انجام میشه؟ ۵️⃣ آیا دادهها ساختار چندسطحی (Multi-level) دارن؟
فوت کوزهگری: قبل از شروع تحلیل، این جمله رو کامل کنید: «هر ردیف از فایل دادههای من، نماینده یک … است.» اگر نتونید جای خالی رو دقیق پر کنید، یعنی واحد تحلیل هنوز براتون روشن نیست! تعیین درست واحد تحلیل، جلوی انتخاب آزمون نامناسب و تعمیم نادرست نتایج رو میگیره! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه۳۲
️ فرضیهها رو بعد از دیدن نتایج نساز! ️گاهی پژوهشگر ابتدا دادهها رو تحلیل میکنه و بعد، براساس نتایج بهدستآمده، فرضیههایی مینویسه که انگار از ابتدا در پژوهش وجود داشتهاند. این کار میتونه اعتبار علمی پژوهش رو کاهش بده و احتمال دستیابی به نتایج اتفاقی رو افزایش بده!
پیش از تحلیل، حتماً این موارد رو مشخص کنید:
فرضیهها بر چه مبنای نظری تدوین شدهاند؟ آیا فرضیهها قبل از مشاهده نتایج نوشته شدهاند؟ کدام تحلیلها از ابتدا برنامهریزی شده بودند؟ کدام یافتهها ماهیت اکتشافی دارند؟ آیا تحلیلهای جدید بهصورت شفاف گزارش شدهاند؟ فوت کوزهگری:بین «فرضیه از پیش تعیینشده» و «یافته اکتشافی» تفاوت بگذارید.اگر بعد از تحلیل به رابطهای تازه رسیدید، حذفش نکنید؛ اما صادقانه بنویسید که این نتیجه در جریان تحلیل کشف شده.فرضیهسازی پس از مشاهده نتایج، زمانی مشکلساز میشه که یافته اکتشافی بهعنوان فرضیه اولیه معرفی بشه! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۳۲
️ متغیرهای مخدوشگر رو نادیده نگیر! ️گاهی بین دو متغیر رابطهای مشاهده میشود؛ اما عامل سومی وجود داره که همزمان بر هر دوی اونها اثر میذاره و نتیجه پژوهش رو منحرف میکنه. در این شرایط، رابطه مشاهدهشده ممکنه واقعی نباشه یا شدت اون بیشتر و کمتر از مقدار واقعی نشان داده بشه!
پیش از نتیجهگیری، حتماً این موارد رو بررسی کنید:
چه متغیرهای دیگری میتونن بر نتیجه اثر بذارن؟ آیا سن، جنسیت، سابقه یا شرایط محیطی کنترل شدهاند؟ متغیرهای مخدوشگر بر چه مبنایی انتخاب شدهاند؟ آیا در طراحی پژوهش یا تحلیل آماری کنترل شدهاند؟ تأثیر آنها در بخش محدودیتها گزارش شده است؟ فوت کوزهگری:قبل از نسبتدادن یک نتیجه به متغیر اصلی، از خودتون بپرسید:«آیا عامل سومی وجود داره که بتونه این رابطه رو توضیح بده؟»کنترل متغیرهای مخدوشگر، از نتیجهگیریهای سادهانگارانه و نسبتدادن اشتباه علت و معلول جلوگیری میکنه! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۴
️ مفروضههای آزمون رو بررسی کن! ️انتخاب آزمون آماری فقط به نام متغیرها و نوع فرضیه بستگی نداره. هر آزمون، شرایط و مفروضههایی داره که اگه رعایت نشوند، نتیجه تحلیل میتونه نادرست یا گمراهکننده باشه!
پیش از اجرای آزمون، حتماً این موارد رو بررسی کنید:
آیا دادهها از توزیع مناسب برخوردارند؟ آیا واریانس گروهها همگن است؟ آیا مشاهدات از یکدیگر مستقلاند؟ آیا رابطه متغیرها خطی است؟ آیا داده پرت یا الگوی غیرعادی وجود دارد؟ فوت کوزهگری:فقط به خروجی نهایی نرمافزار نگاه نکنید؛ قبل از تفسیر نتیجه، مفروضههای آزمون رو بررسی و گزارش کنید.اگر یکی از مفروضهها برقرار نبود، باید از روش جایگزین، تبدیل دادهها یا آزمون ناپارامتری مناسب استفاده بشه.نتیجهای که از آزمون نامناسب به دست اومده باشه، حتی با مقدار معناداری مطلوب، قابل اعتماد نیست! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۳۲
️ همخطی چندگانه رو بررسی کن! ️گاهی متغیرهای مستقل آنقدر با یکدیگر همبستهاند که نرمافزار نمیتونه سهم واقعی هرکدام رو در پیشبینی متغیر وابسته بهدرستی مشخص کنه. در این شرایط، ضرایب رگرسیون ناپایدار میشوند و ممکنه علامت، اندازه یا معناداری اونها بهاشتباه تفسیر بشه!
پیش از تفسیر رگرسیون، حتماً این موارد رو بررسی کنید:
آیا بین متغیرهای مستقل همبستگی بسیار بالایی وجود دارد؟ مقدار شاخص VIF برای هر متغیر چقدر است؟ آیا مقدار Tolerance در محدوده قابل قبول قرار دارد؟ آیا چند متغیر مفهوم تقریباً یکسانی را اندازهگیری میکنند؟ برای کنترل همخطی از چه روشی استفاده شده است؟ فوت کوزهگری:قبل از نگهداشتن همه متغیرها در مدل، از خودتون بپرسید:«آیا هر متغیر، اطلاعات تازه و مستقلی به مدل اضافه میکنه؟»اگر دو متغیر تقریباً یک مفهوم رو میسنجند، حذف یا ترکیب یکی از اونها ممکنه مدل رو دقیقتر و قابلتفسیرتر کنه.معنادار بودن کل مدل، بهتنهایی نشون نمیده که ضرایب تکتک متغیرها قابل اعتمادند! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۲۱
️ مدل رو بیشازحد پیچیده نکن! ️گاهی پژوهشگر برای بهترشدن نتیجه، متغیرهای زیادی رو وارد مدل میکنه؛ اما پیچیدهترشدن مدل همیشه به معنای دقیقترشدن اون نیست. مدلی که بیشازحد با دادههای نمونه هماهنگ شده باشه، ممکنه در همون نمونه عملکرد خوبی نشون بده، اما در دادههای جدید نتیجه قابل اعتمادی نداشته باشه!
پیش از نهاییکردن مدل، حتماً این موارد رو بررسی کنید:
آیا همه متغیرهای واردشده پشتوانه نظری دارند؟ تعداد متغیرها با حجم نمونه متناسب است؟ آیا متغیرهای کماهمیت فقط برای بهبود نتیجه اضافه شدهاند؟ مدل در دادههای جدید یا بخش جداگانهای از نمونه بررسی شده است؟ آیا مدل سادهتر، نتیجهای تقریباً مشابه ارائه میدهد؟ فوت کوزهگری:از خودتون بپرسید:«این متغیر واقعاً به توضیح مسئله کمک میکنه یا فقط مدل رو شلوغتر کرده؟»مدل خوب، مدلی نیست که فقط دادههای فعلی رو دقیق توضیح بده؛ بلکه باید در دادههای جدید هم عملکرد قابل قبولی داشته باشه.گاهی حذف یک متغیر غیرضروری، مدل رو سادهتر، پایدارتر و قابلتفسیرتر میکنه! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۲۲
️ همبستگی رو با رابطه علّی اشتباه نگیر! ️یکی از خطرناکترین اشتباهات در تحلیل پژوهش اینه که «همبستگی» رو با «رابطه علّی» اشتباه بگیریم! گاهی بین دو متغیر رابطه معناداری دیده میشه و پژوهشگر سریع نتیجه میگیره که یکی باعث تغییر دیگری شده؛ درحالیکه همبستگی فقط نشون میده دو متغیر باهم تغییر میکنن، نه اینکه حتماً یکی علت دیگری باشه!
ممکنه متغیر سومی روی هر دو اثر گذاشته باشه، ترتیب زمانی مشخص نباشه یا نوع طراحی پژوهش اصلاً اجازه نتیجهگیری علّی نده.
قبل از نوشتن نتیجه، حتماً این موارد رو بررسی کنید:
آیا متغیر سومی در رابطه دخالت داره؟ آیا ترتیب زمانی متغیرها روشنه؟ نوع مطالعه اجازه نتیجهگیری علّی میده؟ آیا تحلیل کنترلشده انجام شده؟ تفسیر نتایج از دادهها جلوتر نرفته؟ فوت کوزهگری:قبل از اینکه بنویسید «متغیر X باعث متغیر Y شده»، از خودتون بپرسید:«این رابطه فقط همزمانی رو نشون میده یا واقعاً علت و معلول رو ثابت میکنه؟»تفسیر عجولانه همبستگی، میتونه نتیجه پژوهش رو گمراهکننده و اعتبار مقاله رو کم کنه! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۲۲
️ اثر تعاملی متغیرها رو بررسی کن! ️گاهی اثر یک متغیر بر نتیجه، برای همه افراد و در همه شرایط یکسان نیست. ممکنه شدت یا جهت این اثر، با تغییر متغیر دیگری کاملاً متفاوت بشه. اگر فقط اثرهای اصلی بررسی بشوند، بخشی از واقعیت دادهها پنهان میمونه و نتیجهگیری پژوهش ناقص خواهد بود!
پیش از تفسیر نتایج، حتماً این موارد رو بررسی کنید:
آیا اثر متغیر اصلی در گروههای مختلف یکسان است؟ آیا متغیر تعدیلگر در مدل در نظر گرفته شده است؟ آیا جمله تعاملی بهدرستی وارد تحلیل شده است؟ آیا تعامل معنادار با نمودار یا تحلیل سادهشیب تفسیر شده است؟ آیا نتیجه تعامل با مبانی نظری پژوهش هماهنگی دارد؟ فوت کوزهگری:قبل از نتیجهگیری از خودتون بپرسید:«آیا اثر این متغیر برای همه افراد یکسانه یا به شرایط دیگری بستگی داره؟»ممکنه یک متغیر در یک گروه اثر مثبت، در گروهی دیگر اثر ضعیف و در شرایطی کاملاً بیاثر باشه.نادیدهگرفتن اثر تعاملی، میتونه رابطه واقعی میان متغیرها رو پنهان کنه! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۲
️ قبل از اجرای آزمون آماری، پیشفرضها رو بررسی کن! ️خیلی از پژوهشگرها مستقیماً سراغ مقدار معناداری میرن؛ اما فراموش میکنن که هر آزمون آماری، پیشفرضها و شرایط مشخصی داره. اگه این پیشفرضها بررسی نشن، ممکنه خروجی نرمافزار ظاهراً درست باشه، ولی نتیجه از نظر علمی قابل اعتماد نباشه!
قبل از تحلیل، حتماً این موارد رو بررسی کنید:
آیا توزیع دادهها نرماله؟ آیا مشاهدات از یکدیگر مستقلاند؟ آیا واریانس گروهها همگنه؟ آیا داده پرت اثرگذار وجود نداره؟ آیا حجم نمونه با آزمون انتخابی متناسبه؟ فوت کوزهگری:فقط به مقدار P نگاه نکنید و بررسی مفروضهها رو نادیده نگیرید.گاهی نتیجه آزمون معناداره، اما بهدلیل نقض پیشفرضها نمیشه از اون دفاع علمی کرد. در چنین شرایطی باید از روش جایگزین، تبدیل دادهها یا آزمون ناپارامتری مناسب استفاده کنید.اول مفروضه، بعد آزمون! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #فصل_پنجم #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۲
️ آزمونهای متعدد رو کنترل کن! ️وقتی در یک پژوهش تعداد زیادی آزمون آماری اجرا میشه، احتمال دستیابی به حداقل یک نتیجه معنادارِ تصادفی افزایش پیدا میکنه. بنابراین، معنادارشدن یک آزمون از میان دهها تحلیل، لزوماً نشاندهنده وجود یک رابطه واقعی نیست!
پیش از تفسیر نتایج، حتماً این موارد رو بررسی کنید:
در مجموع چند آزمون و مقایسه انجام شده است؟ کدام تحلیلها اصلی و کدامیک اکتشافی هستند؟ آیا برای مقایسههای متعدد از روش اصلاحی استفاده شده است؟ مقدارهای P تعدیلشده گزارش شدهاند؟ نتایج غیرمعنادار نیز بهصورت شفاف ارائه شدهاند؟ فوت کوزهگری:قبل از برجستهکردن یک نتیجه معنادار از خودتون بپرسید:«اگر این نتیجه معنادار نمیشد، باز هم همه تحلیلهای انجامشده رو گزارش میکردم؟»روشهایی مانند اصلاح بونفرونی یا کنترل نرخ کشف کاذب، احتمال نتیجهگیری اشتباه رو کاهش میدهند.اجرای آزمونهای بیشتر بدون کنترل خطا، شانس کشف علمی رو افزایش نمیده؛ بلکه احتمال کشف یک نتیجه تصادفی رو بیشتر میکنه! ✦┈┈┈✦┈┈┈✦┈┈┈✦┈┈┈✦╔══════════════╗کانال ما رو دنبال کنید:
@pazhouhesh_yar╚══════════════╝محمدجواد دژکوهی|پژوهشیار @dezhkoohi #پایان_نامه #پژوهش #پژوهشیار #نگارش_علمی #دفاع_پایان_نامه #محمدجواد_دژکوهی۲