[ CHAPTER 3 · SECTION 3.1 ]

أكوان وتصاميم
متعددة الأوجه

عندما يتضمن كون الملاحظات وجهَين أو أكثر — كيف نصف الكون؟ وكيف نختار تصميم دراسة G؟ وكيف نقرأ مخططات فن؟

p × i × h
المتقاطع الكامل
p × (i:h)
فقرات داخل فئات
(i:p) × h
فقرات داخل أشخاص
i:(p × h)
فقرات داخل الخلايا
+ مزيد
6 تصاميم أساسية

البنية الكبرى

نظرية التعميم — عملية من مرحلتين

قبل الغوص في التصاميم، افهم أولاً لماذا يهمنا تصميم دراسة G — إنه البنية الكاملة لأي تحليل تعميمي

1
🔬 دراسة G
G Study
جمع بيانات وتقدير مكوّنات التباين للتصميم المختار
تحديد كون الملاحظات المقبولة
اختيار تصميم دراسة G
جمع البيانات وتحليل ANOVA
تقدير σ²(p), σ²(i), σ²(h), σ²(ih)...
2
⚖️ دراسة D
D Study
استخدام مكوّنات التباين لتقدير الاعتمادية وتوجيه القرارات
تحديد كون التعميم
تقدير تباين درجة الكون σ²(τ)
حساب تباينات الخطأ σ²(Δ), σ²(δ)
تقدير Eρ², Φ واتخاذ القرارات
🎯
هدف الفصل الثالث
يُركِّز الفصل الثالث بالكامل على المرحلة الأولى — تصاميم دراسة G متعددة الأوجه وأكوان الملاحظات المقبولة. أما المرحلة الثانية (دراسة D) فتُعالَج في الفصلين الرابع والخامس.
المفهوم الجوهري

ما هو "الوجه"؟

الوجه (Facet) هو أي مصدر للاختلاف في ظروف القياس — الفقرات والمقيمون والمناسبات كلها "أوجه"

📖 التعريف البسيط

في القياس التربوي، نُريد أن نُعمِّم درجة الشخص من عيّنة محدودة من ظروف القياس إلى كون من الظروف.

كل نوع من هذه الظروف التي تتباين يُسمى وجهاً (Facet).

💡
الوجه = مصدر تباين يُريد الباحث التعميم عبره
🧩 أمثلة على الأوجه
📝
الفقرات (i)
فقرات اختبار التحصيل — كل سحب عشوائي مختلف
👨‍⚖️
المقيمون (r)
محكِّمون مختلفون يُقيِّمون نفس العمل
📅
المناسبات (o)
أوقات تطبيق مختلفة — قبل/بعد، أيام مختلفة
📚
المهام (t)
مهام أداء مختلفة في تقييمات الأداء
من وجه واحد إلى وجهين — التعقيد يتضاعف!
p × i
وجه واحد: الفقرات
p i pi
3 آثار فقط: p, i, pi
جدول ANOVA بسيط
+ وجه جديد →
p × i × h
وجهان: الفقرات + h
p i h
7 آثار: p, i, h, pi, ph, ih, pih
جدول ANOVA أعقد بكثير
الفهرس الكامل

التصاميم الستة الأساسية ثنائية الوجه

مع وجهين (i وh) إضافةً لموضوع القياس (p) توجد ستة تصاميم رئيسية — انقر على أي تصميم لتفاصيله

انقر على أي تصميم أعلاه لرؤية التفاصيل الكاملة
الأداة البصرية

مخططات فن للتصاميم ثنائية الوجه

في مخططات فن: كل وجه = دائرة. التقاطع = تفاعل. الدائرة داخل دائرة = تداخل. اختر أي تصميم لترى مخططه

p i h pi ph ih pih
p (الأشخاص)
i (الفقرات)
h (الوجه الثاني)
p × i × h

التصميم المتقاطع الكامل. ثلاث دوائر متقاطعة بالكامل مع بعضها — تُمثِّل حرية التفاعل بين الأشخاص والفقرات والوجه الثاني.

7 مناطق — 7 آثار:
p رئيسي — آثار الأشخاص
i رئيسي — آثار الفقرات
h رئيسي — آثار الوجه h
pi تفاعل شخص × فقرة
ph تفاعل شخص × h
ih تفاعل فقرة × h
pih تفاعل ثلاثي (يشتمل على الخطأ)
p h i:h ph pi:h i ⊂ h
p × (i:h)

دائرة i داخل دائرة h تماماً — تعني أن فقرات مختلفة تُستخدم لكل فئة h. لكن جميع الأشخاص يرون كل فقرات كل فئة.

🔑
قاعدة التداخل في مخططات فن
دائرة داخل دائرة = تداخل. دائرة داخل منطقة تقاطع = تداخل داخل تفاعل.
5 آثار:
phi:h phpi:h
p i:p h ph ih:p
(i:p) × h

دائرة i داخل دائرة p — كل شخص يُجيب على فقرات مختلفة. لكن جميع الأشخاص يمرون بكل حالات h.

📌
متى يُستخدم؟
عندما يكون من الأجدى إعطاء كل شخص فقرات مختلفة (للتنويع)، مع الحفاظ على تقييم كل الأشخاص في كل حالات h.
5 آثار:
phi:p phih:p
p h ph i:ph
i:(p × h)

دائرة i داخل منطقة تقاطع p و h — لكل خلية (شخص × حالة h) مجموعة مختلفة من الفقرات.

🧩
حالة خاصة مهمة
في تحليل ANOVA التقليدي يُسمى "تصميم عاملي مع مكررات داخل الخلايا" — لكن في نظرية التعميم الفقرات ليست مكررات بالمعنى التقليدي!
4 آثار فقط:
ph phi:ph
p i:p h:p ih:p
(i×h):p

كل دوائر i و h داخل دائرة p — المصفوفة الكاملة (i×h) تتداخل داخل كل شخص. كل شخص له مصفوفته الفريدة.

5 آثار:
pi:p h:pih:p error
p h:p i:h:p
i:h:p

ثلاث دوائر متداخلة بشكل متسلسل: i داخل h داخل p. أبسط التصاميم من حيث عدد الآثار (3 فقط)، الأكثر تداخلاً.

⚠️
أقل المعلومات!
رغم بساطته، يُقدِّم أقل المعلومات التشخيصية — لأن كل الآثار مختلطة. لا يمكن فصل تأثيرات الفقرات عن التفاعلات.
3 آثار فقط:
ph:pi:h:p
تصنيف الآثار

الآثار الرئيسة مقابل آثار التفاعل

في اصطلاح ANOVA: كل وجه له أثر رئيسي — وتقاطع أي وجهين أو أكثر ينتج أثر تفاعل

🔵 الآثار الرئيسة (Main Effects)

يرتبط كل وجه في التصميم بأثر رئيسي واحد. حتى لو كان الوجه متداخلاً (مثل i:h)، فإن أثره يُعتبر رئيسياً في اصطلاح نظرية التعميم.

💡
في p × (i:h): الأثر i:h هو أثر رئيسي رغم أنه يتضمن تداخلاً!
🟣 آثار التفاعل (Interaction Effects)

تنشأ من تقاطع وجهين أو أكثر. آخر أثر (يحمل جميع الرموز) يشمل الخطأ العشوائي e المختلط.

الأثر pih في p×i×h: يحمل تفاعل pih + أي خطأ متبقٍّ آخر (e) — غير قابلَين للتمييز!
التصميم الآثار الرئيسة آثار التفاعل عدد الآثار مقدار المعلومات
p × i × h p i h pi ph ih pih,e 7 ⭐⭐⭐ الأعلى
p × (i:h) p h i:h ph pi:h,e 5 ⭐⭐ عال
(i:p) × h p h i:p ph ih:p,e 5 ⭐⭐ عال
i:(p × h) p h i:ph ph 4 ⭐ متوسط
(i×h):p p i:p h:p ih:p,e 4 ⭐ متوسط
i:h:p p h:p i:h:p — لا آثار تفاعل 3 ⭐ الأدنى
💡
قاعدة عامة: أكثر تقاطعاً = أكثر معلومات
التصميم الأكثر تقاطعاً (p×i×h) يُعطي أقصى قدر من المعلومات التشخيصية عن مصادر التباين. التصاميم الأكثر تداخلاً تُفقد بعض هذه التمييزات لكنها تكون أكثر جدوى عملياً من حيث الوقت والتكلفة.
تطبيق عملي

أمثلة واقعية من حياة القياس

كيف تُترجَم التصاميم النظرية إلى مواقف قياس حقيقية؟ — مثالان مفصَّلان من الكتاب

📝 مثال ١: كون من الفقرات والمقيمين
كون الملاحظات المقبولة: i × r
🎓
تقييم الكتابة الإبداعية: كل طالب يكتب مقالات (الفقرات)، ويُقيِّم كل مقال عدة محكِّمين (المقيمون). الكون يحتوي جميع المقالات الممكنة × جميع المقيمين الممكنين
تصاميم دراسة G الممكنة:
p × i × r
كل شخص يكتب كل المقالات، يُقيِّمها كل المقيمين
الأكثر شمولاً ✓
p × (i:r)
كل مقيِّم يُقيِّم مجموعة مختلفة من المقالات
يوفر وقت المقيمين
(i:p) × r
كل طالب يكتب مقالات مختلفة، كل المقيمين يُقيِّمون الكل
تنويع المحتوى
⚠️
التصاميم غير الكاملة (مثل p×(i:r)) تُقدِّر أقل مكوّنات تباين — لا يمكن استخدامها لتقدير نتائج جميع تصاميم دراسة D.
📅 مثال ٢: كون من الفقرات والمناسبات
كون الملاحظات المقبولة: i × o
🩺
قياس ضغط الدم: يُقاس الضغط عبر فقرات (طرق قياس مختلفة) ومناسبات (أوقات مختلفة). نريد التعميم عبر كلا الوجهين
تصاميم G الممكنة:
p × i × o
كل مفحوص يُقاس بكل الطرق في كل الأوقات
مثالي نظرياً
i:(p × o)
لكل مفحوص في كل مناسبة طرق قياس مختلفة
شائع في الطب
p × (i:o)
طرق قياس مختلفة في كل مناسبة، كل المفحوصين بنفس الطريقة
يعكس الواقع
📌
التصميم i:(p×o) يُفسَّر في ANOVA التقليدي كـ"مكررات داخل خلايا"، لكن في نظرية التعميم المعنى مختلف — الفقرات ليست مكررات بالمعنى الإحصائي المعتاد!
🏫 مثال خاص: تقويم البرامج — تصميم (p:c) × i

في تقويم البرامج المدرسية، يكون الصف (c) هو وحدة البرنامج، والطلاب (p) متداخلون داخل الصفوف. الفقرات (i) متقاطعة مع الصفوف.

(p:c) × i = حالة خاصة من (i:p) × h

حيث p = أشخاص، c = صفوف (بدل h)، i = فقرات

مصفوفة البيانات:
i₁
i₂
i₃
i₄
c₁·p₁
c₁·p₂
c₂·p₃
c₂·p₄
صف c₁
صف c₂
القرار الاستراتيجي

كيف تختار تصميم دراسة G؟

لا توجد إجابة واحدة تصلح لكل الحالات — القرار يعتمد على ثلاثة عوامل متشابكة

١
طبيعة كون الملاحظات المقبولة
هل الكون متقاطع (i × r) أم متداخل؟ إذا كان الكون متقاطعاً يُفضَّل التصميم المتقاطع الكامل لأقصى معلومات
٢
اعتبارات دراسة D المحتملة
ما دراسات D التي ستُجريها لاحقاً؟ التصميم الكامل يدعم جميع دراسات D، أما المتداخل فيدعم بعضها فقط
٣
الزمن والتكلفة
التصميم المتقاطع الكامل مكلف — التداخل يوفر الموارد مع دفع ثمن في قدرة التعميم
🗺️ خريطة القرار — اختيار تصميم دراسة G
الخطوة ١ — حدِّد بنية الكون
كون متقاطع: i × r
أي فقرة يمكن تقييمها بأي مقيِّم → التصميم المثالي هو p × i × r
كون متداخل: i:r
فقرات مختلفة لكل مقيِّم → التصميم الملائم: p × (i:r)
الخطوة ٢ — قيِّم قيود الموارد
وقت المقيمين محدود؟
استخدم p × (i:r) — كل مقيِّم يُقيِّم جزءاً فقط
تريد تنويع الفقرات؟
استخدم (i:p) × r — كل طالب له فقراته
الموارد غير محدودة؟
p × i × r دائماً الأفضل معلوماتياً
الخطوة ٣ — تحقق من أحجام العينات

بصرف النظر عن التصميم المختار، احرص على أكبر أحجام عينات ممكنة. أحجام العينات الكبيرة تُعطي تقديرات أكثر استقراراً لمكوّنات التباين، وتُقلل التقلب في نتائج ANOVA.

🔑
المبدأ الذهبي — دفع الثمن مقابل التداخل
عندما يكون الكون متقاطعاً، واخترت تصميماً أقل من الكامل (مثل p×(i:r) بدلاً من p×i×r)، فأنت تدفع ثمناً: مكوّنات التباين المقدَّرة ستكون مختلطة ولن تدعم جميع تصاميم دراسة D الممكنة. لكن إذا كان الكون متداخلاً أصلاً، فلا ثمن تدفعه!
خلاصة §3.1

ست حقائق جوهرية عن التصاميم ثنائية الوجه

ما يجب أن يبقى في ذهنك من هذا القسم

🌐

وجهان → تعقيد تصاعدي

إضافة وجه ثانٍ (مثل المقيمين) إلى تصميم أحادي الوجه يُضاعف عدد الآثار والمكوّنات ويفتح خيارات تصميمية واسعة جداً

🗺️

6 تصاميم ثنائية الوجه

p×i×h، p×(i:h)، (i:p)×h، i:(p×h)، (i×h):p، i:h:p — من 7 آثار للأكثر تقاطعاً إلى 3 آثار للأكثر تداخلاً

مخططات فن — لغة بصرية موحدة

دائرة = وجه، تقاطع = تفاعل، دائرة داخل دائرة = تداخل. القراءة الصحيحة للمخطط تكشف فوراً بنية التصميم

💰

تكلفة التداخل

التداخل يوفر الموارد لكن يخلط المكوّنات — مكوّنات G من تصميم متداخل لا تدعم جميع تصاميم D الممكنة

🎯

الكون يُحدِّد الخيارات

إذا كان الكون متقاطعاً يمكن استخدام أي تصميم G، لكن التصميم الكامل يدعم أقصى دراسات D. الكون المتداخل يُلزم بتصميم G متداخل.

📏

p, i, h — رموز عامة

الرموز p وi وh ليست ثابتة — يمكن أن تمثل أشخاصاً، فقرات، مقيمين، مناسبات، صفوفاً، أو أي وجه آخر حسب السياق

📋 مرجع سريع — عدد الآثار لكل تصميم
p × i × h
7
p × (i:h)
5
(i:p) × h
5
i:(p × h)
4
(i×h):p
4
i:h:p
3