علوم الرياضة و التربية البدنية

هل تريد التفاعل مع هذه المساهمة؟ كل ما عليك هو إنشاء حساب جديد ببضع خطوات أو تسجيل الدخول للمتابعة.
علوم الرياضة و التربية البدنية

يهتم هذا الموقع بمقررات التربية البدنية و علوم الرياضة لطلاب التربية الرياضية بجامعة أم القرى

يمكنك معرفة النتيجة النهائية لمادة كرة القدم من خلال دخول نتدى النتائج النهائية لمادة كرة القدم ومعرفة النتيجة من خلال رقمك الأكاديمي
أرجو من الجميع التكرم بأبداء الرأي حول هذه التجربة من خلال التصويت والدخول على منتدى ( تقييم الطلاب للمنتدى التعليمي والمعلم) مع الشكر للجميع

    طريقة اختيار الاساليب الاحصائية المناسبة لتحليل البيانات في ميدان العلوم الاجتماعية(2)

    avatar
    محمدحمدي
    طالب جيد جدا
    طالب جيد جدا


    عدد المساهمات : 37
    تاريخ التسجيل : 01/04/2010

    طريقة اختيار الاساليب الاحصائية المناسبة لتحليل البيانات في ميدان العلوم الاجتماعية(2) Empty طريقة اختيار الاساليب الاحصائية المناسبة لتحليل البيانات في ميدان العلوم الاجتماعية(2)

    مُساهمة  محمدحمدي الجمعة مايو 28, 2010 1:27 am

    - دور الاحصاء في تفسير البيانات:
    يحاول الباحثون في ميدان الاحصاء فهم البيانات المشتقة عن العالم الواقعي بمساعدة الأرقام ويتم التوصل إلى هذه البيانات بطرق متعددة مثل الوقوف على حجم المجتمعات البشرية ، درجة الحرارة ومدى شدة ضغطها ودرجة الجذب المغناطيسي ككتلة من المادة كما يحاول الباحثون فهم البيانات المشتقة عن العالم غير الواقعي كما هو الحال في مستوى الذكاء ومدى قوة معتقدات فرد ما , التحصيل الأكاديمي ... الخ
    وعادة ما يتم التعبير عن هذه الظواهر باستخدام الرمز الاحصائي أو قيمة احصائية ، عدد الأفراد في جماعة معينة ، درجات الحرارة ، الضغط الجوي ، ناتج مقياس الذكاء ، الدرجة الرقمية التي يحصل عليها طالب ما وهكذا يمكن التعبير عن مظاهر كثيرة في الحياة بطريقة احصائية
    والاحصاء ما هو عبارة عن لغة يتم من خلالها ترجمة البيانات وعندما يتم نجد أن البيانات توضح من تلقاء نفسها العلاقات التي تربط بين متغيرات الدراسة والتي يحاول الباخث تفسيرها
    ويتضح مما سبق أن هناك نوعان من الاحصاء:
    · إحصاء وصفي Descriptive : يساعد في تلخيص البيانات وتبويبها وعمل الرسوم البيانية التي تمثلها
    · إحصاء استدلالي Inferential : يساعد في استنتاج معلومات عن مجتمع دراسة العينات المسحوبة من هذا المجتمع
    إذا استطاع الباحث أن يتفهم جيدا ما يستطيعه أو لا يستطيع عمله بالاحصاء فإنه بذلك يتفهم أيضا الدور الذي يقوم به الاحصاء كأداة للبحث فإذا كانت البيانات التي يراد تحليلها احصائيا في صيغة قيم رقمية فالاحصاء يساعد الباحث في أربع صور:
    1-يستطيع الاحصاء أن يحدد النقطة المركزية التي يتجمع حولها البيانات عن طريق استخدام مقاييس النزعة المركزية
    2-يشير الاحصاء إلى كيفية انتشار البيانات عن طريق حساب التشتت
    3-يوضح الاحصاء العلاقة التي ترتبط بين نوع ما من البيانات وبيانات أخرى كما هو الحال في قياس الارتباط بين المتغيرات
    4-يساعد الاحصاء على توفير بعض الاجراءات الاحصائية لاختيار الدرجة التي تتطابق أو تبعد عن تلك القيم المتوقعة أو مدى قربها من المقاييس المتوقعة أو مدى قربها من المقاييس المتوقعة كما هو الحال عند استخدام المقاييس الاستدلالية
    الاحصاء الباراميتري واللاباراميتري:
    يمكن تقسيم الاحصاء إلى نوعين:
    - الاحصاء الباراميتري Parametric Statistics- الاحصاء اللابارامتري Nonparametric Statisticsيفترض الاحصاء الباراميتري أن عينة الدراسة لها معالم أو مؤشر واحد على الأقل a parameter والمعالم أو المؤشر هو عبارة عن خاصية أو صفة تتميز بها العينة وهي طبقا لهذا المفهوم ما هي إلا عبارة عن قيمة ثابتة ولكنها متغيرة فعلى سبيل المثال إذا نظرت إلى أي دائرة فقد تجد أن المؤشر الذي يلف هذه الدائرة ما هو إلا عبارة عن نصف قطرها والذي يرتبط وظيفيا بهذه الدائرة وبذلك يكون هذا المؤشر ثابتا فهو دائما نفس الشىء بالنسبة لأية دائرة لأنه يمثل المسافة بين منتصف الدائرة وقطرها ولكن قيمة هذه المسافة تختلف تبعا لاهتلاف حجم الدائرة فالدائرة الكبيرة لها أنصاف أقطار طويلة يمكن قياسها بالسنتيمتر أو البوصة أو القدم وهي بذلك عبارة عن نتغير يمثل المسافة بين منتصف الدائرة وقطرها
    ولكن ليست كل البيانات المتاحة تخضع لمتطلبات الاحصاء البارامتري الذي يفترض أن عينة الدراسة مسحوبة طبقا للمنحنى الاعتدالي الذي يتطلب حساب المتوسطات والانحراف المعياري ومعامل الارتباط .... الخ
    وفي حالات كثيرة نجد أن البيانات التي يتم الحصول عليها من أفراد العينة لا تقترب من قريب أو بعيد من التوزيع المعتدل Normal Distribution في هذه الحالة يتطلب الأمر استخدام طرق الاحصاء اللاباراميترية فعادة لا تتماثل توزيع البيانات التي يتم جمعها عن أفراد العينة مع شكل الجرس كما هو الحال في التوزيع المعتدل بل تشبه إلى حد كبير شكل متدرج حيث كانت القيم عن أفراد العينة تأخذ هذا الشكل أو تأخذ أشكال بعيدة عن التوزيع المعتدل والمقصود بكلمة توزيع هو توزيع الأفراد على القيم والاجراء الاحصائي القائم على أساس التوزيع المعتدل لا يمكن تطبيقه في هذه الحالة بل يجب أن نبحث عن إجراء آخر تمدنا به مجموعة الإجراءات الاحصائية المعروفة باسم الاحصاءات اللاباراميترية
    متى تستخدم الاختبارات اللابارميترية لقياس الفرق بين عينتين؟
    تسخدم الاختبارات اللاباراميترية للكشف عن دلالة الفروق بين متوسطي عينتين عندما:
    1- لا تتوفر شروط استخدام اختبار " ت " كأن تكون مفردات العينتين صغيرة
    2- عندما يكون توزيع أحد العينيتين غير اعتدالي أو ملتوى بدرجة كبيرة
    3- عندما يكون تباين العينتين Sample variance مختلف بصورة كبيرة عن بعضها
    وهنا يفضل استخدام الرتب فضلا عن القيم الأصلية في حساب دلالة الفروق بين متوسطي عينتين كما يمكن اسنخدام الرتب في حساب معامل الارتباط أو قوة العلاقة بين متغيرين
    ومن أشهر الاختبارات اللاباراميترية ما يلي:
    1- اختبار كا2 The chi-Square Test :
    ومن الاختبارات اللاباراميترية الأكثر شيوعا هو اختبار كا2 ويستخدم هذا الاختبار عندما تقارن قيمة كا2 المحسوبة (observed) بقيمة كا2 النظرية ( الجدولية ) بدرجة جرية مقدارها 1 وعند نسبة خطأ = 1 فإذا كانت كا2 المحسوبة تساوي أو أكبر من الجدولية فمعنى ذلك أن هناك ارتباط بين المتغير الأول والثاني ومن ثم يمكن رفض الفرض الصفري أما إذا كانت كا2 المحسوبة أقل من كا2 الجدولية فلا وجود لهذه العلاقة أو أن هذين المتغيرين مستقلان عن بعضهما البعض كما تستخدم كا2 لاختبار مدى اتفاق توزيع القيم مع التوزيع المتوقع Goodness of Fit
    2- اختبار مان وتني يو The Mann-Whitney U Test :
    يتشابه هذا الاختبار مع اختبار T-test وهو من المقاييس الباراميترية ولكن اختبار مان ونتي يو يعد من الاختبارات اللاباميترية ويستخدم عادة لبيان عما إذا كان وسيط كل من عينيتن مستقلتين يختلفان عن بعضها البعض اختلافا جوهريا
    3-اختبار ويلكوكسون للفروق بين رتب قيم مرتبطة TheWilcoson runk sum test :
    وهو اختبار لاباراميتري بديل عن اختبار " ت " للقيمة المرتبطة إذا لم تستوفى البيانات التي بين أيدينا الشروط الواجب توافرها لاستخدام اختبار "ت" للقيمة المرتبطة ويمكن استخدام هذا الاختبار عندما تكون البيانات معبرا عنها في شكل رتب لاختبار الفرض بأن عينات الدراسة لها نفس توزيع المجتمع الذي تم سحب العينات منه
    4-معامل ارتباط سبيرمان The Spearman Rank Order Correlation :
    احيانا يسمى (Supearman's rho)وهو اختبار لاباراميتري يستخدم في الحالات التالية:
    · إذا كان المتغيران كل منها ينقسم إلى فئات منفصلة كثيرة
    · إذا كان المتغيران ينقسمان إلى فئات ونريد الاستعانة يرتب هذه الفئات عن الفئات نفسها
    · إذا كان المتغيران كل منها متغير متصل ولكننا نفضل استخدام الرتب بدلا من القيم الخام لكل متغير
    5-اختبار كيلموجوروف-سمرنوف : The kilmogorow Smirnow
    يقوم بنفس عمل كا2 عند اختبار التوزيع المتوقع كما يقوم بنفس عمل اختبار ويلكوكسون للفروق بين رتب القيم لتحديد عما إذا كانت العينات العشوائية هي من نفس عينة الدراسة
    6-اختبار كروسكال – والاس The Kruskal Wallis test :
    ويسمى أحيانا كروسكال – والاس (H) عندما يجري الباحث تجربة ولكن بياناته التي حصل عليها لا تتوزع توزيعا اعتداليا أو أن تكون العينات صغيرة عندئذ يلجأ إلى استخدام كروسكال والاس لدراسة بين العينات
    7-معامل اتفاق كندال:
    وهو إجراء يمكن استخدامه عندما يكون هناك رتبا قام بها بعض الحكام المستقلين والمطلوب معرفة مدى اتفاقهم في تحديد الرتب ولقياس دلالة (W) المعنوية يمكن استخدام كا2

      الوقت/التاريخ الآن هو الجمعة مارس 29, 2024 3:30 pm