الإحصاء الحيوي والبحث العلمي, منهجية البحث العلمي

تحليل القوة الإحصائية القبلي مقابل حساب القوة الإحصائية البعدي


تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
مراجعة وتدقيق علمي معتمد تاريخ التدقيق: 16 نوفمبر، 2026
د. مروة عبد العظيم دكتوراه في علم النفس
عضو هيئة التدريس • جامعة كربلاء
معايير التدقيق والاعتماد السريري

يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).

يمثل الاستدلال الإحصائي حجر الزاوية في بناء المعرفة العلمية التجريبية؛ إذ يتيح للباحثين الانتقال المنضبط من ملاحظة العينات المحدودة إلى استنباط القوانين والأنماط التي تحكم المجتمعات الإحصائية الكلية. وفي إطار هذا المسعى الاستقرائي، تواجه الممارسة البحثية تحدياً دائماً يتمثل في إدارة عدم اليقين والموازنة الدقيقة بين مختلف أشكال الخطأ الاستدلالي. وتعد نظرية اختبار الفرضيات، كما صاغتها مدرسة جيرزي نيمان وإيجون بيرسون الإحصائية، إطاراً حاسماً لتنظيم هذا القرار الاستدلالي من خلال ضبط احتمالات الوقوع في الخطأ، سواء كان ذلك برفض فرضية صحيحة أو بالفشل في رصد أثر حقيقي قائم في الواقع الموضوعي.

في خضم هذا الإطار النظري الصارم، تبرز مسألة القوة الإحصائية بوصفها المحرك الأساسي لحساسية التصميم التجريبي وقدرته على استكشاف الظواهر المدروسة. غير أن المشهد البحثي المعاصر شهد، ولا يزال يشهد، خلطاً منهجياً كبيراً بين مدخلين متباينين جذرياً للتعامل مع مفهوم القوة الإحصائية: التحليل القبلي للقوة الإحصائية (A Priori Power Analysis) وحساب القوة الإحصائية البعدي (Post-Hoc Power Calculation). هذا الخلط لم يعد مجرد مسألة فنية ضيقة تهم المتخصصين في القياس، بل بات يمس صلب موثوقية الإنتاج العلمي، ويسهم بشكل مباشر في ما بات يُعرف في أدبيات العلوم المعاصرة بـ «أزمة التكرار» وقابلية إعادة الإنتاج، مما يستدعي تفكيكاً نظرياً وإجرائياً شاملاً للمفهومين والآثار المترتبة على استخدام كل منهما.

يهدف هذا المقال الأكاديمي الموسع إلى تقديم معالجة نقدية وتفصيلية للمقارنة بين تحليل القوة القبلي وحساب القوة البعدي، مستعرضاً الأسس الرياضية والنظرية، والأبعاد الأخلاقية، والمحاذير المنهجية المرتبطة بكل أسلوب. وسنوضح عبر صفحات هذا البحث كيف يمثل التحليل القبلي ركيزة التخطيط الرصين والوقاية المنهجية التي تضمن كفاءة استثمار الموارد، في حين يتحول الحساب البعدي المعتمد على النتائج المشاهدة إلى مغالطة دائرية وتبرير ارتجاعي يفتقر لأي قيمة إخبارية حقيقية، مع بيان البدائل الإحصائية المعتمدة وفق أرقى المعايير المنشورة في المجلات العلمية المحكمة.

1. المقدمة: مدخل إلى قوة الاختبار الإحصائي وسياق المقارنة

1.1 مفهوم القوة الإحصائية وأهميتها في الاستدلال العلمي

تُعرّف القوة الإحصائية (Statistical Power) رياضياً بأنها الاحتمالية طويلة المدى لرفض الفرضية الصفرية ($H_0$) رفضاً صحيحاً عندما تكون الفرضية البديلة ($H_1$) هي الصادقة في المجتمع الإحصائي؛ ويُرمز لها بالصيغة ($1 – beta$)، حيث تمثل $\beta$ معدل الوقوع في الخطأ من النوع الثاني (Type II Error)، وهو احتمال الفشل في رصد أثر أو فارق حقيقي موجود بالفعل. إن القوة الإحصائية بهذا المعنى ليست مجرد خاصية ثانوية للاختبار، بل هي المقياس المعياري لحساسية التصميم البحثي وكفاءته الاستكشافية. إن اختباراً إحصائياً ذا قوة منخفضة يشبه منظاراً فلكياً ذا عدسة مشوشة؛ فمهما كانت الأجرام السماوية موجودة في الفضاء الخارجي، فإن الآلة المستخدمة ستفشل في رصدها وإبرازها للمشاهد، مما يقود الباحث إلى استنتاجات مضللة حول عدم وجود الظاهرة أصلاً.

وتتجلى خطورة إهمال القوة الإحصائية في تعريض الأدبيات العلمية لخطر التراكم الخاطئ للنتائج السلبية الزائفة (False Negatives). فعندما يصمم الباحث تجربة تفتقر إلى القوة الإحصائية الكافية (كأن تكون القوة 30% أو 40%، وهي نسب شائعة للأسف في مجالات تجريبية عدة)، فإن احتمال فشله في اكتشاف الأثر الحقيقي يتجاوز احتمال نجاحه، حتى وإن كان الفرض النظري صحيحاً تماماً وتأثير المتغير المستقل فاعلاً بصورة قاطعة. هذا القصور يهدد قابلية تكرار النتائج (Replicability) ويزعزع الثقة في النتائج المنشورة، إذ يؤدي تكرار الدراسات ذات العينات الصغيرة والقوة المحدودة إلى صدور نتائج متضاربة عشوائياً بين الإثبات والنفي، مما يُعطل التقدم العلمي التراكمي ويثير شكوكاً وهمية حول نظريات علمية راسخة.

وعلاوة على ذلك، ترتبط القوة الإحصائية ارتباطاً بنيوياً بمفهوم «القيمة التنبؤية الموجبة» (Positive Predictive Value) للاكتشافات العلمية؛ فالدراسات التي تعمل بقوة إحصائية متدنية، وتصل بمحض الصدفة الإحصائية إلى نتائج دالة ($p < 0.05$)، تعاني حتماً مما يُسمى بـ «لعنة الفائز» (Winner's Curse)، حيث تكون حجوم الآثار المرصودة في تلك الدراسات مبالغاً فيها ومضخمة إلى حد كبير مقارنة بحجم الأثر الحقيقي في المجتمع. ومن هنا، يبرز الحفاظ على قوة إحصائية عالية ومضبوطة مسبقاً (تبلغ في العادة 80% كحد أدنى أو 90% في الدراسات الحرجة) كأهم خط دفاع منهجي لحماية البحث من التردي في مهاوي الاستنتاجات العشوائية، ولضمان أن النتائج الإيجابية المنشورة تمثل حقائق ميدانية قابلة للصمود أمام التكرار والتدقيق التجريبي المستقل، كما يوضح Brysbaert (2019) في تحليلاته لتخطيط التجارب النفسية والبيولوجية.

1.2 دواعي المقارنة بين التحليل القبلي والبعدي ومصدر الخلط المنهجي

تنبع الحاجة الملحة إلى عقد مقارنة صريحة وشاملة بين تحليل القوة القبلي وحساب القوة البعدي من الخلط المفاهيمي الشائع والمستمر في الممارسة البحثية عبر تخصصات متعددة؛ فالكثير من الباحثين يخلطون بين مهمة التخطيط المسبق لحجم العينة قبل جمع البيانات، ومحاولة تفسير النتائج غير الدالة إحصائياً بعد تفريغ البيانات واختبار الفرضيات. هذا الخلط يتجلى بوضوح عندما يحصل الباحث على نتيجة غير معنوية إحصائياً (كأن تخرج القيمة الاحتمالية $p = 0.12$)، فيلجأ بشكل تراجعي إلى تشغيل برمجية التحليل الإحصائي لحساب ما يُسمى بـ «القوة الملاحظة» (Observed Power)، متوهماً أن هذا الإجراء يقدم دليلاً مستقلاً يبرر فشل تجربته أو يثبت أن حجم العينة كان العائق الوحيد دون إثبات نظريته المفضلة.

إن مصدر هذا الخلط المنهجي يكمن في بنيوية البرمجيات الإحصائية التجارية والتطبيقية؛ إذ تعتمد البرمجيات ذاتها (مثل SPSS وSAS وG*Power) على نفس المعادلات الرياضية التحليلية لحساب القوة الإحصائية، سواء كان ذلك قبل التجربة أو بعدها. هذا التماثل في الدوال الرياضية يمنح الباحث شعوراً زائفاً بأن الإجراءين يعبران عن وجهين لعملة واحدة، متجاهلاً أن المدخلات (Inputs) والوظيفة الاستدلالية (Inferential Function) تختلف في الحالتين اختلافاً كلياً يغير من المعنى المنطقي للمخرجات. فحساب القوة مسبقاً يعتمد على فرضيات نظرية وحجوم آثار مستقلة، بينما يعتمد الحساب البعدي على البيانات المرصودة ذاتها التي أنتجت القيمة الاحتمالية، مما يحيل الحساب البعدي إلى مجرد صدى رياضي لتلك القيمة، لا قيمة تفسيرية له بذاته.

ويزيد من حدة هذه الإشكالية التحول الصارم في سياسات النشر والتمويل العلمي؛ إذ باتت المجلات العالمية المحكمة ولجان مراجعة المنح البحثية تفرض توثيقاً دقيقاً لحسابات القوة الإحصائية كشرط أساسي لقبول المشاريع والأوراق البحثية. وفي ظل عدم استيعاب بعض الباحثين للمنطق الكامن وراء هذه المتطلبات، يسعى بعضهم إلى استيفاء هذه البنود عبر إجراء حسابات بعدية وتقديمها في تقاريرهم على أنها مؤشرات موثوقة لتقييم كفاءة الدراسة، وهو ما ترفضه كبرى الجمعيات المنهجية والإحصائية رفضا قاطعاً، معتبرة إياه مؤشراً على خلل جسيم في الفهم الاستدلالي يقتضي الرفض المنهجي للدراسة.

1.3 الأثر المنهجي للتمييز بين الأسلوبين على موثوقية النتائج

إن التمييز الدقيق والصارم بين التحليل القبلي والحساب البعدي يلقي بظلاله المباشرة على جودة البحث العلمي ومصداقيته من نواحٍ متعددة؛ أولها ضمان كفاية القدرة التحليلية للدراسة من خلال التحديد المسبق لعدد الأفراد أو الوحدات التجريبية المطلوبة. إن هذا التخطيط المسبق يحمي البيئة العلمية من الهدر المالي والبشري الهائل الذي ينجم عن تنفيذ دراسات ضعيفة القوة مصيرها المحتوم هو العجز عن رصد الآثار المستهدفة، أو التورط في دراسات متضخمة العينات بصورة غير مبررة تستنزف موارد المؤسسات وتعرّض المشاركين لأعباء تجريبية لا طائل منها، وهو ما ناقشه باستفاضة Ato et al. (2013) في تصنيفهم لتصاميم البحوث التجريبية والمنهجية.

ويتمثل الأثر الثاني في تجنب الوقوع في مغالطة التبرير الدائري (Circular Reasoning Fallacy) للنتائج غير المعنوية. فعندما ينتهي الباحث من تجربته ويجد أن القيمة الاحتمالية تشير إلى غياب الدلالة الإحصائية، فإن اللجوء إلى حساب القوة البعدي الملاحظة يدفعه تلقائياً إلى القول: «إن دراستي كانت ضعيفة القوة ولذلك لم أجد الأثر»، وهي نتيجة تحصيل حاصل من الناحية الرياضية وليست كشفاً علمياً. هذا التبرير الدائري يحجب عن الباحث والمجتمع العلمي الحقيقة الموضوعية التي قد تفيد بأن المتغير المدروس ليس له أثر يذكر، أو أن النظرية ذاتها غير صالحة وتتطلب المراجعة والتعديل، بدلاً من إلقاء اللوم دائماً على حجم العينة.

أخيراً، يؤدي التمييز بين الأسلوبين إلى تمكين الباحث من إقامة توازن رشيد وواعٍ بين احتماليتي الخطأ من النوع الأول ($\alpha$) والخطأ من النوع الثاني ($\beta$). في إطار التصميم القبلي، يمتلك الباحث حرية اتخاذ قرارات مدروسة حول التكلفة النسبية لكل خطأ وفق طبيعة المشكلة البحثية والمخاطر المترتبة على كل قرار (كما هو الحال في التجارب السريرية للأدوية المنقذة للحياة مقابل البرامج التدريبية المعتادة). أما في السياق البعدي، فإن هذه الموازنة تفقد معناها المنطقي بالكامل؛ إذ تصبح البيانات قد سُجلت وانتهت، وتتحول مراجعة القوة إلى مجرد قراءة مشوهة لما حدث بالفعل دون أي قدرة على تصحيح التوازن الاستدلالي المفقود أو التحكم في معدلات الخطأ الحقيقية.

2. نظرة شاملة على تحليل القوة الإحصائية القبلي (A Priori Power Analysis)

2.1 التعريف النظري والأسس المنهجية للتخطيط المسبق

يُمثل تحليل القوة الإحصائية القبلي (A Priori Power Analysis) الممارسة المنهجية المعيارية لتحديد الحجم الأدنى للعينة اللازمة لتحقيق كفاءة إحصائية معلنة، وذلك قبل الشروع في جمع أي بيانات ميدانية أو مختبرية. يستند هذا الإجراء في جوهره إلى المنظور الاستقرائي الذي وضعه نيمان وبيرسون، والذي يعتبر التجربة العلمية عملية اتخاذ قرار في ظل المخاطرة المحسوبة. ولا ينظر التحليل القبلي إلى حجم العينة بوصفه مجرد رقم اختياري أو معيار يحدده الحدس الشخصي للباحث أو توافر المتطوعين، بل يتعامل معه كمعلمة تصميمية تخضع لقوانين التوزيعات الاحتمالية والتباين المقدر في الظاهرة قيد الدراسة.

تتمثل الخطوة التأسيسية في التحليل القبلي في تحديد حجم أثر مستهدف (Target Effect Size) يكون مبرراً من الناحية النظرية أو مشتقاً من سياقات تطبيقية وسريرية معتبرة. وفي هذا السياق، ينبغي على الباحث ألا يعتمد على أحلام التمني، بل يجب عليه تحديد ما يُعرف في الأدبيات الحديثة بـ «أصغر حجم أثر ذي أهمية عملية» (Smallest Effect Size of Interest – SESOI)؛ وهو الحد العددي الفاصل الذي إذا قل الأثر عنه، أصبح فاقداً لأي قيمة عملية أو نظرية تبرر العناء التجريبي، حتى وإن كان دالاً إحصائياً. ولتحقيق هذه الدقة، يلجأ الباحثون إلى الاستعانة بنتائج التحليلات البعدية الشاملة (Meta-Analyses) والمراجعات المنهجية الرصينة في المجال المعرفي نفسه، لاستخلاص تقدير وزني واقعي للتباين وحجم التباعد المتوقع بين المجموعات التجريبية والضابطة، بعيداً عن التقديرات الفردية المنحازة التي تميل إلى تضخيم الآثار في الدراسات المنفردة.

تسمح هذه المنهجية التخطيطية المسبقة بضبط صارم لجميع معايير الخطأ المسموح بها في القرار الإحصائي؛ إذ يُثبّت الباحث مستوى المعنوية الاستكشافي للحد من احتمال رفض الفرضية الصفرية الخاطئة، وفي الوقت عينه يُحدد مستوى القوة المطلوب لضمان عدم إفلات الأثر الحقيقي من شبكة التحليل. وبذلك يتحول البحث العلمي من مجرد مغامرة استكشافية غير محسوبة النتائج إلى مسار استدلالي محكم وذي كفاءة كمية واضحة المعالم، تسهم في تعزيز البنية المنهجية للاستكشاف الأكاديمي، وتوفر أساساً متيناً لحماية النتائج من الشكوك المنهجية التي كثيراً ما تحيط بالدراسات غير المخططة جيداً.

2.2 المعلمات الرياضية الأربع المترابطة في التحليل القبلي

يقوم التحليل الإحصائي للقوة على علاقة ارتباط رياضي وثيق ومتشابك بين أربع معلمات أساسية في نظرية المعاينة واختبار الفرضيات؛ بحيث يؤدي تحديد ثلاث معلمات منها إلى حسم قيمة المعلمة الرابعة بصورة جبرية دقيقة. وهذه المعلمات الأربع هي:

  • مستوى الدلالة الإحصائية المقبول (مستوى ألفا $\alpha$): ويمثل سقف الاحتمال المسموح به للوقوع في الخطأ من النوع الأول (إثبات وجود أثر بينما هو غير موجود في الواقع). يُحدد هذا المستوى تقليدياً عند 0.05، أو عند مستويات أكثر صرامة مثل 0.01 أو 0.001 في الدراسات الحساسة؛ وكلما كان مستوى $\alpha$ أكثر صرامة، تطلب ذلك حجماً أكبر للعينة لتعويض القيود المفروضة على رفض الفرض الصفر.
  • القوة الإحصائية المستهدفة ($1 – beta$): وهي الاحتمالية المطلوبة لاكتشاف الأثر الحقيقي في التجربة، أو تجنب الخطأ من النوع الثاني. والمعيار الذهبي المقبول علمياً والذي رسخه جاكوب كوهين (Jacob Cohen) هو 0.80؛ ما يعني قبول احتمال مقداره 20% للوقوع في الخطأ من النوع الثاني، بهدف خلق نسبة موازنة متناسبة بين خطأي ألفا وبيتا تعادل 1 إلى 4 (أي اعتبار الخطأ من النوع الأول أسوأ بأربع مرات من الخطأ من النوع الثاني)، بينما تتطلب التجارب السريرية والحاسمة قوة تصل إلى 0.90 أو 0.95.
  • حجم الأثر المتوقع (Population Effect Size): وهو التقدير الكمي لمدى تباعد الفرضية البديلة عن الفرضية الصفرية في المجتمع؛ ويُعبر عنه بمعايير قياسية متنوعة بحسب طبيعة التصميم والاختبار (مثل معامل $d$ لكوهين للفروق بين المتوسطات، أو معامل الارتباط $r$، أو معامل $f$ لتحليل التباين ANOVA، أو نسبة الأرجحية Odds Ratio). وتتناسب القوة تناسباً طردياً مع حجم الأثر؛ فالآثار الكبيرة يسهل رصدها بعينات صغيرة، في حين تتطلب الآثار الدقيقة حجوم عينات شاسعة.
  • حجم العينة المطلوب ($N$): وهو المتغير التابع والمخرج النهائي في التحليل القبلي؛ إذ يُحل النظام الرياضي بالبحث عن قيمة $N$ اللازمة والمطابقة للمحددات الثلاثة السابقة تحت توزيعات احتمالية غير مركزية (Non-central Distributions).

يوضح هذا التشابك الرياضي أن حجم العينة ليس متغيراً حراً يمكن تعديله بمعزل عن دقة القياس ونوعية الفرضية ومستوى المخاطرة المقبول، بل هو دالة مباشرة للمستوى المعرفي الذي يسعى الباحث إلى تحقيقه ولطبيعة الظاهرة المدروسة في المجتمع الأصلي.

2.3 الأدوات التقنية والبرمجية لتنفيذ التحليل القبلي

شهدت العقود الأخيرة تطوراً تقنياً واسعاً ساهم في إتاحة حسابات القوة القبلية للباحثين دون الحاجة إلى الخوض في التعقيدات الرياضية اليدوية للتكاملات التوزيعية غير المركزية. ومن أبرز الأدوات المستخدمة عالمياً برمجية G*Power، التي طُوّرت في جامعة دوسلدورف بألمانيا؛ وهي أداة برمجية قائمة بذاتها تتميز بتغطيتها الشاملة لطيف واسع من الاختبارات البارامترية واللابارامترية، بدءاً من اختبارات «ت» (t-tests) وتحليل التباين بمختلف تصاميمه البسيطة والعاملية والقياسات المتكررة، وصولاً إلى الانحدار الخطي واللوجستي واختبارات مربع كاي. تتيح البرمجية للمستخدم إدخال مستويات الخطأ وحجم الأثر المطلوب لتقوم بحساب حجم العينة ورسم منحنيات القوة والحساسية التوزيعية بدقة فائقة.

وبالموازاة مع الأدوات الرسومية، تحتل بيئة البرمجة الإحصائية R مكانة ريادية في إجراء حسابات القوة المعقدة والمتقدمة من خلال حزم متخصصة رصينة. وتبرز في هذا السياق حزمة pwr التي توفر دوالاً قياسية مرنة لتطبيق نماذج كوهين الكلاسيكية على الاختبارات الأساسية. أما في التصاميم الهرمية المعقدة (Multilevel Modeling) ونماذج معادلات البناء الهيكلي (SEM) والتحليلات الطولية المتداخلة، فتبرز حزم متطورة مثل WebPower وsimr؛ حيث تعتمد الأخيرة على منهجية محاكاة مونت كارلو (Monte Carlo Simulations) لتقدير القوة الإحصائية تجريبياً عبر محاكاة مئات أو آلاف العينات العشوائية وفق معلمات افتراضية محددة، وهو ما يُعد الأسلوب الأمثل للتعامل مع التصاميم غير المتوازنة وتأثيرات الانحدار العشوائي.

وعلاوة على البرمجيات، أضحت خطط التسجيل المسبق للأبحاث (Preregistration) عبر منصات مثل مركز العلوم المفتوحة (Open Science Framework – OSF) وسيلة تقنية وأخلاقية مركزية لتثبيت هذه الحسابات؛ إذ يلتزم الباحثون بنشر وثيقة حساب القوة الإحصائية القبلية، متضمنةً الافتراضات التوزيعية المحددة وحجم الأثر المستهدف ومصدره، قبل البدء في استقبال أول مشارك أو جمع أول قراءة معملية. ويضمن هذا التوثيق التزام الباحث بحجم العينة المخطط مسبقاً، ويمنع ممارسات التلاعب المنهجي مثل التوقف الانتقائي عن جمع البيانات عند ظهور الدلالة الإحصائية، أو مواصلة الجمع لمجرد الوصول إلى القيمة المرغوبة، وهي ممارسات وُثقت أضرارها الكارثية في مشاريع التكرار الضخمة عبر مختلف المعامل العلمية، كما فصّله Hagger et al. (2016) في دراستهم التكرارية التشاركية متعددة المختبرات.

2.4 المزايا المنهجية والأخلاقية للتحليل القبلي

تتجاوز مزايا التخطيط القبلي للقوة الإحصائية النطاق الحسابي المحض لتطال المسؤولية الأخلاقية والمهنية للباحث العلمي ومؤسسته الراعية. فعلى الصعيد الأخلاقي المرتبط بالدراسات البشرية والحيوانية، يمثل جمع البيانات من عينات غير كافية إحصائياً انتهاكاً صريحاً للمبادئ الأخلاقية المنصوص عليها في إعلانات أخلاقيات البحث العلمي (مثل إعلان هلسنكي)؛ فتعريض البشر لتدخلات تجريبية أو أدوية جديدة أو برامج نفسية مجهولة النتائج، أو التضحية بحيوانات التجارب في مختبرات الطب الحيوي، ضمن دراسة محكوم عليها سلفاً بالفشل في رصد الأثر الإيجابي بسبب صغر العينة وضعف قوتها، هو هدر للجهد والمخاطرة بدون أي عائد علمي يخدم المجتمع.

وعلى النقيض من ذلك، فإن استخدام عينات ضخمة بصورة مفرطة ودون مبرر تخطيطي لا يقل سوءاً من المنظور الأخلاقي والمنهجي؛ إذ يؤدي تضخيم العينات إلى هدر مالي واستنزاف للمنح البحثية العامة في غير موضعها، إلى جانب تعريض عدد كبير من الأفراد لإجراءات وتدخلات لا لزوم لها لتحقيق الغرض المعرفي. كما أن العينات المفرطة تؤدي إلى جعل الاختبارات الإحصائية مفرطة الحساسية (Overpowered)، بحيث تصبح الفروق الضئيلة للغاية وغير ذات المعنى الإكلينيكي أو الواقعي دالة إحصائياً عند مستويات صارمة، مما يضلل صناع القرار ويدفعهم نحو تبني سياسات مكلفة استناداً إلى فروق إحصائية مجهرية لا تقدم أي فائدة حقيقية على أرض الواقع.

أما من زاوية القبول المؤسسي والأكاديمي، فإن التحليل القبلي بات بمثابة جواز المرور الأساسي للأبحاث العلمية في لجان المراجعة المؤسسية (IRBs) ولجان الأخلاقيات والمجالس العلمية للمجلات العالمية المصنفة في الفئات العليا. إن الباحث الذي يقدم تحليلاً قبلياً واضحاً يبرهن للمحكمين والممولين على رصانته المنهجية وإدارته الحكيمة للمخاطر التجريبية، مؤكداً أن دراسته مصممة لإنتاج معرفة متماسكة تسهم إيجاباً في المتن العلمي، وتستحق الدعم المادي والاستثمار المعرفي المخصص لها.

3. نظرة شاملة على حساب القوة الإحصائية البعدي (Post-Hoc Power Calculation)

3.1 المفهوم الإجرائي والسياق التاريخي لظهوره

يُعرف حساب القوة الإحصائية البعدي (Post-Hoc Power Calculation)، ويشار إليه أيضاً في الأدبيات بـ «القوة الملاحظة» (Observed Power) أو «القوة الرجعية» (Retrospective Power)، بأنه الحساب الذي يجريه الباحث للقوة الإحصائية بعد أن تكتمل تجاربه بالكامل، وتُجمع بياناته، وتُجرى الاختبارات الاستدلالية المقررة على تلك البيانات. ويكمن المحور الإجرائي الفارق لهذا الحساب في طبيعة المدخلات؛ إذ يعتمد حساب القوة البعدية على حجم العينة الفعلي الذي تم جمعه ($N$)، وعلى حجم الأثر المشاهد والمستخرج مباشرة من ذات العينة المبحوثة ($\hat{d}$ أو $\hat{\eta}^2$)، بدلاً من الاعتماد على حجم أثر افتراضي نظري مستقل ومحدد مسبقاً.

تاريخياً، نشأ هذا الإجراء وانتشر في النصف الثاني من القرن العشرين كنتيجة طبيعية للضغط الذي فرضته التوصيات المبكرة لعلماء المنهجية، وعلى رأسهم جاكوب كوهين، بضرورة الانتباه لمفهوم القوة الإحصائية وعدم الاكتفاء بالقيم الاحتمالية. غير أن هذا المطلب المنهجي جرى تحريفه في الممارسة التطبيقية؛ حيث بدأ الباحثون الذين واجهوا إحباط النتائج غير المعنوية إحصائياً ($p > 0.05$) في البحث عن وسيلة منهجية لتبرير تلك الإخفاقات وتقديم أعذار علمية مقبولة للمحكمين. فوجدوا في حساب القوة البعدي ملاذاً ظاهرياً يمكّنهم من القول بأن نتائجهم غير المعنوية لا تعني بالضرورة غياب الفارق أو بطلان النظرية، بل تعود إلى أن قوة التجربة المنجزة كانت منخفضة للغاية (كأن تكون 20% أو 30%) لرصد الأثر.

وقد تعزز هذا المسار الخاطئ بفعل الشركات المطورة للبرمجيات الإحصائية الشهيرة، التي استجابت لتلك المطالب بدمج خيار لحساب القوة الملاحظة ضمن مخرجات النماذج الخطية العامة واختبارات التباين بضغطة زر واحدة (كما كان الحال في خيار Generate Observed Power الشهير في برمجية SPSS لسنوات طويلة). هذا التوفر البرمجي السهل أعطى انطباعاً خادعاً للباحثين بأن حساب القوة البعدي هو ممارسة قياسية موصى بها علمياً ومكملة لاختبار الفرضيات، مما أدى إلى شيوعها الواسع في مئات الآلاف من الأبحاث المنشورة في مختلف حقول العلوم الطبية والنفسية والتربوية والاجتماعية دون إدراك للمغالطة الرياضية الكامنة في صلب هذا الإجراء.

3.2 الآلية الرياضية ومفارقة الدائرية المنهجية

تكمن المعضلة القاتلة في حساب القوة البعدية الملاحظة في العلاقة الجبرية البحتة التي تربط بين القوة المحسوبة بعدياً والقيمة الاحتمالية المشاهدة ($p$-value). ففي أي اختبار إحصائي استدلالي (مثل اختبار $t$ أو $F$)، تُحسب القيمة الاحتمالية المشاهدة استناداً إلى ثلاث قيم: حجم العينة ($N$)، وحجم الأثر الملاحظ ($\hat{d}$)، والخطأ المعياري للتقدير. وعندما يقوم الباحث بحساب القوة الملاحظة بعد انتهاء التحليل، فإنه يُدخل ذات العينة ($N$) وذات الأثر الملاحظ ($\hat{d}$) وذات مستوى الدلالة المعياري ($\alpha = 0.05$) في معادلات التوزيع غير المركزي.

رياضياً، تصبح القوة الملاحظة في هذه الحالة دالة أحادية التحويل الرتيب (1-to-1 Monotonic Transformation) المباشر للقيمة الاحتمالية المشاهدة. وبتعبير أكثر بساطة، فإن القوة الملاحظة لا تفعل شيئاً سوى إعادة صياغة القيمة الاحتمالية بتنسيق رقمي بديل؛ فهي لا تضيف أي جزء من بت واحد من المعلومات الإحصائية الجديدة التي لم تكن متضمنة بالفعل في القيمة الاحتمالية الأصلية. فإذا كانت النتيجة دالة إحصائياً عند مستوى $p = 0.05$ تماماً في اختبار ثنائي الطرفين، فإن القوة الإحصائية الملاحظة ستساوي رياضياً وبشكل حتمي 50% دائماً وأبداً. وكلما زادت القيمة الاحتمالية مبتعدة عن الدلالة نحو الانعدام (أي $p to 1.0$)، هبطت القوة الملاحظة جبرياً لتقترب تماماً من مستوى الخطأ من النوع الأول ($\alpha = 0.05$).

يقود هذا الترابط الرياضي إلى ما أطلق عليه علماء الإحصاء «المفارقة الدائرية للقوة» (Power Approach Paradox)، والتي برهن عليها رياضياً جون هونيج ودينيس هايسي في ورقتهما المرجعية الرائدة عام 2001؛ وتتلخص المفارقة في أن أي نتيجة غير دالة إحصائياً ($p > 0.05$) ستنتج عنها بالضرورة الجبرية قوة إحصائية ملاحظة منخفضة للغاية (أقل من 50%). وبالتالي، فإن استخدام الباحث للقوة الملاحظة كدليل على أن «صغر حجم العينة هو سبب عدم العثور على الأثر» يمثل استدلالاً دائرياً باطلاً؛ لأنه يبرر القيمة الاحتمالية العالية باستخدام قيمة أخرى مشتقة منها حرفياً. إن النتيجة غير المعنوية تُنتج قوة ملاحظة ضعيفة دائماً بحكم قوانين الحساب، سواء كان الأثر الحقيقي في الطبيعة كبيراً ومفقوداً بسبب العينة، أو كان الأثر معدوماً تماماً في الواقع، مما يجعل هذا الإجراء فاقداً لأي قدرة على التمييز الاستدلالي.

3.3 الانتقادات الأكاديمية والرفض المنهجي المعاصر

نتيجة لهذه المفارقات الرياضية الصريحة، أجمع علماء المنهجية والإحصاء التطبيقي الحديث على إدانة حساب القوة الإحصائية البعدي وتجريمه منهجياً. ولقد أثبتت الدراسات الرياضية، ومنها التحليلات الدقيقة لـ كيه-هاي يوان وسكوت ماكسويل (2005)، أن تقدير القوة البعدية استناداً إلى حجم أثر العينة هو تقدير غير متسق ومتحيز بدرجة هائلة (Severely Biased and Highly Variable)، ويتسم بمجال تباين واسع للغاية يجعل استخدامه في الحكم على حساسية الدراسات ضرباً من التضليل العلمي الذي يفتقر إلى الرصانة.

وقد امتد هذا الرفض النظري ليتحول إلى مواقف رسمية معلنة من قبل كبرى المنظمات الإحصائية والهيئات التحريرية؛ حيث أكدت جمعية الإحصاء الأمريكية (American Statistical Association – ASA) في بياناتها المتتابعة حول الاستدلال الإحصائي والقيم الاحتمالية على خطورة استخدام القوة الملاحظة لتبرير غياب الفروق أو تفسير النتائج السلبية. واعتبرت الجمعية أن استخدام هذا الأسلوب يمثل سوء استخدام صريح للمفاهيم الاحتمالية، ويعطي الباحثين إحساساً كاذباً بالفهم، مانعاً إياهم من استكشاف الأسباب الحقيقية لعدم ثبوت فرضياتهم.

وفي السياق التحريري المعاصر، اتخذت العديد من الدوريات المرموقة في مجالات الطب وعلم النفس والعلوم السلوكية (مثل مجلات Journal of Applied Psychology وThe American Statistician وتوصيات مجموعة CONSORT للأبحاث السريرية) سياسات واضحة تمنع منعاً باتاً نشر حسابات القوة الملاحظة أو تضمينها في نصوص المقالات المقبولة. ويوجه المحكمون في تلك المجلات تعليمات قاطعة للمؤلفين بحذف أي إشارة للقوة البعدية، واستبدالها بتحليلات دقيقة لفترات الثقة وحجوم الآثار المشاهدة وأخطائها المعيارية، مما جعل وجود هذا الحساب في أي مسودة بحثية علامة واضحة على ضعف التكوين الإحصائي للباحث، ومسوغاً كافياً لرفض الورقة أو طلب مراجعتها جذرياً.

4. أوجه الاختلاف الجوهرية بين التحليل القبلي والبعدي

4.1 التوقيت الزمني والهدف المنهجي من الإجراء

يتجسد أول الفروق الجوهرية وأكثرها وضوحاً في التوقيت الإجرائي الصارم لكل منهما داخل دورة حياة البحث العلمي. فالتحليل القبلي للقوة ينتمي حصرياً إلى مرحلة «ما قبل التجربة» (Ex-Ante)؛ أي مرحلة التخطيط والتصميم النظري وصياغة البروتوكول البحثي. في هذه المرحلة، تكون مصفوفة البيانات فارغة تماماً، ولم يُسجل أي رقم أو استجابة تجريبية. والهدف المنهجي الوحيد هنا هو هدف وقائي وتحكمي، يسعى إلى توفير البنية اللوجستية والعددية الكافية لتحقيق هدف التجربة وفق مخاطر مقبولة ومعلنة سلفاً، مما يجعله أداة لتوجيه عملية جمع البيانات بدلاً من التأثر بها.

وعلى النقيض التام، ينتمي حساب القوة البعدي حصراً إلى مرحلة «ما بعد الحدث» (Ex-Post)؛ أي بعد أن استُنفدت العينة، وانتهت التجارب، وأُغلقت ملفات البيانات، وأُجريت التحليلات الاستدلالية وملاحظة النتائج الإحصائية ومستويات دلالتها. وبالتالي، فإن الهدف المنهجي للحساب البعدي ليس التخطيط، بل محاولة تقديم تفسير استرجاعي أو تبريري للنتائج التي تم التوصل إليها بالفعل. إنه انتقال سلبي من عقلية التفكير الوقائي الوقور، الذي يستبق الفشل بتصميم محكم، إلى عقلية التفكير العلاجي التبريري، الذي يسعى إلى الالتفاف على الفشل الإحصائي وتخفيف وطأته بعد وقوعه عبر استدعاء حجج القوة الإحصائية بأثر رجعي.

هذا الفارق الزمني والوظيفي يجعل من المستحيل منطقياً الجمع بينهما كإجراءين متكافئين؛ فالتحليل القبلي يحدد قواعد اللعبة التجريبية قبل انطلاقها ويلتزم بتبعاتها المعرفية أياً كانت النتيجة، في حين يحاول الحساب البعدي تغيير قواعد التحكيم أو تبرير النتيجة بعد إطلاق صافرة النهاية، وهو ما يتنافى مع النزاهة المنهجية التي تقتضي الاعتراف بالنتائج المشاهدة كما هي دون محاولة اصطناع كفاءة افتراضية لا وجود لها في التجربة الواقعية.

4.2 مصدر وحقيقة حجم الأثر المستخدم (Effect Size Input)

تتعلق نقطة الخلاف المركزية الثانية بمصدر وطبيعة «حجم الأثر» المستخدم كمدخل أساسي في المعادلات الإحصائية؛ ففي التحليل القبلي، يتعامل الباحث مع حجم الأثر بوصفه «قيمة مفترضة للمجتمع الأصلي» ($\delta$ أو Population Parameter)، أو كحد أدنى ذي مغزى نظري وسريري يجب رصده (SESOI). وتكون هذه القيمة مستقلة تماماً ومحايدة إزاء بيانات الدراسة الحالية، ومستقاة من مصادر خارجية موضوعية؛ كالدراسات التراكمية، ومراجعات التحليل البعدي الشاملة مثل تحليل Parsons et al. (2017) في مجال التدخلات العلاجية القائمة على اليقظة الذهنية، أو المراجعات الإكلينيكية المنهجية الكبرى مثل مراجعة كوكرين التي أجراها Storebø et al. (2020) حول العلاجات النفسية لاضطراب الشخصية الحدية. هذا التحديد المستقل يمنح حجم الأثر في التحليل القبلي وزناً معيارياً ثابتاً يمثل الهدف المراد كشفه، وليس مجرد انعكاس للصدفة الإحصائية.

أما في الحساب البعدي، فإن حجم الأثر المستخدم هو التقدير النقطي المشاهد داخل العينة قيد الدراسة ($\hat{d}$ أو Sample Statistic). والمعضلة الكبرى هنا تكمن في أن تقديرات حجوم الآثار المستخرجة من العينات الفردية—لا سيما تلك العينات ذات الأحجام الصغيرة والمتوسطة الشائعة في العلوم الإنسانية والطبية—تتسم بدرجات هائلة من التقلب العشوائي والخطأ المعياري الواسع. فالعينة التي تفشل في الوصول إلى الدلالة الإحصائية تكون في الغالب قد أنتجت، بمحض التقلب العشوائي للمعاينة، تقديراً لحجم الأثر أصغر بكثير من حجم الأثر الحقيقي الموجود في المجتمع الأصلي.

وعندما نأخذ هذا التقدير العيني المشوه والمائل نحو الصغر، وندخله في معادلات القوة الإحصائية، فإننا نبني الحساب على أساس هش وفاقد للمصداقية؛ لأننا نخلط بين معلمة المجتمع الحقيقية الثابتة والتقدير العيني اللحظي المعرض للتشويش والخطأ. وبذلك يتحول حساب القوة البعدي إلى محاولة لتقدير احتمالية العثور على أثر باستخدام قيمة محرفة للأثر ذاته، مما يؤدي إلى تضخيم العيوب المنهجية للدراسة وتقديم صورة زائفة ومضللة بالكامل عن كفاءة التصميم الحقيقي.

4.3 العلاقة مع القيمة الاحتمالية والاستدلال الاستقرائي

يتمايز التحليلان تمايزاً جذرياً في علاقتهما البنيوية مع القيمة الاحتمالية المشاهدة ($p$-value)، وهو التمايز الذي يحسم القيمة المعرفية لكل منهما في منظومة الاستدلال العلمي. في التحليل القبلي، تكون القوة الإحصائية المستهدفة مستقلة تماماً وخارجية بالنسبة لأي بيانات أو قيم احتمالية مستقبلية؛ إذ يتم تحديدها قبل توليد أي توزيع تجريبي. وتقدم القوة القبلية تقييماً لفرص النجاح الاستكشافي المستقبلي للتصميم التجريبي، مشيرة إلى احتمال رفض الفرضية الصفرية عبر عدد لا نهائي من التكرارات الافتراضية للدراسة بالظروف ذاتها.

في المقابل، فإن القوة المحسوبة بعدياً هي مجرد دالة تابعة وخاضعة بصورة كاملة للقيمة الاحتمالية المشاهدة، كما أشرنا سابقاً. هذا التبعية تجعل القوة البعدية عاجزة عن تقديم أي استدلال استقرائي جديد؛ فالقيمة الاحتمالية المشاهدة تخبرنا بالفعل بمدى اتساق البيانات مع الفرضية الصفرية، وإعادة تحويل هذه القيمة إلى نسبة مئوية تسمى «القوة الملاحظة» لا يفعل شيئاً سوى ترديد الصدى الرقمي للاختبار الأصلي بصيغة أخرى. إن الاستدلال على أن العينة غير كافية بناءً على قوة ملاحظة منخفضة هو نفس الاستدلال المشتق مباشرة من كون $p > 0.05$، دون إضافة أي دليل يدعم أو ينفي صحة الفرضيات التنافسية.

والأخطر من ذلك هو الوقوع في خلط مفاهيمي بين «القوة الإحصائية كخاصية لتصميم تجريبي يواجه فرضيات متعددة عبر تكرارات مستقبلية»، وبين «احتمالية صحة الفرضية بعد رؤية النتائج». إن القوة الإحصائية مفهوم تكراري مستقبلي (Frequentist Concept) ينطبق على مسار التجارب وتصميمها المسبق، ولا يمكن تطبيقه بأثر رجعي على واقعة حدثت بالفعل وسُجلت نتائجها. فبمجرد اكتمال التجربة وجمع البيانات، لم يعد هناك مجال للاحتمالات المستقبلية؛ فإما أن يكون الباحث قد وقع في الخطأ من النوع الثاني أو لم يقع، والقوة الملاحظة لا تملك أي قدرة على إخبار الباحث بما إذا كان خطؤه حقيقياً أم أن الفرض الصفري هو التوصيف الصادق للواقع، مما يوقع الباحث في مغالطات استقرائية مدمرة لمصداقية البحث.

4.4 الموقف المعياري للمجلات المحكمة والمؤسسات الأكاديمية

يعكس الموقف المعياري للمؤسسات العلمية الرصينة هذا التباين الحاد بين المفهومين؛ فالتحليل القبلي للقوة الإحصائية يُعد اليوم المعيار القياسي الأول للحكم على أصالة المقترحات البحثية والرسائل الجامعية وجودة المنهجية العلمية في كافة المحافل العالمية المعتبرة. ولا تتردد لجان المراجعة وهيئات التحكيم في المجلات المصنفة ضمن قواعد البيانات العالمية المرموقة (مثل Web of Science وScopus) في اشتراط وجود قسم تفصيلي وشفاف يوضح كيفية حساب حجم العينة مسبقاً، والمعايير التوزيعية المستخدمة، وتبرير حجم الأثر المختار بموجب الأدبيات السابقة أو المعنى العملي السريري، معتبرة غياب هذا التحليل خللاً جوهرياً يمس صلاحية الدراسة برمتها للنشر.

وفي المقابل التام، يُنظر إلى حساب القوة البعدي في تلك الأوساط الأكاديمية المتقدمة بوصفه «خللاً منهجياً أحمر» (Methodological Red Flag) يستوجب الحذر الشديد ويؤدي في غالب الأحيان إلى رفض البحث بصورة قاطعة. فالمحكم الإحصائي المحترف يدرك على الفور أن لجوء المؤلفين إلى حساب القوة الملاحظة هو مؤشر على محاولة للتعمية على ضعف النتائج أو لتبرير غياب الفروق بطريقة تفتقر للأمانة المعرفية والتأسيس الرياضي السليم. ولذلك، تنص أدلة إعداد التقارير العلمية الصارمة على أن ذكر القوة الملاحظة هو ممارسة غير مقبولة علمياً، وتطالب باستبدالها بفترات الثقة الصريحة التي تعكس دقة التقدير دون مواربة.

ولتوضيح هذه الفروق الجوهرية وتلخيص التباين الحاسم بين المنهجين بصورة منهجية متكاملة، يوضح الجدول التالي مقارنة رأسية وشاملة عبر مختلف الأبعاد المفاهيمية والتطبيقية:

البُعد المنهجي للمقارنة تحليل القوة القبلي (A Priori Power Analysis) حساب القوة البعدي (Post-Hoc Power Calculation)
التوقيت الزمني للتنفيذ قبل جمع البيانات وأثناء مرحلة تصميم الدراسة وبروتوكول البحث. بعد انتهاء جمع البيانات بالكامل وملاحظة مستويات الدلالة الإحصائية.
الهدف المنهجي والوظيفي تخطيطي ووقائي: تحديد حجم العينة الأمثل لضبط معدلات الخطأ الاستدلالي. تبريري وارتجاعي: محاولة إيجاد مبرر لعدم التوصل لدلالة إحصائية في النتائج.
مصدر حجم الأثر المستخدم نظري أو سريري مستقل: أصغر حجم أثر ذي أهمية (SESOI) أو دراسات بعدية. إحصائي عيني مباشر: حجم الأثر المشاهد والمستخرج من نفس العينة المدروسة.
المتغير التابع / المخرج النهائي حجم العينة المطلوب ($N$) لتحقيق شروط الدقة والقوة المعيارية. نسبة القوة الملاحظة المقابلة لحجم العينة والأثر المسجلين بالفعل.
العلاقة بالقيمة الاحتمالية ($p$) مستقل تماماً ولا يرتبط بأي قيم احتمالية، كونه يسبق التجربة ذاتها. دالة تحويلية تابعة رياضياً بنسبة 1 إلى 1 للقيمة الاحتمالية المشاهدة ($p$).
القيمة الإخبارية المضافة عالية جداً: يقدم أساساً رياضياً متيناً لكفاءة إدارة الموارد والتصميم. معدومة: يمثل تحصيل حاصل رياضي وتكراراً دائرياً لمعلومات القيمة الاحتمالية.
موقف المجلات العلمية المحكمة مطلوب وموصى به بقوة، ويُعد شرطاً أساسياً لجودة ونشر الأبحاث الرصينة. مرفوض منهجياً ومحظور في الأدلة التحريرية لكبرى الدوريات العالمية والجمعيات.
المخاطر المنهجية المحتملة المبالغة في تقدير حجم الأثر المأخوذ من دراسات استطلاعية صغيرة سابقة. الاستدلال الدائري ومفارقة القوة، وتضليل الباحث حول حقيقة غياب الأثر.

5. أوجه التشابه ونقاط التداخل المنهجي

5.1 البنية الرياضية والمعادلات التحتية المشتركة

على الرغم من التباين الجذري في التوقيت والهدف والوظيفة الاستدلالية بين التحليلين، إلا أن هناك أرضية مشتركة توحد بينهما تتمثل في البنية الرياضية والجبرية التحتية المستخدمة في الحسابات؛ فكلا الإجراءين يستندان بشكل كامل إلى نظرية التوزيعات الاحتمالية غير المركزية (Non-central Distributions)؛ مثل توزيع $t$ غير المركزي، وتوزيع $F$ غير المركزي، وتوزيع مربع كاي غير المركزي. هذه التوزيعات الرياضية تُعنى بنمذجة سلوك الإحصاءات التجريبية عندما تكون الفرضية الصفرية غير صحيحة، وتعتمد في تشكيلها على ما يُعرف بـ «معلمة اللامركزية» (Non-centrality Parameter – $lambda$)، وهي المعلمة التي تدمج كلاً من حجم العينة وحجم الأثر في قيمة كمية واحدة تحدد مقدار إزاحة التوزيع التجريبي عن التوزيع الصفري المرجعي.

كما يشترك الإجراءان في استخدام المنظومة الرباعية ذاتها للمتغيرات الرياضية: حجم العينة ($N$)، وحجم الأثر المتوقع أو المشاهد ($ES$)، ومستوى الخطأ من النوع الأول المسموح به ($\alpha$)، والقوة الإحصائية ($1 – beta$). فالمعادلات التكاملية التي تُحل لحساب المساحات المظللة تحت المنحنيات التوزيعية لحساب $N$ في التحليل القبلي، هي ذات المعادلات التكاملية التي تُستخدم لحل المساحة لإيجاد القوة الإحصائية في الحساب البعدي. إن المعادلة الجبرية واحدة لا تتغير، وما يتبدل فقط هو المتغير المجهول الذي يُحل النظام الرياضي بدلالته، وهو ما يفسر استخدام نفس المحركات البرمجية في معالجة كلا الأسلوبين.

بالإضافة إلى ذلك، ينضوي كِلا الإجراءين فلسفياً تحت مظلة الإطار النظري للاستدلال السلوكي الذي أرساه نيمان وبيرسون في مواجهة نموذج الاستدلال الحثي لرونالد فيشر؛ فكلاهما يفترض مسبقاً وجود فرضيتين صريحتين متنافستين ($H_0$ مقابل $H_1$)، ويسلم بوجود خطأين استدلاليين محتملين (ألفا وبيتا)، ويسعى من حيث المبدأ النظري المجرد إلى قياس وتحديد حساسية الاختبار الإحصائي في الفصل بين هاتين الفرضيتين، مما يجعلهما يشتركان في ذات اللغة المفاهيمية والمصطلحات المرجعية للقرار الإحصائي الكلاسيكي.

5.2 الهدف المفاهيمي العام لفهم حساسية الاختبار

يشترك كلا الأسلوبين في المحفز الفكري العام الذي يدفع الباحثين لاستخدامهما؛ وهو الرغبة في فهم وتقييم حساسية الاختبار الإحصائي (Test Sensitivity) لاكتشاف الفروق أو العلاقات قيد الدراسة؛ فالباحث في كلتا الحالتين يشعر بالقلق المشروع إزاء احتمالية وقوعه في الخطأ الاستدلالي، ويرغب في التأكد من أن أداة القياس والتحليل التي يعتمد عليها تمتلك القدرة والقدر الكافي من الحدة لرصد الظواهر الدقيقة دون أن تُطمس بفعل التباين العشوائي وخطأ القياس غير المنضبط.

يتجلى هذا التداخل المفاهيمي أيضاً في الاهتمام المشترك بتأثير التباين غير المفسر (Unexplained Variance) وأخطاء القياس على قدرة النماذج الإحصائية؛ فكلا التحليلين يسلط الضوء على أن تقليل التباين الداخلي في المجموعات (عبر ضبط المتغيرات الدخيلة، أو استخدام أدوات قياس عالية الصدق والثبات، أو استخدام تصاميم القياسات المتكررة ذات القوة الذاتية العالية) يسهم مباشرة في رفع كفاءة التحليل وحساسيته لرصد الآثار، بصرف النظر عن حجم العينة المطلق المستخدم.

غير أن هذا التماثل المفاهيمي في الرغبة بحساب الحساسية لا يبرر التطبيق الخاطئ؛ فالرغبة المشروعة في فهم حساسية الدراسة يجب أن تُقاد بالمنهج السليم الذي يحقق هذا الفهم. إن التشابه في المنطلقات النظرية والبنية الجبرية يغري الباحثين بتبني الحساب البعدي بوصفه امتداداً طبيعياً للتفكير القبلي، في حين أن التحول من التوقع المستقل للآثار إلى استخدام النتائج العينية لتفسير نفسها هو الذي يكسر الأساس المنطقي للاستدلال، ويحول الرغبة المشروعة في فحص الحساسية إلى مغالطة إحصائية صريحة لا تخدم الفهم العلمي ولا تطور المعرفة الموضوعية.

6. دليل التطبيق العملي: متى يُستخدم كل منهما وما هي البدائل السليمة؟

6.1 متى يكون التحليل القبلي إلزامياً في الممارسة البحثية؟

يمثل التحليل القبلي للقوة الإحصائية إجراءً إلزامياً لا يقبل المساومة في العديد من المحطات المفصلية للممارسة البحثية الاحترافية؛ وأولى هذه المحطات هي مرحلة كتابة مقترحات الأطروحات العلمية (رسائل الماجستير والدكتوراه) والمشاريع الممولة من المنح البحثية الوطنية والدولية؛ فالمجالس العلمية ولجان تقييم المنح ترفض بصورة قاطعة تمويل أو إجازة المشاريع التي تفتقر إلى تخطيط مسبق لحجم العينة مبرر رياضياً؛ إذ يُعد غياب هذا التحليل دليلاً على العشوائية في التخطيط والمخاطرة بضياع الأموال العامة والجهود الأكاديمية هباءً.

المحطة الثانية التي يُعد التحليل القبلي فيها فرضاً قانونياً وأخلاقياً صارماً هي تصميم التجارب السريرية العشوائية (Randomized Controlled Trials – RCTs) في العلوم الطبية والصيدلانية والتدخلات النفسية والصحية السلوكية؛ حيث تفرض لجان الأخلاقيات الطبية، وهيئات الرقابة الدوائية العالمية (مثل إدارة الغذاء والدواء الأمريكية FDA ووكالة الأدوية الأوروبية EMA)، توثيقاً متكاملاً لحسابات القوة كجزء لا يتجزأ من البروتوكول السريري المودع لديها، حمايةً للمرضى من تناول عقاقير جديدة أو الخضوع لإجراءات جراحية في إطار دراسات لا تمتلك القوة الإحصائية الكافية لإثبات الفاعلية أو الأمان، وهو ما نلمسه بوضوح في البروتوكولات الصارمة للأبحاث الفيزيولوجية والسلوكية الدقيقة، مثل أبحاث الحرمان من النوم وتأثيراته التراكمية التي طبقها Van Dongen et al. (2003) وفق تصاميم مسبقة متوازنة، أو الدراسات المعاصرة لتقنيات النوم والأجهزة القابلة للارتداء كما فصّلها de Zambotti et al. (2019).

المحطة الثالثة تتعلق بإعداد خطط التسجيل المسبق للأبحاث (Preregistered Studies) ونمط «التقارير المسجلة» (Registered Reports) الذي تتبناه اليوم مئات المجلات العلمية المرموقة؛ ففي هذا النمط المبتكر من النشر، تُحكَّم الورقة العلمية وتُقبل مبدئياً للنشر استناداً إلى المقدمة النظرية وقسم المنهجية وحساب القوة القبلي الصارم فقط، وقبل جمع أي بيانات على الإطلاق، مع تعهد المجلة بنشر الدراسة بغض النظر عن النتيجة (سواء كانت دالة إحصائياً أو غير دالة) ما دامت العينة المحددة في التحليل القبلي قد جُمعت بأمانة والتزام كامل، مما يضع التحليل القبلي في قمة أولويات النشر العلمي الشفاف والنزيه، ويقضي على انحياز النشر بالكلية.

6.2 بدائل حساب القوة البعدي عند تفسير النتائج غير المعنوية

عندما تكتمل التجربة البحثية ويجد الباحث نفسه أمام نتيجة غير دالة إحصائياً ($p > 0.05$)، فإن أول قاعدة منهجية صارمة هي: التوقف التام عن استخدام حساب القوة البعدي أو الملاحظة تحت أي مبرر. وبدلاً من اللجوء إلى هذا الحساب المضلل، ينبغي على الباحث استخدام الترسانة المنهجية البديلة المعترف بها في الإحصاء الحديث، وتتمثل في الخيارات المنهجية التالية:

  • الاعتماد الشامل على فترات الثقة (Confidence Intervals – CIs): تُعد فترات الثقة البديل العلمي الأرقى والأكثر دقة لتقييم حساسية الدراسة بعد انتهائها. ففترة الثقة حول حجم الأثر (مثل فترة ثقة 95% لمعامل $d$) لا تقدم تقديراً نقطياً مشوهاً، بل تقدم نطاقاً كاملاً للقيم الممكنة للأثر في المجتمع والتي تتوافق مع بيانات العينة الحالية. ومن خلال فحص اتساع فترة الثقة، يستطيع الباحث والمحكم قراءة حساسية الدراسة بصورة فورية ومباشرة؛ فإذا كانت فترة الثقة واسعة جداً وتتضمن في الوقت عينه أثراً معدوماً وأثراً كبيراً ذا أهمية إكلينيكية (مثلاً: $d = 0.05$ مع فترة ثقة تتراوح بين $-0.40$ و$+0.50$)، فإن هذا الاتساع هو الدليل الموضوعي الساطع على أن الدراسة غير حاسمة (Inconclusive) وتفتقر إلى الدقة المعيارية لحسم وجود الأثر من عدمه. أما إذا كانت فترة الثقة ضيقة للغاية ومحشورة حول الصفر بدقة متناهية (مثلاً: $d = 0.02$ مع فترة ثقة بين $-0.05$ و$+0.09$)، فهذا دليل قاطع على أن الأثر الحقيقي في المجتمع هو أثر منعدم أو تافه عملياً، وأن غياب الدلالة لم يكن بسبب صغر العينة بل بسبب غياب الظاهرة ذاتها.
  • تفسير حجم الأثر في سياقه السريري والعملي: بدلاً من الانحباس في ثنائية «الدال مقابل غير الدال»، يجب مناقشة حجم الأثر المشاهد في ضوء الدراسات التراكمية، ومقارنته بالأثر الأدنى ذي المعنى في التخصص المعني (SESOI)؛ للتمييز بين الآثار الواعدة التي تحتاج للمزيد من الاستقصاء بتصاميم أكثر قوة، وبين الآثار الميتة نظرياً وعملياً.
  • إجراء اختبارات التكافؤ (Equivalence Testing): إذا كان الباحث يهدف أصلاً إلى إثبات «عدم وجود فارق» أو أن التدخل الجديد مكافئ للعلاج القديم، فإن اختبار الفرضية الصفرية الكلاسيكي عاجز تماماً عن إثبات العدم (فغياب الدليل ليس دليلاً على الغياب). والبديل المنهجي السليم هنا هو استخدام اختبارات التكافؤ مثل اختبار «الإجراءين الثنائيين المتقاطعين» (Two One-Sided Tests – TOST)؛ حيث يحدد الباحث مسبقاً هوامش التكافؤ المقبولة عملياً، ويفحص إحصائياً ما إذا كانت البيانات تقع بالكامل داخل نطاق التكافؤ لرفض وجود أثر ذي مغزى بنجاح ومصداقية رياضية لا تشوبها شائبة.

6.3 تحليل الحساسية (Sensitivity Power Analysis) كبديل منهجي متقدم

في الحالات التي يجد فيها الباحث نفسه مجبراً على تقييم حدود دراسة منجزة بالفعل، أو عند العمل على بيانات ثانوية تاريخية لا يمكن زيادة حجم عينتها (كبيانات المسوح السكانية الوطنية أو سجلات السلوك عبر شبكات التواصل الاجتماعي الضخمة كما في دراسات تحليل السعادة الرقمية لـ Dodds et al. (2011))، يبرز تحليل الحساسية للقوة الإحصائية (Sensitivity Power Analysis) كبديل منهجي متقدم ورصين تماماً لحساب القوة البعدية الملاحظة.

يقوم منطق تحليل الحساسية على قلب السؤال الاستدلالي بشكل منطقي لا يقع في فخ الدائرية؛ فبدلاً من استخدام حجم الأثر المشاهد المشوه لحساب القوة الملاحظة، يقوم الباحث بتثبيت المعلمات الثابتة الموثوقة للدراسة المنجزة بالفعل: حجم العينة المتاح فعلياً في التجربة ($N$)، ومستوى المعنوية المعتمد ($\alpha = 0.05$)، والقوة المعيارية المطلوبة لاكتشاف الأثر باطمئنان (ولتكن 80% أو 90%). ثم يحل النظام الرياضي للبحث عن المجهول الأخير، وهو: «ما هو أصغر حجم أثر ($ES_{\min}$) كان بإمكان هذا التصميم الإحصائي الحالي، بهذه العينة المحددة، رصده بنجاح وقوة مقبولة؟».

يمتاز هذا التحليل بأنه يقدم تقييماً موضوعياً ومحايداً تماماً لحدود الدراسة وإمكاناتها الذاتية دون أدنى استعانة بحجم الأثر المشاهد أو القيمة الاحتمالية التي أنتجتها البيانات، مما يحميه تماماً من مفارقة الاستدلال الدائري. فإذا أظهر تحليل الحساسية أن دراسةً بعينة قدرها 40 مشاركاً لا تمتلك القوة الكافية (80%) إلا لرصد أثر كبير جداً يتجاوز ($d = 0.90$)، فإن الباحث يستطيع أن يكتب في مناقشة قيود دراسته بكل صدق وشفافية: «إن حجم العينة المتاح في دراستنا يمتلك حساسية تكفي فقط لرصد الآثار الضخمة، وبالتالي فإن نتائجنا غير الدالة تعني أننا عاجزون عن استبعاد وجود آثار متوسطة أو صغيرة قد تكون مهمة في الواقع». هذا الطرح العلمي الواعي يرشد الباحثين المستقبليين حول الحد الأدنى للعينات التي يحتاجونها في تجاربهم اللاحقة للبحث عن تلك الآثار المتوسطة، محولاً التحليل إلى مساهمة إيجابية رصينة تخدم بناء المعرفة التراكمية في التخصص.

7. الأسئلة الشائعة حول تحليل القوة الإحصائية

7.1 لماذا ترفض المجلات العلمية حساب القوة البعدي لتبرير النتيجة غير الدالة؟

ترفض المجلات العلمية المحكمة حساب القوة البعدي لأنه يعاني من استدلال دائري مغالط؛ فالنتيجة غير الدالة إحصائياً ($p > 0.05$) ستنتج عنها بالضرورة الجبرية قوة بعدية منخفضة بصرف النظر عن حقيقة وجود الأثر في الطبيعة من عدمه، كما أثبتت الرياضيات الإحصائية بصورة قاطعة. ولذلك، فإن تقديم القوة المنخفضة لتبرير فشل التجربة لا يقدم أي دليل تجريبي جديد، بل هو مجرد إعادة صياغة لنفس الفشل الاستدلالي الأصلي المقاس بالقيمة الاحتمالية، وهو ما يشبه أن يقول طالب رسب في الامتحان: «إن سبب رسوبي هو أن درجاتي كانت غير كافية للنجاح»؛ فهي جملة صادقة لفظياً لكنها تافهة إخبارياً ولا تفسر سبب الإخفاق الفعلي في استيعاب المادة.

بالإضافة إلى ذلك، فإن هذا الحساب يوهم الباحث والمحكم بأن النتيجة السلبية تعود حصرياً إلى «صغر حجم العينة»، مشجعاً على تبني اعتقاد غير مبرر بأن الفرضية صحيحة حتماً وأن تضخيم العينة هو كل ما يلزم لإثباتها. هذا التفكير يعطل النقد الذاتي للنظريات العلمية، ويمنع الباحث من التفكير في احتمالات أكثر منطقية؛ كأن تكون الفرضية غير صحيحة أساساً، أو أن المتغير المستقل ليس له أي تأثير، أو أن أداة القياس مشوشة وتفتقر للصدق، مما يجعله مدخلاً منهجياً مضللاً يقود إلى تلويث الأدبيات العلمية بافتراضات لا تسندها براهين رصينة، وهو ما تدينه المنظمات العلمية الرائدة دون هوادة.

7.2 كيف يمكن تقدير حجم الأثر للتحليل القبلي عند غياب دراسات سابقة؟

يواجه الباحثون في المجالات الاستكشافية والجديدة تحدياً مشروعاً عند غياب أبحاث أو دراسات بعدية سابقة يُعتمد عليها في استخراج حجم الأثر المفترض للتحليل القبلي. وفي هذه الحالة، تبرز ثلاث استراتيجيات منهجية رصينة للتعامل مع هذا التحدي بأمانة علمية:

  • الاعتماد على «أصغر حجم أثر ذي أهمية» (SESOI): وهو الحل الأرقى فلسفياً ومنهجياً؛ حيث يتجاوز الباحث فكرة محاولة التنبؤ بما هو كائن في الواقع، إلى التحديد المعياري لما ينبغي أن يكون عليه الأثر لكي يُعتبر مفيداً ومستحقاً للاهتمام من الناحية التطبيقية أو النظرية. فإذا كان الباحث يطور تطبيقاً تعليمياً مكلفاً، فإنه يحدد مسبقاً أن تحسين التحصيل بنصف درجة معيارية ($d = 0.50$) هو الحد الأدنى الذي يبرر اعتماد هذا البرنامج الجديد، ويبني تحليله القبلي للعينات على هذا الأساس المحدد بدقة ومسؤولية.
  • تنفيذ دراسة استطلاعية أولية (Pilot Study) بحذر نقدي بالغ: يمكن للباحث جمع بيانات من عينة استطلاعية صغيرة لضبط الإجراءات والأدوات، واستخدام تباينها في حساب الحجم القبلي للدراسة الكبرى. غير أن الحذر الشديد واجب هنا؛ فالأدبيات الإحصائية تثبت أن العينات الاستطلاعية الصغيرة تنتج تقديرات لحجوم الآثار تعاني من تضخم عشوائي شديد وانحياز مرتفع؛ لذا يجب معاملة حجوم الآثار الاستطلاعية كحدود عليا غير مؤكدة، ويُفضل استخدام الحد الأدنى لفترة ثقة الأثر المستخرج استطلاعياً، أو خفضه بنسبة معتبرة للتحوط من المبالغة.
  • استخدام المعايير المرجعية للمجال التخصصي: يُلجأ أحياناً إلى معايير كوهين الاصطلاحية العامة (مثل تصنيف 0.20 كأثر صغير، و0.50 كمتوسط، و0.80 ككبير)، غير أن التوجه المنهجي الحديث يفضل الابتعاد عن هذه التصنيفات المجردة واستبدالها بالمعايير المقارنة داخل الحقل الدقيق؛ ففي علم النفس التجريبي والعلوم المعرفية المعاصرة تميل معظم الآثار الحقيقية إلى أن تكون في حدود ($d = 0.35$ إلى $0.40$)، كما يوضح Brysbaert (2019)، بينما تختلف المعايير كلياً في علوم التعليم والاقتصاد السلوكي، مما يفرض على الباحث مراجعة الأنماط التوزيعية للآثار في مجاله التخصصي بدقة.

7.3 هل يلزم إجراء تحليل القوة القبلي في الدراسات الوصفية والاستكشافية؟

لا يلزم، ولا يصح من الناحية المنطقية، إجراء تحليل القوة الإحصائية القبلي بالمعنى الدقيق الكلاسيكي لنيمان وبيرسون في الدراسات الاستكشافية البحتة (Purely Exploratory Studies) أو البحوث الظاهراتية والنوعية التي لا تهدف من الأساس إلى اختبار فرضيات صفرية محددة مسبقاً أو إصدار أحكام استدلالية قاطعة، أو في الدراسات التي تبحث التفاعلات البنيوية الواسعة لسمات الشخصية والاقتصاد دون فرض مسبق للفروق، كما هو موضح في الأطر التحليلية الاقتصادية والنفسية لـ Almlund et al. (2011) (وكذلك Almlund et al., 2011). فاختبار الفرضيات الصفرية ومفهوم القوة الاحتمالية ($1 – beta$) يرتبط بنيوياً بوجود فرضية بديلة محددة، وغياب الفرضية يحيل معادلات القوة إلى فراغ مفاهيمي لا معنى له.

ومع ذلك، فإن الدراسات الوصفية الاستطلاعية والمسحية الميدانية التي تعتمد على العينات العشوائية لا تترك حجم العينة للمصادفة؛ بل تستعيض عن تحليل القوة بنماذج تحديد العينات القائمة على «دقة التقدير» (Precision-Based Sample Size Calculation). وفي هذا النمط التخطيطي، لا يسعى الباحث إلى تحقيق قوة لرصد أثر، بل يسعى إلى تحقيق «هامش خطأ مقبول» (Margin of Error) ومستوى ثقة محدد (غالباً 95%) حول المتوسطات أو النسب المئوية للمتغيرات الوصفية المقاسة، لضمان ألا تبتعد نتائج المسح التقديرية عن قيم المجتمع الحقيقية بأكثر من النسبة المقبولة (مثل $\pm 3%$).

وتجدر الإشارة إلى استثناء منهجي مهم: إذا كانت الدراسة الوصفية المسحية، على الرغم من طبيعتها العامة، تتضمن في أهدافها الفرعية مقارنات استدلالية بين مجموعات فرعية مصنفة (كالمقارنة بين استجابات الذكور والإناث، أو بين مستويات الدخل والتعليم)، فإن تلك المقارنات الفرعية تتحول تلقائياً إلى اختبارات فرضيات كاملة، ويصبح لزاماً على الباحث حينئذ إجراء تحليل القوة الإحصائية القبلي لضمان كفاية حجم العينات الفرعية داخل كل خلية تحليلية لإثبات تلك الفروق أو نفيها بموثوقية إحصائية كافية.

8. الخاتمة: الرؤية التكاملية والممارسات الفضلى في البحث العلمي

8.1 خلاصة المقارنة والدروس المستفادة

كشفت المراجعة النقدية والتحليلية المستفيضة التي خضناها عبر هذا البحث عن الفرق الجوهري والنوعي الذي يفصل بين تحليل القوة الإحصائية القبلي وحساب القوة الإحصائية البعدي؛ فالأول يمثل أداة تخطيطية عقلانية ووقائية تقوم على أسس استقرائية رصينة تمنح التجربة العلمية كفاءتها واستقلالها، وتضمن الاستثمار الأمثل لموارد البحث وطاقاته البشرية والمادية لحماية الاستدلال من الانزلاق إلى الفشل والتشويه، في حين يمثل الثاني ممارسة تراجعية ارتجاعية تعاني من الاستدلال الدائري وتفتقر للأساس الرياضي المستقل، وتضلل التقييم الاستدلالي دون أن تقدم أي معلومة حقيقية تفيد في تفسير البيانات أو معالجة النتائج غير المعنوية.

لقد علمتنا دروس إصلاح المنهجية العلمية وأزمة قابلية إعادة الإنتاج في القرن الحادي والعشرين أن التهاون في إجراءات القوة الإحصائية ليس خطأً حسابياً معزولاً، بل هو ثغرة منهجية خطيرة تمس مصداقية البنيان المعرفي للعلوم ككل. وإن التخلي النهائي والواعي عن حساب القوة البعدي بمختلف مسمياته (القوة الملاحظة، القوة الرجعية) بات ضرورة حتمية للالتحاق بركب المعايير العلمية الدولية المعاصرة، وإفساح المجال كاملاً أمام الأدوات الاستدلالية البديلة والناضجة؛ وفي مقدمتها فترات الثقة الصريحة لحجوم الآثار، واختبارات التكافؤ المبرهنة، وتحليلات الحساسية التي تصدع بحقيقة حدود التجارب دون مواربة أو التفاف.

8.2 توصيات إجرائية للباحثين لضمان الرصانة الإحصائية

بناءً على المعطيات النظرية والإجرائية المتقدمة، نضع بين أيدي الباحثين وطلاب الدراسات العليا ومراجعي البحوث مجموعة من التوصيات الإجرائية المحددة للارتقاء بجودة الممارسة الإحصائية وضمان رصانة الإنتاج العلمي:

  • تبني ثقافة التخطيط القبلي كمعيار إلزامي: يجب ألا يبدأ جمع أي بيانات في دراسة تسعى لاختبار الفرضيات دون وجود توثيق مسبق لحساب القوة القبلي، مستنداً إلى أداة برمجية رصينة ومحدداً فيه أصغر حجم أثر ذي مغزى نظري أو عملي، ومستوى المعنوية، والقوة المطلوبة.
  • الشفافية التامة في تقارير المنهجية والتسجيل المسبق: ينبغي تفصيل جميع معلمات حساب القوة القبلي في قسم المنهجية (البرمجية، الإصدار، نوع الاختبار، الافتراضات التوزيعية، اتجاه الفرضيات، حجم الأثر ومصدره)، وتوثيق ذلك في سجلات التسجيل المسبق المفتوحة لحماية البحث من الانحياز التجريبي ومنع التلاعب الانتقائي بحجم العينات.
  • الحظر التام لحسابات القوة الملاحظة والبعدية: الامتناع الصارم عن إدراج أي حسابات للقوة البعدية في تقارير النتائج ومناقشتها لتبرير غياب المعنوية الإحصائية، وإزالة هذا الخيار من الممارسات التحكيمية لترقية الباحثين أو نشر أوراقهم العلمية.
  • إعطاء الأولوية القصوى لحجوم الآثار وفترات الثقة: عند تفسير النتائج ومناقشتها، يجب التحرر من سطوة القيمة الاحتمالية وحدها، والتركيز على حجم الأثر الملاحظ وتقدير فترة الثقة المرافقة له ومقارنتها بالحد الأدنى ذي الأهمية (SESOI) لتقييم حساسية الدراسة وحسم ما إذا كانت النتيجة سلبية حقيقية أم غير حاسمة منهجياً.
  • استخدام تحليل الحساسية عند التعامل مع عينات قسرية: في الحالات التي لا تتيح فيها الموارد اللوجستية جمع العينة المثلى المحددة قبلياً، يُوصى بإجراء تحليل الحساسية للقوة وتقريره بصدق وأمانة، لتوضيح حجم الأثر الأدنى الذي يمكن للدراسة الحالية رصده بثقة، مع بيان حدود هذا التصميم دون انتحال لقدرة استكشافية غير موجودة في الواقع الميداني.

المراجع

Almlund, M., Duckworth, A. L., Heckman, J. J., & Kautz, T. (2011). Personality Psychology and Economics. In Handbook of the Economics of Education (Vol. 4, pp. 1–181). Elsevier. https://doi.org/10.1016/b978-0-444-53444-6.00001-8

Almlund, M., Duckworth, A. L., Heckman, J. J., & Kautz, T. (2011). Personality Psychology and Economics (Working Paper No. 16822). National Bureau of Economic Research. https://doi.org/10.3386/w16822

Ato, M., López García, J. J., & Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en psicología. Anales de Psicología, 29(3), 1038–1059. https://doi.org/10.6018/analesps.29.3.178511

Brysbaert, M. (2019). How Many Participants Do We Have to Include in Properly Powered Experiments? A Tutorial of Power Analysis with Reference Tables. Journal of Cognition, 2(1), Article 16. https://doi.org/10.5334/joc.72

de Zambotti, M., Cellini, N., Goldstone, A., Colrain, I. M., & Baker, F. C. (2019). Wearable Sleep Technology in Clinical and Research Settings. Medicine & Science in Sports & Exercise, 51(7), 1538–1545. https://doi.org/10.1249/mss.0000000000001947

Dodds, P. S., Harris, K. D., Kloumann, I. M., Bliss, C. A., & Danforth, C. M. (2011). Temporal Patterns of Happiness and Information in a Global Social Network: Hedonometrics and Twitter. PLoS ONE, 6(12), Article e26752. https://doi.org/10.1371/journal.pone.0026752

Hagger, M. S., Chatzisarantis, N. L. D., Alberts, H. J. E. M., Anggono, C. O., Batailler, C., Birt, A. R., … & Zwienenberg, M. (2016). A Multilab Preregistered Replication of the Ego-Depletion Effect. Perspectives on Psychological Science, 11(4), 546–573. https://doi.org/10.1177/1745691616652873

Parsons, C. E., Crane, C., Parsons, L. J., Fjorback, L. O., & Kuyken, W. (2017). Home practice in Mindfulness-Based Cognitive Therapy and Mindfulness-Based Stress Reduction: A systematic review and meta-analysis of participants’ mindfulness practice and its association with outcomes. Behaviour Research and Therapy, 95, 29–41. https://doi.org/10.1016/j.brat.2017.05.004

Storebø, O. J., Stoffers‐Winterling, J., Vӧllm, B., Kongerslev, M., Mattivi, J. T., Jørgensen, M. S., … & Simonsen, E. (2020). Psychological therapies for people with borderline personality disorder. Cochrane Database of Systematic Reviews, 2020(5), Article CD012955. https://doi.org/10.1002/14651858.cd012955.pub2

Van Dongen, H. P. A., Maislin, G., Mullington, J. M., & Dinges, D. F. (2003). The Cumulative Cost of Additional Wakefulness: Dose-Response Effects on Neurobehavioral Functions and Sleep Physiology From Chronic Sleep Restriction and Total Sleep Deprivation. SLEEP, 26(2), 117–126. https://doi.org/10.1093/sleep/26.2.117

تقييم هذا المحتوى

كن أول من يقيّم هذا المحتوى

عن الكاتب: Mohammed looti

أكاديمي وباحث متخصص في علم النفس التربوي، وعضو هيئة التدريس في جامعة كربلاء. يحمل درجة الدكتوراه في تخصصه، وتتمحور اهتماماته البحثية حول علم النفس الإيجابي، وتطوير المقاييس النفسية، والتنظيم الانفعالي المعرفي. يتميز الدكتور لوتي بطرحه البحثي المعاصر؛ حيث يركز على دراسة التأثيرات النفسية للتكنولوجيا الحديثة والذكاء الاصطناعي على الصحة العقلية وتكوين الهوية لدى الشباب. كما تمتد إسهاماته العلمية لتشمل دراسة ديناميكيات التواصل الأسري ودورها في بناء الكفاءة الذاتية والمهارات القيادية، بالإضافة إلى أبحاثه حول برامج "اليقظة العقلية" والتعافي النفسي، مما يجعله من الباحثين الفاعلين في إثراء ميدان علم النفس التربوي والتطبيقي.

اقتباس هذا المقال

looti, M. (2026, نوفمبر 16). تحليل القوة الإحصائية القبلي مقابل حساب القوة الإحصائية البعدي. عرب سايكلوجي. https://arabpsychology.com/comparisons/a-priori-power-analysis-vs-post-hoc-power-calculation/
looti, Mohammed. “تحليل القوة الإحصائية القبلي مقابل حساب القوة الإحصائية البعدي.” عرب سايكلوجي, 16 نوفمبر 2026, https://arabpsychology.com/comparisons/a-priori-power-analysis-vs-post-hoc-power-calculation/.
looti, Mohammed. “تحليل القوة الإحصائية القبلي مقابل حساب القوة الإحصائية البعدي.” عرب سايكلوجي. نوفمبر 16, 2026. https://arabpsychology.com/comparisons/a-priori-power-analysis-vs-post-hoc-power-calculation/.