تصميم بين المفحوصين مقابل تصميم داخل المفحوصين

يمثل الاستدلال السببي (Causal Inference) الغاية القصوى للبحث التجريبي الرصين؛ إذ لا تتوقف طموحات المعرفة الإنسانية عند مجرد وصف الظواهر الطبيعية والاجتماعية أو رصد الارتباطات الاقترانية بينها، بل تتجاوز ذلك إلى التحديد القاطع للآليات التي يُحدث بها متغيرٌ ما تغيراً مقصوداً وقابلاً للتكرار في متغير آخر. ومنذ أن أرسى الفلاسفة ورواد المنهج العلمي — بدءاً من قواعد جون ستيوارت مل في الاتفاق والاختلاف، وصولاً إلى الثورة الإحصائية التي قادها رونالد فيشر — معالم التفكير التجريبي، احتلت مسألة عزل المتغيرات الدخيلة (Extraneous Variables) وضبط مصادر التباين العشوائي مركز الصدارة في بناء أي تصميم تجريبي رصين. إن جوهر التجربة لا يكمن فقط في تطبيق المعالجة، بل في القدرة على إثبات أن النتيجة المرصودة تعزى حصراً لتلك المعالجة دون غيرها من المؤثرات المشوشة، وهو ما يعرف في أدبيات القياس بالصدق الداخلي (Internal Validity).

تنبثق المعضلة المنهجية الكبرى في هذا السياق من طبيعة الوحدات التجريبية الخاضعة للاختبار، وتحديداً عندما تكون هذه الوحدات كائنات بشرية تتمتع بتفرد سيكولوجي وفيزيولوجي بالغ التعقيد. وتتفرع هذه المعضلة إلى مسارين هيكليين متمايزين يشكلان العمود الفقري للتصميم التجريبي المعاصر: تصميم بين المفحوصين (Between-Subjects Design)، الذي يوزع المشاركين على معالجات منفصلة ومستقلة، وتصميم داخل المفحوصين (Within-Subjects Design)، الذي يُخضع المشارك ذاته لكافة مستويات المعالجة التجريبية بالتتابع. ويفرض هذا التمايز المفاهيمي على الباحثين المفاضلة المستمرة بين نوعين متباينين من المخاطر المنهجية: خطر التباين الفردي الناجم عن الفروق الطبيعية بين البشر في الحالة الأولى، وخطر التلوث الزمني والتأثيرات التراكمية الناجمة عن التعرض المتكرر في الحالة الثانية.

ويهدف هذا المقال الأكاديمي الشامل إلى تقديم تحليل منهجي وإحصائي مقارن ومفصل لهذين التصميمين. وسنقوم بتشريح الأسس النظرية، والآليات الإجرائية، ونماذج تفكيك التباين الإحصائي لكل منهما، مع الوقوف على المزايا النقدية والقيود المنهجية التي تكتنف التطبيق الواقعي. كما نضع بين يدي الباحث مصفوفة تفصيلية لاتخاذ القرار، تدعمها شواهد من علم النفس المعرفي، والعلوم العصبية، والأبحاث السريرية، لتجاوز الخلط الشائع وبناء قرارات منهجية متينة تعزز قوة الاختبارات الإحصائية وقابلية النتائج للتعميم.

1. المقدمة: الإطار المفاهيمي ومبررات المقارنة المنهجية

1.1 مدخل إلى بنية التصاميم التجريبية في البحث العلمي

يُعرَّف التصميم التجريبي بأنه الخطة الهيكلية والإجرائية المسبقة التي يضعها الباحث للسيطرة على البيئة البحثية، بهدف اختبار فرضيات سببية محددة تتعلق بالعلاقة الوظيفية بين المتغيرات. ويتطلب عزل العلاقات السببية فهماً دقيقاً لشروط إثبات العلية، والمتمثلة في: التتابع الزمني (حدوث السبب قبل النتيجة)، والارتباط التجريبي المنتظم، والغياب التام للتفسيرات البديلة المنافسة. وتلعب البنية الهندسية للتصميم دور الحصن المنيع الذي يحمي التجربة من التهديدات الموجهة لصدقها الداخلي، وذلك من خلال إرساء قواعد صارمة لكيفية إدخال المعالجات وقياس الاستجابات وعزل المتغيرات المربكة (Confounding Variables) التي قد تتسلل إلى مخرجات الدراسة وتفسد دلالتها العلمية.

وتشكل آلية توزيع المشاركين وتخصيصهم للشروط التجريبية حجر الزاوية في بناء أي تصميم تجريبي ناجح. فالتوزيع ليس مجرد إجراء لوجستي لتنظيم العينة، بل هو عملية إحصائية تهدف إلى موازنة المتغيرات الدخيلة وتوزيعها بشكل متكافئ. وتتوقف دقة التجربة بصورة مطلقة على كيفية تنظيم هذا التوزيع؛ فإما أن تُقسم العينة إلى مجموعات مستقلة ومتوازية تُعامل كل واحدة منها بنمط تجريبي مختلف، أو أن يُعامل الفرد نفسه كنظام قياس متكرر يمر بجميع المراحل. ويحدد هذا الاختيار طبيعة مصفوفة البيانات، ومسار التباين العشوائي، وكيفية صياغة نماذج الانحدار وتحليل التباين اللاحقة.

ويرتكز التمايز المنهجي بين النماذج التجريبية على العلاقة الديناميكية بين المتغير المستقل (Independent Variable) والمتغير التابع (Dependent Variable). فبينما يمثل المتغير المستقل العامل الذي يتحكم فيه الباحث عبر التلاعب بمستوياته وشروطه، يمثل المتغير التابع السلوك أو الاستجابة أو الخاصية المقاسة التي يُفترض تأثرها بهذا التلاعب. وتتبلور المفاضلة المنهجية في الكيفية التي يرتبط بها المشارك بمستويات المتغير المستقل: هل يختبر مستوى واحداً فقط ليكون شاهداً مستقلاً، أم يختبر المستويات جميعها ليصبح شاهداً على ذاته؟ وتلقي هذه الثنائية بظلالها المباشرة على حساسية القياس وقدرة التجربة على رصد الفروق الدقيقة التي تنبأت بها الفرضيات النظرية.

1.2 أسباب المقارنة والخلط الشائع بين التصميمين

تشترك التصاميم القائمة على المقارنة بين المفحوصين وتلك القائمة على المقارنة داخل المفحوصين في الهدف المعرفي النهائي؛ فكلاهما يسعى لاختبار الفرضية الصفرية ($H_0$) التي تفترض انعدام الفروق بين المعالجات، ومقابلتها بالفرضية البديلة ($H_1$) التي تقرر وجود أثر جوهري للمعالجة التجريبية. وتستخدم كليتهما آليات الاستدلال الإحصائي المشتقة من التوزيعات التكرارية للوصول إلى مستوى دلالة احتمالي ($p\text{-value}$) يؤكد أو ينفي حدوث النتائج بالمصادفة. ويؤدي هذا التشابه الظاهري في بنية الفرضيات والمخرجات إلى خلط متكرر لدى الباحثين، حيث يُنظر إليهما أحياناً كبديلين متكافئين يمكن الاستعاضة بأحدهما عن الآخر دون إدراك للتبعات البنيوية والإحصائية العميقة لكل اختيار.

وينشأ الالتباس الأكثر خطورة في الممارسة البحثية من عدم الفهم الدقيق لكيفية تفاعل الفروق الفردية (Individual Differences) مع بيئة التجربة. وتضم الفروق الفردية سمات مثل القدرات الإدراكية، والخصائص الوراثية، والسمات الشخصية، والخبرات السابقة؛ وهي متغيرات تتسم بالثبات النسبي لدى الفرد ولكنها تتباين بشدة بين الأفراد. فعندما يعتمد الباحث تصميماً بين المفحوصين دون إدراك لحجم هذا التباين، فإن هذه الفروق تتحول مباشرة إلى متغيرات دخيلة غير مضبوطة تزيد من تباين الخطأ وتطمس أثر المعالجة. وعلى النقيض من ذلك، فإن استخدام تصميم داخل المفحوصين دون تقدير لحساسية الأفراد لآثار التتابع قد يُدخل تشوهات منهجية ناجمة عن التعلم التراكمي تفوق في ضررها تباين الفروق الفردية نفسه.

علاوة على ذلك، يمتد التأثير المباشر للمفاضلة بين التصميمين ليشمل الأبعاد الاقتصادية واللوجستية والإحصائية للبحث العلمي. فاختيار تصميم بين المفحوصين يفرض فوراً مضاعفة حجم العينة الكلي بمقدار يتناسب طردياً مع عدد مستويات المتغير المستقل، مما يترجم إلى تكاليف مالية باهظة وزمن ممتد لاستقطاب المشاركين، فضلاً عن تعقيد استيفاء شروط القوة الإحصائية المطلوبة. وفي المقابل، فإن تصميم داخل المفحوصين، وإن كان يقلص حجم العينة بنسب جذرية ويوفر في ميزانية البحث، إلا أنه يتطلب زمناً أطول لكل جلسة تجريبية ويفرض تعقيدات إحصائية صارمة تتعلق بتماثل مصفوفات التغاير والافتراضات الكروية، مما يجعل الاختيار بينهما قراراً استراتيجياً متكاملاً يتطلب وزناً دقيقاً للأولويات المنهجية والموارد المتاحة.

2. تصميم بين المفحوصين (Between-Subjects Design): الأسس والخصائص

2.1 التعريف والآلية الإجرائية للتطبيق

يُعرف تصميم بين المفحوصين — ويُطلق عليه أيضاً في الأدبيات المنهجية تصميم المجموعات المستقلة (Independent Groups Design) — بأنه الترتيب التجريبي الذي يُخصص فيه كل مشارك لمستوى واحد ومحدد فقط من مستويات المتغير المستقل الخاضعة للاختبار. فإذا كانت التجربة تشتمل على ثلاثة مستويات لمعالجة دوائية (جرعة صفرية/عقار وهمي، جرعة منخفضة، جرعة عالية)، فإن العينة تُقسم إلى ثلاث مجموعات منفصلة فيزيقياً وإجرائياً، بحيث لا يرى المشارك في المجموعة الأولى سوى العقار الوهمي، ولا يتعرض المشارك في المجموعة الثانية إلا للجرعة المنخفضة، وهكذا. وتتمثل الفلسفة الجوهرية لهذا النموذج في مقارنة أداء وسلوك مجموعات متمايزة من البشر خضعت لظروف تجريبية متغايرة، بدلاً من مقارنة التغيرات الطارئة على استجابات الأفراد أنفسهم عبر الزمن.

وتعتمد السلامة الإبستمولوجية لهذا التصميم بشكل كلي ومطلق على إجراء التعيين العشوائي (Random Assignment) للمشاركين عبر المجموعات المختلفة. ويختلف التعيين العشوائي جوهرياً عن الاختيار العشوائي؛ فالأخير يضمن تمثيل العينة للمجتمع الإحصائي، بينما يضمن التعيين العشوائي التوزيع المتكافئ للخصائص الفردية غير المحصورة وغير المقاسة (مثل الذكاء، والميل للقلق، والحالة الاجتماعية والاقتصادية) عبر شروط التجربة. ويتحقق هذا التكافؤ عبر إعطاء كل مشارك احتمالاً رياضياً متساوياً للالتحاق بأي من مجموعات الدراسة. وبفضل قانون الأعداد الكبيرة، تتلاشى الفروق المنتظمة بين المجموعات عند نقطة البداية (Baseline)، مما يتيح عزو أي اختلاف إحصائي يُرصد لاحقاً في المتغير التابع إلى التباين المنهجي في المتغير المستقل وحده، محققاً بذلك المتطلب الأساسي للاستدلال السببي وتجنب التحيز الاختياري (Selection Bias).

ويتجلى التطبيق الكلاسيكي لهذا النموذج في استخدام المجموعات الضابطة (Control Groups) والمجموعات التجريبية (Experimental Groups) ككيانات منفصلة لا تشترك في أي مسار إجرائي سوى المعايير المعيارية للتطبيق. فالمجموعة الضابطة توفر خط الأساس الطبيعي أو غير المعالج، والذي يُستخدم لمعايرة وقياس الأثر الناجم عن المعالجة التي تُمنح حصرياً للمجموعة التجريبية. وتتطلب صرامة التطبيق في هذا النموذج إخضاع المجموعتين لنفس الظروف البيئية والفيزيقية المحيطة (مثل درجة الحرارة، والإضاءة، وتوقيت إجراء التجربة، وتعليمات الباحث) لعزل أي تفاعل تفاضلي قد ينشأ عن مؤثرات خارجية. ويوفر هذا الاستقلال الهيكلي الكامل بين المجموعات وضوحاً تشغيلياً عالياً يحمي التجربة من التداخل بين مستويات المعالجة المختلفة.

2.2 نقاط القوة والمزايا المنهجية

تمثل المناعة التامة ضد تأثيرات الممارسة والتعلم والانتقال التراكمي (Carryover Effects) أقوى ميزة منهجية لتصميم بين المفحوصين على الإطلاق. فبما أن المشارك يتعرض لشرط تجريبي واحد فقط، فإن استجابته لا تتلوث بالخبرة المكتسبة من الشروط السابقة، ولا تتأثر بالتدريب أو الألفة مع أدوات الاختبار، ولا تعاني من الآثار المتبقية للمركبات الكيميائية أو المعالجات النفسية السابقة. وتكتسب هذه الخاصية أهمية حاسمة في التجارب التي تعتمد على المهام المعرفية وحل المشكلات والاختبارات التعليمية، حيث يؤدي حل المسألة في المرة الأولى إلى اكتساب استراتيجية عقلية تجعل إعادة تطبيق نفس المهمة أو مهمة مشابهة في شرط لاحق فاقداً للصدق ومحكوماً بعامل الخبرة السابقة لا المعالجة المستهدفة.

وعلاوة على ذلك، يقلل هذا التصميم بصورة جوهرية من احتمالية إدراك المشاركين للفرضية البحثية وما يترتب على ذلك من تشوهات سلوكية تُعرف في علم النفس التجريبي بخصائص الطلب (Demand Characteristics). فعندما يمر المشارك بعدة شروط مختلفة، يسهل عليه استنتاج النمط المقارن الذي يستهدفه الباحث، كأن يلحظ أنه يُختبر في حالة الهدوء ثم يُختبر في حالة الضوضاء، مما يدفعه بوعي أو بغير وعي إلى تعديل استجاباته لتتوافق مع ما يعتقد أنه السلوك المتوقع منه لإرضاء الباحث، أو العكس كرد فعل نفسي مضاد (Reactance). أما في تصميم بين المفحوصين، فإن عدم اطلاع المشارك إلا على جزء مجتزأ ووحيد من التصميم العام للتجربة يحافظ على عفويته ونقاوة استجابته النفسية والسلوكية.

وتتجلى ميزة إضافية في قصر مدة الجلسات التجريبية المخصصة لكل مشارك والحد من التعب والانسحاب؛ إذ يقتصر التزامه الإجرائي على تلقي معالجة واحدة وأداء قياس مفرد. ويحمي هذا الاختصار الإجرائي التجربة من تسلل الإجهاد الذهني (Mental Fatigue)، والملل، وتشتت الانتباه، وهي عوامل تؤثر سلباً على جودة البيانات في الجلسات الطويلة. كما يسهم انخفاض العبء الزمني الملقى على عاتق المشارك في خفض معدلات التسرب أو الفقد في العينة (Attrition / Experimental Mortality)، مما يحافظ على تركيبة المجموعات ويمنع حدوث تحيزات ناتجة عن انسحاب الأفراد الأكثر تعباً أو الأقل دافعية من الشروط التجريبية المعقدة.

2.3 التحديات والقيود المصاحبة

يتمثل التحدي الأكبر الذي يواجه الباحثين عند تبني تصميم بين المفحوصين في حاجته المتأصلة إلى أحجام عينات ضخمة لضمان تحقيق القوة الإحصائية الكافية (Statistical Power: $1 – beta$). فبما أن كل مشارك يمثل نقطة بيانات واحدة في مستوى تجريبي مفرد، فإن مضاعفة عدد الشروط التجريبية يستلزم بالضرورة مضاعفة عدد المشاركين. فإذا كان الباحث يدرس أثر أربعة أنماط تدريسية ويرغب في تخصيص 30 مشاركاً لكل نمط لتأمين قوة إحصائية مقبولة، فإنه يحتاج إلى 120 مشاركاً مختلفاً. وتتصاعد هذه المتطلبات بصورة خانقة في التصاميم العاملية المعقدة (Factorial Designs) مثل تصميم $2 times 3 times 2$، حيث تصبح الحاجة إلى مئات أو آلاف المشاركين عائقاً لوجستياً ومادياً قد يهدد قابلية البحث للتنفيذ أصلاً.

ويرتبط القيد المنهجي الثاني بآلية تفكيك التباين الإحصائي في هذا التصميم، حيث تُدمج الفروق الفردية بين المشاركين بالكامل ضمن تباين الخطأ أو التباين غير المفسر ($MS_{\text{error}}$). فالبشر يختلفون جينياً ومعرفياً ونفسياً؛ وعندما يُوزع هؤلاء الأفراد على المجموعات، فإن اختلافاتهم التكوينية التي تسبق التجربة تظل قائمة حتى بعد التعيين العشوائي. وتعمل هذه الفروق كضجيج عشوائي (Noise Variance) في مقام النسبة الفائية ($F$-ratio) المستخدمة في اختبار الفرضيات عبر تحليل التباين:

$$F = \frac{MS_{\text{between-treatments}}}{MS_{\text{within-treatments}}}$$

وحيث إن $MS_{\text{within-treatments}}$ يمثل التباين الداخلي الناجم أساساً عن تباين الأفراد داخل المجموعة الواحدة، فإن أي تضخم في الفروق الفردية يؤدي بالضرورة إلى تضخيم هذا المقام، مما يصغر قيمة $F$ المحسوبة ويرفع قيمة $p$ المرافقة لها، الأمر الذي يؤدي في النهاية إلى ارتكاب خطأ من النوع الثاني (Type II Error) بفشل الباحث في رصد أثر حقيقي للمعالجة المستقلة كان ليتضح لولا تشتت البيانات الناجم عن الفروق الفردية.

وأخيراً، تبرز معضلة منهجية كبرى عند محاولة تطبيق هذا التصميم في الدراسات شبه التجريبية (Quasi-Experimental Designs) حيث يتعذر التعيين العشوائي التام لظروف أخلاقية أو بنيوية (مثل مقارنة مرضى اضطراب معين بأسوياء، أو مقارنة مديري الشركات بمرؤوسيهم). وفي هذه الحالات، لا يمكن ضمان التكافؤ الأولي بين المجموعات عبر العشوائية، وتصبح استراتيجيات المطابقة التامة (Matching) بالغة الصعوبة نظراً لاستحالة مطابقة المشاركين في جميع المتغيرات التنافسية المحتملة كالعمر، والذكاء، والتاريخ المرضي، مما يفتح الباب واسعاً أمام التحيز الاختياري ليقوض الصدق الداخلي للدراسة برمتها.

3. تصميم داخل المفحوصين (Within-Subjects Design): الأسس والخصائص

3.1 التعريف والآلية الإجرائية للتطبيق

يقوم تصميم داخل المفحوصين — ويُعرف أيضاً بتصميم القياسات المتكررة (Repeated Measures Design) — على مبدأ اقتصادي ومنهجي مفاده تعريض كل مشارك من العينة البحثية لجميع مستويات وشروط المتغير المستقل قيد الدراسة بالتتابع. ففي هذا النموذج، لا تُقسم العينة إلى مجموعات منفصلة، بل تشكل العينة بأكملها مجموعة واحدة متكاملة تمر عبر سلسلة من المعالجات التجريبية المنظمة زمنياً. فإذا كان هناك أربعة أنماط من المنبهات الحسية البصرية، فإن كل فرد في العينة يشاهد المنبه الأول، ثم المنبه الثاني، ثم الثالث، فالرابع، مع تسجيل استجابته بدقة في كل مرحلة على حدة، لتكون وحدة التحليل هي الاختلاف في استجابة نفس الكائن الحي عبر الشروط المختلفة.

وتعتمد البنية الإجرائية لهذا التصميم على أخذ قياسات متكررة عبر الزمن لنفس الفرد، مما يخلق بنية بيانات طولية مصغرة ترتبط فيها المشاهدات ببعضها البعض ارتباطاً وثيقاً. وتتحول العلاقة الرياضية بين القياسات من قياسات مستقلة إحصائياً إلى قياسات مترابطة أو متزاوجة (Dependent / Paired Observations). ويتطلب هذا التدفق الزمني المستمر بروتوكولات صارمة في التطبيق التجريبي تضمن أن الفاصل الزمني بين المعالجات كافٍ لزوال الإثارة الفورية للمرحلة السابقة، مع الحفاظ على استقرار المعايير البيئية طوال مدة التجربة التي يقضيها المشارك داخل المختبر تحت الاختبارات المتتالية.

ويكمن الجوهر المفاهيمي الاستثنائي لهذا النموذج في استخدام المشارك كشاهد وضابط لنفسه (Participant as Their Own Control). فبدلاً من السعي المستحيل في كثير من الأحيان لمطابقة فردين في كل شيء لضمان مقارنتهما بمجموعتين مستقلتين، يتفوق هذا التصميم بجعل الفرد مرجعاً ذاتياً لقياس أثر المعالجة. وبذلك تصبح خصائص الفرد الوراثية، ومستوى ذكائه العام، ونمط نومه، وخلفيته الثقافية، ونقاط ضعفه وقوته المعرفية متطابقة وثابتة بطبيعتها عبر جميع الشروط التجريبية، لأن الشخص الذي اختبر الشرط (أ) هو بذاته وبنفس جهازه العصبي وخصائصه التكوينية من يختبر الشرطين (ب) و(ج). وتؤدي هذه المعايرة الذاتية إلى اختزال آلي لأثر الخصائص الفردية الثابتة على تباين النتائج.

3.2 نقاط القوة والمزايا المنهجية

تتمثل القوة المنهجية الفائقة لتصميم داخل المفحوصين في قدرته الرياضية الفريدة على تفكيك التباين الكلي وعزل التباين الناتج عن الفروق الفردية وإبعاده تماماً عن تباين الخطأ الإحصائي، مما يؤدي إلى زيادة نوعية في القوة الإحصائية (Statistical Power). ومن منظور معادلات تحليل التباين، يتفكك مجموع المربعات الكلي ($\text{SS}_{\text{total}}$) في هذا التصميم إلى:

$$\text{SS}_{\text{total}} = \text{SS}_{\text{between-treatments}} + \text{SS}_{\text{subjects}} + \text{SS}_{\text{error}}$$

حيث يمثل $\text{SS}_{\text{subjects}}$ التباين البين-فردي المنتظم في خط الأساس بين المشاركين، بينما يمثل $\text{SS}_{\text{error}}$ التباين المتبقي غير المفسر الناتج عن تفاعل المشاركين مع المعالجات ($\text{Subjects} \times \text{Treatments}$). ونظراً لأن $\text{SS}_{\text{subjects}}$ يُطرح بالكامل من مقام النسبة الفائية ($F$-ratio):

$$F = \frac{MS_{\text{between-treatments}}}{MS_{\text{error}}}$$

فإن مقام النسبة الفائية يصبح أصغر بكثير مقارنة بما هو عليه في تصميم بين المفحوصين، مما يرفع من قيمة الإحصاء المحسوب بصورة هائلة ويزيد من حساسية الاختبار لاكتشاف أصغر التغيرات والفروق الهامشية التي يُحدثها المتغير المستقل، والتي كانت لتضيع كلياً لو طُمرت داخل التباين البين-شخصي العشوائي.

وتقود هذه القوة الإحصائية العالية مباشرة إلى الميزة المنهجية الثانية، والمتمثلة في الكفاءة الاقتصادية والحاجة إلى أعداد أقل بكثير من المشاركين لتحقيق نفس مستوى القوة والدقة البحثية مقارنة بنظيره بين المفحوصين. ففي الحالات التي يتطلب فيها تصميم بين المفحوصين 80 مشاركاً (20 مشاركاً في كل مجموعة من أربع مجموعات)، يمكن لتصميم داخل المفحوصين تحقيق نفس القوة الإحصائية — أو حتى قوة تفوقها — باستخدام 20 مشاركاً فقط يخضعون جميعاً للشروط الأربعة. وتكتسب هذه الكفاءة أهمية قصوى عند التعامل مع مجتمعات بحثية شديدة الندرة أو صعبة الاستقطاب كأصحاب المتلازمات العصبية الفريدة، أو رواد الفضاء، أو الأطفال المصابين بأمراض استقلابية استثنائية، أو التنفيذيين الكبار، حيث يستحيل عملياً جمع عينات ضخمة.

وتتجلى الكفاءة القصوى لهذا التصميم في الدراسات الطولية المتتبعة لخطوط التطور والنمو، وأبحاث علم النفس الحسي والفيزيقي، والعلوم العصبية المعرفية. ففي أبحاث الإدراك الحسي (Psychophysics)، التي تدرس على سبيل المثال عتبات الرؤية أو السمع عند استجابات زمنية تقاس بالمللي ثانية، تتلاشى الحاجة لمجموعات مستقلة لصالح إخضاع أدمغة المشاركين لمئات التكرارات من المنبهات المختلفة لقياس الإشارات الكهربائية الحيوية عبر تخطيط أمواج الدماغ (EEG) أو الرنين المغناطيسي الوظيفي (fMRI). وتتيح القياسات المتكررة للباحث تتبع منحنيات الاستجابة الدقيقة لكل فرد، وتحديد استراتيجيات التعلم التكيفية عبر الزمن، ورصد التغيرات الفسيولوجية المصاحبة لتغير مستوى المنبه بدقة متناهية لا يمكن لأي تصميم بين المفحوصين مضاهاة تفاصيلها الدقيقة.

3.3 التحديات والقيود المصاحبة

في مقابل القوة الإحصائية العالية لتصميم داخل المفحوصين، ينتصب عائق منهجي جسيم يتمثل في ظهور تأثيرات الترتيب والآثار الانتقالية التراكمية (Order and Carryover Effects). وتنشأ تأثيرات الترتيب بمجرد وضع المعالجات في تتابع زمني؛ فترتيب تقديم الشرط (أ) قبل الشرط (ب) قد يجعل أداء المشارك في (ب) مشوهاً بحكم خضوعه للشرط (أ) أولاً وليس بسبب خصائص الشرط (ب) الذاتية. وتتخذ هذه الآثار أشكالاً متعددة؛ منها الأثر المتبقي الفيزيولوجي (كأن يبقى تأثير دواء معين سارياً في الجهاز العصبي أثناء اختبار الدواء التالي)، والأثر النفسي المعرفي (كالاستفادة من استراتيجيات الحل السابقة)، وظاهرة الانتقال غير المتماثل (Asymmetrical Transfer) التي تحدث عندما يترك الشرط التجريبي الأول أثراً يغير آلية معالجة الدماغ للشرط الثاني بطريقة لا تحدث بالاتجاه المعاكس إذا عُكست المعالجات، مما يهدد بنسف الصدق الداخلي للتجربة من أساسه.

ويتفرع عن الطبيعة الزمنية المتكررة للجلسات التجريبية تهديد آخر يتمثل في الخطأ التدريجي التراكمي (Progressive Error)، الذي يتبدى في نمطين متناقضين: تأثير الممارسة (Practice Effect) من جهة، وتأثير الإجهاد والملل (Fatigue and Boredom Effects) من جهة أخرى. فمع توالي الاختبارات والمهام داخل الجلسة الواحدة، يتحسن أداء المشارك تلقائياً نتيجة للألفة وتطور التوافق الحركي والبصري مع أدوات الاختبار، مما يُظهر الشروط اللاحقة بمظهر متفوق مصطنع لا صلة له بجودة المعالجة. وفي المقابل، إذا كانت المهام التجريبية متطلبة ذهنياً أو جسدياً، فإن استنزاف الموارد المعرفية يورث المشارك تعباً ومللاً تدريجيين يؤديان إلى تدهور مستمر في زمن الرجع ودقة الاستجابات في الشروط الأخيرة للتجربة، مما يعكس انحداراً وهمياً في فاعليتها.

أخيراً، يقف تصميم داخل المفحوصين عاجزاً بنيوياً وتطبيقياً أمام المعالجات التجريبية التي تُحدث تغييراً دائماً أو جوهرياً لا يمكن التراجع عنه (Irreversible Manipulations). وتشمل هذه الفئة التدخلات الجراحية في الأبحاث الطبية، والبرامج التعليمية التأسيسية التي تُكسب الفرد مهارة دائمة كتعلم القراءة أو القيادة، أو التجارب النفسية التي تستند إلى أسلوب الخداع أو الصدمة العاطفية؛ حيث يستحيل منهجياً محو المعرفة أو المهارة التي اكتسبها الفرد في الشرط الأول لإعادته إلى حالته الصفرية النقية لاختباره في شرط المقارنة، مما يجعل تطبيق تصميم داخل المفحوصين في مثل هذه السياقات خطأً منهجياً فادحاً يفرغ التجربة من محتواها العلمي.

4. أوجه الاختلاف الجوهرية بين التصميمين (جدول المقارنة التحليلي)

4.1 الفروق في إدارة العينة وتأثيرات التباين الفردي

تختلف إدارة العينة بين التصميمين اختلافاً جذرياً في فلسفة التعامل مع التباين البشري. ففي تصميم بين المفحوصين، يمثل التباين الفردي خطراً إحصائياً داهماً يجب ترويضه عبر تكبير حجم العينة والتعيين العشوائي الصارم، حيث إن أي اختلاف منهجي كامن بين الأفراد يُضاف تلقائياً إلى تباين الخطأ، مما يستدعي أحجام عينات مضاعفة لتقليل الخطأ المعياري لفروق المتوسطات ($SE_{\text{diff}}$):

$$SE_{(\bar{X}_1 – \bar{X}_2)} = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}$$

أما في تصميم داخل المفحوصين، فإن إدارة العينة تنحو منحى التركيز على التجانس الذاتي لنفس الأفراد، حيث يُستغل الارتباط الخطي الموجب بين القياسات المتكررة ($r > 0$) لتخفيض الخطأ المعياري للفرق بين المتوسطات المترابطة وفق المعادلة الآتية:

$$SE_{(\bar{D})} = \sqrt{\frac{s_1^2 + s_2^2 – 2r(s_1)(s_2)}{N}}$$

وتوضح هذه المعادلة الرياضية بجلاء أنه كلما زاد الارتباط ($r$) بين القياسين بفضل استقرار الفروق الفردية للمشارك الواحد، ينخفض الخطأ المعياري للفرق بصورة متسارعة، مما يجعل متطلبات الحجم الكلي للعينة ($N$) للوصول إلى حجم أثر محدد (Effect Size) أقل بنسب تتراوح في أغلب الأحيان بين 50% إلى 75% مقارنة بتصميم المجموعات المستقلة.

كما تتباين طريقة استجابة المشارك إدراكياً وسلوكياً للمتطلبات التجريبية بين التصميمين توازياً مع هذا التمايز الإحصائي. ففي الظروف الأحادية لتصميم بين المفحوصين، يقف المشارك معزولاً عن سياق المقارنة الشامل، مما يجعل إدراكه للمعالجة مبنياً فقط على تقييم مطلق ومجرد للمنبه التجريبي المفرد. وعلى خلاف ذلك، يكتسب المشارك في الظروف المتعددة لتصميم داخل المفحوصين إطاراً مرجعياً نسبياً عبر مقارنة المعالجات المتتابعة ببعضها البعض، مما قد يولد استجابات قائمة على التباين الإدراكي (Perceptual Contrast)، حيث تبدو المعالجة المتوسطة باهتة للغاية إذا سبقتها معالجة قوية، في حين تبدو المعالجة نفسها ممتازة وقوية إذا سبقتها معالجة ضعيفة أو سلبية للغاية، وهو تباين نفسي بنيوي يستلزم موازنة صارمة.

البُعد المنهجي والإحصائي	تصميم بين المفحوصين (Between-Subjects)	تصميم داخل المفحوصين (Within-Subjects)
تخصيص المشاركين للمعالجات	كل مشارك يخضع لمستوى تجريبي واحد ومستقل فقط.	كل مشارك يخضع لجميع مستويات المتغير المستقل بالتتابع.
حجم العينة المطلوب ($N$)	كبير جداً؛ يتضاعف طردياً مع زيادة عدد الشروط التجريبية.	صغير نسبياً؛ نفس العينة تمر بجميع الشروط التجريبية.
التعامل مع الفروق الفردية	تُدمج كلياً ضمن تباين الخطأ غير المفسر ($MS_{\text{error}}$).	تُعزل إحصائياً وتُفصل تماماً عن تباين الخطأ في مقام النسبة ($F$).
القوة الإحصائية النسبية ($1-\beta$)	أقل حساسية؛ تتطلب عينات كبرى لاكتشاف الآثار الصغيرة.	مرتفعة للغاية بفضل اختزال الخطأ العشوائي والارتباط بين الشروط.
خطر آثار الترتيب والانتقال	منعدم تماماً (حيث لا يتعرض المفحوص سوى لشرط واحد).	مرتفع جداً ويتطلب موازنة دقيقة وتوزيعاً منتظماً لترتيب الشروط.
آثار الممارسة والإجهاد والملل	شبه منعدمة نظراً لقصر مدة الاختبار وبساطة المهمة.	تهديد مستمر ناشئ عن طول زمن الجلسة وتتابع الاختبارات المعرفية.
إدراك الفرضية (خصائص الطلب)	منخفض للغاية؛ يصعب على المشارك استنتاج المقارنات المقصودة.	مرتفع؛ يسهل على الفرد تخمين الهدف من تباين المنبهات المتتابعة.
ملاءمة المعالجات غير القابلة للتراجع	مثالي تماماً للدراسات الجراحية والتعليمية والدائمة الأثر.	غير صالح منهجياً للتدخلات التي تترك تعلماً دائماً لا يمكن محوه.
الأداة الإحصائية الأساسية المقابلة	اختبار $t$ للعينات المستقلة، وتحليل التباين الأحادي المستقل ($F$).	اختبار $t$ للعينات المترابطة، وتحليل تباين القياسات المتكررة (RM-ANOVA).
الافتراضات الإحصائية الحساسة	استقلال المشاهدات، والاعتدالية، وتجانس التباين (Homogeneity).	افتراض الكروية (Sphericity) والتناظر المركب لمصفوفة التغاير.
الآلية المنهجية المركزية للضبط	التعيين العشوائي للمجموعات أو مطابقة الأزواج المتناظرة.	الموازنة الكاملة، أو المربع اللاتيني، أو فترات الغسيل الزمني.

4.2 الفروق في الصدق الداخلي ومصادر التهديد التجريبي

يتعرض الصدق الداخلي — وهو مدى قدرة التجربة على تأكيد أن التغير في المتغير التابع نتج حصراً عن المتغير المستقل — لتهديدات متباينة بنيوياً بين هذين النموذجين وفق التصنيف الكلاسيكي لكامبل وستانلي (Campbell & Stanley). ففي تصميم بين المفحوصين، يمثل تحيز الاختيار (Selection Bias) وفشل التعيين العشوائي التهديد القاتل للصدق الداخلي؛ فإذا تشكلت المجموعات بطريقة جعلت إحداها تمتلك خصائص أولية تفوق المجموعة الأخرى في الكفاءة أو التحمل، تصبح نتائج التجربة مشوهة ومضللة من البداية. غير أن هذا التصميم يتمتع بحصانة طبيعية ضد تهديدات التاريخ المعاصر (History)، حيث يُفترض أن الأحداث الخارجية التي قد تطرأ أثناء التجربة تؤثر على جميع المجموعات المتزامنة بالتساوي دون إخلال نسبي بينها.

وعلى النقيض من ذلك، يواجه تصميم داخل المفحوصين تهديدات مباشرة وحادة ترتبط بمحور الزمن، وفي مقدمتها تهديدات التاريخ (History) والنضج الطبيعي (Maturation). فإذا امتدت التجربة ذات القياسات المتكررة عبر ساعات أو أيام أو أسابيع، فإن التغيرات الفيزيولوجية الذاتية (كتقلب مستوى سكر الدم، وتغير درجة اليقظة الإيقاعية الحيوية، واختلاف المزاج) أو التغيرات النمائية المعرفية والبيولوجية الطبيعية تصبح تفسيراً بديلاً منافساً للتغير الملحوظ بين المعالجة الأولى والمعالجة اللاحقة. يضاف إلى ذلك تهديد اختبارية القياس (Testing Threat)، حيث يطور المشاركون بطبيعة الحال استراتيجيات دفاعية أو مهارية استباقية لمجرد تكرار خضوعهم لأداة التقييم والقياس ذاتها.

وتتجلى نقطة خلافية أخرى في ظاهرة الانحدار نحو المتوسط (Statistical Regression to the Mean). ففي تصميم بين المفحوصين، إذا تم اختيار مجموعات الدراسة بناءً على درجات متطرفة (كمجموعة الطلاب الأكثر قلقاً مقابل الأقل قلقاً)، فإن الانحدار الإحصائي نحو المتوسط عند القياس اللاحق قد يختلط بأثر المعالجة بصورة خطيرة إذا لم تكن هناك مجموعة ضابطة مكافئة تماماً في التطرف الأولي. أما في تصميم داخل المفحوصين، فإن تكرار القياسات المتعددة عبر الزمن لنفس الأفراد يساعد جزئياً في كشف استقرار الدرجات الحقيقية، إلا أنه يواجه مشكلة التداخل إذا ترافق الانحدار الإحصائي مع التأثيرات الانتقالية غير المتكافئة، مما يستوجب فك هذا الارتباط الإحصائي المعقد عبر استخدام نماذج متقدمة لضبط أثر خط الأساس (Baseline Adjustment).

ولمواجهة هذه التهديدات وتأمين الصدق التجريبي، تختلف الأدوات المنهجية المتبعة باختلاف التصميم؛ فبينما يكتفي تصميم بين المفحوصين بالتعيين العشوائي التام (Simple or Stratified Randomization) لتبديد التحيزات، يلجأ تصميم داخل المفحوصين إلى تقنيات هندسية متقدمة تُعرف باستراتيجيات الموازنة (Counterbalancing). وتهدف الموازنة إلى توزيع تأثيرات الترتيب والآثار التراكمية بشكل منتظم عبر جميع شروط التجربة لإلغاء تحيزها الاتجاهي، ومن أبرزها: الموازنة الكاملة (Complete Counterbalancing)، والموازنة غير الكاملة المعتمدة على المربع اللاتيني المتوازن (Balanced Latin Square)، والتي تضمن أن كل معالجة تظهر في كل موقع ترتيبي نفس العدد من المرات، وأن كل معالجة تسبق وتلي المعالجات الأخرى بصورة متكافئة رياضياً، محققة بذلك ضبطاً علمياً صارماً للأخطاء التدريجية.

4.3 الفروق في أساليب التحليل الإحصائي المتبعة

ينعكس التمايز الهيكلي بين التصميمين بصورة مباشرة على مسار النمذجة الإحصائية واختبار الفرضيات. ففي تصميم بين المفحوصين، تستند التحليلات إلى افتراض أساسي لا يقبل المساومة، وهو استقلال المشاهدات (Independence of Observations)؛ حيث تُعامل كل نقطة بيانات مأخوذة من أي مشارك كحدث احتمالي منفصل لا يرتبط بأي شكل ببيانات المشاركين الآخرين. وعند مقارنة مستويين تجريبيين فقط، يُستخدم اختبار $t$ للعينات المستقلة (Independent-Samples t-test)، بينما يُستخدم تحليل التباين الأحادي (One-Way ANOVA) أو العاملي (Factorial ANOVA) عند تعدد المستويات، حيث تُفحص الفروق بين متوسطات المجموعات بمقارنة تباين ما بين المجموعات بتباين ما داخل المجموعات كمعيار لتباين الخطأ الصافي.

أما في تصميم داخل المفحوصين، فإن افتراض استقلال المشاهدات يسقط تماماً، حيث إن القياسات المتكررة المأخوذة من نفس الفرد تكون بطبيعتها شديدة الارتباط، مما ينتهك أحد الشروط الأساسية لنماذج تحليل التباين التقليدية. وتتطلب هذه البنية استخدام أدوات مخصصة تأخذ هذا الارتباط في الحسبان، كاختبار $t$ للعينات المترابطة أو المتزاوجة (Paired-Samples t-test) في حالة مقارنة مستويين، أو تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA – RM-ANOVA) عند وجود ثلاثة مستويات أو أكثر. ويعتمد هذا النموذج الإحصائي على استخراج تباين الفروق البين-فردية وعزله عن حد الخطأ، مما يجعل الاختبار أكثر قوة وحساسية لاكتشاف دلالة التباين التجريبي.

ويفرض تصميم القياسات المتكررة فحص افتراض إحصائي بالغ الخصوصية والتعقيد لا وجود له في تصميم بين المفحوصين، وهو افتراض الكروية (Assumption of Sphericity). وينص افتراض الكروية على أن التباينات لجميع الفروق الممكنة بين كل زوج من مستويات المعالجة التجريبية يجب أن تكون متساوية في مجتمع الدراسة:

$$\text{Var}(X_A – X_B) \approx \text{Var}(X_A – X_C) \approx \text{Var}(X_B – X_C)$$

ويُعد التناظر المركب (Compound Symmetry) — الذي يتطلب تساوي تباينات الشروط وتساوي معاملات الارتباط بين جميع أزواج الشروط — حالة خاصة وأكثر صرامة من الكروية تضمن تحققها دائماً. ويُختبر هذا الافتراض عبر اختبار موشلي للكروية (Mauchly’s Test of Sphericity). فإذا كانت قيمة الدلالة لهذا الاختبار أصغر من 0.05، فإن هذا يعني انتهاك الكروية، مما يؤدي إلى تضخم معدل الخطأ من النوع الأول (Type I Error Rate) وجعل النسبة الفائية تميل لإعطاء دلالات إحصائية زائفة غير حقيقية.

وعند انتهاك الكروية، يلتزم الباحث منهجياً بإدخال تعديلات إحصائية تخفض درجات الحرية ($df$) المستخدمة لتقييم الدلالة الإحصائية للنسبة الفائية، وذلك لإعادة ضبط معدل الخطأ عند مستواه الحقيقي المقبول ($\alpha = 0.05$). وتشمل هذه التعديلات معامل تصحيح غرينهاوس-غايسر (Greenhouse-Geisser Correction $\hat{\varepsilon}$)، وهو معامل محافظ يُفضل استخدامه عندما يكون الانتهاك جسيماً ($varepsilon < 0.75$)، ومعامل تصحيح هونه-فيلدت (Huynh-Feldt Correction$tilde{varepsilon}$)، وهو معامل أقل تحفظاً يُلجأ إليه عندما تقترب قيمة إبسيلون من الواحد الصحيح ($varepsilon > 0.75$). وفي الحالات المعقدة، يتجه الإحصائيون المعاصرون كلياً إلى تبني النماذج الخطية المختلطة (Linear Mixed-Effects Models – LMM) أو تحليل التباين متعدد المتغيرات (MANOVA)، حيث لا تشترط هذه النماذج المتقدمة افتراض الكروية، وتتيح نمذجة مصفوفات التغاير غير المتجانسة بكفاءة ومرونة فائقة.

5. أوجه التشابه ونقاط التقاطع المنهجية

5.1 الغايات المنهجية والأهداف السببية المشتركة

على الرغم من التباين الهيكلي بين التصميمين في توزيع العينة واشتقاق التباين، فإنهما يتطابقان تطابقاً كاملاً في المنطلقات الإبستمولوجية والأهداف السببية الكلية للبحث العلمي. فكلا التصميمين ينتميان إلى حقل التجارب الحقيقية (True Experiments) أو شبه التجريبية الموجهة باختبار الفرضيات الصفرية والبديلة بموثوقية احتمالية منضبطة. ويشترك النموذجان في السعي لعزل الأثر النقي للمتغير المستقل عبر فرض أقصى درجات التحكم في المتغيرات الدخيلة وتوحيد بيئة القياس، سواء تحقق ذلك من خلال تعيين مجموعات مستقلة متكافئة أو من خلال التثبيت الذاتي لخصائص المفحوصين عبر القياسات المتكررة.

كما يتطابق النموذجان في معايير التفسير الإحصائي وقابلية التحقق التكراري (Replicability) وتحديد حجوم الأثر (Effect Sizes). ففي كليهما، لا يكتفي الباحث الحديث بالقيمة الاحتمالية للدلالة ($p\text{-value}$)، بل يُلزم بالإبلاغ عن المؤشرات المعيارية لحجم الأثر لتقدير الأهمية العملية للنتائج، مثل مؤشر كوهين د ($Cohen’s d$) لحساب الفروق المعيارية بين المتوسطات، أو مربع إيتا ومربع إيتا الجزئي ($\eta^2$ و $\eta_p^2$) لتقدير النسبة المئوية للتباين المفسر بالمعالجة التجريبية:

$$\eta_p^2 = \frac{\text{SS}_{\text{treatment}}}{\text{SS}_{\text{treatment}} + \text{SS}_{\text{error}}}$$

ويوفر هذا الاتساق الإحصائي أرضية مشتركة لدراسات التحليل التلوي (Meta-Analysis) لتجميع نتائج الدراسات المبنية على كلا التصميمين وحساب أحجام الأثر التراكمية، شريطة تطبيق التصحيحات الحسابية المناسبة لضبط الفروق في حساب خطأ التباين بين التصاميم المستقلة والمترابطة.

5.2 التكامل في التصاميم العاملية المختلطة (Mixed Factorial Designs)

لا يقتصر البحث التجريبي على الاختيار الحصري بين تصميم بين المفحوصين أو تصميم داخل المفحوصين؛ إذ تتجلى البراعة المنهجية المعاصرة في دمجهما معاً داخل قالب تجريبي واحد يُعرف بالتصميم العاملي المختلط (Mixed Factorial Design) أو تصميم القطع المنشقة (Split-Plot Design). ويشتمل هذا التصميم المتقدم على متغير مستقل واحد على الأقل بين المفحوصين (Between-Subjects Factor) مدمجاً بانسجام مع متغير مستقل واحد على الأقل داخل المفحوصين (Within-Subjects Factor)، مما يتيح استثمار نقاط القوة في كلا النموذجين والحد من مواطن ضعفهما الفردية في سياق تجريبي متكامل.

ويتيح التصميم المختلط رصد وتحليل التأثيرات التفاعلية المركبة (Interaction Effects) التي تعجز التصاميم البسيطة عن كشفها. فعلى سبيل المثال، في دراسة سريرية عصبية لتقييم علاج معرفي جديد، يمكن تعيين المشاركين في مجموعتين مستقلتين (بين المفحوصين: مجموعة العلاج الجديد مقابل مجموعة العلاج التقليدي)، مع قياس أدائهم المعرفي بالتتابع عبر عدة فترات زمنية متكررة (داخل المفحوصين: قبل العلاج، بعد شهر، بعد ستة أشهر). ويوفر هذا الدمج إمكانية اختبار التفاعل بين نوع التدخل العلاجي والمسار الزمني للتغير:

$$\text{Treatment Group} \times \text{Time}$$

ويجيب هذا التفاعل عما إذا كان نمط التحسن الزمني يختلف باختلاف نوع العلاج المقدم، محققاً بذلك أعلى درجات الدقة الإحصائية والتطبيقية في العلوم الطبية والنفسية والتربوية.

6. معايير الاختيار المنهجي: متى يُستخدم كل تصميم؟

6.1 سياقات الاستخدام المثالية لتصميم بين المفحوصين

يبرز تصميم بين المفحوصين كخيار منهجي حتمي وأصيل في السياقات التي تترك فيها المعالجة التجريبية أثراً معرفياً أو سلوكياً أو فيزيولوجياً دائماً ومستقراً يستحيل محوه أو التراجع عنه دون إفساد الصدق الداخلي للدراسة. وتتصدر التدخلات الجراحية في الطب البشري أو البيطري هذه القائمة؛ إذ لا يمكن إخضاع المريض لعملية جراحية تجريبية ثم إعادته لحالته التشريحية الأولى ليخضع لاحقاً لإجراء جراحي ضابط. وينطبق المبدأ نفسه تماماً على الأبحاث التربوية والتعليمية التي تهدف إلى اختبار طرائق تدريس المفاهيم التأسيسية كتعليم البرمجة أو القراءة؛ فالمشارك الذي يستوعب مفهوماً رياضياً وفق الطريقة (أ) لا يمكن “إلغاء تعلمه” ليعاد اختباره لنفس المفهوم بالطريقة (ب).

كما يمثل هذا التصميم المسار الطبيعي الوحيد في الأبحاث المقارنة التي تتناول متغيرات تصنيفية أو شخصية قائمة بذاتها وتفصل بين مجموعات طبيعية غير متداخلة، والتي تُعرف بالمتغيرات المعتمدة على الفروق الفردية كمتغيرات مستقلة اسمية (Subject / Attribute Variables). ويشمل ذلك مقارنة الأداء المعرفي بين الذكور والإناث، أو بين المصابين بمرض ألزهايمر والأصحاء، أو بين فئات عمرية مختلفة كالأطفال واليافعين؛ حيث يستحيل بنيوياً تعريض نفس الفرد لكلا المستويين، مما يجعل التمايز بين المجموعات المستقلة ضرورة حتمية تفرضها طبيعة الأسئلة البحثية وظروف العينة.

ويكتسب تصميم بين المفحوصين أفضلية استراتيجية قاطعة في التجارب التي تعتمد على الإيهام أو التعمية الإجرائية (Deception)، أو عندما تكون الفرضية البحثية شديدة الوضوح وقابلة للكشف السريع بمجرد مقارنة الشروط. فعلى سبيل المثال، في دراسات علم النفس الاجتماعي التي تدرس أثر الشهادة الزائفة أو الامتثال للضغط الاجتماعي، يؤدي تعريض المشارك للشرط التجريبي الذي يُكشف فيه زيف الموقف إلى استحالة استخدامه مرة أخرى في الشرط الضابط لكونه أدرك بنية الخدعة التجريبية وفقد عفويته المعرفية والسلوكية، مما يستوجب استخدام مشاركين جدد لكل شرط على حدة لحماية نقاء الاستجابة.

6.2 سياقات الاستخدام المثالية لتصميم داخل المفحوصين

يتحول تصميم داخل المفحوصين إلى الحل المنهجي الوحيد القابل للتطبيق العملي في السياقات البحثية التي تعاني من ندرة حادة في مجتمع الدراسة واستحالة الوصول إلى عينات عددية كبيرة. وتتكرر هذه الحالة بكثرة في مجالات الطب العصبي النادر، وأبحاث زراعة الأعضاء المتخصصة، ودراسات علم النفس العصبي للحالات الفردية ذات الآفات الدماغية الموضعية النادرة جداً (مثل متلازمة كورساكوف أو آفات الجسم الثفني المنفصل). ففي هذه الظروف الاستثنائية، يتيح إخضاع الأفراد القلائل المتاحين لسلسلة مكثفة من الشروط التجريبية القياسات المتكررة تجميع كميات هائلة من نقاط البيانات والوصول إلى قوة استدلالية إحصائية متينة كان يستحيل تحقيقها عبر تصاميم المجموعات المستقلة التي تتطلب عشرات الأفراد لكل مجموعة.

كما يشكل هذا النموذج الإطار المعياري الراسخ في مجالات القياس الحسي الفيزيقي (Psychophysics) وأبحاث العلوم العصبية الإدراكية المرتبطة بزمن الرجع الفسيولوجي الدقيق (Reaction Time paradigms). ففي دراسات تتبع حركة العين (Eye-Tracking)، أو مهام ستروب (Stroop Effect)، أو تجارب الإدراك السمعي والبصري، يحتاج الباحث إلى قياس استجابات زمنية بالمللي ثانية عبر مئات المحاولات لكل مشارك لمقارنة أثر تباين الإضاءة، أو التردد الصوتي، أو التطابق الدلالي للمنبهات. وفي هذه التجارب، تكون المعالجات مؤقتة وعابرة تماماً (Transient Stimuli) وتزول آثارها الفيزيولوجية في أجزاء من الثانية، مما يلغي مخاطر الانتقال التراكمي الدائم ويجعل الاستفادة من المشارك كضابط لنفسه الوسيلة المثلى لتحييد الاختلافات الفردية الضخمة في السرعة العصبية وزمن النقل المشبكي.

ويتألق هذا التصميم أخيراً في الدراسات التي يكون فيها رصد ديناميكيات التغير والتطور الزمني ومسارات التعافي عبر محطات تاريخية متتالية هو الهدف الجوهري للبحث. ويندرج تحت ذلك تجارب الحركية الدوائية (Pharmacokinetics) التي تتبع تركيز الدواء في بلازما الدم عبر ساعات محددة (نصف ساعة، ساعة، ساعتان، ست ساعات، 24 ساعة)، أو أبحاث تقييم البرامج العلاجية التداخلية التي ترصد وتائر التغير السلوكي والانفعالي للمريض خلال مراحل العلاج المتدرجة، وصولاً إلى فترات المتابعة اللاحقة (Follow-up)، حيث تصبح وحدة البناء البحثي هي المسار النمائي الطولي لنفس الشخص عبر الزمن.

6.3 مصفوفة اتخاذ القرار للباحث الأكاديمي

لمساعدة الباحث على حسم المفاضلة المنهجية بدقة، نورد فيما يلي مصفوفة خطوات منظمة تعتمد على تقييم المعايير التشغيلية للبحث قبل اعتماد نوع التصميم:

• طبيعة أثر المعالجة (Reversibility of the Manipulation):
  
  إذا كانت المعالجة تُحدث تعلماً دائماً، أو تحولاً نمائياً، أو ضرراً نسيجياً، أو مهارة لا يمكن نسيانها ← تصميم بين المفحوصين حتمي.
  
  إذا كان أثر المعالجة مؤقتاً، وتزول آثاره الفيزيولوجية أو النفسية بانتهاء التعرض أو بعد فترة راحة قصيرة ← تصميم داخل المفحوصين متاح ومفضل بقوة.
• حجم المجتمع المستهدف ووفرة المشاركين (Participant Availability):
  
  إذا كان مجتمع الدراسة متاحاً بوفرة ولا توجد قيود على استقطاب مئات المفحوصين ← تصميم بين المفحوصين خيار عملي آمن لتفادي أخطاء الترتيب.
  
  إذا كان مجتمع الدراسة نادراً للغاية أو مكلفاً مادياً بدرجة تحول دون جمع عينات كبرى ← تصميم داخل المفحوصين ضرورة إحصائية لرفع القوة بأقل عدد ممكن.
• قابلية تطبيق استراتيجيات الموازنة (Counterbalancing Feasibility):
  
  إذا كان من الممكن تقديم الشروط التجريبية بترتيبات عشوائية أو عبر المربعات اللاتينية مع فترات غسيل كافية دون تشويه للتجربة ← تصميم داخل المفحوصين فعال وموثوق.
  
  إذا كان الانتقال بين الشروط غير متماثل بطبيعته (الشرط أ يغير استجابة ب، ولكن ب لا يغير أ) ← تصميم بين المفحوصين إلزامي لمنع الانحراف المنهجي.
• مخاطر شفافية الفرضية (Demand Characteristics):
  
  إذا كان تنقل المشارك بين عدة شروط سيكشف له حتماً الفرضية ويوجه سلوكه المصطنع ← تصميم بين المفحوصين لتأمين العفوية والصدق الداخلي.
  
  إذا كانت المهام حسية مجردة أو اختبارات أداء فسيولوجية لا تخضع للتحكم الإرادي الواعي ← تصميم داخل المفحوصين لضمان الدقة والحد من التباين العشوائي.
• طبيعة المتغيرات وتوليفها العاملي (Factorial Complexity):
  
  إذا كانت الدراسة تشتمل على متغيرات شخصية غير خاضعة للتلاعب (كالجنس) ومتغيرات زمنية تجريبية ← التصميم العاملي المختلط كحل تركيبي تكاملي يجمع مزايا النموذجين.

7. الأسئلة الشائعة حول التصاميم التجريبية

7.1 أيهما يتمتع بقوة إحصائية أعلى: تصميم بين المفحوصين أم داخل المفحوصين؟

يتمتع تصميم داخل المفحوصين بقوة إحصائية ($1 – beta$) أعلى بكثير بصورة مطلقة عند ثبات حجم العينة وحجم الأثر الفعلي للمعالجة. ويعود التفسير الرياضي لهذا التفوق المنهجي إلى تفكيك تباين الخطأ في مقام النسبة الفائية؛ فبينما يخلط تصميم بين المفحوصين الفروق الفردية البين-شخصية الشاسعة مع الخطأ العشوائي في $MS_{\text{error}}$، يقوم تصميم داخل المفحوصين بعزل تباين الأفراد المنتظم ($\text{SS}_{\text{subjects}}$) وخصمه كلياً من حد الخطأ، مما يجعل مقام اختبار $F$ صغيراً ومقتصراً فقط على التفاعل العشوائي بين الأفراد والمعالجة ($\text{SS}_{S \times A}$). ونتيجة لذلك، ترتفع قدرة الباحث على اكتشاف التأثيرات الصغيرة والحساسة إحصائياً التي قد تعجز تصاميم المجموعات المستقلة عن كشفها إلا بعينات بالغة الضخامة.

ومع ذلك، يفقد تصميم القياسات المتكررة تفوقه الإحصائي هذا في ظروف معينة ترتبط بانتهاك الافتراضات الرياضية؛ وأبرزها الانتهاك الحاد لافتراض الكروية (Sphericity) المصحوب بحجم عينة صغير. فعندما تنتهك الكروية وتُطبق معاملات التصحيح مثل غرينهاوس-غايسر، تنخفض درجات الحرية في بسط ومقام الاختبار بصورة جذرية، مما يرفع القيمة الحرجة لـ $F$ ويقلل حساسية الاختبار. كما أن وجود معاملات ارتباط سالبة أو معدومة بين الشروط المتكررة — وإن كان هذا نادراً في القياسات السلوكية — يرفع الخطأ المعياري لفروق المتوسطات بدلاً من خفضه، مما قد يُفقد التصميم ميزته التنافسية أمام تصاميم المجموعات المستقلة.

7.2 كيف يمكن معالجة تأثيرات الترتيب في تصميم داخل المفحوصين؟

تُعالج تأثيرات الترتيب والآثار الانتقالية عبر ترسانة من الاستراتيجيات المنهجية التي تهدف إما إلى إلغاء هذه التأثيرات تماماً أو موازنتها وتوزيعها بشكل متكافئ إحصائياً عبر شروط التجربة. وتتمثل الاستراتيجية الأساسية في الموازنة الكاملة (Complete Counterbalancing)، حيث يُحسب عدد التباديل الممكنة لترتيب المعالجات وفق مضروب العدد ($k!$)؛ فإذا كان لدينا ثلاثة شروط تجريبية (أ، ب، ج)، فإن عدد التباديل هو $3! = 6$ ترتيبات (أ-ب-ج، أ-ج-ب، ب-أ-ج، ب-ج-أ، ج-أ-ب، ج-ب-أ)، ويُوزع المشاركون عشوائياً وبأعداد متساوية عبر هذه المسارات الترتيبية الستة، مما يؤدي إلى إلغاء أي تحيز ناتج عن موقع الشرط في السلسلة الزمنية على المستوى الجمعي للعينة.

وعندما يتسع عدد المعالجات (كأن يبلغ 5 أو 6 شروط)، يصبح عدد التباديل ضخماً للغاية (مثلاً $5! = 120$ ترتيباً)، مما يستحيل معه تطبيق الموازنة الكاملة بعينة محدودة. وهنا يلجأ الباحث إلى الموازنة الجزئية عبر تصميم المربع اللاتيني المتوازن (Balanced Latin Square)، وهو مصفوفة تضمن شرطين حاسمين: أن تظهر كل معالجة في كل موقع ترتيبي نفس العدد من المرات، وأن تسبق وتلي كل معالجة معالجةً أخرى لمرة واحدة فقط وبترتيب منتظم، مما يضبط آثار الترتيب والأثر الانتقالي الفوري المشترك بأقل عدد ممكن من المجموعات الترتيبية.

أما في التجارب الطبية والدوائية والفيزيولوجية الحركية التي تترك أثراً بيوكيميائياً أو عصبياً ملموساً، فتعتمد المعالجة المنهجية الحاسمة على تضمين فترات زمنية فاصلة كافية تُعرف بفترات الغسيل الزمني (Washout Periods). وتحدد هذه الفترات بناءً على العمر النصفي للمادة الحيوية أو معدل الاستشفاء الذهني والعصبي، حيث يُترك المشارك لفترة تمتد لأيام أو أسابيع بين المعالجة الأولى والمعالجة اللاحقة لضمان عودة كافة المؤشرات الحيوية إلى مستوى خط الأساس الأصلي واختفاء أي أثر تراكمي متبقٍ قد يلوث نتائج الشرط التجريبي التالي.

7.3 هل يمكن الجمع بين التصميمين في بحث واحد؟

نعم، يُعد الجمع بين التصميمين في بحث واحد من الممارسات المنهجية الشائعة والمتقدمة في الأبحاث الحديثة عبر ما يُعرف بالتصاميم العاملية المختلطة (Mixed Factorial Designs أو Split-Plot Factorial Designs). ويتحقق هذا الدمج عندما يتضمن النموذج التجريبي متغيرين مستقلين أو أكثر، بحيث يُعامل أحد المتغيرات كمتغير بين المفحوصين (يُخصص له المشاركون في مجموعات مستقلة ومنفصلة)، بينما يُعامل المتغير الآخر كمتغير داخل المفحوصين (يخضع فيه جميع المشاركين من جميع المجموعات لقياسات متكررة عبر مستوياته المتتالية).

وتتجلى القيمة المنهجية الكبرى لهذا الجمع في الأبحاث السريرية المقارنة والتجارب التعليمية؛ كأن يُقسم المرضى إلى مجموعتين مستقلتين: مجموعة تتلقى دواءً علاجياً ومجموعة تتلقى دواءً وهمياً (متغير بين المفحوصين)، مع قياس مستويات الأعراض لدى أفراد المجموعتين عبر أربع فترات زمنية مختلفة: خط الأساس، بعد أسبوع، بعد شهر، بعد ثلاثة أشهر (متغير داخل المفحوصين). ويتيح هذا الدمج للباحث تفكيك التباين واختبار الأثر الرئيس للمجموعات، والأثر الرئيس للزمن، والأثر التفاعلي الجوهري بين المجموعة والزمن ($Group \times Time Interaction$)، والذي يكشف بدقة إحصائية متفوقة عما إذا كان مسار التحسن الزمني للمرضى يتوقف على نوع الدواء المقدم لهم، مستفيداً من قوة القياسات المتكررة في خفض التباين الذاتي مع الحفاظ على المقارنة المستقلة لعزل الأثر الدوائي.

8. الخاتمة: الموازنة المنهجية في البحث التجريبي

8.1 خلاصة المقارنة والتقييم النهائي

يقود التحليل المقارن المعمق لتصميم بين المفحوصين وتصميم داخل المفحوصين إلى خلاصة إبستمولوجية حاسمة: لا يوجد تصميم تجريبي يتمتع بأفضلية مطلقة أو تفوق بنيوي دائم على الآخر في مجرد ذاته؛ فالمفاضلة بينهما ليست مفاضلة بين نموذج “جيد” ونموذج “رديء”، بل هي مواءمة دقيقة ومحكمة بين المشكلة البحثية المطروحة والظروف الإجرائية والإحصائية المحيطة بها. إن التصميم التجريبي الرصين هو ذلك الذي يتوافق بناؤه مع طبيعة الفرضية العلمية ونوعية المعالجة بأقل قدر ممكن من التضحية بالصدق الداخلي والخارجي للتجربة.

وتتلخص المعضلة المنهجية في حقيقتها الميدانية في مقايضة مستمرة (Trade-off) بين نوعين متمايزين من مصادر التباين غير المرغوب فيه: فبينما يركز تصميم داخل المفحوصين على خفض تباين الخطأ الإحصائي الناجم عن الفروق الفردية ورفع حساسية الاختبار وقوته عبر الاستفادة القصوى من موارد العينة، فإنه يدفع ضريبة ذلك بالتعرض الدائم لمخاطر التلوث الزمني المتمثلة في آثار الترتيب، والإجهاد، والتعلم التراكمي، مما يفرض تعقيدات إجرائية للموازنة وقيوداً إحصائية كافتراض الكروية. وفي المقابل، يشتري تصميم بين المفحوصين راحة البال المنهجية التامة إزاء التلوث الزمني وآثار الممارسة واستدلال الفرضيات على حساب القوة الإحصائية والتكلفة الاقتصادية، حيث يُهدر قدراً كبيراً من الحساسية بدفنه للفروق الفردية داخل تباين الخطأ ومطالبته بأحجام عينات كبرى لتعويض هذا التشتت.

ويتوقف نجاح الباحث الأكاديمي على امتلاك الوعي المنهجي والإحصائي المركب الذي يمكنه من تشخيص هذه الثنائيات في مهد التجربة، وتفادي الانسياق الأعمى خلف تقاليد شائعة في تخصصه قد لا تخدم سؤاله البحثي المحدد. إن هذا الإدراك النقدي هو الضمانة الحقيقية لتصميم تجارب تتمتع بصدق داخلي لا يلين، وقابلية عالية للتعميم، وقوة استدلالية تسهم بحق في تراكم المعرفة الإنسانية الرصينة.

8.2 توصيات منهجية للباحثين

في ضوء المبادئ المنهجية المعاصرة ومعايير إعداد التقارير العلمية الصارمة الصادرة عن الجمعيات العلمية الرائدة كالجمعية الأمريكية لعلم النفس (APA)، نضع أمام الباحثين التوصيات العملية والإجرائية الآتية:

• إجراء دراسات استطلاعية مسبقة وحساب القوة الإحصائية (Power Analysis):
  
  ينبغي للباحث ألا يبدأ جمع البيانات قبل إجراء تحليل قوة إحصائية قبلي (A Priori Power Analysis) باستخدام حزم برمجية متخصصة كبرنامج G*Power، لتحديد حجم العينة الدقيق المطلوب بناءً على حجم الأثر المتوقع ونوع التصميم المستخدم والارتباط المفترض بين القياسات في تصاميم القياسات المتكررة. وتساعد التجارب الاستطلاعية المصغرة (Pilot Studies) في التحقق المسبق من وجود أثر انتقالي غير متماثل قد يُلغي إمكانية استخدام تصميم داخل المفحوصين، فضلاً عن تحديد الفواصل الزمنية الآمنة لتبديد الإجهاد والآثار التراكمية.
• الالتزام بالإبلاغ الشامل والدقيق عن شروط الفحص الإحصائي:
  
  يجب على الباحثين تجنب التقرير الانتقائي للنتائج؛ ففي تصميم بين المفحوصين، يجب فحص واختبار تجانس التباين (Homogeneity of Variance) عبر اختبار ليفين (Levene’s Test) وتقديم النتائج بوضوح مع استخدام تصحيح ويلش (Welch’s t-test / ANOVA) في حال عدم تحققه. وفي تصميم داخل المفحوصين، يتعين الإبلاغ الصارم عن اختبار موشلي للكروية ومعاملات التصحيح المستخدمة (Greenhouse-Geisser أو Huynh-Feldt)، مع عدم الاكتفاء بالقيمة الاحتمالية للدلالة ($p$)، بل تضمين أحجام الأثر الجزئية وفترات الثقة (Confidence Intervals) حول الفروق لتمكين المقارنات التلوية.
• التخطيط الوقائي الصارم لمعالجة التسرب وفقيد البيانات (Missing Data & Attrition):
  
  نظراً لأن طول الجلسات وتكرارها في تصاميم داخل المفحوصين والتصاميم المختلطة يرفع احتمالية انسحاب المشاركين أو فقدان بعض نقاط القياس الزمني، يجب التخطيط المسبق للتعامل مع هذه المعضلة بتفادي أساليب الإسقاط التقليدي التي تشوه تركيبة العينة وتخفض حجمها كالحذف الكلي للمشارك (Listwise Deletion). ويُنصح بقوة بالانتقال إلى النماذج الإحصائية الحديثة القادرة على استيعاب المشاهدات المفقودة دون المساس بالقوة الكلية للتجربة، وعلى رأسها النمذجة الخطية المختلطة (Linear Mixed Models) وأساليب التقدير المعتمدة على أقصى احتمالية مقيدة (Restricted Maximum Likelihood – REML) أو الإسناد المتعدد للبيانات المفقودة (Multiple Imputation).
• التسجيل المسبق للبروتوكول التجريبي (Preregistration):
  
  لتعزيز الشفافية المنهجية ومحاربة ممارسات البحث المشوهة (كصيد الدلالة الإحصائية والتلاعب بالبيانات)، يُوصى بتسجيل فرضيات الدراسة، ونوع التصميم المزمع استخدامه، وآلية الموازنة الترتيبية، ومسار النمذجة الإحصائية المعتمد بصورة مسبقة على منصات العلوم المفتوحة (Open Science Framework – OSF) قبل الشروع في جمع أي بيانات تجريبية حقيقية.

المراجع

• Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally.
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Greenhouse, S. W., & Geisser, S. (1959). On methods in the analysis of profile data. Psychometrika, 24(2), 95–112.
• Huynh, H., & Feldt, L. S. (1976). Estimation of the box correction for degrees of freedom from sample data in randomized block and split-plot designs. Journal of Educational Statistics, 1(1), 69–82.
• Keppel, G., & Wickens, T. D. (2004). Design and analysis: A researcher’s handbook (4th ed.). Pearson Prentice Hall.
• Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge.
• Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.