يشكّل فهم التغيرات السلوكية والظواهر النفسية جوهر البحث العلمي في علم النفس والعلوم الاجتماعية؛ ومع ذلك، ظل الاعتماد التاريخي المفرط على اختبارات الفرضيات الصفرية واختبارات الدلالة الإحصائية التقليدية قاصراً عن تقديم إجابة قاطعة حول مدى أهمية هذه النتائج في الواقع العملي والتطبيقي. يقف معامل دي لكوهين (Cohen’s d) كأحد أبرز المقاييس الإحصائية المنهجية التي أحدثت نقلة نوعية في فلسفة القياس النفسي، متجاوزاً السؤال الكلاسيكي المتمثل في: "هل يوجد فرق ذو دلالة؟" إلى السؤال الأكثر عمقاً وجوهرية: "ما مدى حجم هذا الفرق وأهميته التطبيقية؟". يقدم هذا المقياس المعياري لغة علمية موحدة تمكّن علماء النفس من مقارنة الفعالية النسبية للتدخلات العلاجية، وتحديد تباين القدرات المعرفية، وبناء تراكم معرفي رصين يعالج أزمة القابلية للتكرار في العلوم السلوكية الحديثة.
المفهوم النظري لـ معامل دي لكوهين والتمايز عن الدلالة الإحصائية
يُعرَّف معامل دي لكوهين في جوهره بأنه مقياس معياري لحجم الأثر (حجم الأثر)، يُستخدم لتقدير الفرق بين متوسطي مجموعتين بالاعتماد على وحدة الانحراف المعياري. يُجيب هذا المعامل عن مسألة التباين المعياري المستقل عن وحدات القياس الخام، مما يجعله أداة استثنائية لمقارنة نتائج الدراسات التي تستخدم أدوات قياس واختبارات نفسية مختلفة لدراسة الظاهرة ذاتها. فعلى سبيل المثال، إذا كانت إحدى الدراسات تقيس القلق بواسطة مقياس "بيك للقلق" بينما تقيسه دراسة أخرى بواسطة استبيان "سبيلبرغر لحالة وسمة القلق"، فإن تحويل الفروق إلى مقياس دي لكوهين يزيل الفروق المصطنعة الناشئة عن تباين تدريج المقاييس، موفراً تقديراً مجرداً لمدى انزياح التوزيعين الاحتماليين عن بعضهما البعض.
يرتبط المفهوم النظري لهذا المعامل جذرياً بالتمايز الصارم بين الدلالة الإحصائية (Statistical Significance) والأهمية العملية أو الإكلينيكية (Clinical Significance). لسنوات طويلة، ارتهنت البحوث النفسية بقيمة الاحتمال أو ما يُعرف بـ (p-value)، غير مدركة أن هذه القيمة شديدة الحساسية لحجم العينة؛ فحين تكون العينة ضخمة للغاية، يمكن لأي فرق تافه وغير ذي مغزى سلوكي أن يُظهر دلالة إحصائية عند مستوى أقل من 0.05. يمثل معامل دي لكوهين المضاد الإبستمولوجي لهذا التضليل، إذ يعبر عن مقدار التباعد الحقيقي بين المتوسطين معزولاً عن تأثير تضخم حجم العينة، مما يوفر تقييماً صادقاً لمدى فاعلية الظاهرة المدروسة.
إن إدراك الفلسفة الكامنة وراء دي لكوهين يتطلب النظر إليه بوصفه مقياساً لمقدار التداخل بين التوزيعات الطبيعية للمجموعات؛ فكلما ارتفعت قيمة المعامل، قل التداخل بين المنحنيين الاعتداليين للمجموعتين (التجريبية والضابطة)، مما يعكس تأثيراً تدخلياً أكثر رسوخاً ونقاءً. يعزز هذا المنظور الفهم السيكومتري للظواهر الإنسانية المعقدة، حيث لا يكفي إثبات أن تدخلاً علاجياً مثل "العلاج المعرفي السلوكي" أفضل من عدمه، بل يتعين تحديد مقدار التحسن الذي يحققه المريض مقارنة بالمجموعة المرجعية بوحدات انحراف معياري ملموسة إحصائياً وتطبيقياً.
السياق التاريخي ونشأة الفكرة على يد جاكوب كوهين
تعود الجذور المعرفية لهذا المقياس إلى أعمال الإحصائي وعالم النفس الأمريكي جاكوب كوهين (Jacob Cohen) في ستينيات القرن العشرين، وتحديداً من خلال كتابه المرجعي البارز الصادر عام 1969 بعنوان "تحليل القوة الإحصائية للعلوم السلوكية" (Statistical Power Analysis for the Behavioral Sciences). لاحظ كوهين خلال مراجعته المنهجية للدراسات المنشورة في كبريات الدوريات النفسية أن الغالبية العظمى من الأبحاث تعاني من انخفاض كارثي في القوة الإحصائية، مما يجعلها عاجزة عن رصد التأثيرات الحقيقية للظواهر حتى في حال وجودها الفعلي، وهو ما كان يؤدي إلى الوقوع المتكرر في خطأ النوع الثاني (فشل رفض الفرضية الصفرية الخاطئة).
أدرك كوهين بذكاء منهجي فذ أن مفهوم "القوة الإحصائية" لا يمكن حسابه بدقة دون تحديد مسبق لحجم الأثر المتوقع للظاهرة في المجتمع الإحصائي؛ ولتجاوز الفوضى الناشئة عن تباين مقاييس التقدير في علم النفس، اقترح كوهين مؤشره المعياري (d) كصيغة موحدة وسهلة الحساب تربط بين القوة الإحصائية، وحجم العينة، ومستوى الدلالة، وحجم الأثر المطلوب كشفه. كان هدف كوهين ليس مجرد توفير صيغة رياضية مضافة، بل إحداث ثورة في تصميم التجارب السلوكية، بحيث يقوم الباحث بحساب حجم العينة المطلوب بناءً على حجم الأثر الذي يسعى لاكتشافه منطقياً، بدلاً من جمع عينات عشوائية الحجم والاعتماد على الصدف الإحصائية.
قوبلت أفكار كوهين في البداية ببطء نسبي في الانتشار نظراً لهيمنة مدرسة "رونالد فيشر" واختبارات الدلالة الصفرية، ولكن مع تفجر الانتقادات الموجهة إلى قيمة (p) في أواخر الثمانينيات وظهور دعوات رابطة علم النفس الأمريكية (APA) لإلزام الباحثين بتقديم تقارير أحجام الأثر وفترات الثقة، تحول معامل كوهين إلى حجر زاوية لا غنى عنه في الكتابات المنهجية، ممهداً الطريق لظهور حركة التحليل التلوي الحديثة التي أعادت تشكيل فلسفة المعرفة النفسية بالكامل.
الصياغة الرياضية وطرق الحساب الإحصائي
يعتمد الحساب الرياضي لمعامل دي لكوهين على معادلة منطقية وبسيطة في بنيتها الهيكلية، لكنها تتطلب انضباطاً صارماً في التعامل مع التباينات الإحصائية؛ وتتمثل الصيغة العامة للمعامل في حساب الفرق المطلق أو الاتجاهي بين متوسطي المجموعتين وقسمته على الانحراف المعياري المجمع (Pooled Standard Deviation). رياضياً، يُعبر عن ذلك كالتالي:
d = (M₁ – M₂) / s_pooled
حيث يمثل (M₁) متوسط المجموعة التجريبية، و(M₂) متوسط المجموعة الضابطة، بينما يمثل (s_pooled) الانحراف المعياري المشترك أو المجمع الذي يعكس التشتت الطبيعي للمجتمع المستهدف ويوفر وزناً دقيقاً لتباين كل مجموعة بحسب حجم عينتها، متجنباً الوقوع في فخ التباينات الفردية المشوهة.
يُحسب الانحراف المعياري المجمع من خلال إيجاد الجذر التربيعي للتباين المشترك للمجموعتين، مستنداً إلى درجات الحرية في كل مجموعة؛ وتستلزم هذه المعادلة التحقق المسبق من فرضية "تجانس التباين" (Homogeneity of Variance). فإذا كانت التباينات متساوية تقريباً بين المجموعتين، فإن الانحراف المعياري المجمع يعكس تقديراً غير متحيز بدقة، أما إذا كان تباين المجموعتين متبايناً بشدة وبشكل غير متكافئ مع أحجام العينات، فإن الصيغة التقليدية لدي لكوهين قد تتعرض للتحيز وتتطلب معالجات ميكانيكية متقدمة أو اللجوء إلى صيغ بديلة.
في التصاميم التجريبية التي تعتمد على القياسات المتكررة أو العينات المرتبطة (Within-subjects or Paired designs)، مثل قياس درجة الاكتئاب لنفس الأفراد "قبل التدخل" و"بعد التدخل"، تتخذ الصيغة شكلاً مختلفاً يأخذ بعين الاعتبار معامل الارتباط بين القياسين القبلي والبعدي؛ هنا يُقاس الفرق بين المتوسطين مقسوماً على انحراف الفروق المعياري أو على الانحراف المعياري للقياس القبلي كخط أساس، مما يبرز أهمية الوعي بطبيعة التصميم التجريبي قبل الشروع في تطبيق الحساب الرياضي لضمان مصداقية التقدير السيكومتري الناتج.
المعايير التفسيرية لحجم الأثر وقواعد كوهين الإرشادية
وضع جاكوب كوهين في أطروحاته الأولية قواعد إرشادية نوعية لمساعدة الباحثين على تصنيف المعامل وتفسيره دلالياً، مشيراً بحذر إلى أن هذه القواعد إنما هي مبادئ توجيهية مرنة وليست قوانين رياضية مطلقة. وقد صنف كوهين قيم المعامل إلى ثلاثة مستويات تقليدية رئيسية كالتالي:
- أثر صغير (Small Effect Size): عندما تبلغ قيمة d حوالي 0.20؛ ويعني ذلك أن الفرق بين المتوسطين يمثل خمس انحراف معياري فقط، وهو أثر دقيق قد يصعب ملاحظته بالعين المجردة في الممارسة الإكلينيكية اليومية، ومع ذلك فقد يكون ذا قيمة هائلة في التدخلات الوقائية واسعة النطاق مثل برامج الصحة العامة.
- أثر متوسط (Medium Effect Size): عندما تبلغ قيمة d حوالي 0.50؛ ويشير إلى نصف انحراف معياري من التباعد بين التوزيعين، وهو حجم أثر كافٍ ليتم رصده بوضوح من قِبل الملاحظ الخبير أو الممارس النفسي المتمرس دون الحاجة لتقنيات قياس بالغة التعقيد، ويمثل عموماً التأثير النمطي للعديد من البرامج العلاجية والسلوكية الراسخة.
- أثر كبير (Large Effect Size): عندما تبلغ قيمة d حوالي 0.80 فما فوق؛ ويجسد فارقاً واسعاً يسهل رصده حتى من قِبل غير المتخصصين، حيث تصبح الفروق الفردية واضحة للعيان بدرجة جلية، مثل الفروق الملحوظة في الذكاء أو الطول بين شرائح عمرية متباينة للغاية.
وسع الباحثون لاحقاً، ومنهم العالم روبرت كوزينز (Cozens) وجون هاتي (John Hattie)، هذه التقسيمات لتشمل "أثراً كبيراً جداً" (Very Large) عندما تتجاوز القيمة 1.20، أو "أثراً هائلاً" (Huge) عند تخطيها 2.0، وهو ما نراه نادراً في العلوم الإنسانية المعقدة إلا في حالات التدخلات البيولوجية الجذرية أو التجارب المعملية فائقة الضبط البيئي والمنهجي.
على الرغم من الشهرة الواسعة لهذه العتبات الرقمية، فقد حذر كوهين نفسه بشدة من "الاستخدام الأعمى" لها كقوالب جامدة؛ فمعنى حجم الأثر يتحدد بالسياق المعرفي والميداني للظاهرة. على سبيل المثال، إذا نجح عقار نفسي جديد أو تدخل سلوكي مختصر في خفض الميول الانتحارية بحجم أثر صغير (d = 0.15)، فإن هذا الأثر يُعد بالغ الأهمية والحيوية من منظور إنقاذ الأرواح، بينما قد يُعتبر حجم أثر مماثل في تحسين درجات حفظ المفردات لدى طلاب الجامعة أثراً هامشياً لا يبرر كلفة تطبيقه المادية والزمنية.
الفروق الجوهرية بين دي كوهين ومقاييس حجم الأثر الأخرى
يختلط الأمر أحياناً على الباحثين المبتدئين في التمييز بين معامل دي لكوهين والمقاييس الإحصائية الرديفة التي تنتمي لنفس عائلة أحجام الأثر، وتحديداً معامل غلاس دلتا (Glass’s Δ) ومعامل هيدجز جي (Hedges’ g)؛ إن التمييز الدقيق بين هذه المؤشرات ضروري لاختيار الأداة المثلى في ظل الظروف البيانية المحددة للبحث النفسي.
يتميز معامل غلاس دلتا بأنه لا يعتمد على الانحراف المعياري المجمع، بل يقسم الفرق بين المتوسطين على الانحراف المعياري للمجموعة الضابطة حصراً (Control Group SD). يُفضل استخدام غلاس دلتا في الدراسات الإكلينيكية التي يُتوقع فيها أن يغير التدخل العلاجي تباين المجموعة التجريبية ذاتها؛ فإذا كان العلاج النفسي يجعل استجابات المرضى أكثر تبايناً أو أقل استقراراً، يصبح الانحراف المعياري للمجموعة التجريبية "ملوثاً" بالتدخل، وبالتالي يصبح استخدام المجموعة الضابطة غير المعالجة كمعيار تشتت هو الخيار الأكثر نزاهة ومصداقية إحصائية.
أما معامل هيدجز جي، فيعد بمثابة تصحيح منهجي مباشر لمعامل دي لكوهين في حالات العينات الصغيرة؛ يعاني دي كوهين من نزعة طفيفة نحو التقدير المتفائل لحجم الأثر (Upward Bias) عندما يكون حجم العينة الإجمالي أقل من 20 إلى 30 فرداً. يقدم هيدجز جي عاملاً تصحيحياً رياضياً (Correction Factor J) يُخفض هذه المبالغة الهامشية ويعيد تقدير الأثر إلى حجمه غير المتحيز، ولذلك يُفضل الاعتماد على هيدجز جي كمعيار أساسي داخل أدبيات التحليل التلوي المعاصرة عند التعامل مع عينات بحثية محدودة.
تختلف هذه المؤشرات أيضاً عن مقاييس عائلة الارتباط والتغاير، مثل معامل ارتباط بيرسون (r) أو مربع إيتا (η²)، التي تعبر عن "نسبة التباين المفسر" (Proportion of Variance Explained). فرغم إمكانية التحويل الرياضي المتبادل بين d و r، فإن معامل دي يعكس الفروق المباشرة بين المجموعات بلغة الانحرافات المعيارية، مما يجعله أكثر جاذبية وبداهة للأطباء والمعالجين النفسيين مقارنة بنسب التباين المئوية التي يصعب أحياناً تأطيرها ضمن قرارات التدخل الإكلينيكي الفردي.
تطبيقات معامل دي لكوهين في البحوث النفسية والتشخيص الإكلينيكي
تتعدد التطبيقات العلمية لمعامل دي لكوهين داخل الفضاء السيكولوجي، لتشمل جميع حقول التخصص من علم النفس المعرفي، إلى السلوكي، والعيادي، والتربوي؛ وفي مجال علم النفس الإكلينيكي على وجه التحديد، يمثل المعامل المعيار الذهبي لقياس "حجم التحسن العلاجي" (Treatment Outcome). تستخدم التجارب العشوائية ذات الشواهد (RCTs) المعامل لتحديد ما إذا كان العلاج النفسي المقترح يتفوق بصورة واضحة على العلاج بالدواء الوهمي (Placebo) أو قوائم الانتظار، مما يسهل بلورة أدلة الممارسة المستندة إلى البراهين (Evidence-Based Practice).
بالإضافة إلى الأبحاث العلاجية، يلعب دي كوهين دوراً محورياً في قياس الفروق الفردية والفروق بين الجنسين في السمات النفسية والمعرفية؛ فعند دراسة متغيرات مثل "التعاطف الوجداني"، أو "الميول العدوانية"، أو "القدرات المكانية"، يوفر المعامل إمكانية دقيقة لمعرفة ما إذا كانت الفروق الشائعة ثقافياً مدعومة إحصائياً بأحجام أثر ذات مغزى، أم أنها مجرد فروق طفيفة للغاية تم تضخيمها إعلامياً في حين تتطابق منحنيات الجنسين في أكثر من 90% من مساحتها الكلية.
كما يُستخدم المعامل بكثافة في الدراسات النفسية العصبية (Neuropsychology) لمقارنة أداء المرضى الذين يعانون من إصابات دماغية أو اضطرابات تنكسية (مثل ألزهايمر) مقابل الأصحاء في الاختبارات العصبية النفسية المقننة؛ حيث يساعد حساب قيمة d في تحديد الوظائف المعرفية الأكثر تدهوراً (كالذاكرة العرضية مقارنة باللغة)، مما يسهم في رسم ملامح العجز وتوجيه مسارات إعادة التأهيل المعرفي نحو الوظائف التي يتبدى فيها العجز بأعلى قيم لحجم الأثر.
التحديات المنهجية والمآخذ الانتقادية على الاستخدام غير المنضبط
على الرغم من المكانة الرفيعة التي يتبوأها معامل دي لكوهين، إلا أن تطبيقه لا يخلو من مزالق منهجية وتحديات إحصائية يقع فيها الباحثون غير المتمرسين؛ يبرز في مقدمة هذه المشكلات تجاهل تأثير "ثبات المقياس" (Measurement Reliability) على حجم الأثر المقدر؛ فالأدوات النفسية التي تعاني من انخفاض الاتساق الداخلي أو ضعف ثبات إعادة الاختبار تؤدي حتماً إلى تضخيم خطأ القياس، مما يزيد اصطناعياً من قيمة الانحراف المعياري ويؤدي بالتبعية إلى تقليص وتوهين قيمة معامل دي المحسوبة (Attenuation of Effect Size).
يكمن التحدي الثاني في التعامل مع البيانات غير الاعتدالية وظاهرة التواء التوزيع؛ تعتمد الصياغة الرياضية لدي لكوهين على افتراض أن البيانات موزعة توزيعاً طبيعياً معتدلاً حول المتوسط، غير أن البيانات النفسية الإكلينيكية غالباً ما تعاني من الالتواء الشديد ووجود القيم الشاذة والمتطرفة (Outliers) الناتجة عن تباين أعراض الاضطراب بين المرضى؛ يؤدي وجود هذه القيم الشاذة إلى تشويه المتوسط والانحراف المعياري، مما ينتج تقديراً مضللاً لقيمة d، ويستلزم في هذه الحالات اللجوء إلى مقاييس حجم الأثر اللامعلمية أو استخدام المتوسطات المشذبة (Trimmed Means).
علاوة على ذلك، يمثل "تحيز النشر" (Publication Bias) خطراً بنيوياً يحيط بتفسير معاملات كوهين في الأدبيات التراكمية؛ فالمجلات العلمية ظلت لعقود تفضل نشر الدراسات ذات التأثيرات الكبيرة والدلالات الإحصائية الباهرة وتهمل الدراسات التي تخلص إلى أحجام أثر صغيرة أو منعدمة؛ يؤدي هذا الفلتر التحريري إلى تشويه صورة الأدبيات العلمية المنشورة وتضخيم قيم دي المتداولة، مما يمنح الممارسين انطباعاً زائفاً بأن التدخلات النفسية تمتلك فاعلية فائقة تفوق واقعها الميداني الحقيقي.
دور معامل دي في التحليل التلوي والتحليل البعدي
لا يمكن استيعاب الأهمية الاستراتيجية لمعامل دي لكوهين بمعزل عن أسلوب التحليل التلوي (Meta-Analysis)، وهو المنهج الرياضي الذي يقوم على دمج وتوليف نتائج عشرات أو مئات الدراسات التجريبية المستقلة للوصول إلى تقدير كلي موحد للظاهرة؛ في هذا الفضاء، يمثل دي لكوهين العملة الموحدة الأساسية التي تلتقي عندها كل المقاييس المتفرقة.
في التحليل التلوي، لا يُعامل كل معامل دي محسوب في دراسة ما على قدم المساواة مع غيره؛ بل يتم تعيين "وزن نسبي" لكل قيمة d يتناسب عكساً مع تباين خطئها المعياري، وهو ما يرتبط مباشرة بحجم عينة الدراسة؛ الدراسات الكبيرة التي تمتلك عينات واسعة تمنح تقديراً دقيقاً لحجم الأثر ويكون خطؤها المعياري صغيراً، وبالتالي تأخذ وزناً أكبر في حساب حجم الأثر الكلي التجميعي، مما يحد من تأثير الدراسات الهامشية التي قد تُظهر قيماً متطرفة بسبب أخطاء المعاينة.
بفضل معامل دي ومقاييس الأثر المشتقة منه، تمكن علماء النفس من حسم جدالات كبرى استمرت لعقود من الزمن؛ فعلى سبيل المثال، أتاح التحليل التلوي الموسع الذي أجراه سميث وشارلوت وزملائهما منذ أواخر السبعينيات الإجابة بدقة عن جدوى العلاج النفسي بوجه عام، كاشفاً عن حجم أثر وسطي تراكمي يقارب (d = 0.85)، وهو ما حسم التشكيك التاريخي الذي أثاره هانز آيزنك حول عدم فاعلية العلاجات النفسية وأثبت للعالم الطبي جدواها العميقة بلغة إحصائية لا تقبل الشك.
توصيات إجرائية للباحثين في العلوم النفسية والاجتماعية
لضمان الاستخدام الرشيد والأخلاقي لمعامل دي لكوهين في البحوث المستقبلية، يتعين على الباحثين وطلبة الدراسات العليا الالتزام بجملة من الإرشادات المنهجية التي تضمن دقة النتائج وقابليتها للتعميم والتراكم العلمي:
- حساب فترات الثقة (Confidence Intervals): يجب ألا يُذكر معامل دي كقيمة نقطية منفردة؛ بل ينبغي أن يترافق دائماً مع فترة ثقة (غالباً 95%) لحجم الأثر؛ تعكس فترة الثقة مدى دقة التقدير الإحصائي؛ فإذا كانت فترة الثقة واسعة للغاية (مثلاً d = 0.60, 95% CI [-0.10, 1.30])، فإن ذلك يكشف عن هشاشة النتائج وعجز العينة عن تقديم تقدير يقيني للأثر، حتى لو كانت النتيجة الظاهرية تبدو كأثر متوسط.
- السياق الميداني المقارن: تجنب التفسير الآلي استناداً لقواعد (0.2، 0.5، 0.8) المجردة؛ ينبغي مقارنة حجم الأثر المكتشف بنتائج الدراسات السابقة في نفس المجال الفرعي الدقيق وباستخدام نفس التدخلات، لمعرفة ما إذا كان الأثر المحقق يمثل إضافة معرفية استثنائية أو تكراراً نمطياً لما هو سائد.
- التصحيح لصالح هيدجز جي في العينات المحدودة: عند العمل مع عينات إكلينيكية نادرة أو مجموعات صغيرة الحجم، يجب تطبيق الصيغة التصحيحية لهيدجز لضمان عدم المبالغة في حجم الأثر وتفادي التفاؤل الإحصائي الزائف.
- الشفافية في الإبلاغ عن الفروض: يجب على الباحث فحص وتوثيق شروط التوزيع الطبيعي وتجانس التباين بين المجموعات قبل الإبلاغ عن قيمة d؛ مع توضيح الصيغة المحددة المستخدمة لحساب الانحراف المعياري المجمع لتمكين الباحثين في التحليلات التلوية اللاحقة من مطابقة البيانات بأمانة علمية.
خاتمة وتأطير تركيبي
في الختام، يمثل معامل دي لكوهين حجر الأساس المعرفي والمنهجي الذي نقل علم النفس من دوامة البحث عن "الدلالة الرقمية الزائفة" إلى رحابة القياس العلمي الدقيق والمستدام؛ إن تحويل الفروق النفسية إلى وحدات انحراف معياري مجردة لم يسهم فقط في حل مشكلات المقارنة بين المقاييس المتنافرة، بل وفر للمجتمع العلمي الأداة التي مكنته من بناء معرفة تراكمية صلبة تمثلت في ازدهار التحليلات التلوية وتطوير معايير الممارسة الإكلينيكية القائمة على الأدلة. ورغم الانتقادات المبررة التي تدعو إلى الحذر في تفسير قيمه المجردة والتحوط من تأثيرات ثبات المقاييس واعتدالية البيانات، فإن الإدراك العميق لدلالات هذا المعامل وتطبيقه المقترن بفترات الثقة يظل شرطاً لا غنى عنه لأي باحث يسعى لتقديم نتاج علمي رصين يتجاوز الشكليات الإحصائية ليلامس حقيقة السلوك الإنساني وأبعاده المتشعبة.
المراجع
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
- Glass, G. V., McGaw, B., & Smith, M. L. (1981). Meta-analysis in social research. SAGE Publications.
- Hedges, L. V., & Olkin, I. (1985). Statistical methods for meta-analysis. Academic Press.
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
- Wilkinson, L., & the Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594