كيفية تفسير معامل كوهين d (مع أمثلة)

تُعد عملية قياس وتفسير الفروق بين المجموعات حجر الزاوية في المنهجية التجريبية المعاصرة، لا سيما في حقول العلوم النفسية، والسلوكية، والتربوية، والطبية. لعقود طويلة، هيمن اختبار الفرضية الصفرية واعتمد الباحثون بصورة شبه حصرية على الدلالة الإحصائية المحسوبة عبر القيمة الاحتمالية للإعلان عن نجاح تجربة ما أو إثبات فعالية تدخل علاجي معين. غير أن هذا الاعتماد الأحادي أفرز مأزقاً منهجياً تجلى في ما يُعرف بأزمة قابلية التكرار، حيث تبين أن تحقيق الدلالة الإحصائية المجردة لا يعني بالضرورة أن النتيجة ذات قيمة حقيقية أو وزن ملموس في الواقع التطبيقي المعاش، خاصة عند التعامل مع عينات ضخمة قادرة على تحويل الفروق الطفيفة إلى نتائج دالة إحصائياً.

من هذا المنطلق، برز مفهوم حجم الأثر (Effect Size) كمعيار كمي موضوعي وموحد يقيس القوة الفعلية للظاهرة محل الدراسة بمعزل عن حجم العينة المستخدمة. ويتربع معامل كوهين d (Cohen’s d) على قمة مقاييس حجم الأثر المستخدمة للمقارنة بين متوسطين، حيث يوفر للباحثين والممارسين لغة إحصائية مشتركة تترجم الفروق الرقمية الخام إلى وحدات قياسية موحدة تعتمد على الانحراف المعياري، مما يتيح تقييم الأثر السريري والتطبيقي للتدخلات ومقارنة الدراسات المتباينة بشكل مباشر ورصين.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفكيك منهجي وتطبيقي متعمق لمعامل كوهين d، بدءاً من جذوره النظرية وأسسه الرياضية، مروراً بقواعد تفسيره الإحصائي والسريري ومقارنته بالمؤشرات الشبيهة، وصولاً إلى تطبيقاته العملية عبر أمثلة إكلينيكية واقعية ودليل صياغته الأكاديمية وفق أحدث معايير الجمعية الأمريكية لعلم النفس (APA). سيمكنك هذا الدليل من تجاوز الفهم الميكانيكي للأرقام نحو قراءة نقدية واعية تعزز من جودة أبحاثك وممارساتك المهنية.

1. مقدمة شاملة حول حجم الأثر ومعامل كوهين d في البحوث النفسية

1.1 مفهوم حجم الأثر وأهميته في القياس النفسي

يُعرف حجم الأثر في أدبيات القياس النفسي والإحصاء الحيوي بأنه مقياس كمي موحد يعكس قوة العلاقة بين متغيرين أو جسامة الفارق بين مجموعتين تجريبيتين أو أكثر. في سياق العلوم النفسية، حيث تتسم الظواهر بالتعقيد وتعدد المحددات وتداخل المتغيرات الوسيطة والمعدلة، يمثل حجم الأثر وسيلة قياس معيارية تحدد المقدار الحقيقي للأثر الذي يحدثه تدخل معين (مثل برنامج علاجي معرفي سلوكي) على متغير تابع محدد (مثل شدة أعراض القلق أو الاكتئاب).

تعود أسباب التحول المنهجي الجذري في علم النفس المعاصر من الاعتماد الحصري على اختبار الفرضية الصفرية (Null Hypothesis Significance Testing – NHST) إلى تقييم حجم الأثر إلى إدراك عميق لقصور الدلالة الإحصائية التقليدية. فالفرضية الصفرية تختبر فقط ما إذا كان الفارق المرصود يختلف عن الصفر باحتمالية محددة، لكنها تعجز تماماً عن توضيح “كم يبلغ هذا الفارق؟”. إن تقييم حجم الأثر ينقل التفكير البحثي من مجرد الإجابة الثنائية البسيطة (نعم يوجد أثر / لا يوجد أثر) إلى تقييم كمي تراتبي يحدد بدقة جدوى هذا الأثر وقيمته الميدانية.

علاوة على ذلك، يمثل حجم الأثر الركيزة الأساسية التي تقوم عليها دراسات التحليل البعدي (Meta-Analysis)، والتي تُعد قمة هرم الأدلة العلمية في الطب النفسي والعلوم السلوكية. يتيح حساب معاملات موحدة مثل كوهين d للباحثين تجميع نتائج مئات الدراسات المستقلة التي استخدمت مقاييس نفسية متباينة لقياس نفس البناء النفسي (Construct)، وتحويلها إلى مقياس مشترك يمكن دمجه وتلخيصه للوصول إلى استنتاجات قاطعة تسهم في حل أزمة التكرار وتوجيه الممارسات المستندة إلى الأدلة.

1.2 نبذة تاريخية عن تطوير جاكوب كوهين لهذا المعامل

تعود الجذور التاريخية لهذا المعامل إلى الإسهامات الفذة لعالم النفس والإحصائي الأمريكي جاكوب كوهين (Jacob Cohen)، لا سيما في كتابه المرجعي الصادر عام 1988 بعنوان Statistical Power Analysis for the Behavioral Sciences. لاحظ كوهين خلال مسيرته الأكاديمية والمهنية أن الباحثين في العلوم السلوكية يعانون من مشكلتين متلازمتين: ضعف القوة الإحصائية للدراسات نتيجة صغر أحجام العينات، والخلط المزمن بين الدلالة الإحصائية والأهمية العملية للنتائج.

ابتكر كوهين المعامل الذي حمل اسمه (Cohen’s d) ليكون معياراً قياسياً معبراً عن الفارق بين متوسطي مجتمعين إحصائيين مقسوماً على الانحراف المعياري المشترك. جاء هذا الابتكار استجابة لحاجة ملحة إلى وجود مقياس خالٍ من وحدات القياس الأصلية (Unit-free Metric)، مما يسمح بمقارنة فعالية علاج تم قياسه بمقياس “هاميلتون للاكتئاب” بفعالية علاج آخر تم قياسه باستخدام “مقياس بيك للاكتئاب”، دون الوقوع في أخطاء تباين وحدات الدرجات الخام.

شهدت العقود اللاحقة تبنياً واسع النطاق لمعامل كوهين d، حيث فرضت المجلات الأكاديمية الرائدة في علم النفس، بتوجيه مباشر من جمعية علم النفس الأمريكية وفرق العمل المعنية بالاستدلال الإحصائي (Task Force on Statistical Inference)، تضمين معاملات حجم الأثر وفترات ثقتها كمتطلب إلزامي لنشر الأوراق البحثية، مما رسخ مكانة هذا المعامل كأداة لا غنى عنها في الترسانة المنهجية للباحث المعاصر.

1.3 مجالات استخدام كوهين d في الدراسات السلوكية والإكلينيكية

يمتد نطاق استخدام معامل كوهين d ليشمل طيفاً واسعاً من التخصصات الفرعية في العلوم السلوكية والطبية. في مجال علم النفس الإكلينيكي والطب النفسي، يُستخدم المعامل كمعيار ذهبي لتقييم فعالية البروتوكولات العلاجية الدوائية والنفسية؛ مثل مقارنة العلاج بالتعرض لمرضى اضطراب ما بعد الصدمة بقائمة الانتظار، أو مقارنة فعالية مضادات الاكتئاب الحديثة بالعلاج الوهمي (Placebo).

في سياق علم النفس المعرفي والتجريبي، يُوظف كوهين d لقياس الفروق الدقيقة في أزمنة الرجع (Reaction Times)، ومستويات الانتباه الانتقائي، وسعة الذاكرة العاملة تحت ظروف تجريبية متباينة (مثل فترات الحرمان من النوم مقابل النوم الطبيعي). يساعد المعامل هنا في تحديد مدى قدرة المتغير المستقل على إحداث تحول حقيقي في المعالجة المعرفية يتجاوز التباين العشوائي المتأصل في الأداء البشري.

كما يحظى المعامل بتطبيقات جوهرية في علم النفس التربوي والتنظيمي. في البيئات التربوية، يُستخدم لتقييم برامج التدخل المبكر لتنمية مهارات القراءة والحساب لدى ذوي صعوبات التعلم. أما في البيئات التنظيمية والصناعية، فيُعتمد عليه لقياس أثر برامج التدريب القيادي، وتدخلات تحسين الرضا الوظيفي، وتعديل سلوكيات السلامة المهنية، مما يمنح متخذي القرار دليلاً كمياً ملموساً يبرر الاستثمار المالي والبشري في تلك البرامج.

2. الفرق الجوهري بين الدلالة الإحصائية (p-value) والدلالة العملية (Cohen’s d)

2.1 قصور القيمة الاحتمالية (p-value) بمفردها

تُعد القيمة الاحتمالية (p-value) من أكثر المفاهيم الإحصائية استخداماً وإساءة للتفسير في آن واحد. تمثل القيمة الاحتمالية احتمالية الحصول على نتائج مساوية في التطرف أو أكثر تطرفاً من النتائج الملاحظة في العينة، بافتراض صحة الفرضية الصفرية تماماً. يكمن القصور الجذري لـ p-value في أنها دالة رياضية مركبة تتأثر بشدة بعاملين متباينين: الحجم الفعلي للأثر في المجتمع، وحجم العينة (N) المستخدمة في الدراسة.

نتيجة لهذه الحساسية المفرطة لحجم العينة، يمكن للباحث الذي يستخدم عينة ضخمة جداً (عشرات الآلاف من الأفراد) أن يحصل على قيمة p دالة إحصائياً بدرجة فائقة (مثل p < 0.0001) لفارق ضئيل وتافه لا يحمل أي معنى واقعي، مثل تحسن في اختبار الذاكرة بمقدار عُشر نقطة من أصل 100 نقطة. على النقيض من ذلك، قد تفشل دراسة إكلينيكية تستخدم عينة صغيرة الحجم في تحقيق الدلالة الإحصائية (p > 0.05) على الرغم من وجود تحسن سريري جوهري وضخم لدى المرضى، مما قد يؤدي إلى إهمال علاج واعد بسبب الوقوع في خطأ من النوع الثاني (Type II Error).

إن الخلط المنهجي بين الدلالة الإحصائية والأهمية السريرية (Clinical Significance) يشكل خطراً حقيقياً على الممارسة المهنية. فالأولى تخبرنا فقط بمدى استبعاد أن تكون الفروق ناتجة عن الصدفة العشوائية، بينما تعجز تماماً عن الإجابة عن التساؤل الحاسم: هل هذا الفارق كبير بما يكفي ليحدث تغييراً ملموساً في حياة المريض أو أداء الطالب؟

2.2 القيمة المضافة لحجم الأثر في التفسير الإحصائي

يقدم حجم الأثر، ولا سيما معامل كوهين d، ميزة منهجية كبرى تتمثل في كونه مقياساً مستقلاً تماماً عن حجم العينة في تقديره النقطي للبارامتر السكاني. إنه يمثل “المسافة المعيارية” بين توزيعين، بغض النظر عما إذا كانت تلك المسافة قد قِيست باستخدام عينة من 20 فرداً أو 20,000 فرد. يحرر هذا الاستقلال الباحث من الخداع البصري الذي تسببه العينات العملاقة أو العينات الصغيرة على حد سواء.

علاوة على ذلك، يوفر كوهين d لغة تواصل قياسية بين التخصصات المتعددة. فعندما ينشر باحث دراسة تشير إلى أن برنامجاً تدريبياً يحقق أثراً قدره d = 0.80، فإن هذا الرقم ينقل مفهوماً محدداً ودقيقاً لأي إحصائي أو ممارس في العالم، مفاده أن متوسط المجموعة التجريبية يبتعد بمقدار ثمانية أعشار انحراف معياري عن المجموعة الضابطة، بصرف النظر عن المقياس النفسي أو الدرجات الخام المستخدمة.

تتجلى القيمة المضافة أيضاً في مساعدة صانعي السياسات وممولي الأبحاث على اتخاذ قرارات رشيدة مبنية على الأدلة المقارنة؛ فإذا كان هناك برنامجان للحد من العنف المدرسي، وكلاهما دال إحصائياً عند p < 0.01، لكن أحدهما يحقق d = 0.20 بينما يحقق الآخر d = 0.70، فإن معامل كوهين يحسم بوضوح أي التدخلين يستحق الاعتماد والتمويل المؤسسي.

2.3 التكامل المنهجي بين p-value وحجم الأثر وفترات الثقة

لا يعني نقد القيمة الاحتمالية التخلي التام عنها، بل يقتضي المنهج العلمي الرصين تحقيق تكامل ثلاثي الأبعاد بين: القيمة الاحتمالية (p-value) لاختبار الفرضية، وحجم الأثر (Cohen’s d) لتقدير جسامة الظاهرة، وفترات الثقة (Confidence Intervals – CIs) لتقييم مدى دقة هذا التقدير وعدم اليقين المحيط به.

تمثل فترة الثقة لحجم الأثر (عادة 95% CI) نطاقاً من القيم التي يُتوقع أن يقع داخلها حجم الأثر الحقيقي في المجتمع بدرجة يقين 95%. إن تضمين فترات الثقة يمنع التفسير المضلل لحجم الأثر المعتمد على نقطة تقديرية واحدة؛ فالحصول على d = 0.60 مع فترة ثقة واسعة تتراوح بين [0.05, 1.15] يشير إلى ضعف الدقة الإحصائية الناتجة عن صغر العينة، في حين أن الحصول على d = 0.60 مع فترة ثقة ضيقة تتراوح بين [0.52, 0.68] يعكس تقديراً بالغ الدقة والموثوقية.

يمثل هذا النموذج الثلاثي المعيار المعتمد حالياً في المجلات المحكمة ذات معامل التأثير العالي. فهو يتيح للقارئ التحقق من: 1) استبعاد عامل الصدفة، 2) الحجم العملي للفارق، 3) مدى استقرار النتيجة وقابليتها للتعميم على المجتمع الإحصائي الأوسع.

3. المعادلة الرياضية لحساب كوهين d والمكونات الإحصائية المرتبطة بها

3.1 الصيغة الحسابية الكلاسيكية لعينة مستقلة

تعتمد المعادلة الكلاسيكية لمعامل كوهين d في تصاميم المجموعات المستقلة (Independent Samples) على حساب الفارق المطلق أو الموجه بين متوسطي مجموعتين مقسوماً على الانحراف المعياري المجمع (Pooled Standard Deviation). تُكتب الصيغة الرياضية الأساسية كما يلي:

d = (M₁ – M₂) / s_pooled

حيث يمثل M₁ المتوسط الحسابي للمجموعة الأولى (المجموعة التجريبية عادةً)، ويمثل M₂ المتوسط الحسابي للمجموعة الثانية (المجموعة الضابطة أو المقارنة)، بينما يمثل s_pooled الانحراف المعياري المجمع الذي يعبر عن التشتت المشترك للبيانات حول المتوسطات داخل كلتا المجموعتين.

يعمل البسط (M₁ – M₂) على تحديد المسافة الخطية الخام بين قمتي توزيع المجموعتين، بينما يقوم المقام (s_pooled) بدور وحدة القياس المعيارية (Standardizer). من خلال هذه القسمة، يتم التخلص نهائياً من وحدات القياس الأصلية (مثل النقاط، أو الثواني، أو الملغرامات)، وتتحول النتيجة إلى مقياس بعدي خالص يعبر عن عدد وحدات الانحراف المعياري الفاصلة بين المجموعتين.

3.2 طريقة حساب الانحراف المعياري المجمع (Pooled SD)

يُمثل الانحراف المعياري المجمع (s_pooled) المتوسط الموزون للتباينات داخل المجموعتين، وهو يأخذ في الاعتبار حجم كل عينة ودرجات حريتها المرتبطة بها. يُحسب التباين المجمع (s²_pooled) للعينات المستقلة عبر المعادلة المرجعية التالية:

s²_pooled = [ (n₁ – 1)s₁² + (n₂ – 1)s₂² ] / (n₁ + n₂ – 2)

حيث n₁ و n₂ هما حجما العينتين، و s₁² و s₂² هما تباينا المجموعتين الأولى والثانية على التوالي. للحصول على الانحراف المعياري المجمع (s_pooled)، يتم ببساطة أخذ الجذر التربيعي الموجب للقيمة الناتجة:

s_pooled = √( s²_pooled )

في الحالات الخاصة التي يتساوى فيها حجما العينتين تماماً (n₁ = n₂)، تتبسط المعادلة الرياضية لتصبح المتوسط الحسابي البسيط للتباينين تحت الجذر التربيعي:

s_pooled = √[ (s₁² + s₂²) / 2 ]

يضمن استخدام الأوزان الترجيحية المعتمدة على درجات الحرية (n – 1) عدم انحياز التقدير نحو المجموعة ذات التشتت الأكبر في حال كانت أحجام العينات غير متكافئة، مما يوفر تقديراً غير متحيز للتباين المشترك في المجتمع الإحصائي الخاضع للافتراض البارامتري بتجانس التباين.

3.3 حساب كوهين d للعينات المترابطة (Paired/Within-subjects)

في تصاميم القياسات المتكررة (Repeated Measures) وتصاميم القياس القبلي والبعدي للمجموعة الواحدة (Pre-test / Post-test Designs)، تترابط الدرجات بين شقي القياس بسبب صدورها عن الأفراد أنفسهم. هناك مقاربتان رياضيتان رئيسيتان لحساب كوهين d في هذا السياق، ويجب التمييز بينهما بحذر شديد:

المقاربة الأولى (كوهين d للفروق – d_z): تستخدم الانحراف المعياري لدرجات الفروق الفردية (s_diff) كمقام للمعادلة:

d_z = M_diff / s_diff = t / √(n)

تُعد هذه الصيغة مفيدة للغاية في حساب القوة الإحصائية الخاصة باختبار t للعينات المترابطة، لكنها تضخم قيمة حجم الأثر الاصطلاحي إذا كان الارتباط بين القياس القبلي والبعدي موجباً ومرتفعاً، مما يجعل مقارنتها بدراسات المجموعات المستقلة مضللة.

المقاربة الثانية (كوهين d المصحح بالارتباط – d_rm أو كوهين d المعياري الكلاسيكي d_av): لضمان قابلية المقارنة مع تصاميم المجموعات المستقلة، اقترح كوهين وعلماء التحليل التلوي ضبط الانحراف المعياري باستخدام معامل الارتباط (r) بين القياسين عبر المعادلة:

s_diff = √[ s_pre² + s_post² – 2r(s_pre)(s_post) ]

أو استخدام متوسط الانحرافين المعياريين للقياسين القبلي والبعدي كمقام (s_av = √[(s_pre² + s_post²)/2])، وهو الخيار الأنسب عند الرغبة في إدراج نتائج الدراسات داخل تحليلات تلوية شاملة تضم تصاميم تجريبية متباينة.

4. القواعد المعيارية الأكاديمية لتفسير قيم كوهين d

4.1 تصنيفات جاكوب كوهين الثلاثية الأساسية

وضع جاكوب كوهين عام 1988 قواعد إرشادية عامة (Heuristic Benchmarks) لتفسير جسامة قيم d في البحوث النفسية والتربوية، وقسمها إلى ثلاثة مستويات تقليدية أصبحت المرجع الأكثر شيوعاً في الأدبيات الإحصائية:

• أثر صغير (Small Effect: d = 0.20): يمثل فارقاً حقيقياً لكنه طفيف، يصعب تمييزه بمجرد الملاحظة السريرية المباشرة دون أدوات قياس دقيقة ومقننة. يعبر عن الظواهر النفسية المعقدة التي تتأثر بمئات المتغيرات المستقلة، مثل الفروق الطفيفة في سمات الشخصية أو الفروق بين الجنسين في بعض القدرات المعرفية المحددة.
• أثر متوسط (Medium Effect: d = 0.50): يمثل فارقاً مرئياً وواضحاً للعين المجردة للباحث أو الممارس الخبير في الميدان. يعكس هذا الحجم التأثير النموذجي للعديد من البرامج التدريبية الموجهة، والتدخلات النفسية القياسية، والتجارب المعرفية المعتدلة الشدة.
• أثر كبير (Large Effect: d = 0.80 فما فوق): يمثل فارقاً جسيماً وبارزاً بوضوح لأي مراقب عادي، حتى دون خلفية إحصائية متخصصة. يشير إلى نجاح قاطع لبرنامج تدخلي جذري، أو فروق تمايزية جوهرية بين مجموعات سريرية مشخصة ومجموعات سوية (مثل الفارق في مقاييس الذهان بين مرضى الفصام والأفراد الأصحاء).

4.2 التصنيفات الإضافية للقيم الشديدة والصغيرة جداً

مع تطور حركة التحليل البعدي وظهور دراسات تجريبية فائقة الدقة وأخرى معتمدة على قواعد بيانات ضخمة (Big Data)، وسّع علماء الإحصاء التطبيقي (مثل Sawilowsky, 2009) تصنيفات كوهين لتشمل نطاقات إضافية تلبي الحاجة لوصف القيم الشديدة والتأثيرات متناهية الصغر:

• أثر ضئيل جداً / مهمل (Very Small / Trivial: d < 0.20): يظهر غالباً في الدراسات المسحية الضخمة أو الدراسات الوراثية السلوكية؛ حيث تسهم الأليلات الجينية الفردية بتأثيرات طفيفة جداً (d &approx; 0.05 إلى 0.10) تتطلب مئات الآلاف من المشاركين لاكتشافها.
• أثر كبير جداً (Very Large: d = 1.20 إلى 1.50): يُرصد هذا الحجم في التدخلات الإكلينيكية المكثفة والفردية، مثل استخدام العلاج المعرفي السلوكي المركّز لحالات الرهاب النوعي المحدد، حيث يؤدي التدخل إلى زوال شبه كامل للأعراض لدى معظم أفراد العينة التجريبية مقارنة بالضابطة.
• أثر هائل (Huge Effect: d ≥ 2.0): يندر حدوث هذا الحجم في البحوث السلوكية والنفسية العامة ما لم تكن هناك فروق فسيولوجية قطعية أو أخطاء منهجية جسيمة. إذا ظهرت قيمة d ≥ 2.0 في دراسة نفسية، فيجب على الباحث فحص البيانات بدقة لاستبعاد عوامل التلوث التجريبي (Experimental Artifacts)، أو تحيز الاختيار، أو تسرب المتغيرات المستقلة إلى المجموعات الضابطة.

4.3 المرونة المنهجية وضرورة ربط التفسير بالسياق التخصصي

حذر جاكوب كوهين نفسه بشدة في مؤلفاته من التحول إلى “التفسير الميكانيكي الأعمى” لتلك العتبات الرقمية، مؤكداً أنها وُضعت لتكون مجرد مؤشرات استرشادية عامة في غياب أي سياق سابق. تتطلب الممارسة المنهجية الاحترافية ربط تفسير حجم الأثر بطبيعة المتغير، والتكلفة الاقتصادية، والخطورة الإكلينيكية، والأدبيات التراكمية في المجال التخصصي الدقيق.

على سبيل المثال، في أبحاث الوقاية من الانتحار أو برامج الحد من حوادث المرور الناجمة عن تعاطي الكحول، يُعد تحقيق حجم أثر “صغير” بمعايير كوهين (d = 0.15 أو 0.20) إنجازاً طبياً وإنسانياً هائلاً ينقذ آلاف الأرواح عند تطبيقه على المستوى الوطني الشامل. في المقابل، إذا طُوّر برنامج علاجي جديد لمرض الاكتئاب بتكلفة مالية باهظة وأعراض جانبية جسيمة، ولم يحقق سوى حجم أثر قدره d = 0.30 مقارنة بالعلاجات التقليدية الرخيصة، فإن هذا الأثر يُعتبر هزيلاً وغير مبرر للتطبيق السريري على الرغم من دلالته الإحصائية.

لذا، فإن القاعدة الذهبية في التفسير تقضي بمقارنة قيمة d المحسوبة بمتوسط أحجام الأثر المستخرجة من الدراسات التلوية السابقة في نفس المجال البحثي المحدد، وليس فقط الاكتفاء بالعتبات المجردة (0.2، 0.5، 0.8).

5. تفسير كوهين d من منظور الانحرافات المعيارية ومواقع المتوسطات

5.1 المعنى الحرفي لقيمة d كوحدات انحراف معياري

يمثل التفسير الهندسي والإحصائي المباشر لمعامل كوهين d المسافة المعيارية بين متوسطي المجموعتين معبراً عنها بوحدات الانحراف المعياري للمجتمع. فعندما نصل إلى نتيجة مفادها أن d = 1.0، فإن المعنى الرياضي الدقيق هو أن متوسط المجموعة التجريبية يقع بالضبط على بعد انحراف معياري كامل (1 SD) أعلى من متوسط المجموعة الضابطة.

بالمثل، إذا كانت d = 0.50، فهذا يعني أن الفارق بين المركزين الهندسيين لمنحنيي التوزيع الطبيعي للمجموعتين يعادل نصف انحراف معياري (0.5 SD). يسمح هذا التفسير الحرفي للباحثين بتخيل مقدار الإزاحة التي أحدثها التدخل التجريبي في بنية المجتمع المستهدف؛ فكلما ازدادت قيمة d، تباعد المنحنيان الطبيعيان وتقلصت مساحة التطابق بينهما، مما يشير إلى تحول شامل في أداء المجموعة التجريبية مقارنة بنظيرتها الضابطة.

5.2 تفسير موقع الفرد المتوسط في المجموعة التجريبية مقارنة بالضابطة

من أكثر الطرق بلاغة في توضيح معنى كوهين d للجمهور الأكاديمي والمهني تحويل قيمة d إلى رتب مئينية (Percentile Ranks) توضح موقع الفرد العادي (المتوسط) في المجموعة التجريبية بالنسبة لجميع أفراد المجموعة الضابطة، استناداً إلى خصائص التوزيع الاعتدالي المعياري:

• عندما تكون d = 0.0: ينطبق التوزيعان تماماً، ويقع الفرد المتوسط في المجموعة التجريبية عند المئين الخمسين (50%) للمجموعة الضابطة، أي أنه يتفوق فقط على 50% من أفراد المجموعة الضابطة (موقف التكافؤ التام وعدم وجود أي أثر).
• عندما تكون d = 0.20: يرتفع الفرد المتوسط في المجموعة التجريبية إلى المئين 58 تقريباً من توزيع المجموعة الضابطة (يتجاوز 58% من أفراد المجموعة الضابطة).
• عندما تكون d = 0.50: يرتفع الفرد المتوسط في المجموعة التجريبية إلى المئين 69 تقريباً من توزيع المجموعة الضابطة، وهي قفزة ملحوظة تعكس تفوق الشخص العادي المعالج على أكثر من ثلثي أفراد المجموعة غير المعالجة.
• عندما تكون d = 0.80: يصل الفرد المتوسط إلى المئين 79 من المجموعة الضابطة.
• عندما تكون d = 1.00: يقفز الفرد المتوسط في المجموعة التجريبية إلى المئين 84.1 من توزيع المجموعة الضابطة، مما يعني أن 16% فقط من أفراد المجموعة الضابطة يحققون أداءً يضاهي أو يفوق متوسط المجموعة المعالجة.
• عندما تكون d = 2.00: يصل الفرد المتوسط إلى المئين 97.7، مما يوضح عزلاً شبه كامل للأداء بين المجموعتين.

5.3 دلالة الإشارة الجبرية الموجبة والسالبة في قيمة d

تحدد الإشارة الجبرية لمعامل كوهين d اتجاه الفارق الإحصائي، وتعتمد كلياً على ترتيب المجموعات في بسط المعادلة (M₁ – M₂). الإشارة في حد ذاتها ليست حكماً قيمياً على نجاح التدخل أو فشله، بل تعبير عن العلاقة الرياضية بين المتوسطين وطبيعة المتغير المقاس:

في الحالات التي يقيس فيها المتغير السلوكي سمة مرغوبة (مثل التحصيل الدراسي، جودة الحياة، أو سعة الذاكرة)، ويتم وضع المجموعة التجريبية أولاً (M_Exp – M_Ctrl)، فإن القيمة الموجبة لـ d تعني نجاح التدخل في رفع مستوى السمة المستهدفة. أما إذا أفرزت المعادلة قيمة سالبة، فهذا يعني أن المجموعة التجريبية تراجعت مقارنة بالضابطة.

على العكس تماماً، عندما يقيس المتغير السلوكي أعراضاً مرضية غير مرغوبة (مثل شدة الاكتئاب، نوبات الهلع، أو معدل ارتكاب الأخطاء)، فإن الهدف الإكلينيكي هو خفض تلك الدرجات. إذا طُرح متوسط القياس البعدي من القبلي (M_Post – M_Pre)، فإن القيمة السالبة لـ d (مثلاً d = -0.75) تمثل دليلاً إيجابياً قاطعاً على انخفاض الأعراض المرضية بمقدار ثلاثة أرباع انحراف معياري. لذلك، يجب على الباحث دائماً توضيح اتجاه الطرح المستخدم لضمان التفسير المنهجي السليم.

6. تفسير كوهين d عبر مقاييس التداخل الإحصائي ومؤشرات كوهين U

6.1 مؤشر كوهين U3 ونسبة التفوق التراكمي

طوّر جاكوب كوهين ثلاثة مؤشرات بيانية وحسابية للتداخل (Cohen’s Measures of Overlap: U₁, U₂, U₃) لتسهيل الفهم البصري والاحتمالي لقيم حجم الأثر. يُعد مؤشر Cohen’s U₃ الأكثر استخداماً وانتشاراً في التقارير الإكلينيكية والتربوية.

يُعرف مؤشر U₃ بأنه النسبة المئوية لأفراد المجموعة التجريبية (المجموعة الأولى) الذين تتجاوز درجاتهم متوسط المجموعة الضابطة (المجموعة الثانية). في ظل افتراض اعتدالية التوزيع وتساوي التباين، يمكن حساب U₃ مباشرة بتحويل قيمة d إلى الدرجة المعيارية المقابلة (z) واستخراج المساحة تحت المنحنى التراكمي:

• إذا كانت d = 0.0 ← فإن U₃ = 50.0% (نصف المجموعة التجريبية فقط أعلى من متوسط المجموعة الضابطة).
• إذا كانت d = 0.2 ← فإن U₃ = 57.9% من المجموعة التجريبية يتجاوزون متوسط الضابطة.
• إذا كانت d = 0.5 ← فإن U₃ = 69.1% من المجموعة التجريبية يتجاوزون متوسط الضابطة.
• إذا كانت d = 0.8 ← فإن U₃ = 78.8% من المجموعة التجريبية يتجاوزون متوسط الضابطة.
• إذا كانت d = 1.0 ← فإن U₃ = 84.1% من المجموعة التجريبية يتجاوزون متوسط الضابطة.
• إذا كانت d = 1.5 ← فإن U₃ = 93.3% من المجموعة التجريبية يتجاوزون متوسط الضابطة.

يوفر مؤشر U₃ أداة تواصل استثنائية مع الأفراد غير المتخصصين في الإحصاء؛ إذ يسهل على المريض أو مدير المؤسسة فهم عبارة: “إن 79% من المرضى الذين تلقوا هذا البرنامج العلاجي حققوا نتائج أفضل من المريض المتوسط الذي لم يتلقَّ العلاج”، بدلاً من مجرد إخباره بأن قيمة “d = 0.8″.

6.2 نسبة عدم التداخل بين التوزيعين (Percentage of Non-Overlap)

يعبر التوزيعان التكراريان للمجموعتين التجريبية والضابطة عن مساحتين هندسيتين تتداخلان وتتقاطعان بناءً على مقدار التقارب أو التباعد بين المتوسطين ومقدار التشتت. يُقاس التباعد بينهما من خلال مؤشر نسبة عدم التداخل (Percentage of Non-Overlap – U₁):

عندما تكون d = 0.0، يكون التداخل بين التوزيعين تاماً بنسبة 100%، وتكون نسبة عدم التداخل مساوية لـ 0.0%. ومع تباعد المتوسطين وزيادة قيمة d، تنفصل المساحتان تدريجياً وفق النسب الهندسية المعيارية الموضحة أدناه:

• عند d = 0.2: تبلغ نسبة عدم التداخل حوالي 14.7% فقط، بينما تتداخل المجموعتان بنسبة 85.3%، مما يوضح سبب صعوبة ملاحظة الأثر الصغير في العينات الفردية المحدودة.
• عند d = 0.5: ترتفع نسبة عدم التداخل إلى حوالي 33.0% (تداخل بنسبة 67.0%).
• عند d = 0.8: تصل نسبة عدم التداخل إلى 47.4% (تداخل بنسبة 52.6%).
• عند d = 1.0: تصل نسبة عدم التداخل إلى 55.4%، أي أن أكثر من نصف المساحة الكلية للتوزيعين أصبح منفصلاً تماماً.
• عند d = 1.4: تصل نسبة عدم التداخل إلى 68.1%.
• عند d = 2.0: تتجاوز نسبة عدم التداخل 81.1%، مما يعكس انفصالاً شبه كلي بين خصائص المجموعتين.

6.3 احتمالية التفوق الإحصائي (Probability of Superiority / Common Language Effect Size)

يُعد مؤشر احتمالية التفوق (Probability of Superiority – PS)، والمعروف أيضاً بمقياس حجم الأثر باللغة المشتركة (Common Language Effect Size – CLES) الذي ابتكره ماكجرو وونغ (McGraw & Wong, 1992)، من أكثر الأساليب التفسيرية جاذبية وسلاسة في الممارسات الإكلينيكية والطبية المبنية على البراهين.

يُجيب مؤشر CLES عن التساؤل المباشر التالي: “إذا اخترنا عشوائياً فرداً واحداً من المجموعة التجريبية وفرداً آخر من المجموعة الضابطة، فما هي احتمالية أن يحصل فرد المجموعة التجريبية على درجة أعلى من فرد المجموعة الضابطة؟”. يتم التحويل الرياضي من كوهين d إلى CLES عبر المعادلة القائمة على التوزيع الطبيعي التراكمي: Φ(d / √2).

تتوزع احتمالات التفوق تبعاً لقيم d على النحو التالي:

• عند d = 0.0 ← احتمالية التفوق هي 50% (فرصة متكافئة تشبه رمي العملة النقدية).
• عند d = 0.2 ← احتمالية التفوق هي 56% تقريباً.
• عند d = 0.5 ← احتمالية التفوق هي 64%.
• عند d = 0.8 ← احتمالية التفوق هي 71% (هناك فرصة تزيد عن 7 من كل 10 أن يتفوق مريض العلاج الجديد على مريض العلاج التقليدي عند مقارنة أزواج عشوائية).
• عند d = 1.0 ← احتمالية التفوق ترتفع إلى 76%.
• عند d = 1.5 ← احتمالية التفوق تصل إلى 86%.
• عند d = 2.0 ← احتمالية التفوق تبلغ 92%.

يوفر هذا المؤشر طريقة واضحة لعرض نتائج التدخلات الطبية والنفسية للأطباء والمرضى، إذ يترجم المفاهيم الإحصائية المعقدة إلى احتمالات واضحة ومباشرة تساعد في اتخاذ القرارات العلاجية المشتركة.

7. أمثلة تطبيقية شاملة على حساب وتفسير كوهين d في علم النفس الإكلينيكي

7.1 مثال 1: تقييم فعالية برنامج علاج سلوكي معرفي لتقليل الاكتئاب

أجرى فريق بحثي إكلينيكي تجربة عشوائية محكومة (RCT) لتقييم فعالية بروتوكول علاج سلوكي معرفي مكثف (CBT) عبر الإنترنت لتخفيف أعراض الاكتئاب الجسيم لدى عينة من البالغين. تم توزيع المشاركين عشوائياً على مجموعتين: مجموعة تلقت بروتوكول CBT (المجموعة التجريبية: n₁ = 40)، ومجموعة وُضعت على قائمة الانتظار الممتدة (المجموعة الضابطة: n₂ = 40). في ختام فترة التدخل، خضع جميع المشاركين لمقياس بيك للاكتئاب – الإصدار الثاني (BDI-II)، حيث تشير الدرجات المرتفعة إلى شدة أعلى للاكتئاب. جاءت البيانات الوصفية كالتالي:

• المجموعة التجريبية (CBT): n₁ = 40، المتوسط M₁ = 14.50، الانحراف المعياري s₁ = 5.20
• المجموعة الضابطة (قائمة الانتظار): n₂ = 40، المتوسط M₂ = 20.80، الانحراف المعياري s₂ = 6.10

خطوات الحساب الرياضي:

1. حساب الفرق بين المتوسطين: M₁ – M₂ = 14.50 – 20.80 = -6.30 (انخفاض بمقدار 6.30 درجات لصالح مجموعة العلاج المعرفي السلوكي).

2. حساب التباين المجمع (s²_pooled) بما أن حجم العينتين متساوٍ (n₁ = n₂ = 40):

s²_pooled = [ (5.20)² + (6.10)² ] / 2 = [ 27.04 + 37.21 ] / 2 = 64.25 / 2 = 32.125

3. حساب الانحراف المعياري المجمع (s_pooled):

s_pooled = √(32.125) &approx; 5.668

4. حساب كوهين d:

d = -6.30 / 5.668 &approx; -1.11 (أو كقيمة مطلقة: |d| = 1.11)

التفسير الإحصائي والسريري:

تُظهر القيمة الناتجة (d = -1.11) حجماً أثرياً كبيراً جداً يقع فوق عتبة الأثر الكبير (0.80) ويقترب من الأثر البالغ القوة. من الناحية السريرية، يعني هذا أن برنامج CBT عبر الإنترنت أحدث إزاحة إيجابية خافضة لأعراض الاكتئاب بمقدار 1.11 انحراف معياري مقارنة بقائمة الانتظار. استناداً إلى مؤشر U₃، فإن حوالي 86.6% من المرضى في مجموعة العلاج المعرفي السلوكي أصبحت درجات اكتئابهم أقل من متوسط درجات المجموعة غير المعالجة. كما تبلغ احتمالية التفوق (CLES) ما يقارب 78.4%، مما يبرهن على الفعالية السريرية العالية للبرنامج وقيمته التطبيقية الممتازة في بيئات الصحة النفسية المجتمعية.

7.2 مثال 2: دراسة الفروق في مستويات القلق بين الذكور والإناث

قام باحث في علم النفس الاجتماعي بدراسة استقصائية لفحص الفروق بين الجنسين في سمة القلق العامة (Trait Anxiety) باستخدام مقياس سبيرلبرغر لحالة وسمة القلق (STAI-T). تم سحب عينة عشوائية غير متكافئة الحجم ضمت 120 أنثى و80 ذكراً من طلبة الجامعة. جاءت النتائج كما يلي:

• مجموعة الإناث: n₁ = 120، M₁ = 42.60، s₁ = 8.40
• مجموعة الذكور: n₂ = 80، M₂ = 40.10، s₂ = 9.10

خطوات الحساب الرياضي:

1. حساب الفرق بين المتوسطين: M₁ – M₂ = 42.60 – 40.10 = 2.50 درجة.

2. حساب التباين المجمع باستخدام الصيغة الموزونة لأحجام العينات غير المتساوية:

s²_pooled = [ (120 – 1)(8.40)² + (80 – 1)(9.10)² ] / (120 + 80 – 2)

s²_pooled = [ 119(70.56) + 79(82.81) ] / 198 = [ 8396.64 + 6541.99 ] / 198 = 14938.63 / 198 &approx; 75.448

3. استخراج الانحراف المعياري المجمع:

s_pooled = √(75.448) &approx; 8.686

4. حساب كوهين d:

d = 2.50 / 8.686 &approx; 0.288 (تقريباً d = 0.29)

التفسير الإحصائي والسريري:

يُصنف حجم الأثر المحسوب (d = 0.29) ضمن نطاق الأثر الصغير (Small Effect)، حيث يقع قريباً من عتبة 0.20 وأقل بكثير من عتبة الأثر المتوسط (0.50). على الرغم من أن هذا الفارق قد يكون دالاً إحصائياً عند مستوى p < 0.05 نظراً لحجم العينة الكلي (N = 200)، إلا أن التحليل المعياري لحجم الأثر يكشف أن الفروق بين الجنسين في سمة القلق هي فروق طفيفة للغاية في الواقع العملي.

تبلغ نسبة عدم التداخل بين توزيعي الذكور والإناث حوالي 19% فقط، مما يعني أن هناك تداخلاً هائلاً يتجاوز 80% في مستويات القلق بين الجنسين. وبالتالي، يمنع هذا التفسير الباحث من إطلاق تعميمات نمطية مضللة تزعم وجود فروق حاسمة في القلق تعزى للجنس، ويؤكد أن الفروق الفردية داخل نفس الجنس أوسع وأهم بكثير من الفروق بين الجنسين كفئتين مجردتين.

7.3 مثال 3: تجربة مختبرية لتحسين سعة الذاكرة العاملة باستخدام تدريب محوسب

في مختبر علم النفس العصبي المعرفي، خضعت عينة من 25 طالباً جامعياً لبرنامج تدريبي محوسب مكثف يعتمد على مهام “N-Back” التكيفية لتدريب الذاكرة العاملة لمدة 6 أسابيع. تم قياس سعة الذاكرة العاملة لدى كل مشارك قبل التدريب (Pre-test) وبعد التدريب مباشرة (Post-test) باستخدام مقياس مصفوفات الأرقام المعياري. أسفرت التجربة عن النتائج الآتية:

• القياس القبلي (Pre): M_pre = 8.20، s_pre = 1.80
• القياس البعدي (Post): M_post = 10.60، s_post = 1.95
• معامل الارتباط بين القياسين القبلي والبعدي: r = 0.68
• متوسط الفروق الفردية: M_diff = 2.40، والانحراف المعياري لدرجات الفروق: s_diff = 1.51

خطوات الحساب الرياضي:

لحساب كوهين d لتصميم القياسات المتكررة بصيغة قابلة للمقارنة مع الدراسات المستقلة (Cohen’s d_av):

1. حساب الانحراف المعياري لمتوسط التباينين:

s_av = √[ ((1.80)² + (1.95)²) / 2 ] = √[ (3.24 + 3.8025) / 2 ] = √(3.521) &approx; 1.876

2. حساب معامل كوهين d_av:

d_av = (10.60 – 8.20) / 1.876 = 2.40 / 1.876 &approx; 1.28

3. لحساب كوهين d الخاص بدرجات الفروق (d_z المستخدم في حسابات القوة الإحصائية):

d_z = M_diff / s_diff = 2.40 / 1.51 &approx; 1.59

التفسير والتحليل الموسع:

تُظهر القيمة المعيارية (d_av = 1.28) حجماً أثرياً كبيراً جداً (Very Large Effect)، مما يشير إلى أن التدريب المعرفي المحوسب نجح في تحسين سعة الذاكرة العاملة بمقدار يتجاوز انحرافاً معيارياً وربعاً. يمثل هذا التحسن قفزة نوعية في الأداء المعرفي للطلاب. عند حساب فترة الثقة 95% المصاحبة لهذا التقدير النقطي (95% CI [0.82, 1.74])، نلاحظ أن الحد الأدنى لفترة الثقة يقع أعلى من 0.80، مما يمنح الفريق البحثي ثقة ويقيناً إحصائياً عالياً بأن الأثر الإيجابي الحقيقي في المجتمع هو أثر كبير، وليس مجرد طفرة عشوائية عابرة في العينة.

8. العوامل الإحصائية والمنهجية المؤثرة في دقة واستقرار كوهين d

8.1 افتراض اعتدالية التوزيع وتجانس التباين (Homoscedasticity)

يستند الحساب البارامتري الكلاسيكي لمعامل كوهين d إلى افتراضين أساسيين يشتركان مع اختبار t للعينات المستقلة: التوزيع الطبيعي (Normality) للدرجات في كلا المجتمعين، وتجانس التباين (Homogeneity of Variance) بين المجموعتين.

عندما تتعرض البيانات لالتواء إحصائي حاد (Severe Skewness) أو تفرطح شاذ (Extreme Kurtosis) نتيجة وجود درجات متطرفة (Outliers) أو أرضية وسقف المقياس (Floor & Ceiling Effects)، يفقد المتوسط الحسابي والانحراف المعياري كفاءتهما في تمثيل النزعة المركزية والتشتت، مما يقود إلى تضخيم زائف أو تقليص حاد في قيمة d المحسوبة.

كذلك، إذا انتهك شرط تجانس التباين (مثل أن يكون تباين المجموعة التجريبية أربعة أضعاف تباين الضابطة، s₁² = 4s₂²)، فإن الانحراف المعياري المجمع (s_pooled) يصبح رقماً مشوهاً لا يعبر عن أي من المجموعتين بصورة دقيقة. في مثل هذه الحالات المنهجية، يُوصى باللجوء إلى البدائل اللابارامترية لأحجام الأثر (مثل Cliff’s Delta أو تحويل Rank-Biserial Correlation) أو استخدام نماذج الانحراف المعياري المقاوم للقيم الشاذة (Robust Effect Sizes المعتمدة على Winsorized Means).

8.2 تحيز العينات الصغيرة وتضخيم حجم الأثر

من الحقائق الإحصائية الراسخة أن معامل كوهين d يُعد مقدراً غير متحيز في العينات اللانهائية، لكنه يعاني من تحيز إيجابي منهجي متأصل (Positive Bias) عند تطبيقه على العينات الصغيرة (خاصة عندما يكون حجم العينة الكلي N < 20 في كل مجموعة). يميل المعامل في العينات الصغيرة إلى المبالغة في تقدير حجم الأثر الحقيقي في المجتمع، حيث يظهر الأثر أكبر مما هو عليه في الواقع.

يرتبط هذا التحيز الإحصائي بظاهرة “لعنة الفائز” (Winner’s Curse) في البحث العلمي وتحيز النشر (Publication Bias)؛ فالدراسات ذات العينات الصغيرة التي تظهر أحجام أثر ضخمة بمحض الصدفة هي التي تحقق الدلالة الإحصائية وتنجح في النشر، بينما تختفي الدراسات ذات الأحجام المنطقية في “أدراج المكاتب” (File Drawer Problem).

للتغلب على هذا القصور الرياضي الحتمي في العينات الصغيرة، يجب تطبيق معامل التصحيح الخاص بـ “لاري هيدجز” لتحويل كوهين d إلى مقياس غير متحيز يُعرف بـ Hedges’ g، والذي سنتناوله بالتفصيل في القسم اللاحق.

8.3 ثبات أدوات القياس النفسي وتأثير الخطأ القياسي

تفترض النظرية الكلاسيكية في القياس النفسي (Classical Test Theory – CTT) أن الدرجة الملاحظة (Observed Score) تتكون من الدرجة الحقيقية (True Score) مضافاً إليها خطأ القياس العشوائي (Measurement Error). كلما انخفض معامل ثبات الأداة النفسية (Reliability – مثل معامل ألفا كرونباخ α أو أوميغا ماكدونالد ω)، ازداد تباين الخطأ العشوائي، مما يؤدي تلقائياً إلى تضخيم الانحراف المعياري الملاحظ في المقام.

يترتب على زيادة المقام تراجع مباشر وقسري في قيمة معامل كوهين d المرصود تجريبياً مقارنة بحجم الأثر الحقيقي الكامن؛ وتُعرف هذه الظاهرة المنهجية بـ توهين حجم الأثر (Attenuation of Effect Size). فعلى سبيل المثال، إذا كان الأثر الحقيقي في المجتمع هو d = 0.80، لكن الباحث استخدم مقياساً ضعيف الثبات (معامل ثباته r_xx = 0.50)، فإن معامل كوهين المرصود في العينة سينخفض إلى قرابة d &approx; 0.56 فقط.

لحساب حجم الأثر الحقيقي المصحح من خطأ القياس، اقترح علماء القياس صيغة تصحيح التوهين (Correction for Attenuation):

d_corrected = d_observed / √(r_xx)

تؤكد هذه الحقيقة الرياضية أنه لا يمكن تفسير كوهين d بدقة إلا من خلال تقييم الكفاءة السيكومترية لأدوات القياس المستخدمة في جمع البيانات.

9. مقارنة معامل كوهين d بمقاييس حجم الأثر الأخرى في العلوم السلوكية

9.1 مقارنة كوهين d بمعامل هيدجز جي (Hedges’ g)

يمثل معامل هيدجز جي (Hedges’ g) البديل المصحح والمباشر لمعامل كوهين d. طور الإحصائي لاري هيدجز (Larry Hedges, 1981) معامل تصحيح حسابي يقوم بإزالة التحيز الإيجابي من كوهين d في العينات الصغيرة والمتوسطة من خلال ضرب قيمة d في عامل تصحيح تنازلي (J) يعتمد على درجات الحرية الكلية (df = N – 2):

J = 1 – [ 3 / (4df – 1) ] = 1 – [ 3 / (4(n₁ + n₂) – 9) ]

g = d × J

في العينات الكبيرة (مثلاً N > 100)، يقترب عامل التصحيح J من الواحد الصحيح (J &approx; 0.992)، وتتطابق قيمتا d و g عملياً. أما في العينات الصغيرة (مثلاً n₁ = n₂ = 8 المشاركين، df = 14)، فإن عامل التصحيح يكون J &approx; 0.945، مما يعني أن كوهين d كان مضخماً بنسبة 5.5% تقريباً، ويقوم g بتخفيض التقدير إلى مستواه العادل.

لهذا السبب، تعتمد برمجيات التحليل التلوي الحديثة ومجلات الطب النفسي العالمية معامل Hedges’ g كخيار افتراضي متفوق لقياس فروق المتوسطات، ويوصى دائماً بالإبلاغ عنه عند التعامل مع عينات يقل حجمها الكلي عن 50 مشاركاً.

9.2 مقارنة كوهين d بمعامل جلاس دلتا (Glass’s Δ)

ابتكر جين جلاس (Gene Glass, 1976) معاملاً بديلاً لحجم الأثر يُعرف بـ جلاس دلتا (Glass’s Δ)، وهو مصمم خصيصاً للتصاميم التجريبية التي يُتوقع فيها أن يؤدي التدخل التجريبي إلى تغيير في تباين المجموعة التجريبية بالإضافة إلى تغيير متوسطها. تعتمد معادلة جلاس دلتا على استخدام الانحراف المعياري للمجموعة الضابطة فقط (s_control) كمقام موحد:

Δ = (M_experimental – M_control) / s_control

يبرز الاستخدام المثالي لـ Glass’s Δ في التجارب النفسية والسريرية التي يفرز فيها العلاج استجابات متباينة للغاية؛ كأن يستجيب بعض المرضى بقوة للعلاج النفسي بينما لا يستجيب آخرون مطلقاً، مما يؤدي إلى تضاعف التباين في المجموعة التجريبية (s_exp). في مثل هذا السيناريو، فإن استخدام الانحراف المعياري المجمع (s_pooled) في كوهين d سيؤدي إلى تضخيم المقام بصورة مصطنعة وتقليص حجم الأثر المحسوب. بالاعتماد على s_control غير الملوثة بالتدخل التجريبي، يقدم Glass’s Δ مقياساً دقيقاً لمقدار الإزاحة التي حدثت مقارنة بالتشتت الطبيعي الأصلي للمجتمع.

9.3 التحويل بين كوهين d ومقاييس الارتباط ونسب التباين (r و Eta-squared)

في العديد من السياقات البحثية والتحليلات البعدية، يحتاج الباحث إلى تحويل معاملات الارتباط الثنائي المجزأ (Point-Biserial Correlation – r) أو مؤشرات تحليل التباين (ANOVA – مثل Eta-Squared η² و Partial η²) إلى معامل كوهين d الموحد، والعكس صحيح.

تتم عملية التحويل الرياضي المباشر بين معامل الارتباط r ومعامل كوهين d للمجموعات المتساوية في الحجم عبر الصيغ المعتمدة التالية:

d = (2r) / √(1 – r²)

r = d / √(d² + 4)

وفقاً لمعادلات التحويل هذه، فإن تصنيفات كوهين لـ d تقابل قيم r التالية تقريباً: الأثر الصغير (d = 0.2 ↔ r &approx; 0.10)، الأثر المتوسط (d = 0.5 ↔ r &approx; 0.243)، والأثر الكبير (d = 0.8 ↔ r &approx; 0.371).

أما في سياق تحليل التباين الأحادي لمجموعتين، حيث يمثل معامل إيتا المربع (η²) نسبة التباين المفسر في المتغير التابع بواسطة المتغير المستقل، فيمكن التحويل إلى كوهين d عبر المعادلة:

d = 2 × √[ η² / (1 – η²) ]

تتيح هذه العلاقات الرياضية الجبرية دمج نتائج الدراسات المنشورة عبر مختلف القوالب الإحصائية (اختبارات t، معاملات ارتباط، أو تحليلات تباين) داخل إطار تحليلي موحد يعتمد على كوهين d.

10. دليل صياغة وتوثيق نتائج كوهين d وفق معايير الجمعية الأمريكية لعلم النفس (APA)

10.1 قواعد كتابة المعامل والرموز الإحصائية في متن البحث (APA 7th Edition)

تفرض الإرشادات التحريرية للإصدار السابع من دليل نشر جمعية علم النفس الأمريكية (APA 7th Edition Publication Manual) مجموعة من القواعد الشكلية الصارمة لتوثيق الرموز الإحصائية ومعاملات حجم الأثر في متن الأوراق الأكاديمية:

• يجب كتابة رمز معامل كوهين بخط مائل مائل بحرف صغير: d.
• تُوضع مسافات نظامية متوازنة قبل وبعد علامات المساواة والعمليات الحسابية (مثل: d = 0.65 وليس d=0.65).
• يتم تقريب قيمة كوهين d إلى منزلتين عشريتين فقط (مثال: d = 0.48)، ما لم تتطلب الدقة العلمية المتناهية خلاف ذلك.
• إذا كان المعامل يمكن أن يتجاوز الواحد الصحيح نظرياً (وهو ما ينطبق على كوهين d)، فيجب كتابة الصفر قبل الفاصلة العشرية الإنجليزية (Leading Zero)، مثل: d = 0.72 وليس d = .72 (على عكس قيم p و r التي لا تتجاوز الواحد مطلقاً وتُكتب بدون صفر سابق: p = .032).
• يجب إلزامياً مرافقة قيمة d بفترة الثقة 95% محاطة بأقواس معقوفة ومفصولة بفاصلة ومسافة، بالشكل النموذجي: d = 0.75, 95% CI [0.35, 1.15].

10.2 صياغة الفقرات التفسيرية في قسم النتائج (Results Section)

يجب أن تُكتب الفقرات الإحصائية في قسم النتائج بأسلوب أكاديمي يجمع بسلاسة بين الإحصاء الوصفي، والاستدلالي، وحجم الأثر، وفترة الثقة، مع الوصف اللفظي لاتجاه الأثر. فيما يلي نماذج نصية قياسية معتمدة:

النموذج العربي المعتمد:

“أظهرت نتائج اختبار t للعينات المستقلة وجود انخفاض دال إحصائياً في درجات أعراض الاكتئاب لدى أفراد المجموعة التجريبية الذين تلقوا العلاج المعرفي السلوكي (M = 14.50, SD = 5.20) مقارنة بأفراد المجموعة الضابطة (M = 20.80, SD = 6.10)، t(78) = 4.96, p < .001. وقد بلغ حجم الأثر كوهين d = 1.11, 95% CI [0.63, 1.58]، وهو ما يشير إلى أثر كبير جداً للتدخل العلاجي في تحسين الحالة السريرية للمشاركين.”

النموذج الإنجليزي المعياري (APA 7th):

“An independent-samples t-test revealed a statistically significant difference in depression scores between the CBT group (M = 14.50, SD = 5.20) and the control group (M = 20.80, SD = 6.10), t(78) = 4.96, p < .001. The effect size was large, Cohen’s d = 1.11, 95% CI [0.63, 1.58], indicating a substantial clinical improvement attributable to the intervention.”

عند إجراء مقارنات بعدية متعددة (Post-Hoc Tests) بعد تحليل التباين (ANOVA)، يجب توثيق قيمة كوهين d المصححة لكل زوج من المقارنات جنباً إلى جنب مع قيمة p المعدلة (مثل Bonferroni أو Tukey’s HSD) لبيان أي الفروق كان الأكثر حسماً من الناحية العملية.

10.3 تضمين أحجام الأثر في الجداول والأشكال التوضيحية (Tables & Figures)

يقتضي التوثيق الاحترافي إدراج عمود مخصص لقيم كوهين d وفترات ثقتها داخل جداول المقارنات الإحصائية الرئيسية. يجب أن يشتمل رأس الجدول على الرمز d المائل متبوعاً بـ [95% CI]، وتُكتب الملاحظات التوضيحية أسفل الجدول لتعريف القارئ بطريقة حساب الانحراف المعياري المجمع المستخدمة.

على مستوى التمثيل البصري، يُعد الرسم البياني الغابوي (Forest Plot) الشكل الأكثر كفاءة وأناقة لتمثيل قيم كوهين d لعدة مجموعات أو متغيرات تابعة؛ حيث تُمثل كل قيمة نقطية بمربع يتناسب حجمه مع حجم العينة أو الوزن الإحصائي، محاطاً بخط أفقي يمثل حدود فترة الثقة 95%، مع وضع خط رأسي متقطع عند الصفر (d = 0.0) للدلالة على خط انعدام الأثر (Line of No Effect). يتيح هذا التمثيل للقارئ استيعاب القوة الإحصائية ودقة التقديرات لكافة المتغيرات في لمحة بصرية واحدة.

11. الأخطاء الشائعة وسوء التفسير لمعامل كوهين d في الدراسات النفسية

11.1 الاعتماد الأعمى على عتبات كوهين دون تأطير ميداني

يتمثل الخطأ المنهجي الأكثر شيوعاً بين الباحثين في التعامل مع عتبات كوهين (0.2 للصغير، 0.5 للمتوسط، 0.8 للكبير) كقوانين فيزيائية جامدة غير قابلة للنقاش والتكييف السياقي. إن هذا الاستخدام الميكانيكي يفرغ العملية البحثية من حسها النقدي والتحليلي.

يقود هذا القصور إلى رفض تدخلات نفسية ذات قيمة بالغة لمجرد أنها حققت d = 0.25، على الرغم من أن التدخل قد يكون زهيد التكلفة ويُطبق على ملايين البشر (مثل تطبيق ذكي للصحة النفسية). في المقابل، قد يهلل باحث لنتيجة d = 0.85 في تجربة مختبرية مصطنعة للغاية تفتقر إلى أي صدق بيئي (Ecological Validity) ولا يمكن ترجمتها إلى الواقع الإكلينيكي الحقيقي.

كذلك، يخلط الباحثون أحياناً بين الأثر الإحصائي على مستوى العينة ككل والأثر الفردي على المريض المستقل؛ فحتى مع وجود حجم أثر كبير (d = 0.80)، فإن ما يقارب 21% من أفراد المجموعة التجريبية قد لا يحققون أي تحسن يتجاوز متوسط المجموعة الضابطة، مما يحتم الحذر الشديد عند محاولة التنبؤ بالمسار العلاجي للحالات الفردية استناداً إلى المعاملات الجمعية.

11.2 الخلط بين حسابات التصاميم المستقلة والقياسات المتكررة

من الأخطاء الحسابية الجسيمة الشائعة استخدام معادلة العينات المستقلة القياسية لحساب كوهين d لبيانات مستخرجة من تصميم قياسات متكررة (Pre-test / Post-test) لنفس الأفراد دون مراعاة معامل الارتباط (r) بين القياسين، أو العكس باستخدام صيغة d_z الناتجة عن قسمة t على جذر n وتسميتها خطأً “Cohen’s d“.

يؤدي استخدام صيغة d_z (الفروق) بدلاً من الصيغة المعيارية إلى تضخيم هائل ومصطنع لحجم الأثر عندما يكون الارتباط بين القياسين مرتفعاً (إذا كان r = 0.80، فإن d_z ستكون أكثر من ضعف قيمة d الكلاسيكية). يسبب هذا الخلط فوضى منهجية كارثية عند تجميع الدراسات داخل التحليلات التلوية؛ إذ يتم خلط مقاييس متباينة في المقام الحسابي، مما يؤدي إلى استنتاجات فوقية مشوهة وغير موثوقة علمياً.

11.3 إغفال فترات الثقة لحجم الأثر وتقرير النقطة التقديرية فقط

يقع العديد من الباحثين في فخ الثقة المفرطة في “التقدير النقطي” لحجم الأثر؛ حيث يكتفي الباحث بكتابة “بلغ حجم الأثر d = 0.70″ ويتجاهل تماماً حساب وتفسير فترة الثقة المرافقة لهذا التقدير.

إذا كانت الدراسة قد أُجريت على عينة صغيرة جداً (مثلاً 10 أفراد في كل مجموعة)، فإن حجم الأثر d = 0.70 قد تصاحبه فترة ثقة تتراوح بين [-0.20, 1.58]. إن إغفال هذه الفترة يحجب عن القارئ حقيقة أن الأثر غير مستقر إحصائياً، وأن النتيجة تتقاطع مع الصفر (عدم وجود أثر) وقد تصل في أدنى حدودها إلى أثر سلبي، بينما قد تصل في أقصاها إلى أثر خارق. إن التفسير الواعي لكوهين d يفرض دائماً مناقشة الحدين الأدنى والأعلى لفترة الثقة لتقديم صورة واقعية حول موثوقية الأثر المرصود.

12. خاتمة وتوصيات منهجية للباحثين والممارسين في علم النفس

12.1 ملخص الخطوات التنفيذية لتفسير كوهين d باحترافية

لضمان أعلى معايير الجودة والرصانة المنهجية عند قياس وتفسير معامل كوهين d في الدراسات السلوكية والنفسية، يُوصى باتباع الخطوات التنفيذية المتسلسلة التالية:

1. فحص الافتراضات البارامترية: التحقق الصارم من اعتدالية توزيع البيانات وخلوها من القيم الشاذة المتطرفة، واختبار تجانس التباين بين المجموعات.
2. اختيار الصيغة الرياضية الصحيحة: استخدام الانحراف المعياري المجمع الموزون للعينات المستقلة، أو تطبيق تصحيح الارتباط في تصاميم القياسات المتكررة لضمان المقارنة المعيارية.
3. تطبيق تصحيح هيدجز عند الحاجة: تحويل d إلى Hedges’ g تلقائياً في حال كانت العينات صغيرة الحجم (N < 50) لتجنب المبالغة التقديرية.
4. القراءة متعددة المحاور: تفسير قيمة المعامل من خلال دمج الأبعاد الثلاثة: المسافة المعيارية (الانحرافات المعيارية)، ومؤشرات التداخل (Cohen’s U₃ و CLES)، والسياق الإكلينيكي أو التربوي الخاص بموضوع الدراسة.
5. التوثيق الأكاديمي الشامل: كتابة المعامل مدعوماً بفترات الثقة 95% وفق أحدث أدلة التوثيق الصادرة عن APA.

12.2 دور كوهين d في حساب القوة الإحصائية وتحديد حجم العينة مسبقاً (Power Analysis)

لا يقتصر دور كوهين d على التفسير البعدي للنتائج بعد جمع البيانات (Post-hoc Interpretation)، بل يلعب دوراً محورياً وأكثر أهمية في مرحلة التخطيط المسبق للبحث من خلال تحليل القوة الإحصائية القَبلي (A Priori Power Analysis) لتحديد الحجم الأمثل للعينة.

باستخدام برمجيات إحصائية متخصصة مثل G*Power، يستطيع الباحث تحديد أصغر حجم أثر ذي أهمية علمية أو سريرية (Smallest Effect Size of Interest – SESOI) يتوقع رصده أو يطمح لاكتشافه بناءً على الأدبيات السابقة. فإذا افترضنا أن التدخل الجديد سيحقق أثراً متوسطاً (d = 0.50) عند مستوى دلالة α = 0.05 وقوة إحصائية مستهدفة 1 – β = 0.80، فإن البرنامج يحدد بدقة أن الباحث يحتاج إلى 64 مشاركاً في كل مجموعة (إجمالي N = 128).

يحمي هذا التخطيط المسبق الباحث من إجراء دراسات ضعيفة القوة الإحصائية (Underpowered Studies) تهدر الوقت والموارد وتفشل في إثبات الفروق الحقيقية، كما يجنبه في المقابل الإفراط في تضخيم العينات غير المبرر اقتصادياً وأخلاقياً.

12.3 توصيات لتعزيز الشفافية وقابلية التكرار في الأبحاث النفسية العربية

في إطار الارتقاء بمستوى البحث العلمي في العالم العربي ومواكبته لأرقى المعايير العالمية في المنهجية والإحصاء السلوكي، نوجه التوصيات المنهجية التالية للباحثين، والمشرفين الأكاديميين، ومحكمي المجلات العلمية:

• إلزامية تقرير حجم الأثر: فرض تضمين معاملات حجم الأثر وفترات ثقتها كشرط أساسي لتحكيم ونشر الأبحاث الكمية في المجلات النفسية والتربوية العربية، وعدم الاكتفاء بقيم p-value تحت أي ظرف.
• مشاركة البيانات المفتوحة (Open Data): تشجيع الباحثين على نشر مصفوفات التباين والانحرافات المعيارية والبيانات الخام المجهولة الهوية عبر منصات العلم المفتوح (مثل Open Science Framework – OSF) لتسهيل إدراج الأبحاث العربية في دراسات التحليل البعدي العالمية.
• بناء أطر معيارية عربية: إجراء دراسات تلوية وتحليلات تراكمية دورية لبناء قواعد بيانات مرجعية لأحجام الأثر النموذجية في البيئة العربية عبر مختلف مجالات القياس النفسي، مما يوفر للباحثين الجدد معايير مقارنة محلية أصيلة وموثوقة تتجاوز العتبات النظرية العامة.

المراجع (References)

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587
• Cumming, G. (2012). Understanding the new statistics: Effect sizes, confidence intervals, and meta-analysis. Routledge. https://doi.org/10.4324/9780203807002
• Glass, G. V. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher, 5(10), 3–8. https://doi.org/10.3102/0013189X005010003
• Hedges, L. V. (1981). Distribution theory for Glass’s estimator of effect size and related estimators. Journal of Educational Statistics, 6(2), 107–128. https://doi.org/10.3102/10769986006002107
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
• McGraw, K. O., & Wong, S. P. (1992). A common language effect size statistic. Psychological Bulletin, 111(2), 361–365. https://doi.org/10.1037/0033-2909.111.2.361
• Sawilowsky, S. S. (2009). New effect size rules of thumb. Journal of Modern Applied Statistical Methods, 8(2), 597–599. https://doi.org/10.22237/jmasm/1257035100
• Wilkinson, L., & 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