فهم مستويات الدلالة في الإحصاء

يمثل الاستدلال الإحصائي الركيزة المنهجية الكبرى التي تقوم عليها الأبحاث التجريبية والكمية المعاصرة في مختلف حقول المعرفة، وبشكل خاص في العلوم النفسية والسلوكية والاجتماعية والطبية. إن جوهر المشكلة العلمية يكمن دائماً في الانتقال المشروع والدقيق من ملاحظة عينة محدودة إلى تعميم النتائج على مجتمع دراسة أوسع يتسم بدرجة عالية من التعقيد والتباين. ومن هنا، لا يمكن للعالم أو الباحث أن يزعم اليقين المطلق في أحكامه وتفسيراته، بل يظل محكوماً بالمنطق الاحتمالي الذي يضبط مقدار الشك، ويوفر معياراً موضوعياً صارماً للتفريق بين الأنماط الواقعية الأصيلة والتقلبات العشوائية التي يفرزها خطأ المعاينة الصرف.

في قلب هذا المنطق الاستدلالي، تبرز مسألة «مستوى الدلالة الإحصائية» (Significance Level) المعروف رياضياً بالرمز الإغريقي ألفا (α)، بوصفه الصمام المنهجي والمعياري الأول الذي يحدد عتبة التحكيم العلمي. إن تحديد مستوى الدلالة ليس مجرد إجراء روتيني يسبق إدخال البيانات في البرمجيات الإحصائية المتقدمة، بل هو قرار فلسفي وإبستيمولوجي ينطوي على موازنة دقيقة بين المخاطر المعرفية والتطبيقية، وتحديد مباشر لقدرة الباحث على تحمل احتمالية إعلان اكتشاف علمي أو فاعلية علاجية قد لا تكون حقيقية في واقع الأمر.

يهدف هذا الدليل المرجعي الموسع إلى تفكيك مفهوم مستوى الدلالة الإحصائية من جذوره الرياضية والفلسفية، وتتبع تطوره التاريخي عبر السجالات الكلاسيكية، وتوضيح آليات تشابكه مع اختبار الفرضيات، وأخطاء القياس من النوعين الأول والثاني، والقوة الإحصائية، والقيم الاحتمالية (P-values). كما يتطرق المقال بعمق إلى أزمة التكرار الحديثة وممارسات التنقيب عن الدلالة، مقدماً دليلاً عملياً وتطبيقياً يستند إلى أحدث المعايير الأكاديمية وضوابط النزاهة العلمية المعتمدة لدى جمعية علم النفس الأمريكية (APA) والمنظمات الإحصائية الدولية.

1. مفهوم مستوى الدلالة الإحصائية (Alpha – α) والأسس النظرية

1.1 التعريف الرياضي والمفاهيمي لمستوى الدلالة الإحصائية

يُعرَّف مستوى الدلالة الإحصائية، ويرمز له بالرمز الرياضي ألفا (α)، بأنه العتبة الاحتمالية المحددة سلفاً (A priori threshold) والتي يقبل عندها الباحث رفض الفرضية الصفرية (Null Hypothesis) عندما تكون هذه الفرضية صحيحة بالفعل في المجتمع الإحصائي. بعبارة أخرى أكثر دقة في إطار نظرية الاحتمالات، فإن ألفا تمثل الاحتمال الشرطي للوقوع في “الخطأ من النوع الأول” (Type I Error Rate)، وهو احتمال اتخاذ قرار بوجود أثر أو فارق جوهري في حين أن الفارق المشاهد لا يعدو كونه وليد الصدفة الناتجة عن تباين المعاينة العشوائية.

ترجع الجذور الرياضية لهذا المفهوم إلى نظرية الاحتمالات الكلاسيكية ونظرية القياس؛ حيث يتم التعامل مع نتائج التجارب بوصفها متغيرات عشوائية تتبع توزيعاً احتمالياً نظرياً محدداً (مثل التوزيع الطبيعي، توزيع t، أو توزيع F). ينبثق مفهوم مستوى الدلالة من الحاجة إلى تقسيم فضاء العينة أو المساحة الكلية الواقعة تحت منحنى التوزيع الاحتمالي للاختبار إلى منطقتين متمايزتين: منطقة القبول (أو منطقة عدم الرفض) ومنطقة الرفض التي تُعرف اصطلاحاً بـ “المنطقة الحرجة” (Critical Region). تمثل قيمة ألفا المساحة النسبية لهذه المنطقة الحرجة في ذيول التوزيع، فإذا وقعت إحصاءة الاختبار المحسوبة من بيانات العينة داخل هذه المنطقة الحرجة، اعتُبرت النتيجة دالة إحصائياً عند مستوى ألفا المعتمد.

من الضروري إبستيمولوجياً التمييز الحاسم بين “المَعْلَمة المجتمعية” (Population Parameter)، وهي القيمة الثابتة الحقيقية المجهولة في المجتمع ككل (كالوسط الحسابي المجتمعي μ أو التباين σ²)، وبين “الإحصاءة الاستدلالية” (Sample Statistic) المحسوبة من العينة (كالوسط الحسابي x̄ أو الانحراف المعياري s). يعمل مستوى الدلالة كجسر احتمالي يتحكم في مخاطر الاستدلال من الإحصاءة إلى المعلمة، مما يضع حداً أقصى للمخاطرة المعرفية المقبولة في تعميم النتائج.

1.2 تاريخ تطور مستويات الدلالة في الإحصاء الكلاسيكي

تطور مفهوم الدلالة الإحصائية عبر مسار تاريخي معقد شهد تداخلاً وصراعاً فلسفياً بين مدرستين رئيسيتين في الفكر الإحصائي خلال النصف الأول من القرن العشرين. المدرسة الأولى أسسها السير رونالد فيشر (Ronald A. Fisher)، الذي قدم في عشرينيات القرن العشرين نموذج “اختبار الدلالة” (Significance Testing). اعتبر فيشر أن القيمة الاحتمالية (P-value) هي مقياس متدرج ومستمر لقوة الدليل التجريبي ضد الفرضية الصفرية المفردة، واقترح عتبة p = 0.05 كمعيار إرشادي وعملي مناسب ومريح للباحثين للتمييز بين النتائج التي تستحق مزيداً من الفحص وتلك التي يمكن إرجاعها إلى الصدفة، دون أن يقصد جعلها حداً فاصلاً جامداً وغير قابل للتعديل.

في المقابل، طور الرياضيان جيرزي نيمان (Jerzy Neyman) وإيجون بيرسون (Egon Pearson) إطاراً بديلاً عُرف بـ “اختبار الفرضيات الإحصائية” (Hypothesis Testing)، والذي انتقد مقاربة فيشر الفردية واقترح نموذجاً ثنائياً صارماً لصنع القرار يوازن بين فرضيتين متنافستين: الفرضية الصفرية (H0) والفرضية البديلة (H1). وفي هذا الإطار، تم تعريف ألفا (α) كأداة تحكم قَبْلية في معدل الخطأ طويل المدى عبر تكرار التجارب، جنباً إلى جنب مع مفهوم خطأ النوع الثاني (بيتا – β) ومفهوم القوة الإحصائية (Power).

أدى هذا الخلاف الإبستيمولوجي إلى نشوء النموذج الهجين الشائع حالياً في العلوم السلوكية والنفسية، وهو مزيج تلفيقي يجمع بين فلسفة فيشر الاستكشافية وأدوات نيمان-بيرسون الصارمة لاتخاذ القرار. وقد رسخ هذا النموذج في المناهج الأكاديمية اعتماد مستويات الدلالة المعيارية (0.05 و 0.01) كقواعد صارمة لنيل الاعتراف الأكاديمي وصلاحية النشر في المجلات المحكمة، وهو إرث تاريخي لا يزال يثير نقاشات منهجية عميقة حتى اليوم حول مدى ملاءمة هذه العتبات الصامتة للبحث العلمي الرصين.

1.3 طبيعة الاستدلال الإحصائي في العلوم النفسية والسلوكية

تتميز العلوم السلوكية والنفسية بخصوصية منهجية بالغة التعقيد، إذ تتعامل مع ظواهر غير مادية مباشرة، مثل السمات الشخصية، والقدرات المعرفية، والحالات الانفعالية، والاتجاهات الاجتماعية. تتسم هذه المتغيرات بارتفاع التباين الكامن (Latent Variability) وتعدد العوامل المؤثرة وتداخلها، مما يجعل أدوات القياس السيكولوجي عرضة لأخطاء قياس أكبر بكثير مقارنة بالعلوم الطبيعية والفيزيائية الصلبة.

في هذا السياق، يصبح الاستدلال الإحصائي من عينات بشرية غير مثالية إلى مجتمعات سكانية غير متجانسة تحدياً معرفياً حقيقياً. تعتمد العينات في الدراسات النفسية غالباً على أساليب المعاينة المتاحة أو العشوائية الطبقية، والتي لا تعكس دائماً كافة أطياف المجتمع المستهدف بدقة متناهية. يعمل مستوى الدلالة هنا كآلية لترويض الشك؛ حيث يضع إطاراً احتمالياً حازماً للتحكم في تقلبات المعاينة العشوائية، ويضمن عدم تفسير الفروق الناتجة عن ضجيج القياس (Measurement Noise) أو الصدفة المحضة بوصفها ظواهر سيكولوجية أصيلة ذات مغزى نظري أو تطبيقي.

إن الفصل بين الحقيقة الإمبريقية والتأثير العشوائي يتطلب في علم النفس تدقيقاً فائقاً في مستوى الدلالة، ذلك أن تبني عتبة متساهلة قد يؤدي إلى بناء نظريات كاملة حول آليات معرفية أو سلوكية وهمية، في حين أن التشدد المفرط قد يطمس تأثيرات علاجية أو تربوية بالغة الأهمية كانت تحتاج فقط إلى حساسية إحصائية أعلى ليتم الكشف عنها.

2. دور اختبار الفرضيات الإحصائية في البحث النفسي

2.1 بنية الفرضيات العلمية: الصفرية والبديلة

يرتكز اختبار الفرضيات الإحصائية في الدراسات النفسية على صياغة رياضية ومنطقية دقيقة لفرضيتين متنافستين تغطيان معاً كافة الاحتمالات الممكنة في فضاء العينة. الفرضية الأولى هي الفرضية الصفرية (Null Hypothesis – H0)، وتفترض دائماً الوضع الراهن أو نقطة البداية الحيادية، أي غياب الأثر، أو انعدام الفارق بين المجموعات التجريبية والضابطة، أو انعدام الارتباط بين المتغيرات النفسية المقاسة (مثل: μ1 – μ2 = 0 أو ρ = 0). تُبنى هذه الفرضية لتكون الهدف المباشر للاختبار والدحض الإحصائي.

في المقابل، تمثل الفرضية البديلة (Alternative Hypothesis – H1 أو Ha) الفرضية البحثية التي يسعى العالم لإثباتها وتدعيمها بالبيانات الإمبريقية. تنقسم الفرضية البديلة إلى نوعين بناءً على الخلفية النظرية والأدبيات السابقة:

• فرضية بديلة غير اتجاهية (Non-directional / Two-tailed): تفترض وجود فارق أو أثر أو ارتباط دون تحديد اتجاهه المسبق (مثلاً: μ1 ≠ μ2)، وتُستخدم عندما تكون الأدبيات النظرية غير حاسمة في ترجيح كفة تفوق إحدى المجموعتين.
• فرضية بديلة اتجاهية (Directional / One-tailed): تتنبأ صراحة باتجاه الأثر المتوقع استناداً إلى أطر نظرية متماسكة (مثلاً: μ1 > μ2، كافتراض أن العلاج السلوكي المعرفي يخفض أعراض الاكتئاب بدرجة أكبر من قائمة الانتظار).

تتسم العلاقة بين هاتين الفرضيتين بالشمول والتنافي المنطقي التام (Mutually Exclusive and Exhaustive)؛ فلا يمكن أن تصدق الفرضيتان معاً في الوقت ذاته، وسقوط إحداهما إحصائياً يوفر الدعم المباشر للأخرى في حدود المعايير الاحتمالية المعتمدة في التصميم التجريبي.

2.2 منطق الاستدلال عبر نفي الفرضية الصفرية (NHST)

يقوم اختبار الدلالة الإحصائية للفرضية الصفرية (Null Hypothesis Significance Testing – NHST) على منطق استنتاجي سلبي يستمد أصوله الفلسفية من مبدأ “القابلية للدحض والتكذيب” (Falsificationism) الذي صاغه فيلسوف العلم كارل بوبر (Karl Popper). بموجب هذا المبدأ، لا يمكن إثبات صحة نظرية علمية أو فرضية إيجابية بصورة نهائية ومطلقة مهما بلغت كمية الملاحظات المؤيدة، ولكن يمكن دحضها أو رفض فرضية نقيضها عبر ملاحظة تجريبية واحدة تتناقض معها جذرياً.

يترجم الباحث النفسي أسئلته النظرية المعقدة إلى نموذج رياضي ينطلق من افتراض صحة الفرضية الصفرية (H0)، ثم يحسب احتمالية الحصول على البيانات المجمعة فعلياً أو بيانات أكثر تطرفاً منها في ظل هذا الافتراض. فإذا كانت هذه الاحتمالية ضئيلة للغاية (أقل من مستوى ألفا المحدد)، يرفض الباحث الفرضية الصفرية استنتاجياً، ويستنتج منطقياً وجود دليل كافٍ يدعم الفرضية البديلة.

ورغم أن هذا المنطق شكل العمود الفقري للأبحاث الأكاديمية لعقود طويلة، إلا أنه واجه انتقادات منهجية واسعة تركزت على أن رفض الفرضية الصفرية لا يعني بالضرورة صحة الفرضية البديلة المحددة، إذ قد تكون هناك تفسيرات أو نماذج بديلة أخرى لم يختبرها الباحث تفسر البيانات بالمستوى ذاته من الكفاءة، مما يؤكد ضرورة اقتران الاستدلال الإحصائي بالتماسك النظري والضبط المنهجي الصارم للمتغيرات الدخيلة.

2.3 خطوات اتخاذ القرار الإحصائي في البحوث التجريبية

يسير اتخاذ القرار الإحصائي في الأبحاث النفسية والتجريبية وفق متتالية إجرائية متسلسلة وصارمة تضمن الموضوعية والابتعاد عن الأحكام الذاتية، وتتلخص هذه الخطوات المنهجية في الآتي:

• أولاً: تحديد الفرضيات الصفرية والبديلة بدقة، وصياغتها بصورة رياضية إجرائية واضحة قبل البدء في الملاحظة أو التجريب.
• ثانياً: اختيار مستوى الدلالة الإحصائية (α)، وتحديد القيمة الحرجة (Critical Value) المشتقة من التوزيع الاحتمالي النظري المعتمد بناءً على درجات الحرية ونوع الاختبار (أحادي أو ثنائي الطرف).
• ثالثاً: جمع البيانات الإمبريقية، والتأكد التام من استيفائها للافتراضات الإحصائية الضرورية (كالاعتدالية، واستقلالية المشاهدات، وتجانس التباين)، ثم حساب قيمة الإحصاء الاختباري الملائم (مثل t, F, χ², z).
• رابعاً: المقارنة الحسابية وقاعدة القرار، حيث تتم مقارنة الإحصاء المحسوب بالقيمة الحرجة، أو مقارنة القيمة الاحتمالية المشاهدة (P-value) بمستوى ألفا المحدد مسبقاً. إذا كانت القيمة الاحتمالية أصغر من أو تساوي ألفا (p ≤ α)، يُتخذ قرار قطعي برفض الفرضية الصفرية، أما إذا كانت أكبر (p > α)، فإن القرار يكون الفشل في رفض الفرضية الصفرية (Fail to reject H0).
• خامساً: الصياغة والتفسير العلمي، وترجمة هذا القرار الإحصائي الرياضي إلى استنتاج سيكولوجي موضوعي يناقش الظاهرة المدروسة في ضوء الأدبيات والحدود المنهجية للدراسة.

3. لماذا يحدد الباحث مستوى الدلالة مسبقاً ولا تحسبه البرمجيات؟

3.1 الاستقلالية المعيارية ومبدأ الموضوعية العلمية

إن إحدى الركائز الأخلاقية والمنهجية الجوهرية في فلسفة العلوم هي الحفاظ على الاستقلالية التامة بين معايير التحكيم والتقييم من جهة، والبيانات المجمعة من جهة أخرى. يجب أن يحدد مستوى الدلالة الإحصائية (α) بصورة قبلية ومستقلة تماماً عن الملاحظات والبيانات الإمبريقية، لضمان النزاهة وحماية العملية البحثية من الانحياز التأكيدي (Confirmation Bias) الذي قد يدفع الباحث دون وعي لتعديل شروط النجاح الإحصائي وفقاً لما تمليه عليه رغباته العلمية أو تطلعاته لنشر النتائج.

إذا تُرك تحديد عتبة الدلالة لما بعد الاطلاع على البيانات أو سُمح للبرمجيات بحسابه، فإن الباحث قد يقع في فخ الملاءمة البعدية والتلاعب بالمعايير، مثل تعديل مستوى ألفا من 0.05 إلى 0.06 أو 0.08 لتبرير نتيجة هامشية وجعلها دالة إحصائياً. إن تثبيت الشروط المسبقة هو الضمان الوحيد لموضوعية الحكم العلمي وامتثاله لقواعد الممارسة الأكاديمية الرصينة، حيث يلتزم الباحث بمستوى مخاطرة ثابت يعكس قناعته المنهجية قبل اختبار الواقع الفعلي.

3.2 مستوى الدلالة كمعيار لاتخاذ القرار وليس ناتجاً حسابياً

يقع بعض المبتدئين في البحث العلمي في خطأ مفاهيمي شائع يتمثل في الخلط بين مستوى الدلالة (α) والقيمة الاحتمالية المحسوبة (P-value)، ظانين أن البرمجيات الإحصائية مثل SPSS أو R أو SAS هي التي “تحسب” مستوى الدلالة. الحقيقة المنهجية الراسخة هي أن البرمجيات الإحصائية لا يمكنها على الإطلاق حساب مستوى ألفا، لأن ألفا ليست خاصية فيزيائية أو رياضية للبيانات، بل هي «سياسة قرار إبستيمولوجية» ومعيار قيمي يضعه الإنسان العاقل لتحديد مقدار الخطأ المقبول في سياق معين.

تقتصر وظيفة البرمجيات الإحصائية على تنفيذ العمليات الحسابية المعقدة لتقدير معالم العينة، وتطبيق الصيغ الرياضية لاستخراج قيمة الإحصاء الاختباري، ومن ثم تحديد القيمة الاحتمالية المشاهدة (P-value) التي تعكس مدى اتساق البيانات المجمعة مع الفرضية الصفرية. أما مقارنة هذا الناتج الحسابي مع معيار ألفا واتخاذ قرار القبول أو الرفض فهو فعل منهجي واعي ينتمي بالكامل للباحث ولا يمكن أتمتته أو اشتقاقه من الأرقام الصرفة.

3.3 التسجيل المسبق للفرضيات ومستويات الدلالة (Preregistration)

استجابة للتحديات المنهجية المعاصرة ودعماً لحركة العلم المفتوح (Open Science Movement)، برزت ممارسة التسجيل المسبق (Preregistration) للبروتوكولات البحثية كواحدة من أهم الضمانات لتوثيق معايير التحليل الإحصائي مسبقاً عبر منصات معتمدة ومحايدة مثل منصة العلوم المفتوحة (Open Science Framework – OSF).

تقتضي هذه الممارسة أن يقوم الباحث بإيداع خطته البحثية المفصلة متضمنة صياغة الفرضيات، وتحديد حجم العينة المستهدف، وتوضيح خطة التحليل الإحصائي، وتحديد مستوى الدلالة المعتمد (α)، وتحديد ما إذا كان الاختبار أحادي أم ثنائي الطرف، وذلك كله في وثيقة عامة ومؤرخة قبل الشروع في جمع أي بيانات ميدانية. تهدف هذه الإجراءات الصارمة إلى القضاء على ظاهرة “صياغة الفرضيات بعد معرفة النتائج” المعروفة اختصاراً بـ (HARKing – Hypothesizing After the Results are Known)، ومنع استغلال درجات حرية الباحث (Researcher Degrees of Freedom) في توجيه التحليلات للحصول على نتائج دالة زائفاً، مما يعيد للمجلات المحكمة الثقة في نزاهة النتائج المنشورة.

4. خطأ النوع الأول (Type I Error) ومخاطر الرفض الخاطئ

4.1 المفهوم الإحصائي لخطأ النوع الأول (الإيجابية الكاذبة)

يحدث خطأ النوع الأول (Type I Error) عندما يرفض الباحث الفرضية الصفرية وهي في الواقع صحيحة في مجتمع الدراسة. يُعرف هذا الخطأ في الأدبيات المنهجية بمصطلح “الإيجابية الكاذبة” (False Positive)، وهو ما يعادل في الإجراءات الجنائية إدانة شخص بريء تماماً من التهمة المنسوبة إليه، أو في الفحوصات الطبية إبلاغ شخص سليم بأنه مصاب بمرض خطير بناءً على نتيجة تحليل مخبري مضللة.

تكمن الأهمية المركزية لمستوى الدلالة (α) في أنه يمثل التطابق الرياضي المباشر لمعدل الوقوع في خطأ النوع الأول؛ فإذا حدد الباحث مستوى ألفا عند 0.05، فإنه يقر ويعلن رسمياً استعداده لقبول احتمال قدره 5% لرفض الفرضية الصفرية عن طريق الخطأ عندما تكون صحيحة فعلياً. يعبر هذا المعدل عن السلوك الاحتمالي للتجربة عبر التكرار اللانهائي؛ فلو تم سحب عدد لا حصر له من العينات العشوائية المتطابقة من مجتمع لا يوجد فيه أي فارق حقيقي بين المجموعات، فإن 5% من هذه التجارب ستسفر بالضرورة عن فروق عشوائية تبدو دالة إحصائياً وتقود الباحث للوقوع في خطأ النوع الأول.

4.2 التداعيات العلمية والتطبيقية للإيجابيات الكاذبة في علم النفس

تترتب على الوقوع في أخطاء النوع الأول عواقب وخيمة تتجاوز الأروقة الأكاديمية لتمس حياة الأفراد والسياسات العامة والمجتمعية بصورة مباشرة. ففي مجال علم النفس الإكلينيكي والعلاج النفسي، قد يؤدي إقرار فاعلية إحصائية زائفة لتدخل علاجي جديد إلى اعتماده وتطبيقه على المرضى، في حين أنه غير مجدٍ في الواقع، مما يحرم المرضى من الحصول على بدائل علاجية مجربة وفعالة، وربما يعرضهم لآثار جانبية غير متوقعة وتكاليف مالية ونفسية باهظة.

وعلى الصعيد الأكاديمي والبحثي، تقود الإيجابيات الكاذبة إلى تلوث الأدبيات العلمية المنشورة بنظريات واهية وفرضيات مضللة، مما يترتب عليه إهدار مليارات الدولارات وملايين الساعات البحثية في محاولات فاشلة لتكرار وبناء أبحاث مستقبلية على أسس هشة. تتلخص مخاطر الإيجابيات الكاذبة في النقاط التالية:

• تضليل السياسات الاجتماعية والتربوية عبر تبني برامج تدريبية وتدخلات سلوكية غير مجدية.
• تشويه المعرفة التراكمية في العلوم النفسية وتقويض موثوقية النظريات السيكولوجية الراسخة.
• استنزاف المنح البحثية والموارد المالية للمؤسسات الأكاديمية في متابعة مسارات علمية مسدودة.
• إضعاف الثقة المجتمعية في مخرجات علم النفس والعلوم السلوكية بوصفها علوماً رصينة وقابلة للتطبيق.

4.3 استراتيجيات الحد من مخاطر الوقوع في خطأ النوع الأول

لمواجهة المخاطر الجسيمة المرتبطة بالإيجابيات الكاذبة، يتبع الباحثون والمنهجيون حزمة من الاستراتيجيات والتدابير الوقائية الصارمة في تصميم الأبحاث وتنفيذ التحليلات الإحصائية:

أولى هذه الاستراتيجيات تتمثل في تبني مستويات دلالة أكثر صرامة ومحافظة؛ كالانتقال من مستوى ألفا التقليدي (0.05) إلى مستويات أكثر تشدداً مثل (0.01) أو (0.005) في الدراسات التأكيدية والبحوث الحساسة التي ترتبط بقرارات سريرية أو سياسات مصيرية. تسهم هذه العتبات المتشددة في تضييق الخناق على التأثيرات الناتجة عن الصدفة وتقليص احتمالية الإيجابيات الكاذبة بشكل جذري.

تتمثل الاستراتيجية الثانية في التطبيق المنهجي الصارم لتعديلات وتصحيحات المقارنات المتعددة عند اختبار أكثر من فرضية على مصفوفة البيانات نفسها، مثل استخدام تعديل بونفيروني أو طريقة هولم لتفادي تضخم معدل الخطأ التراكمي. كما تتكامل هذه الإجراءات مع الالتزام بتكرار الدراسات بشكل مباشر ومستقل (Direct Independent Replication) للتأكد من أن الأثر المشاهد يتكرر بثبات في عينات وبيئات مختلفة ولا يرجع لخصوصية عينة شاذة أو صدفة إحصائية عابرة.

5. خطأ النوع الثاني (Type II Error) وقوة الاختبار الإحصائي

5.1 طبيعة خطأ النوع الثاني (بيتا – β) والنتائج السلبية الكاذبة

في مقابل خطأ النوع الأول، يقع خطأ النوع الثاني (Type II Error)، ويرمز لاحتمالية وقوعه بالرمز الإغريقي بيتا (β)، عندما يفشل الباحث في رفض الفرضية الصفرية رغم أنها خاطئة في الواقع المجتمعي الفعلي، أي عندما يفشل الاختبار الإحصائي في رصد واكتشاف أثر أو فارق حقيقي وموجود بالفعل في المجتمع. يُطلق على هذا الخطأ اصطلاحاً “السلبية الكاذبة” (False Negative)، ويماثل تبرئة مجرم مدان في المحكمة لعدم كفاية الأدلة الظاهرة، أو تشخيص مريض مصاب فعلياً بالمرض على أنه شخص سليم تماماً.

يتأثر معدل الوقوع في خطأ النوع الثاني (β) بعدة عوامل بنيوية تتشابك فيما بينها، وتتمثل في النقاط الآتية:

• حجم العينة (Sample Size – N): يؤدي صغر حجم العينة إلى انخفاض دقة التقديرات وزيادة تشتت توزيع المعاينة، مما يجعل الاختبار غير قادر على التقاط التأثيرات الحقيقية ويرفع قيمة بيتا.
• حجم الأثر الحقيقي (True Effect Size): كلما كان الأثر الحقيقي في المجتمع صغيراً أو دقيقاً، زادت صعوبة اكتشافه إحصائياً، وارتفعت احتمالية الوقوع في السلبية الكاذبة مقارنة بالتأثيرات الكبيرة والواضحة.
• مستوى الدلالة المختار (Alpha – α): تؤدي المغالاة في خفض قيمة ألفا (لزيادة التشدد ضد خطأ النوع الأول) إلى تحريك القيمة الحرجة نحو أطراف التوزيع القصوى، مما يزيد تلقائياً ومباشرة من مساحة منطقة عدم الرفض، وبالتالي تتضخم قيمة بيتا (β).
• أخطاء القياس وتباين الدرجات: يؤدي انخفاض ثبات أدوات القياس السيكولوجية إلى زيادة التباين العشوائي غير المفسر (Error Variance)، مما يقلل من النسبة الإشارية للاختبار ويحجب الأثر الحقيقي.

5.2 مفهوم القوة الإحصائية (Statistical Power: 1 – β)

تُعرَّف القوة الإحصائية (Statistical Power) رياضياً بأنها المكمل الاحتمالي لخطأ النوع الثاني، وتُحسب بالصيغة (1 – β). تعبر القوة الإحصائية عن احتمالية نجاح الاختبار في رفض الفرضية الصفرية عندما تكون خاطئة بالفعل، أي قدرة الدراسة التجريبية على رصد واكتشاف الأثر الحقيقي الموجود في الواقع واستخلاص دلالة إحصائية صحيحة تثبته.

وضع المنهجي الشهير جاكوب كوهين (Jacob Cohen) المعيار الأكاديمي الكلاسيكي للقوة الإحصائية المقبولة في العلوم السلوكية عند القيمة 0.80 (أو 80%). يعني هذا المعيار أن الباحث يقبل احتمالاً قدره 20% للوقوع في خطأ النوع الثاني (β = 0.20)، وهو ما يعكس عرفاً علمياً يقضي بأن خطأ النوع الأول (α = 0.05) يُعتبر عادة أخطر بأربعة أضعاف من خطأ النوع الثاني (4 × 0.05 = 0.20).

تشكل الدراسات النفسية منخفضة القوة (Underpowered Studies) خطراً جسيماً على رصانة العلم، فالدراسة التي تنخفض قوتها الإحصائية إلى 0.40 أو 0.50 لا تزيد قدرتها على اكتشاف الظواهر الحقيقية عن رمي قطعة نقود عشوائية. كما يؤدي انخفاض القوة إلى ظاهرة “تضخم الأثر المقدر” (Winner’s Curse)، حيث إن الدراسات الضعيفة التي تنجح بمحض الصدفة في تجاوز عتبة الدلالة غالباً ما تبالغ بشدة في تقدير حجم الأثر لكي تصبح دالة، مما يقدم صورة مشوهة ومضخمة للواقع الإمبريقي في الأدبيات المنشورة.

5.3 المقايضة الإحصائية بين خطأ النوع الأول وخطأ النوع الثاني

تتسم العلاقة بين خطأ النوع الأول (α) وخطأ النوع الثاني (β) بطبيعة مقايضة حتمية ومعكوسة تشبه حركة كفتي الميزان عند ثبات حجم العينة؛ فمحاولة الباحث خفض احتمالية ارتكاب خطأ النوع الأول عبر اختيار مستوى ألفا صارم جداً (مثل α = 0.001) ستدفع القيمة الحرجة للاختبار نحو الذيل الأقصى للتوزيع، مما يقلص المنطقة الحرجة للرفض ويؤدي حتماً إلى اتساع مساحة بيتا، وبالتالي تتراجع القوة الإحصائية ويتعاظم خطر إغفال التأثيرات الحقيقية.

إن السبيل المنهجي والرياضي الوحيد لكسر هذه المقايضة الصفرية وتخفيض كلا الخطأين معاً (تقليل α و β في آن واحد) هو زيادة حجم العينة (N) ورفع دقة أدوات القياس وتقليل تباين الخطأ. تؤدي زيادة حجم العينة إلى تضييق توزيع المعاينة والحد من الخطأ المعياري، مما يفصل بين التوزيعات الاحتمالية المفترضة في ظل H0 وتلك المتوقعة في ظل H1 بدرجة عالية من الوضوح، ويتيح للباحث رصد الفروق بدقة متناهية ودون التضحية بأي من المعيارين.

لتحقيق هذا التوازن الأمثل بصورة علمية ومسبقة، يلجأ الباحثون إلى إجراء “تحليل القوة القبلي” (A priori Power Analysis) باستخدام برمجيات متخصصة ورائدة عالمياً مثل برنامج G*Power. يتيح هذا التحليل إدخال حجم الأثر المتوقع استناداً للأدبيات السابقة، ومستوى ألفا المستهدف، والقوة المطلوبة (مثلاً 0.80 أو 0.90)، ليقوم البرنامج بحساب الحد الأدنى الدقيق لحجم العينة الواجب استقطابها، مما يمنع الباحث من إهدار الموارد في عينات مفرطة الضخامة أو الشروع في دراسات ضعيفة القوة ومحكوم عليها بالفشل المنهجي مسبقاً.

6. القيمة الاحتمالية (P-value): المفهوم، التفسير، والمقارنة مع (α)

6.1 التعريف الدقيق للقيمة الاحتمالية (P-value)

تُعرَّف القيمة الاحتمالية (P-value) بدقة رياضية بأنها: احتمال الحصول على قيمة لإحصاءة الاختبار (مثل t أو F أو r) مساوية لتلك التي تمت ملاحظتها في بيانات العينة الفعلية أو أكثر تطرفاً منها، بافتراض أن الفرضية الصفرية (H0) صحيحة تماماً في المجتمع الإحصائي. يُعبر عن هذا المفهوم في نظرية الاحتمالات بالاحتمال الشرطي الآتي: P(Data or more extreme | H0 is true).

تعكس القيمة الاحتمالية رياضياً المساحة المتبقية تحت منحنى التوزيع الاحتمالي النظري للاختبار بدءاً من القيمة المحسوبة للإحصاءة باتجاه أطراف التوزيع (الذيول). إنها مؤشر مستمر لدرجة عدم التوافق النسبي بين النموذج النظري للفرضية الصفرية والبيانات الإمبريقية المشاهدة؛ فكلما كانت قيمة p أصغر، دل ذلك على أن البيانات المجمعة تتنافر بشدة مع افتراض صحة الفرضية الصفرية، مما يجعل هذا الافتراض غير قابل للتصديق في ضوء الشواهد التجريبية.

6.2 قاعدة القرار الإحصائي: مقارنة P-value مع عتبة الدلالة α

تستند آلية القرار الإحصائي في الممارسة البحثية المعاصرة إلى المقارنة المباشرة والصارمة بين القيمة الاحتمالية المحسوبة بعدياً من البيانات (P-value) ومستوى الدلالة المعياري المحدد قبلياً (α). وتتفرع هذه المقارنة إلى حالتين لا ثالث لهما:

• الحالة الأولى (p ≤ α): إذا كانت القيمة الاحتمالية أصغر من أو تساوي مستوى الدلالة المعتمد، يُعلن الباحث رفض الفرضية الصفرية (Reject H0)، ويقر بوجود “دلالة إحصائية” (Statistical Significance). يعني هذا الاستنتاج أن فرصة ملاحظة هذه البيانات المتطرفة بمحض الصدفة الصرفة أقل من العتبة الاحتمالية التي ارتضاها الباحث سلفاً، مما يرجح وجود أثر أو فارق حقيقي.
• الحالة الثانية (p > α): إذا تجاوزت القيمة الاحتمالية مستوى الدلالة، فإن القرار العلمي الإلزامي هو الفشل في رفض الفرضية الصفرية (Fail to Reject H0)، معلناً غياب الدلالة الإحصائية، وأن الأدلة المتوفرة في العينة غير كافية لافتراض وجود أثر.

يجب التنبيه هنا إلى قاعدة إبستيمولوجية بالغة الأهمية: «إن غياب الدليل لا يمثل دليلاً على الغياب» (Absence of evidence is not evidence of absence). لا تعني النتيجة غير الدالة إحصائياً أن الفرضية الصفرية قد ثبتت صحتها قطيعاً (H0 is true)، بل تعني فقط أن التجربة الحالية، بحجم عينتها وتصميمها المعتمد، لم تمتلك الحساسية الكافية لتقديم شواهد قاطعة تدحض الفرضية الصفرية وتتجاوز الضجيج العشوائي للمعاينة.

6.3 المفاهيم الخاطئة الشائعة حول P-value بين الباحثين

رغم الحضور الطاغي للقيمة الاحتمالية في المنشورات الأكاديمية، إلا أنها تظل واحدة من أكثر الأدوات الإحصائية تعرضاً لسوء الفهم والتفسير الخاطئ حتى بين الباحثين والأكاديميين المتمرسين. دفعت هذه الإشكاليات الجمعية الإحصائية الأمريكية (American Statistical Association – ASA) إلى إصدار بيان تاريخي حاسم يحدد المفاهيم المغلوطة الشائعة ويحذر من سوء استخدام هذه القيمة، وتتمثل أبرز تلك الأخطاء في الآتي:

المفهوم الخاطئ الشائع	التصحيح الإحصائي الدقيق
قيمة p تمثل احتمال أن تكون الفرضية الصفرية صحيحة: P(H0 | Data).	قيمة p هي احتمال البيانات بافتراض صحة الصفرية: P(Data | H0)، ولا يمكن استنتاج احتمال الفرضية ذاتها إلا عبر المنهج البايزي.
القيمة (1 – p) تمثل احتمال صحة الفرضية البديلة أو نجاح تكرار التجربة.	لا تقدم قيمة p أي معلومة حول احتمالية تكرار النتيجة بنجاح في دراسات مستقلة قادمة.
قيمة p الصغيرة تعني بالضرورة وجود أثر عملي أو سريري بالغ الأهمية والقوة.	قيمة p لا تقيس حجم الأثر مطلقاً؛ فالعينات الضخمة جداً تنتج قيماً متناهية الصغر لتأثيرات تافهة لا قيمة تطبيقية لها.
النتيجة غير الدالة (p > 0.05) تعني أن حجم الأثر في الواقع مساوٍ للصفر تماماً.	قد تعكس النتيجة ببساطة ضعف القوة الإحصائية وصغر حجم العينة الذي حال دون اكتشاف أثر حقيقي متوسط أو كبير.

7. المعايير الشائعة لمستوى الدلالة (0.05، 0.01، 0.001) وتطبيقاتها

7.1 عتبة 0.05: المعيار الذهبي التقليدي في علم النفس

تُعد عتبة الدلالة 0.05 (أو 5%) المعيار المعرفي والتطبيقي الأكثر شيوعاً ورسوخاً في العلوم السلوكية والنفسية والاجتماعية لعقود متتالية. يعود هذا القبول التاريخي الواسع إلى الملاءمة العملية لهذا الرقم؛ حيث يمثل نقطة توازن معقولة وتوفيقية بين الرغبة في تقليل أخطاء النوع الأول (الإيجابيات الكاذبة) دون تضخيم مفرط في أخطاء النوع الثاني أو اشتراط أحجام عينات ضخمة تفوق الموارد المتاحة للباحثين في المؤسسات الأكاديمية.

اعتمدت مجلات دليل النشر التابع لجمعية علم النفس الأمريكية (APA Style) هذا المعيار كحد أدنى وتقليدي لقبول النشر والاعتراف بفاعلية النتائج التجريبية. ومع ذلك، تشير الانتقادات المنهجية المعاصرة إلى أن الاكتفاء الحصري والأعمى بمعيار 0.05 في كافة التصاميم دون مراعاة لخصوصية المتغيرات وطبيعة المجتمع يمثل تبسيطاً مخلاً؛ إذ إن قبول هامش خطأ بنسبة 1 من كل 20 تجربة قد يكون متساهلاً للغاية في بعض الحقول النفسية التي تبنى عليها سياسات مجتمعية واسعة النطاق.

7.2 عتبة 0.01 و0.001: المعايير الصارمة والبحوث عالية المخاطر

تفرض بعض الحقول العلمية التخصصية والأبحاث السلوكية والطبية الحساسة تبني مستويات دلالة بالغة التشدد والصارمة مثل (α = 0.01) أو (α = 0.001). يُطبق هذا التشدد المنهجي بصورة خاصة في التجارب الدوائية السريرية للطب النفسي، وفي تقييم التدخلات العلاجية للاضطرابات الشديدة كالفصام والاضطرابات الانتحارية، حيث تكون تكلفة الخروج بنتيجة إيجابية كاذبة فادحة ومميتة في بعض الأحيان.

كما تُعد العتبات المتشددة إجبارية في أبحاث العلوم العصبية المعرفية وتصوير الدماغ الوظيفي (fMRI) والدراسات الجينية السلوكية واسعة النطاق (GWAS)، حيث يتم اختبار مئات الآلاف من الفرضيات المتزامنة لكل بكسل دماغي ثلاثي (Voxel) أو موقع جيني. يتطلب هذا الوضع متطلبات إحصائية قاطعة ومستويات ألفا فائقة الصغر (تصل أحياناً إلى 5×10⁻⁸) لمنع الطوفان الهائل من الإيجابيات الكاذبة الناتجة عن الصدفة المحضة، وهو ما يلزم الباحثين بالاعتماد على عينات بحثية ضخمة واستخدام تقنيات قياس دقيقة جداً لتعويض التراجع الحاد في القوة الإحصائية المصاحب لهذه العتبات المتشددة.

7.3 معايير مخصصة: متى يجوز استخدام مستويات دلالة أقل تحفظاً (0.10)؟

في حالات منهجية استثنائية ومحددة بدقة، قد يكون من المبرر للباحث تبني مستوى دلالة أكثر تساهلاً وأقل تحفظاً مثل (α = 0.10). ينطبق هذا الاستثناء المنهجي في السيناريوهات البحثية التالية:

• الدراسات الاستكشافية والاستطلاعية (Pilot and Exploratory Studies): التي تهدف إلى توليد فرضيات جديدة واستكشاف آفاق لم تطرق من قبل، حيث يركز الباحث على عدم تفويت أي إشارة أو نمط واعد يستحق الفحص المستقبلي.
• دراسة المجتمعات النادرة والحالات السريرية المعقدة: التي يستحيل فيها عملياً تجنيد عينات كبيرة (مثل الاضطرابات الجينية النادرة جداً أو الناجين من كوارث معينة)، مما يجعل التمسك بعتبة 0.05 ضرباً من التعسف الذي يؤدي حتماً إلى إخفاء التأثيرات الحقيقية جراء خطأ النوع الثاني.
• التجارب التي تفوق فيها تكلفة “السلبية الكاذبة” تكلفة “الإيجابية الكاذبة”: كالتحقق الأولي من إجراءات السلامة والأمان النفسي لبرامج التدخل في الأزمات والكوارث، حيث يكون الفشل في رصد أثر سلبي خطراً محدقاً يجب تفاديه بأي ثمن.

يشترط في هذه الحالات إفصاح الباحث بشفافية تامة ومسبقة في قسم المنهجية عن الأسباب النظرية واللوجستية التي دفعته لتبني هذا المستوى، مع الامتناع المطلق عن تقديم الاستنتاجات بصورة جازمة، وتوصيفها بوصفها شواهد أولية تتطلب التحقق والتأكيد في دراسات لاحقة.

8. مستوى الدلالة في الاختبارات أحادية وثنائية الطرف

8.1 الاختبارات ثنائية الطرف (Two-Tailed Tests) وتوزيع ألفا

تُمثل الاختبارات ثنائية الطرف (Two-Tailed Tests) الخيار المنهجي الافتراضي والأكثر شيوعاً وتحفظاً في البحث العلمي. تُستخدم هذه الاختبارات عندما يختبر الباحث فرضية بديلة غير اتجاهية، تهدف إلى الكشف عن وجود أي اختلاف أو أثر جوهري بين المجموعات بغض النظر عن اتجاه هذا الاختلاف (سواء كان إيجابياً أو سلبياً، زيادة أو نقصاناً).

من الناحية الرياضية، يتطلب الاختبار ثنائي الطرف توزيع قيمة مستوى الدلالة المختارة (α) بالتساوي التام على طرفي التوزيع الاحتمالي النظري؛ فإذا حُددت ألفا عند 0.05، يتم تخصيص مساحة قدرها 0.025 (α/2) في الذيل الأيمن للتوزيع، ومساحة مطابقة قدرها 0.025 (α/2) في الذيل الأيسر. يترتب على هذا التقسيم ابتعاد القيم الحرجة (Critical Values) عن المركز، مما يتطلب إحصاءة اختبار أعلى تطرفاً لتجاوز العتبة وتحقيق الدلالة الإحصائية.

يوفر هذا التصميم للباحث حماية مزدوجة ومتساوية ضد الوقوع في الإيجابيات الكاذبة في كلا الاتجاهين، مما يجعله الخيار الأمثل والآمن في مجالات البحث الاستكشافية والنفسية العامة التي قد تقود فيها المتغيرات إلى تفاعلات ونتائج عكسية غير متوقعة في بنية الظاهرة المدروسة.

8.2 الاختبارات أحادية الطرف (One-Tailed Tests) وتركيز القوة

في المقابل، يُلجأ إلى الاختبارات أحادية الطرف (One-Tailed Tests) عندما يستند الباحث إلى أساس نظري رصين وأدبيات تجريبية متراكمة تمكنه من صياغة فرضية بديلة اتجاهية واضحة، تتنبأ بأن الأثر المتوقع يسير في اتجاه وحيد ومحدد حصراً (مثل التنبؤ بأن البرنامج الإرشادي سيؤدي حتماً إلى خفض القلق، أو أن التدريب المعرفي سيزيد من سرعة الاستجابة).

في هذا النمط الإحصائي، يتم تركيز القيمة الكلية لمستوى الدلالة (α = 0.05 كاملاً) في طرف واحد من التوزيع الاحتمالي (الذيل الأيمن أو الأيسر وفقاً لصياغة الفرضية). يؤدي هذا التركيز إلى تقريب القيمة الحرجة باتجاه مركز التوزيع مقارنة بالاختبار ثنائي الطرف، مما يزيد من القوة الإحصائية للاختبار ويسهل على الباحث رصد الأثر وتجاوز عتبة الدلالة بحجم عينة أصغر، شريطة أن تقع البيانات في الاتجاه المتوقع تحديداً.

تكمن النقطة المفصلية والخطيرة في الاختبارات أحادية الطرف في أنها تتجاهل تماماً أي نتيجة تقع في الطرف المعاكس؛ فلو أظهرت البيانات التجريبية فارقاً هائلاً وقوياً ولكن في عكس الاتجاه المفترض (كأن يتسبب العلاج في زيادة القلق بدلاً من خفضه)، فإن المنطق الرياضي للاختبار أحادي الطرف يجبر الباحث على معاملة هذه النتيجة بوصفها مساوية تماماً للصفر الإحصائي والفشل في رفض الفرضية الصفرية، مما قد يحجب اكتشافات غير متوقعة أو آثاراً سلبية ضارة.

8.3 الاعتبارات الأخلاقية والمنهجية في اختيار نوع الاختبار

يثير الاختيار بين الاختبارات أحادية وثنائية الطرف إشكاليات أخلاقية ومنهجية بالغة الحساسية في المجتمع الأكاديمي. إن التحول البعدي (Post-hoc switching) من اختبار ثنائي الطرف إلى اختبار أحادي الطرف بعد الانتهاء من جمع البيانات ورؤية النتائج بمجرد ملاحظة أن قيمة p تقع في النطاق بين 0.05 و 0.10 يُعد سلوكاً غير أخلاقي وممارسة غير نزيهة لخفض عتبة الدلالة اصطناعياً وجعل النتيجة دالة إحصائياً بالاحتيال.

تنظر لجان التحكيم العلمي الصارمة في المجلات النفسية المرموقة بشك وريبة نحو الاختبارات أحادية الطرف المنشورة ما لم تكن مسجلة مسبقاً في بروتوكول بحثي مقفل أو مدعومة بمسوغات نظرية قطعية لا تقبل الشك. وعلاوة على ذلك، ينعكس نوع الاختبار مباشرة على طريقة بناء وحساب فترات الثقة (Confidence Intervals)؛ فالاختبار ثنائي الطرف يقابله مجال ثقة ثنائي الجانب يعكس التقدير الدقيق للمتغير في كلا الاتجاهين، في حين يتطلب الاختبار أحادي الطرف استخدام حدود ثقة أحادية الجانب (One-sided bounds)، وهو ما يجب توضيحه بشفافية مطلقة في تقرير الدراسة لضمان قابلية النتائج للمقارنة والتقييم.

9. الدلالة الإحصائية مقابل الدلالة العملية وحجم الأثر

9.1 مفهوم الدلالة العملية والسريرية (Clinical Significance)

من الضروري إدراك أن الدلالة الإحصائية (Statistical Significance) لا تعني إطلاقاً الأهمية العملية أو الدلالة التطبيقية والسريرية (Practical / Clinical Significance). إن وجود دلالة إحصائية (p < 0.05) يعني ببساطة أن الفارق الملاحظ بين المجموعات من غير المرجح أن يكون عائداً إلى صدفة المعاينة البحتة، ولكنه لا يخبرنا بأي شيء عن حجم هذا الفارق، أو ما إذا كان له أي وزن أو فائدة ملموسة في حياة الأفراد اليومية أو في السياق العلاجي والتربوي.

تتجلى هذه المشكلة المنهجية بوضوح عند استخدام أحجام عينات ضخمة جداً (آلاف أو مئات الآلاف من المفحوصين)؛ حيث تكتسب الفروق التافهة رياضياً والسطحية دلالة إحصائية فائقة مع قيم p بالغة الصغر (مثل p < 0.0001). على سبيل المثال، إذا أظهرت دراسة ضخمة أن دواءً جديداً يقلل وقت نوبات الهلع بمقدار ثانيتين فقط بفارق دال إحصائياً، فإن هذه النتيجة تفتقر تماماً للدلالة السريرية لأن تحسن المريض بثانيتين لا يمثل أي تغيير نوعي في جودة حياته أو معاناته النفسية.

لمعالجة هذا القصور المنهجي، ينبغي على الباحثين تحديد “أصغر حجم أثر ذي أهمية علمية وتطبيقية” (Smallest Effect Size of Interest – SESOI) قبل بدء التجربة، والاعتماد عليه في تقييم مدى جدوى النتائج العملية إلى جانب الدلالة الإحصائية.

9.2 مقاييس حجم الأثر الشائعة في علم النفس

يُعرَّف حجم الأثر (Effect Size) بأنه مقياس كمي موحد ومعياري يعكس قوة واستقلال وحجم الظاهرة المدروسة في المجتمع الإحصائي، بمعزل تام عن حجم العينة المستخدمة ومستوى ألفا والقيمة الاحتمالية. تنقسم مقاييس حجم الأثر الشائعة في العلوم النفسية والسلوكية إلى عائلتين رئيسيتين:

• عائلة الفروق المعيارية (d family): وتُستخدم لتقييم مقدار التباعد بين متوسطات المجموعات بوحدات الانحراف المعياري، ومن أبرزها مؤشر كوهين د (Cohen’s d) المستخدم للعينات الكبيرة، ومؤشر هيدجز جي (Hedges’ g) الذي يطبق تصحيحاً رياضياً لتجنب تضخيم الأثر في العينات الصغيرة. ووفقاً لمعايير كوهين الإرشادية، يُصنف الأثر إلى:
  • أثر صغير (Small): d = 0.20
  • أثر متوسط (Medium): d = 0.50
  • أثر كبير (Large): d = 0.80 فما فوق.
• عائلة الارتباط والتباين المفسر (r family): وتُستخدم لقياس قوة الاقتران بين المتغيرات أو النسبة المئوية للتباين المشترك، ومن أشهرها معامل ارتباط بيرسون (Pearson’s r)، ومربع إيتا (Eta-Squared – η²)، ومربع إيتا الجزئي (Partial η²)، ومعامل التحديد (R²). وتشير إرشادات كوهين للارتباط (r) إلى:
  • ارتباط صغير: r = 0.10
  • ارتباط متوسط: r = 0.30
  • ارتباط كبير: r = 0.50 فما فوق.

9.3 فترات الثقة (Confidence Intervals) كبديل متكامل

تمثل فترات الثقة (Confidence Intervals – CIs) بديلاً ومنهجاً استدلالياً متفوقاً يجمع بين مزايا اختبار الفرضيات وتقدير حجم الأثر في آن واحد، ولذلك يشدد دليل النشر التابع لجمعية علم النفس الأمريكية على ضرورة إدراج فترات الثقة لكافة التأثيرات والمعالم الأساسية المقدرة في البحوث الحديثة.

ترتبط فترة الثقة ارتباطاً وثيقاً ومباشراً بمستوى الدلالة المعتمد عبر المعادلة (1 – α)؛ فإذا اعتمد الباحث مستوى ألفا α = 0.05، فإن فترة الثقة المقابلة هي 95% Confidence Interval. تعني هذه الفترة إحصائياً أنه لو كررنا التجربة وسحب العينات عدداً لانهائياً من المرات وبنينا فترات ثقة متطابقة لكل عينة، فإن 95% من تلك الفترات ستحتوي في داخلها على المعلمة المجتمعية الحقيقية المجهولة.

تقدم فترة الثقة للباحث معلومات مزدوجة لا توفرها القيمة الاحتمالية وحدها؛ فهي تقدم “تقدير النقطة” (Point Estimate) لحجم الأثر المشاهد، وتوضح بدقة “مدى عدم اليقين” (Degree of Uncertainty) عبر عرض المسافة بين الحدين الأدنى والأعلى. فإذا كانت فترة الثقة لفارق المتوسطات لا تتضمن القيمة صفر (مثلاً: 95% CI [2.15, 6.80])، دل ذلك تلقائياً على أن النتيجة دالة إحصائياً عند مستوى p < 0.05، كما تمكن القارئ من تقييم الأهمية العملية للأثر من خلال معاينة أسوأ وأفضل السيناريوهات المقدرة للظاهرة.

10. تعديل مستوى الدلالة في المقارنات المتعددة

10.1 مشكلة تراكم معدل الخطأ عبر العائلة (Family-wise Error Rate)

تنشأ معضلة إحصائية بالغة الخطورة عند قيام الباحث بإجراء اختبارات فرضيات إحصائية متعددة ومستقلة على نفس مجموعة البيانات دون إجراء أي ضبط رياضي. تُعرف هذه المشكلة بتضخم “معدل الخطأ عبر العائلة” (Family-wise Error Rate – FWER)، وتتمثل في التراكم المتسارع لاحتمالية ارتكاب خطأ واحد على الأقل من النوع الأول (إيجابية كاذبة واحدة على الأقل) ضمن حزمة الاختبارات المجراة.

تُحسب احتمالية الوقوع في خطأ واحد على الأقل من النوع الأول عبر الصيغة الرياضية الاحتمالية الآتية:

FWER = 1 – (1 – α)^k

حيث تمثل (α) مستوى الدلالة للاختبار الفردي، و (k) عدد المقارنات أو الاختبارات المستقلة المطبقة. يوضح الجدول التالي كيف يتضخم معدل الخطأ التراكمي بمجرد زيادة عدد المقارنات عند تثبيت ألفا عند 0.05:

عدد المقارنات (k)	حساب الاحتمال الرياضي	معدل الخطأ التراكمي الفعلي (FWER)
1	1 – (1 – 0.05)¹ = 1 – 0.950	5%
3	1 – (1 – 0.05)³ = 1 – 0.857	14.3%
5	1 – (1 – 0.05)⁵ = 1 – 0.774	22.6%
10	1 – (1 – 0.05)¹⁰ = 1 – 0.599	40.1%
20	1 – (1 – 0.05)²⁰ = 1 – 0.358	64.2%

يكشف هذا التضخم بوضوح الخطأ المنهجي الفادح المتمثل في إجراء اختبارات (t-test) متعددة بين مجموعات تجريبية بدلاً من إجراء تحليل تباين أحادي شامل (ANOVA)، حيث ترتفع احتمالية إعلان فارق وهمي دال إحصائياً بالصدفة الصرفة إلى مستويات كارثية تقوض موثوقية الاستنتاجات العلمية.

10.2 طرق التصحيح الكلاسيكية والحديثة لمستوى ألفا

لمواجهة تضخم الخطأ التراكمي وضبط معدل الاكتشافات الكاذبة، طور الإحصائيون جملة من الخوارزميات والمعادلات التصحيحية لتعديل مستوى الدلالة ومقارنته بالقيم الاحتمالية، وتتفاوت هذه الطرق في درجة تحفظها وقوتها الإحصائية:

• تصحيح بونفيروني (Bonferroni Correction): هو الأسلوب الكلاسيكي الأبسط والأكثر صرامة؛ حيث يتم تقسيم مستوى الدلالة الكلي على عدد المقارنات الإجمالي (α_adjusted = α / k). ورغم كفاءته المطلقة في منع أخطاء النوع الأول، إلا أنه يُنتقد بشدة لإفراطه في التحفظ وخفضه الحاد للقوة الإحصائية، مما يرفع معدلات خطأ النوع الثاني بشكل غير مقبول في المقارنات الكبيرة.
• طريقة هولم-بونفيروني المتدرجة (Holm-Bonferroni Method): طريقة تتابعية تصاعدية متفوقة منهجياً على بونفيروني؛ حيث تُرتب القيم الاحتمالية تصاعدياً من الأصغر للأكبر، وتُعدل العتبة لكل اختبار بصيغة متدرجة: [α / (k – i + 1)] حيث (i) تمثل رتبة الاختبار. تضمن هذه الطريقة السيطرة الكاملة على خطأ النوع الأول ولكن مع الاحتفاظ بقوة إحصائية أعلى بكثير.
• التحكم في معدل الاكتشاف الكاذب (False Discovery Rate – Benjamini-Hochberg): مقاربة حديثة وثورية تهدف إلى التحكم في نسبة الاكتشافات الخاطئة من بين إجمالي النتائج الدالة فقط، بدلاً من السيطرة على خطأ واحد عبر كافة الاختبارات. تُعد هذه الطريقة الخيار المثالي في أبحاث البيانات الضخمة والمسوحات الواسعة التي تتطلب توازناً عملياً بين الاكتشاف والضبط.
• اختبارات المقارنات البعدية المعيارية: مثل اختبار توكي للفروق الصادقة (Tukey’s HSD) للمقارنات الزوجية المتعددة، واختبار شيفيه (Scheffé’s Test) للمقارنات المعقدة غير المخططة، وهي اختبارات مصممة رياضياً لضبط معدل ألفا الشامل تلقائياً ضمن بنيتها الحسابية.

10.3 تطبيقات التعديل في تصاميم البحوث النفسية المتقدمة

تتأكد ضرورة تعديل مستويات الدلالة في التصاميم التجريبية النفسية المتقدمة التي تتضمن متغيرات مستقلة متعددة وتفاعلات معقدة، مثل تحليلات التباين المتعدد للمتغيرات التابعة (MANOVA) وتحليلات الانحدار المتعدد الهرمي. يواجه الباحث في هذه النماذج خطر التضخم الخفي للخطأ عند فحص مصفوفات الارتباط الكبيرة (Correlation Matrices) واختبار دلالة عشرات المعاملات في آن واحد.

تتضاعف هذه التحديات في أبحاث علم النفس العصبي والجينات السلوكية؛ حيث يقوم الباحث بتحليل نشاط آلاف المناطق الدماغية استجابة لمثير انفعالي محدد. وفي هذا الصدد، أظهرت دراسات نقدية شهيرة كيف أن إغفال تصحيح المقارنات المتعددة في التصوير العصبي الوظيفي قد يقود إلى رصد نشاط دماغي “دال إحصائياً” حتى في أجسام ميتة تماماً بمحض تقلبات الضجيج الحراري، مما جعل تطبيق خوارزميات التصحيح الإحصائي الصارمة (مثل التوزيعات العشوائية المبنية على التباديل Permutation Tests والتحكم في المجموعات العنقودية Cluster-level Correction) شرطاً غير قابل للتفاوض لاعتماد هذه الدراسات ونشرها عالمياً.

11. أزمة التكرار وممارسات P-hacking والحلول المنهجية

11.1 أزمة التكرار (Replication Crisis) في العلوم النفسية

شهد العقد الأخير هزة معرفية ومنهجية كبرى في العلوم السلوكية والنفسية عُرفت باسم أزمة التكرار (Replication Crisis)، وذلك بعد نشر نتائج مشروع استنساخ العلوم النفسية الواسع الذي قاده مشروع التكرار: علم النفس (Reproducibility Project: Psychology) بالتعاون مع مئات العلماء حول العالم. كشفت النتائج عن فشل صادم في تكرار أكثر من 60% من الدراسات السيكولوجية المنشورة في أرقى المجلات المحكمة، حيث تراجعت حجوم التأثيرات في الدراسات المعاد تكرارها إلى أقل من نصف ما كان معلناً عنه في الأوراق الأصلية.

سلطت هذه الأزمة الضوء على الخلل البنيوي المترتب على الاعتماد المفرط والجامد على عتبة p < 0.05 بوصفها المعيار الأوحد لجودة العلم وجدارته بالنشر، مما ولد ظاهرة “انحياز النشر” (Publication Bias) أو ما يسمى بـ “مشكلة ملف الأدراج” (File Drawer Problem)؛ حيث تقوم المجلات بنشر الدراسات التي تتوصل إلى نتائج دالة إحصائياً فقط، بينما تدفن الدراسات غير الدالة في أدراج الباحثين ومكاتبهم، مما يظهر الأدبيات المنشورة بحالة وردية خادعة تفيض بالتأثيرات الإيجابية الزائفة.

11.2 ممارسات التنقيب عن الدلالة (P-hacking) وأشكالها

أزاحت التحقيقات المنهجية الستار عن ممارسات بحثية ملتوية واسعة الانتشار تُعرف اصطلاحاً بـ التنقيب عن الدلالة (P-hacking) أو درجات حرية الباحث غير المصرح بها، وتتمثل في استغلال المرونة في جمع البيانات وتحليلها بطرق متعددة حتى الوصول بالقيمة الاحتمالية لتصبح أقل من 0.05 قسراً. وتتخذ هذه الممارسات المشبوهة عدة أشكال خفية:

• المعاينة التلصصية والتوقف الاختياري (Data Peeking): فحص دلالة البيانات إحصائياً أثناء عملية الجمع، والتوقف فور الوصول إلى p < 0.05، أو الاستمرار في جمع مفحوصين إضافيين فقط في حال كانت النتيجة قريبة من العتبة.
• الحذف الانتقائي للقيم المتطرفة (Selective Outlier Removal): تجربة معايير استبعاد متعددة للحالات الشاذة، والاحتفاظ بالمعيار الذي يقود حصراً إلى قيمة p دالة.
• التلاعب بالمتغيرات التابعة والمستقلة: قياس عدة متغيرات تابعة ومراقبة متغيرة في التجربة، ونشر تلك التي حققت الدلالة الإحصائية فقط مع إخفاء وتجاهل المتغيرات الأخرى غير الدالة في التقرير النهائي.
• التبديل بين النماذج الإحصائية (Model Shopping): تطبيق اختبارات معلمية ولا معلمية وإدخال وإخراج متغيرات وسيطة ومعدلة حتى الوصول إلى التركيبة الحسابية التي تسفر عن دلالة إحصائية للشواهد.

11.3 المقترحات الإصلاحية: خفض العتبة والتحول إلى البايزية

في مواجهة هذه الأزمة البنيوية، تحرك المجتمع الإحصائي والمنهجي عبر تقديم مسارات إصلاحية جذرية لإنقاذ مصداقية الاستدلال العلمي. تمثل المقترح الأول في الدعوة البارزة التي قادها تحالف دولي واسع من كبار المنهجيين ونُشرت في مجلة Nature Human Behaviour لـ خفض عتبة الدلالة الإحصائية القياسية للأبحاث الاستكشافية الجديدة من 0.05 إلى α = 0.005، مع إعادة تصنيف النتائج التي تقع بين 0.05 و 0.005 بوصفها مجرد “أدلة إيحائية” (Suggestive Evidence) وليست دلالة قاطعة، مما يرفع حاجز الدليل ويقلص معدل الإيجابيات الكاذبة في الأدبيات بنسبة هائلة.

تمثل المسار الإصلاحي الثاني في التحول المتسارع نحو الاستدلال الإحصائي البايزي (Bayesian Statistics) واستخدام “معامل بايز” (Bayes Factor – BF10) كبديل متكامل لمنطق NHST التقليدي. يتيح معامل بايز تقييم الأدلة النسبية لصالح الفرضية البديلة مقابل الفرضية الصفرية بصورة متوازنة؛ مما يمكن الباحثين للمرة الأولى من تقديم دعم كمي مباشر لصحة الفرضية الصفرية ونفي وجود الأثر بدلاً من الاكتفاء بالصياغات العاجزة عن إثبات العدم.

كما تعززت هذه الإصلاحات باعتماد نموذج التقارير المسجلة (Registered Reports) في كبرى الدوريات العالمية؛ حيث يتم تحكيم وقبول خطة الدراسة ومنهجيتها ومستويات الدلالة المعتمدة ومراجعتها مسبقاً قبل جمع البيانات، مع التزام المجلة بنشر النتائج بغض النظر عما إذا جاءت دالة أو غير دالة إحصائياً، مما يقضي جذرياً على انحياز النشر وممارسات التنقيب عن الدلالة.

12. إرشادات عملية لتطبيق وتفسير مستويات الدلالة في البحوث

12.1 كيفية اختيار مستوى الدلالة المناسب لطبيعة دراستك

إن تحديد مستوى الدلالة الإحصائية المناسب ليس عملية آلية جامدة بل هو قرار منهجي استراتيجي يتطلب من الباحث موازنة واعية بين عدة محددات سياقية وإبستيمولوجية تحكم الظاهرة قيد الدراسة، ويسترشد الباحث في هذا الاختيار بالمعايير التالية:

• تقييم المخاطر النسبية للأخطاء: حدد بوضوح ما هو الخطأ الأكثر كلفة وخطورة في سياق بحثك؛ هل هو خطأ النوع الأول (إعلان فاعلية علاج وهمي مثلاً) أم خطأ النوع الثاني (إغفال تشخيص اضطراب خطير)؟ إذا كانت الإيجابية الكاذبة هي الأخطر، اتجه نحو عتبات صارمة (α = 0.01 أو 0.005)، أما إذا كانت السلبية الكاذبة هي الأشد ضرراً، فيمكن البقاء عند (α = 0.05) مع رفع القوة الإحصائية.
• طبيعة البحث (استكشافي أم تأكيدي): تقتضي الدراسات التأكيدية التي تختبر نظريات مستقرة وتدخلات نهائية معايير صارمة للغاية، بينما تتيح الدراسات الاستكشافية الميدانية في موضوعات بكر مرونة محسوبة تسعى لرصد البذور والأنماط الأولية.
• حجم العينة المتاح والقدرة اللوجستية: لا تتبنَّ مستويات ألفا متطرفة وصارمة جداً إذا كانت إمكانياتك المادية وعينتك المتاحة صغيرة لا تتيح لك توفير القوة الإحصائية الكافية، واحرص على توثيق مبرراتك النظرية والمنهجية في متن تقريرك البحثي بدقة.

12.2 معايير كتابة النتائج وفق دليل جمعية علم النفس الأمريكية (APA 7th)

يفرض الإصدار السابع من دليل النشر لجمعية علم النفس الأمريكية (APA 7th Edition) ضوابط كتابية ورياضية دقيقة للغاية لتدوين نتائج الاختبارات الإحصائية ومستويات الدلالة في التقارير والرسائل العلمية. وتتلخص أهم هذه المعايير في الآتي:

• الإبلاغ عن القيم الاحتمالية الدقيقة (Exact P-values): يجب كتابة القيمة الاحتمالية المحسوبة بدقة إلى خانتين أو ثلاث خانات عشرية (مثل: p = .023 أو p = .412) وتجنب استخدام صيغ الفئات العامة القديمة (مثل: p < .05 أو NS) إلا في حالة القيم المتناهية الصغر التي تقل عن 0.001؛ حيث تُكتب عندها بصيغة (p < .001).
• الصيغة القياسية لتدوين الإحصاءات: تُكتب الرموز الإحصائية مائلة بخط مائل (Italicized) متبوعة بدرجات الحرية بين قوسين، ثم القيمة المحسوبة للإحصاء، ثم القيمة الاحتمالية، وأخيراً حجم الأثر وفترات الثقة.
  
  مثال لتطبيق اختبار t:
  t(58) = 2.45, p = .017, d = 0.63, 95% CI [0.11, 1.15]
  
  مثال لتطبيق تحليل التباين F:
  F(2, 87) = 5.12, p = .008, η²_p = .11, 95% CI [.02, .23]
• الاقتران الإلزامي بحجم الأثر ومجالات الثقة: يمنع دليل APA تقديم الدلالة الإحصائية بصورة معزولة؛ إذ يجب أن يرافق كل قرار إحصائي تقدير دقيق لحجم الأثر المقابل وفترة ثقة توضح مستوى الدقة.
• تجنب التعبيرات اللفظية المضللة: يُحظر تماماً استخدام عبارات تبريرية غير علمية عندما تتجاوز القيمة عتبة الدلالة بقليل، مثل قول: «كانت النتيجة ذات دلالة هامشية» (Marginally significant) أو «تقترب من الدلالة الإحصائية» (Approaching significance)؛ فالنتيجة إما دالة وفق العتبة المعتمدة أو غير دالة إحصائياً.

12.3 قائمة تدقيق الباحث للنزاهة الإحصائية وجودة الاستدلال

قبل اعتماد المخرجات الإحصائية وصياغة الاستنتاجات العلمية النهائية، ينبغي على الباحث مراجعة وتدقيق الإجراءات المنهجية عبر قائمة التحقق والاستيثاق الآتية:

الحالة	المعيار المنهجي	الإجراء الواجب اتخاذه
[ ]	فحص الافتراضات الإحصائية	التحقق من التوزيع الطبيعي للبيانات، واستقلالية المشاهدات، وتجانس التباينات، واستخدام الاختبارات اللامعلمية أو التحويلات المناسبة في حال انتهاكها.
[ ]	كفاية القوة الإحصائية	التأكد من إجراء تحليل القوة القبلي لضمان أن حجم العينة يوفر قوة إحصائية لا تقل عن 0.80 لاكتشاف حجم الأثر الأدنى ذي المعنى.
[ ]	ضبط المقارنات المتعددة	تطبيق تصحيحات ملائمة (كطريقة هولم أو FDR) في حال اختبار فرضيات متعددة على مصفوفة البيانات لمنع تضخم الإيجابيات الكاذبة.
[ ]	التفسير الموضوعي الشامل	مناقشة النتائج من زاوية الدلالة العملية وحجم الأثر وحدود القياس المنهجية، والابتعاد التام عن المبالغة في تعميم الدلالة الإحصائية الصرفة.

خاتمة

إن الفهم العميق والدقيق لمستويات الدلالة الإحصائية وآليات اتخاذ القرار الاحتمالي يشكل الفارق الجوهري بين الباحث الحقيقي الذي يستنطق البيانات بموضوعية ونزاهة، وبين الممارس السطحي الذي ينساق خلف المخرجات الرقمية الجاهزة للبرمجيات دون وعي بفلسفتها وحدودها المعرفية. إن مستوى الدلالة (α) ليس طلسماً سحرياً يحول الصدفة إلى حقيقة مطلقة، بل هو عقد منهجي ومقياس واعٍ لمقدار المخاطرة المحسوبة التي يرتضيها المجتمع العلمي لترويض الشك والتعامل مع تعقيدات التباين البشري في العلوم النفسية والسلوكية.

يتطلب النهوض بالبحث العلمي اليوم تجاوز الهوس الأعمى بعتبة p < 0.05 نحو إطار استدلالي تكاملي يجمع بين التحديد القبلي الصارم لعتبات الدلالة، وإجراء تحليلات القوة الإحصائية لضمان كفاية العينات، والتقدير الإلزامي لأحجام التأثيرات وفترات الثقة، والانفتاح على المناهج البايزية وممارسات العلم المفتوح والتسجيل المسبق للفرضيات. ومن خلال هذا الوعي الإبستيمولوجي والالتزام بالنزاهة الإحصائية، تستطيع العلوم السلوكية والنفسية ترسيخ موثوقية نتائجها، وبناء صروح نظرية وتطبيقية رصينة قادرة على الصمود أمام التكرار، وتقديم إسهامات حقيقية وملموسة تخدم المعرفة الإنسانية والمجتمع.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., Bollen, K. A., Brembs, B., Brown, L., Camerer, C., Cesarini, D., Chambers, C. D., Clyde, M., Cook, T. D., De Boeck, P., Dienes, Z., Dreber, A., Easwaran, K., Effron, D. A., … Johnson, V. E. (2018). Redefine statistical significance. Nature Human Behaviour, 2(1), 6–10. https://doi.org/10.1038/s41562-017-0189-z
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://www.sciencedirect.com/book/9780121790608/statistical-power-analysis-for-the-behavioral-sciences
• Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49(12), 997–1003. https://doi.org/10.1037/0003-066X.49.12.997
• Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
• Faul, F., Erdfelder, E., Lang, A. G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. https://doi.org/10.3758/BF03193146
• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
• 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
• Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Mathematical or Physical Character, 231(694-706), 289–337. https://doi.org/10.1098/rsta.1933.0009
• Nosek, B. A., Alter, G., Banks, G. C., Borsboom, D., Bowman, S. D., Breckler, S. J., Buck, S., Chambers, C. D., Chin, G., Christensen, G., Contestabile, M., Dafoe, A., Eich, E., Freese, J., Glennerster, R., Goroff, D., Green, D. P., Hesse, B., Humphreys, M., … Yarkoni, T. (2015). Promoting an open research culture. Science, 348(6242), 1422–1425. https://doi.org/10.1126/science.aab2374
• Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716
• Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22(11), 1359–1366. https://doi.org/10.1177/0956797611417632
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA’s statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108