يشكل تحديد حجم العينة أحد أهم التحديات المنهجية والإحصائية التي تواجه الباحثين وعلماء الاجتماع والنفس والإحصاء التطبيقي عند تصميم الدراسات الميدانية والتجريبية. فالعينة ليست مجرد اقتطاع عشوائي أو جزافي من مجتمع الأصل، بل هي الممثل المنهجي الذي يُبنى عليه صدق النتائج وقابلية تعميمها، والركيزة التي تستند إليها الاستدلالات العلمية في فضاء الاحتمالات. وفي ظل تباين الموارد الزمنية والمادية المتاحة للباحثين، تبرز الحاجة الماسة إلى نماذج رياضية توازن بدقة رياضية متناهية بين مبدأ التمثيل الموثوق والتكلفة الإجرائية لجمع البيانات الميدانية.
تعتبر صيغة سلوفين (Slovin’s Formula) واحدة من أشهر الأدوات الرياضية والمنهجية المتبعة في الأوساط الأكاديمية والبحثية لتقدير الحجم الأمثل للعينات الإحصائية المسحوبة من مجتمعات محددة ومعلومة التعداد. وقد اكتسبت هذه الصيغة مكانتها المرموقة بفضل قدرتها الفريدة على تقديم حلول حسابية مباشرة وسريعة للمشكلات التي يعجز فيها الباحث عن معرفة التباين المسبق للظاهرة أو الانحراف المعياري لسمات المفحوصين، مما جعلها حجر زاوية في بحوث العلوم السلوكية والإنسانية والإدارية والتربوية على مدار عقود طويلة.
يقدم هذا المرجع الأكاديمي الشامل تحليلاً بنيوياً ونظرياً وتطبيقياً متعمقاً لصيغة سلوفين؛ إذ يتناول جذورها المعرفية وتأصيلها الرياضي، ويفكك متغيراتها التفاعلية، ويشرح آليات تطبيقها خطوة بخطوة مع استعراض نماذج حسابية مفصلة. كما يضع الصيغة في ميزان النقد المنهجي المقارن مع أدوات تحديد العينات الأخرى كمعادلة كوشران وصيغة ياماني وجداول كريجسي ومورجان، مستكشفاً الشروط الإبستمولوجية والأخلاقية التي تحكم استخدامها السليم في بناء المقاييس السيكومترية والمسوح الميدانية الحديثة.
1. مقدمة شاملة حول معادلة سلوفين في البحث العلمي والإحصاء
1.1 المفهوم العام لمعادلة سلوفين وأهميتها المنهجية
تُعرف صيغة سلوفين في أدبيات الإحصاء الاستدلالي ومناهج البحث الكمي بأنها خوارزمية رياضية مصممة لاحتساب الحد الأدنى لحجم العينة العشوائية البسيطة الممثلة لمجتمع إحصائي محدد سلفاً. تنبع القيمة المنهجية لهذه الصيغة من إجابتها الحاسمة عن السؤال الإشكالي الذي يطرحه كل باحث عند الشروع في بحثه: “كم فرداً أحتاج لاختبار فرضياتي بدرجة مقبولة من الدقة واليقين؟” إن التقدير غير المنضبط لحجم العينة يقود إما إلى تضخيم العينة بما يستنزف ميزانية البحث وطاقات فريق العمل الميداني دون إضافة نوعية للدقة، أو إلى تقليصها المخل الذي يفضي بدوره إلى عجز إحصائي يحجب الرؤية عن العلاقات الارتباطية والفروق الجوهرية بين المتغيرات.
تعمل معادلة سلوفين على حماية الاستدلال العلمي من الانحياز والتشويه المنهجي؛ إذ تتيح تحديد العتبة الإحصائية الآمنة التي تعصم الباحث من الوقوع في شرك العينات الملائمة غير الممثلة. ويظهر بريق هذه الصيغة بصورة خاصة عندما يجد الأكاديمي نفسه في مواجهة ظاهرة ناشئة أو مستحدثة تفتقر إلى تراكم دراسات سابقة تكشف عن التباين المتوقع للسمة المدروسة داخل المجتمع. ففي الوقت الذي تشترط فيه معظم الصيغ البارامترية الأخرى معرفة مسبقة بخصائص التشتت أو النسب الاحتمالية للظاهرة، تقفز صيغة سلوفين فوق هذه العقبة ببراعة مقترحة نموذجاً تقديرياً يعتمد حصرياً على حجم المجتمع الأصلي ومستوى التسامح مع الخطأ.
إن تحقيق الصدق الخارجي (External Validity) وقابلية تعميم الاستنتاجات على كامل مجتمع الدراسة يمثل الغاية القصوى للبحوث الكمية. ومن هذا المنطلق، لا تعد صيغة سلوفين مجرد عملية حسابية جافة، بل هي صمام أمان منهجي يضمن تحويل المدخلات الميدانية الخام إلى تقديرات إحصائية قابلة للتطبيق الواقعي، وصياغة سياسات وإجراءات تسترشد بالمعطيات العلمية الموثوقة والمجردة من الأهواء التقديرية الذاتية.
1.2 دواعي اللجوء إلى صيغة سلوفين في الدراسات المسحية
تفرض الطبيعة العملية للأبحاث المسحية والاجتماعية قيوداً لوجستية واقتصادية صارمة تجعل من أسلوب الحصر الشامل (Census) خياراً شبه مستحيل في غالبية الأحيان. فعندما يمتد مجتمع الدراسة ليشمل عشرات الآلاف من الموظفين أو مئات الآلاف من طلبة الجامعات أو عموم المستهلكين في منطقة جغرافية واسعة، يصبح مسح كل فرد في المجتمع هدراً غير مبرر للثروات وإضاعة للوقت قد تؤدي إلى تقادم البيانات قبل اكتمال جمعها وتحليلها. هنا يتجلى الداعي الأول لاستخدام صيغة سلوفين كأداة لاشتقاق عينة تكفل الكفاءة الاقتصادية دون التضحية بالرصانة المنهجية.
إلى جانب ذلك، تنشأ مبررات استخدام الصيغة في البيئات البحثية الاستكشافية التي تتناول موضوعات غير مطروقة؛ حيث ينعدم وجود مسوح استطلاعية أولية (Pilot Studies) تحدد التباين الداخلي لمتغيرات الدراسة. وفي مثل هذه السيناريوهات، يتعذر على الباحث تطبيق معادلات تشترط معرفة نسب النجاح والفشل أو الانحرافات المعيارية المحددة بدقة. فتقدم سلوفين هنا حلاً براغماتياً محافظاً يفترض أسوأ سيناريوهات التباين ضمنياً، مما يضمن حماية البحث من أخطاء نقص التقدير التي قد تقوض مخرجاته برمتها.
كما تدعو الحاجة الميدانية إلى اعتماد صيغة سلوفين لضمان اتساق شروط المعاينة العشوائية البسيطة؛ إذ يؤسس استخراج حجم العينة الدقيق قاعدة صلبة لتوزيع الاستبانات باستخدام جداول الأرقام العشوائية أو المولدات الرقمية الحديثة. إن هذا التوازن الدقيق بين صرامة التقدير الرياضي وتواضع متطلبات المدخلات يجعل الصيغة حلاً مثالياً للمؤسسات التنموية ومراكز استطلاعات الرأي والباحثين الأكاديميين الساعين لإنجاز أبحاث موثوقة في أطر زمنية وميزانيات تشغيلية محددة بدقة.
1.3 مكانة صيغة سلوفين ضمن أدوات القياس والتحليل الكمي
تحتل معادلة سلوفين موقعاً تأسيسياً في سلم خطوات التصميم المنهجي للبحوث الكمية والتجريبية وشبه التجريبية؛ إذ تسبق مرحلة تطبيقها جمع البيانات وتطوير أدوات القياس كالاستبانات ومقاييس التقدير وملاحظات السلوك. فلا يمكن البدء في بناء أداة قياس أو التأكد من خصائصها السيكومترية دون تصور قاطع للحجم العيني المستهدف الذي سيخضع للتقنين والاختبار الميداني، الأمر الذي يجعل سلوفين المدخل الإجرائي الأساسي لتحديد كفاية العينة المستهدفة.
وقد حظيت الصيغة باعتراف أكاديمي واسع وراسخ في كبريات الجامعات والمجلات العلمية المحكمة حول العالم، وباتت مذكورة صراحة في أقسام المنهجية ضمن رسائل الماجستير وأطروحات الدكتوراه كدليل دامغ على خضوع اختيار العينة لمعايير كمية مضبوطة بعيدة عن التقديرات العفوية. ويمثل هذا الاعتراف شهادة على كفاءة الصيغة في تلبية المتطلبات التحكيمية الصارمة التي تفرضها الهيئات الأكاديمية ولجان الدراسات العليا لضمان دقة الاستقراء الإحصائي.
وعلاوة على ذلك، ترتبط صيغة سلوفين ارتباطاً وثيقاً بمفهوم القوة الإحصائية (Statistical Power)؛ إذ إن تحديد حجم العينة وفق أسس رياضية يقلل بصورة حاسمة من فرص ارتكاب الخطأ من النوع الثاني (Type II Error)، المتمثل في الفشل في رصد أثر حقيقي أو علاقة فعلية موجودة في الواقع. فعندما يتم احتساب حجم العينة بالاستناد إلى سلوفين، يتسلح الباحث بأداة كمية قادرة على رصد الفروق الدلالية الميدانية، مما يرفع من كفاءة الاختبارات البارامترية واللابارامترية المزمع تطبيقها لاحقاً في مرحلة معالجة البيانات.
2. التعريف الرياضي الدقيق لمعادلة سلوفين وتفكيك مكوناتها
2.1 الرمزية الرياضية وصياغة القانون العام
تُصاغ معادلة سلوفين رياضياً في أبسط أشكالها وأكثرها شهرة على النحو التالي:
n = N / (1 + N * e^2)
حيث يمثل كل رمز من رموز هذه المعادلة متغير إحصائي محدد بدقة بالغة يلعب دوراً جوهرياً في تحديد النتيجة النهائية لحجم العينة:
- n (حجم العينة المطلوب): يمثل المتغير التابع في المعادلة، وهو العدد المستهدف من المفردات أو الأفراد أو الحالات التي ينبغي استقصاؤها وسحبها من المجتمع الأصلي لإجراء الدراسة والتحليل الإحصائي بما يضمن دقة التعميم.
- N (حجم المجتمع الكلي): يمثل المتغير المستقل الأول، وهو التعداد الإجمالي للأفراد أو العناصر المكونة للمجتمع الإحصائي المستهدف والمحدد بدقة زمنياً وجغرافياً؛ كإجمالي عدد موظفي مؤسسة ما، أو مجموع طلاب كلية معينة، أو إجمالي مرضى مستشفى محدد خلال فترة زمنية معلومة.
- e (هامش الخطأ المقبول): يمثل المتغير المستقل الثاني، وهو أقصى نسبة خطأ إحصائي يمكن أن يتسامح معها الباحث في تقدير خصائص المجتمع (Margin of Error). ويُعبر عنه عادة ككسر عشري في المعادلة (مثل 0.05 لتمثيل هامش خطأ 5%، أو 0.01 لتمثيل 1%).
تتميز هذه الصياغة بجمال رياضي يجمع بين البساطة الشكلية والعمق الوظيفي؛ إذ إن اختزال المتطلبات الإحصائية المركبة في ثلاثة متغيرات قابلة للقياس المباشر يرفع من كفاءة الباحث التطبيقي ويزيل الغموض الرياضي الذي يحيط غالباً بحسابات العينات المتقدمة.
2.2 العلاقة التفاعلية بين متغيرات المعادلة
تقوم معادلة سلوفين على ميكانيزم رياضي يعكس تفاعلاً حساساً بين حجم المجتمع ومستوى التسامح مع الخطأ. فمن زاوية أثر حجم المجتمع (N)، نلاحظ أنه كلما تزايد حجم المجتمع الإجمالي نحو اللانهاية، يتجه حجم العينة المطلوب (n) تدريجياً نحو الاستقرار عند قيمة قصوى يحددها هامش الخطأ. ويعزى هذا السلوك الرياضي إلى أن المقام يحتوي على الحد (N * e^2)، ومع تضخم N يصبح هذا الحد هو المهيمن على المقام مقارنة بالرقم 1، مما يجعل المعادلة تقترب حسابياً من صيغة (1 / e^2)، وهذا ما يفسر وصول العينة إلى نقطة التشبع الإحصائي حيث لا تعود الزيادات الكبيرة في حجم المجتمع تتطلب زيادة موازية في العينة.
في المقابل، تتسم العلاقة بين هامش الخطأ (e) وحجم العينة المطلوب بأنها علاقة عكسية غير خطية فائقة الحساسية؛ وذلك بسبب وجود التربيع الحسابي (e^2). هذا التربيع يعني أن أي تخفيض طفيف في هامش الخطأ المسموح به يؤدي إلى قفزة هائلة وتضاعف مركب في حجم العينة المطلوب. فعلى سبيل المثال، يؤدي خفض هامش الخطأ من 0.05 إلى 0.01 (أي بنسبة خمسة أضعاف) إلى مضاعفة حجم العينة المطلوبة بنحو 25 ضعفاً تقريباً في المجتمعات الكبيرة، نظراً لأن مقلوب مربع الخطأ يقفز من 400 إلى 10,000.
يوضح الجدول التالي التفاعل الديناميكي بين تغير حجم المجتمع وهامش الخطأ وانعكاسه المباشر على الحجم النهائي للعينة الإحصائية المطلوبة:
| حجم المجتمع (N) | هامش خطأ 10% (e = 0.10) | هامش خطأ 5% (e = 0.05) | هامش خطأ 1% (e = 0.01) |
|---|---|---|---|
| 100 | 50 | 80 | 99 |
| 500 | 83 | 222 | 476 |
| 1,000 | 91 | 286 | 909 |
| 10,000 | 99 | 385 | 5,000 |
| 100,000 | 100 | 398 | 9,091 |
2.3 الافتراضات الإحصائية الكامنة وراء صياغة القانون
لا تعمل صيغة سلوفين في فراغ رياضي، بل ترتكز على جملة من الافتراضات الإحصائية الصريحة والضمنية التي يجب على الباحث إدراكها بوضوح قبل المضي قدماً في تطبيقها. أول هذه الافتراضات هو افتراض التوزيع الطبيعي للبيانات وفق منحنى غاوس في مجتمع الأصل عند قياس الظاهرة؛ حيث تفترض المعادلة أن القيم تتوزع بشكل متماثل حول المتوسط، مما يتيح تطبيق نظريات التقريب التوزيعي التقليدية الخاصة بالعينات الاحتمالية.
الافتراض الثاني والمحوري يتعلق بأسلوب المعاينة نفسه؛ إذ يُشترط أن يتم سحب مفردات العينة باستخدام أسلوب المعاينة العشوائية البسيطة دون إحلال، حيث يمتلك كل فرد داخل المجتمع الإحصائي نفس فرصة الاختيار المستقلة تماماً عن بقية الأفراد. فإذا تم سحب العينة بطرق غير احتمالية كالعينة القصدية أو العينة المتاحة، تفقد النتائج المستخلصة عبر صيغة سلوفين صلاحيتها الرياضية وقيمتها الاستدلالية بصورة جذرية.
أما الافتراض الثالث الذي يظل محفوراً في بنية المعادلة فهو اعتماده الضمني على مستوى ثقة قياسي يبلغ 95%، المرتبط بدرجة معيارية (Z-Score) تقترب من 1.96 (والتي تُقرب نظرياً إلى 2 في النماذج التبسيطية). هذا التضمين الحسابي يفسر سر خلو المعادلة الظاهري من رمز مستوى الثقة، وهو ما يتطلب من الباحث التنبه إلى أن سلوفين توفر بطبيعتها مستوى أمان يتيح الوقوع في خطأ التقدير باحتمال 5% فقط كمعيار دولي متعارف عليه في معظم العلوم الإنسانية.
ويتمثل الافتراض الرابع في ثبات واستقرار خصائص المجتمع الإحصائي المستهدف طوال فترة جمع البيانات الميدانية؛ إذ يُفترض أن حجم المجتمع لا يتعرض لتغيرات جوهرية متسارعة بالزيادة أو النقصان أثناء عملية المسح، مما يضمن بقاء النسبة المستخرجة ممثلة تمثيلاً أميناً للواقع التجريبي.
3. الأسس التاريخية والنظرية لنشأة صيغة سلوفين
3.1 الجذور التاريخية ونسب المعادلة
يعود التوثيق الأكاديمي لظهور هذه المعادلة لأول مرة إلى ستينيات القرن العشرين، وتحديداً من خلال الأعمال والمؤلفات الإحصائية التي قُدمت عام 1960 ونُسبت إلى العالم مايكل سلوفين (Michael Slovin)، بهدف معالجة معضلة إحصائية بالغة التعقيد كانت تؤرق الباحثين الميدانيين في ذلك الوقت. كانت الحسابات الإحصائية التقليدية تتطلب وقتاً طويلاً وجهداً حسابياً يدوياً مضنياً لحساب الانحرافات المعيارية والتباينات المتوقعة، الأمر الذي دفع سلوفين إلى اشتقاق قانون رياضي مختصر يوفر نتائج موثوقة دون الحاجة إلى التعمق في تفاصيل التشتت المعقدة للمجتمع.
وقد أثار هذا الظهور جدلاً تاريخياً ومنهجياً واسع النطاق في أدبيات علم الإحصاء حول التطابق المذهل بين صيغة سلوفين لعام 1960 وما قدمه عالم الإحصاء الشهير تارو ياماني (Taro Yamane) عام 1967 في كتابه الكلاسيكي “Statistics: An Introductory Analysis”. يرى قطاع عريض من الإحصائيين أن المعادلتين متطابقتان رياضياً وبنيوياً، وأن التسمية تباينت جغرافياً وأكاديمياً؛ حيث يشيع استخدام مصطلح “معادلة سلوفين” في الأدبيات الآسيوية والأنظمة التعليمية في بعض الدول النامية، بينما تطغى تسمية “معادلة ياماني” في الجامعات الأمريكية والأوروبية وبعض المراجع المتقدمة.
مع تطور تدريس الإحصاء التطبيقي في الجامعات خلال العقود الأربعة الأخيرة، تم إدماج صيغة سلوفين بصفتها نموذجاً تمهيدياً نموذجياً في مناهج البحث العلمي للعلوم التربوية والإدارية والاجتماعية. وقد برزت كأداة تعليمية وتطبيقية لا غنى عنها تدرب الطلاب والباحثين على الانتقال المنهجي من مرحلة الإدراك النظري للمجتمع إلى مرحلة التحديد الكمي الملموس لحجم العينات الميدانية.
3.2 المبررات النظرية لتبسيط حسابات العينات
ارتكز المبرر النظري الرئيسي لابتكار صيغة سلوفين على إيجاد حل منطقي لأحد أكبر المآزق الإبستمولوجية في الإحصاء التطبيقي: كيفية قياس المجهول دون معلومات كافية عنه؟ في النماذج الإحصائية الدقيقة المأخوذة عن كوشران، يتعين على الباحث معرفة التباين المجتمعي (p * q)؛ حيث يمثل p نسبة وجود السمة، ويمثل q نسبة غيابها. وحيث إن أقصى تباين ممكن في التوزيع الثنائي يحدث عندما تتساوى النسبتان (p = 0.5 و q = 0.5) ليعطي حاصل الضرب القيمة العظمى 0.25، فإن سلوفين استثمرت هذا الحد الأقصى لبناء صيغة متحفظة تحمي الباحث من تقدير حجم عينة غير كافٍ.
علاوة على ذلك، ظهرت الصيغة قبل حقبة الحواسيب الشخصية والبرمجيات الإحصائية المتطورة مثل SPSS و SAS و R، حيث كانت العمليات الحسابية تُمثل عائقاً شاقاً أمام الباحثين في الميدان. كان التبسيط الرياضي الذي قدمته معادلة سلوفين بمثابة طوق نجاة يسمح بإجراء الحسابات المعقدة عبر عمليات ضرب وقسمة بسيطة يمكن إنجازها يدوياً في دقائق معدودة، مع الاحتفاظ بضمانات الدقة المنهجية المتعارف عليها.
كما تستمد الصيغة سندها النظري من قانون الأعداد الكبيرة (Law of Large Numbers) ونظرية النهاية المركزية (Central Limit Theorem)؛ حيث تشير هذه الركائز الرياضية إلى أن سحب عينات عشوائية ذات حجم كافٍ من مجتمع ما يجعل توزيع متوسطات تلك العينات يقترب حتماً من التوزيع الطبيعي المعياري، بصرف النظر عن الشكل الأصلي لتوزيع المجتمع نفسه، مما يضفي مشروعية استدلالية رصينة على النتائج المشتقة بواسطة هذا القانون الرياضي المبسط.
4. خطوات حساب وتطبيق معادلة سلوفين خطوة بخطوة
4.1 المرحلة الأولى: تحديد حجم المجتمع الإحصائي (N)
تبدأ الرحلة التطبيقية لصيغة سلوفين بالإجراء المنهجي الأكثر حساسية، وهو الحصر الدقيق والتوثيقي لحجم المجتمع المستهدف (N). يجب على الباحث أن يضع حدوداً جغرافية ومكانية وزمنية صارمة لتعريف مفردات مجتمعه، مع استبعاد أي عناصر لا تنطبق عليها شروط البحث ومعايير الشمول والاستبعاد (Inclusion and Exclusion Criteria). إن أي تهاون أو تقدير انطباعي في هذه المرحلة يلقي بظلال من الشك على صحة العينة المستخرجة لاحقاً.
يتطلب هذا الإجراء الرجوع المباشر إلى السجلات الرسمية الموثقة وقواعد البيانات المعتمدة في المؤسسات أو القطاعات المعنية. فعلى سبيل المثال، إذا كان مجتمع الدراسة يتمثل في الأطباء المقيدين بنقابة معينة في عام محدد، فينبغي الحصول على الكشف الرسمي المحدث للجدول العام للأعضاء. وفي حال كان المجتمع ممثلاً في عملاء منصة إلكترونية، يجب الرجوع إلى سجلات الحسابات النشطة خلال فترة زمنية محددة سلفاً لتجنب إدراج حسابات مكررة أو وهمية ترفع قيمة N اصطناعياً.
تكمن أبرز الأخطاء الشائعة في هذه المرحلة في الخلط بين المجتمع النظري العام المفتوح والمجتمع المتاح الفعلي المحدد؛ إذ لا يمكن تطبيق معادلة سلوفين على مجتمعات غير محددة أو لانهائية كـ “مستخدمي الإنترنت في العالم العربي”، بل يجب تحجيم النطاق بصورة قاطعة كـ “طلاب جامعة الملك سعود المسجلين في الفصل الدراسي الأول للعام الجامعي 2024-2025” ليصبح الرقم N معلوماً وصحيحاً بصورة مطلقة.
4.2 المرحلة الثانية: تحديد هامش الخطأ المقبول (e)
تتمثل الخطوة المنهجية الثانية في التحديد الصارم لقيمة هامش الخطأ المقبول (Margin of Error) والذي يُرمز له بالرمز (e). يُقصد بهامش الخطأ ذلك المدى النسبي المسموح به للتباين بين المتوسط أو النسبة المستخلصة من العينة وبين المعلمة الحقيقية الكامنة في المجتمع ككل. يختار الباحث هذه القيمة استناداً إلى طبيعة التخصص الأكاديمي، وحساسية القرارات التي ستتخذ بناءً على نتائج البحث، والموارد المالية والبشرية المتاحة لتغطية العمل الميداني.
في الممارسات الإحصائية المستقرة، تتراوح القيم الشائعة لهامش الخطأ بين ثلاثة مستويات نموذجية:
- هامش خطأ صارم (e = 0.01 أو 1%): يُعتمد حصرياً في الدراسات التجريبية فائقة الحساسية، كالأبحاث الطبية، والتحاليل الصيدلانية، والاختبارات الهندسية المرتبطة بسلامة الأرواح، حيث يؤدي الخطأ الطفيف إلى كوارث بشرية أو خسائر باهظة.
- هامش خطأ قياسي (e = 0.05 أو 5%): يُعد المعيار الذهبي الأكثر شيوعاً وقبولاً في مجالات العلوم الاجتماعية، وعلم النفس، والعلوم الإدارية والتربوية، واستطلاعات الرأي العام، حيث يوفر توازناً استثنائياً بين الدقة العلمية والجدوى الميدانية.
- هامش خطأ مرن (e = 0.10 أو 10%): يُلجأ إليه أحياناً في الدراسات الاستطلاعية الأولية سريعة الإنجاز، أو في البحوث التسويقية التي تهدف إلى التقاط مؤشرات اتجاهية عامة تحت وطأة ميزانيات محدودة للغاية وضيق زمني شديد.
من الأهمية بمكان أن يقوم الباحث بتحويل النسبة المئوية المختارة إلى صيغتها العشرية بصورة صحيحة رياضياً قبل إدراجها في القانون؛ فنسبة 5% تُكتب (0.05)، ونسبة 2% تُكتب (0.02)، ونسبة 10% تُكتب (0.10). ويعد الخطأ الحسابي في تحويل الكسور العشرية أحد أكثر المزالق شيوعاً بين طلاب الدراسات العليا، والذي يفضي إلى تشويه حجم العينة المحتسبة بالكامل.
4.3 المرحلة الثالثة: إجراء العمليات الحسابية بدقة
عقب استقرار الباحث على مدخلات المعادلة (N و e)، تأتي مرحلة المعالجة الحسابية الإجرائية التي ينبغي أن تتبع تسلسلاً منطقياً صارماً تفادياً لأخطاء ترتيب العمليات الحسابية. يمر هذا التنفيذ عبر أربع محطات حسابية متتالية:
- حساب مربع هامش الخطأ (e^2): يُضرب هامش الخطأ العشري في نفسه. فمثلاً، إذا كان e = 0.05، فإن حاصل تربيعه هو (0.05 * 0.05 = 0.0025).
- ضرب المربع في حجم المجتمع الكلي (N * e^2): يُضرب الناتج المستخرج في الخطوة الأولى في القيمة الإجمالية للمجتمع (N). فإذا كان N = 1,000، فإن الناتج سيكون (1,000 * 0.0025 = 2.5).
- بناء المقام كاملاً (1 + N * e^2): يُضاف الرقم الصحيح (1) إلى حاصل الضرب الناتج من الخطوة السابقة. وفي مثالنا، يصبح المقام كاملاً مساوياً لـ (1 + 2.5 = 3.5).
- إجراء عملية القسمة النهائية: يُقسم البسط وهو حجم المجتمع الإجمالي (N) على المقام المستخرج في الخطوة الثالثة للحصول على حجم العينة الخام (n). وفي مثالنا: (n = 1,000 / 3.5 = 285.71).
توضح هذه الخطوات المنهجية بساطة ودقة التطبيق الرياضي لصيغة سلوفين، وتكشف للمهتمين بالبحث الكمي إمكانية تنفيذ العمليات الإحصائية التأسيسية بدقة عالية دون ارتباك أو التباس.
5. أمثلة تطبيقية وحسابية تفصيلية لاستخدام صيغة سلوفين
5.1 المثال الأول: دراسة تأييد قانون جديد في مجتمع محدد
نفترض أن أحد مراكز البحوث الاجتماعية والاستراتيجية يهدف إلى تقصي اتجاهات المواطنين نحو مشروع قانون جديد للتقاعد في مدينة تشتمل على مجتمع إحصائي محدد سلفاً يبلغ 10,000 موظف، وقرر فريق البحث اعتماد مستوى دقة قياسي يستند إلى هامش خطأ مقبول يبلغ 5% (e = 0.05) ومستوى ثقة 95%.
لتطبيق معادلة سلوفين المنهجية على هذه المسألة، نسير وفق الخطوات الحسابية الآتية:
المعطيات:
حجم المجتمع (N) = 10,000 فرد
هامش الخطأ (e) = 0.05
مربع هامش الخطأ (e^2) = 0.05^2 = 0.0025
التعويض المباشر في نص المعادلة الرياضية:
n = 10,000 / [1 + (10,000 * 0.0025)]
حساب الحد المضروب داخل المقام الإحصائي:
10,000 * 0.0025 = 25
إكمال حساب قيمة المقام بإضافة الواحد الصحيح:
المقام = 1 + 25 = 26
إجراء القسمة النهائية لاستخراج حجم العينة:
n = 10,000 / 26 = 384.615 فرد
بما أن المفردات الإحصائية هنا كائنات بشرية غير قابلة للتجزئة الرياضية، ووفقاً للقاعدة المنهجية المحافظة التي تقضي بالتقريب دائماً إلى الرقم الصحيح الأعلى (Ceiling Rule) لعدم التفريط في هامش الأمان الإحصائي، فإن حجم العينة الإلزامي لهذه الدراسة يصبح 385 فرداً. يُوزع هذا الرقم عبر أسلوب السحب العشوائي لضمان التمثيل الموضوعي لمجتمع الدراسة.
5.2 المثال الثاني: مسح جامعي بحجم مجتمع متوسط وهامش خطأ منخفض
في سياق أكاديمي مغاير، ترغب عمادة التطوير والجودة بإحدى الكليات في قياس فاعلية منصة التعليم الإلكتروني المستحدثة على مجتمع طلابي يتكون من 2,500 طالب وطالبة. ونظراً لأهمية مخرجات التقييم في اتخاذ قرارات مصيرية تتعلق بتجديد البنية الرقمية، قررت اللجنة خفض هامش التسامح الإحصائي إلى 2% فقط (e = 0.02) لرفع مستوى الموثوقية العلمية للنتائج.
نبدأ بتنفيذ الحسابات التفكيكية على النحو المنهجي الآتي:
المعطيات:
N = 2,500 طالب
e = 0.02
e^2 = 0.02 * 0.02 = 0.0004
التعويض الحسابي في صيغة سلوفين:
n = 2,500 / [1 + (2,500 * 0.0004)]
حساب حاصل ضرب حجم المجتمع في مربع الخطأ:
2,500 * 0.0004 = 1.0
حساب المقام الإجمالي:
المقام = 1 + 1.0 = 2.0
حساب القيمة النهائية لحجم العينة:
n = 2,500 / 2 = 1,250 طالب
يُظهر هذا المثال بصورة جلية الثمن المنهجي واللوجستي الباهظ الذي يدفعه الباحث عند تضييق هامش الخطأ؛ حيث اضطرت الكلية إلى سحب عينة تشكل 50% تماماً من إجمالي المجتمع الجامعي (1,250 من أصل 2,500) لمجرد تخفيض هامش الخطأ من 5% إلى 2%. ولو أنها طبقت هامش خطأ 5% على نفس المجتمع لكان حجم العينة المطلوب 345 طالباً فقط (أي حوالي 13.8% فقط من المجتمع)، الأمر الذي يضع الباحثين أمام مفاضلة دقيقة بين صرامة التقدير وتكلفة التنفيذ.
5.3 المثال الثالث: تطبيق الصيغة على مجتمعات صغيرة الحجم
تسعى إدارة أحد البنوك المتخصصة إلى دراسة الرضا الوظيفي للعاملين في مقرها الرئيسي، والذي يضم مجتمعاً صغيراً ومغلقاً يتألف من 200 موظف فقط. واعتمد الباحث الميداني هامش خطأ قياسي قدره 5% (e = 0.05).
إجراءات التعويض والحساب الإحصائي:
المعطيات:
N = 200 موظف
e = 0.05
e^2 = 0.0025
التعويض المباشر في القانون:
n = 200 / [1 + (200 * 0.0025)]
حساب مدخلات المقام:
200 * 0.0025 = 0.5
المقام = 1 + 0.5 = 1.5
حساب حجم العينة المستهدفة:
n = 200 / 1.5 = 133.33 => يُقرب للأعلى إلى 134 موظفاً
يقودنا هذا التحليل التطبيقي إلى رصد ظاهرة منهجية تستحق الانتباه: لقد بلغت نسبة العينة المستخرجة هنا 67% من إجمالي مجتمع البحث (134 من أصل 200). يبرهن هذا الارتفاع النسبي الصارخ على أن صيغة سلوفين في المجتمعات شديدة الصغر (الأقل من 500 فرد) تقتطع نسبة ضخمة من المجتمع لتأمين الدقة الإحصائية المطلوبة. ومن هذا المنطلق المنهجي، يوصي كبار أساتذة القياس والإحصاء بالعدول عن استخدام العينات في مثل هذه الحالات واللجوء المباشر إلى تطبيق أسلوب الحصر الشامل (Total Population Survey) لكافة الموظفين المائتين؛ إذ إن الجهد الإضافي المتبقي لاستكمال مسح الـ 66 موظفاً الباقين ضئيل للغاية مقارنة بالمكاسب المنهجية المطلقة الناتجة عن إزالة خطأ المعاينة بالكامل.
6. أهمية تحديد حجم العينة بصيغة سلوفين في البحوث النفسية والاجتماعية
6.1 ملاءمة الصيغة لدراسات السلوك الإنساني والاتجاهات
تتسم دراسات السلوك الإنساني بفرادة معرفية ناتجة عن تعقيد الظواهر النفسية وتداخل المتغيرات الكامنة (Latent Constructs) كالقلق، والاكتئاب، والرضا، والدافعية، والذكاء العاطفي. يصعب في كثير من الأحيان على الباحث السلوكي أو الاجتماعي معرفة التباين المسبق لتلك المشاعر والسمات في المجتمع العام لغياب المعايير الكمية المطلقة، مما يجعل صيغة سلوفين أداة ممتازة لتقدير العينة دون الحاجة إلى افتراضات حدسية غير مبررة حول طبيعة تشتت السمات السيكولوجية للمفحوصين.
يوفر احتساب حجم العينة وفق صيغة سلوفين أساساً موضوعياً صلباً لجمع استجابات كافية إحصائياً وممثلة لمجتمع المفحوصين، مما يحمي الباحث النفسي من الوقوع في شرك العينات المنحازة كاستطلاع آراء الأفراد الأكثر رغبة في الحديث فقط. إن تمثيل المجتمع بتنوعاته العشوائية يعزز من الصدق الظاهري (Face Validity) وصدق المحتوى لأدوات التقييم النفسي والاجتماعي، ويتيح رصد الفروق الفردية البينية والضمنية بدرجة عالية من الواقعية العلمية.
إضافة إلى ذلك، فإن تطبيق الصيغة يعزز من كفاءة الاختبارات السيكومترية ذات الاستجابة التدريجية المتعددة؛ كـ مقياس ليكرت الخماسي أو السباعي. فعندما يتأسس حجم العينة على قانون رياضي يحجم هامش الخطأ في حدود 5% أو أقل، تكتسب معاملات الارتباط وتحليلات المسار والاتساق الداخلي مصداقية إحصائية تحول دون استخلاص علاقات ارتباطية زائفة ناتجة فقط عن صغر حجم المفردات المفحوصة.
6.2 الحد من أخطاء القياس في العينات الإكلينيكية والتربوية
تمثل مكافحة أخطاء القرار الإحصائي الغاية الجوهرية لاستخدام النماذج الرياضية في تحديد العينات النفسية والإكلينيكية. فالوقوع في الخطأ من النوع الأول (Type I Error – إثبات فاعلية علاج وهمي أو ادعاء وجود اضطراب غير حقيقي) أو الخطأ من النوع الثاني (Type II Error – الفشل في رصد فاعلية برنامج علاجي أو إرشادي حقيقي) ينطوي على كلفة إنسانية وعلاجية وتربوية باهظة في الواقع التطبيقي.
تسهم صيغة سلوفين في ترشيد العينات الإكلينيكية والتربوية من خلال توفير حجم عيني يحقق توازناً استدلالياً يحول دون التضخيم غير المنضبط الذي قد يُظهر فروقاً تافهة سريرياً على أنها دالة إحصائياً، أو التقزيم المجحف الذي يجهض الجهود البحثية في تقييم برامج التدخل المبكر أو برامج صعوبات التعلم. إن هذا الانضباط يوفر حماية مطلقة للاستنتاجات الإكلينيكية من التهافت والتعميمات المتسرعة والمضللة، ويمنح الممارسين السلوكيين ثقة راسخة في البروتوكولات المعتمدة بناءً على نتائج تلك الأبحاث.
وعلاوة على ذلك، يرفع حجم العينة المأخوذ وفق معايير سلوفين من قابلية التكرار وإعادة الإنتاج (Replicability)؛ وهي المعضلة التي تشغل الأوساط الأكاديمية المعاصرة في علم النفس والطب السلوكي (Replication Crisis). فعندما تُبنى الدراسة على عينة محتسبة رياضياً بعناية، يستطيع باحثون آخرون في بيئات وثقافات ومستشفيات مختلفة إعادة تطبيق المنهجية ذاتها والتحقق من صدق النظريات السلوكية المقترحة بدرجة عالية من الاتساق والمقارنة المنهجية.
6.3 الاعتبارات الأخلاقية المرتبطة بحجم العينة في علم النفس
لا تنفصل الإجراءات الإحصائية في البحوث النفسية والطبية الحيوية عن الالتزامات الأخلاقية الصارمة التي تفرضها المواثيق الدولية ولجان المراجعة المؤسسية (IRB). يمثل حجم العينة بعداً أخلاقياً حرجاً يحاسب عليه الباحث؛ إذ يُعد إخضاع أعداد فائضة عن الحاجة من البشر لاختبارات نفسية مجهدة، أو استبانات تسترجع ذكريات الصدمات النفسية، أو مقاييس تنتهك مساحات الخصوصية، تصرفاً غير أخلاقي ينتهك مبدأ عدم الإضرار (Non-Maleficence) ويهدر أوقات المشاركين بلا طائل منهجي مبرر.
في المقابل، يُعد استخدام عينات شديدة الضآلة تقل عن الحد الإحصائي الحرج تصرفاً منافياً لأخلاقيات البحث العلمي أيضاً؛ إذ إن تعريض أي عدد من الأفراد لإجراءات بحثية مع العلم المسبق بأن النتائج لن تكون ذات دلالة أو قدرة على التعميم يمثل استغلالاً غير مشروع لجهودهم وإهداراً للموارد المادية والمنح البحثية المقدمة. تأتي صيغة سلوفين هنا كمعيار أخلاقي محايد يحدد الحد الأدنى الكافي لحماية حقوق المبحوثين وتأكيد شرعية إدراجهم ضمن العينة العلمية دون إفراط أو تفريط.
كما يعزز التطبيق السليم للصيغة الالتزام بمعايير الجمعية الأمريكية لعلم النفس (APA) الخاصة بالعدالة والمسؤولية العلمية؛ حيث يضمن استثمار الموارد البشرية والمالية المخصصة للأبحاث السيكولوجية والاجتماعية بأعلى قدر ممكن من الكفاءة، ويضمن توجيه الدعم اللوجستي نحو استقصاء ظواهر نفسية ذات قيمة معرفية حقيقية تسهم في تعزيز رفاه المجتمع واستقراره النفسي.
7. مفهوم هامش الخطأ (Margin of Error) وتأثيره الحرج في المعادلة
7.1 التعريف الإحصائي الدقيق لهامش الخطأ ونطاق التسامح
يُعرف هامش الخطأ (Margin of Error) في أدبيات القياس الإحصائي بأنه النطاق أو المدى الإحصائي المعبر عن مقدار التباعد المحتمل بين إحصاء العينة المقاس (كالوسط الحسابي أو النسبة المئوية المحسوبة) وبين المعلمة الحقيقية المجهولة للمجتمع الأصلي (Population Parameter). يعكس هذا الهامش درجة التسامح والشك الحتمي الذي يقبله الباحث نتيجة اعتماده على دراسة جزء من المجتمع بدلاً من مسحه بالكامل، ويشير إلى أقصى خطأ مسموح به في التقدير الإحصائي عند مستوى ثقة محدد مسبقاً.
يرتبط هامش الخطأ عضوياً وبنيوياً بمفهوم فترات الثقة (Confidence Intervals)؛ فإذا أسفر استطلاع رأي عن أن 60% من الموظفين راضون عن الأداء الإداري مع هامش خطأ قدره 5% ومستوى ثقة 95%، فإن التفسير المنهجي السليم لهذه النتيجة يعني أننا واثقون بنسبة 95% من أن نسبة الرضا الحقيقية بين عموم مجتمع الموظفين تقع في الفترة الواقعة بين (55% و 65%). يُبرهن هذا الترابط على أن هامش الخطأ ليس مجرد رقم مجرد ندرجه في معادلة سلوفين، بل هو المؤشر الحاسم الذي يحدد دقة التقديرات والقرارات الإدارية والتنموية المبنية على البحث.
كلما ضاق نطاق هامش الخطأ المسموح به، ارتفعت درجة اليقين الإحصائي وتراجعت مساحات الشك والتخمين في مخرجات الدراسة. بيد أن الوصول إلى هوامش خطأ شديدة الضيق يتطلب جهداً ميدانياً وتكلفة مالية تتصاعد بمعدلات أسيّة، مما يستلزم وعياً إحصائياً عميقاً لطبيعة المسائل قيد القياس قبل حسم خيار هامش الخطأ.
7.2 تحليل الحساسية الرياضية لتغيير قيمة (e)
يكشف التحليل الرياضي الدقيق لصيغة سلوفين عن حساسية استثنائية لحجم العينة الناتج حيال أي تغير طفيف في قيمة هامش الخطأ (e). يعود هذا السلوك الحرج إلى موقع هامش الخطأ في مقام المعادلة، والأهم من ذلك خضوعه لعملية التربيع الحسابي (Squaring). هذا التربيع يجعل الدالة تتصرف تصرفاً أسياً حاداً يضاعف متطلبات العينة عند الرغبة في خفض هامش الخطأ، بصورة لا تتماشى مع التغير الخطي للمجتمع.
لتوضيح هذا السلوك الرياضي المثير، فلنحلل ما يحدث عند تطبيق الصيغة على مجتمع إحصائي يبلغ 20,000 فرد تحت قيم متباينة لهامش الخطأ:
- عند اختيار e = 0.10 (10%):
e^2 = 0.01
المقام = 1 + (20,000 * 0.01) = 201
حجم العينة المطلوبة = 20,000 / 201 = 100 فرد فقط (يمثل 0.5% من المجتمع). - عند اختيار e = 0.05 (5%):
e^2 = 0.0025
المقام = 1 + (20,000 * 0.0025) = 51
حجم العينة المطلوبة = 20,000 / 51 = 393 فرداً (تضاعف الحجم حوالي 4 أضعاف). - عند اختيار e = 0.01 (1%):
e^2 = 0.0001
المقام = 1 + (20,000 * 0.0001) = 3
حجم العينة المطلوبة = 20,000 / 3 = 6,667 فرداً (تضاعف الحجم بنحو 17 ضعفاً مقارنة بهامش 5%، ونحو 66 ضعفاً مقارنة بهامش 10%!).
يضع هذا الانفجار العددي الباحثين أمام حقيقة استراتيجية حاسمة: إن خفض هامش الخطأ إلى 1% في مجتمع كبير يحول البحث المسحي العادي إلى مشروع استقصائي ضخم يتطلب فرق عمل ميدانية وتمويلاً حكومياً أو مؤسسياً هائلاً. لذا فإن اختيار قيمة (e) يتجاوز مسألة الرغبة في الدقة النظرية، ليصبح قراراً إدارياً واقتصادياً واستراتيجياً يستوجب موازنة واعية بين كلفة البحث المادية والزمنية وحجم المخاطر المترتبة على هامش الشك المقبول في النتائج النهائية.
8. مقارنة تفصيلية بين صيغة سلوفين وصيغ تحديد العينات الإحصائية الأخرى
8.1 المقارنة مع صيغة كوشران (Cochran’s Formula)
تعتبر معادلة ويليام كوشران (William G. Cochran) التي قُدمت عام 1977 المعيار الكلاسيكي الأكثر شمولاً في الإحصاء الاستدلالي لتقدير حجم العينات في المجتمعات اللانهائية والمحددة. تصاغ معادلة كوشران الأساسية للمجتمعات اللانهائية كالتالي:
n_0 = (Z^2 * p * q) / e^2
حيث يمثل Z الدرجة المعيارية المقابلة لمستوى الثقة المطلوب (1.96 عند مستوى ثقة 95%)، و p يمثل النسبة المقدرة للخاصية في المجتمع، و q هو المتمم الحسابي لها (1 – p). ثم يتم تعديل الناتج للمجتمعات المحددة عبر صيغة التصحيح للمجتمع المنتهي (Finite Population Correction):
n = n_0 / [1 + ((n_0 – 1) / N)]
تتفوق صيغة كوشران منهجياً على صيغة سلوفين في البيئات البحثية المتقدمة التي تتوفر فيها دراسات سابقة دقيقة تحدد قيم p و q، كما تتيح للباحث مرونة مطلقة في اختيار أي مستوى ثقة يرغبه (كـ 90% أو 99%) عبر تغيير قيمة Z. ومع ذلك، تظل صيغة سلوفين متفوقة من حيث سهولة التطبيق الميداني والسرعة الإجرائية، خاصة عند غياب أي مؤشرات عن نسب انتشار الظاهرة داخل المجتمع.
يوضح الجدول التالي أهم الفروق الهيكلية والمنهجية بين معادلة سلوفين ومعادلة كوشران:
| وجه المقارنة | صيغة سلوفين (Slovin) | صيغة كوشران (Cochran) |
|---|---|---|
| المدخلات المطلوبة | حجم المجتمع (N) وهامش الخطأ (e) فقط | حجم المجتمع، هامش الخطأ، التباين (p, q)، وقيمة Z |
| مستوى الثقة | محدد ضمنياً وثابت غالباً عند 95% | مرن وقابل للتعديل المباشر (90%، 95%، 99%) |
| طبيعة المجتمع | تتطلب مجتمعاً محدداً ومعلوماً (N) | تصلح للمجتمعات المحددة واللانهائية عبر صيغتين |
| مستوى التعقيد الحسابي | بسيط ومباشر ويمكن إجراؤه يدوياً بسهولة | مركب ويتطلب عمليات متعددة وتصحيحاً للمجتمعات المحددة |
| المجالات المفضلة | المسوح التربوية والاجتماعية والإدارية الاستكشافية | الدراسات الوبائية، التجارب السريرية، والمسوح التنبؤية المعقدة |
8.2 المقارنة مع صيغة ياماني (Yamane’s Formula) وجدول كريجسي ومورجان
عند دراسة العلاقة بين صيغة سلوفين ومعادلة تارو ياماني المنشورة عام 1967، يتبين بالبرهان الجبري أنهما وجهان لعملة رياضية واحدة. صاغ ياماني معادلته بنفس الرموز والشكل الرياضي الدقيق: n = N / (1 + N * e^2) مشتقاً إياها من نماذج التباين الأقصى عند مستوى ثقة 95%. ولذلك، فإن أي مقارنة بنيوية بين سلوفين وياماني هي مقارنة اسمية وتاريخية بحتة وليست مقارنة رياضية، حيث يعطي النموذجان نتائج متطابقة تماماً في أي مسألة إحصائية تحت نفس المدخلات.
أما عند المقارنة مع النموذج الجدولي الشهير الذي وضعه روبرت كريجسي ودارييل مورجان (Krejcie & Morgan, 1970)، فإن الفارق يكمن في طريقة التقديم والافتراضات الكامنة. صمم كريجسي ومورجان جدولاً مرجعياً جاهزاً يمنح الباحث حجم العينة المطلوب مباشرة بمجرد مطابقة حجم المجتمع في الجدول، مستندين في ذلك إلى صيغة رياضية مشتقة من الجمعية الوطنية للتعليم في الولايات المتحدة تستخدم توزيع خي تربيع (Chi-Square) عند درجة حرية واحدة ومستوى دلالة 0.05، مع افتراض تباين مجتمعي قدره 0.5 وهامش خطأ 5%.
توفر جداول كريجسي ومورجان سرعة استرشادية دون الحاجة إلى إجراء أي حسابات، بيد أن نقطة ضعفها الكبرى تتمثل في جمودها المنهجي؛ فهي تلزم الباحث بهامش خطأ ثابت ومستوى ثقة محدد مسبقاً، ولا تسمح له بالتحرك لاختبار سيناريوهات بديلة بهامش خطأ 2% أو 3%. وهنا تتفوق معادلة سلوفين بمرونتها الرياضية التي تمنح الباحث سلطة اختيار هامش الخطأ الملائم تماماً لطبيعة بحثه وميزانيته الميدانية دون الارتهان لجداول جاهزة.
8.3 جدول معايير اختيار الأداة الأنسب لتحديد حجم العينة
لتسهيل عملية اتخاذ القرار المنهجي لدى الباحثين والمشرفين الأكاديميين، يستعرض الجدول الإرشادي التالي المعايير الموضوعية لاختيار الأداة الأنسب لتحديد حجم العينة استناداً إلى طبيعة المجتمع، والموارد التقنية المتاحة، والخصائص السيكومترية والبارامترية للبيانات:
| معيار الاختيار | صيغة سلوفين / ياماني | صيغة كوشران المعدلة | جدول كريجسي ومورجان | تحليل القوة (برنامج G*Power) |
|---|---|---|---|---|
| معرفة حجم المجتمع الأصلي (N) | إلزامية تماماً (مجتمع منتهٍ) | اختيارية (تصلح للمنتهي وغير المنتهي) | إلزامية تماماً (محصورة في قيم الجدول) | غير مشترطة في أغلب النماذج |
| معرفة تباين المجتمع مسبقاً (p) | غير مطلوبة (يفترض التباين الأقصى) | مطلوبة لتحقيق أقصى دقة ممكنة | غير مطلوبة (مثبتة عند 0.5) | تتطلب تحديد حجم الأثر المتوقع (Effect Size) |
| طبيعة أهداف البحث | مسحية استكشافية وتقدير نسب | مسحية قياسية واختبار نسب دقيقة | مسحية استطلاعية عامة | اختبار فرضيات سببية ونمذجة بنائية متقدمة |
| المرونة في تغيير هامش الخطأ | مرونة كاملة عبر المعادلة | مرونة كاملة عبر المعادلة | معدومة (ثابتة عند 5%) | تعتمد على ألفا ومستوى الخطأ من النوع الثاني |
| التوصية الأكاديمية للاستخدام | رسائل الماجستير والبحوث الاجتماعية والتربوية | الأبحاث الطبية والوبائية والتسويقية الدقيقة | المسوح المؤسسية والتقارير الميدانية السريعة | الأبحاث التجريبية والنفسية المنشورة في مجلات Q1 |
9. شروط ومحددات استخدام معادلة سلوفين ومخاطر التطبيق الخاطئ
9.1 الاشتراطات المنهجية لصحة تطبيق المعادلة
يتطلب الاعتماد المنهجي السليم لصيغة سلوفين خضوع البحث لجملة من الاشتراطات المسبقة التي لا تقبل التجاوز؛ لضمان عدم تحول النتائج إلى استدلالات مضللة. الشرط الأول يكمن في المعرفة القاطعة والمثبتة بحجم المجتمع الإجمالي (N). لا يمكن منطقياً أو حسابياً استخدام هذه الصيغة في ظل مجتمعات مجهولة التعداد أو مفتوحة أو لا متناهية؛ إذ يشكل الرمز N ركناً أساسياً في بسط المعادلة ومقامها، وأي استخدام للمقاييس التقديرية العشوائية يسقط الصدق الرياضي للقانون.
أما الشرط الثاني فيتمثل في الالتزام الصارم بتطبيق أسلوب المعاينة الاحتمالية العشوائية عند اختيار الأفراد الذين حُدد عددهم بالمعادلة. إن معادلة سلوفين لا تقدم ترخيصاً للباحث للذهاب إلى الميدان واختيار أقرب 385 فرداً صادفهم في الطريق أو عبر منصات التواصل الاجتماعي؛ فتلك العينات الملائمة (Convenience Samples) تبطل مفعول التمثيل الإحصائي حتى وإن طابقت الرقم الناتج بالتمام والكمال. يجب أن تُسحب العينة بواسطة جداول أرقام عشوائية، أو برمجيات المعاينة العشوائية المنضبطة، لضمان تساوي فرص الاختيار لجميع عناصر المجتمع.
ويتلخص الشرط الثالث في اقتصار استخدام الصيغة على الأبحاث والدراسات الوصفية والمسحية التي تهدف إلى قياس الاتجاهات، واستطلاع الرأي، وتقدير النسب المئوية، وتقنين المقاييس الأولية. فلا يجوز منهجياً استخدام صيغة سلوفين كأداة لاحتساب العينات في الدراسات التجريبية شديدة الدقة أو في التحليلات الإحصائية المتقدمة كالنمذجة بالمعادلات البنائية (SEM) وتحليل الانحدار اللوجستي المتعدد؛ حيث تتطلب هذه النماذج حسابات قوة متخصصة تستند إلى حجم الأثر ودرجات الحرية وعدد المتغيرات التفسيرية.
9.2 المحددات والانتقادات الموجهة لصيغة سلوفين
على الرغم من الشهرة الطاغية لصيغة سلوفين، إلا أنها تعرضت لانتقادات منهجية حادة من قِبل كبار علماء الإحصاء التطبيقي الحديث. يتمحور النقد الجوهري حول الإهمال التام لتباين المجتمع وانحرافه المعياري؛ فالصيغة تفترض افتراضاً ضمنياً ثابتاً بأن المجتمع متجانس نسبياً وتعتمد التباين الأقصى، وهو ما قد يقود إلى عينات أكبر بكثير من المطلوب إذا كان المجتمع شديد التجانس، أو عينات غير كافية إذا كان المجتمع شديد التباين والتشتت عبر فئات طبقية متفرقة.
الانتقاد الثاني يطال تثبيت مستوى الثقة عند 95% في بنيتها الجبرية الخفية دون إتاحة خيار مباشر للباحث لاختيار مستويات ثقة مغايرة كـ 90% أو 99%. يرى النقاد أن هذا التضمين القسري يجعل المعادلة غير صالحة للأبحاث الدوائية والتجارب المعملية الصارمة التي تتطلب مستوى ثقة لا يقل عن 99%، كما يجعلها غير اقتصادية في الأبحاث الاستطلاعية السريعة التي تكتفي بمستوى ثقة 90% لترشيد التكاليف.
وعلاوة على ذلك، يوجه بعض الإحصائيين لوماً للمدارس الأكاديمية التي تبالغ في الاعتماد على صيغة سلوفين باعتبارها تشجع الباحثين على “الكسل المنهجي والتبسيط المفرط” للظواهر المعقدة؛ إذ تدفعهم لتجاهل البحث عن خصائص مجتمعاتهم وتبايناتها لصالح تعويض حسابي سريع وميكانيكي، مما يفرغ العملية الإحصائية من عمقها التأملي والتحليلي.
9.3 مخاطر التطبيق الخاطئ وانعكاساتها على جودة البحث
يقود الجهل بمحددات صيغة سلوفين إلى ممارسات بحثية كارثية تضر بمصداقية المعرفة العلمية المنتجة. من أبرز هذه المخاطر استخراج عينة عبر سلوفين ثم الفشل في رصد الفروق الحقيقية بين المجموعات الفرعية داخل البحث؛ كالمقارنة بين الذكور والإناث أو بين الفئات العمرية المختلفة. يعود السبب في ذلك إلى أن صيغة سلوفين تحسب الحجم الإجمالي الكافي للمجتمع ككل، ولا تضمن بالضرورة كفاية حجم كل فئة فرعية (Sub-group) للتحليل الإحصائي المقارن، مما يتطلب استخدام المعاينة العشوائية الطبقية (Stratified Random Sampling) لتوزيع الرقم الناتج بأوزان متناسبة.
خطر آخر بالغ الأهمية يتمثل في تجاهل معدلات الفاقد وعدم الاستجابة (Non-response Rate). فعندما تشير معادلة سلوفين إلى ضرورة توفير 385 استبانة صالحة، يكتفي باحثون كثيرون بتوزيع 385 نسخة فقط، ليتفاجأوا عند استرجاعها بأن 100 منها غير مكتملة أو لم يتم الرد عليها، مما يهبط بحجم العينة الفعلي إلى ما دون الحد الأدنى المطلوب رياضياً، وهو ما يقوض القوة الإحصائية ويهدد البحث بالبطلان.
وتنعكس هذه الأخطاء التطبيقية سلباً على المسار الأكاديمي للباحثين؛ إذ أصبحت لجان التحكيم في المجلات العلمية الدولية المصنفة في قواعد بيانات سكوبس (Scopus) وشبكة العلوم (Web of Science) تُبدي تشدداً بالغاً حيال التبرير المنهجي لحجم العينة. ويعد الاستخدام الأعمى أو الخاطئ لصيغة سلوفين في أبحاث تفسيرية متقدمة أحد أكثر أسباب الرفض المكتبي الفوري (Desk Rejection) لتلك الأوراق البحثية، نظراً لعجزها عن الإيفاء بمتطلبات تحليل القوة الإحصائية الحديثة.
10. استراتيجيات التقريب والتعامل مع النتائج الكسرية لضمان الدقة
10.1 قاعدة التقريب للأعلى (Ceiling Rule) في العينات البشرية
ينتهي التعويض الرياضي في صيغة سلوفين في الغالبية العظمى من الحالات إلى نتائج كسرية تحتوي على فواصل عشرية (Decimals)؛ كأن يكون الناتج 384.12 أو 199.78. يفرض المنطق الإحصائي المنهجي هنا ضرورة التوقف للتأمل في طبيعة وحدة القياس المستهدفة؛ ففي البحوث السلوكية والاجتماعية والتربوية تكون مفردات المعاينة كائنات بشرية مكتملة الوجود وغير قابلة للتجزئة الفيزيائية، فلا وجود لنصف إنسان أو ربع مفحوص.
تستوجب الرصانة المنهجية تطبيق ما يُعرف إحصائياً بـ قاعدة السقف أو التقريب للأعلى دائماً (Ceiling Rule)، بصرف النظر عن القيمة الكسرية بعد الفاصلة. حتى وإن كان الكسر الناتج أقل من النصف (مثل 384.15)، ينبغي تقريب الرقم جبرياً إلى 385 فرداً كاملاً. يستند هذا الإلزام إلى مبدأ التحفظ الإحصائي وهامش الأمان؛ إذ إن التقريب إلى الأدنى (384) يعني منهجياً أن حجم العينة قد هبط ولو بمقدار يسير دون الحد الأدنى الحرج الذي تشترطه المعادلة لتحقيق هامش الخطأ المنصوص عليه، مما يؤدي تقنياً إلى تجاوز هامش الخطأ المعلن في البحث وتفريط غير مقبول في دقة النتائج.
يوضح الجدول التوضيحي التالي الكيفية السليمة لتطبيق قاعدة التقريب للأعلى لضمان البقاء داخل الحدود الآمنة للدقة الإحصائية:
| الناتج الحسابي الدقيق (n) | التقريب الرياضي التقليدي | التقريب الإحصائي المنهجي (السقف) | المبرر المنهجي |
|---|---|---|---|
| 285.12 | 285 | 286 | ضمان عدم تجاوز هامش الخطأ بأي نسبة |
| 399.04 | 399 | 400 | الحفاظ على الحد الأدنى لتمثيل المجتمع |
| 98.65 | 99 | 99 | تطابق التقريبين الرياضي والمنهجي |
10.2 حساب نسبة الفاقد والاستجابة المتوقعة (Attrition Adjustments)
يمثل الرقم الناتج عن صيغة سلوفين (بعد تقريبه للأعلى) ما يُعرف إحصائياً بـ حجم العينة الصافية المستهدفة (Net Sample Size)؛ أي عدد الاستجابات الكاملة والصالحة للتحليل الإحصائي النهائي بعد استبعاد الاستبيانات غير المكتملة أو غير المستردة. بيد أن الواقع الميداني نادراً ما يشهد استجابة بنسبة 100%، حيث يتعرض العمل البحثي دائماً لظاهرة التسرب والفاقد الإحصائي (Survey Attrition and Non-response).
لمعالجة هذه الفجوة الحتمية بين النظرية والتطبيق، يتعين على الباحث تعديل حجم العينة الميدانية المزمع توزيعها عبر تطبيق قانون استيعاب التسرب والفاقد الرياضي التالي:
حجم العينة النهائي للجمع (N_final) = الحجم المحسوب بسلوفين (n) / (1 – معدل الفاقد المتوقع)
فإذا كان حجم العينة المحتسب بسلوفين هو 385 فرداً، وتشير الدراسات السابقة أو طبيعة مجتمع الموظفين إلى أن معدل عدم الاستجابة والفاقد المتوقع يصل إلى 20% (0.20)، فإن الإجراء الرياضي يكون كالآتي:
N_final = 385 / (1 – 0.20) = 385 / 0.80 = 481.25 => يُقرب للأعلى إلى 482 استبانة
يتعين على الباحث في هذا السيناريو توزيع 482 استبانة في الميدان لضمان استرجاع 385 استبانة صالحة ومكتملة تماماً، مما يحمي دراسته من السقوط المنهجي تحت وطأة العجز العيني. كما ينبغي تدعيم هذا الإجراء باستراتيجيات ميدانية فعالة؛ كإرسال تذكيرات للمفحوصين، وضمان سرية البيانات، وصياغة أسئلة موجزة وواضحة، وتقديم حوافز معنوية أو مادية لتشجيع المشاركة وتقليل نسب الفاقد إلى أدنى حد ممكن.
11. تطبيقات عملية لمعادلة سلوفين في بناء المقاييس والاستبيانات النفسية
11.1 تحديد عينة التقنين للمقاييس والاختبارات السيكومترية
تحتل الخصائص السيكومترية (الصدق والثبات) مكانة القلب في بناء وتقنين أدوات القياس النفسي والتربوي؛ إذ لا يمكن الاعتماد على أي اختبار سيكولوجي ما لم يُثبت استقراره واتساقه الداخلي عبر عينة تقنين ممثلة للمجتمع المستهدف. وهنا توفر صيغة سلوفين دليلاً كمياً ممتازاً لاختيار حجم عينة التقنين عند تطوير مقاييس جديدة موجهة لمجتمعات مدرسية أو جامعية أو وظيفية محددة، تضمن كفاية مصفوفات الارتباط بين فقرات المقياس.
ترتبط مخرجات صيغة سلوفين ارتباطاً وثيقاً بمتطلبات التحليل العاملي الاستكشافي (EFA) والتوكيدي (CFA). فمعظم أدبيات القياس النفسي تشترط ألا يقل حجم عينة التحليل العاملي عن 300 إلى 400 مشارك لضمان استقرار التشبعات العاملية (Factor Loadings) وعدم تشتت العوامل، وهو رقم يتطابق بصورة مدهشة مع مخرجات صيغة سلوفين للمجتمعات الكبيرة عند هامش خطأ قياسي 5% (والتي تتراوح دائماً بين 380 و 400 مفحوص).
يسهم هذا التطابق في إعطاء الباحث النفسي سنداً منهجياً مزدوجاً؛ فهو يبرر حجم عينته من خلال قانون احصائي مسحي معتمد (سلوفين) يضمن تمثيل مجتمع الدراسة الأصلي، وفي الوقت ذاته يستوفي المعايير السيكومترية الصارمة المطلوبة لتشغيل التحليلات العاملية المتقدمة واستخراج معاملات الاتساق الداخلي كمعامل ألفا كرونباخ ومعامل أوميغا ماكدونالد بثقة علمية كاملة.
11.2 دراسة حالات ومسوح ميدانية سلوكية واقعية
لإبراز التطبيق العملي المتكامل لصيغة سلوفين في الحقل السلوكي، نستعرض ثلاث دراسات حالة تطبيقية واقعية تبرز مسار اتخاذ القرار الإحصائي من البداية وحتى التحليل النهائي:
الحالة الأولى: قياس الاحتراق النفسي لدى معلمي المرحلة الثانوية
يهدف فريق بحثي إلى تقييم معدلات متلازمة الاحتراق النفسي (Burnout) لدى معلمي المدارس الثانوية الحكومية في منطقة تعليمية تضم مجتمعاً مسجلاً يبلغ 6,000 معلم ومعلمة. قرر الفريق اعتماد هامش خطأ 5%، فجاء التعويض الإحصائي:
n = 6,000 / [1 + 6,000 * (0.05)^2] = 6,000 / (1 + 15) = 6,000 / 16 = 375 معلماً
تم استخدام أسلوب العينة العشوائية الطبقية التناسبية لتوزيع الـ 375 معلماً بحسب الجنس والسنوات التدريسية، مع إضافة 15% لمواجهة الفاقد، مما أتاح استخلاص مؤشرات نفسية غاية في الدقة تم على إثرها صياغة برامج دعم إرشادي للمعلمين المعرضين للإجهاد المهني.
الحالة الثانية: تقييم القلق والاكتئاب لدى طلبة جامعة إقليمية أثناء الامتحانات
استهدفت وحدة الإرشاد النفسي الجامعي رصد مؤشرات القلق المعمم والاكتئاب لدى طلاب جامعة إقليمية يبلغ مجتمعها الطلابي 15,000 طالب. نظراً لحساسية المؤشرات النفسية في التدخل الإكلينيكي العاجل، اختارت الوحدة هامش خطأ أدق قدره 3% (e = 0.03):
n = 15,000 / [1 + 15,000 * 0.0009] = 15,000 / (1 + 13.5) = 15,000 / 14.5 = 1,034.48 => 1,035 طالباً
قدم هذا الحجم العيني الكبير قوة تمثيلية فائقة مكنت الوحدة من تشخيص انتشار الأعراض النفسية وربطها بالتخصصات الأكاديمية المختلفة بصورة علمية دقيقة وذات مصداقية عالية أمام مجلس الجامعة.
الحالة الثالثة: اتجاهات المرضى نحو جودة الرعاية النفسية بالمستشفيات
أرادت إدارة مجمع صحي قياس رضا المراجعين المقيدين في العيادات النفسية الخارجية والبالغ عددهم 1,200 مريض نشط خلال فصل معين، واعتمدت هامش خطأ قياسي 5%:
n = 1,200 / [1 + 1,200 * 0.0025] = 1,200 / (1 + 3) = 1,200 / 4 = 300 مريض
وفرت هذه العينة (300 من أصل 1,200) تمثيلاً متوازناً لكافة أقسام العيادات، وأتاحت لإدارة المستشفى تحديد مكامن القصور في قنوات تقديم الدعم الدوائي والنفسي دون الحاجة إلى إرهاق عموم المراجعين باستبيانات مستمرة.
12. دليل إرشادي وأفضل الممارسات للباحثين عند اعتماد صيغة سلوفين
12.1 قائمة التحقق المنهجية قبل البدء بالحساب
لتفادي العثرات المنهجية والأخطاء الإجرائية الشائعة، يتعين على الباحث مراجعة قائمة التحقق المهنية التالية خطوة بخطوة قبل إدراج صيغة سلوفين في مقترحه البحثي أو رسالته الأكاديمية:
- التأكد القاطع من حجم المجتمع الأصلي: هل المجتمع محدد بشكل كامل وقابل للحصر الإحصائي التوثيقي، ومستند إلى بيانات رسمية حديثة لا يتجاوز عمرها عاماً واحداً؟
- توافق طبيعة البحث مع شروط الصيغة: هل الهدف من الدراسة هو الوصف والمسح واستطلاع الرأي أو تقنين أولي لأداة، وليس اختبار فرضيات سببية معقدة في تجارب سريرية؟
- عقلانية هامش الخطأ المختار: هل يتناسب هامش الخطأ (0.01، 0.05، أو 0.10) مع أهمية القرارات المتوقعة، وهل الميزانية المادية والإمكانات البشرية قادرة فعلاً على تغطية الحجم الناتج؟
- خطة المعاينة الميدانية: هل توجد آلية واضحة وموثوقة لسحب العينة العشوائية البسيطة من المجتمع المتاح لضمان تكافؤ فرص المشاركة لجميع الأفراد دون تحيز؟
- خطة استيعاب الفاقد والتسرب: هل تم احتساب نسبة الفاقد المتوقعة وإضافتها إلى حجم العينة الأساسي المستخرج من الصيغة وفق القواعد الرياضية المعتمدة؟
- أخلاقيات البحث والموافقات: هل العينة المحتسبة متوافقة مع متطلبات لجان الأخلاقيات المؤسسية لحماية المفحوصين دون هدر لطاقاتهم أو تعريضهم لإجراءات غير مبررة؟
12.2 كيفية توثيق واستعراض النتائج في التقارير الأكاديمية
تفرض التقاليد الأكاديمية الراسخة وتوجيهات دليل النشر الصادر عن الجمعية الأمريكية لعلم النفس (APA الإصدار السابع) صياغة وصفية دقيقة وشفافة لكافة الإجراءات المتعلقة بحساب العينة وسحبها ضمن فصل المنهجية (Methodology / Participants). ينبغي على الباحث ألا يكتفي بذكر الرقم النهائي للعينة بصورة مقتضبة، بل يجب أن يقدم بياناً حسابياً تفصيلياً يوضح مبرراته العلمية.
يقترح هذا المرجع الصياغة الأكاديمية النموذجية التالية لتوثيق استخدام صيغة سلوفين في متن البحث:
“تم تحديد حجم العينة الممثلة لمجتمع الدراسة بالاعتماد على صيغة سلوفين الإحصائية (Slovin’s Formula): n = N / (1 + N * e^2). وبما أن مجتمع الدراسة الإجمالي يتكون من (N = 5,000) فرداً مسجلين رسمياً في قواعد بيانات المؤسسة، ومع اعتماد هامش خطأ مقبول قدره 5% (e = 0.05) عند مستوى ثقة قدره 95%، فقد أسفر التعويض الرياضي المباشر في المعادلة: [n = 5,000 / (1 + 5,000 * (0.05)^2)] عن حجم عينة نظري يبلغ 370.37 فرداً. وتطبيقاً لقاعدة التقريب المنهجي للأعلى (Ceiling Rule)، حُدد الحد الأدنى لحجم العينة بـ 371 فرداً. ولتعويض معدل الفقد وعدم الاستجابة المتوقع ميدانياً والمقدر بنسبة 15%، تم رفع عدد أدوات القياس الموزعة إلى 437 استبانة، استُرد منها 380 استبانة مكتملة وصالحة تماماً للتحليل الإحصائي النهائي، محققة بذلك الشروط المنهجية للتمثيل والموثوقية.”
يسهم هذا التوثيق الشفاف في طمأنة لجان التحكيم وفاحصي الرسائل إلى انضباط الباحث والتزامه الصارم بأصول الاستدلال الإحصائي، ويوفر أرضية متينة لحماية النتائج من الشكوك المنهجية أثناء مناقشة الأطروحات العلمية أو تحكيم الأبحاث للنشر.
12.3 نظرة مستقبلية على أدوات المعاينة الرقمية والذكاء الاصطناعي
يشهد ميدان البحث الإحصائي المعاصر تحولاً جذرياً مدفوعاً بثورة الذكاء الاصطناعي والأتمتة البرمجية والحوسبة السحابية؛ حيث ظهرت الآلات الحاسبة الإحصائية الرقمية التفاعلية والمكتبات البرمجية المتخصصة في لغات مثل R و Python (مثل حزم pwr و statsmodels)، والتي تتيح احتساب العينات بدقة فائقة عبر إدماج متغيرات متعددة كالقوة الإحصائية، وحجم الأثر المتوقع (Cohen’s d أو f^2)، ودرجات الحرية في لمح البصر.
تتعاون خوارزميات الذكاء الاصطناعي التوليدي اليوم مع نماذج المعاينة لتوقع معدلات الفاقد بصورة تنبؤية دقيقة بالاعتماد على البيانات الضخمة للمسوح التاريخية المشابهة، وتقديم توصيات ذكية لضبط هوامش الخطأ استناداً إلى طبيعة التوزيع الاحتمالي للمجتمع. كما توفر برمجيات متقدمة مثل G*Power حلولاً دقيقة للغاية في تحديد عينات الدراسات التجريبية والمقارنات التعددية المتقدمة التي تتجاوز قدرات النماذج البسيطة.
ومع ذلك، تظل صيغة سلوفين تحتفظ بقيمتها التعليمية والتطبيقية الرفيعة كمدخل إبستمولوجي تأسيسي لا غنى عنه في تدريب الباحثين والإحصائيين. إن بساطتها المعرفية تحمي الباحث المبتدئ من التحول إلى مجرد مستخدم سطحي للأزرار البرمجية دون فهم الفلسفة الرياضية التي تربط بين المجتمع والعينة وهامش الخطأ؛ فالاستيعاب العميق لمنطق سلوفين يظل الخطوة التمهيدية الإلزامية التي تؤهل المتخصصين لاستيعاب وتوظيف النماذج الرقمية والذكاء الاصطناعي بكفاءة ومسؤولية معرفية راقية.
خاتمة
تتجاوز صيغة سلوفين (Slovin’s Formula) كونها مجرد تعويض حسابي جامد لتشكل أحد الأعمدة المنهجية التي ضبطت بوصلة المعاينة الإحصائية لعقود طويلة. لقد استطاعت هذه الصيغة، بفضل بساطتها الهندسية ورصانتها الاستدلالية، أن تمهد الجسور أمام الباحثين في العلوم السلوكية والاجتماعية والتربوية والإدارية للانتقال من التقديرات العفوية والحدسية إلى التحديد الكمي الصارم، موفرة بذلك أداة عملية فعالة توازن بين متطلبات التمثيل العلمي والمحددات الاقتصادية والزمنية للميدان.
إن الاستخدام المسؤول لصيغة سلوفين يستلزم إدراكاً عميقاً لمحدداتها الكامنة وفرضياتها الأساسية، والالتزام الصارم بأساليب المعاينة الاحتمالية العشوائية، والتطبيق الدقيق لقواعد التقريب المنهجي وتعديلات الفاقد والتسرب الميداني. كما يتطلب الوعي بنقاط افتراقها عن الصيغ الأكثر تقدماً كمعادلة كوشران وبرمجيات تحليل القوة الإحصائية، لضمان توظيفها في مكانها الصحيح كأداة للمسوح الاستكشافية والدراسات الوصفية وتقنين المقاييس الأولية، الأمر الذي يضمن في نهاية المطاف تعزيز مصداقية البحث العلمي وإنتاج معرفة رصينة وموثوقة تسهم في خدمة المجتمعات وتطور العلوم.
المراجع
- Cochran, W. G. (1977). Sampling techniques (3rd ed.). John Wiley & Sons. https://www.wiley.com/
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587
- 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
- Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610. https://doi.org/10.1177/001316447003000308
- Slovin, M. (1960). Slovin’s formula for sampling technique. Handout, University of California, Berkeley.
- Yamane, T. (1967). Statistics: An introductory analysis (2nd ed.). Harper and Row.