تصور کنید که ساعت‌ها و روزها برای فرضیه و سپس آزمایش فرضیه خود زمان صرف کرده‌اید. ساعت‌های بی‌شماری را در آزمایشگاه به آزمایش کردن گذرانده‌اید و داده‌های زیادی به دست آورده‌اید. اکنون نیز به نگارش و ترجمه مقاله خود برای چاپ در مجلات بین‌المللی فکر می‌کنید. اما یک لحظه صبر کنید! یک مرحله مهم را جا انداخته‌اید!
این مرحله تفسیر و تحلیل داده‌ها به کمک آزمون‌های آماری است که منجر به ایجاد نتایج معنادار می‌شود. حتما می‌دانید که سالانه مقالات بسیاری در همان مراحل داوری به علت مشکوک بودن به داده‌سازی و نتایج ساختگی رد می‌شوند. البته مقالاتی هم هستند که مدت‌ها بعد از چاپ به دلیل همین اتهام، سلب اعتبار یا ریترکت می‌شوند.
از همین روی برای یک پژوهشگر (در هر رشته‌ای از پزشکی و زیست‌فناوری گرفته تا روانشناسی و جامعه‌شناسی)، مهم است که با آزمون‌های آماری آشنا باشد. هم‌چنین پژوهشگرها بهتر است که با خطاهای آماری ناخواسته هم آشنا باشند. در این حالت از تکرار این خطاها خودداری می‌کنند.
برای آشنایی با رایج‌ترین خطاهای آماری در هنگام نگارش مقالات، در ادامه این مقاله سایت ترجمه ترجمیک همراه ما باشید!
مطالب مرتبط:
۱۰ نرم‌افزار برتر و مهم تحلیل آماری پایان‌نامه
در این مطلب خواهید خواند:
خطاهای رایج آماری
در ادامه به رایج‌ترین خطاهای آماری می‌پردازیم. توجه داشته باشید که این خطاهای آماری می‌توانند منجر به ایجاد نتایج کاذب و اشتباه شوند. یکی از دلایلی که منجر به سلب اعتبار یا ریترکت مقالات می‌شوند، شک در درستی نتایج است.
استفاده نکردن از گروه کنترل
هنگام مطالعه تأثیر یک متغیر یا مداخله (درمان یا عامل) در مقاطع زمانی مختلف، باید یک گروه کنترل داشته باشید. در هنگام انجام آزمایش، بسیاری از متغیرهایی که شما به آن توجه نکرده‌اید، شاید آزمایش را تحت تأثیر قرار دهند. برای مثال، نمونه‌ها ممکن است که به تحقیق عادت کرده باشند و باعث معنی‌دارتر شدن نتایج نسبت به اوایل پروژه شوند.
گاهی نمونه‌ها (مخصوصا در آزمایش‌های روانشناسی) با شرکت در آزمایش یاد می‌گیرند و با گذشت زمان مهارت بیشتری پیدا می‌کنند. پس همواره به یک گروه کنترل نیاز است. گروه کنترل و مداخله باید اندازه یکسانی داشته باشند و همزمان به صورت تصادفی نمونه‌گیری شوند.
مقایسه دو اثر بدون مقایسه مستقیم آنها
این حالت، زمانی اتفاق می‌افتد که تأثیر دو عامل با یک گروه کنترل مقایسه شود اما با یکدیگر مقایسه مستقیم نشده‌اند. با این حال شما تصمیم می‌گیرید که بر اساس نتایج دیگر این دو گروه را هم با هم مقایسه کنید.
به عنوان مثال، شما دو گروه دارید و می خواهید که دو مداخله متفاوت را با هم مقایسه کنید. به نظر می‌رسد که مداخله A موثرتر از مداخله B باشد اما تجزیه و تحلیل آماری شما ثابت می‌کند که این دو، تفاوت معنی‌داری ندارند. با این حال، متوجه شده‌اید که با اعمال هر مداخله‌ای، نتایج به طور قابل توجهی با گروه کنترل متفاوت به نظر می‌رسد.
از این موضوع تنها نتیجه قابل به دست آوردن این است که هر دو مداخله، تفاوت معنی‌داری را در مقایسه با گروه کنترل نشان می‌دهند. از این استدلال نمی‌توان نتیجه گرفت که این دو مداخله از نظر آماری تفاوت معنی‌داری دارند.
مطالب مرتبط:
چرا یک مقاله ریترکت یا سلب اعتبار می‌شود؟
تعداد آزمایش‌ها در مقابل تعداد افراد
هرچه بیشتر آزمایشات خود را تکرار کنید، تجزیه و تحلیل آماری شما قابل اعتمادتر خواهد بود. با این حال این موضوع نشان‌دهنده این نیست که تعداد سوژه‌های آزمایش بی‌اهمیت است یا برعکس. در هر صورت هم تعداد آزمایش‌ها و هم تعداد سوژه‌های آزمایش باید از تعداد مناسبی برخوردار باشند.
برای این موضوع شما باید به هدف آزمایش و نوع آزمون آماری نگاه کنید. پس با بررسی‌های مناسب، عدد مناسبی را برای تعداد آزمایش‌ها و تعداد نمونه‌ها در نظر بگیرید!
نادیده گرفتن داده‌های پرت
شاید بسیاری از موارد پرت را نادیده می‌گیرید زیرا به نظر می‌رسد که چیزی در آن نقطه اشتباه پیش رفته است. شاید به این نتیجه برسید که غیرممکن است که یک یا دو نقطه از داده‌های شما تا این حد متفاوت از مشاهدات دیگر شما باشد. با این وجود، موارد پرت می‌توانند مشاهداتی قابل اعتماد باشند.
اگر داده‌ای را حذف می‌کنید، باید آن را ذکر و سپس دلایل حذف را نیز توضیح دهید. این نوع شفافیت برای پیشرفت آزمایش‌های علمی، ضروری است.
P-Hacking (پی هکینگ یا سلاخی داده‌ها)
هک P مجموعه‌ای از تصمیمات آماری و انتخاب‌های روش در طول تحقیق است که به طور مصنوعی نتایج آماری قابل توجهی ایجاد می‌کند. این تصمیمات احتمال مثبت کاذب را افزایش می‌دهد. جایی که مطالعه نشان می‌دهد که اثری وجود دارد، در حالی که واقعا وجود ندارد.
اگر در چنین موقعیتی قرار گرفتید، سعی کنید شفاف باشید. در واقع معمولا استفاده از چنین ترفندی نوعی داده‌سازی و جعل نتایج محسوب می‌شود.
آزمایش‌هایی با متغیرهای چندگانه
مقایسه‌های چندگانه زمانی اتفاق می‌افتد که دو گروه با استفاده از بیش از یک متغیر مقایسه شوند. به عنوان مثال، شما تأثیر یک دارو را بر روی داوطلبان بررسی می‌کنید و نتیجه را بر اساس چندین علامت تحلیل می‌کنید.
در این حالت احتمال خطا بیشتر می‌شود. بهتر است که تعداد نمونه‌های خود را افزایش دهید و آنها را به چندین گروه متفاوت تقسیم کنید. سپس هر دو گروه را بر اساس یک متغیر بسنجید.
مطالب مرتبط:
۱۰+ وب‌سایت مهم برای پژوهشگران و دانشجویان
همبستگی گیج‌کننده بین متغیرها بدون دلایل کافی
رابطه بین دو متغیر اغلب با استفاده از همبستگی تحلیل می شود. اگر بین دو متغیر همبستگی پیدا شود، به این معنا نیست که یک اثر باعث دیگری می شود. آزمایشات بیشتری برای تایید رابطه علت و معمولی، مورد نیاز است. بدون آزمایش‌های بیشتر بر روی نمونه‌های بیشتر، همبستگی بین داده‌ها را توجیه نکنید.
نکات کاربردی برای افزایش سرعت و دقت نتایج آماری
- قبل از انجام آزمایشات برای تحقیقات و اهداف خود برنامه‌ریزی کنید.
- جمعیت خود را تعریف کنید.
- همه منابع احتمالی واریانس و کنترل آنها را در نظر بگیرید.
- قبل از شروع آزمایش، تست‌های آماری مورد نظر خود را انتخاب کنید.
- جزئیات کامل داده‌ها و تجزیه و تحلیل خود را در گزارش خود بگنجانید.
- مراقب باشید که جامعه نمونه اشتباهی را انتخاب نکنید و مطمئن شوید که جمعیت خود را مشخص کرده‌اید.
- فراموش نکنید که نمونه ها را به صورت تصادفی انتخاب کنید.
- از روش‌های آماری نامناسب استفاده نکنید.
- سعی نکنید که داده‌های خود را با ارائه دلایل ساختگی یا امتحان یک آزمون آماری متفاوت، توجیه کنید.
سخن پایانی
هدف از تجزیه و تحلیل آماری بیان داستان یک مداخله یا تأثیری است که شما در حال تحقیق درباره آن هستید. برای نتیجه‌گیری قابل توجه باید مطمئن شوید که تمام قسمت‌های داستان را دارید. هم‌چنین در بیان نتایج خود باید صادق باشید و از جعل نتایج خودداری کنید.
هنگام مطالعه مقالات مجلات متوجه چه خطاهای آماری شده‌اید؟ به نظر شما چه خطاهای آماری رایج دیگری وجود دارند که می‌توانند باعث اشتباه محققان شود؟ آنها را با ما درمیان بگذارید!
سایت ترجمه ترجمیک انواع خدمات مورد نیاز پژوهشگران مانند ترجمه مقاله، ترجمه کتاب، ویرایش نیتیو و … را ارائه می‌دهد. با مراجعه به صفحه هزینه ترجمه، تنها با چند کلیک هزینه سفارش خود را محاسبه کنید!
یک دیدگاه در «۷ خطای رایج آماری در مقاله‌نویسی»;