مفاهيم أساسية في علم النفس
Basic concepts in psychology
قبل أن نتطرق إلى مصدر الأسئلة البحثية في علم النفس - وما الذي يجعلها أكثر أو أقل إثارة للاهتمام - من المهم فهم أنواع الأسئلة التي يطرحها الباحثون في علم النفس عادةً. يتطلب هذا مقدمة سريعة للعديد من المفاهيم الأساسية، والتي سنعود إليها بمزيد من التفصيل لاحقًا.
أسئلة البحث في علم النفس تدور حول المتغيرات. المتغير هو كمية أو جودة تختلف باختلاف الأشخاص أو المواقف. على سبيل المثال، يعد ارتفاع الطلاب في فصل علم النفس متغيرًا لأنه يختلف من طالب إلى آخر. جنس الطلاب هو أيضًا متغير طالما كان هناك طلاب وطالبات في الفصل. المتغير الكمي هو كمية، مثل الارتفاع، يتم قياسها عادةً عن طريق تخصيص رقم لكل فرد. تشمل الأمثلة الأخرى للمتغيرات الكمية مستوى حديث الناس، ومدى اكتئابهم، وعدد الأشقاء لديهم. المتغير الفئوي هو جودة، مثل الجنس، ويتم قياسه عادةً عن طريق تعيين تسمية فئة لكل فرد. تشمل الأمثلة الأخرى جنسية الأشخاص ومهنتهم وما إذا كانوا يتلقون العلاج النفسي.
عادة ما يهتم الباحثون في علم النفس باستخلاص استنتاجات حول مجموعة كبيرة جدًا من الناس. هذا يسمى السكان. يمكن أن يكون المراهقون الأمريكيون، والأطفال المصابون بالتوحد، والرياضيون المحترفون، أو حتى البشر فقط - اعتمادًا على اهتمامات وأهداف الباحث. لكنهم عادة ما يدرسون فقط مجموعة فرعية صغيرة أو عينة من السكان. على سبيل المثال، قد يقيس الباحث مدى ثرثرة بضع مئات من طلاب الجامعات بقصد استخلاص استنتاجات حول ثرثرة الرجال والنساء بشكل عام. لذلك، من المهم للباحثين استخدام عينة تمثيلية - عينة مماثلة للسكان في نواحٍ مهمة.
تتمثل إحدى طرق الحصول على عينة في أخذ العينات العشوائية البسيطة، حيث يكون لكل فرد من السكان فرصة متساوية في الاختيار للعينة. على سبيل المثال، يمكن أن يبدأ القائم بالاستطلاع بقائمة تضم جميع الناخبين المسجلين في مدينة «السكان»، ويختار عشوائيًا 100 منهم من القائمة «العينة»، ويسأل هؤلاء المائة الذين ينوون التصويت لصالحهم.
لسوء الحظ، فإن أخذ العينات العشوائية أمر صعب أو مستحيل في معظم الأبحاث النفسية لأن السكان محددين بشكل أقل وضوحًا من الناخبين المسجلين في المدينة. كيف يمكن للباحث أن يعطي المراهقين الأمريكيين أو جميع الأطفال المصابين بالتوحد فرصة متساوية لاختيار عينة؟ البديل الأكثر شيوعًا لأخذ العينات العشوائية هو أخذ العينات الملائمة، حيث تتكون العينة من أفراد صادف أنهم قريبون ومستعدون للمشاركة «مثل طلاب علم النفس التمهيدي». المشكلة الواضحة في أخذ العينات الملائمة هي أن العينة قد لا تكون ممثلة للسكان.
بمجرد اختيار العينة، يحتاج الباحثون إلى قياس المتغيرات التي يهتمون بها. وهذا يتطلب تعريفًا تشغيليًا - تعريفًا للمتغير من حيث كيفية قياسه بدقة. يمكن تعريف معظم المتغيرات من الناحية التشغيلية بعدة طرق مختلفة. على سبيل المثال، يمكن تعريف الاكتئاب عمليًا على أنه درجات الأشخاص على مقياس الاكتئاب الورقي والقلم، أو عدد أعراض الاكتئاب التي يعانون منها، أو ما إذا كان قد تم تشخيصهم باضطراب اكتئابي شديد. عندما يتم قياس متغير لفرد معين، فإن النتيجة تسمى الدرجة، ومجموعة من الدرجات تسمى البيانات. لاحظ أن البيانات بصيغة الجمع - نادرًا ما يتم استخدام مسند المفرد - لذلك من الصحيح نحويًا أن نقول، ”هذه بيانات مثيرة للاهتمام“ «ومن الخطأ أن نقول، ”هذه بيانات مثيرة للاهتمام“».
تدور بعض أسئلة البحث في علم النفس حول متغير واحد. ما مدى دقة ذكريات الأطفال عند لمسهم؟ ما مدى ثرثرة طلاب الجامعات الأمريكية؟ ما مدى شيوع تشخيص الأشخاص باضطراب الاكتئاب الشديد؟ تتطلب الإجابة على مثل هذه الأسئلة تحديد المتغير تشغيليًا وقياسه لعينة وتحليل النتائج واستخلاص استنتاجات حول السكان. بالنسبة للمتغير الكمي، قد يتضمن ذلك عادةً حساب المتوسط والانحراف المعياري للدرجات. بالنسبة للمتغير الفئوي، فإنه عادة ما يتضمن حساب النسبة المئوية للدرجات في كل مستوى من المتغير.
ومع ذلك، من المرجح أن تكون أسئلة البحث في علم النفس حول العلاقات الإحصائية بين المتغيرات. توجد علاقة إحصائية بين متغيرين عندما يختلف متوسط الدرجات على أحدهما بشكل منهجي عبر مستويات الآخر. تعد دراسة العلاقات الإحصائية أمرًا مهمًا لأنه بدلاً من إخبارنا بالسلوكيات والخصائص النفسية في عزلة، فإنها تخبرنا عن أسباب وعواقب وتطور وتنظيم تلك السلوكيات والخصائص.
هناك نوعان من الأشكال الأساسية للعلاقة الإحصائية:
· الاختلافات بين المجموعات
· والارتباطات بين المتغيرات الكمية.
على الرغم من أن كلاهما يتفق مع التعريف العام للعلاقة الإحصائية - يختلف متوسط الدرجات لمتغير واحد عبر مستويات الآخر - إلا أنهما يتم وصفهما وتحليلهما بشكل مختلف إلى حد ما. لهذا السبب من المهم التمييز بينها بوضوح.
أحد الأشكال الأساسية للعلاقة الإحصائية هو الفرق بين متوسط الدرجات لمجموعتين على بعض متغيرات الاهتمام. تأخذ مجموعة متنوعة من الأسئلة البحثية في علم النفس هذا الشكل. هل النساء أكثر ثرثرة من الرجال؟ هل الأطفال الذين يستخدمون رسومات الشكل البشري يتذكرون معلومات اللمس أكثر من الأطفال الذين لا يستخدمون رسومات الشكل البشري؟ هل يتمتع الأشخاص الذين يتحدثون على الهاتف الخلوي بقدرات قيادة أقل من الأشخاص الذين لا يتحدثون على الهاتف الخلوي؟ هل يعاني الأشخاص الذين يتلقون العلاج النفسي أ من أعراض اكتئاب أقل من الأشخاص الذين يتلقون العلاج النفسي ب؟ سنرى لاحقًا أيضًا أن مثل هذه العلاقات يمكن أن تشمل أكثر من مجموعتين وأن المجموعات يمكن أن تتكون من نفس الأفراد الذين تم اختبارهم في أوقات مختلفة أو في ظل ظروف مختلفة. في الوقت الحالي، من الأسهل التفكير من منظور مجموعتين مختلفتين.
عادة ما يتم وصف الاختلافات بين المجموعات بإعطاء متوسط الدرجة والانحراف المعياري لكل مجموعة. يمكن أيضًا تقديم هذه المعلومات في رسم بياني شريطي مثل ذلك في الشكل 1 ”رسم بياني شريطي يوضح الفرق الصغير جدًا في متوسط عدد الكلمات التي يتحدث بها الرجال والنساء يوميًا في عينة كبيرة“، حيث تمثل ارتفاعات الأشرطة المجموعة تعني.
الشكل 1 رسم بياني شريطي يوضح الفرق الصغير جدًا في متوسط عدد الكلمات المنطوقة يوميًا من قبل النساء والرجال في عينة كبيرة.
استنادًا إلى بيانات من ”هل النساء حقًا أكثر ثرثرة من الرجال؟“ بقلم إم آر ميهل، س. فازير، إن راميريز إسبارزا، آر ب سلاتشر، وجيه دبليو بينيباكر، 2007، العلوم، 317، ص. 82.
الشكل الأساسي الثاني للعلاقة الإحصائية هو الارتباط بين متغيرين كميين، حيث يختلف متوسط الدرجات على متغير واحد بشكل منهجي عبر مستويات الآخر. مرة أخرى، تتخذ مجموعة متنوعة من الأسئلة البحثية في علم النفس هذا الشكل. هل يرتبط كونك شخصًا أكثر سعادة بأن تكون أكثر ثرثرة؟ هل تتحسن ذكريات الأطفال عن معلومات اللمس مع تقدمهم في السن؟ هل تعتمد فعالية العلاج النفسي على مدى إعجاب المريض بالمعالج؟
غالبًا ما يتم عرض الارتباطات بين المتغيرات الكمية باستخدام مخططات التشتت. يوضح الشكل 2 ”مخطط مبعثر يظهر علاقة إيجابية افتراضية بين الإجهاد وعدد الأعراض الجسدية“ بعض البيانات الافتراضية حول العلاقة بين مقدار الإجهاد الذي يتعرض له الأشخاص وعدد الأعراض الجسدية التي يعانون منها. تمثل كل نقطة في مخطط الانتشار درجة شخص واحد في كلا المتغيرين. على سبيل المثال، تمثل النقطة المحاطة بدائرة في الشكل 2 ”مخطط مبعثر يظهر علاقة إيجابية افتراضية بين الإجهاد وعدد الأعراض الجسدية“ شخصًا كانت درجة إجهاده 10 ولديه ثلاثة أعراض جسدية. مع أخذ جميع النقاط في الاعتبار، يمكن للمرء أن يرى أن الأشخاص الذين يعانون من ضغوط أكبر يميلون إلى ظهور المزيد من الأعراض الجسدية. هذا مثال جيد على العلاقة الإيجابية، حيث تميل الدرجات الأعلى في أحد المتغيرات إلى أن تكون مرتبطة بأعلى الدرجات من ناحية أخرى. العلاقة السلبية هي العلاقة التي تميل فيها الدرجات الأعلى في متغير واحد إلى أن ترتبط بنقاط أقل من ناحية أخرى. هناك علاقة سلبية بين الإجهاد وعمل الجهاز المناعي، على سبيل المثال، لأن الضغط العالي يرتبط بانخفاض أداء الجهاز المناعي.
الشكل 2 مخطط مبعثر يوضح علاقة إيجابية افتراضية بين الإجهاد وعدد الأعراض الجسدية
تمثل النقطة المحاطة بدائرة شخصًا كانت درجة إجهاده 10 ويعاني من ثلاثة أعراض جسدية. تبلغ قيمة r لبيرسون لهذه البيانات +.51.
عادة ما يتم قياس قوة الارتباط بين المتغيرات الكمية باستخدام إحصائية تسمى Pearson’s r. كما يوضح الشكل 3 ”مجموعة من Pearson“، تتراوح قيمة Pearson من −1,00 «أقوى علاقة سلبية ممكنة» إلى +1,00 «أقوى علاقة إيجابية ممكنة». تعني القيمة 0 عدم وجود علاقة بين المتغيرين. عندما تكون r لـ Pearson تساوي 0، فإن النقاط الموجودة على مخطط التشتت تشكل ”سحابة“ عديمة الشكل. مع تحرك قيمته نحو -1,00 أو +1,00، تقترب النقاط أكثر فأكثر من السقوط على خط مستقيم واحد.
الشكل 3 نطاق Pearson's r، من -1,00 «أقوى علاقة سلبية ممكنة»، من خلال 0 «لا توجد علاقة»، إلى +1,00 «أقوى علاقة إيجابية ممكنة»
يعد مقياس Pearson's مقياسًا جيدًا فقط للعلاقات الخطية، حيث يتم تقريب النقاط بشكل أفضل من خلال خط مستقيم. إنه ليس مقياسًا جيدًا للعلاقات غير الخطية، حيث يتم تقريب النقاط بشكل أفضل بواسطة خط منحني. يوضح الشكل4 ”العلاقة الافتراضية غير الخطية بين النوم والاكتئاب“، على سبيل المثال، علاقة افتراضية بين مقدار النوم الذي يحصل عليه الأشخاص كل ليلة ومستوى اكتئابهم. في هذا المثال، الخط الذي يقترب بشكل أفضل من النقاط هو منحنى - نوع من ”U“ مقلوب - لأن الأشخاص الذين ينامون حوالي ثماني ساعات يكونون أقل اكتئابًا. أولئك الذين يحصلون على القليل من النوم وأولئك الذين يحصلون على قسط كبير من النوم يميلون إلى أن يكونوا أكثر اكتئابًا. العلاقات غير الخطية شائعة إلى حد ما في علم النفس، لكن قياس قوتها يتجاوز نطاق هذا الكتاب.
الشكل 4 العلاقة الافتراضية غير الخطية بين النوم والاكتئاب
غالبًا ما يهتم الباحثون بعلاقة إحصائية بين متغيرين لأنهم يعتقدون أن أحد المتغيرين يسبب الآخر. أي أن العلاقة الإحصائية تعكس علاقة سببية. في هذه الحالات، يُطلق على المتغير الذي يُعتقد أنه السبب المتغير المستقل «غالبًا ما يشار إليه باسم X للاختصار»، ويطلق على المتغير الذي يُعتقد أنه التأثير المتغير التابع «غالبًا ما يشار إليه باسم Y». على سبيل المثال، العلاقة الإحصائية بين ما إذا كان الشخص المكتئب يتلقى علاجًا نفسيًا أم لا وعدد أعراض الاكتئاب التي يعاني منها تعكس حقيقة أن العلاج النفسي «المتغير المستقل» يتسبب في تقليل الأعراض «المتغير التابع». يعد فهم العلاقات السببية أمرًا مهمًا جزئيًا لأنه يسمح لنا بتغيير سلوك الناس بطرق يمكن التنبؤ بها. إذا علمنا أن العلاج النفسي يؤدي إلى انخفاض في أعراض الاكتئاب - ونريد أن يكون لدى الأشخاص أعراض اكتئاب أقل - فيمكننا استخدام العلاج النفسي لتحقيق هذا الهدف.
لكن ليست كل العلاقات الإحصائية تعكس العلاقات السببية. هذا ما يقصده علماء النفس عندما يقولون، ”الارتباط لا يعني السببية“. مثال واضح يأتي من دراسة في تايوان تظهر علاقة إيجابية بين عدد الأجهزة الكهربائية التي يستخدمها الناس ومدى استخدامهم لتحديد النسل «ستانوفيتش، 2010». ومع ذلك، يبدو من الواضح أن هذا لا يعني أن امتلاك الأجهزة الكهربائية يجعل الناس يستخدمون وسائل منع الحمل، ولن يكون من المنطقي محاولة زيادة استخدام وسائل تحديد النسل من خلال إعطاء الناس محمصات ومجففات شعر.
هناك سببان لأن الارتباط لا يعني السببية. الأول يسمى مشكلة الاتجاه. متغيرين، X وY، يمكن أن يكونا مرتبطين إحصائيًا لأن X تسبب Y أو لأن Y تسبب X. ضع في اعتبارك، على سبيل المثال، دراسة توضح أن ممارسة الرياضة مرتبطة إحصائيًا بمدى سعادتهم - بحيث يشعر الأشخاص الذين يمارسون الرياضة أسعد في المتوسط من الأشخاص الذين لا يفعلون ذلك. تتوافق هذه العلاقة الإحصائية مع فكرة أن التمارين تسبب السعادة، ولكنها أيضًا تتفق مع فكرة أن السعادة تسبب التمرين. ربما يمنح السعادة الناس المزيد من الطاقة أو يقودهم إلى البحث عن فرص للتواصل مع الآخرين من خلال الذهاب إلى صالة الألعاب الرياضية. السبب الثاني الذي يجعل الارتباط لا يعني السببية يسمى مشكلة المتغير الثالث. متغيرين، X وY، يمكن أن يكونا مرتبطين إحصائيًا ليس لأن X تسبب Y، أو لأن Y تسبب X، ولكن لأن بعض المتغير الثالث، Z، يسبب كلاً من X وY. على سبيل المثال، حقيقة أن الأشخاص الذين لديهم المزيد من الأجهزة الكهربائية هم أكثر من المحتمل أن يستخدموا وسائل منع الحمل ربما يعكس حقيقة أن الحصول على مزيد من التعليم أو الدخل يجعل الناس يمتلكون المزيد من الأجهزة ويدفعهم إلى استخدام وسائل منع الحمل. وبالمثل، فإن العلاقة الإحصائية بين التمرين والسعادة يمكن أن تعني أن متغيرًا ثالثًا، مثل الصحة البدنية، يسبب كلا المتغيرين الآخرين. قد يؤدي التمتع بصحة بدنية إلى جعل الناس يمارسون الرياضة ويجعلهم أكثر سعادة.
على الرغم من أن الباحثين في علم النفس يعرفون أن الارتباط لا يعني السببية، فإن العديد من الصحفيين لا يفعلون ذلك. موقع واحد عن الارتباط والسببية، http://jonathan.mueller.faculty.noctrl.edu/100/correlation_or_causation.htm، روابط لعشرات التقارير الإعلامية حول البحوث الطبية الحيوية والنفسية الحقيقية. تشير العديد من العناوين الرئيسية إلى أنه قد تم إثبات وجود علاقة سببية، عندما تظهر القراءة المتأنية للمقالات أنه لم يحدث ذلك بسبب مشاكل الاتجاه والمتغير الثالث.
تدور إحدى المقالات حول دراسة تظهر أن الأطفال الذين يأكلون الحلوى كل يوم كانوا أكثر عرضة من الأطفال الآخرين للاعتقال لارتكابهم جريمة عنيفة في وقت لاحق من الحياة. لكن هل يمكن أن تؤدي الحلوى حقًا إلى العنف، كما يوحي العنوان؟ ما التفسيرات البديلة التي يمكنك التفكير بها لهذه العلاقة الإحصائية؟ كيف يمكن إعادة كتابة العنوان حتى لا يكون مضللاً؟
هناك طرق مختلفة يتعامل بها الباحثون مع مشكلات الاتجاه والمتغير الثالث. الأكثر فعالية، مع ذلك، هو إجراء تجربة. التجربة هي دراسة يتعامل فيها الباحث مع المتغير المستقل. على سبيل المثال، بدلاً من مجرد قياس مقدار تمرين الأشخاص، يمكن للباحث إحضار الأشخاص إلى المختبر وتعيين نصفهم بشكل عشوائي للركض على جهاز المشي لمدة 15 دقيقة والباقي للجلوس على الأريكة لمدة 15 دقيقة. على الرغم من أن هذا يبدو كإضافة ثانوية لتصميم البحث، إلا أنه مهم للغاية. الآن، إذا انتهى الأمر بالممارسين إلى مزاج أكثر إيجابية من أولئك الذين لم يمارسوا الرياضة، فلا يمكن أن يكون ذلك بسبب تأثير مزاجهم على مقدار ممارستهم «لأن الباحث هو الذي حدد مقدار التمارين التي يمارسونها». وبالمثل، لا يمكن أن يكون السبب هو أن متغيرًا ثالثًا «على سبيل المثال، الصحة البدنية» أثر على كل من مقدار ممارستهم لممارسة الرياضة والمزاج الذي كانوا فيه «لأنه، مرة أخرى، كان الباحث هو الذي حدد مقدار التمارين التي يمارسونها». وهكذا فإن التجارب تزيل مشاكل الاتجاه والمتغير الثالث وتسمح للباحثين باستخلاص استنتاجات ثابتة حول العلاقات السببية. سيكون لدينا الكثير لنقوله عن البحث التجريبي وغير التجريبي لاحقًا في الكتاب.
تدور أسئلة البحث في علم النفس حول المتغيرات والعلاقات بين المتغيرات.
هناك شكلين أساسيين للعلاقة الإحصائية هما الاختلافات بين وسائل المجموعة والارتباطات بين المتغيرات الكمية، ويمكن وصف كل منها باستخدام بعض الأساليب الإحصائية البسيطة.
الارتباط لا يعني السببية. العلاقة الإحصائية بين متغيرين، X وY، لا تعني بالضرورة أن X تسبب Y. ومن الممكن أيضًا أن Y تسبب X، أو أن متغير ثالث، Z، يسبب كلاً من X وY.
