تلعب التجربة دورًا كبيرًا في العلوم الحديثة. جميع الاكتشافات التقنية الجديدة ترجع بالتحديد إلى التجربة. ما هي الصعوبات التي تنشأ عند إجراء التجربة، وكذلك ما هي طرق إجرائها، سيتم مناقشتها في هذه المقالة.

في أيامنا هذه، لا يمكن الاستغناء عن أي بحث علمي أو تقني التجارب. التجريب ضروري في مجال العلوم التطبيقية، وكذلك في تطوير العلوم الجديدة. وبالتالي فإن التقدم التكنولوجي يتطلب ذلك.

مشاكل التجربة

بفضل التقدم التكنولوجي يواجه المهندس التجريبي تحديات جديدة. أحدها هو أن معلمات كائنات الاختبار التي يجب تحديدها غالبًا ما تكون غير قابلة للقياس بشكل مباشر (المتانة، ومقاومة التآكل، وما إلى ذلك). أي أن مجموعة المؤشرات الفنية والاقتصادية التي يتم من خلالها تقييم كائن الاختبار لا تتطابق في معظم الحالات مع مجموعة معلمات الكائن المحددة بناءً على نتائج تجربة واسعة النطاق.

هناك مشكلة أخرى وهي القدرة على تنظيم اختبارات للأشياء التي تتميز عملياتها بديناميكيات معقدة وتكون عرضة لتأثيرات الظروف البيئية المتغيرة.

عند اختبار الأنظمة المعقدة، تزداد أهمية مراعاة التأثيرات التي تحدثها معدات التسجيل والتحكم في الاختبار على عملية تشغيل الكائن الذي تم اختباره.

ولذلك، فإن المبدأ الرئيسي لتنظيم التجربة في الظروف الحديثة هو اتباع نهج منهجي.

يتضمن منهج الأنظمة النظر في جميع الوسائل المستخدمة في التجربة كنظام واحد موصوف بالنموذج الرياضي المناسب. وبذلك يصبح النموذج الرياضي عنصر اختبار يتم بناؤه بعد تنفيذ وتخطيط التجربة وإجرائها ومعالجة النتيجة. فقط وجود العلاقات التي تربط الخصائص التقنية والاقتصادية المطلوبة لكائن الاختبار بمعلماته يجعل من الممكن الحصول على أحكام مستنيرة حول قائمة أنشطة الاختبار الضرورية وتسلسلها العقلاني، ومجموعة القيم المسجلة، وشروط دقة القياس، تردد التسجيل الخ

لبناء نموذج رياضي، من الضروري أن يكون لديك فهم لسلوك العناصر الفردية، والتفاعل بينها، وتأثير العوامل المختلفة، وكذلك رد الفعل على التغيرات في ظروف الاختبار.

طُرق

ما الذي يمكن أن يوحد المهندسين والفيزيائيين وعلماء الأحياء وعلماء الاجتماع وغيرهم من المتخصصين؟ يقوم علماء الأحياء باختبار الأجهزة الطبية على الحيوانات، والاستنساخ، ويقوم المهندسون بإجراء البحث العلمي، واختبار المواد المختلفة، بينما يقوم عالم الاجتماع بجمع المعلومات ومعالجتها. كل متخصص لديه طريقه الخاص، والشيء الوحيد الذي يوحدهم هو التجارب.

لا تزال هناك العديد من السمات المشتركة في طريقة إجراء التجارب في الصناعات المختلفة:

1. يهتم جميع الباحثين بدقة أدوات القياس ودقة البيانات التي يتم الحصول عليها.

2. يحاول كل باحث تقليل عدد المتغيرات المشاركة في التجربة، حيث سيتم إنجاز عمله بشكل أسرع وتكلفة أقل.

3. يمكن أن تكون التجربة بأي تعقيد، ولكن أول شيء عليك القيام به هو كتابة خطة لتنفيذها. عند بناء خطة تجريبية، من المهم جدًا صياغة الأسئلة بشكل صحيح وواضح.

4. أثناء التجربة يجب على الباحث فحص كائن الاختبار للتأكد من عدم وجود أخطاء وأعطال. تتضمن هذه المهمة التحقق من مدى قبول البيانات التي تم الحصول عليها. يجب ألا تتعارض النتائج مع المنطق.

5. خلال أي تجربة، تحتاج إلى تحليل البيانات التي تم الحصول عليها وإعطاء تفسير لها، لأنه بدون هذه النقطة لن يكون للتجربة أي معنى.

6. يتحكم جميع الباحثين في التجربة التي يتم إجراؤها، أي أنه يمكن حذف الاعتماد على المتغيرات الخارجية.

قد تختلف طبيعة التجارب عن بعضها البعض، ولكن يجب أن يتم التخطيط والتنفيذ والتحليل لجميع التجارب بنفس التسلسل. يتم عرض نتائج التجارب، كقاعدة عامة، في شكل جداول ورسوم بيانية وصيغ. لكن الاختلاف يكمن في جودة التجربة.

وتنتهي كل تجربة بعرض النتيجة وصياغة الاستنتاج وإصدار التوصية. للحصول على اعتماد النتيجة على عدة معلمات، من الضروري إنشاء عدة رسوم بيانية، أو إنشاء رسم بياني بإحداثيات متساوية القياس. ليس من الممكن حتى الآن تصوير وظائف معقدة للغاية باستخدام الرسوم البيانية. ومن خلال عرض النتائج في شكل صيغ رياضية، من الممكن التعبير عن اعتماد النتيجة على عدد أكبر من المتغيرات. ولكن لا تزال، كقاعدة عامة، تقتصر على 3 متغيرات.

إن إخراج نتائج التجربة بشكل لفظي هو الأكثر فعالية.

في نهاية معظم التجارب التقنية، هناك بعض الإجراءات - اتخاذ قرار، أو الاستمرار في الاختبار، أو الاعتراف بالفشل.

يجب على الباحث أن يدرس بشكل منهجي وشامل جميع التأثيرات الخارجية المحتملة وطرق التحكم المثلى. يجب أن يكون قادرًا على التمييز بين التأثير الاستثنائي والخاص وبين مجموعة متنوعة من التأثيرات الخارجية وعوامل الخطأ الخارجية.

تظهر الاكتشافات العشوائية عندما يتم حساب جميع الاحتمالات المتوقعة أو التنبؤ بها أو إزالتها مسبقًا، ولا يمكن فتح سوى احتمالات جديدة تمامًا لم يتم استكشافها من قبل.

المنهجية- هذا هو المجموع و. العمليات العقلية والجسدية الموضوعة في تسلسل معين يتم من خلاله تحقيق هدف الدراسة.

عند تطوير الأساليب التجريبية، من الضروري توفير ما يلي:

إجراء مراقبة مستهدفة أولية للكائن أو الظاهرة التي تتم دراستها من أجل تحديد البيانات الأولية (الفرضيات، اختيار العوامل المختلفة)؛

تهيئة الظروف التي يكون فيها التجريب ممكنا (اختيار الأشياء للتأثير التجريبي، والقضاء على تأثير العوامل العشوائية)؛

تحديد حدود القياس. المراقبة المنهجية لتطور الظاهرة قيد الدراسة والأوصاف الدقيقة للحقائق؛

إجراء التسجيل المنهجي للقياسات وتقييمات الحقائق بمختلف الوسائل والأساليب؛

خلق مواقف متكررة، وتغيير طبيعة الظروف والتأثيرات المتقاطعة، وخلق مواقف معقدة من أجل تأكيد أو دحض البيانات التي تم الحصول عليها مسبقًا؛

الانتقال من الدراسة التجريبية إلى التعميمات المنطقية، إلى التحليل والمعالجة النظرية للمادة الواقعية التي تم الحصول عليها.

قبل كل تجربة يتم وضع خطة (برنامج) تتضمن:

الغرض وأهداف التجربة؛

اختيار عوامل مختلفة.

مبررات نطاق التجربة، عدد التجارب؛

إجراءات تنفيذ التجارب، وتحديد تسلسل التغيرات في العوامل؛

اختيار خطوة لتغير العوامل، وتحديد الفواصل الزمنية بين النقاط التجريبية المستقبلية؛

مبررات أدوات القياس.

وصف التجربة؛

مبررات طرق معالجة وتحليل النتائج التجريبية.

يجب أن تستوفي النتائج التجريبية ثلاثة متطلبات إحصائية:

متطلبات فعالية التقييمات، أي. الحد الأدنى من تباين الانحراف بالنسبة لمعلمة غير معروفة؛

شرط اتساق التقييمات، أي. ومع زيادة عدد الملاحظات، ينبغي أن يميل تقدير المعلمة إلى قيمته الحقيقية؛

شرط التقديرات غير المتحيزة هو عدم وجود أخطاء منهجية في عملية حساب المعلمات.

المشكلة الأكثر أهمية في إجراء التجربة ومعالجتها هي توافق هذه المتطلبات الثلاثة.

عناصر نظرية التصميم التجريبي

تحدد النظرية الرياضية للتجربة شروط البحث الأمثل، بما في ذلك في حالة المعرفة غير الكاملة بالجوهر المادي لهذه الظاهرة. ولهذا الغرض، يتم استخدام الأساليب الرياضية في إعداد وإجراء التجارب، مما يجعل من الممكن دراسة وتحسين الأنظمة والعمليات المعقدة، وضمان الكفاءة العالية للتجربة والدقة في تحديد العوامل قيد الدراسة.

يتم إجراء التجارب عادةً في سلسلة صغيرة وفقًا لخوارزمية متفق عليها مسبقًا. بعد كل سلسلة صغيرة من التجارب، تتم معالجة نتائج المراقبة ويتم اتخاذ قرار مستنير بدقة بشأن ما يجب القيام به بعد ذلك.

عند استخدام أساليب التخطيط التجريبي الرياضي فمن الممكن:

حل القضايا المختلفة المتعلقة بدراسة العمليات والظواهر المعقدة؛

إجراء تجربة من أجل تكييف العملية التكنولوجية مع الظروف المثلى المتغيرة لحدوثها وبالتالي ضمان الكفاءة العالية في تنفيذها، وما إلى ذلك.

تحتوي نظرية التجربة الرياضية على عدد من المفاهيم التي تضمن التنفيذ الناجح لمهام البحث:

مفهوم العشوائية.

مفهوم التجربة المتسلسلة؛

مفهوم النمذجة الرياضية.

مفهوم الاستخدام الأمثل لمساحة العامل وعدد من المفاهيم الأخرى.

مبدأ العشوائيةهو أنه تم إدخال عنصر العشوائية في التصميم التجريبي. وللقيام بذلك، تم وضع الخطة التجريبية بطريقة بحيث يتم أخذ تلك العوامل المنهجية التي يصعب السيطرة عليها في الاعتبار إحصائيا ومن ثم استبعادها في البحث كأخطاء منهجية.

عندما يتم تنفيذها بالتسلسللا يتم إجراء التجربة في وقت واحد، بل على مراحل، بحيث يتم تحليل نتائج كل مرحلة ويتم اتخاذ القرار بشأن مدى استصواب إجراء مزيد من البحث ( الشكل 2.1 ). ونتيجة للتجربة، يتم الحصول على معادلة الانحدار، والتي غالبا ما تسمى نموذج العملية.

لحالات محددة نموذج رياضي يتم إنشاؤه بناءً على التوجه المستهدف للعملية وأهداف البحث، مع مراعاة الدقة المطلوبة للحل وموثوقية البيانات المصدر.

يحتل مكانا هاما في نظرية التخطيط التجريبي قضايا التحسين العمليات قيد الدراسة، وخصائص الأنظمة متعددة المكونات أو غيرها من الأشياء.

كقاعدة عامة، من المستحيل العثور على مثل هذا المزيج من قيم العوامل المؤثرة التي تحقق في نفس الوقت الحد الأقصى لجميع وظائف الاستجابة. ولذلك، في معظم الحالات، يتم اختيار واحد فقط من متغيرات الحالة، وهو دالة الاستجابة التي تميز العملية، كمعيار الأمثل، ويتم قبول الباقي كمقبول للحالة المحددة.

تتطور حاليًا طرق تخطيط التجارب بسرعة، ويسهل ذلك إمكانية الاستخدام الواسع النطاق لأجهزة الكمبيوتر.

تجربة حسابيةيشير إلى منهجية وتكنولوجيا البحث القائمة على استخدام الرياضيات التطبيقية وأجهزة الكمبيوتر الإلكترونية كأساس تقني لاستخدام النماذج الرياضية.

وبالتالي، تعتمد التجربة الحسابية على إنشاء نماذج رياضية للأشياء قيد الدراسة، والتي يتم تشكيلها باستخدام بعض الهياكل الرياضية الخاصة التي يمكن أن تعكس خصائص الكائن الذي يظهر في ظل ظروف تجريبية مختلفة.

ومع ذلك، فإن هذه الهياكل الرياضية تتحول إلى نماذج فقط عندما يتم إعطاء عناصر الهيكل تفسيرًا فيزيائيًا، عندما يتم إنشاء علاقة بين معلمات البنية الرياضية والخصائص المحددة تجريبيًا للكائن، عندما تكون خصائص عناصر البنية يتوافق النموذج والنموذج نفسه ككل مع خصائص الكائن.

وبالتالي، فإن الهياكل الرياضية، إلى جانب وصف المراسلات مع خصائص الكائن المكتشفة تجريبيًا، هي نموذج للكائن قيد الدراسة، مما يعكس في شكل رياضي ورمزي (علامة) التبعيات والروابط والقوانين الموجودة بشكل موضوعي في طبيعة.

تعتمد كل تجربة حسابية على نموذج رياضي وعلى تقنيات الرياضيات الحسابية. تتكون الرياضيات الحسابية الحديثة من العديد من الأقسام التي تم تطويرها جنبًا إلى جنب مع تطور تكنولوجيا الحوسبة الإلكترونية.

بناءً على النمذجة الرياضية وأساليب الرياضيات الحسابية، تم إنشاء نظرية وممارسة التجارب الحسابية، والتي تنقسم دورتها التكنولوجية عادةً إلى المراحل التالية.

1. بالنسبة للكائن قيد الدراسة، يتم بناء نموذج، عادةً ما يكون في البداية نموذجًا ماديًا، والذي يلتقط تقسيم جميع العوامل العاملة في الظاهرة قيد النظر إلى عوامل رئيسية وثانوية، والتي يتم التخلص منها في هذه المرحلة من الدراسة.

2. يجري تطوير طريقة لحساب المشكلة الرياضية المصاغة. يتم عرض هذه المشكلة على شكل مجموعة من الصيغ الجبرية، والتي يجب بموجبها إجراء الحسابات والشروط، مع توضيح تسلسل تطبيق هذه الصيغ؛ وتسمى مجموعة من هذه الصيغ والشروط بالخوارزمية الحسابية.

تعتبر التجربة الحسابية متعددة المتغيرات بطبيعتها، نظرًا لأن حلول المشكلات المطروحة غالبًا ما تعتمد على العديد من معلمات الإدخال.

وفي هذا الصدد، عند تنظيم تجربة حسابية، يمكنك استخدام الأساليب العددية الفعالة.

3. يجري تطوير خوارزمية وبرنامج لحل المشكلة على الكمبيوتر. لا يتم تحديد حلول البرمجة الآن فقط من خلال فن وخبرة المؤدي، ولكنها تنمو لتصبح علمًا مستقلاً له مناهجه الأساسية الخاصة.

4. إجراء العمليات الحسابية على جهاز الكمبيوتر. يتم الحصول على النتيجة في شكل بعض المعلومات الرقمية، والتي ستحتاج بعد ذلك إلى فك تشفيرها. يتم تحديد دقة المعلومات أثناء التجربة الحسابية من خلال موثوقية النموذج الذي تقوم عليه التجربة، وصحة الخوارزميات والبرامج (يتم إجراء اختبارات "الاختبار" الأولية).

5. معالجة نتائج الحساب وتحليلها واستنتاجاتها. في هذه المرحلة، قد تكون هناك حاجة لتوضيح النموذج الرياضي (التعقيد أو، على العكس من ذلك، التبسيط)، ومقترحات لإنشاء حلول وصيغ هندسية مبسطة تجعل من الممكن الحصول على المعلومات اللازمة بطريقة أبسط.

تكتسب التجربة الحسابية أهمية استثنائية في الحالات التي يتبين فيها استحالة إجراء تجارب واسعة النطاق وبناء نموذج فيزيائي.

هناك العديد من المجالات في العلوم والتكنولوجيا حيث تكون التجربة الحسابية هي الوحيدة الممكنة في دراسة الأنظمة المعقدة.

المبادئ العامة للتصميم التجريبي

مقارنة.

العشوائية.

تكرار.

التوحيد.

التقسيم الطبقي.

مستويات العوامل

العنوان: المبادئ العامة للتصميم التجريبي
وصف تفصيلي:

منذ ظهوره، كان العلم يبحث عن طرق لفهم قوانين العالم المحيط. من خلال اكتشاف اكتشاف تلو الآخر، يرتقي العلماء أعلى وأعلى على سلم المعرفة، ويمحوون حدود المجهول ويصلون إلى حدود جديدة للعلم. وهذا الطريق يكمن من خلال التجربة. ومن خلال الحد بشكل واعي من التنوع اللامتناهي للطبيعة ضمن الإطار الاصطناعي للتجربة العلمية، فإننا نحولها إلى صورة للعالم مفهومة للعقل البشري.

التجربة باعتبارها بحثًا علميًا هي الشكل الذي يوجد به العلم ويتطور من خلاله. تتطلب التجربة تحضيرًا دقيقًا قبل تنفيذها. في أبحاث الطب الحيوي، يعد تصميم الجزء التجريبي من الدراسة ذا أهمية خاصة بسبب التباين الواسع في الخصائص المميزة للأشياء البيولوجية. وهذه الميزة هي السبب الرئيسي للصعوبات في تفسير النتائج، والتي يمكن أن تختلف بشكل كبير من تجربة إلى أخرى.

تبرر المشكلات الإحصائية الحاجة إلى اختيار تصميم تجريبي من شأنه أن يقلل من تأثير التباين على استنتاجات العالم. ولذلك فإن الهدف من التصميم التجريبي هو إنشاء التصميم اللازم للحصول على أكبر قدر ممكن من المعلومات بأقل تكلفة لإكمال الدراسة. وبتعبير أدق، يمكن تعريف التخطيط التجريبي بأنه إجراء اختيار العدد والشروط اللازمة لإجراء التجارب الضرورية والكافية لحل مشكلة معينة بالدقة المطلوبة.

نشأ التصميم التجريبي في علم الأحياء الزراعية ويرتبط باسم الإحصائي وعالم الأحياء الإنجليزي السير رونالد أيلمر فيشر. في بداية القرن العشرين، بدأت الدراسات في محطة البيولوجيا الزراعية في روثامستد (المملكة المتحدة) حول تأثير الأسمدة على إنتاجية أنواع مختلفة من الحبوب. اضطر العلماء إلى مراعاة التباين الكبير في كائنات البحث والمدة الطويلة للتجارب (حوالي عام). وفي ظل هذه الظروف لم يكن هناك سبيل آخر سوى وضع تصميم تجريبي مدروس للحد من التأثير السلبي لهذه العوامل على دقة الاستنتاجات. من خلال تطبيق المعرفة الإحصائية على المشاكل البيولوجية، توصل فيشر إلى تطوير مبادئه الخاصة في نظرية الاستدلال الإحصائي وكان رائدًا في علم التصميم الجديد وتحليل التجارب.

شرح رونالد فيشر نفسه أساسيات التخطيط باستخدام مثال تجربة تم إجراؤها لتحديد قدرة سيدة إنجليزية معينة على التمييز بين ما تم سكبه في الكوب أولاً - الشاي أو الحليب. وتجدر الإشارة إلى أنه بالنسبة للسيدات الإنجليزيات الحقيقيات، من المهم سكب الشاي في الحليب، وليس العكس، فإن انتهاك التسلسل سيكون علامة على الجهل وسيفسد طعم المشروب.

التجربة بسيطة: السيدة تجرب الشاي مع الحليب وتحاول أن تفهم حسب ذوقها الترتيب الذي تم به صب كلا المكونين. التصميم الذي تم تطويره لهذه الدراسة لديه عدد من الخصائص.

مقارنة.في العديد من الدراسات، يكون التحديد الدقيق لنتيجة القياس أمرًا صعبًا أو مستحيلًا. لذلك، على سبيل المثال، لن تتمكن السيدة من تحديد جودة الشاي، بل ستقارنه بمعيار المشروب المعد بشكل صحيح، والذي كان طعمه مألوفًا لها منذ الطفولة. عادة، في التجربة العلمية، تتم مقارنة الكائن إما بمعايير محددة مسبقًا أو بكائن تحكم.

العشوائية.هذه نقطة مهمة جدًا في التخطيط. في مثالنا، تشير العشوائية إلى الترتيب الذي يتم به تقديم الأكواب للتذوق. العشوائية ضرورية لتمكين استخدام الأساليب الإحصائية لتحليل نتائج الدراسة.

تكرار.التكرار هو عنصر ضروري لإعداد التجربة. من غير المقبول استخلاص استنتاجات حول القدرة على تحديد جودة الشاي من كوب واحد فقط. إن نتيجة كل قياس فردي (التذوق) تحمل في طياتها حصة من عدم اليقين الناشئ تحت تأثير العديد من العوامل العشوائية. ولذلك، يجب إجراء اختبارات متعددة لتحديد مصدر التباين. ترتبط حساسية التجربة بهذه الخاصية. وأشار فيشر إلى أنه حتى يتجاوز عدد أكواب الشاي حدا أدنى معينا، فمن المستحيل استخلاص أي استنتاجات واضحة.

التوحيد.وعلى الرغم من ضرورة تكرار القياسات (التكرار)، إلا أنه لا ينبغي أن يكون عددها كبيرًا جدًا حتى لا يتم فقدان التجانس. الاختلافات في درجات الحرارة بين الكؤوس، وتبلد الطعم، وما إلى ذلك، عند تجاوز عدد محدد من التكرارات، يمكن أن تجعل من الصعب تحليل نتائج التجربة.

التقسيم الطبقي.إذا تجاوزنا مثال R. Fischer إلى وصف أكثر تجريدًا للتصميم التجريبي، فمن الممكن أيضًا الإشارة إلى خاصية مثل التقسيم الطبقي (الحجب). التقسيم الطبقي هو توزيع الوحدات التجريبية إلى مجموعات متجانسة نسبيًا (كتل، طبقات). يتيح لنا إجراء التقسيم الطبقي تقليل تأثير مصادر التباين غير العشوائية المعروفة لنا. ضمن كل كتلة، يفترض أن يكون الخطأ التجريبي أصغر مقارنة بالخيار مع الاختيار العشوائي للتجربة لنفس العدد من الكائنات. على سبيل المثال، عند البحث عن دواء جديد، لدينا مستويين من العوامل - "الدواء" و"الدواء الوهمي"، الموصوفين للرجال والنساء. في هذه الحالة، يعد الجنس عاملاً مانعًا يتم من خلاله تقسيم الموضوعات قيد الدراسة إلى مجموعات فرعية.

تنطبق خصائص التصميم التجريبي الموصوفة أعلاه كليًا أو جزئيًا على أي تجربة علمية. ومع ذلك، للبدء، فإن المعرفة بالخصائص العامة للدراسة ليست كافية، بل يلزم إعداد أكثر شمولاً. من المستحيل إنشاء دليل تفصيلي في مقال واحد، لذلك سيتم عرض المعلومات الأكثر عمومية حول مراحل تخطيط التجربة هنا.

يبدأ أي بحث بتحديد الهدف. إن اختيار مشكلة الدراسة وصياغتها سيؤثر على تصميم الدراسة والاستنتاجات التي سيتم استخلاصها من نتائجها. في أبسط الحالات، يجب أن يتضمن بيان المشكلة الأسئلة "من؟"، "ماذا؟"، "متى؟"، "لماذا؟" وكيف؟".

ومن الأمثلة على أهمية مرحلة التخطيط هذه الدراسة التي جمعت معلومات عن حوادث المرور على الطرق. اعتمادا على تحديد الأهداف، يمكن أن يهدف العمل إلى تطوير سيارة جديدة أو سطح طريق جديد. على الرغم من استخدام نفس مجموعة البيانات، إلا أن بيان المشكلة والاستنتاجات يختلفان بشكل كبير اعتمادًا على صياغة المشكلة.

بعد اختيار هدف العمل يجب تحديد ما يسمى بالمتغيرات التابعة. وهذه هي المتغيرات التي سيتم قياسها في الدراسة. على سبيل المثال، مؤشرات عمل أنظمة معينة في جسم الإنسان أو حيوانات المختبر (معدل ضربات القلب، وضغط الدم، ومحتوى الإنزيم في الدم، وما إلى ذلك)، بالإضافة إلى أي خصائص أخرى لكائنات البحث، والتي ستكون التغييرات فيها مفيدة لنا.

وبما أن هناك متغيرات تابعة، فلا بد من وجود متغيرات مستقلة أيضا. اسم آخر لهم هو العوامل. يتعامل الباحث مع العوامل في التجربة. يمكن أن تكون هذه جرعة الدواء قيد الدراسة، ومستوى التوتر، ودرجة النشاط البدني، وما إلى ذلك. ويتم تمثيل العلاقة بين العامل والمتغير التابع بشكل ملائم باستخدام نظام سيبراني، يسمى غالبًا "الصندوق الأسود".

الصندوق الأسود هو نظام آلية تشغيله غير معروفة لنا. ومع ذلك، لدى الباحث معلومات حول ما يحدث عند إدخال وإخراج الصندوق الأسود. في هذه الحالة، تعتمد حالة الإخراج وظيفيًا على حالة الإدخال. وبناء على ذلك، فإن y1، y2، ...، yp هي متغيرات تابعة، تعتمد قيمتها على عوامل (المتغيرات المستقلة x1، x2، ...، xk). تمثل المعلمات w1، w2، ...، wn الاضطرابات التي لا يمكن التحكم فيها أو تغييرها بمرور الوقت.

بشكل عام، يمكن كتابة ذلك على النحو التالي: y=f(x1, x2, ..., xk).

كل عامل في التجربة يمكن أن يأخذ واحدة من عدة قيم. تسمى هذه القيم مستويات العوامل. قد يتبين أن العامل يمكن أن يأخذ عددًا لا حصر له من القيم (على سبيل المثال، جرعة الدواء)، ولكن في الممارسة العملية يتم اختيار عدة مستويات منفصلة، ​​يعتمد عددها على أهداف تجربة معينة.

تحدد مجموعة ثابتة من مستويات العوامل إحدى الحالات المحتملة للصندوق الأسود. وفي الوقت نفسه، هذه هي الشروط لإجراء إحدى التجارب المحتملة. إذا قمنا بإحصاء جميع المجموعات الممكنة لهذه الحالات، فسنحصل على مجموعة كاملة من الحالات المختلفة لنظام معين، والتي سيكون عددها هو عدد جميع التجارب الممكنة. من أجل حساب عدد الحالات الممكنة، يكفي رفع عدد مستويات العوامل q (إذا كان هو نفسه لجميع العوامل) إلى قوة عدد العوامل k.

تحدد مجموعة جميع الحالات الممكنة مدى تعقيد الصندوق الأسود. وبالتالي، فإن نظامًا مكونًا من عشرة عوامل على أربعة مستويات يمكن أن يوجد في أكثر من مليون ولاية مختلفة. ومن الواضح أنه في مثل هذه الحالات يكون من المستحيل إجراء دراسة تشمل جميع التجارب الممكنة. لذلك، في مرحلة التخطيط، يتم تحديد مسألة عدد التجارب وما هي التجارب التي يجب إجراؤها لحل المشكلة.

وتجدر الإشارة إلى أن خصائص موضوع الدراسة ضرورية للتجربة. أولاً، نحتاج إلى الحصول على معلومات حول درجة إمكانية تكرار نتائج التجارب على كائن معين. للقيام بذلك، يمكنك إجراء تجربة، ثم تكرارها على فترات غير منتظمة ومقارنة النتائج. إذا كان انتشار القيم لا يتجاوز متطلباتنا لدقة التجربة، فإن الكائن يلبي متطلبات استنساخ النتائج. الشرط الآخر للكائن هو إمكانية التحكم فيه. الكائن المتحكم فيه هو كائن يمكن إجراء تجربة نشطة عليه. بدورها، التجربة النشطة هي تجربة تتاح للباحث خلالها الفرصة لاختيار مستويات العوامل التي تهمه.

من الناحية العملية، لا توجد كائنات مُدارة بالكامل. كما ذكرنا أعلاه، يتأثر الكائن الحقيقي بكل من العوامل التي يمكن التحكم فيها والتي لا يمكن السيطرة عليها، مما يؤدي إلى تباين النتائج بين الكائنات الفردية. لا يمكننا فصل التغيرات العشوائية عن التغيرات المنتظمة الناجمة عن مستويات مختلفة من المتغيرات المستقلة إلا بمساعدة الأساليب الإحصائية.

لكن الأساليب الإحصائية تكون فعالة فقط في ظل ظروف معينة. أحد هذه الشروط هو اشتراط حد أدنى معين لحجم العينة المستخدم في التجربة. ومن الواضح أنه كلما اتسع نطاق التغيرات في الخصائص من كائن إلى آخر، كلما زاد تكرار التجربة، أي عدد المجموعات التجريبية.

وبما أن العدد الكبير غير المعقول من التجارب سيجعل الدراسة مكلفة للغاية، وحجم العينة غير الكافي قد يضر بدقة الاستنتاجات، فإن تحديد حجم العينة المطلوب يلعب دورًا حاسمًا في التصميم التجريبي. تم وصف طرق حساب الحد الأدنى لحجم العينة بالتفصيل في الأدبيات المتخصصة، لذلك لا يمكن تقديمها في المقالة. ومع ذلك، تجدر الإشارة إلى أنها تتطلب تحديدًا أوليًا لمتوسط ​​قيمة المؤشر قيد الدراسة وخطأه. يمكن أن يكون مصدر هذه المعلومات منشورات حول دراسات مماثلة. إذا لم يتم تنفيذها بعد، فهناك حاجة لإجراء دراسة "تجريبية" أولية لتقييم تباين السمة.

الخطوة التالية في تصميم التجارب هي التوزيع العشوائي. التوزيع العشوائي هو عملية تستخدم لتجميع الأشخاص بحيث يكون لكل منهم فرصة متساوية في تعيينه في مجموعة مراقبة أو علاج. بمعنى آخر، يجب أن يكون اختيار المشاركين في الدراسة عشوائيًا حتى لا تكون الدراسة متحيزة تجاه النتيجة "المفضلة" للباحث.

يساعد التوزيع العشوائي على منع التحيز لأسباب لم يتم أخذها في الاعتبار بشكل مباشر في التصميم التجريبي. ولهذا الغرض، على سبيل المثال، يتم تكوين مجموعات تجريبية من حيوانات المختبر بشكل عشوائي. ومع ذلك، فإن التوزيع العشوائي الكامل ليس ممكنًا دائمًا. وبالتالي، فإن التجارب السريرية تشمل مرضى من فئة عمرية معينة، مع تشخيص محدد مسبقًا وشدة المرض، وبالتالي، فإن اختيار المشاركين ليس عشوائيًا. بالإضافة إلى ذلك، فإن ما يسمى بالتصميمات التجريبية "الكتلية" تحد من التوزيع العشوائي. تشير هذه التصميمات إلى أن الاختيار في كل كتلة يتم تنفيذه وفقًا لشروط غير عشوائية معينة، ولا يمكن الاختيار العشوائي لموضوعات الدراسة إلا داخل الكتل. تتميز عملية التوزيع العشوائي بسهولة تنفيذها باستخدام برامج إحصائية متخصصة أو جداول خاصة.

وفي الختام لا بد من القول بضرورة مراعاة في خطة البحث، بالإضافة إلى متطلبات الطب والإحصاء، المعايير الأخلاقية والأخلاقية. يجب ألا ننسى أنه ليس فقط البشر، ولكن أيضًا حيوانات المختبر، يجب أن يشاركوا في التجربة وفقًا للمبادئ الأخلاقية.

عند إجراء التجارب، حتى الباحث ذو الخبرة ليس مضمونًا ضد الأخطاء وتحريف المعلومات. يمكن التخلص من بعضها إذا اتبعت نهجًا أكثر حرصًا في تصميم التجربة. أما الجزء الآخر فلا يمكن إلغاؤه من حيث المبدأ.» ولكن مع الأخذ بعين الاعتبار هذا الاحتمال ذاته – احتمال الأخطاء – يسمح لنا بإجراء التعديلات اللازمة.

بادئ ذي بدء، شيء ليس في الواقع يمكن أن يسمى خطأ تجربة. عند إجراء تجربة موازية، من الممكن، على سبيل المثال، تغيير نظام الأجور في فريق مصنع واحد، ولكن لا يمكن تغييره في فريق آخر، وقد يتبين أن إنتاجية العمل زادت في الفريق الأول. إلا أن هذا النوع من المواقف لن يكون تجريبياً بأي حال من الأحوال ما لم تؤخذ في الاعتبار بعض الخصائص المهمة لكلتا المجموعتين ويتم السيطرة عليها.

يجب أن يكون الفريقان التجريبي والضابط متساويين في الحجم ونوع النشاط وتوزيع وظائف الإنتاج ونوع القيادة أو غيرها من الخصائص المهمة من وجهة نظر الفرضية. إذا لم تتمكن من معادلة أي خصائص مهمة للمجموعة، فيجب عليك محاولة تحييدها أو إصلاحها بطريقة أو بأخرى وأخذها في الاعتبار عند تحليل النتائج.

وفي الحالات التي لا يفعل فيها عالم الاجتماع ذلك، فإنه ليس في مزاج يسمح له باعتبار الوضع الذي تم إنشاؤه تجريبيًا وتفسير التغيير في الإنتاجية من خلال التغيير في نظام الأجور، حيث أن التغيير في الإنتاجية قد يكون ناجمًا عن أي عامل عشوائي آخر وليس بالتغيير؛ أجور. قبل أن يطلق على الدراسة اسم تجريبي، يجب على الباحث أن يحلل ما إذا كان لديه أساس لذلك، بمعنى آخر، ما إذا كان قد هيأ الظروف اللازمة وقدم المستوى اللازم من القياس والتحكم.

عند صياغة الفرضية وعند الانتقال من الفرضية العامة إلى المتغيرات التعاونية قد تحدث أخطاء بسبب منطق الاستدلال.

كسبب موحد عند صياغة الفرضية: قد يتم تحديد الآليات والاتصالات المحددة بشكل خاطئ. يحدث هذا عادة عند دراسة الظواهر غير المعروفة، ومن ثم تكون النتائج السلبية التي تم الحصول عليها في التجربة مساهمة إيجابية في تطوير نموذج نظري لموضوع الملاحظة، لأنها تظهر أن آلية معينة أو اتصال معين لا يحدد العمليات تحدث.

الأخطاء ممكنة عند الانتقال من تعريف افتراضي

وارتباطها بوصف مؤشراتها التجريبية. ستؤدي المقاييس المختارة بشكل سيئ إلى جعل التجربة بلا قيمة، بغض النظر عن مدى دقة إجرائها. الأخطاء ممكنة بسبب التصور الذاتي للموقف من قبل المشاركين في التجربة والباحث. غالباً ما يكون لدى المجرب ميل إلى المبالغة في تقدير تأثير المتغير قيد الدراسة، وهذا يؤدي إلى أنه يميل إلى تفسير أي حقيقة غامضة في الاتجاه الذي يرغب فيه.

يتمتع أعضاء المجموعة التجريبية أيضًا بفرصة تفسير الموقف بشكل شخصي: حيث يمكنهم إدراك سمات معينة للوضع التجريبي وفقًا لمواقفهم الخاصة، وليس بالمعنى الذي يظهرون به للمجرب. مثل هذا التناقض في الإدراك، إذا لم يؤخذ في الاعتبار عند التخطيط للتجربة، سيؤثر بالتأكيد على تحليل النتائج ويقلل بشكل كبير من موثوقيتها.

إن إضعاف السيطرة وتقليل درجة "نقاوة" التجربة يزيد من احتمالية تأثير متغيرات إضافية أو عوامل عشوائية، لا يمكن أخذها بعين الاعتبار أو تقييمها في نهاية التجربة. وهذا بدوره يقلل بشكل كبير من موثوقية الاستنتاجات المستخلصة.

يواجه الباحث الذي لا يتمتع بالخبرة الكافية المخاطر المرتبطة باستخدام الأساليب الإحصائية، فقد يستخدم أساليب لا تتوافق مع مهمة البحث. ينطبق هذا الاحتمال على بناء المجموعة التجريبية وعلى طريقة تحليل النتائج.

يرتبط استخدام التجربة في علم الاجتماع بعدد من الصعوبات التي لا تسمح بتحقيق نقاء تجربة العلوم الطبيعية، حيث أنه من المستحيل القضاء على تأثير العلاقات الموجودة خارج ما تتم دراسته، ومن المستحيل السيطرة عليه العوامل إلى الحد الممكن في تجربة العلوم الطبيعية، أو إعادة المقرر بنفس الشكل والنتائج.

تؤثر تجربة في علم الاجتماع بشكل مباشر على شخص معين، وهذا يطرح أيضًا مشاكل ملحمية، ويضيق بشكل طبيعي نطاق التجربة ويتطلب مسؤولية متزايدة من الباحث.

الأدب لمزيد من القراءة

لينين في آر،مبادرة عظيمة. - ممتلىء. مجموعة المرجع السابق، المجلد 39، ص. 1-29.

أفاناسييف ف.ج.إدارة المجتمع كمشكلة اجتماعية. - في كتاب: الإدارة العلمية للمجتمع. م: ميسل، 1968، العدد. 2، ص. 218-219.

ميليفا إل إيه، سيفوكون بي إي.التجربة الاجتماعية وأسسها المنهجية. م: الزناني 1970. ص48.

كوزنتسوف ف.ب.التجربة كوسيلة لتحويل كائن ما - الأخبار. جامعة موسكو.

سر. 7. الفلسفة، 1975، العدد 4، ص. 3-10.

كوبريان أ.ب.مشكلة التجربة في نظام الممارسة الاجتماعية م. ناوكا، 1981. 168 ص.

محاضرات عن منهجية البحث الاجتماعي النوعي / إد. جي إم أندريفا. م: دار النشر بجامعة موسكو الحكومية، 1972، ص. 174-201.

ميخائيلوف س.البحث الاجتماعي التجريبي. م: التقدم، 1975 ص، 296-301.

أساسيات علم الاجتماع الماركسي اللينيني. م: التقدم، 1972، ص. 103-108. عملية البحث الاجتماعي/تحت العام. إد. يو إي فولكوفا. م.: التقدم 1975، القسم. بي دي II.4.

بانتو آر، غراويتز إم.طرق العلوم الاجتماعية. م: التقدم، 1972، ص 557-562.

ريشتارجيك ك.علم الاجتماع على مسارات المعرفة. م: التقدم، 1981، ص. 89-112.

روزافين جي.طرق البحث العلمي. م: ميسل، 1974، ص. 64-84.

شتوف ف.أ.مقدمة في منهجية المعرفة العلمية. لام. دار النشر جامعة ولاية لينينغراد. 1972. 191 ص.

القسم الرابع

يناقش الفصل الخامس عشر القضايا الرئيسية للمعالجة الإحصائية للنتائج التجريبية: تحديد القيمة الأكثر موثوقية للقيمة المقاسة وخطأ هذه القيمة بناءً على عدة قياسات، تقييم موثوقية الفرق بين قيمتين متقاربتين، إنشاء علاقة وظيفية موثوقة بين قيمتين وتقريب هذه العلاقة.

الفصل ذو طبيعة مساعدة. والمادة الواردة فيه معروضة على شكل مرجع، دون دليل. يتوفر مبرر ووصف أكثر تفصيلاً للطرق المذكورة أعلاه، على سبيل المثال، في.

1. الأخطاء التجريبية.

غالبًا ما تستخدم الطرق العددية في النمذجة الرياضية للعمليات الفيزيائية وغيرها. تتم مقارنة نتائج الحساب في هذه الحالة مع البيانات التجريبية ويتم الحكم على جودة النموذج الرياضي المختار من خلال درجة اتساقها. من أجل التوصل إلى نتيجة معقولة حول الامتثال أو عدم الامتثال، يجب أن تعرف الآلة الحاسبة ما هو الخطأ التجريبي وكيفية التعامل معه، كما يجب أن تكون قادرة، إذا لزم الأمر، على إجراء المعالجة الإحصائية للبيانات التجريبية الأولية.

بالإضافة إلى ذلك، فإن مهمة المعالجة الإحصائية للتجربة لها أهمية مستقلة، لأنها مهمة جدًا في تلك التطبيقات التي تتطلب دقة عالية بشكل خاص (على سبيل المثال، تعديل شبكات التثليث في الجيوديسيا)، أو تناثر القياسات الفردية يتجاوز التأثير قيد الدراسة (والذي يوجد غالبًا في فيزياء الجسيمات، وكيمياء المركبات المعقدة، واختبار الأصناف الزراعية، والطب، وما إلى ذلك).

عادة، كلما كانت التجربة أكثر دقة، كلما كانت المعدات التي تتطلبها أكثر تعقيدًا وأكثر تكلفة. ومع ذلك، فإن المعالجة الرياضية المدروسة للنتائج في بعض الحالات تجعل من الممكن تحديد أخطاء القياس وإزالتها جزئيًا؛ قد لا يكون هذا أقل فعالية من استخدام معدات أكثر تكلفة ودقة. سيناقش هذا الفصل المعالجة الإحصائية التي يمكن أن تقلل بشكل كبير من خطأ القياس العشوائي وتقدره بدقة.

يتم تقسيم الأخطاء التجريبية بشكل تقليدي إلى نظامية وعشوائية وجسيمة. دعونا ننظر إليهم بمزيد من التفصيل.

الأخطاء المنهجية هي تلك التي لا تتغير عند تكرار تجربة معينة عدة مرات. ومن أمثلة هذه الأخطاء إهمال حركة الهواء الطفوية عند الوزن بدقة، أو قياس التيار باستخدام الجلفانومتر الذي تم ضبط الصفر عليه بشكل غير صحيح. هناك ثلاثة أنواع من الأخطاء المنهجية.

أ) الأخطاء ذات الطبيعة المعلومة والتي يمكن تحديد حجمها. يطلق عليهم التعديلات. لذلك، مع الوزن الدقيق، يتم حساب تصحيح حركة الهواء الطفوية وإضافتها إلى القيمة المقاسة. إن إجراء التعديلات يمكن أن يقلل بشكل كبير (أو حتى يزيل فعليًا) الأخطاء من هذا النوع.

لاحظ أن حساب التصحيحات قد يكون في بعض الأحيان مهمة رياضية معقدة ومستقلة. على سبيل المثال، المشكلة المطروحة بشكل غير صحيح (14.2) لاستعادة إشارة الراديو المرسلة من الإشارة المستقبلة هي، في جوهرها، إيجاد تصحيح لتشويه معدات الاستقبال.

ب) أخطاء معروفة المصدر ولكن حجمها غير معروف. وتشمل هذه الأخطاء في أدوات القياس التي تحددها فئة الدقة الخاصة بها. بالنسبة لمثل هذه الأخطاء، عادةً ما يُعرف الحد الأعلى فقط، ولا يمكن اعتبارها تصحيحات.

ج) الأخطاء التي لا نعلم وجودها. على سبيل المثال، يتم استخدام جهاز به عيب مخفي أو جهاز متآكل، وتكون دقته الفعلية أسوأ بكثير مما هو مذكور في ورقة البيانات الفنية.

لتحديد الأخطاء المنهجية بجميع أنواعها، يتم عادةً تصحيح أخطاء المعدات مسبقًا على الكائنات المرجعية ذات الخصائص المعروفة.

تنتج الأخطاء العشوائية عن عدد كبير من العوامل، والتي عند تكرار نفس التجربة، يمكن أن تتصرف بشكل مختلف، ويكاد يكون من المستحيل أخذ تأثيرها في الاعتبار. على سبيل المثال، عند قياس طول كائن ما، قد لا يتم تطبيق المسطرة بدقة، وقد لا تقع نظرة المراقب بشكل عمودي على المقياس، وما إلى ذلك.

إذا تكررت التجربة عدة مرات، فإن النتيجة بسبب الخطأ العشوائي ستكون مختلفة. ومع ذلك، فإن هذا التكرار والمعالجة الإحصائية المقابلة تجعل من الممكن، أولا، تحديد حجم الخطأ العشوائي، وثانيا، تقليله. ومن خلال تكرار القياس عدداً كافياً من المرات، من الممكن تقليل الخطأ العشوائي إلى القيمة المطلوبة (ينصح بتخفيضه إلى 50-100% من الخطأ المنهجي).

الأخطاء الجسيمة هي نتيجة عدم انتباه المراقب، الذي قد يكتب رقمًا واحدًا بدلاً من الآخر.

من خلال قياس واحد، لا يمكن دائمًا تحديد الخطأ الجسيم. ولكن إذا تم تكرار القياس عدة مرات، فإن المعالجة الإحصائية تحدد الحدود المحتملة للخطأ العشوائي. يعتبر القياس الذي يتجاوز بشكل كبير الحدود التي تم الحصول عليها خطأً فادحًا ولا يؤخذ بعين الاعتبار في المعالجة النهائية للنتائج.

وبالتالي، إذا تم تكرار القياس عدة مرات بما فيه الكفاية، فيمكن عمليا القضاء على الأخطاء الجسيمة والعشوائية، بحيث لا يتم تحديد دقة الإجابة إلا من خلال الخطأ المنهجي. ومع ذلك، في العديد من التطبيقات، يتبين أن هذا العدد المطلوب من المرات كبير بشكل غير مقبول، ومع وجود عدد واقعي من التكرارات، يمكن أن يكون الخطأ العشوائي حاسمًا.