روش تحقیق علی-مقایسه ای

فراتر از روش تحقیق آزمایشی: راهنمای کامل برای طراحی و تفسیر تحقیقات علی-مقایسه ای (پس رویدادی)

به عنوان یک محقق، اغلب در تلاش هستیم تا بفهمیم چرا پدیده های مختلف اتفاق می افتند. می خواهیم روابط را کشف کنیم، عوامل را شناسایی کنیم و در حالت ایده آل، روابط علت و معلولی بین پدیده ها را بیابیم.

استاندارد طلایی برای یافتن علّیت، معمولا انجام یک پژوهش آزمایشی واقعی است، که با تخصیص تصادفی و دستکاری متغیرها انجام می شود. اما، چه اتفاقی می افتد وقتی امکان انجام یک پژوهش آزمایش واقعی امکان پذیر نباشد؟ اگر نتوانیم از نظر اخلاقی یا عملی متغیر مورد علاقه خود را دستکاری کنیم، چکار باید بکنیم؟ اگر رویدادی که می خواهید مطالعه کنید قبلا رخ داده باشد چه؟

اینجاست که یکی دیگر از ابزارهای قدرتمند در زرادخانه تحقیقاتی وارد عمل می شود: تحقیقات علی-مقایسه ای، که به طور گسترده ای به عنوان تحقیقات پس رویدادی نیز نامیده می شود. اصطلاح “Ex-post Facto” یک اصطلاح لاتین است به معنای “کاری که پس از آن انجام می شود” است. این نام به خودی خود به اشاره ای قوی در مورد ماهیت این روش می دهد. این روش در واقع نگاه کردن به گذشته پس از اتفاق افتادن یک پدیده برای تلاش درک علل یا پیامدهای بالقوه آن پدیده است.

در این مقاله نگاه عمیقی به روش علّی-مقایسه ای خواهیم انداخت. کشف خواهیم کرد که تحقیقات علّی-مقایسه­ای چیست، چرا و چه زمانی از آن استفاده می شود، چگونه چنین مطالعه ای را طراحی کنیم؟ چالشهای موجود در آن را بررسی می کنیم و بررسی میکنیم که چگونه یافته های آن را به طور مناسب تفسیر کنیم.

آماده هستید تا فراتر از دنیای کنترل شده آزمایش ها بروید و چشم انداز غنی و پیچیده آنچه قبلا اتفاق افتاده است را کشف کنید؟ بیایید شیرجه ای در روش تحقیق بزنیم.

پژوهش علی-مقایسه ای (پس از واقعه) دقیقا چیست؟

در هسته خود، پژوهش علی-مقایسه ای طرحی از طبقه طرحهای توصیفی بوده و غیر آزمایشی (تجربی) است که هدف آن تعیین روابط علت و معلولی بالقوه (یا احتمالی) با مشاهده تفاوت موجود بین دو یا چند گروه است.

برخلاف تحقیقات تجربی، که در آن محقق یک متغیر مستقل را دستکاری می کند و تأثیر آن را روی متغیر یا متغیرهای وابسته بررسی می کند، در تحقیقات علّی-مقایسه ای، “متغیر مستقل” (که اغلب متغیر گروه بندی نامیده می شود) قبلا رخ داده یا به طور طبیعی وجود داشته است. سپس محقق گروه هایی را که قبلا در این متغیر گروه بندی متفاوت هستند بررسی می کند تا ببیند آیا آنها در یک متغیر وابسته نیز متفاوت هستند یا خیر.

به طور خلاصه دو روش تجربی و علی-مقایسه ای را با یک مثال با هم مقایسه کنیم:

1. تجربی: فرض کنید می خواهیم اثربخشی یک روش تدریس جدید را نسبت به روش تدریس متداول بررسی کنیم. افراد را به دو گروه تقسیم می کنیم. یک گروه روش آموزشی جدید را دریافت می کنند و به گروه دوم با همان روش قدیمی تدریس می شود (دستکاری متغیر مستقل). سپس نمرات آزمون آنها را اندازه گیری و با هم مقایسه می کنید. همانطور که ملاحظه می کنید، شما به طور فعال بین دو گروه تفاوت ایجاد می کنید (متغیر مستقل: روش تدریس).
2. علی-مقایسه ای: در روش علی-مقایسه ای دو گروه از دانش آموزان را مشاهده می کنید که قبلا متفاوت هستند (به عنوان مثال، دانش آموزانی که در پیش دبستانی شرکت کرده اند در مقابل دانش آموزانی که شرکت نکرده اند)، و سپس نمرات آزمون آنها را اندازه گیری می کنید. در واقع یک تفاوت از قبل موجود (حضور در پیش دبستانی) را مشاهده و بررسی می کنید.

در روش علی-مقایسه ای محقق متغیر گروه بندی را دستکاری نمی کند و به طور تصادفی شرکت کنندگان را به گروه ها اختصاص نمی دهد. این گروه ها بر اساس ویژگی ها یا تجربیاتی تشکیل می شوند که شرکت کنندگان قبلا داشته اند یا قبلا تجربه کرده اند.

هدف اصلی کشف روابط علّی احتمال یا بالقوه است – تلاش برای استنباط اینکه آیا تفاوت از قبل موجود بین گروه ها ممکن است عاملی باشد که به تفاوت مشاهده شده در متغیر وابسته کمک می کند یا خیر. با این حال، باید دقت کرد که این روش نمی تواند به طور قطعی علیت را به صورتی که یک آزمایش واقعی خوب طراحی شده می تواند ثابت کند، مشخص کند.

متون روش تحقیق اغلب تحقیقات علی-مقایسه ای را در کنار طرح های توصیفی طبقه بندی می کنند. چون در این روش دستکاری یا تغییری روی متغیر مستقل رخ نمی دهد و آنچه قبلا اتفاق افتاده بررسی و تحلیل می شود.

چرا پژوهش علی-مقایسه ای را انتخاب کنیم؟

سئوالی که پیش می آید اینستکه اگر نمی توانیم علیت را ثابت کنیم، چرا با این روش زحمت بکشیم؟ پژوهش علی-مقایسه ای بسیار ارزشمند و اغلب تنها رویکرد عملی در بسیاری از سناریوهای دنیای واقعی است. در اینجا موقعیت های کلیدی وجود دارد که انتخاب مناسبی است:

1. محدودیت های اخلاقی: شما نمی توانید از نظر اخلاقی متغیرهای خاصی را دستکاری کنید. به عنوان مثال، نمی توانید گروهی از کودکان را مجبور به بی توجهی کنید تا اثرات بی توجهی را مطالعه کنید. در عوض می توانید گروه هایی از کودکانی را که قبلا غفلت (بی توجه بوده اند) را تجربه کرده اند در مقابل کودکانی که این کار را نکرده اند مطالعه کنید. به همین ترتیب، نمی توانید از نظر اخلاقی افراد را در معرض مواد مضر یا رویدادهای آسیب زا قرار دهید تا اثرات آنرا مطالعه کنید.
2. غیر عملی بودن یا عدم امکان دستکاری: بسیاری از متغیرها به سادگی قابل دستکاری نیستند. برای مثال نمی توانید جنسیت، نژاد، وضعیت اجتماعی-اقتصادی، تجربیات گذشته (مانند حضور در یک مدرسه خاص یا زندگی در یک فاجعه طبیعی) یا شرایط پزشکی از قبل موجود را تغییر دهید و فقط می توانید گروههایی را مطالعه کنید که از قبل این ویژگی ها یا تجربیات را دارند.
3. مطالعه رویدادهای گذشته: هنگامی که “علت” بالقوه (متغیر گروه بندی) قبلا رخ داده است، آزمایش غیرممکن است. تحقیقات علی-مقایسه ای به ما امکان می دهند تأثیرات احتمالی وقایعی را که در گذشته اتفاق افتاده است بررسی کنیم. به مطالعه تأثیر بلندمدت تغییر سیاستی که سال ها پیش اجرا شده است، یا نتایج تحصیلی دانش آموزانی که در سال های گذشته در یک برنامه خاص بوده اند، فکر کنید. مثلا فرض کنید می خواهید اثر تروماهای دوران کودکی را بر ملال جنسیتی در نوجوانی بررسی کنیم. تروماها در گذشته رخ داده اند و ملال جنسیتی در زمان حال بوجود آمده است. 
4. کاوش در روابط بالقوه: مطالعات علی-مقایسه ای برای اکتشاف اولیه عالی هستند. یافته ها می توانند روابط بالقوه بین متغیرهایی را شناسایی کنند که نیاز به بررسی بیشتر با استفاده از طرح های دقیق تر دارند، از جمله مطالعات تجربی یا طولی بالقوه آینده در صورت امکان. آنها به مشخص کردن متغیرهایی که ممکن است علل یا معلول باشند، کمک می کنند.
5. مطالعه پدیده های طبیعی: بسیاری از پدیده ها در دنیای واقعی قابل کنترل آزمایشگاهی نیستند. تحقیقات علی-مقایسه ای به ما امکان می دهد اثرات رخدادهای طبیعی مانند زلزله، رکود اقتصادی یا روندهای گسترده سلامت را بررسی کنیم.

در اصل، پژوهش علی-مقایسه ای زمانی انتخاب می شود که سؤال تحقیق در مورد رابطه علت و معلولی بالقوه باشد، اما دستکاری مستقیم تجربی غیرممکن، غیرعملی یا غیراخلاقی است. تحقیقات آکادمیک در زمینه هایی مانند بهداشت عمومی (به عنوان مثال، مطالعات در مورد اثرات سلامتی رژیم های غذایی خاص یا قرار گرفتن در معرض محیط زیست با استفاده از جمعیت های موجود)، آموزش (به عنوان مثال، مقایسه نتایج دانش آموزان بر اساس انواع مدارس از قبل موجود یا ناتوانی های یادگیری) و روانشناسی (به عنوان مثال، بررسی تفاوت بین گروه های بالینی و غیر بالینی) به شدت به این رویکرد متکی است.

ویژگی های کلیدی پژوهش علی-مقایسه ای

برای روشن شدن بیشتر این روش، بیایید ویژگی های تعیین کننده آن را برجسته کنیم:

1. بدون دستکاری: محقق دخالت نمی کند یا متغیر گروه بندی را تغییر نمی دهد. گروه ها بر اساس حالات موجود یا تجربیات گذشته تشکیل می شوند.
2. گروه های از قبل موجود: شرکت کنندگان دقیقا به این دلیل انتخاب می شوند که قبلا به گروه های خاصی تعلق دارند که در متغیر مورد نظر (متغیر گروه بندی) متفاوت هستند.
3. شناسایی متغیرها پس از واقعیت: محقق متغیر گروه بندی (“علت” فرضی) و متغیر نتیجه (“اثر” فرضی) را پس از وقوع یا وجود رویداد یا ویژگی شناسایی می کند.
4. تمرکز بر تفاوت بین گروه ها: تجزیه و تحلیل اصلی شامل مقایسه نمرات متغیر وابسته گروه های مختلف تعریف شده توسط متغیر گروه بندی است.
5. تداعی، نه اثبات علیت مستقیم: در حالی که هدف آن کشف پیوندهای علی است، این طرح ذاتا توانایی ایجاد علت و معلول قطعی را به دلیل عدم دستکاری و تخصیص تصادفی محدود می کند.

درک این ویژگی ها هم برای طراحی و هم برای تفسیر صحیح مطالعات علی-مقایسه ای بسیار مهم است. ادبیات دانشگاهی هنگام بحث در مورد روش شناسی به طور مداوم بر این نکات تأکید می کند.

انواع طرح های پژوهش علی-مقایسه ای

در حالی که اصل اساسی در پژوهش علی-مقایسه ای یکسان باقی می ماند، مطالعات علی-مقایسه ای گاهی اوقات می توانند به طور گسترده بر اساس جهت تحقیق طبقه بندی شوند:

1. پژوهش علی-مقایسه ای گذشته نگر: این حالت رایج ترین نوع یک پژوهش علی-مقایسه ای است. محقق با اثر (متغیر وابسته) شروع می کند و به گذشته نگاه می کند تا علل احتمالی (متغیر گروه بندی) آن را کشف کند.

مثال: مقایسه بزرگسالانی که مبتلا به یک اختلال اضطرابی خاص (اثر) با بزرگسالانی که تشخیص داده نشده اند، برای دیدن اینکه آیا تفاوت های قابل توجهی در تجربیات گزارش شده دوران کودکی آنها وجود دارد یا خیر (متغیر علت/گروه بندی بالقوه، که در گذشته رخ داده است). پایگاه داده های PubMed و روانشناسی مطالعات متعددی از این نوع را نشان می دهند که ارتباط بین ناملایمات اولیه زندگی و سلامت روان بعدی را بررسی می کنند.

2. پژوهش علی-مقایسه ای آینده نگر: این حالت کمتر رایج است و گاهی اوقات با مطالعات طولی یا کوهورت همپوشانی دارد. محقق با گروه هایی شروع می کند که قبلا در یک متغیر گروه بندی متفاوت هستند و آنها را به موقع دنبال می کند تا ببیند آیا تفاوت ها در یک متغیر وابسته ظاهر می شود یا خیر.

مثال: شناسایی دو گروه از دانش آموزان در کلاس اول – یک گروه که در یک برنامه مداخله اولیه خاص شرکت کرده اند و دیگری که شرکت نکرده اند – و سپس پیگیری پیشرفت تحصیلی آنها در طول چندین سال برای دیدن اینکه آیا تفاوت هایی در کلاس های بعدی وجود دارد یا خیر. در حالی که این به جلو نگاه می کند، تکلیف اولیه گروه (حضور در برنامه یا عدم حضور) توسط محقق کنترل نمی شد؛ این یک تفاوت از قبل موجود است که آنها اثرات آن را مشاهده می کنند. مطالعاتی که به دنبال کوهورت هایی هستند که در معرض برخی عوامل محیطی قرار گرفته اند، گاهی اوقات در تحقیقات بهداشت عمومی موجود در PubMed به این روش تنظیم می شوند.

شایان ذکر است که تمایز بین طرح های علی-مقایسه ای آینده نگر و سایر طرح های طولی غیرتجربی (مانند مطالعات کوهورت که صرفا مشاهده ای هستند) می تواند در گفتمان آکادمیک ظریف باشد. نکته کلیدی همچنان تمرکز بر مقایسه گروه های از قبل موجود بر اساس یک متغیر مستقل فرضی است.

راه دیگر برای دسته بندی ممکن است نحوه انتخاب گروه ها در رابطه با متغیرها باشد:

1. معلول به علت: گروه ها بر اساس وضعیت آنها بر روی متغیر وابسته (معلول) انتخاب می شوند و سپس بر اساس متغیر مستقل (علت بالقوه) مقایسه می شوند. (مشابه گذشته نگر)
2. علت به معلول: گروه ها بر اساس وضعیت آنها بر روی متغیر مستقل (علت بالقوه) انتخاب می شوند و سپس بر اساس متغیر وابسته (معلول) مقایسه می شوند. (می تواند گذشته نگر یا آینده نگر باشد)

درک این تغییرات به ارزیابی انتقادی یا طراحی یک مطالعه، اطمینان از وضوح در مورد سوال تحقیق و جهت تحقیق کمک می کند.

طراحی یک مطالعه علی- مقایسه ای: مراحل و ملاحظات

طراحی یک مطالعه دقیق علی-مقایسه ای نیازمند برنامه ریزی دقیق به ویژه در زمینه انتخاب گروهی و کنترل متغیرهای خارجی است. در اینجا مراحل کلیدی وجود دارد:

1. سوال و فرضیه تحقیق را فرموله کنید: سوال باید به وضوح متغیر گروه بندی (“علت” فرضی) و متغیر وابسته (“معلول” فرضی) را مشخص کند و در مورد تفاوت های بین گروه ها بپرسد.

مثال سوال: آیا تفاوتی در عملکرد تحصیلی بین دانش آموزان دبیرستانی که در طول دوره راهنمایی در فعالیت های فوق برنامه شرکت کرده اند و دانش آموزانی که شرکت نکرده اند وجود دارد؟

فرضیه مثال: دانش آموزان دبیرستانی که در طول دوره راهنمایی در فعالیت های فوق برنامه شرکت کرده اند، معدل بالاتری نسبت به دانش آموزانی که شرکت نکرده اند، خواهند داشت.

2. شناسایی متغیرها:
   1. متغیر گروه بندی (متغیر مستقل): ویژگی یا تجربه از قبل موجود که برای تعریف گروه ها استفاده می شود (به عنوان مثال، شرکت در برنامه های فوق برنامه).
   2. متغیر وابسته: متغیر پیامد که بین گروه ها اندازه گیری و مقایسه می شود (به عنوان مثال، معدل دبیرستان).
   3. متغیرهای خارجی (متغیرهای مخدوش کننده): اینها متغیرهای دیگری هستند که به طور بالقوه می توانند بر متغیر وابسته تأثیر بگذارند و متغیر گروه بندی مورد نظر نیستند. اینها بزرگترین تهدید برای اعتبار نتیجه گیری های یک مطالعه علی-مقایسه ای هستند. به عنوان مثال می توان به وضعیت اجتماعی-اقتصادی، تحصیلات والدین، ضریب هوشی، پیشرفت تحصیلی قبلی، کیفیت مدرسه و غیره اشاره کرد. شناسایی و تلاش برای کنترل این موارد بسیار مهم است. مقالات دانشگاهی نمایه شده در Web of Science و Google Scholar اغلب فضای قابل توجهی را به بحث در مورد چگونگی تلاش برای کنترل مخدوش کننده های احتمالی اختصاص می دهند.
3. انتخاب شرکت کنندگان و تشکیل گروه ها: این شاید حیاتی ترین و چالش برانگیزترین مرحله باشد. شما باید افرادی را شناسایی کنید که به وضوح به هر گروه تعریف شده توسط متغیر گروه بندی شما تعلق دارند.
   1. سناریوی ایده آل (اغلب دشوار): گروه هایی را انتخاب کنید که تا حد امکان در تمام ویژگی های مرتبط دیگر به جز متغیر گروه بندی شبیه به هم باشند. این احتمال را به حداقل می رساند که تفاوت های مشاهده شده در متغیر وابسته به دلیل چیزی غیر از متغیر گروه بندی باشد.
   2. اندازه گروه: برای تجزیه و تحلیل آماری، مشابه سایر روش های کمی، حجم نمونه کافی مورد نیاز است.
   3. تعریف گروه ها: به وضوح تعریف کنید که چه چیزی عضویت در هر گروه را تشکیل می دهد (به عنوان مثال، “مشارکت در برنامه های فوق برنامه” ممکن است به تعریف خاصی نیاز داشته باشد – نوع، مدت، فراوانی).
4. ابزار دقیق و جمع آوری داده ها: ابزارهای مناسب و قابل اعتماد را برای اندازه گیری متغیر(های) وابسته و هر متغیر خارجی که قصد کنترل آن را دارید، انتخاب کنید. داده های جمع آوری شده مربوط به وضعیت افراد در متغیر گروه بندی و نمرات آنها بر متغیرهای وابسته و کنترل است.
5. کنترل متغیرهای خارجی: از آنجایی که تخصیص تصادفی امکان پذیر نیست، محققان باید از استراتژی های دیگری برای کنترل و یا توضیح تأثیر متغیرهای مخدوش کننده استفاده کنند. روش های رایجی که در ادبیات دانشگاهی مورد بحث قرار می گیرند عبارتند از:
   1. همتاسازی: جفت کردن شرکت کنندگان از هر گروه که در یک یا چند متغیر خارجی مشابه هستند (به عنوان مثال، یافتن یک دانش آموز غیر برنامه با ضریب هوشی و وضعیت اجتماعی-اقتصادی مشابه به عنوان یک دانش آموز فوق برنامه). همتاسازی می تواند حجم نمونه را به میزان قابل توجهی کاهش دهد. همتاسازی فراوانی شامل اطمینان از اینکه گروه ها توزیع مشابهی از نظر متغیر خارجی داشته باشند (به عنوان مثال، هر دو گروه درصد یکسانی از دانش آموزان از خانواده های کم درآمد دارند).
   2. کنترل آماری: استفاده از تکنیک های آماری در حین تجزیه و تحلیل برای تنظیم نمرات متغیر وابسته بر اساس نمرات متغیرهای خارجی. تحلیل کوواریانس (ANCOVA) یک روش رایج برای این کار است که در آن متغیرهای خارجی به عنوان متغیرهای کمکی وارد می شوند. همچنین می توان از رگرسیون چندگانه برای مشاهده تأثیر متغیر گروه بندی در حالی که سایر متغیرها را ثابت نگه می دارد، استفاده کرد. این رویکرد مستلزم اندازه گیری متغیرهای خارجی مرتبط است.
   3. همگن سازی: انتخاب شرکت کنندگانی که در یک متغیر خارجی مشابه هستند (به عنوان مثال، فقط دانش آموزان با یک پیشینه اجتماعی-اقتصادی خاص) برای از بین بردن تنوع آن. در همگن سازی یک یا چند متغیر را ثابت در نظر گرفته و یک حالت از متغیر را وارد پژوهش می کنیم. مثلا، اگر جنسیت متغیری تاثیر گذار بر متغیر وابسته باشد، پژوهش را فقط روی دختران یا فقط روی پسران انجام می دهیم.
   4. ساخت متغیرهای خارجی در طراحی: اگر یک متغیر خارجی طبقه بندی شده باشد (مانند جنسیت)، گاهی اوقات می توان آن را به عنوان متغیر گروه بندی دیگری در یک طراحی پیچیده تر (به عنوان مثال، یک ANCOVA فاکتوریل) گنجاند. در واقع می توان متغیر خارجی را به عنوان متغیر تعدیل کننده در نظر گرفت و در پژوهش اثرات آن را مطالعه و از اثر خطا کم کنیم.

با وجود این تلاش ها، کنترل کامل همه متغیرهای خارجی ممکن در پژوهش های علی-مقایسه ای عملا غیرممکن است. همیشه این خطر وجود دارد که یک مخدوش کننده اندازه گیری نشده بر نتایج تأثیر بگذارد. این دلیل اصلی احتیاط در تفسیر علیت است.

انتظار می رود مقالات دانشگاهی که از این روش استفاده می کنند به طور کامل در مورد مخدوش کننده های بالقوه و محدودیت های تحمیل شده بحث کنند.

تجزیه و تحلیل داده ها در مطالعات علی- مقایسه ای

تجزیه و تحلیل داده ها در تحقیقات علی-مقایسه ای معمولا شامل مقایسه میانگین نمرات (میانگین) یا نسبت متغیر وابسته بین گروه های تعریف شده است.

آزمون آماری خاص به نوع داده ها (مقیاس اندازه گیری) برای متغیر وابسته و تعداد گروه های مورد مقایسه بستگی دارد:

1. مقایسه میانگین ها (متغیر وابسته فاصله ای/نسبتی):
   1. آزمون t نمونه های مستقل: هنگام مقایسه میانگین های دو گروه استفاده می شود.
   2. تجزیه و تحلیل واریانس یک طرفه (ANOVA): هنگام مقایسه میانگین سه یا چند گروه استفاده می شود.
   3. تجزیه و تحلیل کوواریانس (ANCOVA): هنگام مقایسه میانگین ها استفاده می شود در حالی که از نظر آماری یک یا چند متغیر خارجی پیوسته (متغیرهای کمکی) را کنترل می کند. این امر در مطالعات علی-مقایسه ای برای افزایش دقت بسیار رایج است.
2. مقایسه نسبت ها/فراوانی ها (متغیر وابسته اسمی/ترتیبی است):
   1. آزمون کای اسکوئر: برای مقایسه فراوانی ها یا نسبت های یک متغیر وابسته طبقه بندی شده بین گروه ها استفاده می شود.

تجزیه و تحلیل آماری نشان می دهد که آیا تفاوت آماری معنی داری بین گروه ها در متغیر وابسته وجود دارد یا خیر. با این حال، اهمیت آماری  به طور خودکار به معنای رابطه علی نیست.

تفسیر نتایج: هشدار مهم در مورد علیت

این مسلما مهمترین بخش هر بحث در مورد تحقیقات علی-مقایسه ای است. یافتن تفاوت آماری معنادار بین گروه ها در یک مطالعه علی-مقایسه ای نشان دهنده ارتباط بین متغیر گروه بندی و متغیر وابسته است که نشان می دهد گروه هایی که در متغیر A متفاوت هستند در متغیر B نیز متفاوت هستند.

با این حال، به طور قطعی ثابت نمی کند که متغیر A باعث تفاوت در متغیر B شده است.

چرا احتیاط؟ دلایل متعددی که ریشه در عدم دستکاری و تخصیص تصادفی دارد:

1. عدم دستکاری: محقق گروه ها را متفاوت نکرد. تفاوت از قبل وجود داشت. این بدان معناست که “علت” به صورت کنترل شده معرفی نشده است تا تأثیر آن را ببینیم.
2. عدم تخصیص تصادفی: شرکت کنندگان به طور تصادفی به گروه ها تخصیص داده نشدند. آنها خود را بر اساس شرایط یا انتخاب های قبلی به گروه هایی تقسیم می کردند. این بدان معنی است که گروه ها به احتمال زیاد به روش های سیستماتیک غیر از متغیر گروه بندی مورد نظر متفاوت هستند.
3. پتانسیل متغیرهای مخدوش کننده: علیرغم تلاش برای کنترل متغیرهای خارجی، همیشه این احتمال وجود دارد که یک متغیر اندازه گیری نشده (مخدوش کننده) دلیل واقعی تفاوت مشاهده شده باشد. به عنوان مثال، در مطالعه فوق برنامه، دانش آموزانی که شرکت در برنامه های فوق برنامه را انتخاب می کنند، ممکن است از نظر انگیزه، حمایت والدین یا مهارت های مدیریت زمان با افراد غیر شرکت کننده متفاوت باشند – که هر یک از آنها می تواند بر معدل تأثیر بگذارد، مستقل از خود مشارکت فوق برنامه.
4. “مسئله متغیر سوم”: یک متغیر سوم اندازه گیری نشده می تواند هم باعث وضعیت متغیر گروه بندی و هم نتیجه متغیر وابسته شود. به عنوان مثال، گرایش اساسی کودک به جستجوی تجربیات جدید ممکن است باعث شود که هم به پیش دبستانی برود و هم  بعدا از نظر تحصیلی عملکرد بهتری داشته باشد، و به نظر برسد که پیش دبستانی باعث موفقیت تحصیلی شده است، در حالی که عامل اساسی واقعی گرایش است.
5. مشکل جهت گیری (گاهی اوقات): در طرح های گذشته نگر، گاهی اوقات ممکن است مشخص نباشد که آیا “علت” مقدم بر “معلول” بوده است یا خیر. در حالی که از نظر تئوری، متغیر گروه بندی متغیر مستقلی است که برای اولین بار آمده است، یادآوری رویدادهای گذشته می تواند در معرض سوگیری باشد و این رابطه ممکن است متقابل باشد یا تحت تأثیر عوامل قبلی باشد.

بنابراین ، هنگام تفسیر نتایج یک مطالعه علی-مقایسه ای ، استفاده از زبان محتاطانه ضروری است. از بیان اینکه متغیر گروه بندی متغیر وابسته “باعث” است، خودداری کنید. در عوض، از عباراتی مانند:

1. “گروه ها در متغیر وابسته تفاوت قابل توجهی داشتند…”
2. “مشخص شد که متغیر A با متغیر B مرتبط است…”
3. “نتایج نشان می دهد که ارتباط بالقوه بین X و Y وجود دارد…”
4. “بین [متغیر گروه بندی] و [متغیر وابسته] رابطه ای وجود دارد…”
5. “این مطالعه شواهدی را ارائه می دهد که نشان می دهد [متغیر گروه بندی] ممکن است عاملی مرتبط با [متغیر وابسته] باشد…”

نشریات دانشگاهی که از این روش استفاده می کنند، به شدت به این اصل پایبند هستند، نتیجه گیری های خود را از نظر ارتباط، رابطه یا تأثیر بالقوه تنظیم می کنند و به صراحت محدودیت های مربوط به استنتاج علّی را بیان می کنند. آنها اغلب با این پیشنهاد نتیجه می گیرند که اگر یافته ها توسط انواع دیگر شواهد تکرار و پشتیبانی شوند (از جمله کار تجربی بالقوه در آینده در صورت امکان)، مورد یک ارتباط علّی را تقویت می کند.

نقاط قوت و محدودیت های پژوهش علی-مقایسه ای

مانند هر روش پژوهشی، پژوهش علی-مقایسه ای مزایا و معایب خود را دارد:

قوت:

1. اخلاقی: این به محققان اجازه می دهد تا روابط بین متغیرهایی را که دستکاری تجربی غیراخلاقی است (به عنوان مثال، اثرات سیگار کشیدن، سوء استفاده، بلایای طبیعی) بررسی کنند.
2. عملی: زمانی امکان پذیر است که دستکاری غیرممکن یا غیرعملی باشد (به عنوان مثال، مطالعه اثرات جنسیت، نژاد یا رویدادهای تاریخی).
3. قدرت اکتشافی: برای شناسایی روابط و فرضیه های بالقوه ای که در صورت امکان می توان بعدا با روش های کنترل شده تر آزمایش کرد، عالی است. این نتایج به هموار کردن راه برای تحقیقات آینده کمک می کند.
4. پدیده های دنیای واقعی را مطالعه می کند: این امکان تحقیق در مورد شرایط و رویدادهای دنیای واقعی را همانطور که به طور طبیعی رخ می دهد فراهم می کند و روایی بیرونی را فراهم می کند که برخی از آزمایش های بسیار کنترل شده ممکن است فاقد آن باشند.
5. مقرون به صرفه (گاهی اوقات): استفاده از داده ها یا گروه های موجود گاهی اوقات می تواند منابع کمتری نسبت به بکارگیری یک آزمایش پیچیده داشته باشد.

محدودیت:

1. ناتوانی در اثبات علیت: این محدودیت اصلی است. ارتباط به دلیل عدم دستکاری و تخصیص تصادفی برابر با علیت نیست.
2. عدم کنترل بر متغیرهای خارجی: در حالی که تکنیک هایی مانند تطبیق و کنترل آماری کمک می کنند، در نظر گرفتن همه متغیرهای مخدوش کننده بالقوه غیرممکن است. مخدوش شدگی های اندازه گیری نشده تهدیدی دائمی برای اعتبار و روایی نتیجه گیری ها هستند.
3. پتانسیل سوگیری انتخاب: از آنجایی که شرکت کنندگان به طور تصادفی اختصاص داده نمی شوند، گروه ها ممکن است ذاتا به روش های سیستماتیک متفاوت باشند که بر متغیر وابسته، مستقل از متغیر گروه بندی، تأثیر می گذارد.
4. مشکل “علیت معکوس”: در حالی که طراحی فرض می کند که متغیر گروه بندی بر متغیر وابسته تأثیر می گذارد، در برخی موارد، متغیر وابسته یا عامل مرتبط دیگر ممکن است بر عضویت در گروه متغیر گروه بندی تأثیر بگذارد (کمتر شایع، اما در سناریوهای پیچیده امکان پذیر است).
5. عدم دستکاری متغیر مستقل: این توانایی محقق را برای دیدن تأثیر سطوح یا جنبه های مختلف “علت” محدود می کند.

اذعان به این محدودیت ها برای عملکرد و تفسیر تحقیقاتی مسئولانه بسیار مهم است، یک انتظار استاندارد در مطالعات منتشر شده در پایگاه های داده دانشگاهی.

پژوهش علی-مقایسه ای در مقابل سایر روش ها: مقایسه سریع

درک اینکه چگونه تحقیقات علی-مقایسه ای در چشم انداز گسترده تر روش های تحقیق قرار می گیرد مفید است.

1. در مقابل تحقیقات تجربی:
   1. تفاوت کلیدی: دستکاری متغیر مستقل و تخصیص تصادفی (تجربی) در مقابل عدم دستکاری و گروه های از قبل موجود (علی-مقایسه ای).
   2. پیامد: توانایی استنباط علیت (تجربی) در مقابل توانایی استنباط ارتباط/رابطه (علی-مقایسه ای).
   3. کنترل: کنترل بالا بر متغیرهای خارجی (تجربی، از طریق تخصیص تصادفی و دستکاری) در مقابل کنترل پایین (علی-مقایسه ای، با تکیه بر روش های تطبیقی/آماری).
2. در مقابل تحقیقات همبستگی:

تفاوت کلیدی: تمرکز بر رابطه یا ارتباط بین دو یا چند متغیر پیوسته (همبستگی) در مقابل مقایسه گروه هایی که در یک متغیر گروه بندی طبقه بندی یا به وضوح تعریف شده متفاوت هستند تا تفاوت ها را در متغیر دیگر ببینید (علی-مقایسه ای).

در حالی که هر دو به روابط نگاه می کنند و نمی توانند علیت را ثابت کنند، تحقیقات علی-مقایسه ای معمولا به یک ساختار متغیر مستقل (گروه بندی) و وابسته واضح تر دلالت دارد و به جای درجه ارتباط بین نمرات پیوسته، بر تفاوت های گروهی تمرکز دارد. تحقیقات همبستگی اغلب قدرت و جهت یک رابطه را بررسی می کند (به عنوان مثال، همبستگی بین ساعات مطالعه و معدل)، در حالی که علی-مقایسه ای بررسی می کند که آیا گروه ها (به عنوان مثال، کسانی که در تدریس خصوصی شرکت کرده اند در مقابل کسانی که شرکت نکرده اند) در یک نتیجه (GPA) متفاوت هستند یا خیر.

تحقیقات علی-مقایسه ای زمانی فضای ارزشمندی را به خود اختصاص می دهد که کنترل به صورت تحقیقات آزمایشی غیرممکن است، اما هدف هنوز کشف عوامل پیشین بالقوه یا پیامدهای مرتبط با تفاوت های گروهی موجود است.

نمونه هایی از مطالعات علی-مقایسه ای در عمل

بیایید به چند مثال فرضی (اما نماینده تحقیقات واقعی) از زمینه های مختلف نگاه کنیم:

1. تحصیلات: یک محقق می خواهد تأثیر مشارکت والدین بر پیشرفت دانش آموزان را بررسی کند. آنها دو گروه از دانش آموزان را شناسایی می کنند: کسانی که والدینشان به طور منظم در رویدادها و جلسات مدرسه شرکت می کنند (مشارکت زیاد) و کسانی که والدین آنها به ندرت در آن شرکت می کنند (مشارکت کم). آنها سپس عملکرد تحصیلی (GPA، نمرات آزمون) این دو گروه از قبل موجود را مقایسه می کنند، در حالی که سعی می کنند عواملی مانند وضعیت اجتماعی-اقتصادی و سطح تحصیلات والدین را از نظر آماری کنترل کنند.

یافته ها: دانش آموزانی که مشارکت والدین بالایی دارند، معدل بالاتری به طور معناداری دارند.

تفسیر: مشارکت بالای والدین با معدل بالاتر دانش آموزان همراه است. این نتیجه ثابت نمی کند  که مشارکت والدین باعث افزایش معدل می شود، زیرا سایر عوامل اندازه گیری نشده مرتبط با مشارکت والدین (مانند محیط خانه که برای آموزش ارزش قائل است، یا والدین با منابع بیشتر) می توانند علت واقعی باشند. (مطالعاتی مشابه در ادبیات روانشناسی تربیتی که از طریق Google Scholar یافت می شود، رایج است).

2. علوم بهداشتی: یک محقق بهداشت عمومی می خواهد ببیند که آیا زندگی در مجاورت یک سایت صنعتی خاص با بیماری های تنفسی در کودکان مرتبط است یا خیر. آنها دو گروه را شناسایی می کنند: کودکانی که در شعاع 5 مایلی سایت زندگی می کنند و کودکانی که بیش از 20 مایل دورتر زندگی می کنند. سپس آنها بروز بیماری های تنفسی را در این دو گروه در سال گذشته مقایسه می کنند و عواملی مانند درآمد خانوار، سیگار کشیدن در خانه و دسترسی به مراقبت های بهداشتی را کنترل می کنند.

 یافته ها: کودکانی که در نزدیکی محل زندگی می کنند، شیوع بیماری های تنفسی به طور معنی داری بیشتر است.

تفسیر: زندگی در نزدیکی سایت صنعتی با افزایش خطر ابتلا به بیماری های تنفسی همراه است. این ثابت نمی کند که سایت صنعتی باعث بیماری می شود، زیرا ممکن است عوامل محیطی اندازه گیری نشده دیگری یا تفاوت های سبک زندگی بین این دو منطقه وجود داشته باشد. این نوع مطالعه اغلب در تحقیقات بهداشت محیط در PubMed دیده می شود، که اغلب برای شناسایی مناطق یا جمعیت های در معرض خطر بیشتر استفاده می شود و تحقیقات بیشتر و کنترل شده تری را ایجاد می کند.

این مثال ها نحوه استفاده از پژوهش های علی-مقایسه ای و زبان دقیق مورد نیاز در تفسیر یافته ها را برجسته می کند.

نتیجه گیری: ابزاری قدرتمند اگر عاقلانه استفاده شود

تحقیق علی-مقایسه ای یا پس رویدادی، روشی ضروری در جعبه ابزار محقق است، به ویژه زمانی که محدودیت های اخلاقی، عملی یا زمانی طراحی آزمایشی را غیرممکن می کند. این روش تحقیق به ما امکان می دهد روابط را کشف کنیم، عوامل خطر بالقوه را شناسایی کنیم و پیامدهای رویدادهای طبیعی یا شرایط از قبل موجود را بررسی کنیم.

با این حال، قدرت آن با یک مسئولیت حیاتی همراه است: تفسیر دقیق و مناسب نتایج. به دلیل عدم دستکاری و تخصیص تصادفی ، این مطالعات می توانند ارتباط یا رابطه را نشان دهند ، اما نمی توانند به طور قطعی علّیت را تعیین کنند. محققان باید حداکثر تلاش خود را برای کنترل متغیرهای خارجی از طریق انتخاب های طراحی (تطبیق) و تکنیک های آماری (ANCOVA) انجام دهند و به طور انتقادی در مورد تأثیر بالقوه مخدوش شدگی های اندازه گیری نشده بحث کنند.

با درک نقاط قوت، محدودیت ها و کاربرد مناسب تحقیقات علی-مقایسه ای، می توانید به طور موثر از این روش برای به دست آوردن بینش های ارزشمند در مورد پدیده های پیچیده و کمک به درک ما از جهان استفاده کنید – همیشه هشدار مهم را به خاطر بسپارید: همبستگی را نشان می دهد، اما آزمایش آنرا تأیید می کند (در صورت امکان).

چه در حال خواندن مقالات دانشگاهی باشید و چه در حال برنامه ریزی برای مطالعه خود باشید، شناخت ویژگی های تحقیقات علی-مقایسه ای و محدودیت های ذاتی آن کلید تبدیل شدن به یک مصرف کننده و تولید کننده دانش تحقیقاتی است.