روش‌های آماری جدید می‌تواند به یافته‌های تحقیقاتی قابل اعتمادتری منجر شود

ویرایش شده توسط Swati Mestri، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

واقعا چقدر می توانیم به یک اندازه گیری اعتماد کنیم؟ و محققین برای نتیجه گیری قابل اعتماد چه مقدار داده باید جمع آوری کنند؟ محمدرضا سیدی در دانشگاه اومئو روش‌های آماری جدیدی را برای ارائه پاسخ‌های بهتر به این سؤالات توسعه داده و آزمایش کرده است.

وقتی محققان نحوه حرکت افراد را با هم مقایسه می کنند، همیشه برای دانستن اینکه آیا بین دو گروه تفاوت وجود دارد یا خیر کافی نیست. همچنین ممکن است مهم باشد که تشخیص دهیم این تفاوت چه زمانی در طول حرکت رخ می دهد.

سیدی روش جدیدی را برای محاسبه تعداد اندازه‌گیری‌هایی پیشنهاد می‌کند که برای تشخیص تفاوت‌های خاصی که یک محقق به آن‌ها علاقه دارد، نیاز است. برای مثال، این محاسبه می‌تواند بخشی از یک حرکت را هدف قرار دهد که مهم‌ترین مورد بررسی است. این بدان معناست که محققان می توانند مقدار داده های مورد نیاز را با آنچه که واقعا می خواهند هنگام برنامه ریزی مطالعه شناسایی کنند، تنظیم کنند.

برای درک اینکه چرا این مورد نیاز است، در نظر بگیرید که وقتی یک محقق یک حرکت را اندازه گیری می کند چه اتفاقی می افتد. هنگامی که زانو در حین پرش خم می شود، زاویه از یک لحظه به لحظه دیگر تغییر می کند. بنابراین نتیجه یک مقدار واحد نیست، بلکه یک منحنی کامل است.

سیدی می‌گوید: "تصور کنید که چگونه زانوی شما در حین پرش خم می‌شود، یا اینکه زاویه باسن یک دونده سرعت با هر قدم چگونه به جلو و عقب حرکت می‌کند. اندازه‌گیری یک عدد نیست، بلکه یک منحنی کامل یا یک تابع پیوسته است که لحظه به لحظه در طول حرکت تغییر می‌کند."

این نوع اندازه گیری به داده های عملکردی معروف است و در زمینه هایی مانند بیومکانیک و پزشکی کاربرد دارد. در حالی که روش‌های آماری به خوبی تثبیت شده برای داده‌های سنتی مدت‌هاست وجود داشته است، روش‌های داده‌های عملکردی هنوز به طور گسترده توسعه و آزمایش نشده‌اند.

تحقیقات سیدی همچنین نشان می‌دهد که توانایی تشخیص تفاوت‌ها در چنین داده‌هایی تحت تأثیر این است که چگونه محققان آنچه را که باید به‌عنوان تفاوت قابل تشخیص آماری در نظر گرفته شود، تعریف می‌کنند. این مبنای روش جدید محاسبه میزان داده مورد نیاز یک مطالعه است.

بخش دیگری از تحقیقات مربوط به این است که چگونه محققان می توانند تعیین کنند که آیا اندازه گیری های مکرر قابل اعتماد هستند یا خیر. سیدی روش‌هایی را برای ارزیابی پایایی اندازه‌گیری و کمی‌سازی عدم قطعیت مرتبط با آن ارزیابی‌ها ایجاد و آزمایش کرده است.

او همچنین با استفاده از شبیه‌سازی، توصیه‌هایی را برای چگونگی محاسبه مقدار داده‌های مورد نیاز هنگامی که شی مورد اندازه‌گیری منحنی یا تابعی است، ارائه کرده است.

این روش ها را می توان در بیومکانیک و پزشکی، اما همچنین در زمینه های تحقیقاتی دیگر که در آن آنچه اندازه گیری می شود در طول زمان تغییر می کند، استفاده کرد. آنها به گونه ای طراحی شده اند که در طول فرآیند تحقیق، از برنامه ریزی مطالعه گرفته تا تجزیه و تحلیل و گزارش نتایج، مفید باشند.

سیدی می‌گوید: «در مجموع، این یافته‌ها نه تنها در بیومکانیک، بلکه در واقع در هر زمینه‌ای که با داده‌های منحنی یا داده‌های عملکردی کار می‌کنند، ابزارهای معتبر برای تجزیه و تحلیل آماری، از برنامه‌ریزی یک مطالعه تا گزارش نتایج آن را در اختیار محققان قرار می‌دهد.»

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →