أ.د/ عبدالخالق هادي طواف
أستاذ إدارة الأعمال
جامعة عمران

إذا كان المطر بلا أبعاد… فهل نمنعه من دخول البحث العلمي؟

أحيانا لا تكون المشكلة في الباحث، ولا في البيانات، ولا حتى في الإحصاء… المشكلة في أننا نحاول إجبار الواقع على الدخول في قالب صنعناه مسبقا.

تخيل باحثا يريد أن يدرس تأثير دواء X في ضغط الدم، ووظائف الكلى، وصحة الجنين.

سؤال طبيعي جدا: دواء واحد، ونتائج متعددة.

فهل نقول له: لا يجوز! يجب أولا أن تقسم الدواء إلى أبعاد، ثم تجعل “الصحة” كلها كتلة واحدة؟

إلى أي أبعاد سنقسم الدواء؟ لون الحبة؟ شكلها؟ طعمها؟!

وتخيل باحثا يريد دراسة أثر سياسة حكومية معينة في البطالة، والاستثمار، ومستوى الأسعار، وثقة المواطنين.

السياسة واحدة، لكن نتائجها متعددة.

هل نطلب منه اختراع أربعة أبعاد للسياسة حتى نسمح له بدراسة أربعة مخرجات؟

والأجمل من ذلك: باحث يريد أن يدرس تأثير سقوط الأمطار في الإنسان، والحيوان، والنبات، والاقتصاد، والسياحة.

بموجب بعض القوالب الجامدة، قد نصل إلى مرحلة يجلس فيها الباحث المسكين ساعات طويلة وهو يحاول تقسيم المطر إلى أبعاد!

مطر استقطابي… مطر تنموي… مطر احتفاظي… وربما مطر استراتيجي 😀

ثم ننسى السؤال الحقيقي الذي جاء الباحث من أجله: ماذا فعل المطر؟ وأين ظهر أثره؟

وهنا جوهر المسألة.

ليس من الضروري دائما أن يكون المتغير المستقل متعدد الأبعاد حتى نستطيع دراسة تأثيره في أكثر من نتيجة.

قد يكون لدينا متغير مستقل واحد، ونريد أن نعرف أثره في عدة متغيرات تابعة أو عدة أبعاد لمتغير تابع.

وهذا ليس تمردا على الإحصاء.

بل توجد عائلات كاملة من الأساليب الإحصائية تقوم على هذا المنطق، مثل Multivariate Regression، MANOVA، SEM، SUR، Canonical Correlation وغيرها.

المشكلة إذن ليست:

“هل يجوز لمستقل واحد أن يؤثر في عدة مخرجات؟”

نعم، يجوز، وهذا يحدث في الطب والاقتصاد والإدارة وعلم النفس والسياسات العامة والعلوم البيئية يوميا.

السؤال الصحيح هو:

هل النموذج يخدم مشكلة البحث؟ وهل المتغيرات مقاسة بصورة صحيحة؟ وهل التحليل الإحصائي المختار مناسب؟

هذه هي الأسئلة العلمية.

أما أن نضع قاعدة جامدة تقول:

كل متغير مستقل متعدد الأبعاد يجب تفكيكه، وكل متغير تابع متعدد الأبعاد يجب جمعه في كتلة واحدة

فهذا ليس قانونا من قوانين الإحصاء.

وقد يؤدي تطبيقه بصورة آلية إلى شيء أخطر: تغيير سؤال الباحث نفسه.

فإذا كنت أسأل:

أين يظهر أثر إدارة المواهب؟

فأنا أحتاج أن أرى أثرها في الجودة، والإبداع، والتكلفة، والاستجابة.

أما إذا أُجبرت على تقسيم إدارة المواهب إلى أبعاد ثم دراسة الميزة التنافسية ككتلة واحدة، فقد أصبح السؤال:

أي مكونات إدارة المواهب أكثر تأثيرا؟

وهذا سؤال محترم… لكنه ليس السؤال نفسه.

البحث العلمي ليس مسابقة في ملء القوالب.

والإحصاء ليس شرطة تمنع الباحث من طرح السؤال الذي يفرضه الواقع.

الإحصاء أداة تساعد الباحث على الإجابة، لا أداة تعيد كتابة مشكلة البحث بدلا عنه.

ولهذا أتمنى من مسؤولي الدراسات العليا والبحث العلمي في جامعاتنا أن يفرقوا بين المعيار العلمي والقالب الإداري.

ضعوا معايير صارمة للصدق والثبات، وحجم العينة، وجودة القياس، ومطابقة النموذج، والتعدد الخطي، والدلالة، والوساطة، وسلامة التفسير…

لكن لا تحاصروا الباحث في نموذج واحد لمجرد أنه الأكثر شيوعا.

فالباحث الحقيقي لا يسأل:
ما النموذج الذي اعتدنا عليه؟

بل يسأل:
ما النموذج الذي يفسر المشكلة التي أدرسها بأمانة؟

ولو جعلنا القوالب أهم من الأسئلة، فقد يأتي يوم نطلب فيه فعلا من طالب دكتوراه أن يكتشف “أبعاد المطر” قبل أن نسمح له بدراسة أثره على الزراعة.

وعندها لن تكون المشكلة في المطر…

بل في البحث العلمي نفسه.

البحث_العلمي

مناهج_البحث

الإحصاء

الدراسات_العليا

نمذجةالمعادلاتالهيكلية

SEM

جامعةتفكرلاجامعةتكرر