استخدام عبارات الإشارة وعبارات الانتقال مثل: "هذا مهم، ستريد أن تتذكر، هذه تختلف في ثلاث نواحٍ مهمة" وغيرها. 2. لجوء المعلم إلى استخدم الإطار: حيث إذا كان ذلك مناسبًا لموضوع الحصة الدراسية ، فيجب منح الطلاب إطارًا أو مخططًا لكيفية تنظيم المعلومات، يمكن تنظيم معظم المعلومات في إطار من إطارين: التسلسل أو التصنيف، ويستخدم هذا التسلسل لشرح التغيير أو التأثير أو المراحل. فعلى سبيل المثال إذا كان المعلم التربوي يقدم معلومات توضح الوقت أو المكان أو العملية، فمن المرجح أن يكون متسلسلا بأن يقترح مراحل التطوير عملية يمكن توضيحها بالسهام، على سبيل المثال: الطفولة —-> الطفولة —-> المراهقة —-> الشباب مرحلة البلوغ. ومن ناحية أخرى إذا كانت المعلومات تتكون من أنواع أو أجزاء أو خصائص أو مكونات أو عناصر ، فيمكن تصنيفها وتقديم المعلومات كتسلسل هرمي، يمكن أن يساعد كلا النموذجين الطلاب على التباين ومقارنة المواد من أجل التشابه والاختلاف. خمس استراتيجيات لتدوين الملاحظات أثناء المحاضرات. 3. أخبر الطلاب بما يجب تسجيله: هل يجب أن يسجلوا الأمثلة، نماذج المشاكل، الأسئلة التي تمت مناقشتها في البيئة الصفية ، ماذا عن تفسيرات الأمثلة وحلول المشاكل؟ هل من الضروري تسجيل الأسماء والتواريخ والأبحاث المذكورة؟ تختلف الإجابات على مثل هذه الأسئلة من دورة إلى أخرى، بحيث يمكن للمعلم التربوي مساعدة الطلاب من خلال تقديم إرشادات واضحة، على الأقل في البيئة الصفية القليلة الأولى، حول ما يجب تضمينه في ملاحظات البيئة الصفية التعليمية.
يمكن للاختصارات أن تساعدك في تدوين الملاحظات بشكل أسرع وتجعلك مراجعتها أسهل كذلك؛ يمكنك مثلًا استخدام اختصارات مثل "د. ع" بدلًا من "الدول العربية" أو "ج. م" بدلًا" من "الجنيه المصري"... وغيرها [٣] 3 اكتب الكلمات الرئيسية بدلًا من كتابة جمل كاملة. فكر في النص الذي تقرأه أو المحاضرة التي تسمعها وركز. قد يكون هذا الأمر صعبًا ومعقدًا قليلًا. تجنب استخدام الجمل عند كتابتك للملاحظات، بل الأفضل أن تدوِّن الكلمات الرئيسية لقول ما تريد بطريقة قصيرة وذات معنى يمكنك تذكرها بسهولة ومراجعتها بسرعة لاحقًا. [٤] على سبيل المثال: يمكنك في علم "طب التوليد" استخدام مصطلحات مثل: الداية وانقطاع المشيمة وحمى النفاس وتسمم الحمل. 4 تخط بعض الأسطر في ورقتك للمراجعة لاحقًا. عند كتابتك للكلمات والأفكار الرئيسية احرص على ترك بعض المساحة الفارغة بين كل سطر تكتب عليه والذي يليه من أجل أن توفر مساحة تتيح لك إضافة المزيد من الملاحظات أو توضيح بعض النقاط التي قد لا تفهمها مباشرةً. يساعدك هذا في تحديد جميع المواد ذات الصلة بتلك الكلمة أو الفكرة الرئيسية. [٥] 1 دوِّن الملاحظات بخط يدك. قاوم إغراء الكتابة الإلكترونية للملاحظات، بل الأفضل أن تدوِّن الملاحظات بيدك، لأن الكتابة باليد لما تقرأه وتسمعه يمكن أن تساعد في تبسيط المعلومات والاحتفاظ بها والاستفادة منها في عملك.
عمل الملاحظات: وهي مرحلة متقدمة تأتي بعد أخذ الملاحظات حيث تتطلب المراجعة وبناء الأفكار وربطها من المحاضرة أو القراءة وتقديمها بشكل قابل للقراءة وبطريقة إبداعية تمكنك من الاحتفاظ بملاحظاتك بالذاكرة البعيدة، وهي تهتم بمصادر عديدة وليس فقط المحاضرة ولكن يبقى الفهم الشخصي عندما تعمل ملاحظاتك بنفسك وليس نقلا من أفكار الأخرين. ما الهدف من كتابة الملاحظات والاحتفاظ بها (الشمري، 2011) ؟ ضوابط وتعليمات لاستخدام استراتيجية تدوين الملاحظات(محمد،2010): أكثر الطرق فاعلية لأخذ الملاحظات وعمل الملاحظات (الشمري، 2011): لا يوجد طريقة أفضل أو أكثر فاعلية لأخذ أو عمل الملاحظات حيث أن كل طريقة لها مؤيدوها وأنصارها وأخذ الملاحظات تنقسم إلى ثلاثة أنواع: الملاحظات الخطية الملاحظات الخطية هي تلك الملخصات التي تستخدم الجمل أو المختصرات والنقاط الرئيسة التي سُمعت أو قرأت، ولكي تكون أكثر فاعلية فإنه ينبغي أن يكون هناك مستويين من التعامل مع الملاحظات الخطية هي: المستوى الأول: تلخيص النقاط الرئيسة من المحاضرات أو أي مصدر آخر. المستوى الثاني: يمكن أن تشمل واحدة أو أكثر من: * مراجعة وإعادة تنظيم الملاحظات. * ربط وبناء الأفكار.
اقرأ أيضاً تعليم السواقه مهارات السكرتارية التنفيذية مفهوم معامل الارتباط في الإحصاء معامل الارتباط هو مقياس إحصائي، يقيس العلاقة بين متغيرين، وتتراوح قيمته من -1 إلى 1. [١] كيف يتم حساب معامل الارتباط في الإحصاء؟ يجب تحديد التباين المشتركة بين المتغيرين الذي يُرغب في دراستهم، ثم حساب الانحراف المعياري لكل متغير، ثم يتم حساب معامل الارتباط من خلال قسمة التباين المشترك على ناتج الانحراف المعياري للمتغيرين، وتُكتب معادلته كالتالي: [١] Ρxy = cov(x, y) / σx σy حيث: Ρxy هي معامل الارتباط اللحظي، وcov(x, y) هي التباين المشترك بين المتغيرين (x و y)، وσx هو الانحراف المعياري للمتغير x، و σy هو الانحراف المعياري للمتغير y. قيم معامل الارتباط في الإحصاء تتراوح قيم معامل الارتباط في الإحصاء من سالب واحد إلى موجب واحد، حيث يُظهر سالب واحد أن الارتباط بين المتغيرات سلبي، أي كلما يزيد أحد المتغيرات يقل المتغير الآخر، أما موجب واحد فهو يظهر أن الارتباط بين المتغيرات إيجابي، أي كلمها يزيد أحد المتغيرات، يزيد المتغير الآخر، كما أن القيمة صفر تعني أنه لا يوجد ارتباط بين المتغيرات. [٢] ما الفائدة من معامل الارتباط؟ يُساعد حساب معامل الارتباط في غرضين مهمين، الأول هو تلخيص البيانات، وغالباً ما يُستخدم في الإحصاء الوصفي، حيث يكون هناك حاجة إلى تلخيص المعلومات المستخرجة من عينات، ولكن دون إعطاء أي استنتاجات، بالإضافة إلى ذلك، يساعد معامل الارتباط في المقارنة بين الدراسات، حيث يتميز معامل الارتباط بأنه بلا وحدات، لذلك، فهو يسهل عملية المقارنة بين الدراسات بشكل مباشر وواضح.
هذه المقالة تتكلم عن معامل الارتباط بين متغيرين. من أجل استخدامات أخرى انظر ارتباط (توضيح) عدة مجموعات نقطية مع معامل الارتباط على x وy لكل مجموعة. في نظرية الاحتمالات والإحصاء يبين الارتباط أو معامل الارتباط قوة العلاقة واتجاه العلاقة الخطية بين متغيرات عشوائية. أما استخدام المصطلح في المفهوم العام فيعبر عن أي علاقة وليس بالضرورة أن تكون خطية. هناك عدة عوامل تستخدم في عدة حالات. أفضلها ما يعرف باسم معامل ارتباط جداء-عزم بيرسون (Pearson product-moment correlation coefficient) والذي يحصل عليه بقسمة التغاير لمتحولين على جداء انحرافهما المعياري ، وعلى الرغم من اسم هذه الطريقة إلا أنه تم وضعها للمرة الأولى من قبل فرانسيس جالتون. [1] استخدامات الارتباط في الإحصاء [ عدل] هو معامل يقيس الارتباط مدى العلاقة بين الظواهر المختلفة (ظاهرتين أو أكثر أو متغيرين أو أكثر) لمعرفة ما إذا كان تغير أحدهما أو مجموعة منها مرتبطاً بتغير الاخرى، فقد يريد الباحث معرفة ما إذا كان هناك علاقة بين التدخين والإصابة بمرض في الرئة، أو بين درجة تعليم الشخص ومستوى دخله. أو بين الحالة التعليمية والحالة الاجتماعية للناخب.
ودائما ما تكون أو يأخذ معامل الارتباط قيما محصورة بين -1, +1, حيث أن +1 يعبر عن علاقة موجبة تامه بين متغيرين تسمى علاقة طردية, أما -1 فهو معامل ارتباط يعبر عن علاقة تامة وسالبة وتسمى علاقة طردية. أما الارتباطات التي تأخذ قيما بين ( -1, +1) تعبر عن علاقات غير تامة وتأخذ العلاقة بين المتغيرات معامل الأرتباط ثلاث حالات: - علاقة قوية وتأخذ معامل ارتباط ( 0. 90 ±) وهي علاقة قوية بين المتغيرات - علاقة متوسطة وتأخذ معامل ارتباط ( 0. 50 ±) وهي علاقة متوسطة بين المتغيرات - علاقة ضعيفة وتأخذ معامل ارتباط ( 0. 20 ±) وهي علاقة قوية بين المتغيرات - معامل ارتباط بيرسون ويستخدم في حال كلا المتغيرين كمي ويقاس بمقياس فئوي مثل أيجاد الارتباط بين الدخل والإنفاق قانون معامل ارتباط بيرسون حيث n عدد قيم كل من المتغيرين ومن أهم خصائص معامل الارتباط الخطى البسيط لبيرسون أنه لا يعتمد على قيم المتغيران نفسها عند حساب قيمته وإنما يعتمد على مقدار التباعد بين هذه القيم بعضها البعض. لذلك لا يتأثر معامل الارتباط الخطى البسيط بأى عمليات جبرية يتم إجراءها على بيانات اى من المتغيرين أو أحدهما من جمع أو طرح أو ضرب أو قسمة
معامل الارتباط من أجل معرفة قوة العلاقة بين متغييرن أو أكثر يلزمنا دراسة الإرتباط Correlation و إيجاد معامل الإرتباط Correlation Coefficient التي تتراوح قيمته بين 1 و -1. فيمكن اعتبار ان العلاقة ضعيفة اذا كانت قيمة معامل الارتباط أقل من 0. 30, ويمكن اعتبارها متوسطة اذا تراوحت قيمة معامل الارتباط بين 0. 30 الى 0. 70 أما اذا كانت قيمة معامل الارتباط أكثر من 0. 70 فتعتبر العلاقة قوية بين المتغيرين. أيضا قد تتخذ العلاقة بين المتغيرين أحد شكلين ⦁ علاقة طردية: زيادة قيمة أحد المتغيرين تؤدي الى زيادة قيمة المتغير الآخر كالعلاقة بين المصروف على الاعلان والمبيعات. ⦁ علاقة عكسية: زيادة قيمة أحد المتغيرين تؤدي الى نقصان قيمة المتغير الآخر, مثل العلاقة بين معدل دوران العمل والانتاجية. ومن الجدير بالذكر ان الارتباط يدل على وجود علاقة ما بين متغير وآخر, الا انه يجب أن ندرك بأن هذه العلاقة لا تدل على السببية أو العلية, فهي لا تدل على وجود أثر لمتغير على أخر, فقد تكون هناك علاقة طردية بين شرب القهوة ومعدلات الوفيات الا أن شرب القهوة لا يعتبر سبباً في زيادة معدلات الوفيات بين الناس, فقد يكون هناك عامل آخر كالتدخين مثلاً ينتج عن زيادة معدلات شرب القهوة ويؤثر في معدلات الوفيات فزيادة معدلات شرب القهوة تؤدي الى زيادة استهلاك السجائر مما يؤثر في زيادة معدلات الوفيات.
وفي الخط المتصل تقابل قيم س مراكز الفئات الموافقة لها. قياس الارتباط تقاس درجة ارتباط متغيرين بسعة انتشار نقط العيِّنة حول مستقيم الانكفاء[ر] فالشكل (أ) يمثل ارتباطاً تاماً، أما الشكل (ب) فيمثل ارتباطاً ضعيفاً. وفي حالة فقدان الارتباط بين س و ع يكون مستقيم الانكفاء أفقياً، وهذا يشير إِلى أن قيم ع مستقلةٌ عن قيم س الشكل (جـ). ويمكن أن تُطرح في هذا السياق المسألتان التاليتان: الأولى: كيف يُدَلّ عددياً على وجود ارتباط بين متغيرين باستخدام مؤشر أو مُعامل يقيس أهمية العلاقة القائمة بينهما. الثانية: في حالة وجود مثل هذه العلاقة، يطلب البحث عن معادلة تسمح بتقدير قيمة أحد المتغيرين بدلالة الآخر (وهذه هي مسألة الانكفاء). وقد استوحى كارل بيرسون Karl Pearson في عام 1896 من أعمال أوگست براڤيه August Bravais (1811-1863)، التي أنجزها عام 1846 في موضوع نظرية الأخطاء، تعريفاً لمعامل الارتباط يُعطى بالعلاقة التالية: إِذ يمتد المجموع على جميع الثنائيات (س ك،ع ك) الملاحظة، أما س وع فترمزان إِلى المتوسطين الحسابيين للتوزعين الهامشيين و نع س، نع ع للانحرافين المعياريين لهما. ويعرف هذا المُعامل باسم مُعامل الارتباط correlation coefficient لـ برافي- بيرسون (Bravais-Pearson) أو مُعامل الارتباط الخطي، وهو ينتمي للمجال [-1،1] ويأخذ القيمتين ±1 عندما تقوم بين المتغيرين علاقة تامة.
أما الإِشارة ± فتدل على اتجاه تحول أحد المتغيرين مع تغير الآخر، إِن الحالة ر=0 لاتعني فقدان الارتباط بالمعنى الذي ذُكر آنفاً إِنما تفيد أن مستقيمات الانكفاء المنشأة بطريقة المربعات الأصغرية (من أجل القيم س≠ع) توازي المحاور الإِحداثية. إِن مُعامل الارتباط الخطي ليس له أهمية تذكر إِلا في الحالة التي تصادف فيها علاقات خطية على وجه التقريب بين متوسطات التوزيعات الشرطية بأحد المتغيرات والقيم المقابلة للمتغير المرتبط به. في عام 1901 اقترح بيرسون (Pearson) أيضاً تعريفاً لنسبة الارتباط correlation ratio يتوقف، من أجل كل متغير، على تباين المتوسطات الشرطية لهذا المتغير حول متوسطه العام. وهكذا يمكن أن يدلل على ارتباط ع بـ س وفق العلاقة: ن ك ل هو عدد المشاهدات التي يكون من أجلها س=س ك و ع=ع ك في آن واحد عك. متوسط التوزيع الشرطي لـ ع من أجل س=س ك، وتنعدم نسبة الارتباط هـ2ع/س إٍذا ساوت جميعُ المتوسطات الشرطية عك لـ ع من أجل س=س ك المتوسط العام ع، وفي هذه الحالة لا تتوقف هذه المتوسطات على س. كما أن نسبة الارتباط تساوي الواحد إِذا كانت جميع قيم ع، من أجل كل توزيع شرطي يقابل س=س ك، مساوية للمتوسط الشرطي ع=عك (العلاقة تامة بين المتوسطات).
ارتباط سبيرمان: مقياس الارتباط اللامعلمي ، وعلاقة سبيرمان بين متغيرين تساوي ارتباط بيرسون بين درجات الرتب لهذين المتغيرين ؛ بينما يؤسس بيرسون علاقات خطية ، يحافظ سبيرمان على علاقات رتيبة (خطية أم لا). ارتباط كيندال: في ظل الظروف العادية ، يفضل ارتباط كيندال على ارتباط سبيرمان بسبب انخفاض الحساسية للخطأ الكلي (GES) وتباين التقارب المنخفض (AV) ، مما يجعله أكثر قوة وكفاءة ، بمعنى أنه يحدد الفرق بين النسبة المئوية للأزواج المتوافقة والمتنافرة بين جميع أحداث الزواج المحتملة وهذا هو الفرق بين معامل ارتباط بيرسون وسبيرمان. متوسط ارتباط الوزن البيولوجي: هو مقياس للتشابه يعتمد على الوسيط وليس المتوسط التقليدي ، وبالتالي فهو أقل حساسية للقيم المتطرفة. يمكن استخدامه كبديل قوي لمقاييس التشابه الأخرى ، مثل ارتباط بيرسون ارتباط المسافة: يقيس ارتباط المسافة الارتباط الخطي وغير الخطي بين متغيرين عشوائيين أو متجهات عشوائية، هذا على عكس ارتباط بيرسون ، والذي يمكنه فقط اكتشاف الارتباط الخطي بين متغيرين عشوائيين. ارتباط الانحناء المئوي: وهو يعتمد على الوزن المنخفض لنسبة مئوية محددة من الملاحظات الهامشية المنحرفة عن الوسيط ارتباط بلومكفيست: المعروف أيضا باسم ارتباط بيتا أو متوسط بلومكفيست ، هو ارتباط غير حدودي قائم على الوسيط وله بعض المزايا على المقاييس مثل تقديرات سبيرمان أو كيندال ارتباط جاما: إحصائية جاما جودمان-كروسكال مشابهة لارتباط تاو الخاص بكيندال.
اللهم هون برد الشتاء, 2024