ספר שיטות מחקר0310

‫של המדידה‪ .‬תצפיות עשויות לספק מידע עשיר ולכן הן מהוות כלי מחקר מרכזי הן‬ ‫בשיטות מחקר כמותיות והן במחקרים הנעשים בגישות איכותניות‪.‬‬ ‫יש מגוון רב של תצפיות שלהן מאפיינים שונים‪ .‬חשוב להכיר את האפשרויות‬ ‫השונות‪ ,‬כדי להעריך את היתרונות והחסרונות בשימוש בתצפית בעלת מאפיינים‬ ‫מסוימים‪ ,‬במחקר שאנו עורכים‪ .‬כך למשל‪ ,‬במחקר אחד נוכל לצפות בהתנהגות‬ ‫מסוימת כפי שהיא מתרחשת באופן טבעי‪ ,‬ובמחקר אחר נצטרך להבנות את‬ ‫הסיטואציה של התצפית ולכוון את המשתתפים לבצע התנהגות ספציפית (כגון‬ ‫משחק בקוביות של אם עם ילדה הפעוט)‪ ,‬כך שנוכל לצפות בה‪ .‬נתאר כאן מספר‬ ‫ממדים ורצפים המבחינים בין סוגי תצפיות שונות‪ .‬ממדים אלו משפיעים על מידת‬ ‫התקפות‪ ,‬המהימנות וההיתכנות במחקר שאותו אנו מבקשים לערוך‪.‬‬ ‫‪^^##397‬מידת ההבניה של כלי התצפית‬ ‫תצפית היא תהליך של מדידה‪ .‬תוצרי התצפית הם הערכים שמקבלים משתני‬ ‫המחקר אשר בהם אנו מבקשים לצפות‪ .‬אחת ההחלטות המרכזיות בעיצוב כל‬ ‫תצפית היא המידה שבה אנו מבנים את התהליך המביא לערכים אלו‪ .‬בצד אחד של‬ ‫הרצף מצויות התצפיות שבהן אנו מכוונים את הצופה באופן חד משמעי לסכם את‬ ‫מה שעולה בתצפית ללא שיקול דעת ומתוך הכוונה מרבית‪ ,‬ובקצה האחר של הרצף‪,‬‬ ‫תצפיות שהצופה מתבקש לסכמן תוך שימוש רב בשיקול דעת ובהתרשמויות‬ ‫סובייקטיביות‪ .‬לדוגמה‪ ,‬כלים להערכת תפקודם של אנשים מבוגרים (כגון ‪Katz‬‬ ‫)‪ )Index of Independence in Activities of Daily Living (ADL‬מנחים את‬ ‫הצופה לבחון את תפקודו של האדם בסדרה של משימות גופניות וקוגניטיביות ולסמן‬ ‫כן או לא על כל אחת מהן‪ ,‬בהתאם להנחיות ברורות באשר לשאלה מהו תפקוד תקין‬ ‫בכל תחום‪ .‬כך למשל‪ ,‬נבדקות יכולות שונות ובהן‪ :‬להתרחץ‪ ,‬כולל צורך בהשגחה‬ ‫בעת רחצה‪ ,‬שליטה על סוגרים‪ ,‬להתלבש באופן עצמאי‪ ,‬להכין אוכל ועוד‪ .‬בכל אחד‬ ‫מהתחומים מקבל האדם הנבדק ניקוד לפי מידת התלות שלו באחרים לצורך ביצוע‬ ‫הפעולה‪ .‬כך לדוגמה בפעולת רחצה‪ ,‬נבדק המסוגל להתרחץ ללא עזרה יקבל ניקוד‬ ‫אפס‪ ,‬מי שזקוק לסיוע קל (או מי שזקוק לנוכחות בעת הרחצה בגלל חשש לנפילה)‪,‬‬ ‫יקבל ‪ 0.5‬נקודות ומי שזקוק לעזרה מלאה בכל פעולות הרחצה‪ ,‬יקבל נקודה וחצי‪.‬‬ ‫מספר הנקודות המצטבר מבדיקת כל תחומי החיים החיוניים משמש בסיס להערכת‬ ‫התפקוד ולמידת התלות‪.‬‬ ‫בדוגמה זו נעשה מאמץ מרבי על ידי מפתח הכלי להבטיח שכל מי שעורך את‬ ‫התצפית יפעל בדרך שאותה הוא התווה וככל האפשר ללא שיקול דעת‪ .‬זאת‪ ,‬לעומת‬ ‫כלי תצפית המבקשים מהצופה לתת הערכות כלליות על סמך שיקול דעתו בהסתמך‬ ‫על כל מה שראה‪ ,‬מבלי להנחות אותו בצורה מפורטת‪.‬‬ ‫כלי תצפית יכולים להעריך תופעות ממספר זוויות ודרכים‪ .‬נתבונן לדוגמה בחוקר‬ ‫המנסה למדוד 'התפרצויות זעם של ילדים'‪ ,‬כחלק ממחקר הבוחן את השפעתה של‬ ‫ההתערבות של הדרכת הורים על הפחתת התנהגויות אלו‪ .‬תצפיות על ילדים‬ ‫המשתתפים במחקר עשויות להתנהל במספר דרכים‪ .‬ראשית‪ ,‬החוקר מגדיר בצורה‬ ‫תפעולית מהן התפרצויות זעם‪ ,‬כך שניתן לזהות אותן באופן מהימן‪ .‬חוקר עשוי‬ ‫לצפות בילד מדי יום במשך שעתיים ולסמן‪ :‬שכיחות ‪ -‬כמה התפרצויות היו במהלך‬

‫זמן זה‪ ,‬משך ‪ -‬מה משך ההתפרצות כל פעם‪ ,‬עוצמה – עד כמה ההתפרצות היא‬ ‫חזקה (גם כאן‪ ,‬יש מקום להגדרה תפעולית המאפשרת לזהות מתי ההתפרצות היא‬ ‫בעוצמה גבוהה או נמוכה)‪.‬‬ ‫לכלי תצפית מובנים יש יתרונות רבים מבחינת התכונות הפסיכומטריות שלהם‪,‬‬ ‫ובעיקר בהבטחת המהימנות התוך‪-‬אישית והבין אישית של הצופים‪ .‬כלי תצפית‬ ‫מובנים אינם הולמים במצבים שבהם החוקר מבקש לצפות בתופעה רב ממדית‬ ‫ומורכבת‪ ,‬שלא ניתן‪ ,‬לפחות בשלב מסוים של התפתחות הידע בתחום‪ ,‬לתרגם אותה‬ ‫מראש להגדרה תפעולית חד משמעית‪ .‬כך למשל‪ ,‬בשלבים של מחקרי חלוץ וגישוש‬ ‫במחקרים כמותיים‪ ,‬מקובל להשתמש בתצפיות פחות מובנות כדי לזהות התנהגויות‬ ‫ותופעות שלא ציפינו להם בעת היציאה למחקר‪ .‬מבט ממוקד מדי באמצעות כלי‬ ‫מובנה‪ ,‬היה עלול להביא לכך שהיינו מחמיצים תופעות שהן 'מחוץ למוקד'‪.‬‬ ‫לדוגמה‪ ,‬במחקר על התערבות שנועדה להגביר את השתתפותם של תלמידים‬ ‫בעלי מוגבלויות בשיעורי חינוך גופני צפו החוקרים באופן לא מובנה בהתנהגויות של‬ ‫ילדים שהיו מושאי המחקר ושל עמיתיהם שהשתתפו בשיעורי החינוך הגופני‬ ‫(‪ . )Agergaard, Dankers, Munk, & Elbe, 2018‬החוקרים הגיעו למחקר זה‬ ‫כשיש להם מסגרת מושגית ותיאורטית שכיוונה אותם להתמקד בהיבטים של שילוב‬ ‫והדרה (‪ )exclusion and inclusion‬ביחסים בין אישיים‪ .‬עם זאת‪ ,‬לא ניתנה הכוונה‬ ‫כלשהי באשר להתנהגויות הקונקרטיות שיש לצפות עליהם או כיצד לכנס את‬ ‫התצפיות הרבות לערכים מסכמים‪.‬‬ ‫בדוגמה אחרת‪ ,‬רצו החוקרות ללמוד על התנהגותם של רוקחים במרפאות‬ ‫קהילתיות‪ .‬הן התעניינו בעיקר בתגובות של רוקחים למקרים של הסחת דעת‬ ‫ולהפרעות בעבודתם (‪ .)Lea, Corlett, & Rodgers, 2015‬במחקר זה החוקר ליווה‬ ‫את הרוקח בעבודתו ורשם לעצמו הערות באופן לא מובנה כדי לתאר בפירוט רב ככל‬ ‫האפשר כיצד מתנהל יומו של הרוקח‪ .‬במסגרת זו הצופה רשם גם התנהגויות‬ ‫שאותם ראה וגם את התרשמויותיו על מצב רוחו של הרוקח‪ .‬כל זאת‪ ,‬לצד השעה‬ ‫ביום שבה נרשמו הערות אלו‪ .‬תצפיות לא מובנות אלו‪ ,‬עשויות לשמש לאחר עיבודן‪,‬‬ ‫לקביעת קטגוריות רלוונטיות ש ַי ְבנּו תצפיות בהמשך‪.‬‬ ‫‪^^##398‬מידת ההבניה של תנאיי התצפית‬ ‫תצפיות שונות זו מזו במידה שבה הן מתקיימות בתנאים 'טבעיים' או בתנאים‬ ‫שנוצרו במיוחד לשם התצפית‪ .‬דוגמה לתצפיות המתרחשות בסביבה שנוצרה‬ ‫במיוחד הן הערכות של בעיות התנהגות של ילדים‪ ,‬המבוססות על תצפית‬ ‫באינטראקציה שבין הורה לילד במסגרת קלינית או מחקרית‪ ,‬אינטראקציה שנוצרה‬ ‫במיוחד לצורך התצפית‪ .‬למשל‪ ,‬במחקרים שהעריכו את ההשפעה של טיפול‬ ‫באמצעות משחק ‪ Parent-Child Interaction Therapy -‬ניתנה הנחייה לזוגות‬ ‫הורה‪-‬ילד לשחק ביחד ונערכה תצפית על האינטראקציה בעת המשחק ( & ‪McNeil‬‬ ‫‪ .)Hembree-Kigin, 2010‬תצפיות מעין אלו‪ ,‬המבנות את סיטואציית התצפית‪,‬‬ ‫עשויות להתרחש בסביבות טבעיות‪ ,‬כגון בבית המשפחה ( & ‪Fleming,‬‬

‫‪ ,)McMahon & King, 2017‬וכן בסביבות מלאכותיות כמו חדר עם מראה חד‬ ‫כיוונית במסגרת קלינית או מחקרית‪.‬‬ ‫דוגמה אחרת לתצפית שבה יש שליטה רבה על תנאי התצפית היא תצפית‬ ‫הנערכת לבחינת הנגישות הרגשית של הורים לילדיהם עד גיל ‪The ( 14‬‬ ‫‪ .Emotional Availability Scales, (Biringen et al., 2014‬במסגרת התצפית‪,‬‬ ‫ההורה מוזמן לחדר התצפית‪ ,‬נאמר לו שהוא מתבקש להתנהג כרגיל ככל האפשר‬ ‫ושתיערך תצפית על האינטראקציה בינו לילדו‪ .‬בדקות הראשונות מונחה ההורה‬ ‫לשחק עם הילד משחק חופשי‪ .‬אחר כך‪ ,‬חוקר מנהל שיחה עם ההורה במשך חמש‬ ‫דקות ליד הילד ובכך יוצר סימולציה של מצבים שבהם הורים עסוקים ואינם נגישים‬ ‫לילדם‪ .‬בחלק זה ניתן היה לראות כיצד ההורה המשוחח עם החוקר מגיב לפניות של‬ ‫ילדו או לקשיים שבהם נתקל הילד במשחק‪ .‬בהמשך‪ ,‬ניתנת משימה להורה לכוון את‬ ‫ילדו לבצע פעולה משעממת של מציאת חפצים‪ ,‬בדרך שהוא חושב שמתאימה לשלב‬ ‫ההתפתחותי שבו נמצא ילדו‪ .‬אחר כך ניתנות עוד דקות אחדות למשחק חופשי‬ ‫ולאחר מכן משימה נוספת לסדר את החדר‪ .‬ניתן לראות כיצד מבנה מורכב זה של‬ ‫הסיטואציה הנצפית נועד לאפשר הזדמנויות לבחון היבטים שונים כגון זמינות רגשית‬ ‫של ההורה‪ ,‬יכולת לדיאלוג עם הילד וכדומה‪.‬‬ ‫דוגמה נוספת להבנייה מלאה של תנאי תצפית היא משימה הניתנת לילדים‬ ‫והנקראת )‪(McClelland and Cameron, The Head-to-Toes task (HTKS‬‬ ‫‪ .)2012‬זו משימה הניתנת לילדים כדי למדוד את יכולתם לווסת את התנהגותם‪.‬‬ ‫במסגרת זו מקבלים התלמידים הוראות מורכבות המחייבות אותם לעקוב אחר‬ ‫ההוראות ולשלוט בתגובות האוטומטיות שלהם‪ .‬למשל‪ ,‬בשלב מסוים ההוראה היא‬ ‫שאם המדגים נוגע בראשו על הילדים לגעת דווקא בכפות רגליהם (ולהיפך)‪ .‬לכל‬ ‫ביצוע נכון של ההוראה מקבל הילד ‪ 2‬נקודות‪ ,‬לכל ביצוע נכון של ההוראה שמגיע‬ ‫לאחר תיקון שעורך הילד שמזהה שביצע את ההוראה באופן לא נכון מקבל הילד‬ ‫נקודה אחת‪ ,‬ועל ביצוע לא נכון הוא אינו מקבל נקודות‪ .‬משום שהתהליך מובנה‬ ‫בצורה קפדנית ותמיד ניתנות ‪ 20‬הוראות בסדר מסוים‪ ,‬הציון שילד יכול לקבל נע בין‬ ‫‪ 0‬ל‪.40-‬‬ ‫לעיתים‪ ,‬בהתאם לצורכי המחקר ההבניה היא של תנאי התצפית בלבד ולא של‬ ‫ההתנהגות הנצפית עצמה‪ .‬לדוגמה‪ ,‬מחקרים שבהם נערכות תצפיות על טיפול‬ ‫פסיכותרפויטי‪ ,‬נערכים במקום פיזי המאפשר הקלטה או הסרטה של המפגש‬ ‫הטיפולי‪ ,‬מבלי להתערב במפגש עצמו ומבלי לתת כל הנחיות הקשורות בתצפית‪ .‬כך‬ ‫למשל‪ ,‬חוקר בחן הקלטות של עשרה מפגשים טיפוליים שנערכו עם שני מטופלים‪,‬‬ ‫וערך ניתוח תוכן בדיעבד של השימוש במטפורות‪ ,‬על ידי המטפל והמטופל ( ‪Tay,‬‬ ‫‪.)2017‬‬ ‫דוגמה מעניינת לתצפיות הנערכות במצבי חיים טבעיים‪ ,‬ולעיתים קרובות גם‬ ‫ללא מודעות של הנצפים ( בתנאי שאין פגיעה בכללי האתיקה ושמירת הפרטיות)‪,‬‬ ‫אך בכל זאת מבנות את סיטואציית התצפית היא מחקר שנערך בטורקיה‪ .‬החוקר‬ ‫ערך תצפיות על מדרגות נעות ועל גרם מדרגות רגילות במרכז קניות‪ .‬הוא ביקש‬ ‫לבחון האם ההתנהגות של הקונים משתנה לפי השלטים שהוצגו לפני המדרגות‬

‫(‪ .)Aksay, 2014‬לשם כך הוצב בסמוך למדרגות שלט שהכיתוב בו הוחלף אחת‬ ‫לכמה ימים‪ .‬ההודעות על גבי השלט היו בין היתר‪' :‬נא להשתמש במדרגות'‪' ,‬בריא‬ ‫לעלות במדרגות'‪' ,‬לא בריא לעלות במדרגות' (החוקר בדק התנהגויות של קונים‬ ‫הסובלים מעודף משקל ניכר והבחירה בנוסחים השונים הייתה קשורה לבדיקה זו)‪.‬‬ ‫התצפית נערכה בסביבה טבעית‪ ,‬אך הגירוי בתצפית היה מובנה‪.‬‬ ‫במקרים מסוימים יש חשש שהבנייה של סיטואציית התצפית תפגע בתוקף‬ ‫שלה‪ .‬ברונפנברנר‪ ,‬שהיה מודע מאוד להשפעות של ההקשר (‪ ,)context‬ציין‪:‬‬ ‫‪‘Much of contemporary developmental psychology is the‬‬ ‫‪science of the strange behavior of children in strange‬‬ ‫‪situations with strange adults for the briefest possible‬‬ ‫‪periods of time’ (Bronfenbrenner, 1977, p. 513).‬‬ ‫הדגשה זו בעניין החשיבות שיש לעריכת תצפית בהקשר האמיתי של התנהגות‬ ‫מצביעה על החשש שתוקף התצפיות בסיטואציות מובנות לקוי‪ ,‬משום שאנו בודקים‬ ‫לא את מה שאנו מתכוונים לבדוק‪ ,‬התנהגות טיפוסית‪ ,‬אלא אנו בוחנים התנהגות‬ ‫במצבים מלאכותיים‪ ,‬שאינה בהכרח דומה להתנהגות הטבעית‪ .‬ו אומנם‪ ,‬מחקרים‬ ‫שהשוו אינטראקציות אם‪-‬תינוק שנערכו במצבים מובנים (לצורכי מחקר) להתנהגויות‬ ‫ספונטניות הצביעו על הבדלים משמעותיים בין מאפייני האינטראקציה בסיטואציות‬ ‫השונות (לדוגמה‪ ,‬ראו סקירה אצל‪Tamis‐LeMonda, Kuchirko, Luo, :‬‬ ‫‪.)Escobar, & Bornstein, 2017.‬סביר שפערים דומים קיימים גם במקרים אחרים‬ ‫שבהם נשווה בין התנהגות בסביבה מובנת לשם תצפית לבין התנהגות במצבי חיים‬ ‫רגילים‪.‬‬ ‫חשוב להדגיש‪ ,‬שאין בזה כדי לומר שאין לעשות שימוש בתצפיות בסיטואציות‬ ‫מובנות‪ .‬להבניה זו עשויה להיות תרומה חשובה למחקר‪ ,‬משום שהיא מאפשרת‬ ‫לחקור תופעות שיהיה קשה מאוד לזהות ולצפות בהם אם נעשה שימוש בתצפיות‬ ‫טבעיות בלבד‪ .‬יתרה מזו‪ ,‬יש גם עדויות לכך שהשפעתה של ההבניה של סיטואציית‬ ‫התצפית מתפוגגת עם הזמן‪ .‬זאת‪ ,‬משום שמשתתפים היודעים שצופים בהם‪ ,‬נוטים‬ ‫לשכוח את זה עם הזמן‪ ,‬וחוזרים ומתנהגים באופן טבעי‪ .‬לכן‪ ,‬הפער בין התנהגות‬ ‫טבעית לזו של מי שיודע שצופים בו‪ ,‬הולך וקטן עם הזמן‪ ,‬ויש אף החושבים שמדובר‬ ‫בפרקי זמן קצרים במיוחד‪.‬‬ ‫‪^^##399‬תצפיות במצבי חיים טבעיים (‪)naturalistic observations‬‬ ‫מצדו השני של רצף ההבניה של סיטואציית התצפית ניתן למצוא תצפיות‬ ‫הנערכות במצבי יום‪-‬יום ללא הבניה כלשהי‪ .‬תצפיות הנערכות ברחוב‪ ,‬בחצר בית‬ ‫הספר‪ ,‬בשדה התעופה ובמקומות רבים אחרים‪ ,‬על התנהגויות טבעיות שאינן חלק‬ ‫ממניפולציה מחקרית או מהבניית הסיטואציה‪ .‬כפי שניתן לשער‪ ,‬התנהגויות‬ ‫הנערכות בתנאים שונים של תצפית‪ ,‬עשויות להיות שונות‪ .‬דוגמה מעניינת היא‬ ‫תצפית על התנהגות אימהית לתינוקות‪ .‬דרך אחת היא לצפות בהתנהגות ספונטנית‬ ‫של אימהות המטפלות בתינוקן ודרך אחרת היא להבנות את התצפית‪ ,‬למשל על ידי‬ ‫הכוונת האם לבצע פעולות טיפול מסוימות או הבאת האם לחדר תצפית‪ ,‬שבו ידוע‬ ‫לה שצופים בה מעבר למראה חד‪-‬כיוונית‪ .‬באשר לתקפות המדידה נראה שיש‬

‫יתרונות לתצפית על התנהגויות הנעשות באופן טבעי ובמינימום מודעות ותשומת לב‬ ‫לכך שההתנהגות נצפית‪ .‬אולם לעיתים קרובות‪ ,‬כדי שניתן יהיה לצפות באופן יעיל‬ ‫ולתעד את התצפית‪ ,‬חוקרים נאלצים ליצור סביבה פחות טבעית‪ ,‬כגון הכנסת‬ ‫המשתתפים לחדר תצפית‪.‬‬ ‫אחד האמצעים לגשר בין הרצון לאפשר תצפית בתנאים טבעיים ולצורך הטכני‬ ‫לתעד את התצפית הוא מכשור אלקטרוני‪ .‬דוגמה מעניינת לתצפית טבעית הנעזרת‬ ‫במכשור אלקטרוני היא מחקרים הנעשים באמצעות ‪Electronically Activated‬‬ ‫)‪ .Recorder (EAR‬מכשיר הקלטה קטן זה נישא על ידי המשתתף שהסכים לכך‬ ‫ומתוכנת לפעול ברווחי זמן שנקבעו מראש (למשל‪ 50 ,‬שניות כל ‪ 9‬דקות)‪.‬‬ ‫המשתתפים מתנהלים בשגרת יומם ואינם אחראים להפעלת המכשיר‪ ,‬שאינו משמיע‬ ‫רחש בעת שהוא מקליט‪ ,‬כך שהמשתתף אינו מודע להפעלתו הזמנית‪ .‬מכשיר זה‬ ‫מבטיח תיעוד של הדברים שנאמרים על ידי המשתתף ובני שיחו‪ ,‬המודעים לנוכחות‬ ‫של מכשיר ההקלטה‪ ,‬בזכות שלט קטן המבהיר שהמשתתף הוא חלק ממחקר ובו‬ ‫דבריו מוקלטים‪ .‬לאחר תקופה קצרה של שימוש במכשיר זה‪ ,‬המשתתפים נוטים‬ ‫לשכוח שהם מוקלטים‪ ,‬ובכך ניתן להבטיח שהתצפית קרובה למצב העניינים הטבעי‬ ‫ככל שניתן )‪.(Karan, Wright, & Robbins, 2017‬‬ ‫במחקר על הסתגלות זוגית (‪ )dyadic adjustment‬למחלת סרטן של אחד מבני‬ ‫הזוג‪ ,‬רצו החוקרים לעמוד על תכני השיחות בין בני הזוג המתמודדים עם המחלה‪.‬‬ ‫בין היתר רצו לבחון תכנים העוסקים במחלה‪ ,‬שימוש במילות עידוד של בני הזוג‪,‬‬ ‫הופעתן של מילים המביעות חששות ופחדים‪ ,‬תקווה ואופטימיות‪ ,‬תמיכה בדרך‬ ‫התמודדות מסוימת ועוד‪ .‬הדרך המקובלת היא לשאול את בני הזוג על התנהגויות‬ ‫מילוליות אלו‪ .‬אולם‪ ,‬סביר מאוד להניח שהם יתקשו לאפיין בצורה מדויקת את תוכן‬ ‫השיחות‪ ,‬מכיוון שמדובר בהתנהגויות שנעשות באופן בלתי מודע‪ .‬כמו כן העדיפו‬ ‫החוקרים לא להביא את בני הזוג למעבדת המחקר ולבקש מהם לנהל שיחה כדי‬ ‫שאפשר יהיה להקליט אותם‪ .‬החוקרים העריכו כי השימוש ב ‪ EAR‬כעזר לתצפית‬ ‫שמע יהיה פתרון שיוכל לתרום להגדלת התקפות של התצפית‪ .‬לפי דיווחי החוקרים‪,‬‬ ‫נראה היה שהכלי לא גרם להתנהגות מאולצת והחומר שהתקבל מהתצפית היה אמין‬ ‫(‪ Karan et al., 20017,‬כמו גם ‪.)Robbins, López, Weihs, & Mehl 2014‬‬ ‫‪^^##400‬פולשנות (‪ )obtrusiveness‬ותגובתיות (‪)reactivity‬‬ ‫ככלל‪ ,‬אנו מעוניינים ככל האפשר לערוך תצפיות בתנאים קרובים למציאות‪ ,‬כדי‬ ‫שהתצפית שלנו תתעד את ההתנהגות שבה אנו מעוניינים ולא התנהגות המשקפת‬ ‫את ההשפעה של המדידה‪ .‬ככל שהתצפית פולשנית יותר כך היא עלולה לעורר‬ ‫בקרב המשתתפים תגובות השונות מההתנהגות הטבעית‪ ,‬שבה יש לנו עניין‪ ,‬ומשום‬ ‫כך להניב מידע מחקרי מוטה ובלתי תקף‪ .‬כך למשל‪ ,‬תצפית הנערכת על ידי אדם‬ ‫מבוגר בגן משחקים לילדים עלולה להביא לכך שהילדים יתנהגו בדרך שהם מקווים‬ ‫שתתקבל על דעתו של המבוגר ('בלי מכות')‪ ,‬ולאו דווקא בדרך המשקפת את‬ ‫התנהגותם בדרך כלל‪ .‬תופעות מעין אלו מתרחשות גם כשהצופה אינו שוהה פיזית‬

‫בקרבת המשתתפים‪ ,‬אך הם יודעים שצופים בהם (למשל‪ ,‬מעבר למראה חד כיוונית‬ ‫או באמצעות מצלמות)‪.‬‬ ‫חוקרים ערים לצורך לצמצם את הסכנה לתוקף הנובעת מתגובתיות לצופה‪,‬‬ ‫ומנסים באמצעים שונים להפחית את רמת הפולשנות של התצפית‪ .‬לעיתים תכופות‪,‬‬ ‫משך הזמן שבו נערכת התצפית משפיע על מידת התגובתיות‪ .‬מסתבר‪ ,‬שבמקרים‬ ‫רבים מתרגלים לנוכחות של צופה במשך זמן קצר‪ .‬בעוד שבדקות הראשונות כל‬ ‫מושאי התצפית בוחנים את הצופה ואת התנהגותו (או חושבים על מה חושב הצופה‬ ‫שמעבר למראה) ומתנהגים באופן שאינו רגיל עבורם‪ ,‬הרי בהמשך רבים מתעלמים‬ ‫מהצופה וחוזרים להתנהגויות הרגילות שלהם‪ .‬כמובן‪ ,‬ככל שהצופה עצמו מצניע את‬ ‫עצמו ואת התנהגותו‪ ,‬כך פוחתת השפעתו במהירות רבה יותר‪.‬‬ ‫לעיתים‪ ,‬ניתן להפחית את רמת הפולשנות של התצפית על ידי שימוש בצופה‬ ‫המוכר למשתתפים ומהווה חלק טבעי מסביבתם‪ .‬כך למשל‪ ,‬מדריך בפנימייה הצופה‬ ‫על חניכים המשחקים במגרש הכדורגל אינו מעורר בדרך כלל תגובה‪ ,‬והחניכים‬ ‫ממשיכים בפעילותם הרגילה‪ .‬יש לשקול כמובן את ההיבטים האתיים הכרוכים‬ ‫בתצפית על משתתפים שאינם יודעים שהם חלק מתהליך מחקרי‪.‬‬ ‫‪^^##401‬מי הצופה‬ ‫אחת ההחלטות המרכזיות של חוקר המתכנן תצפיות היא הבחירה מי יהיו‬ ‫הצופים‪ .‬ניתן לראות כאן רצף שבקצה האחד צופים שהם אנשי המחקר ואינם חלק‬ ‫מהמשתתפים‪ ,‬ובקצה השני של הרצף‪ ,‬המשתתף עצמו המשמש כצופה על‬ ‫התנהגותו‪ .‬לכל אחת מהאלטרנטיבות על הרצף יש יתרונות וחסרונות והבחירה‬ ‫נעשית בהתאם לצרכים ולתנאים של המחקר המסוים שאותו אנו מבקשים לערוך‪.‬‬ ‫צופה לא משתתף‪ ,‬איש מחקר‬ ‫לעיתים קרובות חוקרים נעזרים בצופים שאחראים לביצוע התצפיות כמי שאינם‬ ‫חלק מהמשתתפים‪ .‬יתרון גדול של צופים אלו הוא חוסר המעורבות הרגשית שלהם‪,‬‬ ‫ה'אובייקטיביות' שלהם‪ .‬יש מי שיטענו שאין אדם שהוא אובייקטיבי באופן מלא‪ ,‬וכי‬ ‫אי אפשר להימנע ממעורבות רגשית המשפיעה על תהליך התצפית‪ .‬ובכל זאת‪ ,‬אנו‬ ‫יכולים לבחור צופים שאין להם סיבה מוקדמת לראות את התופעות בדרך מוטה‪.‬‬ ‫וחשוב מכך‪ ,‬תהליך ההכשרה של צופים מקטין את השפעותיהן של דעות קדומות‬ ‫ועמדות קודמות שלהם‪ ,‬כך שניתן לראות את התצפית שלהם כמהימנה ותקפה יותר‪.‬‬ ‫כך למשל‪ ,‬חוקרים מציגים בפני מי שהם מדריכים‪ ,‬סרטים המציגים דוגמאות לגירויים‬ ‫שעליהם הם יצפו ומנחים אותם על מה עליהם להתמקד בתצפית‪ ,‬משווים את‬ ‫תשובותיהם לתשובות של צופים אחרים‪ ,‬ומתקנים את ההערכות הצופים כדי‬ ‫שיתאימו להערכות התקפות המצויות בידי החוקר‪.‬‬ ‫דוגמה להכנת צופים ניתן לראות בתחום ההערכה של איכות ההוראה של מורים‬ ‫בכיתה‪ .‬כפי שאומרות מק‪-‬קי וסילבה (‪ ,( McKay & Silva, 2015‬אם אנו מבקשים‬ ‫להעריך את איכות ההוראה של מורים באמצעות צופים‪ ,‬עלינו להבטיח את התוקף‬ ‫והמהימנות של הצופים‪ .‬זאת‪ ,‬באמצעות הכשרה מוקדמת‪ ,‬ליווי והדרכה‪ .‬כדי להכין‬ ‫צופים‪ ,‬נעשית עבודת הכנה שבה מציגים להם את כלי התצפית המובנה‪ ,‬המכיל את‬ ‫כל ההערכות שעל התצפיתן למלא‪ ,‬ואת ההנחיות כיצד להגיע לכל אחת מההערכות‬

‫אלו‪ .‬בכלי זה ההערכות מבוססות על תצפיות בהתנהגויות קונקרטיות שעל התצפיתן‬ ‫להכיר ולבחון אותן במהלך התצפית‪ .‬התצפיתן לומד להימנע מהערכות כוללניות‬ ‫שאינן מבוססות על תצפיות קונקרטיות (למורה כישורים טובים בניהול כיתה)‪ ,‬וכן‬ ‫להתמקד בהתנהגויות הרלוונטיות בכל אחד מתחומי ההערכה‪.‬‬ ‫במהלך תהליך ההכשרה הצופים עברו תהליך של 'כיול' (‪ )calibration‬שמסייע‬ ‫להם להשתמש בהערכות בדרך הדומה לשאר הצופים‪ .‬בתהליך זה ההערכות של‬ ‫התצפיתן מושוות ל'תצפיות מודל'‪ ,‬כך שניתן לראות עד כמה ההערכות של התצפיתן‬ ‫בהכשרה דומות להערכות שניתנו על אותו גירוי (סרט על התנהגות מורה בכיתה) על‬ ‫ידי מפתחי הכלי (המהווים את 'המודל')‪ .‬באחת הדוגמאות שהחוקרות מביאות‪,‬‬ ‫תהליך ההדרכה כלל שלושים שעות הכנה ולמידה‪ ,‬שבסופן התצפיתנים נבחנו‪ .‬אולם‪,‬‬ ‫תהליכי הליווי וההדרכה נמשכים גם לאחר שההכנה הראשונית הסתיימה‪ .‬זאת‪ ,‬כדי‬ ‫למנוע מצב של 'סחיפה' (‪ )drift‬עם הזמן‪ ,‬ואיבוד העיגון עם שנלמד במהלך‬ ‫ההכשרה‪.‬‬ ‫תצפית עצמית‪ ,‬ניטור עצמי (‪self monitoring, systematic self-‬‬ ‫‪)observation‬‬ ‫בחלק מהמחקרים המשתתף עצמו צופה על התנהגותו ומתעד אותה 'בזמן‬ ‫אמת'‪ .‬לשיטת תצפית זו יתרונות וחסרונות‪ .‬אפשר באמצעותה לצפות בהתנהגויות‬ ‫וגם ללמוד על תחושות שקשה להגיע אליהן באמצעים אחרים ובעיתוי הנכון‪ .‬כך‬ ‫למשל‪ ,‬משתתפים יכולים לתעד את מה שהם אוכלים‪ ,‬את השימוש שלהם בטלפון‪,‬‬ ‫את התחושות שלהם ברגע נתון ועוד‪ .‬הקושי בשיטת תצפית זו נובע מהעובדה‬ ‫שעצם תהליך התצפית העצמית משפיע על האדם‪ .‬למעשה‪ ,‬יש טכניקות התערבות‬ ‫המבוססות על העדויות האמפיריות המשכנעות שהעובדה שאדם מתעד את‬ ‫התנהגותו ואת רגשותיו עשויה להשפיע על התנהגותו ותחושותיו בעתיד‪ .‬לדוגמה‪,‬‬ ‫רישום בזמן אמת של מאכלים וכמויות אוכל שאדם צורך‪ ,‬הוא אחד האמצעים‬ ‫שהוכיחו עצמם בהפחתת הכמויות של המזון הנצרך‪ ,‬ובהתאם הפחתת משקל (ראו‬ ‫למשל סקירה שיטתית (‪.)Burke, Wang, & Sevick, 2011‬‬ ‫תצפית משתתפת (‪)participant observation‬‬ ‫נפתח ונדגיש שהשימוש בשיטה זו‪ ,‬המשלבת תצפיות וכלי מחקר נוספים (כגון‬ ‫ראיונות)‪ ,‬נעשה בדרך במסגרת מחקרים איכותניים והיא מורכבת ועשירה מכדי‬ ‫שניתן יהיה להציגה בפירוט במסגרת זו (קוראים המעוניינים ללמוד על דרך מחקרית‬ ‫זו מוזמנים לעיין במקורות כגון ‪ .)Grinnell & Unrau, 2010‬כאן נסתפק רק בהצגה‬ ‫ראשונית‪.‬‬ ‫חוקרים בוחרים בתצפיות משתתפות כשהם מבקשים להתקרב למושאי המחקר‬ ‫שלהם בדרך שתבטיח שיוכלו לצפות בהם בתנאים טבעיים ככל שניתן ובאופן פתוח‬ ‫ולא מתגונן על ידי מושאי התצפית‪ .‬כך מנסים החוקרים להבין את זווית הראייה‬ ‫המיוחדת למושאי מחקרם‪ .‬בתהליכים של תצפית משתתפת החוקר מצטרף לקהילה‬ ‫שאותה הוא רוצה לחקור‪ ,‬מתקרב לאנשים שבה‪ ,‬יוצר יחסי אמון‪ ,‬משתתף בחייהם‪,‬‬ ‫בטקסים ובאירועים מיוחדים וצופה בחיי היום יום שלהם בהיותו חלק מהם‪ ,‬על אף‬ ‫שברור שהוא אינו דומה לשאר חברי הקהילה‪ .‬בכך מנסה החוקר להיחשף באופן‬

‫בלתי אמצעי ולאורך זמן ניכר לרבדים עמוקים יותר של התרבות המקומית‪ ,‬גם‬ ‫לאותם רבדים שחברי הקהילה עצמה יתקשו לנסח ולתאר באופן מילולי‪.‬‬ ‫בעבר נעשה שימוש רב בתצפיות מסוג זה במחקרים אנתרופולוגיים כדי ללמוד‬ ‫ולהכיר תרבויות לא מערביות‪ .‬במשך השנים נעשה שימוש בתצפיות אלו גם כדי‬ ‫לחקור 'תת‪-‬תרבויות' שהחוקר מחפש דרך להתקרב ולהבין אותן על אף שהוא אינו‬ ‫שייך לה‪ .‬כך למשל‪ ,‬חוקרים ערכו תצפיות משתתפות בקרב קבוצות אסירים שהיו‬ ‫מעורבות בקבוצות טיפול של 'צדק מאחה' (‪ .)restorative justice‬במסגרת זו‪,‬‬ ‫הצופה שימש כעוזר למנחה קבוצה לצדק מאחה וכך היה חלק בלתי נפרד‬ ‫מהתהליכים‪ ,‬תוך כדי תצפית לא מובנת על התהליכים הקבוצתיים‪ .‬במחקר זה‬ ‫הצופה לא הקליט את השיחות הקבוצתיות ולא ניהל רישום שוטף כדי לא להפריע‬ ‫לתהליכים הטבעיים של הקבוצה‪ .‬מיד לאחר כל מפגש‪ ,‬הצופה תיעד את כל רשמיו‬ ‫מהמפגש‪ .‬כמו כן‪ ,‬אחת לזמן מה נערך ראיון מעמיק עם הצופה כדי לקבל ממנו מידע‬ ‫מקיף והתרשמויות על התהליכים שלהם היה עד ובהם נטל חלק ( & ‪Armour‬‬ ‫‪.)Sliva, 2016‬‬ ‫בדרך כלל‪ ,‬אנשי מחקר העושים שימוש בתצפית משתתפת אינם מסתירים את‬ ‫זהותם בפני המשתתפים האחרים‪ ,‬ומשקיעים זמן רב בכניסה הדרגתית לתוך‬ ‫הקהילה‪ ,‬תוך יצירת יחסי אמון בינם ובין חברי הקהילה הנחקרת‪ .‬עם זאת‪ ,‬יש גם‬ ‫מקרים שבהם הצופה בוחר (לאחר קבלת אישור של ועדת אתיקה) להסתיר את‬ ‫זהותו‪ ,‬ובמידה רבה להציג את עצמו כאדם אחר ממי שהוא‪ .‬כך לדוגמה‪ ,‬ברנשטיין‬ ‫(‪ )Bernstein, 2012‬ערך מחקר שבו שולבו שלושה עוזרי מחקר בצוות העובדים של‬ ‫מפעל מכוניות‪ ,‬מבלי ליידע את שאר העובדים (רק מנהל המפעל והאחראי על‬ ‫משאבי אנוש ידעו מי הם)‪ .‬המטרה הייתה לזהות תהליכים המתרחשים על רצפת‬ ‫המפעל שאינם חשופים למי שאינו עובד ייצור‪.‬‬ ‫בעשורים האחרונים יש שימוש גובר בתצפית משתתפת באינטרנט‪ .‬בשיטת‬ ‫תצפית זו החוקר מצטרף לקהילה באינטרנט ומשתתף בפעילויותיה לאורך זמן‪ ,‬תוך‬ ‫כדי שהוא מנסה לתעד את התהליכים המתרחשים בקבוצה‪ .‬לדוגמה‪ ,‬חוקר ביקש‬ ‫ללמוד על חייהם של טרנסג'נדרים המתמודדים עם סוגיות שונות בחייהם‪ ,‬ובעיקר‬ ‫סוגיות הנוגעות למשמעות ההגדרות הרפואיות למיהו טרנסג'נדר‪ .‬החוקר הצטרף‬ ‫לקבוצות של טרנסג'נדרים בפייסבוק וכן ביו‪-‬טיוב ופורומים באינטרנט‪ .‬הוא השתתף‬ ‫באופן פעיל בדיון וכמו רבים אחרים בקבוצות אלו‪ ,‬הוא הביע את דעותיו‪ ,‬העלה‬ ‫פוסטים‪ ,‬הגיב לפוסטים של אחרים וכדומה‪ .‬החוקר מציין שהוא התייחס לאינטרנט‬ ‫כאל 'שדה המחקר' שלו‪ .‬עם זאת‪ ,‬החוקר‪ ,‬וחוקרים אחרים שערכו סקירה שיטתית‬ ‫של תצפית משתתפת באינטרנט‪ ,‬מצביעים על המורכבות הכרוכה בשדה מחקר זה‬ ‫שגבולותיו בזמן ו'במקום' אינם תחומים‪ ,‬כפי שמקובל בתצפיות משתתפות הנערכות‬ ‫בשדות מחקר מסורתיים‪ ,‬כמו קהילה או מקום גיאוגרפי‪.‬‬ ‫תצפיות משתתפות מעלות שאלות רבות בכל הנוגע לתגובתיות בעת התצפית‪,‬‬ ‫ולמידה שבה ההתנהגויות שבהן אנו צופים הן אומנם ההתנהגויות והתופעות שבהן‬ ‫יש לנו עניין או אולי אלו התנהגויות המהוות תגובה לנוכחות של הצופה‪ .‬אלו הן כמובן‬ ‫סוגיות מרכזיות הנידונות בהרחבה בספרות הענפה העוסקת בתצפיות משתתפות‪.‬‬ ‫חוקרים בתחום זה עיצבו את תהליכי התצפית בדרכים שנועדו להגביר את התקפות‬

‫והמהימנות שלהם‪ .‬התייחסות מעמיקה לסוגיות אלו ניתן לראות למשל ב‪-‬‬ ‫‪.Musante, & DeWalt, 2010‬‬ ‫‪^^##402‬ניתוח תוכן – כמותי‬ ‫אחת הדרכים לאסוף מידע היא באמצעות ניתוח של חומרים קיימים כגון מסמכים‪,‬‬ ‫סרטים והקלטות‪ ,‬המכילים חומר מילולי או ויזואלי‪ .‬כך למשל‪ ,‬נעשה שימוש בניתוח‬ ‫תוכן של טקסים שונים ובהם‪ :‬נאומי מנהיגים‪ ,‬פרוטוקולים של ישיבות‪ ,‬תיקי‬ ‫מטופלים‪ ,‬הקלטות של טיפולים נפשיים‪ ,‬תכנים של סרטים‪ ,‬בחינת הסטריאוטיפים‬ ‫בספרי ילדים ודוגמאות רבות אחרות‪ .‬ניתוח תוכן של ראיונות וטקסטים אחרים הוא‬ ‫כלי מרכזי בניתוח מידע שנאסף במחקר איכותני‪ .‬במסגרת פרק זה נתמקד בניתוח‬ ‫תוכן המוביל לניתוח כמותי של הממצאים‪ .‬ניתן לראות ניתוח תוכן כמותי במידה רבה‬ ‫כשימוש בתצפית מובנה ולא פולשנית על חומרים מילוליים או ויזואליים‪.‬‬ ‫לניתוח תוכן יתרונות וחסרונות ויש לבחון את התאמתו לשאלת המחקר‬ ‫המעניינת אותנו‪ .‬למשל‪ ,‬לשיטה זו עשוי להיות יתרון במצבים מסוימים שבהם אנו‬ ‫מנסים להבין תהליכים ועמדות כפי שהיו בנקודת זמן מסוימת בעבר וכל ניסיון לבקש‬ ‫תיאור רטרוספקטיבי עלול להיתקל בבעיות זיכרון‪ ,‬בראייה מעוותת של העבר‪,‬‬ ‫שייתכן שהן מכוונות מתוך מטרה להסתיר או שהדבר נובע מתוך ראיית עולם מוטה‬ ‫שאינה מודעת למציאות‪ .‬דוגמה מעולה למצב כזה בישראל היא ניתוח פרוטוקולים‬ ‫של ישיבות שנערכו על ידי מקבלי החלטות‪ ,‬כגון החלטות בנושא מדיניות עלייה‪,‬‬ ‫יישוב עולים במקומות מסוימים ולא אחרים‪ ,‬פינוי תושבים ממקומות מסוימים ועוד‪.‬‬ ‫בניגוד לדרך שבה המעורבים בהחלטות אלו (או אלו המבקשים להגן עליהם) ירצו‬ ‫להציג החלטות אלו כיום‪ ,‬פרוטוקולים אלו עשויים לחשוף עמדות ושיקולים שהיו‬ ‫מקובלים על מקבלי ההחלטות בעבר‪ ,‬אך הם אינם יכולים להודות בהם בפומבי כיום‪.‬‬ ‫ניתוח תוכן הוא כלי מרכזי במחקרים בתחום התקשורת המילולית והחזותית‪,‬‬ ‫בין היתר ניתוח פרסומות‪ ,‬משדרי תעמולה ובחירות‪ ,‬ספרי ילדים וספרי לימוד‪.‬‬ ‫לדוגמה‪ ,‬קבוצת חוקרים השוותה ספרי לימוד באנגלית ממלזיה‪ ,‬אינדונזיה‪ ,‬בנגלדש‬ ‫ופקיסטן (‪ .(Islam & Asadullah, 2018‬במסגרת המחקר הם בחנו סטריאוטיפים‬ ‫מגדריים הנוגעים לנשים‪ ,‬כפי שהן מופיעות ומצגות בספרים אלו‪ .‬בין היתר הם השוו‬ ‫מה שיעור הנשים המופיעות בטקסט ובתמונות (פחות במידה ניכרת מאשר גברים)‪,‬‬ ‫ובאלו פעילויות מופיעים הגברים (פעילויות מחוץ לבית) בהשוואה לנשים (פעולות‬ ‫אחזקת הבית)‪ .‬הניתוח אפשר גם לזהות הבדלים ניכרים בין המדינות שנבדקו‪.‬‬ ‫בדוגמה אחרת ניתחו אהרוני וקופר (‪ (2015‬תוכן של תגוביות (טוקבקים) לכתבות‬ ‫שפורסמו בישראל ואשר עסקו בהתעללות בקשישים ובהזנחתם‪ .‬סך הכול ניתחו‬ ‫החוקרות ‪ 3,463‬יחידות שהתייחסו לחמישים כתבות‪ .‬בניתוח זה עמדו החוקרות על‬ ‫משתנים שונים ובהם‪ :‬מה סוג השיח‪ ,‬מה סגנון התגובה ומהם הנושאים הנכללים‬ ‫בתגובה‪.‬‬ ‫ניתוח תוכן הוא שיטה המתאימה למצבים שבהם מנסים לזהות התנהגויות‬ ‫מורכבות ודפוסים של תופעות הדורשים ניתוח מעמיק של חומר גלם רב‪ .‬דוגמה‬ ‫בולטת היא ניתוח הקלטות של טיפולים נפשיים‪ .‬בהקלטות אלו יש מידע נרחב ביותר‬ ‫על תהליכי הטיפול‪ ,‬כפי שהם עולים בדברי המטופל והמטפל‪ .‬הדרך הסבירה היחידה‬

‫למצות חלק ממידע זה‪ ,‬היא לנתח את תכני השיחות העולים מההקלטות‪ .‬לעיתים‬ ‫קרובות‪ ,‬את אותם חומרי גלם ניתן לנתח מזוויות שונות ולבחון שאלות מחקר אחרות‪.‬‬ ‫לדוגמה‪ ,‬חוקרים באוסטרליה רצו לבחון האם 'אירועי שינוי משמעותיים'‬ ‫(‪ )Significant Change Events‬בטיפול מערבים תכנים קוגניטיביים באופיים או‬ ‫דווקא רגשיים‪ .‬חוקרים אלו ניתחו הקלטות (אודיו) של טיפולים פסיכולוגיים‪ ,‬ובחנו‬ ‫מילים ומשפטים שהופיעו בנקודות זמן שהוגדרו כאירועי שינוי משמעותיים‪ .‬החוקרים‬ ‫מצאו שיש שילוב של שימוש במילים המביעות רגש עז‪ ,‬לצד ביטויים המצביעים על‬ ‫תובנות קוגניטיביות (‪ .(McCarthy, Caputi, & Grenyer, 2017‬חוקרים אחרים‬ ‫עשויים לנתח את אותן הקלטות כדי לבחון כיצד מתפתחת הברית הטיפולית לאורך‬ ‫הטיפול‪.‬‬ ‫עוד נציין כי ניתוח תוכן הוא חסכוני במשאבים והחומרים שנאספו יכולים לשמש‬ ‫מחקרים אחדים ולא מחקר יחיד‪ .‬למשל‪ ,‬במחקר שערכנו על קבלת החלטות לשחרור‬ ‫מצה\"ל עקב בעיות נפשיות ערכנו ניתוחי תוכן של מאות תיקום של חיילים שהובאו‬ ‫לדיון בוועדות המתאימות‪ ,‬וערכנו השוואות בין מקרים שבהם התקבלה החלטה‬ ‫לשחרר את החייל לאחרים‪ .‬אילו היינו צריכים לאסוף מידע זה רק בעבור המחקר‪,‬‬ ‫היה נדרש מאתנו זמן רב והשקעה גדולה מאוד של משאבים‪.‬‬ ‫לשיטה זו לאיסוף נתונים יש גם מגבלות‪ ,‬הנובעות בעיקר מהעובדה שהחומר‬ ‫שאנו מנתחים לא נאסף בצורה מכוונת כדי לענות לשאלות המחקר שלנו‪ .‬בדוגמה‬ ‫שניתנה לעיל מצאנו שונות רבה בתיעוד שערכו המטפלים למאפייני החיילים שהגיעו‬ ‫לטיפולם ואת ההנמקות שלהם להחלטה האם לשחרר מהשירות הצבאי‪ .‬בדומה‪,‬‬ ‫במחקר שנועד לבחון קבלת החלטות של ועדות תכנון לטיפול בעניינם של ילדים‬ ‫בסיכון‪ ,‬נמצא שבדוחות ובתיקים רבים שנדונו היה חסר מידע רב‪ .‬כמו כן גם‬ ‫כשהמידע נמצא בתיקים‪ ,‬הוא אינו מאפשר הבחנות רגישות לגבי תופעות‪ ,‬אלא‬ ‫בעיקר מאפשר לדעת אם מידע מסוים קיים או לא‪ .‬למשל‪ ,‬ניתן לנתח את התיק‬ ‫ולקבוע האם מוזכרת הזנחה פיזית‪ ,‬אך בדרך כלל אין דרך להעריך את חומרת‬ ‫ההזנחה בצורה מהימנה‪ ,‬שכן הניסוחים בתיק מעורפלים‪.‬‬ ‫‪^^##403‬מה ניתן ללמוד מניתוח תוכן‬ ‫כאשר עורכים ניתוח תוכן אפשר להתמקד במידע עובדתי‪ ,‬כגון האם המטופל‬ ‫בתיק שאנו מנתחים שירת בצבא‪ ,‬נשפט למאסר בפועל‪ ,‬למד באוניברסיטה ועוד‪.‬‬ ‫לעיתים בחינת התוכן היא בנושאים מופשטים ולא קונקרטיים ודורשים מידה מסוימת‬ ‫של פירוש עדויות המצויות בתיק‪ .‬לדוגמה‪ ,‬האם בתיק יש עדויות לקשיים בתעסוקה‪,‬‬ ‫תחושות דיכאון‪ ,‬פוסט טראומה וכדומה‪.‬‬ ‫לעיתים הניתוח דורש פרשנות מקיפה ועמוקה יותר של המידע המופיע בחומר‪.‬‬ ‫כך למשל‪ ,‬בחנו חוקרים מחשבות שכתבו חולי סרטן בתהליכי החלמה ביומן שיועד‬ ‫לכך (‪ .)Conley & Andersen, 2019‬המשתתפים כתבו את מחשבותיהם לכל תחום‬ ‫בנפרד כגון יחסים עם אחרים‪ ,‬מחשבות על העולם‪ ,‬על העצמי ועוד‪ .‬שלושה מקודדים‬ ‫בחנו כל אחת מהמחשבות הרשומות ומיינו אותן לקטגוריות‪ .‬פעולה זו הניבה ‪22‬‬ ‫קטגוריות שונות כגון מחשבות על טיפולים אלטרנטיביים‪ ,‬הרצון לצאת לחופשה‪,‬‬ ‫תפיסות של אנשים אחרים לגבי המחלה‪ ,‬מחשבות באשר לשינוי במקום מגורים‬

‫ועוד‪ .‬בשלב הבא של המחקר‪ ,‬בחנו שני מקודדים כל אחת מהמחשבות הרשומות‬ ‫וסימנו לאלו קטגוריות היא שייכת‪.‬‬ ‫במחקרים שבהם עורכים ניתוח תוכן‪ ,‬בעיקר בתחום התקשורת‪ ,‬יש גם‬ ‫התייחסות לצורה ולמבנה של החומר‪ .‬לדוגמה‪ ,‬בניתוח ראיונות‪ ,‬ניתן לבחון את משך‬ ‫הזמן שבו מדבר כל אחד מהמשתתפים בראיון‪ ,‬ולהשוות את משך הזמן היחסי‬ ‫שמדבר המרואיין בסוגי ראיונות שונים‪ ,‬כמו גם‪ ,‬שינויים במבנה הראיון לאורך זמן‪.‬‬ ‫כך למשל‪ ,‬ניתן לבחון האם יש הבדל בין משך הזמן שבו מטופלים מדברים למשך‬ ‫הזמן שבו מדברים מטפלים‪ ,‬והאם הבדלים אלו שונים בין סוגי טיפול שונים או בין‬ ‫נקודות זמן שונות במהלך הטיפול‪.‬‬ ‫בניתוחי תוכן של מסרים ויזואליים אפשר להתייחס לסוגיות כמו שימוש בצבע‪,‬‬ ‫מה נמצא בחזית המסר ומה מהווה רקע‪ .‬כך למשל‪ ,‬מחקר בחן פרסומות לתרופות‬ ‫שהופיעו בטלוויזיה האמריקנית‪ .‬במסגרת המחקר ניתחו החוקרים את המסרים‬ ‫הוויזואליים המלווים את החלק בפרסומת המדווח על הסכנות ועל תופעות הלוואי של‬ ‫התרופה‪ .‬המפרסמים חייבים על פי חוק להציג מידע זה‪ ,‬אך נראה שהם מנסים‬ ‫להשתמש במסרים ויזואליים כדי להטות את תשומת הלב של הצופים הרחק‬ ‫מהסכנה‪ .‬בין היתר הם מצאו כי במהלך הצגת הטקסט העוסק בתופעות הלוואי‬ ‫האפשריות של התרופה‪ ,‬שהוא מטבעו מורכב וקשה להבנה‪ ,‬הפרסומת הציגה‬ ‫תמונות חיוביות מלוות במוזיקה קצבית‪ ,‬של אנשים מאושרים בשגרת חיים טובה‪,‬‬ ‫וצמצמו את נוכחותם של המסרים המאיימים ( ‪Sullivan, Aikin & Poelman,‬‬ ‫‪.)2019‬‬ ‫‪^^##404‬תהליכי ניתוח תוכן כמותיים‬ ‫בכל ניתוח תוכן יש מספר צעדים‪.‬‬ ‫הגדרת יחידת הניתוח‬ ‫אחד השלבים הראשונים המקובלים בניתוח תוכן היא ההחלטה 'מהי יחידת‬ ‫הניתוח'‪ .‬בדרך כלל יש בפני החוקר מידע המופיע במבנה המקורי שלו‪ :‬סרטי קולנוע‬ ‫או פרסומות‪ ,‬ספרים‪ ,‬מכתבים‪ ,‬פרוטוקולים או תיעוד של אינטראקציה מילולית‬ ‫מתמשכת‪ .‬על החוקר להחליט האם כל סרט קולנוע הוא יחידת ניתוח אחת או אולי‬ ‫כל סצנה; האם ראיון מוקלט עם מטופל יהווה יחידת ניתוח אחת או אולי כל אחד‬ ‫מ'חילופי מילים מטפל‪-‬מטופל' או כל יחידת זמן בת שלוש דקות‪ .‬אלו הן שאלות שיש‬ ‫לענות עליהן לפני ניתוח התוכן‪ .‬החלטות אלו מתקבלות בכל שדה מחקר על בסיס‬ ‫אופי החומר שאותו מנתחים‪ ,‬שאלות המחקר והמסגרות התיאורטיות שמנחות את‬ ‫המחקר‪ .‬להלן דוגמאות המצביעות על הבחירה ביחידות ניתוח שונות במחקרים‬ ‫בתחומים שונים‪.‬‬ ‫במחקר על עימותים וויכוחים בבחירות‪ ,‬החוקר הגדיר כיחידת ניתוח כל שאלה‬ ‫שנשאלה על ידי המנחה (‪ .)Turcotte, 2017‬במחקר על ניסיונות השפעה על סדר‬ ‫היום (‪ )agenda setting‬באולימפיאדת לונדון ‪ ,2012‬יחידת הניתוח הייתה 'ציוץ‬ ‫בטוייטר' (‪.)Blaszka, Burch, Frederick, Clavio & Walsh, 2012( )tweets‬‬ ‫במחקר על ההתייחסות ל'תחושות בטן' של מתמחים ברפואה בדיונים שנערכו עם‬ ‫המנחים שלהם‪ ,‬התייחסו החוקרים לכל אחד מהמופעים שבהם דיבר המנחה או‬

‫המתמחה (‪ )turn‬כאל יחידה שחולקה להיגדים שעסקו כל אחד בנושא אחר‬ ‫(‪ .)Stolper et al., 2015‬ניתן לראות שחלוקה זו ליחידות היא מורכבת יותר‪ ,‬משום‬ ‫שהיא דורשת הערכה של מנתח התוכן האם להיגד מסוים יש תוכן שונה משל היגד‬ ‫אחר במידה המצדיקה התייחסות אליו כאל יחידה נפרדת‪ .‬במקרים מעין אלו יש‬ ‫חשיבות רבה לבחינת המהימנות התוך אישית והבין אישית של המקודדים‪ ,‬כדי לוודא‬ ‫שגם החלוקה ליחידות ולהיגדים נעשית באופן דומה על ידי מקודדים שונים‪.‬‬ ‫במחקר על שינויים בקרב מי שטופלו בדיכאון באמצעות האינטרנט‪ ,‬החוקרים‬ ‫בחנו כל אחת מהמילים שבהם השתמשו המטופלים כשתיארו מה היו הסיבות שלהם‬ ‫לפנייה לטיפול ותיארו את מצבם הנוכחי‪ .‬ניתוח זה נעשה באמצעות תוכנת מחשב‬ ‫שקודדה כל אחת מהמילים לפי עולמות תוכן שנקבעו על ידי החוקרים כגון מילים‬ ‫המעידות על רגש שלילי‪ ,‬רגש חיובי‪ ,‬מילים המצביעות על סיבה למצבם ועוד ( ‪(Van‬‬ ‫‪ ..der Zanden, Galindo-Garre, Curie, & Cuijpers, 2014‬במחקרים רבים‬ ‫יחידת הניתוח מוגדרת כפרק זמן‪ ,‬כגון שלושים שניות במהלך ראיון‪ ,‬או מאה מילים‬ ‫רצופות בטקסט‪.‬‬ ‫דגימה של יחידות ניתוח‬ ‫לעיתים‪ ,‬מספר יחידות הניתוח שיש בכל טקסט הוא גדול מאוד ואין זה ריאלי‬ ‫לנסות להקיף את כולן‪ .‬לדוגמה‪ ,‬חוקר מנסה לבחון שינויים לאורך זמן בשימוש‬ ‫בביטויים הקשורים לעצב ולדיכאון אצל מטופלים בשיטות טיפול שונות‪ .‬הוא מבקש‬ ‫להשוות בין שני סוגי טיפולים ובכל סוג טיפול הוא בוחן מספר מטפלים ומספר‬ ‫מפגשים טיפוליים בני חמישים דקות כל אחד‪ .‬יחידת הניתוח היא מספר המילים‬ ‫הקשורות למצב רוח שלילי ולמצב רוח חיובי ביחידת ניתוח של דקת דיבור‪ .‬בדוגמה‬ ‫זו‪ ,‬יש לשקול דגימה של יחידות ניתוח‪ ,‬משום שכמות יחידות הניתוח בחומר עלולה‬ ‫להיות רבה ביותר‪ ,‬הרבה מעבר למשאבים העומדים לרשות החוקר‪ .‬בפרק ‪ 9‬נדון‬ ‫בשיטות דגימה שונות ונשוב לדוגמה זו כדי להצביע על שיטת דגימה שעשויה להיות‬ ‫מתאימה‪ .‬כאן נציין שאנו עשויים לבחור לדגום בנפרד בעבור כל מפגש טיפולי‪ ,‬לכל‬ ‫זוג מטפל‪-‬מטופל ובתוך כל מפגש לבחור באופן מקרי עשר הזדמנויות שבהן המטופל‬ ‫דיבר לפחות שלושים שניות‪.‬‬ ‫ניסוח הגדרות תפעוליות‬ ‫ניתוח התוכן הכמותי המתבצע על כל יחידת ניתוח מחייב הגדרות תפעוליות‬ ‫לכל אחד ממשתני המחקר‪ .‬לעיתים‪ ,‬יש לחוקר המגיע למחקר הגדרות תפעוליות‬ ‫מוסכמות שכבר נעשה בהן שימוש במחקרים קודמים‪ ,‬הגדרות המשקפות מושגים‬ ‫רלוונטיים לתיאוריה בתחום זה‪ ,‬וחשוב לחזור ולהשתמש בהגדרות אלה בדרך זהה‬ ‫לזו שנעשתה במחקרים קודמים כדי להבטיח את היכולת לשחזר (‪.)replicability‬‬ ‫דוגמה ידועה לשיטה של ניתוח תוכן המשתמש בהגדרות תפעוליות מוכרות‬ ‫(ומחייבות) היא תהליך שפיתח בלס (‪ )Bales‬לניתוח תהליכי אינטראקציה בקבוצות‬ ‫קטנות ()‪ .)Bales, 1950 ,Interaction Process Analysis, IPA‬זו למעשה שיטה‬ ‫שפותחה בעבור תצפית מובנית על פעילות של קבוצות קטנות‪ ,‬אך ניתן לראות אותה‬ ‫גם כשיטה לניתוח תוכן משום שהיא יעילה בניתוח הקלטות ושכתובים של ראיונות‪.‬‬ ‫בניתוח מתייחסים לכל אחד מהדוברים ומסמנים אותם על פי ‪ 12‬קטגוריות כגון‬

‫מסכים עם דברי האחרים‪ ,‬אינו מסכים‪ ,‬מראה התנגדות (‪ ,(antagonism‬מעלה‬ ‫הצעה‪ ,‬מבקש הצעות‪ ,‬מציג עמדה‪ ,‬מבקש שאחרים יציגו עמדה ועוד‪ .‬קטגוריות אלו‬ ‫שייכות לממדים ממוקדי יחסים ורגש (‪ )social emotional‬באופן חיובי ושלילי‬ ‫וממוקדי משימה (‪ .)Task‬לכל אחת מהקטגוריות יש הגדרה תפעולית מוסכמת‬ ‫ומחייבת‪ .‬לדוגמה‪ ,‬אלו חלק מההנחיות המפורטות לקידוד פעולה כידידותית‪:‬‬ ‫‪Seems Friendly:‬‬ ‫‪Any act showing hospitality, being neighborly, expressing‬‬ ‫‪sympathy, or similarity of feeling; indicates of being‬‬ ‫‪attracted, demonstrations of affection; urging of unity or‬‬ ‫‪harmony; expressing of desire for cooperation or‬‬ ‫;‪solidarity; showing a protective or nurturing attitude‬‬ ‫;‪praising, rewarding, approving, or encouraging others‬‬ ‫;‪sustaining or reassuring a person having difficulty‬‬ ‫‪complementing or congratulating; exchanging, trading, or‬‬ ‫;‪lending objects (e.g., a pen); confiding in another‬‬ ‫‪expressing gratitude or appreciation, surrendering or‬‬ ‫…;)‪giving into another (e.g., when interrupted‬‬ ‫חוקרים המבקשים לעשות שימוש ב ‪ IPA -‬צריכים לאמן את מנתחי התוכן‬ ‫לעבוד בצורה שיטתית עם הגדרות אלו‪ ,‬ולהגיע לרמה מחייבת של מהימנות תוך‪-‬‬ ‫אישית ובין אישית‪ .‬דוגמה לשימוש עדכני בשיטה זו ניתן למצוא במחקר חלוץ שערכה‬ ‫קטלדי (‪ )Cataldi, 2018‬שהתמקד ביחסים בין מתשאל לנשאל בשיטות תשאול‬ ‫שונות‪ ,‬והשווה בין יחסים אלו במצבים של ראיונות עומק בהשוואה לקבוצות מיקוד‪.‬‬ ‫לעיתים‪ ,‬ההגדרות התפעוליות של משתני המחקר נלקחות ממקורות שונים‬ ‫ואינם מהווים שיטת ניתוח אחת כמו ב‪ IPA-‬המתוארת למעלה‪ .‬דוגמה עדכנית היא‬ ‫מחקר שביקש להבין את מהות היחסים הבין אישיים לכאורה (‪ )parasocial‬הנוצרים‬ ‫בין צופים ובין האישיות המפורסמת המופיעה בערוץ יוטיוב (‪ .)YouTube‬כלומר‪,‬‬ ‫המידה שבה צופה עשוי לחוש שמדובר באדם אמיתי ואותנטי וזאת על סמך ניתוח‬ ‫סרטוני וידאו שבהם מופיעה אישיות זו‪ .‬החוקרים התמקדו בעשרת הערוצים‬ ‫הפופולריים ביותר והציגו שורה של השערות באשר לתכנים ולמאפיינים צורניים של‬ ‫סרטוני הווידאו ובהן‪ :‬מה הקשר בין דרגת החשיפה העצמית של האישיות ומאפייניה‬ ‫(חשיפה של היבטים חיוביים‪ ,‬שליליים או ניטרליים) ובין היחס החברתי לכאורה‬ ‫אליה; מה הקשר בין כיוון המבט של האישיות ובין היחס אליה; מה הקשר בין זווית‬ ‫הצילום ובין היחס החברתי לכאורה לאישיות?‬ ‫(‪.(Ferchaud, Grzeslo, Orme, & LaGroue, 2018‬‬ ‫החוקרים השתמשו בכלים שונים שהותאמו לשימוש זה לכל אחד מהמשתנים‬ ‫בהשערות‪ .‬כך למשל השתמשו בשיטה מקובלת להעריך את המידה והתוכן של‬ ‫חשיפה עצמית‪ ,‬לערוך קטגוריזציה של הסרטון ( ‪Gaming, tutorial, product‬‬ ‫‪ ,)reviews, sketches, vlogs, music videos, podcasts, and other‬להעריך‬ ‫בסולם בן חמש קטגוריות באיזו מידה הסרטון נתפס כאותנטי ומציאותי‪ ,‬לסווג את‬

‫זווית הצילום של האישיות לפי מספר קטגוריות (פני האישיות אינם מופיעים‪ ,‬פנים‬ ‫מופנות למצלמה‪ ,‬פנים אינם מופנות למצלמה) ועוד‪.‬‬ ‫במקרים רבים אחרים‪ ,‬תהליך עיצוב ההגדרה התפעולית מבוסס במידה רבה‬ ‫על למידה של החומר הקיים ובחינה של מה ניתן להפיק ממנו ומה לא מופיע בו‪.‬‬ ‫במחקר שבחן מהם המאפיינים של משפחות אומנה שקלטו בהצלחה ילדים לעומת‬ ‫משפחות אומנה שבהם הסידור קרס ונכשל‪ ,‬ערכנו ניתוח של דוחות מובנים שהוכנו‬ ‫על ידי העובדים אשר טיפלו בתהליכי הקבלה והמיון של הילדים‪ .‬היו לנו השערות‬ ‫מוקדמות באשר לסיבות המבחינות בין המשפחות‪ ,‬אך עיון בדוחות הבהיר שעלינו‬ ‫לבחון תחילה את הדוחות ולא להתבסס על מה שאנו חושבים שאמור היה להיות‬ ‫בדוחות אלו (צרויה‪.(2018 ,‬‬ ‫במקרים מעין אלו מתבצע תהליך מוקדם של ניתוח תוכן‪ ,‬שמטרתו לזהות מה‬ ‫המשתנים שנראה שיש עליהם מידע ומה המשתנים שרק במקרים ספורים יש אליהם‬ ‫התייחסות‪ .‬יש לזהות לגבי כל אחד מהנושאים (טיב היחסים בין הורי האומנה‪ ,‬טיב‬ ‫היחסים בין הורי האומנה למשפחת המוצא שלהם‪ ,‬טיב היחסים בין הורי האומנה‬ ‫לילדיהם הביולוגיים)‪ ,‬את הנושאים השונים שעולים מתוך החומר הקיים‪ ,‬ולבדוק אם‬ ‫ניתן לזהות סוגיות מסוימות שאליהן יש התייחסות ברמה סבירה בחומר הקיים‪ .‬כך‬ ‫למשל‪ ,‬ניתן לראות ברוב הסיכומים שהעובדים ציינו אם הורי האומנה המיועדים‬ ‫יכולים לסמוך על עזרה של משפחות המוצא שלהם‪ .‬במצב זה ניתן להעמיק ולבחון‬ ‫אם יש מידע נוסף בתחום זה כדי להמשיך לקטגוריות מדויקות יותר‪ .‬במקרה הנוכחי‪,‬‬ ‫שבו המידע לא היה עשיר ועקבי דיו‪ ,‬נאלצנו לסווג את המידע המופיע בדוחות‬ ‫כדלקמן‪ .1 :‬יש מידע המצביע על תמיכה ממשפחת המוצא‪ .2 .‬יש מידע המצביע על‬ ‫קושי בקבלת תמיכה ממשפחת המוצא‪ .3 .‬אין מידע על תמיכה ממשפחת המוצא‪.‬‬ ‫אימון להגברת המהימנות של מנתחי התוכן ובדיקת מהימנות‬ ‫כמו כל דרך מדידה אחרת‪ ,‬חוקרים העושים שימוש בניתוח תוכן מבקשים‬ ‫להגביר את מהימנותו של הכלי ולתעד אותה‪ ,‬כדי להצביע על תכונות פסיכומטריות‬ ‫סבירות‪ .‬במחקרים אלו יש תהליכים מקדימים של אימון החוקרים העוסקים בניתוח‬ ‫התוכן בהכרת הקטגוריות לניתוח‪ ,‬הצגת דוגמאות כיצד יש לבצע קטגוריזציה נכונה‬ ‫וכן בדיקה חוזרת ונשנית של מידת ההסכמה של מנתחי תוכן על הקטגוריות‬ ‫והערכים שבהם בחרו‪ .‬לאחר מכן מתקיים דיון על אי ההסכמות ובמקרים רבים‬ ‫החוקרים הבכירים הם אלו המכריעים‪ .‬מקובל לקבוע רף של הסכמה שעד שלא‬ ‫הגיעו אליו‪ ,‬לא מאפשרים לכל אחד מהמקודדים לנתח את התוכן באופן עצמאי‪.‬‬ ‫למשל‪ ,‬במחקר של פרשוד ועמיתיו (‪ (2018‬המקודדים נדרשו להגיע להסכמה בין‬ ‫אישית שהתבטאה במקדם מהימנות בין מקודדים העולה על ערך של ‪ .70%‬רבים‬ ‫משתמשים במדד המהימנות של קריפנדורף (‪ )Krippendorf‬שהוא דמות בעלת‬ ‫השפעה מכרעת בתחום (למשל‪.)Krippendorf, 2004 ,‬‬ ‫קידוד וקידוד ממוחשב‬ ‫מנתחי התוכן מקודדים את החומר על פי כללי הקידוד שנקבעו ואשר הגיעו לרף‬ ‫של הסכמה בין מנתחי התוכן כך שיאפשר להם לקודד‪ .‬בעשורים האחרונים נעשה‬ ‫שימוש רב בתוכנות הסורקות את הטקסט ומבצעות עיבודים מורכבים שונים‬

‫המאפשרים לחוקרים לקודד כמויות משמעותיות ביותר של תוכן באופן מהיר‪ ,‬וחשוב‬ ‫יותר‪ ,‬באופן עקבי‪ ,‬קרי מהימן‪ .‬לדוגמה‪ ,‬מחקר שבחן כיצד סקרה חברת החדשות‬ ‫הרשמית של רוסיה ‪ ITAR-TASS‬את המלחמה באוקראינה ב – ‪ .2014‬המחקר‬ ‫סקר כתשעים אלף ידיעות חדשותיות שפורסמו על ידי חברה זו ומעל למאה אלף‬ ‫ידיעות שפורסמו על ידי חברת חדשות אחרת‪ .‬כל הפריטים נסרקו על ידי תוכנת‬ ‫מחשב ששילבה תוכנה גיאוגרפית שאיתרה את כל המקומות שהוזכרו בכתבה‬ ‫(ואפשרה להתמקד רק באזורים באוקראינה) ותוכנה שאפשרה לזהות את שמות‬ ‫התואר שנקשרו לביטויים כגון 'ריבונות' ו'דמוקרטיה' ולהעריך אם הן בטאו עמדה‬ ‫חיובית או שלילית‪ .‬נמצא מתאם גבוה בין ההערכות של תוכנת המחשב ובין ההערכה‬ ‫של בודקים אנושיים שבחנו מדגם של קטעים שנותחו על ידי התוכנה‪.‬‬ ‫עיבוד הנתונים והצגתם‬ ‫לאחר תהליכי הקידוד תורגם כל המידע המילולי והוויזואלי שנותח במסגרת‬ ‫המחקר לקודים ממוחשבים הניתנים לעיבוד כמו כל מידע כמותי אחר‪ .‬החוקרים‬ ‫מנתחים את המידע הזה לפי שאלות המחקר שהם הציגו‪ .‬כך למשל‪ ,‬הם עשויים‬ ‫להציג בלוח את התפלגות הקטגוריות השונות‪ .‬במחקר של סוליבן וחובריו על‬ ‫פרסומות לתרופות (‪ )Sullivan et al., 2019‬הציגו המחברים מידע תיאורי על מספר‬ ‫פרצי הווידאו (‪ ,)video shots‬כמה מתוכם היו חיובים (‪ )28‬ושליליים (‪ ,)1‬כמה‬ ‫מהצילומים שיקפו את הסכנות שבתרופה (אף לא אחד)‪ .‬במחקר אחר‪ ,‬נבחנו‬ ‫הקשרים שבין הקטגוריות שאליהן קודדו מחשבות של חולי סרטן מחלימים ובין‬ ‫הערכתם את אופי השינויים בחייהם‪ .‬כך למשל‪ ,‬נמצאו קשרים בין הימצאות מחשבות‬ ‫על מיניות ועל תופעות לוואי ובין הערכות שליליות על אופי השינוי בחיי המשתתפים‪.‬‬ ‫לסיכום חלק זה‪ ,‬נזכיר שניתוח תוכן הוא כלי נפוץ שמשתמשים בו במחקרים‬ ‫איכותניים‪ ,‬אך הוא כלי היכול לסייע רבות במחקרים בעלי דגש כמותי הבוחנים תכנים‬ ‫מילוליים וויזואליים‪ .‬תהליכי הקידוד השיטתיים והמובנים וההקפדה על מהימנות‬ ‫הקידוד‪ ,‬מאפשרים שימוש בנתונים לצורכי עיבוד כמותי‪.‬‬ ‫תרגילים לפרק ‪8‬‬ ‫פרק ‪9‬‬ ‫דגימה‬ ‫מבוא‬ ‫לעיתים אנו עורכים מחקר הממוקד באוכלוסייה שחשובה לנו ואנו יכולים להקיף את‬ ‫כולה‪ .‬מנהל מערכת חינוך עירונית עשוי לרצות לשמוע את קולם של כל התלמידים‬ ‫והמורים במערכת החינוך שלו‪ .‬מנהל שירות חברתי עשוי לבקש לקבל משוב על‬ ‫שביעות הרצון של כל הלקוחות המשתתפים בתוכנית של חלוקת מזון לנזקקים‪.‬‬ ‫במקרים מעין אלו‪ ,‬העניין שלנו מתמקד בקבוצה מוגדרת ואין בכוונתנו להכליל ממה‬ ‫שמצאנו לקבוצות אחרות‪.‬‬ ‫במצבים רבים אחרים‪ ,‬איננו יכולים להסתפק בקבוצה המצומצמת של‬ ‫המשתתפים במחקרנו‪ .‬שוו בנפשכם שאנו מעוניינים ללמוד על שביעות הרצון של‬

‫אלפים המשתתפים בתוכנית מסוימת‪ ,‬או שאנו מבקשים לשמוע מה חושבים עשרות‬ ‫אלפי הורים לתלמידים במערכת החינוך בתל אביב על איכות התוכניות לפעילויות‬ ‫אחר הצהרים שהעירייה מפתחת לתלמידיה‪ .‬במצבים אלו‪ ,‬הניסיון להגיע לכל‬ ‫אוכלוסיית המשתתפים אינו ריאלי ולכן עלינו לבחור תת קבוצה‪ ,‬כלומר‪ ,‬מדגם‪ ,‬מכלל‬ ‫אוכלוסיית המשתתפים‪ ,‬לערוך את המחקר רק על הקבוצה הנבחרת ולנסות להסיק‬ ‫ממה שלמדנו ממנה על האוכלוסייה המעניינת אותנו‪.‬‬ ‫הצורך במדגם בולט במיוחד במחקרים המציגים השערות מבוססות תיאוריה‪,‬‬ ‫המנסות לתאר תופעות שמאפיינות אוכלוסיות רחבות מכל מה שניתן לחקור באופן‬ ‫ישיר‪ .‬חשבו על חוקר המבקש לבחון את הקשר בין רמת האמפתיה של איש מקצוע‬ ‫ובין שינויים חיוביים אצל מטופל או על חוקרת המבקשת לבחון את הקשר בין‬ ‫בריונות המופנית כלפי תלמיד ובין מחשבות אובדניות של תלמיד וכן על חוקרים‬ ‫המבקשים לבחון אם תוכנית מנטורינג לצעירות בסיכון מגבירה את יכולתן להשתלב‬ ‫בלימודים ) ‪ .)https://mentoritil.wixsite.com/mentoring‬בכל הדוגמאות האלה‬ ‫החוקרים מבקשים לבחון תופעות שהן רחבות היקף‪ ,‬אך אינן אוניברסליות‪ ,‬שברור‬ ‫שלא ניתן למצות אותן על ידי כך שננסה לחקור את כל מי שעשוי להיות רלוונטי‬ ‫לשאלה שאנו מציגים‪.‬‬ ‫ברור לכן שמרכיב חשוב במחקרים רבים שנערוך יהיה בחירת מדגם מתאים‬ ‫לצרכינו‪ .‬מטרתנו בפרק זה היא ללמוד מה נדרש ממדגם זה‪ ,‬כיצד ניתן לדגום כך‬ ‫שהתהליך יבטיח לנו את המדגם הטוב ביותר האפשרי‪ ,‬מה צריך להיות גודל המדגם‬ ‫כדי שיענה לצרכים שלנו וכיצד נתמודד עם מצבים שבהם איננו יכולים לבצע את‬ ‫הדגימה בדרך המבטיחה את איכותה‪.‬‬ ‫‪^^##406‬מה אנו מצפים ממדגם טוב?‬ ‫חוקרת הבוחרת מדגם ואוספת נתונים על המדגם‪ ,‬אינה עושה זאת משום שיש‬ ‫לה עניין בתוצאות שיתקבלו לגבי הקבוצה שבחרה למדגם‪ .‬מטרתה היא כמובן‬ ‫להסיק מסקנות על האוכלוסייה שעליה היא מבקשת ללמוד‪ .‬משום כך היא זקוקה‬ ‫למדגם שיבטיח לה ככל האפשר‪ ,‬כי מהממצאים שתקבל היא תוכל להכליל‬ ‫לאוכלוסייה שעליה היא מבקשת ללמוד‪ .‬ככל שהמדגם דומה במאפייניו לאוכלוסייה‬ ‫הוא טוב יותר‪ .‬זוהי תכונה הידועה כ'ייצוגיות המדגם' (‪ )representativeness‬ונעמוד‬ ‫עליה מיד‪.‬‬ ‫לפני כן‪ ,‬נציין תכונה חשובה נוספת של המדגם‪ :‬כמעט ברור מאליו שכשאנו‬ ‫מסיקים מסקנות ממדגם‪ ,‬שהוא תת קבוצה של האוכלוסייה‪ ,‬אנו 'משלמים מחיר'‪ .‬אף‬ ‫מדגם אינו יכול להיות זהה בכל פרט ותג לאוכלוסייה שממנה נלקח וצפוי שהמדגם‬ ‫יהיה דומה אך לא זהה‪ .‬משום כך ברור שכשאנו מנסים להכליל ממדגם לאוכלוסייה‪,‬‬ ‫עלינו לעשות זאת בזהירות ולהכיר בכך שייתכנו אי דיוקים בהכללה ובהסקה זו‪.‬‬ ‫מדגם טוב הוא כזה המאפשר לנו להיות בטוחים יותר שההכללות שאנו עושים‬

‫מהמדגם לאוכלוסייה קולעות למטרה‪ ,‬ולפחות אינן רחוקות ממנה‪ .‬מאפיין זה של‬ ‫דגימה קשור למושגים של 'טעות דגימה' ו'עוצמת המדגם'‪ ,‬שנבחן אותם בהמשך‪.‬‬ ‫‪^^##407‬ייצוגיות‬ ‫אנו מבקשים שהמדגם ייצג את האוכלוסייה‪ .‬כלומר‪ ,‬שמאפיינים המצויים‬ ‫באוכלוסייה יבואו לידי ביטוי במדגם‪ ,‬מעין 'אוכלוסייה בזעיר אנפין'‪ .‬לדוגמה‪ ,‬אם אנו‬ ‫מבקשים ללמוד על אוכלוסיית הנשים שילדו לפני שהגיעו לגיל ‪ ,18‬חשוב לנו לוודא‬ ‫נקודות כגון אלו‪ :‬התפלגות ההשכלה של הנשים במדגם תהייה זהה לזו שקיימת‬ ‫באוכלוסיית הנשים שילדו לפני שהגיעו לגיל ‪ ,18‬שיעור הנשים הנשואות במדגם יהיה‬ ‫דומה לזה באוכלוסייה‪ ,‬התפלגות ארץ המוצא‪ ,‬דת‪ ,‬מספר הילדים במשפחת המוצא‪,‬‬ ‫אזור המגורים וכן שהישגים בלימודים והתפלגותם של מספר רב מאוד של מאפיינים‬ ‫אחרים תהייה דומה לזו באוכלוסייה‪ .‬יתרה מזו‪ ,‬כדי שהמדגם ייצג את האוכלוסייה‪,‬‬ ‫חשוב ששיעור הנשים במדגם שהן גם מוסלמיות וגם סיימו תיכון והן בעלות תעודת‬ ‫בגרות מלאה ואשר במשפחותיהן יש חמישה אחים והן גרות ביישוב עירוני‪ ,‬יהיה‬ ‫דומה להתפלגות המשותפת של כל המאפיינים האלה ועוד אין ספור מאפיינים‬ ‫אחרים באוכלוסייה‪ .‬לאור דוגמה זו ברור למדי שייצוגיות היא תמיד על רצף הנע בין‬ ‫'המדגם כלל לא מייצג את האוכלוסייה' ל‪' -‬המדגם מייצג בצורה טובה את‬ ‫האוכלוסייה'‪.‬‬ ‫עם זאת‪ ,‬חשוב להבין את הפרדוקס‪ :‬אם היינו יודעים עד כמה המדגם מייצג‬ ‫את האוכלוסייה‪ ,‬לא היינו צריכים כלל את המדגם! שהרי‪ ,‬אם היה לנו מידע מפורט‬ ‫על מאפייני האוכלוסייה‪ ,‬מה הטעם בדגימה? המשמעות היא שעלינו להתמקד‬ ‫בתהליך הדגימה שעשוי להבטיח מדגם מייצג ככל שניתן‪ .‬בחלקים הבאים נבהיר את‬ ‫המושג‪ :‬ייצוגיות המדגם ונפרט את התהליכים שעשויים להביא לכך שמדגם יהיה‬ ‫מייצג‪.‬‬ ‫אנו אומרים שמדגם מייצג את האוכלוסייה אם 'ההסתברות שפרט‬ ‫מהאוכלוסייה ייכלל במדגם שווה להסתברות הופעתו באוכלוסייה'‪ .‬דרך אחרת ודומה‬ ‫היא לומר שמדגם הוא מייצג אם 'לכל פרט באוכלוסייה יש סיכוי שווה להיכלל‬ ‫במדגם'‪ .‬ובדוגמה שהוצגה לעיל המדגם הוא מייצג כאשר לכל אחת מהנשים‬ ‫באוכלוסייה של נשים שילדו לפני גיל ‪ 18‬היה סיכוי שווה להיכלל במדגם ותהליך‬ ‫הדגימה הגיע גם לנשים בדואיות או לנשים שילדו בביתן וזה הילד השני שלהן‪ .‬ניתן‬ ‫לכן להבין‪ ,‬שאם החוקרת הסתמכה על רשומות מחדרי לידה‪ ,‬ייתכן שהייתה מחמיצה‬ ‫את היולדת שילדה בביתה‪ ,‬ובכך‪ ,‬המדגם שלה לא יכול היה להיות מייצג את כלל‬ ‫האוכלוסייה שעניינה אותה‪.‬‬ ‫‪^^##408‬כיצד ניתן להגיע למדגם מייצג‬ ‫כשאנו רוצים לוודא שמדגם שאנו יוצרים יהיה מדגם מייצג‪ ,‬יש נטייה‬ ‫אינטואיטיבית לנסות לכלול בו באופן שיטתי דוגמאות של כל מי שנמצא באוכלוסייה‪.‬‬ ‫אך זהו ניסיון לא ריאלי שאינו יכול להביא לתוצאות הרצויות כי בלתי אפשרי לכלול‬ ‫באופן מלא את כל הצירופים האפשריים הקיימים באוכלוסייה‪ .‬למשל‪ ,‬אנחנו יכולים‬ ‫לנסות לוודא שיש במדגם שלנו ‪ 40%‬נשים ערביות ו – ‪ 25%‬בעלות השכלה יסודית‪,‬‬ ‫כמו באוכלוסייה של יולדות לפני גיל ‪ ,18‬אך מה לגבי השילוב בין לאום ומגדר? ומה‬

‫לגבי מאפיינים אחרים כמו גיל? כפי שציינו קודם לכן כמות הצירופים היא אין סופית‪.‬‬ ‫ייתכן שאנו יודעים מה התפלגות הגילים של אוכלוסיית הנשים שילדו לפני גיל ‪,18‬‬ ‫אך בוודאי שאיננו יודעים פריטי מידע רבים על האוכלוסייה הזו‪ ,‬כגון מהו יחסם של‬ ‫הורים ליולדת ומהן הציפיות שלה לעתיד‪ ,‬נושאים העשויים להיות רלוונטיים לשאלות‬ ‫המחקר שלנו‪.‬‬ ‫משום כך‪ ,‬הדרך להתמודד עם תהליכי דגימה שיובילו למדגם מייצג‪ ,‬היא בדיוק‬ ‫בכיוון ההפוך מהאינטואיציה‪ .‬במקום לנסות לייצג תת קבוצות באוכלוסייה ולהיות‬ ‫שיטתיים בייצוג שלנו‪ ,‬אנו מנסים במכוון ללכת בכיוון ההפוך ולהיות ככל האפשר‬ ‫מקריים ולא שיטתיים‪ .‬במקום להתאמץ ולנסות לייצג כל תת קבוצה באוכלוסייה‪ ,‬אנו‬ ‫מנסים ליצור מצב שלא נושפע משום דבר ועל ידי כך ניתן לכל אחת מתת הקבוצות‪,‬‬ ‫גם לאלו שלא חשבנו עליהן ולא ידענו עליהן‪ ,‬הזדמנות להופיע במדגם שלנו‪ .‬זהו‬ ‫ההיגיון המנחה דגימה הסתברותית (‪ ,)probability sampling‬שהרעיון העומד‬ ‫מאחוריה הוא שלכל פרט באוכלוסייה יש הסתברות שווה להופיע במדגם‪ .‬המבחן‬ ‫הוא בתהליך הדגימה – עלינו לבצע את הדגימה בדרך שתבטיח שכל פרט‬ ‫באוכלוסייה יהיה בעל סיכויים שווים לכל פרט אחר להיכלל במדגם‪ .‬למשל‪ ,‬שתהיה‬ ‫הסתברות שווה להיכלל במדגם בית ספרי הן לתלמידים הנוטים להיעדר מהלימודים‬ ‫והן לתלמידים שקדנים המגיעים לבית הספר גם בחופשה‪ .‬נתאר כעת תהליכי דגימה‬ ‫העומדים‪ ,‬או המנסים לעמוד‪ ,‬בדרישה זו‪.‬‬ ‫‪^^##409‬אוכלוסייה‬ ‫חשוב לתת את הדעת למושג אוכלוסייה (‪ )population‬שאותו הזכרנו קודם‬ ‫המכונה לעיתים 'האוכלוסייה התיאורטית' ונבהיר מהי אוכלוסייה לצורכי הדיון שלנו‪.‬‬ ‫בדרך כלל אנו חושבים על אוכלוסיות של אנשים‪' :‬תלמידים בבתי ספר תיכוניים'‪,‬‬ ‫'נשים חרדיות העובדות בתעשיית הטכנולוגיה העילית'‪' ,‬ילדים שהוצאו מבית הוריהם‬ ‫עקב הזנחה והתעללות'‪' ,‬קשישים בבתי אבות'‪ .‬אולם‪ ,‬אוכלוסייה עשויה להיות גם‬ ‫פרטים שאינם אנשים‪' :‬כלל תאונות הדרכים בישראל שבהן מעורבים קשישים'‪,‬‬ ‫'עמותות ללא מטרת רווח העוסקות במתן סיוע לניצולי שואה'‪' ,‬מקרי אלימות‬ ‫במשפחה הגורמים לנזק גופני'‪' ,‬כתבות העוסקות במקרי בריונות בבית ספר'‪.‬‬ ‫בדוגמאות אלו ניתן אומנם למצוא התייחסות עקיפה לאנשים‪ ,‬אך הפרטים‬ ‫באוכלוסיות אלו אינו אדם מסוים אלא אירוע‪ ,‬גוף ארגוני‪ ,‬כתבה וכדומה‪ .‬כל מה‬ ‫שנאמר בהמשך על אוכלוסייה ותהליכי דגימה רלוונטי גם לאוכלוסיות אלו‪ ,‬שאינן‬ ‫מורכבות מאנשים‪.‬‬ ‫קורה לא פעם שחוקרים דנים במידת הייצוגיות של המדגם במחקרם ובוחנים‬ ‫עד כמה ניתן להכליל את הממצאים‪ ,‬אך מבלי שהגדירו כלל מה האוכלוסייה שלגביה‬ ‫הם רוצים להכליל‪ .‬זוהי כמובן טעות‪ .‬חיוני להגדיר את האוכלוסייה‪ ,‬כדי שיהיה ברור‬ ‫לגבי מי רוצים להכליל מהמדגם‪ .‬אם חוקרת הגדירה את אוכלוסיית המחקר שלה כך‪:‬‬ ‫כל הנשים המוסלמיות שילדו לפני הגיען לגיל ‪ 18‬בישראל בשנים ‪ ,2017 – 2012‬אך‬ ‫החוקרת לא כללה בתהליך הדגימה אמצעים להגיע לנשים שילדו בביתן‪ ,‬הרי המדגם‬ ‫שלה לוקה‪ ,‬על פניו‪ ,‬בחוסר ייצוגיות‪ .‬אך אם הגדרת האוכלוסייה של החוקרת‪ ,‬לצורכי‬ ‫המחקר שאותו בחרה לבצע‪ ,‬הייתה‪ :‬כל הנשים המוסלמיות שילדו בבתי החולים‬ ‫בישראל לפני הגיען לגיל ‪ ,18‬הרי העובדה שהמדגם שלה לא כלל נשים שילדו בבית‬

‫או מי שאינן מוסלמיות‪ ,‬לא תהייה עדות לחוסר ייצוגיות‪ .‬למעשה‪ ,‬העובדה שלא‬ ‫הכללנו נשים שילדו בביתן היא עדות לייצוגיות של מדגם ולא למגבלה שלו‪ ,‬אם‬ ‫האוכלוסייה שלנו הוגדרה כלידות בבתי חולים‪.‬‬ ‫הבחירה של חוקרת בהגדרה מסוימת של האוכלוסייה נובעת משאלות המחקר‪,‬‬ ‫מהתיאוריה המנחה אותה ומהמידה שבה היא מבקשת להקיף תופעה רחבה ככל‬ ‫האפשר‪ .‬חשוב לזכור שההגדרה צריכה לצפות פני עתיד ולשמש את החוקרת כאשר‬ ‫תגיע למדגם שייצג את האוכלוסייה שאותה היא שואפת להכליל‪ .‬כאן יש להפעיל‬ ‫שיקול דעת‪ :‬האם להגדיר את האוכלוסייה בדרך רחבה ולהכיר בהמשך בחוסר‬ ‫הייצוגיות של המדגם שאינו יכול להכיל הגדרה רחבה כל כך (בשלב הדיווח על‬ ‫'מגבלות המחקר')‪ ,‬או לצמצם את הגדרת האוכלוסייה מראש‪ ,‬מתוך הכרה במגבלות‬ ‫המדגם שאליו ניתן להגיע‪ .‬במקרה דנן‪ ,‬החוקרת עשויה לציין שיש לה עניין לחקור‬ ‫את היחסים בין הורים ובין צעירות שילדו לפני גיל ‪ ,18‬ללא קשר לשאלה אם הן ילדו‬ ‫בבית חולים או בבית‪ .‬אולם‪ ,‬במחקר הנוכחי היא תתמקד באוכלוסייה שילדה בבתי‬ ‫חולים כי אין לה אפשרות לחקור אוכלוסיות נוספות‪ .‬עם זאת‪ ,‬היא תחפש דרכים‬ ‫במחקרים עתידיים להרחיב את שאלת המחקר ולהתייחס לאוכלוסייה רחבה יותר של‬ ‫נשים שילדו לפני גיל ‪ ,18‬בבתי חולים או בכל מסגרת אחרת‪ .‬כפי שהדגשנו בפרקים‬ ‫הראשונים‪ ,‬על אף שהדגימה נערכת בשלב מתקדם של תהליך המחקר‪ ,‬חשוב‬ ‫להתייחס למצבים עתידיים ולשקול אם הגדרת האוכלוסייה היא ריאלית וניתן יהיה‬ ‫להגיע למדגם מייצג של האוכלוסייה בצורה סבירה‪ ,‬או אולי כדאי להקטין ציפיות‬ ‫ולהגדיר אוכלוסייה מצומצמת יותר שהסיכויים לייצג אותה גבוהים‪.‬‬ ‫‪^^##410‬מסגרת הדגימה (‪)sampling framework‬‬ ‫אוכלוסיית המחקר מופיעה כהגדרה מופשטת‪ .‬חוקר המבקש לערוך מחקר צריך‬ ‫לבצע את תהליך הדגימה באופן קונקרטי‪ ,‬בשטח‪ .‬כדי להבטיח שתהליכי הדגימה‬ ‫מאפשרים לכל פרט באוכלוסייה סיכוי שווה להידגם‪ ,‬עליו לדעת מי הם כל הפרטים‬ ‫הנכללים באוכלוסייה‪ .‬משום כך‪ ,‬הוא נזקק לרשימה של כל הפרטים השייכים‬ ‫לאוכלוסייה המעניינת אותו‪ .‬לרשימה זו אנו קוראים מסגרת הדגימה‪ .‬למשל‪ ,‬חוקר‬ ‫שרוצה ללמוד על תאונות דרכים שבהן מעורבים קשישים בישראל בעשור האחרון‪,‬‬ ‫חייב שתהיה בידיו רשימה הכוללת את כל תאונות הדרכים בעשור האחרון בישראל‪,‬‬ ‫וכן פירוט הגילים של המעורבים בתאונות‪ .‬חוקרת המבקשת לבחון עמדות של אנשי‬ ‫מקצוע בעמותות לגבי תהליכי הפרטה‪ ,‬זקוקה לרשימה של כל אנשי המקצוע‬ ‫בעמותות‪ ,‬וחוקרים הבוחנים את היחסים בין מנהלי בתי ספר יסודיים להורים‪ ,‬זקוקים‬ ‫לרשימה של כל מנהלי בתי הספר היסודיים‪.‬‬ ‫לעיתים‪ ,‬רשימה של הפרטים באוכלוסייה היא נגישה‪ .‬ניתן לקבל את רשימת כל‬ ‫בתי הספר היסודיים בארץ‪ ,‬והיא תהייה שלמה ומעודכנת למדי‪ .‬ייתכן שגם רשימת‬ ‫תאונות הדרכים בעשור האחרון בישראל וגילי המעורבים בהן ניתנת להשגה‪.‬‬ ‫במקרים רבים אחרים‪ ,‬השגת רשימה מעין זו קשה‪ ,‬עד בלתי אפשרית‪ .‬ראשית‪ ,‬נבחן‬ ‫מצב שרשימה כזו קיימת‪ ,‬או שניתן להפיק אותה‪ ,‬כגון רשימת בתי הספר היסודיים‪,‬‬

‫ובהמשך נדון במצבים שבהם קשה או בלתי אפשרי להשיג את רשימת הפרטים‬ ‫במסגרת הדגימה‪.‬‬ ‫‪^^##411‬פערים בין האוכלוסייה למסגרת דגימה‬ ‫במשרד החינוך קיימת רשימת כל בתי הספר היסודיים (הציבוריים) במדינה‪.‬‬ ‫לכאורה‪ ,‬יש בידינו חפיפה מלאה בין הגדרת האוכלוסייה ובין מסגרת הדגימה‪ .‬אולם‪,‬‬ ‫גם כשניתן להשיג רשימה של כל הפרטים באוכלוסייה‪ ,‬ייתכן שיש פערים מסוימים‬ ‫בין ההגדרה התיאורטית של האוכלוסייה לרשימה שקיבלנו‪ .‬למשל‪ ,‬ייתכן שבמועד‬ ‫שבו נקבל את רשימת בתי הספר היסודיים הרשימה לא תהיה מעודכנת ויופיעו בה‬ ‫בתי ספר שכבר נסגרו או שהרשימה לא תכלול בתי ספר שזה עתה נפתחו‪ .‬לפער זה‬ ‫בין האוכלוסייה למסגרת הדגימה עלולות להיות כמובן השלכות על מידת הייצוגיות‬ ‫של המדגם המתבסס על הרשימה‪ .‬למשל‪ ,‬אם בתי הספר החדשים שנוספו וטרם‬ ‫עודכנו שייכים למגזר החרדי ולעומתם בתי ספר המופיעים ברשימה אך אינם קיימים‬ ‫הם דווקא בתי ספר חילוניים באזורים בעלי מעמד סוציו‪-‬אקונומי גבוה‪ ,‬הרי בכל‬ ‫דגימה שתתבסס על מסגרת הדגימה יהיה תת‪-‬ייצוג לבתי ספר במגזר החרדי וייצוג‪-‬‬ ‫יתר לבתי ספר חילוניים במעמד סוציו‪-‬אקונומי גבוה‪ ,‬שמספרם באוכלוסייה נמוך‬ ‫ממה שניתן להסיק ממסגרת הדגימה‪.‬‬ ‫במקרים אחרים שבהם ניתן להפיק את הרשימה של מסגרת הדגימה‪ ,‬ייתכנו‬ ‫פערים גדולים אף יותר בין האוכלוסייה התיאורטית למסגרת הדגימה‪ .‬שוו בנפשכם‬ ‫שרשימת התאונות המעודכנת במשרד התחבורה מבוססת רק על תאונות שדווחו‬ ‫למשטרה (למשל‪ ,‬לצורכי ביטוח)‪ .‬מכאן‪ ,‬שסביר שרשימה זו כוללת תאונות רבות עם‬ ‫נפגעים‪ ,‬אך רק מעט תאונות ללא נפגעים מצאו את דרכן לרשימה‪ .‬נניח‪ ,‬לשם‬ ‫הדוגמה בלבד‪ ,‬שנהגים קשישים מעורבים בתאונות קלות רבות שבהן הנהגים פגעו‬ ‫במכונית שלפניהן עקב אי שמירת מרחק או עקב תגובה איטית לעצירה פתאומית של‬ ‫הנהג האחר‪ .‬במקרה כזה‪ ,‬מסגרת הדגימה לא תיתן לתאונות אלו ייצוג מספק‪,‬‬ ‫וכמובן שמדגם מתוך מסגרת זו‪ ,‬גם זה שייעשה בדרכים היעילות ביותר‪ ,‬לא יוכל‬ ‫לייצג את האוכלוסייה התיאורטית שהוצגה בשאלת המחקר‪ .‬המסקנה מכל האמור‬ ‫כאן היא שכל בחינה ביקורתית של מידת הייצוגיות של מדגם‪ ,‬חייבת לכלול‬ ‫התייחסות לפערים אפשריים בין ההגדרה התיאורטית של האוכלוסייה לדרך שבה‬ ‫היא מיוצגת במסגרת הדגימה‪.‬‬ ‫‪^^##412‬ממסגרת הדגימה אל המדגם‬ ‫נניח שיש בידנו מסגרת דגימה המספקת אותנו כדי להמשיך בתהליך‪ .‬רשימה זו‬ ‫מכילה פרטים שאותם עלינו למספר‪ .‬למשל‪ ,‬ייתכן שבידינו רשימה של ‪76,000‬‬ ‫תאונות המהוות את מסגרת הדגימה שלנו‪ .‬כעת‪ ,‬עלינו לפעול בדרך שתבטיח שלכל‬ ‫פרט ברשימה של מסגרת הדגימה יש סיכוי שווה להיכלל במדגם‪ .‬כלומר‪ ,‬נצטרך‬ ‫לבחור מתוך רשימת התאונות המלאה‪ ,‬מדגם של תאונות בתהליך שאין בו הטיה‬ ‫כלשהי שתביא לכך שנבחר תאונות אלו ולא אחרות‪ .‬כלומר‪ ,‬נצטרך לנקוט בתהליכי‬ ‫דגימה המבטיחים מדגם הסתברותי מייצג‪ .‬בחלקים הבאים נתאר דרכים מקובלות‬

‫שיבטיחו מדגם הסתברותי על סמך מסגרת דגימה העומדת לרשותנו והכוללת את‬ ‫רשימת הפרטים השייכים לאוכלוסייה‪.‬‬ ‫‪^^##413‬שימוש בלוח מספרים מקריים‬ ‫כפי שציינו‪ ,‬מטרתנו היא לערוך הליך דגימה שבו לא יהיה מנגנון כלשהו שיגרום‬ ‫לכך שלפרטים או לקבוצות מסוימות יהיה סיכוי גדול או קטן יותר משל אחרים‬ ‫להשתתף במדגם‪ .‬משמע‪ ,‬עלינו לנסות להגיע למקריות ולחוסר סדר בתהליך‬ ‫הבחירה של הפרטים ממסגרת הדגימה‪ .‬בתרגילים שערכתי בכיתות שבהן לימדתי‪,‬‬ ‫ביקשתי מהתלמידים להכין רשימות של מספרים מקריים כלומר שאי אפשר יהיה‬ ‫למצוא הגיון כלשהו בסדר המספרים‪ ,‬בטווח של ‪ .100 – 1‬התלמידים הכינו רשימות‬ ‫אשר בעיניהם נראו מקריות‪ .‬במרבית הרשימות הופיע מספר נמוך אחרי מספר גבוה‬ ‫(כדי לאזן אותו)‪ ,‬ולא ניתן היה למצוא מספרים עוקבים או מספרים החוזרים על‬ ‫עצמם‪ .‬בכך שיקפו התלמידים את הדרך האינטואיטיבית שבה אנו מאמינים‬ ‫שמקריות פועלת‪ .‬אולם‪ ,‬במציאות‪ ,‬המקריות פועלת בדרכים מורכבות מאוד ומספרים‬ ‫עוקבים או סדרה של מספרים גבוהים שאחריה מספרים נמוכים היא סבירה בדיוק‬ ‫כמו כל צירוף אחר‪ .‬גם עבודותיהם של טברסקי‪ ,‬כהנמן ואחרים הצביעו על פערים בין‬ ‫התחושה האינטואיטיבית שלנו באשר לתהליכים מקריים ובין התהליכים שנראו‬ ‫במציאות (‪ .)Tversky & Kahneman, 1981‬נראה לכן שזו תהייה טעות להישען על‬ ‫התפיסה האינטואיטיבית שלנו לגבי מקריות בבחירת פרטים ממסגרת הדגימה כדי‬ ‫לכלול אותם במדגם‪ .‬למזלנו יש אלטרנטיבה לאינטואיציה של החוקר‪.‬‬ ‫אנשי מדע רבים הקדישו מאמצים ניכרים כדי למצוא סדר והיגיון בצירופי‬ ‫מספרים‪ .‬לעומתם‪ ,‬יש גם אנשי מדע שהתאמצו לייצר סדרות של מספרים‪ ,‬שהמייחד‬ ‫אותן הוא חוסר סדר ומקריות‪ .‬אלו הן סדרות מספרים שבהן אי אפשר למצוא היגיון‬ ‫או שיטתיות כלומר‪ ,‬הסיכוי שמספר אחד יופיע ולאחריו יופיע מספר גבוה יותר שווה‬ ‫לסיכוי שהמספר שלאחריו יהיה דווקא נמוך יותר‪ ,‬ואין שום סדר הגיוני בצירופי‬ ‫המספרים‪ .‬התוצאה היא לוחות של 'מספרים מקריים' המכילים אלפי מספרים‬ ‫המאורגנים בלוחות שבכל אחד מהם אין שום סדר ושיטה בהופעת המספרים‪ ,‬גם‬ ‫כשבוחנים את הלוחות בצורה אופקית או אנכית וגם במבט אלכסוני‪ .‬רשימות של‬ ‫מספרים מעין אלו יכולות לכן לשמש אותנו בניסיון להבטיח שלא נכניס הטיה שיטתית‬ ‫כלשהי בבחירת הפרטים שייכללו במדגם (ראו למשל ‪.)Blalock, 1960‬‬ ‫‪^^##414‬שימוש בפונקציות סטטיסטיות ליצירת מספרים מקריים‬ ‫בעבר היה מקובל להשתמש בלוחות של המספרים המקריים שהופיעו בספרי‬ ‫הסטטיסטיקה כדי לדגום מדגם מקרי‪ .‬עם השנים פותחו אמצעים המאפשרים לנו‬ ‫לייצר מספרים מקריים בדרכים קלות ונגישות‪ ,‬הנוחות יותר לשימוש מאשר לוחות‬ ‫למספרים מקריים‪ .‬במרשתת יש אתרים אחדים המאפשרים ליצור בקלות מספרים‬ ‫מקריים‪ .‬למשל‪ ,‬באתר ‪mathgoodies‬‬ ‫‪http://www.mathgoodies.com/calculators/random_no_custom.html‬‬ ‫‪ ,‬ניתן לציין טווח של מספרים (לדוגמה‪ )45,000 – 1 -‬ולבקש לייצר מספר רנדומלי‬ ‫בטווח זה‪ .‬כל לחיצה על מקש ה‪ enter‬מפיקה מספר מקרי נוסף‪ ,‬כך שניתן לבחור‬ ‫בעזרתו את הפרט המתאים במסגרת הדגימה‪ .‬לדוגמה‪ ,‬כשביקשתי מספרים מקריים‬

‫בין ‪ 1‬ל – ‪ ,45,000‬חמשת המספרים הראשונים שקיבלתי היו‪,42 ,29 ,136 ,3 :‬‬ ‫‪ .34 390‬כשאתם תנסו לייצר מספרים מקריים באמצעות אתר זה תקבלו כמובן‬ ‫מספרים אחרים‪ ,‬הנובעים מהמנגנונים הסטטיסטיים שנועדו להפיק מספרים מקריים‪.‬‬ ‫לעיתים‪ ,‬הרשומות של מסגרת הדגימה מצויות בקובץ אקסל או ‪.SPSS‬‬ ‫במקרים מעין אלו‪ ,‬אפשר ליצור משתנה נוסף שהוא מספר מקרי‪ ,‬לצד מספר הזיהוי‬ ‫של הרשומה המקורית‪ .‬באקסל הדבר נעשה על ידי )(‪ = rand‬ובתוכנת ‪ SPSS‬ניתן‬ ‫ליצור משתנה חדש (כיניתי אותו בשם המקרי ‪ ,)Mikri‬תוך ציון ערכי המינימום‬ ‫והמקסימום הרלוונטיים למחקרכם ‪:‬‬ ‫)‪Compute mikri=RV.UNIFORM(1,45000‬‬ ‫הפקודה הזו תיצור‪ ,‬בעבור כל אחת מהרשומות במסגרת הדגימה המופיעות‬ ‫בקובץ ה ‪ SPSS‬שלכם‪ ,‬משתנה נוסף שהוא מספר מקרי‪ .‬לדוגמה‪ ,‬כשהשתמשתי‬ ‫בתוכנה קיבלתי לצד חמש הרשומות הראשונות במסגרת הדגימה שלי את המספרים‬ ‫– ‪ .7009 13085 27548 19409 6285‬כמובן‪ ,‬שבזכות התהליך המקרי‪ ,‬מספרים‬ ‫אלו לא יחזרו על עצמם כשהקוראים ינסו את התהליך בתוכנה שלהם‪.‬‬ ‫כעת‪ ,‬לכל רשומה במסגרת הדגימה יש מספר מקרי הצמוד לה‪ .‬נניח שמסגרת‬ ‫הדגימה שלכם מכילה ‪ 45,000‬רשומות‪ .‬כדי לשלוף מדגם ובו ‪ 350‬רשומות מתוך‬ ‫מסגרת הדגימה הגדולה זו‪ ,‬הדרך הפשוטה היא למיין את הרשומות לפי הערך של‬ ‫המשתנה המכיל את המספר המקרי‪ ,‬ולבחור את ‪ 350‬הרשומות הראשונות או‬ ‫האחרונות (ולמעשה כל קבוצה אחרת של ‪ 350‬רשומות עוקבות) במסגרת הדגימה‬ ‫הממוינת‪.‬‬ ‫‪^^##415‬דגימה מקרית שיטתית‬ ‫נניח שיש לנו רשימה של ‪ 50,000‬עובדים סוציאלים בישראל השייכים לאיגוד‬ ‫העובדים הסוציאלים ואנו מבקשים לדגום באופן מקרי ‪ 400‬מתוכם‪ .‬כלומר‪ ,‬אנחנו‬ ‫צריכים מדגם המהווה ‪ 400/50,000‬מהרשימה (‪ .)1/125‬לערך הזה של ‪1/125‬‬ ‫קוראים 'יחס (או צעד) הדגימה'‪ .‬במילים אחרות‪ ,‬אם מתוך כל ‪ 125‬עובדים‬ ‫סוציאלים נבחר עובד סוציאלי אחד‪ ,‬נגיע ל‪ .400-‬כיצד נבחר את אותם עובדים‬ ‫סוציאלים כך שהם יהוו מדגם מקרי? התהליך הוא כדלהלן‪ .‬יש להכין רשימה‬ ‫ממוספרת של כל הפרטים במסגרת הדגימה‪ .‬למשל‪ ,‬רשימת כל החברים הרשומים‬ ‫באיגוד‪ .‬הרעיון בדגימה זו הוא לבחור פרטים למדגם על ידי דילוגים שיטתיים‬ ‫ברשימה שיצרנו‪ .‬כלומר‪ ,‬אנחנו בוחרים באופן מקרי את נקודת ההתחלה של הדגימה‬ ‫ולאחר מכן אנו דוגמים על ידי כך שאנו מדלגים על מספר מסוים של פרטים‪ ,‬ובמקרה‬ ‫זה מדלגים ‪ 125‬מקומות‪ .‬לדוגמה‪ ,‬בחרנו באופן מקרי להתחיל מפרט מספר ‪ 25‬ואז‬ ‫נדלג על ‪ 125‬פרטים‪ ,‬ונגיע ל‪ ,150 -‬לסמן אותו כשייך למדגם‪ ,‬ומשם לדלג ‪125‬‬ ‫פרטים נוספים ולהגיע ל‪ ,275-‬לסמן אותו כשייך למדגם‪ ,‬לדלג לפריט ‪ ,400‬לסמן‬ ‫אותו‪ ,‬לדלג ל‪ ,525 -‬לסמן אותו וכך הלאה‪ ,‬עד שנשלים הכללה של ‪ 400‬פרטים‬ ‫במדגם‪ .‬אם בדוגמה אחרת נבקש להגיע למדגם של ‪ 500‬מרפאים בעיסוק מתוך‬

‫מסגרת דגימה של ‪ 8,000‬אנשי מקצוע‪ ,‬יחס הדגימה הוא ‪ 500/8000‬ששווה ל ‪1/18‬‬ ‫ונבצע את הבחירה השיטתית בקפיצות של ‪.18‬‬ ‫שיטה זו יכולה להביא למקריות שאנו מבקשים‪ ,‬אלא אם מתקיימים תנאים‬ ‫מסוימים שעלולים לפגוע במקריות‪ .‬צריך להיזהר שמא הדרך שבה מסודרת רשימת‬ ‫הפרטים במסגרת הדגימה עלולה לפגוע במקריות‪ .‬לדוגמה‪ ,‬נניח שאנו רוצים לדגום‬ ‫הורים מתוך רשימת כל ההורים בבית הספר (ונניח שמדובר בהורים ממשפחות‬ ‫שלמות שבהן לכל ילד שני הורים)‪ .‬אם הרשימה מאורגנת כך ששני בני הזוג מופיעים‬ ‫זה ליד זה‪ ,‬הרי ברור שבמדגם שלנו לא יכללו שני בני זוג‪ ,‬כי הם קרובים מאוד זה‬ ‫לזה ברשימה ובאופן שיטתי הם לא ייבחרו יחד להיכלל במדגם‪ .‬יתרה מזו‪ ,‬אם אנו‬ ‫מדלגים במספרים זוגיים (נניח כל הורה ‪ ,)50‬הרי יתכן שנבחר רק אבות או רק‬ ‫אימהות‪ .‬בדוגמה אחרת‪ ,‬נניח שאנו מבקשים ללמוד על יחסים בין תלמידים בכיתה‪.‬‬ ‫אם תלמידים יקבלו מספרים לפי סדר הישיבה בכיתה‪ ,‬הרי ישנה אפשרות סבירה‬ ‫שבה כל מי שייכלל במדגם הם תלמידים שאינם יושבים קרוב זה לזה בכיתה‪ .‬ייתכן‬ ‫שמצב זה ייפגע ביכולת שלנו להכליל מהיחסים בין התלמידים במדגם ליחסים בין‬ ‫התלמידים באוכלוסייה‪ ,‬הכוללת גם תלמידים היושבים זה לצד זה‪ .‬ודוגמה נוספת‪,‬‬ ‫אם אנו בוחרים מתוך רשימה של פונים לפי תאריך הגעתם ללשכה לשירותים‬ ‫חברתיים‪ ,‬ויחס הדגימה המסוים שבחרנו מביא אותנו משום מה לבחור בעיקר פונים‬ ‫שהגיעו ללשכה בסוף החודש‪ ,‬אנו עלולים להגיע להטיה‪ .‬נציין‪ ,‬שאם הרשימה‬ ‫מסודרת בסדר אלפביתי של שמות משפחות‪ ,‬יש החוששים לבעייתיות בדגימה כי‬ ‫לחלק משמות המשפחה (כהן‪ ,‬לוי) יש יותר סיכוי להידגם‪ .‬אך‪ ,‬זהו חשש שווא‪ ,‬משום‬ ‫שאם יש יותר פרטים ברשימת הדגימה ששמם לוי‪ ,‬מן הראוי שמספרם הרב ישתקף‬ ‫במדגם שאנו בוחרים‪ ,‬כך שהסיכוי שלהם להיכלל במדגם יהיה שווה לחלקם‬ ‫באוכלוסייה‪.‬‬ ‫‪^^##416‬דגימת שכבות (‪)stratified sample‬‬ ‫בחלקים הקודמים הצגנו שיטות שונות (לוח מספרים מקריים‪ ,‬דגימה מקרית‬ ‫שיטתית) שמטרתן להגיע למדגם הסתברותי מייצג‪ .‬לעיתים דגימה מקרית פשוטה‪,‬‬ ‫כמו אלו שהצגנו‪ ,‬אינה מהווה פתרון טוב‪ ,‬ויש לשקול שיטות מורכבות יותר‪ .‬נניח‬ ‫שחוקר מתכוון לחקור משפחות שבהן שני הורים לילד עם סכרת נעורים ומבקש‬ ‫להשוות בין רמות הדחק של האבות לעומת האימהות‪ .‬החוקר מתכונן לתהליך‬ ‫הדגימה מתוך ידיעה שברצונו להשוות בין שתי קבוצות ההורים‪ ,‬שגודלן באוכלוסיית‬ ‫המחקר שלו שווה‪ .‬אנו מכנים את קבוצת ההורים ואת קבוצת האימהות 'שכבות'‬ ‫באוכלוסייה‪ .‬אם יבחר באחד התהליכים שתיארנו קודם‪ ,‬הוא עלול (בהסתברות‬ ‫מסוימת‪ ,‬אולי לא גדולה‪ ,‬אך קיימת) לקבל מדגם מקרי שבו שיעור האימהות שונה‬ ‫באופן משמעותי משיעור האבות‪ .‬אפשרות זאת היא חלק מהטעות שעליו לקבל‬ ‫בתהליך הדגימה המקרי‪ .‬החוקר יכול להחליט לפעול בדרך אחרת‪ ,‬לפצל את תהליך‬ ‫הדגימה המקרית ולדגום מחצית מהמדגם בנפרד מתוך אוכלוסיית האבות ואת‬ ‫המחצית השנייה לדגום מאוכלוסיית האימהות‪ .‬המדגם שיקבל החוקר יהיה מקרי‪,‬‬ ‫כפי שרצה‪ ,‬אך בדגימה הנפרדת של כל שכבה‪ ,‬הוא מנע את האפשרות לקבל מדגם‬

‫שבו ההתפלגות של אימהות מול אבות הייתה שונה מ ‪ ,50:50‬שאנו יודעים שהיא‬ ‫מתקיימת באוכלוסייה‪ .‬במקרים אלו לדגימת השכבות יש יתרון משמעותי‪.‬‬ ‫נאמר לכן‪ ,‬שבמקרים שבהם אנו יודעים מראש שנבקש לערוך השוואות בין‬ ‫קבוצות‪ ,‬ואנו יודעים כיצד השייכות הקבוצתית מתפלגת באוכלוסייה‪ ,‬יש מקום לשקול‬ ‫'דגימת שכבות'‪ ,‬קרי‪ ,‬לדגום באופן נפרד מכל שכבה‪ .‬לדוגמה‪ ,‬במחקר שערכנו על‬ ‫אלימות במערכת החינוך רצינו לקבל מידע על קורבנות של תלמידים לאלימות בנפרד‬ ‫לתלמידים בבתי הספר היסודיים‪ ,‬בחטיבת הביניים ובחטיבות העליונות (בנבנישתי‬ ‫וחובריו‪ .)2005 ,‬משום כך‪ ,‬בתהליכי הדגימה זיהינו שכבות לפי סוג בית ספר ואת‬ ‫הדגימה ערכנו בנפרד בקרב תלמידים בבתי הספר היסודיים‪ ,‬בחטיבות הביניים‬ ‫ובחטיבות העליונות‪ .‬זאת ועוד‪ ,‬התבקשנו להעריך האם יש הבדלים ברמות‬ ‫הקורבנות לפי הפיקוח על בתי הספר‪ :‬ממלכתי יהודי‪ ,‬ממלכתי ערבי וממלכתי דתי‪.‬‬ ‫לכן רצינו לדגום בנפרד מכל קבוצה‪ .‬למעשה‪ ,‬שילבנו את השכבות כך שדגמנו בנפרד‬ ‫מכל צירוף של שכבות (כגון תלמידים בבתי ספר יסודיים בממלכתי דתי‪ ,‬תלמידים‬ ‫בבתי ספר תיכוניים במגזר הערבי וכדומה)‪ .‬בדוגמה זו יש תשעה תאים (שלושה סוגי‬ ‫בתי ספר כפול שלושה סוגי פיקוח)‪ .‬בדגימת שכבות זו‪ ,‬נעשית דגימה מקרית מכל‬ ‫אחד מהתאים בנפרד‪.‬‬ ‫יש להבחין בשני סוגים של דגימת שכבות‪ :‬פרופורציונלית ולא פרופורציונלית‪.‬‬ ‫בדגימה מהסוג הראשון אנו דואגים לכך שבכל אחת מהשכבות במדגם יש מספר‬ ‫פרטים המשקף את חלקה היחסי (פרופורציה) של השכבה באוכלוסייה‪ .‬למשל‪,‬‬ ‫בדוגמה שהוצגה לעיל‪ ,‬במחקר על אבות ואימהות מספר המשתתפים בשכבת‬ ‫האבות יהיה זהה למספר האימהות‪ .‬במחקר המשווה תלמידים יהודים לערבים בבתי‬ ‫הספר היסודיים שבו גודל המדגם הוא אלף תלמידים‪ ,‬כאשר ידוע שיש ‪ 1/3‬תלמידים‬ ‫מהמגזר הערבי ו‪ 2/3-‬יהודים‪ ,‬נדגום ‪ 667‬תלמידים יהודים ו‪ 333-‬תלמידים ערבים‪,‬‬ ‫כך שנשמור על משקלם היחסי באוכלוסייה של תלמידים בבתי ספר יסודיים‪.‬‬ ‫בנסיבות מסוימות‪ ,‬מדגם שכבות פרופורציונלי עלול להיות מוגבל ולא מתאים‪.‬‬ ‫לדוגמה‪ ,‬חוקר המבקש להשוות שביעות רצון בעבודה בין עובדים לעובדות סוציאליות‬ ‫או בין מורים למורות בבתי ספר יסודיים יגלה שאם יקפיד לשקף במדגם את‬ ‫הפרופורציות באוכלוסייה‪ ,‬מספר הגברים שיוכל לכלול במדגם יהיה קטן כל כך‪,‬‬ ‫שיקשה עליו לבצע את המחקר‪ .‬לדוגמה‪ ,‬שיעור הנשים המורות הוא כ‪.86% -‬‬ ‫כלומר‪ ,‬במדגם של ‪ 500‬משתתפים מספר הגברים יהיה רק ‪ 70‬לעומת ‪ 430‬נשים‪.‬‬ ‫בהשקעה הגדולה הנדרשת להשיג מדגם של ‪ 500‬משתתפים יש קושי להסתפק ב‪-‬‬ ‫‪ 70‬גברים בלבד‪ .‬כפי שנראה בהמשך‪ ,‬המספר הנמוך של הגברים במדגם פוגע‬ ‫בניסיון שלנו לאמוד בצורה טובה את שביעות הרצון של הגברים באוכלוסיית המורים‬ ‫על סמך המדגם שבחרנו‪.‬‬ ‫האלטרנטיבה במצבים כאלה היא לבחור בדגימת שכבות לא פרופורציונלית‪.‬‬ ‫בדוגמה שלפנינו‪ ,‬החוקר עשוי לבחור לדגום ‪ 250‬מורים בדגימה מקרית בקרב‬ ‫המורים ו‪ 250-‬מורות בדגימה מקרית מכלל המורות‪ .‬בדרך זו הוא יוכל להבטיח‬ ‫השוואה יעילה בין שני מדגמים מייצגים‪ ,‬אחד מייצג את אוכלוסיית המורים והאחר‬ ‫את אוכלוסיית המורות‪ .‬אולם‪ ,‬ברור שמדגם של ‪ 500‬מורים ומורות אינו מייצג את‬

‫אוכלוסיית המורים והמורות‪ ,‬שהרי החוקר עשה מאמץ מיוחד שמאפייני האוכלוסייה‬ ‫לא יהיו מיוצגים כהלכה במדגם שלו‪.‬‬ ‫האם יש דרך להשתמש במדגם שכבות לא פרופורציונאלי בדרך שתבטיח שהוא‬ ‫בכל זאת ייצג את האוכלוסייה? התשובה היא חיובית‪ .‬מכיוון שאנו יודעים כיצד‬ ‫'סטינו' מהפרופורציה באוכלוסייה‪ ,‬אנו יכולים לתקן את הסטייה בדיעבד‪ .‬לדוגמה‪,‬‬ ‫במחקר שתיארנו קודם‪ ,‬הפרופורציה של גברים במדגם היא ‪ 50%‬בעוד‬ ‫שהפרופורציה שלהם באוכלוסייה‪ ,‬הפרופורציה ה'אמיתית' שלהם‪ ,‬היא רק ‪.14%‬‬ ‫לעומת זאת‪ ,‬הפרופורציה של נשים באוכלוסייה היא ‪ 86%‬אך במדגם רק ‪ .50%‬כדי‬ ‫להגיע לפרופורציות הנכונות‪ ,‬עלינו להקטין את המשקל של כל גבר במדגם (‪14/50‬‬ ‫= ‪ ,)0.28‬ולהתאים את המשקל של כל אישה (‪ .)1.72 = 86/50‬למקדמים אלו אנו‬ ‫קוראים משקלות דגימה והם מסייעים לנו לקבל מדגם מייצג‪ .‬כעת‪ ,‬לצד כל גבר‬ ‫מופיע משקל הדגימה שלו ‪ 0.28‬ולצד כל אישה משקל הדגימה שלה ‪.1.72‬‬ ‫נניח ששביעות הרצון הממוצעת של מורים גברים היא ‪ 7‬בסולם ‪ 10 – 1‬שבו ‪10‬‬ ‫הוא שבע רצון מאוד ו ‪ 1 -‬כלל לא‪ .‬נניח גם שממוצע שביעות הרצון של המורות הוא‬ ‫‪ .5‬אילו חישבנו את הממוצע הפשוט של ‪ 7‬ו‪ 5-‬היינו מקבלים את הערך ‪ .6‬אולם‪,‬‬ ‫ממוצע זה מבוסס על משקל שווה של נשים וגברים ואינו מביא בחשבון את משקלות‬ ‫הדגימה‪ .‬הדרך הנכונה היא לחשב ממוצע משוקלל‪ ,‬תוך שימוש במשקלות הדגימה‪,‬‬ ‫כך שכל גבר יתוקן באמצעות משקלו וכך גם כל אישה‪ .‬חישוב זה נראה כך‪0.28*7 :‬‬ ‫‪ .5.16 = 5*1.72 +‬כצפוי‪ ,‬ניתן לראות שממוצע המדגם לאחר שימוש במשקלות‬ ‫הדגימה משקף את ממוצע הנשים (המהוות רוב גדול) יותר מאשר את ממוצע‬ ‫שביעות הרצון של הגברים‪ .‬נדגיש‪ :‬ניתן לחשב משקלות דגימה לקבוצות במדגם‪ ,‬רק‬ ‫כשידוע לנו מה הפרופורציה של כל קבוצה מכלל האוכלוסייה‪.‬‬ ‫עוד על משקלות דגימה‬ ‫השימוש במשקלות דגימה כדרך להגביר ייצוגיות אינו מוגבל למחקרים שבהן נעשית‬ ‫דגימת שכבות לא פרופורציונית‪ .‬למעשה‪ ,‬סקרים רבים מחשבים משקלות דגימה כדי‬ ‫שהמדגם שאליו הגיעו יהיה דומה ככל שניתן לאוכלוסייה שאותה הם מבקשים לייצג‪.‬‬ ‫לדוגמה‪ ,‬קבוצת חוקרים בספרד ערכה בדיקות סרולוגיות במטרה להעריך את‬ ‫השכיחות של החשיפה לנגיף הקורונה באוכלוסייה (‪.) Pollann et al., 2020‬‬ ‫במחקר מסוג זה חשוב במיוחד להגיע למדגם מייצג ככל שניתן משום שעל בסיס‬ ‫הממצאים במדגם מבקשים להעריך את רמת התחלואה האמיתית באוכלוסייה‪ ,‬כולל‬ ‫מי שאינם מראים סימפטומים‪ ,‬או מי שהיו חולים והחלימו‪ ,‬ואינם יודעים על כך‪ .‬לאחר‬ ‫שביצעו דגימה שכבתית לא פרופורציונית בקרב המחוזות השונים בספרד חישבו‬ ‫החוקרים משקלות דגימה‪ .‬חלק מהחישוב דומה למה שתיארנו קודם‪ ,‬ובאמצעותו‬ ‫נתנו משקל מתאים למחוזות השונים משום שחלקם קטנים במיוחד והיה צורך לדגום‬ ‫מהם דגימת יתר וחלקם גדולים במיוחד והם נדגמו דגימת‪-‬חסר‪.‬‬ ‫החלק האחר של החישוב נועד לתת מענה לעובדה שלא כל האזרחים שפנו אליהם‬ ‫הסכימו להשתתף‪ ,‬כך שהמדגם בפועל לא היה המדגם המתוכנן‪ ,‬שהיה אמור להיות‬ ‫מייצג‪ .‬משום כך‪ ,‬החוקרים בחנו עבור כל מחוז את התפלגות ההכנסה‪ ,‬המין והגיל‬ ‫של כלל האוכלוסייה של המחוז (כפי שהיא ידועה ממקורות אמינים כגון מפקד‬

‫האוכלוסין)‪ .‬כעת‪ ,‬עבור כל מחוז הייתה להם ההתפלגות בפועל במדגם של שלושה‬ ‫משתנים אלו‪ ,‬וכן את ההתפלגות באוכלוסייה‪ .‬חישוב משקלות הדגימה נועד להביא‬ ‫לכך שההתפלגות של הכנסה‪ ,‬מין וגיל במדגם המתוקן (לאחר חישוב משקלות‬ ‫הדגימה) יהיה זהה (או דומה ככל שניתן) להתפלגות באוכלוסייה‪.‬‬ ‫בדוגמה אחרת‪ ,‬ערכנו סקר בקרב כלל הסטודנטים באוניברסיטה העברית ושאלנו‬ ‫אותם שאלות שונות הקשורות להתנסויות שלהם בזמן מגפת הקורונה‪ .‬אנו אמנם‬ ‫פנינו לכל הסטודנטים באמצעות דוא\"ל אישי‪ ,‬אך‪ ,‬כצפוי‪ ,‬לא כולם ענו‪ .‬קיבלנו מדגם‬ ‫שבו יכולנו לחשב את ההתפלגות של מין‪ ,‬השתייכות לפקולטה מסויימת‪ ,‬התואר‬ ‫שאליו למדו (ראשון‪ ,‬שני‪ ,‬שלישי‪ ,‬לימודי תעודה) ולאום יהודי‪-‬ערבי‪ .‬במקביל‪ ,‬קיבלנו‬ ‫מהאוניברסיטה את המידע על ההתפלגות של משתנים אלו באוכלוסיית‬ ‫האוניברסיטה‪ .‬חישבנו משקלות דגימה שנועדו להביא את המדגם שלנו למצב שבו‬ ‫יהיה דומה יותר לאוכלוסייה של הסטודנטים באוניברסיטה העברית‪.‬‬ ‫בשתי דוגמאות אלו היה בידי החוקרים מידע על התפלגות משתנים באוכלוסייה‪.‬‬ ‫חוקרים רבים המבקשים לחשב משקלות דגימה פונים למידע שנאסף על ידי רשויות‬ ‫כגון הסקר החברתי של הלשכה המרכזית לסטטיסטיקה בישראל‬ ‫(‪https://www.cbs.gov.il/he/subjects/Pages/%D7%94%D7%A1%D7%A7%D7%‬‬ ‫‪ )A8-%D7%94%D7%97%D7%91%D7%A8%D7%AA%D7%99.aspx‬ובארה\"ב‬ ‫(‪ .)https://www.census.gov/programs-surveys/acs/data/pums.html‬אולם‪ ,‬לא‬ ‫תמיד יש בידינו מידע על האוכלוסייה הרלבנטית למחקר שלנו‪ .‬למשל‪ ,‬מי שעורך‬ ‫מחקר בקרב צעירים בסיכון יתקשה למצוא מידע על מאפייני האוכלוסייה של צעירים‬ ‫בסיכון ולכן לא יוכל לחשב משקלות דגימה להתאמת המדגם לאוכלוסייה הרלבנטית‪.‬‬ ‫חישוב משקלות הדגימה עלול להיות מורכב למדי‪ .‬זאת‪ ,‬משום שלא די לחשב כיצד‬ ‫לתקן את התפלגות המין במדגם כך שיתאים לזו באוכלוסייה (למשל‪ ,‬לתת משקל‬ ‫קטן יותר לנשים מאשר לגברים‪ ,‬כי יותר נשים הסכימו להשתתף במחקר בהשוואה‬ ‫לגברים)‪ ,‬אלא יש להביא בחשבון גם את הצורך בתיקונים ברמת ההכנסה והגיל‬ ‫בדוגמה מספרד ותיקונים בהתפלגות הפקולטות‪ ,‬התארים והלאום‪ ,‬בדוגמה של‬ ‫האוניברסיטה העברית‪ .‬ייתרה מזו‪ ,‬תהליך מדויק יותר הוא כזה שאינו רק מתקן‬ ‫עבור מין ולאום‪ ,‬אלא גם עבור ההתפלגות המשותפת שלהם‪ -‬ייתכן שהתפלגות המין‬ ‫בקרב אוכלוסיית הסטודנטים היהודיים אינה דומה לזו שבקרב הסטודנטים הערבים‪,‬‬ ‫ולכן לא די יהיה לתקן לפי שיעור הגברים והנשים ושיעור היהודים והערבים‪ ,‬אלא גם‬ ‫לפי שיעור הסטודנטיות שהן ערביות ויהודיות‪ ,‬וכן הלאה‪ .‬מורכבות זו דורשת תהליך‬ ‫חזרתי (‪ )iterative‬שבו מחשבים משקלות דגימה על ידי התאמה למשתנה אחד‬ ‫(למשל מין) כך שההתפלגות של המשתנה מין במדגם זהה לזו באוכלוסייה‪ .‬אחר כך‬ ‫עוברים למשתנה השני (לאום בדוגמה זו)‪ .‬מתחילים ממשקלות הדגימה שנקבעו על‬ ‫ידי התאמה למשתנה המין ומחשבים תיקון במשקלות הדגימה כך שההתפלגות של‬ ‫לאום במדגם תהייה זהה לזו באוכלוסייה‪ .‬אולם‪ ,‬תיקון זה מביא לכך שההתפלגות‬ ‫של מין במדגם תסטה במעט מזו שבאוכלוסייה‪ ,‬ולכן עושים תיקון נוסף‪ ,‬עוברים‬ ‫למשתנה הלאום ומתקנים גם שם‪ .‬כל אחד מהתיקונים הוא קטן מקודמו‪ ,‬עד שאין‬ ‫ממש צורך בתיקון נוסף (כלומר‪ ,‬מגיעים להתכנסות‪ ,‬ובאנגלית ‪(.)convergence -‬‬ ‫יש המוצאים בתהליך זה דימיון לשימוש במגרפה בגינה שבה מגרפים לכיוון אחד‪,‬‬

‫ואחר כך לכיוון הניצב‪ ,‬וחוזר חלילה עד שמגיעים לפני שטח מיושרים‪ .‬משום כך‪,‬‬ ‫הביטוי המקובל באנגלית לדרך שבה מחשבים משקלות דגימה כך שההתפלגות‬ ‫במדגם המתוקן תתאים להתפלגות באוכלוסייה הוא‪ , raking‬תהליך של גירוף )‬ ‫‪.( .https://www.abtassociates.com/raking-survey-data-aka-sample-balancing‬‬ ‫נציין שהמורכבות של חישוב משקלות דגימה ידועה ופותחו טכניקות שונות לחישוב‬ ‫משקלות דגימה‪ ,‬כשידועה התפלגות של משתנים מסוימים באוכלוסייה‪ .‬פותחו‬ ‫אלגוריתמים לחישוב משקלות דגימה והם מוטמעים כתוכניות מאקרו בתוכנות‬ ‫סטטיסטיות כמו ‪SAS‬‬ ‫(‪https://www.abtassociates.com/sites/default/files/files/Insights/Tools/rake_a‬‬ ‫‪ )nd_trim_G4_V5.sas‬ו‪) https://www.ibm.com/support/pages/raking- SPSS -‬‬ ‫‪.or-rim-weighting-spss-statistics‬‬ ‫אחת המכשלות בתהליך זה הוא שלעתים יש שונות רבה מאוד במשקלות הדגימה‪.‬‬ ‫למשל‪ ,‬אם הגענו לשיעור קטן מאוד של משיבים מהפקולטה לרפואה יחסית לשיעורם‬ ‫באוניברסיטה‪ ,‬משקל הדגימה של תלמידי רפואה במדגם עלול להיות גבוה מאוד‪,‬‬ ‫לעומת משקל הדגימה של תלמידים בבית הספר לעבודה סוציאלית שרבים מהם‬ ‫נענו לקריאה להשתתפות במחקר‪ .‬השונות הרבה במשקלות הדגימה משפיעה על‬ ‫מבחני המובהקות‪ .‬מבלי להיכנס לפרטים נציין שככל שהשונות במשקלות הדגימה‬ ‫גדולה יותר‪ ,‬קשה יותר לדחות את השערות המחקר ולקבל ממצאים מובהקים‬ ‫(בהשוואה למצב שבו משקלות הדגימה אינם שונים במידה רבה)‪ .‬משום כך‪ ,‬חלק‬ ‫גדול מהתוכנות הסטטיסטיות מפעילות כללים מסוימים כדי להקטין את השונות‬ ‫במשקלות דגימה על ידי הקטנת משקלות חריגים בגודלם והגדלה של משקלות‬ ‫קטנים במיוחד‪ .‬לתהליך זה של שינוי המשקלות יש כמובן השפעה על המידה שבה‬ ‫ההתפלגות במדגם זהה להתפלגות באוכלוסייה‪.‬‬ ‫מן הראוי להציב תמרור אזהרה‪ .‬לעתים חוקרים דוגמים בצורה שאינה מקרית‪,‬‬ ‫ובהמשך מתקנים את המדגם באמצעות משקלות דגימה ומדווחים שהמדגם שלהם‬ ‫הותאם לאוכלוסייה ולכן הוא מייצג‪ .‬אך לעתים קרובות לא כך הוא המצב‪ .‬ניקח‬ ‫לדוגמה חוקרים שביקשו לערוך סקר מקוון בקרב הקהילה החרדית‪ ,‬או בכפרים‬ ‫ערבים‪ .‬לכל ברור שהגישה לסקר מקוון בקבוצות אלו היא מוטה‪ ,‬ולא לכל הפרטים‬ ‫באוכלוסייה החרדית או בכפרים ערביים יש סיכוי שווה להשתתף בסקר‪ .‬למשל‪,‬‬ ‫לצעירים יש סיכוי רב יותר להשתתף מלמבוגרים (ואולי גם לבעלי הכנסה גבוהה יותר‬ ‫בהשוואה לאחרים) ‪ .‬העובדה שהחוקרים משתמשים במשקלות דגימה כדי לתקן‬ ‫בדיעבד את התפלגות הגילים וההכנסה במדגם‪ ,‬אינה פוטרת אותם מלהכיר בעובדה‬ ‫שלא לכל פרט באוכלוסייה היה סיכוי שווה להשתתף במחקר‪ .‬קושי זה בולט במיוחד‬ ‫אם יש משקלות דגימה קיצוניים‪ ,‬המרמזים על כך שהייצוג של חלק מהאוכלוסייה‬ ‫הוא ייצוג‪-‬חסר או ייצוג‪-‬יתר במידה רבה‪.‬‬ ‫‪^^##417‬דגימת אשכולות (‪)cluster‬‬ ‫דגימה מקרית‪ ,‬בדרכים שתיארנו עד עתה‪ ,‬מחייבת רשימה מלאה של כל‬ ‫הפרטים במסגרת הדגימה‪ .‬לעיתים יש קשיים טכניים ותקציביים המונעים מאיתנו‬

‫להשתמש ברשימה מפורטת של מסגרת הדגימה‪ .‬למשל‪ ,‬אם נרצה לדגום עובדים‬ ‫סוציאליים העובדים בעמותות ללא מטרת רווח או פסיכולוגים בתחנות לבריאות‬ ‫הנפש או חיילים המשרתים ביחידות שדה או ילדים מבתי ספר שונים בארץ בכיתות‬ ‫א' – ד'‪ .‬הבעיה היא שבמקרים כגון אלה קשה‪ ,‬אם לא בלתי אפשרי‪ ,‬לקבל את‬ ‫רשימת כל הפרטים במסגרת הדגימה‪.‬‬ ‫במצבים מעין אלו יש בדרך כלל גם בעיה נוספת‪ .‬נניח שהייתה בידינו רשימת כל‬ ‫החיילים המשרתים ביחידות השדה או רשימת כל הילדים בכיתות א' – ד' בארץ‬ ‫והיינו דוגמים מתוכה באופן מקרי מדגם של משתתפים במחקר‪ .‬הקושי הגדול שהיינו‬ ‫נתקלים בו היה הצורך להגיע לחיילים המשרתים בכל רחבי הארץ או לילדים בבתי‬ ‫ספר שונים ורבים ברחבי הארץ‪ .‬המחיר שהיה נדרש להגיע לתלמיד המסוים או‬ ‫למספר קטן מאוד של תלמידים בבתי ספר רבים ושונים או לחיילים המסוימים שעלו‬ ‫במדגם ביחידות השדה השונות עלול להיות גבוה מאוד‪ ,‬משום שהיינו נאלצים‬ ‫להשקיע משאבים רבים כדי להגיע לכל מי שנכלל במדגם‪.‬‬ ‫למצבים מעין אלו פותחה שיטת דגימה הנקראת דגימת אשכולות ( ‪cluster‬‬ ‫‪ .)sampling‬שיטה זו מתאימה למצבים שבהם הפרטים במסגרת הדגימה מקובצים‬ ‫באשכולות‪ ,‬כגון תלמידים בכיתות‪ ,‬פסיכולוגים במרכזי בריאות נפש‪ ,‬תאונות באזורים‬ ‫שונים בארץ‪ ,‬חיילים ביחידות שלהם ועוד‪ .‬לעיתים האשכולות מאורגנים בדרך רב‪-‬‬ ‫רמתית כגון עובדים סוציאליים מקובצים בלשכות רווחה‪ ,‬לשכות רווחה מקובצות‬ ‫במסגרת יישוב ויישובים מקובצים במסגרת מחוזות‪.‬‬ ‫הרעיון הוא להתחיל בדגימת האשכולות שאליהם שייכים הפרטים ולא לדגום‬ ‫את הפרטים עצמם‪ .‬למשל‪ ,‬במקום לדגום מטפלים במרכזים לטיפול באלימות‬ ‫במשפחה‪ ,‬אנו דוגמים קודם כל מדגם של מרכזים מתוך כלל המרכזים; במקום‬ ‫לדגום תלמידים אנו דוגמים קודם כל בתי ספר; במקום לדגום עובדים סוציאליים‬ ‫בלשכות‪ ,‬אנו דוגמים לשכות לשירותים חברתיים‪ .‬אם כך‪ ,‬בדגימת אשכולות יש לנו‬ ‫לפחות שני צעדים‪ :‬בצעד הראשון אנו דוגמים מתוך כל האשכולות שבאוכלוסייה‬ ‫ומגיעים למדגם של אשכולות‪ .‬בצעד השני אנו דוגמים פרטים רק מתוך אותם‬ ‫האשכולות שעלו במדגם‪.‬‬ ‫לדוגמה‪ ,‬נבקש רשימת כל הלשכות החברתיות ברחבי הארץ וזו תהיה מסגרת‬ ‫הדגימה שלנו‪ .‬מתוך רשימה זו נדגום באופן מקרי מספר לשכות (בהמשך נדון‬ ‫במספר המתאים)‪ .‬בצעד השני‪ ,‬נבקש את רשימת העובדים הסוציאליים בכל אחת‬ ‫מהלשכות שעלו במדגם (ורק בלשכות אלו!)‪ ,‬ומתוך הרשימה בכל לשכה נדגום מדגם‬ ‫מקרי של עובדים סוציאליים באותה הלשכה או שנכלול במחקר את כל העובדים‬ ‫הסוציאליים באותה לשכה‪ .‬שימו לב שבדרך זו‪ ,‬לא היינו זקוקים לרשימת העובדים‬ ‫הסוציאליים בכל הלשכות לשירותים חברתיים בארץ‪ ,‬אלא רק לרשימת העובדים‬ ‫בלשכות שנדגמו‪ .‬כמו כן‪ ,‬כשנבצע את המחקר הוא יתמקד במספר המצומצם של‬ ‫לשכות שנבחרו‪ ,‬ולא יתפרש בכל רחבי הארץ‪ .‬יהיה בכך חיסכון ניכר במשאבים‪.‬‬ ‫באשכולות שבהם יש מבנה מורכב יותר‪ ,‬אנו פועלים במספר שלבים‪ ,‬בהתאם‬ ‫לרמות שבהן מתקבצים האשכולות‪ .‬לדוגמה‪ ,‬בצעד הראשון אנו דוגמים בתי ספר‬ ‫מרשימת כל בתי הספר הרלוונטיים‪ ,‬בצעד השני אנו דוגמים כיתות בתוך כל אחד‬

‫מבתי הספר ובצעד השלישי אנו פונים לכל התלמידים באותה הכיתה או דוגמים‬ ‫מספר ילדים מכל כיתה ובכל בית ספר שעלו במדגם‪.‬‬ ‫לפני שנמשיך ונפרט‪ ,‬מן הראוי לחזור ולעמוד על היתרונות של שיטת דגימה זו‪.‬‬ ‫בשלב ראשון אנו מתחילים מרשימה של אשכולות‪ ,‬שבדרך כלל קל יותר להשיגה‬ ‫מאשר רשימה של פרטים‪ .‬קל יותר להשיג רשימה של כל המרכזים לטיפול‬ ‫בהתמכרויות מאשר רשימה של כל המטפלים או המטופלים במרכזים אלו‪ ,‬קל יותר‬ ‫להשיג רשימה של עמותות המעניקות סיוע כלכלי לנזקקים מאשר להשיג את רשימת‬ ‫כל העובדים בעמותות אלו‪ .‬בשלב השני של הדגימה‪ ,‬עלינו להשיג רשימות של‬ ‫פרטים‪ ,‬אך רק בתוך המספר המוגבל של אשכולות שעלו במדגם‪ .‬זה עלול לדרוש‬ ‫מאמץ ומשאבים‪ ,‬אך בוודאי פחות ממה שהיה נדרש להשיג מראש את רשימת כל‬ ‫הפרטים במסגרת הדגימה שלנו‪.‬‬ ‫יתרון שני טמון בעובדה שעל ידי דגימה של אשכולות ודגימה של פרטים רק‬ ‫בתוך מספר מוגבל של אשכולות אנו מקטינים את המאמץ הנדרש לביצוע המחקר‪.‬‬ ‫המאמץ שעל החוקר להשקיע כדי להגיע לאלף ילדים המפוזרים בבתי ספר בכל‬ ‫רחבי הארץ‪ ,‬תלמיד כאן ושניים שם‪ ,‬או למאות חיילים המפוזרים במאות יחידות‬ ‫ברחבי הארץ‪ ,‬הוא מאמץ גדול מאוד בהשוואה למאמץ הנדרש להגיע למספר מוגבל‬ ‫של בתי ספר‪ ,‬לשכות לשירותים חברתיים ויחידות שדה‪.‬‬ ‫מקרה מיוחד של דגימת אשכולות הוא דגימה לפי מיקום גיאוגרפי‪ .‬כפי שראינו‬ ‫שתלמידים מתקבצים לכיתות המתקבצות לבתי ספר המתקבצים למחוזות וכולי‪ ,‬ניתן‬ ‫לומר שבודדים מתגוררים בדירות המתקבצות למבני מגורים‪ ,‬המתקבצים לשכונות‪,‬‬ ‫המתקבצות למקומות יישוב והמתקבצים לאזורים גיאוגרפיים‪ .‬לפי היגיון זה‪ ,‬אם אנו‬ ‫רוצים לדגום אנשים או משקי בית‪ ,‬אנו יכולים להתחיל ביחידות גיאוגרפיות גדולות‪,‬‬ ‫לדגום מהן יחידות גיאוגרפיות קטנות יותר ובכל אחת מהיחידות שנדגמה‪ ,‬לבחור‬ ‫בתוכה יחידות גיאוגרפיות קטנות אף יותר‪ .‬חלוקות מעין אלו נעשו על ידי הלשכה‬ ‫המרכזית לסטטיסטיקה שחילקה את הארץ ל‪ 3,000 -‬אזורים סטטיסטיים‪ .‬כל אזור‬ ‫סטטיסטי מחולק ל‪ 20-‬תאים שבכל אחד מהם כ‪ 50-‬משקי בית‪ .‬כדי לדגום משקי‬ ‫בית ניתן לדגום קודם כל אזורים סטטיסטיים‪ ,‬אחר כך בכל אזור שנבחר לדגום תאים‬ ‫ובתוך כל תא לדגום משק בית (ובמקרה הצורך‪ ,‬בכל משק בית לדגום אנשים‬ ‫נפרדים)‪.‬‬ ‫גם כאן ניתן לראות את היתרונות של דגימת האשכולות‪ .‬איננו נזקקים לרשימת‬ ‫כל משקי הבית בישראל (וכל מי שנכלל בהם)‪ .‬לאחר דגימה של האזורים‬ ‫הסטטיסטיים איננו צריכים להתמודד עם איסוף נתונים באלפי אזורים סטטיסטיים‬ ‫(שלא עלו במדגם)‪ ,‬ולאחר שדגמנו תאים בכל אזור‪ ,‬איננו צריכים להגיע לכל רחבי‬ ‫האזור אלא למספר מוגבל של מקומות‪ ,‬וכך הלאה‪ .‬אנו זקוקים לרשימה מפורטת של‬ ‫משקי בית רק באותם תאים שנדגמו‪ ,‬ואנו זקוקים לרשימה מפורטת של החברים‬ ‫במשקי הבית‪ ,‬רק עבור משקי הבית שנדגמו‪.‬‬ ‫אלו היתרונות‪ ,‬אך מה הם החסרונות? בכל תהליך דגימה אנו משלמים 'מחיר'‬ ‫על הפער שבין האוכלוסייה ובין המדגם שבחרנו‪ ,‬זוהי טעות הדגימה‪ .‬בתהליך הכרוך‬ ‫בדגימת אשכולות אנו משלמים מחיר כזה בכל צעד‪ :‬כשאנו דוגמים בתי ספר מתוך‬

‫כלל בתי הספר‪ ,‬יש לכך מחיר וכאשר בוחרים כיתה מתוך כלל הכיתות בבית הספר‬ ‫יש לכך מחיר וכשבוחרים מספר תלמידים מתוך כלל התלמידים בכיתה‪ ,‬משלמים‬ ‫שוב מחיר בטעות דגימה‪.‬‬ ‫כדי ל'פצות' על טעויות הדגימה הנוספות‪ ,‬מקובל להגדיל את מספר הפרטים‬ ‫הנכללים במדגם‪ .‬לדוגמה‪ ,‬אם בדגימה מקרית אנו עשויים להסתפק במדגם שגודלו‬ ‫‪ 100‬תלמידים‪ ,‬הרי כדי להגיע לאותה רמת ביטחון באומדנים שנובעים ממדגם‬ ‫אשכולות יתכן שנצטרך להגיע ל – ‪ 200‬משתתפים או יותר‪ .‬כפי שנראה בהמשך‪,‬‬ ‫החישובים באשר לגודל המדגם הנדרש אינם פשוטים ולא נוכל להיכנס כאן לפרטים‪.‬‬ ‫לענייננו‪ ,‬חשוב לזכור שמדגם הנובע מדגימת אשכולות דורש מספר גדול יותר של‬ ‫פרטים בהשוואה למדגם הסתברותי מקרי רגיל‪.‬‬ ‫‪^^##418‬דגימת אשכולות פרופורציונלית ולא פרופורציונלית‬ ‫בצעד הראשון בדגימת אשכולות עלינו לבחור מדגם של אשכולות‪ .‬האשכולות‬ ‫השונים עשויים להיות בגדלים שונים‪ ,‬קרי להכיל מספר שונה של פרטים‪ :‬יש שכונות‬ ‫גדולות מאחרות‪ ,‬מרכזים טיפוליים שבהם יש יותר ופחות פונים ומחלקות בבתי‬ ‫חולים שבהן מאושפזים רבים ומחלקות אחרות שבהן יש פחות מאושפזים‪ .‬נניח שאנו‬ ‫רוצים לדעת מהי מידת שביעות הרצון של מאושפזים מתהליך שחרורם מבית‬ ‫החולים (הנעשה יחד עם העובד הסוציאלי)‪ .‬החלטנו על דגימת אשכולות בשני‬ ‫צעדים‪ :‬בצעד הראשון לדגום מחלקות בתוך כל אחד מבתי החולים בארץ ובצעד‬ ‫השני לדגום חולים בכל מחלקה שנבחרה‪ .‬האם ניתן לכל אחת מהמחלקות סיכוי‬ ‫דומה להיבחר‪ ,‬בלי קשר לגודלן‪ ,‬או אולי אנו דואגים שלמחלקות הגדולות יותר יהיה‬ ‫סיכוי גדול יותר להיכלל במדגם מאשר למחלקות קטנות יותר‪ .‬האם בכל מחלקה‬ ‫שנבחרה נדגום מספר זהה של החולים‪ ,‬בלי קשר למספר החולים בה‪.‬‬ ‫במסגרת הנוכחית לא נוכל להציג כיצד לבצע תהליכי דגימה אלו‪ ,‬אך נציין‬ ‫שהתשובות המקובלות הן‪:‬‬ ‫‪ .1‬ההסתברות של כל מחלקה להופיע במדגם המחלקות תהיה בפרופורציה למספר‬ ‫המאושפזים בה‪ .‬כלומר‪ ,‬למחלקות שבהן מספר רב יותר של מאושפזים יהיה‬ ‫סיכוי גדול יותר להיכלל במדגם‪ ,‬ביחס ישר לגדלן‪.‬‬ ‫‪ .2‬בכל מחלקה יידגמו מספר שווה של מטופלים‪.‬‬ ‫‪ .3‬המשמעות היא שהסיכוי של מאושפז להידגם שווה בכל המחלקות‪ .‬זאת משום‬ ‫שהסיכוי של מאושפז להידגם היא מכפלת הסיכוי של המחלקה להידגם מתוך כלל‬ ‫המחלקות בסיכוי של המאושפז להידגם בתוך המחלקה שלו‪ .‬שני המרכיבים‬ ‫'מאזנים' זה את זה‪ :‬הסיכוי של מחלקות שבהן מאושפזים רבים להיבחר למדגם‬ ‫גדול יותר מזה של מחלקות שבהן פחות מאושפזים‪ ,‬אך בה בעת‪ ,‬למאושפז‬ ‫במחלקה גדולה יש סיכוי קטן יותר להיבחר בתוך המחלקה‪ ,‬משום שעליו‬ ‫'להתחרות' במאושפזים רבים יותר‪ .‬לכן‪ ,‬המכפלה דומה עבור כל אחד‬ ‫מהמאושפזים‪ ,‬בכל המחלקות‪.‬‬ ‫אחת השאלות שיש להתייחס אליה כשמתכננים מדגם אשכולות היא‪ ,‬בהינתן‬ ‫גודל מדגם מסוים‪ ,‬כיצד עדיף לחלקו ‪ -‬יותר אשכולות ופחות משתתפים בכל אשכול‪,‬‬ ‫או פחות אשכולות ויותר משתתפים בכל אשכול‪ .‬התשובה אינה פשוטה‪ .‬חלקה קשור‬

‫לשיקולים סטטיסטיים מורכבים וחלקה למשאבים הנדרשים כדי לדגום אשכולות‬ ‫בהשוואה למשאבים הנדרשים לדגום פרטים בכל אשכול‪ .‬בדרך כלל‪ ,‬יש העדפה‬ ‫לדגימה של יותר אשכולות‪ ,‬מאשר לדגימה של מספר רב יותר של פרטים בפחות‬ ‫אשכולות‪.‬‬ ‫נזכיר שבפרק ‪ 4‬תיארנו שאלות מחקר רב‪-‬רמתיות שבהן‪ ,‬בנוסף לעניין שלנו‬ ‫בפרטים השונים (תלמידים‪ ,‬עובדים סוציאליים‪ ,‬כתבות בעתון) יש לנו עניין מיוחד גם‬ ‫במאפיינים של האשכולות עצמם (בתי הספר‪ ,‬מחלקות האשפוז‪ ,‬העמותות‪,‬‬ ‫העיתונים שבהם מופיעות הכתבות)‪ .‬במחקרים מסוג זה‪ ,‬עלינו לוודא שמדגם‬ ‫האשכולות גדול דיו כדי שיהיה אפשר ללמוד על מאפייני האשכולות‪ .‬נדגיש שוב‪,‬‬ ‫שדגימה במחקרים מעין אלו היא מורכבת ומחייבת לעיתים התייעצות עם‬ ‫סטטיסטיקאי המתמחה בדגימה רב‪-‬רמתית‪.‬‬ ‫‪^^##419‬שילובים של תהליכי דגימה ההסתברותיים‬ ‫לכל אחת מהשיטות שתיארנו למעלה יש יתרונות וחסרונות והיא עשויה‬ ‫להתאים יותר או פחות להקשר של מחקר מסוים‪ .‬לעיתים‪ ,‬יש יתרון לשילוב בין‬ ‫שיטות כדי לענות על מספר צרכים בו‪-‬זמנית‪ .‬לדוגמה‪ ,‬במחקר שערכנו על אלימות‬ ‫במערכת החינוך עשינו שימוש בדגימת אשכולות שבה דגמנו בצעד הראשון בתי‬ ‫ספר‪ .‬אולם‪ ,‬בתהליך זה של דגימת בתי ספר עשינו שימוש בדגימה שכבתית –‬ ‫הצבנו את בתי הספר על שני צירים – שלב חינוך (יסודי‪ ,‬חטיבת ביניים ועליונה)‬ ‫וקבוצת תרבותית (חינוך ממלכתי יהודי‪ ,‬ממלכתי ערבי‪ ,‬ממלכתי דתי)‪ .‬השילוב של‬ ‫שני הצירים יצר ‪ 9 = 3*3‬תאים שונים‪ .‬את הדגימה המקרית של בתי הספר ערכנו‬ ‫בנפרד לכל תא‪ .‬כלומר‪ ,‬זיהינו למשל את כל בתי הספר היסודיים בפיקוח הממלכתי‪-‬‬ ‫דתי ומתוכם דגמנו באופן מקרי ‪ 40‬בתי ספר‪ .‬אחר כך‪ ,‬בכל אחד מבתי הספר‬ ‫שנדגמו‪ ,‬דגמנו כיתה בכל אחת מדרגות הכיתה (בבתי ספר יסודיים למשל‪ ,‬כיתה‬ ‫מכל אחת מהשכבות ד' ה' ו')‪.‬‬ ‫בדוגמה אחרת‪ ,‬רצינו לדגום מטופלים במרכזים לאלימות במשפחה‪ .‬מרכזים אלו‬ ‫שונים בגודלם (כלומר‪ ,‬במספר המטופלים בכל אחד מהם)‪ .‬בדגימת אשכולות רגילה‪,‬‬ ‫למרכזים הגדולים היה סיכוי רב להיכלל במדגם עקב גודלם ולעומתם למרכזים‬ ‫הבינוניים והקטנים היו סיכויים קטנים למדי להיכלל במדגם‪ .‬חשבנו שלגודל המרכז‬ ‫עשויה להיות חשיבות לתוצאות המחקר ולא רצינו שלמטופלים במרכזים הקטנים‬ ‫יותר לא יהיה ייצוג במדגם‪ .‬לכן‪ ,‬התחלנו בדגימת שכבות וזיהינו שלוש שכבות‪:‬‬ ‫מרכזים גדולים‪ ,‬בינוניים וקטנים‪ .‬בצעד השני ערכנו דגימת אשכולות מקובלת‪ ,‬בכל‬ ‫אחת מהשכבות בנפרד‪ .‬בדרך זו נתנו ייצוג גם למרכזים השונים בגודלם וגם‬ ‫למטופלים בהם‪.‬‬ ‫‪^^##420‬גם תהליך דגימה נכון עלול להביא לתוצאה בעייתית‬ ‫לאחר שתיארנו את התהליכים הנכונים לביצוע דגימה הסתברותית‪ ,‬חשוב מאוד‬ ‫להבהיר את ההבדל בין תהליך הדגימה לתוצאה שלו‪ .‬תהליכי הדגימה שהצגנו הם‬ ‫הטובים ביותר המוכרים לנו המבטיחים ששום הטיה שיטתית לא תשבש את תהליך‬ ‫הדגימה‪ .‬אולם‪ ,‬אין בכך להבטיח שהמדגם שקיבלנו באמצעות התהליך הוא אומנם‬ ‫מדגם מייצג‪ .‬בשפה טכנית ניתן לומר שאם היינו דוגמים באמצעות הליכים אלו אין‬

‫סוף מדגמים‪ ,‬הרי ממוצע מדגמים אלו היה זהה לממוצע האמיתי באוכלוסייה ולכן‬ ‫היה מדגם מייצג‪ .‬כמובן שאיננו דוגמים אין סוף מדגמים אלא רק אחד‪ ,‬יש סיכוי‬ ‫שדווקא המדגם המקרי שנדגום יהיה רחוק מלייצג את האוכלוסייה‪ .‬כפי שנראה‬ ‫בהמשך‪ ,‬יש לנו דרך לאמוד את הסיכוי שזה קרה ולהביא סיכוי זה בחשבון כאשר אנו‬ ‫מציגים את תוצאות המחקר‪.‬‬ ‫כפי שצוין קודם‪ ,‬אין אנו יודעים את כל מאפייני האוכלוסייה ומשום כך איננו‬ ‫יכולים להעריך עד כמה המדגם שיצרנו מייצג את האוכלוסייה ומשקף את כל‬ ‫מאפייניה‪ .‬אולם לעיתים‪ ,‬הבעייתיות במדגם בולטת לעין‪ .‬למשל‪ ,‬חוקר המנסה לבחון‬ ‫את רמת השחיקה של מורים ומורות בבתי ספר יסודיים או של עובדים ועובדות‬ ‫סוציאליים בשירותי הרווחה ומגלה שהמדגם המקרי שבחר מכיל מספר דומה של‬ ‫מורים ומורות ושל עובדות ועובדים סוציאליים‪ ,‬חייב לשאול את עצמו האם מדגם זה‬ ‫יכול להיות מייצג‪ ,‬כשההבדלים בשיעור הנשים והגברים בקבוצות אלו באוכלוסייה‬ ‫הרלוונטית גדולים כל כך‪ .‬במקרים בולטים מעין אלו מן הראוי לשקול לבצע את‬ ‫תהליך הדגימה שוב‪ .‬כמובן‪ ,‬שיש להיזהר מביטולו של מדגם על סמך 'תחושות בטן'‬ ‫או על בסיס ידע לא מבוסס על האוכלוסייה‪.‬‬ ‫‪^^##421‬מהמדגם המתוכנן למדגם בפועל‬ ‫גם כאשר חוקר תכנן את המדגם כך שהוא אמור לייצג בצורה טובה את‬ ‫האוכלוסייה‪ ,‬אין די בכך‪ .‬יש לעיתים קרובות פער בין המדגם המתוכנן למדגם בפועל‪,‬‬ ‫המדגם שלגביו נאספו נתונים‪ .‬כך למשל‪ ,‬חוקרת המבקשת ללמוד על חוויות של‬ ‫אחיות חדר מיון הקשורות לאלימות מצד מטופלים ובני משפחותיהם ועל תחושת‬ ‫המוגנות שלהם‪ ,‬עשויה לזהות מדגם מייצג של אחיות ולנסות ולהגיע לכל אחת מהן‬ ‫כדי לראיין אותה‪ .‬חוקרת זו עשויה לגלות שעל אף מאמציה‪ ,‬קשה לה להגיע לחלק‬ ‫מהאחיות‪ .‬חלקן נעדרות מהעבודה‪ ,‬חלקן מסרבות להתראיין‪ ,‬ועם חלקן היא אינה‬ ‫מצליחה ליצור קשר‪ .‬מכיוון שהחוקרת מנוסה ומצפה לתופעות מעין אלו‪ ,‬היא מכינה‬ ‫לעצמה רשימה נוספת של אחיות‪ ,‬גם היא מבוססת על דגימה מקרית‪ ,‬ובמקום אחיות‬ ‫שאינה מצליחה לראיין היא דוגמת מהרשימה החילופית ומראיינת את ה'מחליפה'‪.‬‬ ‫לכאורה‪ ,‬כל הדגימה היא הסתברותית ומייצגת‪ .‬אולם‪ ,‬יש לשים לב לכך שלפער‬ ‫בין המדגם המתוכנן לבין המדגם שעליו נאספו הנתונים עשויות להיות השלכות‬ ‫רציניות על מידת הייצוגיות שלו‪ .‬ייתכן שהעובדה שיש אחיות שהחוקרת אינה‬ ‫מצליחה לראיין אינה מקרית‪ .‬ייתכן שדווקא האחיות הנחשפות יותר לאלימות נעדרות‬ ‫יותר מהעבודה ולכן קשה להשיג אותן‪ ,‬וייתכן שדווקא אלו שנחשפו לאלימות מוכנות‬ ‫יותר להתראיין בנושא זה‪ ,‬ואחיות אחרות מעדיפות לא לבזבז את זמנם בנושא שהן‬ ‫חשות שאין לו רלוונטיות לגביהן‪ .‬איננו יודעים‪ .‬אך מה שברור הוא‪ ,‬שעלינו לבחון‬ ‫היטב את הפערים בין המדגם המתוכנן למדגם בפועל ולנסות לזהות האם יש‬ ‫שיטתיות בפערים אלו‪ ,‬העלולים לפגוע בייצוגיות‪ .‬לדוגמה‪ ,‬ייתכן שהבדיקה תגלה‬ ‫שהוותק של אחיות במדגם שהיה אמור להיות מייצג הוא גבוה (או נמוך) באופן‬ ‫משמעותי‪ ,‬מהממוצע של הוותק באוכלוסיית האחיות‪ .‬במקרה כזה‪ ,‬החוקרת יודעת‬ ‫שהמדגם שלה מוטה ולוקה בייצוג יתר (או ייצוג חסר) של אחיות וותיקות‪ .‬עליה‬

‫לדווח על ממצא זה בעת הצגת הממצאים ולהביא אותו בחשבון בעת שהיא מסיקה‬ ‫מסקנות מממצאי המחקר‪ ,‬ומבקשת להכליל מהמדגם לאוכלוסייה‪.‬‬ ‫‪^^##422‬שיקולים של גודל מדגם‬ ‫בחלק זה נעמוד על סוגיות הקשורות לגודל המדגם הרצוי‪ .‬ננסה להתייחס‬ ‫לסוגיות אלו בשפה פשוטה ואינטואיטיבית ככל שניתן‪ .‬בפועל‪ ,‬חישובים של גודל‬ ‫מדגם דורשים לעיתים מומחיות רבה ויש אנשי מקצוע בתחום הסטטיסטיקה שזה‬ ‫תחום המומחיות שלהם‪ .‬בהקשר הנוכחי ננסה להסביר את העקרונות העומדים‬ ‫בבסיס השיקולים‪.‬‬ ‫נתחיל בתרגיל המחשבתי הבא‪ .‬בידיי ‪ 1000‬קלפים שעל כל אחד רשום מספר‬ ‫מ ‪ 1‬עד ‪ .10‬לצרכינו‪ ,‬זוהי אוכלוסיית המחקר שלנו‪ ,‬כל הפונות והפונים למרכזי הסיוע‬ ‫בשנה האחרונה‪ ,‬והערך המופיע על הקלף הוא ציון מידת שביעות הרצון שלהם‬ ‫מהשירות שקיבלו‪ .‬התפקיד שלכם הוא להעריך מהו ממוצע שביעות הרצון של‬ ‫הפונים למרכזי הסיוע‪ .‬המחיר שאני דורש כדי להראות לכם קלף‪ ,‬ובמילים אחרות‬ ‫כמה יעלה לכם לראיין כל מטופל במדגם שתבחרו‪ ,‬הוא ‪ .₪ 5‬אם בידיכם סכום בלתי‬ ‫מוגבל ואתם רוצים להשקיע אותו במדגם‪ ,‬סביר שתשלמו לי ‪ ₪ 5,000‬ותהפכו את‬ ‫כל הקלפים ו ְת ַח ְשבּו את הממוצע שהתקבל‪ .‬נניח שהממוצע שהתקבל הוא ‪ .7.2‬על‬ ‫סמך המדגם שבחרתם‪ ,‬מה תהייה הערכה שלכם את מידת שביעות הרצון‬ ‫באוכלוסייה? סביר שתגידו ‪ 7.2‬כי זה הערך שקיבלתם במדגם‪ .‬עד כמה אתם‬ ‫בטוחים שהממוצע הזה הוא אומנם הממוצע באוכלוסייה? סביר להניח שתהיו‬ ‫בטוחים לגמרי‪ ,‬שהרי אין כלל מקום לטעות באומדן שלכם‪.‬‬ ‫הבה נשחק את המשחק כך שבידיכם תקציב מוגבל של ‪ ₪ 50‬בלבד‪ ,‬המאפשר‬ ‫לכם לבחור רק עשרה קלפים‪ .‬בחרתם קלפים אלו באופן מקרי‪ ,‬בחנתם את עשרת‬ ‫הקלפים וקיבלתם ממוצע של ‪ .6.8‬נשאל שוב‪ ,‬מה תהייה ההערכה שלכם את מידת‬ ‫שביעות הרצון של המטופלים במרכזים? סביר שתענו ‪ ,6.8‬שהרי זה האומדן הטוב‬ ‫ביותר שיש לכם‪ ,‬בהסתמך על המחקר שערכתם‪ .‬עד כמה אתם בטוחים שהממוצע‬ ‫הזה הוא אומנם הממוצע באוכלוסייה? סביר שהפעם תהיו זהירים יותר ותרגישו‬ ‫פחות בטוחים מאשר בסיבוב הראשון ותציינו שמידת הביטחון שלכם קטנה יותר‪ ,‬כי‬ ‫תהיו ערים לכך שאולי עשרת הקלפים שבחרתם אינן מייצגים בצורה הטובה ביותר‬ ‫את כל ‪ 1,000‬הקלפים בחפיסה‪.‬‬ ‫נניח שהיו בידיכם ‪ ₪ 1000‬לצורכי דגימה‪ ,‬וכך יכולתם לחשוף ‪ 200‬קלפים‪.‬‬ ‫חישבתם וקיבלתם ממוצע של ‪ .7.4‬נשאל שוב‪ :‬מה תהייה ההערכה שלכם את מידת‬ ‫שביעות הרצון של המטופלים במרכזים? אתם יודעים את התשובה ‪ -‬ההערכה‬ ‫הטובה ביותר שלכם היא ‪ .7.4‬עד כמה אתם בטוחים שהממוצע הזה הוא אומנם‬ ‫הממוצע באוכלוסייה? ובכן‪ ,‬סביר שתרגישו יותר בטוחים מאשר כשהפכתם ‪10‬‬ ‫קלפים אך פחות בטוחים מאשר כשהפכתם את כל הקלפים‪.‬‬ ‫מה למדנו מתרגיל זה על גודל המדגם? אנו אומדים את המצב באוכלוסייה‬ ‫באמצעות הערכים שקיבלנו במדגם‪ ,‬בלי קשר לגודל המדגם‪ .‬אולם‪ ,‬גודל המדגם‬

‫משפיע על מידת הביטחון שלנו שהאומדן שמצאנו משקף את המצב באוכלוסייה‬ ‫בשאלה שנבדקה‪.‬‬ ‫הבה נעשה תרגיל נוסף‪ ,‬הפעם אני ממליץ שתנסו לעשות אותו בפועל‪ ,‬כדי‬ ‫שתתרשמו בעצמכם שמדובר בתופעה 'אמיתית'‪ .‬כתבו על עשרה פתקים את‬ ‫המספרים מ‪ -1‬עד ‪ .10‬זו תהייה 'האוכלוסייה' שלכם‪ .‬אתם ואני יודעים שהממוצע‬ ‫באוכלוסייה שלכם הוא ‪( 5.5‬חשבו את הממוצע של סדרת המספרים ‪ .)10 – 1‬כעת‪,‬‬ ‫נבצע סדרה של דגימות כל פעם בגודל מדגם אחר‪ .‬למשל‪ ,‬הפכו שלושה קלפים‬ ‫ורשמו את הממוצע שהתקבל (אם אתם רוצים לעשות זאת לפי כל הכללים‪ ,‬החזירו‬ ‫כל קלף לערמה לפני שאתם מושכים הקלף הבא‪ ,‬בדרך זו האוכלוסייה שלכם היא אין‬ ‫סופית‪ ,‬כפי שנדרש מאוכלוסייה תיאורטית)‪ .‬כעת‪ ,‬הפכו שוב שלושה קלפים ורשמו‬ ‫את הממוצע‪ .‬עשו זאת עשר פעמים לפחות‪ .‬קיבלתם כעת עשרה ערכים שונים‪ .‬אם‬ ‫הייתם עושים את זה אין ספור פעמים (כפי שמקובל לדרוש בטקסטים סטטיסטיים‪)...‬‬ ‫הייתם מקבלים התפלגות של הערכים‪ ,‬שכל אחד מהם הוא הממוצע של שלושה‬ ‫קלפים‪ .‬זוהי התפלגות הדגימה של ‪ .n = 3‬להתפלגות זו יש ממוצע ושונות מסוימת‬ ‫מסביב לממוצע‪ .‬אם בצעתם את התהליך פעמים רבות אולי לא תופתעו שהממוצע‬ ‫של כל הערכים שקיבלתם (ממוצע של ממוצעי המדגמים) הוא ‪ 5.5‬או קרוב לכך‬ ‫(במקרה שבחרתם לא לכלות את ימיכם במספר דגימות אין סופי)‪.‬‬ ‫כעת‪ ,‬חזרו על אותה הפעולה‪ ,‬אך הפעם שלפו כל פעם חמישה קלפים וחשבו‬ ‫את הממוצע שלהם‪ .‬ואם יש לכם סבלנות‪ ,‬חזרו על הפעולה הזו עם שמונה קלפים‬ ‫כל פעם ועם עשרה קלפים וחשבו את הממוצע של כל מדגם ובסוף התהליך את‬ ‫הממוצע של כל הממוצעים שקיבלתם לדגימה בגודל מסוים‪.‬‬ ‫התמונה שתקבלו היא‪ :‬א‪ .‬הממוצעים של ממוצעי כל הסדרות של מדגמים‬ ‫שבחרתם יהיו ‪ 5.5‬או קרוב לכך‪ .‬ב‪ .‬במדגמים הגדולים יותר סדרות הממוצעים יהיו‬ ‫קרובות יותר זו לזו ובמדגמים הקטנים יותר השונות בין הממוצעים תהייה גדולה‬ ‫יותר‪ .‬האיור הבא מציג את הרעיון באופן עקרוני‪ .‬באיור זה אנו מציגים התפלגויות‬ ‫דגימה של מספר גדלי מדגם (מ‪ 500 -‬ועד ל‪ .(20 -‬כל אחד מהמדגמים נלקח באופן‬

‫מקרי מהאוכלוסייה‪ ,‬הדומה לתרגיל שערכנו‪ :‬הערך הנמוך ביותר הוא ‪ 1‬והגבוה הוא‬ ‫‪ 10‬והממוצע שלה הוא ‪.5.5‬‬ ‫איור ‪9.1‬‬ ‫התפלגויות דגימה של מדגמים בגדלים שונים‬ ‫מה המשמעויות של התרגיל והאיור? כל חוקר דוגם רק פעם אחת ולא אינספור‬ ‫פעמים‪ ,‬ולכן הוא מחשב רק ממוצע אחד (בהנחה שאנו מתמקדים כעת רק באומדן‬ ‫אחד)‪ .‬השאלה שהוא חייב לשאול את עצמו היא אם ממוצע זה קרוב לממוצע‬ ‫האמיתי באוכלוסייה או רחוק ממנו? לרוע המזל איש אינו יכול לענות על שאלה זו‬ ‫(אם היינו יודעים מה הממוצע באוכלוסייה לא היינו זקוקים למדגם)‪ .‬אולם‪ ,‬כפי‬ ‫שהאיור מדגיש‪ ,‬נוכל לומר לו מה הסיכוי שהממוצע שלו קרוב או רחוק מהממוצע‬ ‫האמיתי‪ .‬מכיוון שניתן לחשב את התפלגות הדגימה המתאימה לגודל המדגם שבו‬ ‫בחר נוכל לציין לגבי הממוצע שקיבל מה הסיכויים שהוא בטווח מסוים מהממוצע‬ ‫האמיתי (והלא ידוע)‪.‬‬ ‫בשפה טכנית מקובל להשתמש בביטויים בנוסח הבא‪ :‬יש סיכוי של ‪ 95%‬או‬ ‫יותר שהממוצע באוכלוסייה נמצא בטווח שבין ‪ 4.4‬ל‪ ,5.4 -‬ודוגמה אחרת‪ -‬יש סיכוי‬ ‫של ‪ 99%‬שהממוצע באוכלוסייה נמצא בטווח שבין ‪ 4.5‬ל‪ .6.5 -‬לטווח שמעל ומתחת‬ ‫לאומדן שלנו את הממוצע אנו קוראים 'רווח בר סמך' (‪ .)confidence interval‬באופן‬ ‫אינטואיטיבי ניתן לראות שיש יחסי גומלין בין גודל הטווח לבין מידת הביטחון בו‪ .‬ככל‬ ‫שאני מצמצם את הטווח שאני נותן (קרי‪ ,‬אני מתחייב לדיוק רב יותר)‪ ,‬אני פחות‬ ‫בטוח בו‪ ,‬ולהיפך ‪ -‬אם אגדיל את הטווח (ולא אתחייב להיות מאוד מדויק) ארגיש‬ ‫בטוח יותר שהממוצע האמיתי נמצא אי שם בתוך הטווח‪.‬‬ ‫כחוקרים יש לנו עניין לערוך מחקר הנותן אומדן למצב באוכלוסייה בטווח צר ככל‬ ‫שניתן וברמת ביטחון גבוהה ככל שניתן‪ .‬בדוגמה של משחק הקלפים‪ ,‬אם המדגם‬ ‫גדול כל כך שהוא כולל את כל האוכלוסייה ברור שאנו לא צריכים לתת טווח ורמת‬ ‫הביטחון שלנו היא ‪ .100%‬אין זה מצב מציאותי (בין היתר משום שבהגדרה הטכנית‪,‬‬ ‫האוכלוסייה התיאורטית היא בעלת גודל אין סופי‪ ,‬כך שאין מדגם שיכול להכיל‬ ‫אותה)‪ .‬במציאות אנו מתמודדים עם מדגמים שבהם יש טעות הנובעת מהדגימה‬ ‫והמחייבים אותנו לתת אומדן ורווח בר סמך‪ ,‬כדי לאפיין את הטעות האפשרית שלנו‪.‬‬ ‫הכלים הסטטיסטיים שבידינו מאפשרים לתת הערכות של הרווח בר סמך‪ ,‬ואחת‬

‫התוצאות של העיבודים שאנו עורכים במחשב הוא חישוב הרווח בר סמך‪ ,‬על סמך‬ ‫מאפייני המדגם‪ .‬אנו לא נלמד לחשב רווח בר סמך באפן עצמאי‪ .‬אלא נשען על‬ ‫תוצאות העיבוד כפי שיתקבלו מהמחשב‪.‬‬ ‫‪^^##423‬הגורמים המשפיעים על גודל המדגם הרצוי‬ ‫נקדים ונאמר שברוב רובם של המקרים (אם לא בכולם)‪ ,‬אם יש לנו אפשרות‬ ‫לבחור מדגם גדול‪ ,‬נעדיף אותו על פני מדגם קטן יותר‪ .‬אולם‪ ,‬מדגמים גדולים יותר‬ ‫דורשים משאבים רבים יותר‪ ,‬שבדרך כלל אינם זמינים לנו‪ .‬לכן‪ ,‬האתגר שאנו‬ ‫מתמודדים אתו הוא להעריך מה גודל המדגם המינימלי הנדרש כדי לענות על‬ ‫הצרכים שלנו‪ .‬נתחיל בהבנת הביטוי 'הצרכים שלנו'‪ .‬שוו בנפשכם שאתם עובדים‬ ‫בשני מקומות‪ .‬האחד‪ ,‬מפעל לתרופות והאחר במחלקת הסקרים של פוליטיקאי‪.‬‬ ‫מפעל התרופות מייצר תרופה שיש לה חומר פעיל שהריכוז שלו חייב להיות ‪0.4‬‬ ‫מיליגרם בכל קפסולה‪ .‬סטייה של ‪ 0.02‬מיליגרם מעל או מתחת לערך הנדרש עלולה‬ ‫לגרום לנזק ומשום כך אסור לשווק תרופה שאינה עומדת בתנאי זה‪ .‬התפקיד שלך‬ ‫הוא לבחון מדגמים של התרופה המיוצרת בכל יום כדי להתריע אם התוצרת היומית‬ ‫חורגת מהדרישות‪ .‬במקרה זה‪ ,‬הצרכים שלנו דורשים טווח ביטחון צר מאוד ורמת‬ ‫ביטחון גבוהה מאוד‪ .‬גודל המדגם של קפסולות ישקפו את הצורך הזה‪.‬‬ ‫לעומת זאת‪ ,‬בסקרים הנערכים בעבור פוליטיקאים טווח הביטחון בדרך כלל‬ ‫יהיה רחב יותר ומידת הביטחון תהייה נמוכה יותר‪ .‬לא פעם אנו שומעים על ממצאי‬ ‫סקרים פוליטיים שבהם טווח ביטחון של ‪ 4%-+‬בביטחון של ‪ .95%‬בסקרים אחרים‬ ‫הדרישות עשויות להיות גבוהות יותר‪ .‬למשל‪ ,‬כשהתבקשנו להעריך רמות של‬ ‫אלימות בבתי הספר‪ ,‬הציפייה הייתה לטווחי ביטחון קטנים יותר‪ ,‬בעיקר בכל הנוגע‬ ‫לתופעות בשכיחות נמוכה‪ ,‬כמו הבאת נשק לבית הספר‪ .‬דרישות אלו חייבו מדגמים‬ ‫גדולים יותר‪ ,‬מאשר במחקרים אחרים שבהם הדרישות היו לטווחי ביטחון גדולים‬ ‫יותר‪.‬‬ ‫דוגמאות אחרות נוגעות למחקרים המנסים לבחון אם חל שינוי בעקבות‬ ‫התערבות‪ ,‬או אם יש הבדלים בין קבוצות שונות באוכלוסייה‪ .‬אם הציפייה שלנו היא‬ ‫לשינוי גדול בעקבות התערבות או שיש הבדלים גדולים בין הקבוצות‪ ,‬נזדקק‬ ‫למדגמים פחות גדולים כדי לזהות הבדלים אלו‪ ,‬מאשר במצב שבו אנו מנסים לזהות‬ ‫שינויים או הבדלים קלים‪ .‬למשל‪ ,‬אם אנו מצפים שהתערבות נגד דיכאון תפחית את‬ ‫רמות הדיכאון בנקודה אחת על סולם של עשר נקודות‪ ,‬מחקר שבסיומו נאמר‬ ‫שהשינוי ברמות דיכאון הוא ‪ 2 -+ 1.5‬נקודות‪ ,‬לא יתרום דבר‪ ,‬משום שגם אם‬ ‫ההתערבות הצליחה‪ ,‬וחל שינוי אמיתי של נקודה‪ ,‬המדגם שבחרנו לא יאפשר לנו‬ ‫לזהות שינוי זה בביטחון‪ .‬ככל שנבקש לזהות שינויים או הבדלים קטנים יותר‪ ,‬אנו‬ ‫מציגים ציפיות גבוהות ומחייבות יותר‪ ,‬ולכן נזדקק למדגמים גדולים יותר כדי לעמוד‬ ‫בהן‪.‬‬ ‫ניתן לסכם חלק זה ולומר שחלק מהגורמים המשפיעים על תכנון גודל המדגם‬ ‫הם הציפיות באשר לגודל רווח בר הסמך של האומדן שהוא יפיק‪ :‬ככל שנרצה להגיע‬ ‫לרווח בר סמך צר יותר ולרמת ביטחון גדולה יותר ברווח בר סמך‪ ,‬נזדקק למדגם‬

‫גדול יותר‪ .‬אולם‪ ,‬אין די במידע זה כדי לתכנן את גודל המדגם‪ .‬עלינו להתייחס גם‬ ‫למושג של שונות באוכלוסייה‪.‬‬ ‫‪^^##424‬הקשר בין השונות באוכלוסייה לבין גודל המדגם‬ ‫שני חוקרים עם דרישה דומה לגודל רווח בר סמך בביטחון של ‪ 95%‬העוסקים‬ ‫באוכלוסיות שונות יזדקקו למדגמים בגדלים שונים‪ .‬שוו בנפשכם שאתם מכירים‬ ‫מישהו העובד במפעל בארץ רחוקה המבקש לבנות מכונה לחליבת עיזים‪ .‬מכיוון‬ ‫שבארץ רחוקה זו אין עיזים‪ ,‬הוא נשלח לארצך עם משימה מחקרית להעריך את‬ ‫מספר הפטמות הממוצע שיש לעיזים‪ .‬הוא נדרש לספק אומדנים מאוד מדויקים‪ ,‬כי‬ ‫עלות הייצור של מכונות החליבה היא גבוהה‪ ,‬ויש להבטיח שמספר הפטמות במכונה‬ ‫יהיה זהה בדיוק למספר הפטמות של העיזים‪ .‬אם הייתם יכולים ללחוש על אוזנו‪,‬‬ ‫הייתם בוודאי אומרים לו שהוא זקוק למדגם של עז אחת בלבד‪ ,‬כי לכל העיזים יש‬ ‫מספר דומה של פטמות ואין טעם לבחון עוד ועוד עיזים‪ .‬לעומת זאת‪ ,‬אם חבר אחר‬ ‫שלכם היה נשלח לאמוד את מידת שביעות הרצון של הורים מבית הספר של ילדם‪,‬‬ ‫סביר שהייתם ממליצים לו לקחת מדגם גדול ככל שניתן כדי לעמוד על כל ההבדלים‬ ‫במידת שביעות הרצון של הורים‪ ,‬כי ידוע שיש הבדלים בין ההורים‪ .‬בשפה טכנית‬ ‫ניתן לומר‪ ,‬שגודל המדגם הרצוי מושפע מהשונות באוכלוסייה – ככל שזו גדולה יותר‪,‬‬ ‫יהיה צורך במדגמים גדולים יותר כדי לשקף אותה‪.‬‬ ‫כאשר מדובר בתשובות דיכוטומיות (מסכים – לא מסכים) והתשובות ניתנות‬ ‫להצגה כפרופורציה של תשובות חיוביות‪ ,‬ניתן לחשב את השונות מראש‪ .‬השונות‬ ‫תהיה מקסימלית כשהפרופורציה הצפויה היא של ‪ 50%‬והיא תלך ותרד ככל‬ ‫שההתפלגות פחות סימטרית‪ ,‬עד לנקודה שבה יש רק תשובה אחת (פרופורציית‬ ‫העיזים בעלות שתי פטמות היא ‪ .)100%‬במקרה קיצוני זה כמובן שהשונות היא‬ ‫הקטנה ביותר‪.‬‬ ‫לכן‪ ,‬בחישובים של גודל מדגם אופטימלי‪ ,‬יש לכלול את אומדן השונות‪ .‬לעיתים‬ ‫יש לנו מידע מוקדם על השונות באוכלוסייה ממחקרים אחרים‪ ,‬ולעיתים חוקרים‬ ‫עורכים מחקר מקדים שכל מטרתו להעריך את השונות באוכלוסייה של התופעה‬ ‫המעניינת אותם‪ .‬זאת‪ ,‬כדי שיוכלו לשלב את אומדן השונות בחישובים שנועדו‬ ‫להעריך את גודל המדגם האופטימלי‪.‬‬ ‫יש כיום באינטרנט אתרים המאפשרים לחשב את גודל המדגם האופטימלי‬ ‫בעבור מחקר מסוים (לדוגמה‪ ,‬האתר ‪National Statistics Service -‬‬ ‫‪https://www.abs.gov.au/websitedbs/D3310114.nsf/home/Sample+Size‬‬ ‫‪ .) +Calculator‬לאור מה שהצגנו למעלה‪ ,‬לא מפתיע שהן כוללות את 'מידת‬ ‫הביטחון' (למשל‪ ,‬האם מדובר ב‪ ,99% ,95%‬או ‪ ,)99.9%‬ואת 'גודל רווח בר הסמך'‬ ‫שאנו דורשים‪.‬‬ ‫כמו כן‪ ,‬האתר מתייחס למדדים שונים המאפשרים לחשב את מרכיב השונות‬ ‫בתהליך החישוב של גודל המדגם‪ .‬במקרים שבהם מדובר על משתנה דיכוטומי‪,‬‬ ‫אחת הדרכים המקובלות היא להתייחס לשאלה‪ ,‬לאיזו פרופורציה אנו מצפים‬ ‫בתשובות (לדוגמה‪ ,‬כמה יאמרו 'כן' לעומת כמה יאמרו 'לא') – ככל שאנו מצפים‬ ‫שהפרופורציה תהייה קרובה ל‪( 50% -‬מצב של מקסימום שונות) יש צורך במדגם‬

‫גדול יותר‪ .‬משום כך מומלץ‪ ,‬שאם אין מידע אחר‪ ,‬יש להכניס את הערך ‪ ,50%‬שהוא‬ ‫השמרני ביותר ומאפשר לחשב מדגם בגודל הנותן מענה למשתנים עם השונות‬ ‫הרבה ביותר‪.‬‬ ‫נמליץ לקורא לנסות ולהכניס ערכים שונים לפרמטרים המופיעים בממשק של‬ ‫התוכנה לחישוב גודל המדגם ולראות כיצד גודל המדגם המוצע משתנה בהתאם‬ ‫לערכים השונים‪ .‬כך ניתן לראות שהכנסת רווח בר סמך קטן יותר תגדיל את המדגם‬ ‫המוצע ושינוי הפרופורציה לערך הקטן מ‪ 50%-‬יקטין את גודל המדגם המוצע‪ .‬נדגיש‪,‬‬ ‫שלעיתים קרובות החישוב בפועל של גודל המדגם האופטימלי עשוי להיות מורכב‬ ‫ונתון בידי אנשי מקצוע המתמחים בסוגיות אלו‪ .‬אנו נמשיך ונדון בסוגיות אלו כשנציג‬ ‫את ההשלכות של גודל המדגם על העוצמה של מבחנים סטטיסטיים‪.‬‬ ‫נסכם ונאמר‪ ,‬ככל שאנו מבקשים להיות בטוחים יותר באומדן שהגענו אליו‬ ‫באמצעות המדגם וככל שאנו מבקשים לתת רווח בר סמך צר יותר וככל שהשונות של‬ ‫התופעה באוכלוסייה גדולה יותר‪ ,‬נזדקק למדגם גדול יותר‪ .‬שימו לב‪ ,‬שבניגוד‬ ‫לאינטואיציה של רבים‪ ,‬לגודל האוכלוסייה אין בדרך כלל השפעה משמעותית על גודל‬ ‫המדגם‪ .‬כאשר האוכלוסייה גדולה באופן משמעותי מגודל המדגם‪ ,‬אין הבדל ניכר‬ ‫בגודל המדגם הנדרש לאוכלוסיות גדולות בהשוואה לאוכלוסיות גדולות מאוד‪ .‬למשל‪,‬‬ ‫מדגם של ‪ 500‬ייתן תוצאות טובות לאוכלוסייה שגודלה מיליונים אחדים באותה מידה‬ ‫כמו באוכלוסייה המונה ‪ .100,000‬לגודל האוכלוסייה יש משמעות רק כשהיא קטנה‬ ‫למדי יחסית לגודל המדגם‪.‬‬ ‫‪^^##425‬דגימה לא הסתברותית‬ ‫למרות העניין הרב שלנו במדגמים מייצגים‪ ,‬במקרים רבים אין לנו מסגרת‬ ‫דגימה מפורטת‪ ,‬כך שאיננו יכולים לדגום ממנה באופן מקרי‪ .‬אם נרצה ללמוד על‬ ‫היחסים בין נשים החשות דיכאון לבין ילדיהן‪ ,‬נתקשה למצוא רשימה של נשים אלו‪.‬‬ ‫ייתכן שנוכל להגיע לרשימה של נשים המטופלות עקב דיכאון‪ ,‬ומתוכה לגזור את‬ ‫הקבוצה של נשים שלהן ילדים‪ ,‬אך אם העניין שלנו הוא בטווח הרחב של תחושות‬ ‫דיכאון לא נצליח להגיע למסגרת דגימה מפורטת‪ .‬במקרים אחרים יש לנו עניין‬ ‫בתופעות בעלות היקף קטן יחסית או שהן חדשות יחסית‪ ,‬כך שאין לנו מידע מוקדם‬ ‫רב עליהן‪ ,‬ובוודאי לא מידע שיאפשר לנו לדגום באופן הסתברותי‪ .‬במקרים מעין אלו‬ ‫נפנה לשיטות דגימה לא הסתברותיות אשר אינן מבוססות על מסגרת דגימה‬ ‫קיימת‪.‬‬ ‫נפתח ונאמר שיש דמיון רב בין שיטות הדגימה הלא הסתברותיות השונות וניתן‬ ‫לראות שלא תמיד יש הסכמה בספרות על ההגדרות של השיטות השונות ועל‬ ‫ההבדלים ביניהן‪ .‬כמו כן‪ ,‬נבהיר מראש שלמדגמים אלו יש מגבלות רבות וניתן לזהות‬ ‫שאינם עומדים בקריטריונים הנדרשים כדי לטעון לייצוגיות‪ .‬מגבלה מרכזית היא שאין‬ ‫לנו דרך יעילה להעריך את מידת הביטחון שלנו באומדנים שאנו מגיעים אליהם (רווח‬

‫בר סמך) כמו במקרים שבהם אנו נשענים על דגימה הסתברותית‪ .‬עם זאת‪ ,‬חוקרים‬ ‫המכירים במגבלות של שיטות אלו עושים מאמץ מכוון להקטין חלק ממגבלות אלו‪.‬‬ ‫מקובל להבחין במספר סוגים של דגימות לא הסתברותיות‪:‬‬ ‫מדגם נוחות‬ ‫מדגם זה מבוסס על הרעיון שאנו נבחר מדגם שיש לנו גישה נוחה אליו‪.‬‬ ‫לדוגמה‪ ,‬אשת מקצוע שרוצה ללמוד על הכוחות החיוביים של ילדים הנמצאים‬ ‫בהשמה חוץ‪-‬ביתית מחליטה לחקור את מצבם של כל הילדים שבאחריות‬ ‫העמותה שבה היא עובדת משום שהם נגישים לה יותר מאשר ילדים‬ ‫בעמותות אחרות (זאת‪ ,‬תוך הקפדה על כך שלילדים ולהוריהם יש אפשרות‬ ‫להימנע מלהשתתף במחקר מבלי שייפגעו כי אינם משתפים פעולה עם‬ ‫החוקרת)‪ .‬לבחירה זו עלולות להיות מגבלות רבות ולכן חשוב לתאר את הדרך‬ ‫שבה ביצענו את הדגימה‪ ,‬ולתת בכך לקורא הרוצה להחליט כיצד להתייחס‬ ‫למחקר הזדמנות להעריך את הדגימה על סמך העובדות המפורטות‪.‬‬ ‫לעיתים קרובות אנו נתקלים בחוקרים המדווחים שנשענו על מדגם נוחות מבלי‬ ‫לעשות מאמץ כלשהו לפרט כיצד נבחרו המשתתפים בפועל‪ .‬חשוב להדגיש שגם‬ ‫כשאין ברירה ונאלצים להשתמש במדגם נוחות‪ ,‬יש הבדלים ניכרים במידת הייצוגיות‬ ‫של מדגמים שנבחרו בדגימת נוחות‪ .‬דגימת נוחות שבה החוקרת מראיינת לקוחות‬ ‫שפגשה במקרה בקניון השכונתי שונה באופן משמעותי מדגימת נוחות של חוקרת‬ ‫שבחרה מספר קניונים שאליהם הייתה לה גישה נוחה‪ ,‬אך בכל אחד מהם הקפידה‬ ‫לדגום באופן מקרי לקוחות בשעות שונות של היום‪ .‬על אף שגם דגימה זו המבוססת‬ ‫על מדגם נוחות ויש להיזהר בהכללות ממנה‪ ,‬הממצאים של מחקר המבוסס על‬ ‫דגימת נוחות זו יהיו משכנעים יותר משל החוקרת שנשענה על מדגם נוחות של‬ ‫לקוחות שפגשה במקרה בקניון השכונתי שלה‪ .‬משום כך‪ ,‬חשוב לציין כיצד בצענו את‬ ‫הדגימה או את בחירת המשתתפים‪ ,‬ולא להסתפק במשפט סתום שהמחקר התבסס‬ ‫על דגימת נוחות‪ .‬זאת‪ ,‬כדי שהקורא יוכל לבחון ולהעריך כמיטב יכולתו אם קיימת‬ ‫הטיה‪ ,‬מה עוצמתה ומה הכיוון שלה‪ .‬לעיתים החוקר יכול להראות את התפלגות‬ ‫המאפיינים של מדגם הנוחות שבחר ולהצביע על כך שהם דומים למאפייני‬ ‫האוכלוסייה‪ ,‬ככל שהם ידועים‪ .‬בכל מחקר המבוסס על מדגם נוחות יש לציין את‬ ‫מגבלותיו ולהיות זהירים בהכללה‪ ,‬יותר מאשר בשיטות דגימה הסתברותיות (שגם‬ ‫להן מגבלות שיש להתייחס אליהן בדיון)‪.‬‬ ‫מדגם כדור שלג‬ ‫לעיתים אנו עוסקים באוכלוסייה ובתופעות שקשה לאתר‪ ,‬או שיש‬ ‫למשתתפים פוטנציאלים התנגדות רבה להודות שהם משתייכים לקבוצה זו‪.‬‬ ‫למשל‪ ,‬חוקרת המבקשת ללמוד על הקשיים של עובדים זרים הנמצאים בארץ‬ ‫שלא כחוק לא תוכל להשתמש ברשימות קיימות או לתלות שלט בסופרמרקט‬ ‫המציע להם להשתתף במחקר‪ .‬במקרים כאלה החוקרת מנסה לזהות‬ ‫משתתף אחד או מספר קטן של משתתפים הבוטחים בה והיא מבקשת שיפנו‬ ‫אליה משתתפים פוטנציאלים אחרים‪ .‬וכך‪ ,‬המדגם הולך ואוסף תאוצה‪ ,‬ככדור‬

‫שלג המתגלגל במדרון‪ .‬אפשר לכנות שיטה זו \"מפה לאוזן\" או \"חבר מביא‬ ‫חבר\"‪.‬‬ ‫מדגם מכוון (מהמילה כוונה) או מדגם מטרה‬ ‫כל מדגם הוא מדגם מכוון כי אנו רוצים ומכוונים להגיע לאנשים מסוימים‪.‬‬ ‫ואכן‪ ,‬יש חוקרים הרואים בצורות הדגימה הלא הסתברותיות וריאציה על רעיון‬ ‫הדגימה המכוונת‪ .‬אולם‪ ,‬אנו משתמשים בביטוי זה בדרך שונה ומתכוונים לכך‬ ‫שמדובר בניסיון לזהות תת קבוצה מיוחדת‪ ,‬בעלת מאפיין שעליו אנו רוצים‬ ‫ללמוד לשם הבנת תופעה‪ .‬מדובר במדגם קטן יחסית של אנשים אשר יכולים‬ ‫לשפוך אור על תופעה מסוימת‪ .‬בדרך כלל משתמשים במדגם כזה בצעדים‬ ‫ראשונים במחקר כדי לאסוף מידע ראשוני שיעזור לתכנן מחקר מעמיק ורחב‬ ‫היקף יותר‪ .‬למשל‪ ,‬אנו מנסים להגיע למומחים בתחום מסוים או למנהיגים‬ ‫בקהילה שלהם‪ ,‬כדי לקבל את זווית הראייה המיוחדת להם‪.‬‬ ‫מדגם מכסה‬ ‫במדגם מסוג זה אנו דוגמים עד שאנחנו ממלאים מכסה מסוימת שאליה‬ ‫רצינו להגיע‪ .‬לדוגמא‪ :‬דוגמים עד שנגיע למכסה של ‪ 50‬בנות ו – ‪ 50‬בנים‪.‬‬ ‫מדגם זה הוא כמו מדגם שכבות הסתברותי אך הוא לא נעשה בצורה מקרית‬ ‫ואקראית אלא בצורה הנוחה לנו‪ .‬בדומה לדגימת שכבות הסתברותית‪ ,‬אנו‬ ‫עשויים לבחור בדגימת מכסה פרופורציונלית (למשל‪ ,‬להבטיח שבמדגם יש‬ ‫‪ 60%‬גברים ו‪ 40%-‬נשים)‪ ,‬או בדגימת מכסה לא פרופורציונלית‪ ,‬שאינה‬ ‫משקפת את ההתפלגות באוכלוסייה‪ ,‬כפי שהיא ידועה לנו‪ .‬למשל‪ ,‬לדגום‬ ‫מכסה של ‪ 50%‬עובדים סוציאליים ו‪ 50%-‬עובדות סוציאליות‪ ,‬מתוך‬ ‫אוכלוסייה שידוע ששיעור העובדות הסוציאליות בה גבוה בהרבה משיעור‬ ‫העובדים‪.‬‬ ‫מדגם שונות מקסימלית‬ ‫בסוג דגימה זה אנו עושים מאמץ מיוחד לחפש משתתפים או תופעות‬ ‫השונים זה מזה כך שנוכל ללמוד על מגוון תופעות‪ ,‬מבלי שאנו מוטרדים‬ ‫מהשאלה עד כמה תופעה מסוימת שכיחה יותר או פחות‪ .‬למדגם זה יש‬ ‫יתרונות בעיקר במחקרים איכותניים המנסים ללמוד על השונות בתופעות‬ ‫מסוימות‪.‬‬ ‫הדגימה היא חלק חשוב בכל מחקר‪ .‬יש העדפה ברורה ומוצדקת לשימוש‬ ‫במדגמים מייצגים וגדולים היכולים לתת מענה מספק על שאלות מחקר‪ .‬לשם‬ ‫כך‪ ,‬נערכים לעיתים מחקרים שבהם מושקעים משאבים רבים כדי להבטיח את‬ ‫טיב המדגם‪ .‬אולם‪ ,‬כפי שניתן להתרשם מקריאה בכתבי עת מדעיים ומעיון‬ ‫במחקרים הרבים הנערכים על ידי תלמידי מוסמך ודוקטורט‪ ,‬רוב רובם של‬ ‫המחקרים מבוססים על דגימת נוחות ועל מדגמים לא גדולים‪ .‬החלק המטריד‬ ‫במיוחד בקריאת עבודות מדעיות אלו וכן בדיונים הציבוריים המתקיימים‬ ‫בעקבות מחקרים שהגיעו לתקשורת‪ ,‬היא ההתעלמות מהיכולת המוגבלת‬

‫להכליל ממחקרים המבוססים על מדגמי נוחות‪ ,‬שהייצוגיות שלהם כלל אינה‬ ‫ברורה‪.‬‬ ‫דוגמה להתעלמות מסוגיות של דגימה ולהימנעות מדיווח מלא ניתן‬ ‫למצוא בסקרי דעת קהל המתפרסמים חדשות לבקרים‪ ,‬בעיקר לפני בחירות‪.‬‬ ‫עם כל ההערכה לידע המקצועי של הסוקרים המאפשר להם לבנות מדגמים‬ ‫מייצגים האמורים לתת תמונת מצב משקפת של כלל האוכלוסייה הבוגרת‬ ‫בישראל על סמך מדגם המונה פחות מ‪ 600-‬משתתפים‪ ,‬הדיווח על תהליכי‬ ‫הדגימה הוא פחות ממינימלי‪ .‬סביר להניח כי הדבר נובע מהרצון לשמור על‬ ‫סודות מקצועיים‪ .‬ובכל זאת‪ ,‬כל מי שרוצה להעריך את ייצוגיות המדגם‪ ,‬חייב‬ ‫לקבל מידע רב יותר על הדגימה‪ ,‬כולל על שיעור המשיבים‪ .‬אם שיעור‬ ‫המשיבים הוא נמוך מאוד‪ ,‬קשה להניח שהמדגם יכול להיות מייצג (כי הוא‬ ‫בוודאי אינו מייצג את הפלח באוכלוסייה‪ ,‬המעדיף לא לענות על סקרים)‪.‬‬ ‫חשוב לכן‪ ,‬ליישם את הלקחים שנלמדים בפרק זה לא רק לצריכה נבונה של‬ ‫מחקרים מדעיים‪ ,‬אלא גם לקריאה ביקורתית של סקרים ומחקרים שהמדגמים‬ ‫שלהם עלולים להיות מוטים ושאינם ניתנים להכללה לאוכלוסייה שאותה הם‬ ‫אמורים לייצג‪.‬‬ ‫תרגילים לפרק ‪9‬‬ ‫פרק ‪10‬‬ ‫מערכי מחקר‬ ‫‪^^##426‬מבוא‬ ‫בחלק זה של התהליך המחקרי‪ ,‬מטרתנו היא לתכנן באלו דרכים נפעל כדי לענות‬ ‫בדרך מיטבית על השערות המחקר‪ .‬הביטוי 'מערך המחקר' מתייחס לסדרת פעולות‬ ‫שבהן אנו מתכוונים לנקוט כדי לבחון את השערות המחקר‪ .‬מערך המחקר עונה על‬ ‫שאלות כגון‪:‬‬ ‫• מה יהיה תפקידנו במחקר‪ :‬האם רק נצפה ונאסוף נתונים בלי לשנות דבר‬ ‫(מערך תצפיתי ‪ ,)observational -‬או שאנו מתכוונים להיות מעורבים‬ ‫באופן אקטיבי ולהפעיל התערבות (מערך ניסויי ‪?)experimental -‬‬ ‫• האם אנו מתכוונים לבדוק קבוצה אחת של משתתפים? להשוות בין‬ ‫מספר קבוצות של משתתפים? האם נשווה בין קבוצות קיימות‪ ,‬למשל בין‬ ‫כיתה אחת לכיתה שנייה? בין גברים לנשים? או אולי ניצור קבוצות שונות‬

‫לצורך המחקר? למשל‪ ,‬לקבוצה אחת ניתן התערבות טיפולית מסוימת‬ ‫ולקבוצה אחרת לא ניתן?‬ ‫• אם אנו מתכוונים ליצור מספר קבוצות‪ ,‬כיצד נחליט מי המשתתפים‬ ‫שייכללו בכל אחת מהקבוצות?‬ ‫• האם אנו מתכוונים לאסוף מידע במהלך חד פעמי‪ ,‬במדידה אחת? או‬ ‫אולי במדידות מספר‪ ,‬למשל‪ ,‬לפני ואחרי הפעלת ההתערבות? האם‬ ‫נמשיך ונעקוב אחר משתתפים לאורך זמן רב? באיזו תכיפות?‬ ‫התשובות לשאלות אלו וההחלטות על מערך המחקר שבו נבחר‪ ,‬מושפעות‬ ‫משיקולים רבים‪.‬‬ ‫‪^^##427‬שיקולים לבחירת מערך מחקר‬ ‫באופן כללי ניתן לומר שאנו מעצבים את מערך המחקר כדו‪-‬שיח בין מה שאנו‬ ‫מבקשים לדעת‪ ,‬כפי שבא לידי ביטוי בשאלות המחקר‪ ,‬ובין מה שאנו מסוגלים‬ ‫לעשות במחקר המסוים‪ .‬הגורם המרכזי המניע את הבחירה במערך המחקר הוא‬ ‫אופי שאלות המחקר שאנו מציגים‪ .‬עם זאת‪ ,‬לפני שנדון בהרחבה בדרכים שבהן‬ ‫אופי השערות המחקר ישפיע על עיצוב מערך המחקר‪ ,‬נפנה את תשומת הלב‬ ‫לשיקולים רלוונטיים נוספים שישפיעו במידה רבה על הבחירות שנעשה בהמשך‪.‬‬ ‫שיקולים אתיים‬ ‫לשיקולים האתיים משקל רב במחקר‪ .‬ייתכן שנוכל לבחון את השערת המחקר‬ ‫על ידי כך שנטעה את המשתתפים ונגרום להם להאמין שהם משתתפים במחקר על‬ ‫נושא אחר‪ .‬במקרה כזה יש לשאול אם הטעייה זו מוצדקת ואם אפשר להקטין את‬ ‫השלכותיה השליליות‪ .‬ובדוגמה אחרת‪ ,‬ייתכן שהדרך הנכונה ללמוד על התפתחות‬ ‫התגובות לאובדן בן משפחה היא למדוד את משתני המחקר מיד עם קבלת הידיעה‬ ‫המרה ולאחר מכן בכל יום במהלך החודש הראשון שלאחר המוות‪ .‬האם אפשר‬ ‫לעשות זאת בלי לפגוע בצורה משמעותית במשתתף האבל? סביר שנצטרך לבחור‬ ‫במערך מחקר אחר שיפגע פחות במשתתף‪ .‬דוגמה נוספת היא‪ :‬ייתכן שהדרך‬ ‫המתאימה ביותר לבחון השערת מחקר היא על ידי מניעת טיפול מקבוצת משתתפים‬ ‫‪ -‬האם מן הראוי יהיה לעשות זאת? האם יש דרך שבה נוכל לענות על השערת‬ ‫המחקר באופן סביר גם ללא מניעת טיפול? אולי אפשר לדחות את הטיפול בקבוצת‬ ‫משתתפים מבלי שיגרם להם נזק ולא למנוע אותו כליל? אלו הם רק חלק מהשיקולים‬ ‫האתיים שאנו חייבים להתייחס אליהם במעבר שבין השערות המחקר לעיצוב מערך‬ ‫המחקר‪.‬‬ ‫שיקולי ישימות ועלות‬ ‫אילוצים אחרים נובעים משיקולי ישימות‪ ,‬עלויות‪ ,‬יכולות טכניות ועוד‪ .‬לדוגמה‪,‬‬ ‫ייתכן שהדרך המתאימה ביותר לענות על השערה מסוימת היא לראיין את אותם‬ ‫המשתתפים לעיתים תכופות במשך שלוש שנים רצופות‪ .‬לפני שנחליט על בחירה‬ ‫במערך מחקר כדאי לשאול אם עומדים לרשות המחקר משאבים שיאפשרו לבצע‬ ‫מהלך זה; האם ניתן לצפות שנצליח לאתר את המשתתפים במהלך כל השנים‬

‫האלה? האם ירצו לשתף פעולה? האם נוכל לפצות אותם על הזמן שיקדישו‬ ‫להשתתפות במחקר?‬ ‫כפי שצוין בפרק שבו תיארנו את מהלך המחקר‪ ,‬חלק ניכר מהתהליך צופה פני‬ ‫עתיד‪ .‬כאשר אנו מתלבטים בניסוח שאלות המחקר והשערותיו‪ ,‬עלינו לחשוב מה‬ ‫המשמעויות של הבחירה שלנו בהשערת המחקר המסוימת על מערך המחקר‪ .‬ייתכן‬ ‫שאנו מציגים השערת מחקר שאם נבחן אותה בצורה ביקורתית נמצא שאין לנו דרך‬ ‫טובה לענות עליה באמצעים שבידינו‪ .‬חשוב לכן‪ ,‬שכבר בשלב ניסוח השערות‬ ‫המחקר ותכנון המערך‪ ,‬החוקרת תצפה את הקשיים האתיים והמעשיים שיעמדו‬ ‫בפנייה בעתיד‪ ,‬תעריך מה היכולת שלה להתמודד אתם‪ ,‬ולאור הערכה זו‪ ,‬תחליט על‬ ‫השערות המחקר ועל מערך המחקר המתאים‪ .‬לעיתים‪ ,‬החוקרת תבצע שינויים‬ ‫בניסוח השערות המחקר המקוריות ותבחר במערך מחקר מתאים יותר לנסיבות‪ .‬כך‬ ‫למשל‪ ,‬יש חוקרים המבקשים לענות על שאלות סיבתיות‪ ,‬אך משהם בוחנים את‬ ‫יכולתם לבצע מחקר ובו מערך מחקר מתאים לשאלה סיבתית ומגיעים למסקנה‬ ‫שלפחות בשלב זה של המסע המחקרי אינם יכולים לאמץ מערך מחקר סיבתי‪ ,‬הם‬ ‫מחפשים אלטרנטיבה‪ .‬במקרים מעין אלו‪ ,‬יש חוקרים המחליטים להציג השערות על‬ ‫קשרים בין תופעות‪ ,‬שהן פחות שאפתניות מבחינת הידע שהן יכולות להפיק‪ ,‬אך‬ ‫אפשר לענות עליהן באמצעות מערכי מחקר שאפשר לעמוד בדרישותיהם‪ .‬בהמשך‬ ‫המסע המחקרי‪ ,‬גם בזכות הידע שנצבר באמצעות המחקרים על קשרים בין תופעות‪,‬‬ ‫עשויים החוקרים להציג שאלות סיבתיות ולהתמודד עם מערכי מחקר קשים יותר‬ ‫לביצוע‪.‬‬ ‫שיקולים הנובעים מאופי ההשערה‬ ‫כאמור‪ ,‬הגורם המרכזי המנחה את הבחירה במערך המחקר הן השערות‬ ‫המחקר‪ .‬על החוקר לבחור מערך מחקר המאפשר לענות על השערות המחקר‪ .‬אם‬ ‫ההשערה של החוקר היא שיש הבדל בין נשים לגברים בתפיסתם באשר ליכולות‬ ‫שלהם לפתור בעיות מתמטיות‪ ,‬על מערך המחקר לאפשר השוואה בין שתי‬ ‫הקבוצות‪ .‬אם חוקרת מבקשת לבחון לאורך זמן מה השינוי שחל בהזדהות העובד‬ ‫עם הארגון שבו הוא מועסק‪ ,‬מערך המחקר חייב לכלול התייחסות למשך הזמן שבו‬ ‫העובד מועסק בארגון‪ .‬חוקר הבוחן את הקשר בין מידת האמון בבית המשפט העליון‬ ‫לדפוס ההצבעה בבחירות‪ ,‬חייב לעצב מערך מחקר המאפשר לבחון את המתאם בין‬ ‫שני המשתנים‪ .‬חוקרת הבוחנת השערה סיבתית‪ ,‬שרמת האמפתיה של מרפאה‬ ‫בעיסוק מקדמת את נכונותו של המטופל להכיר במגבלותיו הפיזיות‪ ,‬חייבת לעצב‬ ‫מערך מחקר שיבטיח כי הקשר שמצאה בין אמפתיה לנכונות להכיר במגבלות‪ ,‬מקורו‬ ‫בהשפעת האמפתיה על הנכונות‪ ,‬ואינו נובע מהכיוון ההפוך ‪ -‬שמטפלות נוטות להגיב‬ ‫באמפתיה רבה יותר למטופלים המוכנים להכיר במגבלותיהם הפיזיות‪.‬‬ ‫לאור ההשפעה החשובה של ההשערות על מערך המחקר‪ ,‬נציג בנפרד מערכי‬ ‫מחקר ניסויים (‪ ,)experimental‬המתמודדים עם השערות סיבתיות ומערכי מחקר‬ ‫מתאמיים (‪ )correlational or observational‬שנועדו לענות על השערות על קשרים‬ ‫בין משתנים‪ .‬השימוש בביטוי '‪ 'observational‬משקף את העובדה שבמערכי מחקר‬ ‫שנועדו לבדוק קשר‪ ,‬החוקר בוחן תופעה המתרחשת ללא התערבותו‪ .‬לעומת זאת‪,‬‬ ‫במערכי מחקר ניסויים החוקר מפעיל (או מתפעל) את המשתנה הבלתי תלוי‪ ,‬כמו‬

‫מתן התערבות או ִט ְפלּול (הפעלת מניפולציה)‪ .‬בהמשך‪ ,‬נציג סוג נוסף של מערכי‬ ‫מחקר המתאימים להשערות שבהן לזמן יש חשיבות מיוחדת‪ ,‬כגון שאלות על שינויים‬ ‫המתרחשים לאורך זמן‪.‬‬ ‫‪^^##428‬בחינה של השערות סיבתיות‬ ‫בפרק ‪ 4‬הצגנו השערות סיבתיות‪ .‬למדנו שאנחנו יכולים לומר שיש קשר סיבתי‬ ‫בין משתנה בלתי תלוי (סיבה) למשתנה תלוי (תוצאה) כאשר‪:‬‬ ‫‪ .1‬יש קשר בין המשתנה הבלתי תלוי לתלוי‪.‬‬ ‫‪ .2‬סדר הזמנים הוא כזה שהמשתנה הבלתי תלוי מתקיים לפני התלוי ולא להיפך‪.‬‬ ‫‪ .3‬אין גורמים אחרים המסבירים את הקשר בין המשתנה הבלתי תלוי למשתנה‬ ‫התלוי‪.‬‬ ‫וכך‪ ,‬כדי לטעון שחרדת בחינות היא גורם סיבתי לכישלון בבחינה‪ ,‬עלינו קודם כל‬ ‫להראות כי‪:‬‬ ‫‪ .1‬יש קשר בין חרדת בחינות לכישלון בבחינה‪ .‬קרי‪ ,‬מי שסובל מחרדת בחינות‬ ‫צובר כישלונות רבים יותר בבחינות בהשוואה לנבחנים שרמת חרדת הבחינות שלהם‬ ‫נמוכה‪.‬‬ ‫‪ .2‬תחושת החרדה קדמה בזמן לכישלון בבחינה‪.‬‬ ‫‪ .3‬להביא עדויות נוספות ומשכנעות שלחרדה יש תרומה ייחודית לכישלון‬ ‫בבחינות‪ ,‬בנפרד מההשפעות של גורמים אחרים‪ .‬למשל‪ ,‬עלינו להביא הוכחות לכך‬ ‫שהקשר שמצאנו אינו נובע מהעובדה הפשוטה שתלמידים עם ידע מוגבל או‬ ‫מיומנויות נמוכות חרדים יותר מבחינות (מסיבות מוצדקות)‪ ,‬שהרי אז הכישלון נובע‬ ‫מהמיומנויות הנמוכות ולאו דווקא מהחרדה מהבחינה‪ ,‬כפי שהייתה הטענה הסיבתית‬ ‫של החוקר‪ .‬נדגיש‪ ,‬אין הכוונה שעלינו להוכיח שחרדת בחינות היא הגורם היחיד או‬ ‫החשוב ביותר לכישלון בבחינה‪ ,‬אלא עלינו להראות שלחרדת הבחינות הייתה‬ ‫תרומה ייחודית משלה‪ ,‬לכישלון בבחינה‪.‬‬ ‫לפני שנתאר את מערכי המחקר הבוחנים השערות סיבתיות‪ ,‬חשוב להבין את‬ ‫האתגרים שבפניהם עומדים חוקרים המציגים השערות סיבתיות‪ ,‬ואת הדרישות‬ ‫שבהן עליהם לעמוד כדי לשכנע שעלה בידם להוכיח את ההשערות הסיבתיות‬ ‫שהציגו‪ ,‬כלומר להוכיח כי ההבדלים בין קבוצה שקיבלה התערבות לקבוצה שלא‬ ‫קיבלה אותה‪ ,‬נובעים מהגורם שנטען שהוא הסיבה‪ ,‬ולא גורם או גורמים אחרים‬ ‫המעורבים בקשר זה‪ .‬על ידי הבנה של הדרישות שבהן על החוקרים לעמוד‪ ,‬ניתן‬ ‫יהיה להבין אלו מערכי מחקר מאפשרים להם לעמוד בקריטריונים הנדרשים לשם‬ ‫הוכחה של קשר סיבתי‪.‬‬ ‫‪^^##429‬תוקף פנימי‬ ‫בביטוי תוקף פנימי אנו מתייחסים למידה שבה מערך המחקר שבחרנו מאפשר‬ ‫לנו לטעון את הטענה הסיבתית שאנו מבקשים לבדוק ( ;‪Campbell, 1957‬‬ ‫‪ .)Campbell & Stanley, 1963; Shadish, Cook, & Campbell, 2002‬ובמילים‬ ‫אחרות‪ ,‬האם אומנם המחקר‪ ,‬כפי שבוצע‪ ,‬משכנע את הקהילה המדעית שנמצא‬ ‫קשר סיבתי בין המשתנה הבלתי תלוי שהציע החוקר ובין המשתנה התלוי‪ ,‬או אולי‪,‬‬

‫יש טענות משכנעות שייתכן שממצאי המחקר יכולים להיות מוסברים אחרת‪ ,‬ולא על‬ ‫ידי הקשר הסיבתי שהציע החוקר‪.‬‬ ‫חוקרים המתכננים מחקר צופים את פני העתיד וחושבים על היום שאחרי איסוף‬ ‫הנתונים ועיבודם ויבקשו לטעון שהשערתם הסיבתית אוששה‪ .‬הם יעמדו אז בפני‬ ‫ביקורת הקהילה המדעית שתבחן את התוקף הפנימי של המחקר שביצעו ותציג‬ ‫בפניהם שאלות המעמידות בספק את המסקנה שלהם שהשערתם הוכחה‪ .‬לכן‪,‬‬ ‫חוקרים חושבים מראש מה הם ה'איומים לתוקף הפנימי' ( ‪threats to internal‬‬ ‫‪ ,)validity‬ומנסים‪ ,‬במידת האפשר‪ ,‬להכין להם פתרונות‪ ,‬בדרך של תכנון מערך‬ ‫המחקר שלהם‪ ,‬כך שיקטין למינימום איומים אלו‪.‬‬ ‫דרך נוחה לחשוב על הסכנות לתוקף פנימי היא לראות אותן כטענות במסגרת‬ ‫דיאלוג של החוקר עם הקהילה המדעית שבוחנת בביקורתיות את הטענה הסיבתית‪.‬‬ ‫החוקר טען זה עתה כי המחקר הזה מאושש את הטענה שלי שהמשתנה הבלתי‬ ‫תלוי הוא הסיבה לשינוי במשתנה התלוי‪ .‬הנציג הביקורתי של הקהילה המדעית‬ ‫עונה‪ :‬איני בטוח שאומנם איששת את הטענה הסיבתית שלך‪ .‬אני חושב שלמערך‬ ‫המחקר שלך יש מגבלה מסוימת‪ ,‬המהווה איום וסכנה לתוקף הפנימי של מחקרך‪,‬‬ ‫ומשום כך היא מפחיתה את האמון שלי בטענה הסיבתית שלך‪ .‬שהרי‪ ,‬ייתכן שלא‬ ‫המשתנה הבלתי תלוי שלך אחראי לתוצאות המחקר‪ ,‬אלא שהתוצאות נובעות מ‪...‬‬ ‫וכאן תופיע אחת הסכנות שברשימה למטה‪ .‬תפקידו של החוקר הוא להראות כיצד‬ ‫מערך המחקר 'עונה' על טענה זו‪ .‬ככל שתגובת החוקר משכנעת יותר‪ ,‬ניתן לומר‬ ‫שהתוקף הפנימי חזק יותר‪.‬‬ ‫כדי להדגים את התהליך נתייחס לחוקר שהחליט לתת לקבוצת ילדים טיפול‬ ‫שאמור לשפר את יכולתם לווסת רגשות ולקבוצה אחרת ‪ -‬לא‪ .‬הוא מדד את היכולת‬ ‫לוויסות רגשות בשתי הקבוצות לפני הטיפול ולאחריו‪ .‬הוא מצא שמי שקיבלו את‬ ‫הטיפול הראו יכולת גבוהה יותר לווסת רגשות מאשר הילדים שלא קיבלו טיפול‪.‬‬ ‫החוקר מבקש לטעון שהטיפול שנתן הוא הסיבה להבדל ביכולת ויסות הרגשות של‬ ‫שתי הקבוצות‪ .‬להלן האיומים לתוקף הפנימי של המחקר‪:‬‬ ‫סלקציה ‪ -‬בחירה דיפרנציאלית של משתתפים ( ‪differential‬‬ ‫‪)selection‬‬ ‫ייתכן שהתוצאות של המחקר המראות שההתערבות הצליחה (שיפור בוויסות‬ ‫רגשות ‪ -‬המשתנה התלוי) נובעות מהבחירה בקבוצה מיוחדת של משתתפים‪ ,‬ולאו‬ ‫דווקא בשל ההשפעה של ההתערבות (המשתנה הבלתי תלוי)‪ .‬למשל‪ ,‬ייתכן שמי‬ ‫שקיבלו את הטיפול היו ילדים שההורים שלהם הפנו אותם לטיפול והשיפור ביכולות‬ ‫הוויסות הרגשי שלהם נבע דווקא מהמעורבות של ההורים‪ ,‬ולא מהטיפול שנתן‬ ‫החוקר‪ .‬כלומר‪ ,‬ההבדל בתוצאות בין שתי הקבוצות נובע מההבדלים בין המשתתפים‬ ‫שנכללו בכל אחת מהקבוצות (ובמקרה זה‪ ,‬הבדלים במעורבות ההורים)‪ ,‬ולא‬ ‫מהטיפול עצמו‪ ,‬כפי שטוען החוקר‪ .‬כדי להתמודד עם איום זה על החוקר לערוך את‬

‫מחקרו כך שיוכל לשכנע שלא היו הבדלים קודמים בין המשתתפים בשתי הקבוצות‬ ‫המסבירים את ההבדלים בתוצאות‪.‬‬ ‫במחקר אחר‪ ,‬חוקרת הראתה שבקרב אסירים שהשתתפו בסדנת מדיטציה‬ ‫נצפתה הפחתה בסימפטומים של חרדה ושל התנהגות מוחצנת ואגרסיבית בכלא‪,‬‬ ‫והציעה לאמץ את הסדנה כדרך לטיפול באסירים בזכות העדות להשפעה הסיבתית‬ ‫שלה‪ .‬אולם‪ ,‬הטענה עשויה להיות שייתכן שבחירת המשתתפים למחקר הייתה‬ ‫דיפרנציאלית כך שרק אסירים בעלי תכונות מסוימות נכללו בקבוצת ההתערבות‪ ,‬ורק‬ ‫בזכות תכונות אלו חל שיפור‪ .‬למשל‪ ,‬אם שלטונות הכלא הציעו את הסדנה רק‬ ‫לאסירים שהתנהגו באופן נאות בשלושה החודשים שקדמו למחקר או שהחוקרת‬ ‫בחרה רק אסירים שהיו מוכנים להשתתף בסדנת מדיטציה‪ ,‬הרי מדובר ב'קבוצה‬ ‫נבחרת'‪ .‬הטענה לתוקף הפנימי היא שהשיפור במצב חל בזכות תכונות כגון‬ ‫מוטיבציה לטיפול ויכולת שליטה בהתנהגות תוקפנית ולא בהכרח בזכות ההשתתפות‬ ‫בסדנה‪ .‬משום כך אין טעם לאמץ את הסדנה‪ ,‬שהרי ייתכן שלא היא האחראית‬ ‫לתוצאות אלא דרך הבחירה במשתתפים‪ .‬במקרה זה על החוקרת למצוא דרך‬ ‫להראות שהתוצאות אינן משקפות את התכונות המיוחדות של המשתתפים‪ ,‬אלא את‬ ‫ההשפעה הסיבתית של הסדנה‪.‬‬ ‫נשירה דיפרנציאלית (‪)differential attrition‬‬ ‫'אתה מראה שבעקבות ההתערבות חל שינוי במשתנה התלוי אצל המשתתפים‪,‬‬ ‫אך נראה שרק חלק מהמשתתפים הגיעו לשלב של סיום ההתערבות‪ .‬ייתכן שנשירה‬ ‫זו מטה את התוצאות‪ ,‬כי מי שההתערבות לא סייעה לו‪ ,‬לא נכלל במדידה של‬ ‫המשתנה התלוי בסיום ההתערבות'‪ .‬זוהי טענה דומה לטענת הבחירה‬ ‫הדיפרנציאלית שהוצגה לעיל‪ ,‬אך היא מתייחסת למה שארע למשתתפים במהלך‬ ‫המחקר ולא לתהליכים של בחירת המשתתפים למחקר‪ .‬משמע‪ ,‬החוקר צריך לשכנע‬ ‫שההבדל ברמות הוויסות הרגשי שנמצאו בין שתי קבוצות הילדים‪ ,‬אינו נובע מכך‬ ‫שבמדידה שלאחר הטיפול השתתפה רק קבוצה נבחרת של ילדים בקבוצת הטיפול‪,‬‬ ‫שהיא הקבוצה שהמשיכה בטיפול עד לסיומו‪ .‬לקבוצה זו‪ ,‬עשויות להיות תכונות‬ ‫מיוחדות (כגון יכולת עמידה בתסכול) שהן האחראיות לשינוי ביכולת הוויסות הרגשי‬ ‫ולאו דווקא הטיפול‪ .‬על החוקר לשכנע‪ ,‬באמצעות מערך המחקר שלו‪ ,‬שהנשירה‬ ‫אינה מסבירה את תוצאות המחקר‪.‬‬ ‫ובדוגמה אחרת‪ ,‬בבחינה של ההשפעה של תוכניות לעזרה עצמית באינטרנט‬ ‫עבור חולי סרטן המתמודדים עם סימפטומים פיזיים ואיכות חיים ירודה‪ ,‬חשוב לתת‬ ‫את הדעת לכך‪ ,‬שאומנם ניתן לזהות תוצאות חיוביות בעקבות ההשתתפות בתוכנית‪,‬‬ ‫אך שיעור הנשירה מהטיפול הוא בדרך כלל גדול ( ‪Moradian, Voelker, Brown,‬‬ ‫‪ .)Liu & Howell, 2018‬בדיקת מצבם של אלו שהגיעו לקו הסיום של התוכנית‬ ‫עלולה להטעות משום שסביר שיש כאן נשירה דיפרנציאלית‪ .‬כלומר‪ ,‬ייתכן שאלו‬ ‫שנשרו‪ ,‬היו נושרים ממילא וההתערבות לא הייתה עוזרת להם‪ ,‬ואילו אלו שנשארו‬

‫השתפרו‪ ,‬לפחות במידה מסוימת‪ ,‬בזכות התכונות שגרמו להם להחזיק מעמד‬ ‫בתוכנית התערבות זו‪ ,‬שדרשה התמדה ויכולת לעמוד בתופעות הלוואי של הטיפול‪.‬‬ ‫היסטוריה (‪)history‬‬ ‫'ייתכן שלא ההתערבות שלך אחראית לתוצאה‪ ,‬אלא גורמים אחרים שהתרחשו‬ ‫במקביל‪ ,‬והם למעשה אלו שאחראיים לתוצאות‪ '.‬כלומר‪ ,‬ייתכן שבמקביל להפעלת‬ ‫ההתערבות של החוקר חלו אירועים אחרים‪ ,‬כמו הפעלת תוכנית הדרכה להורי‬ ‫הילדים‪ ,‬ואירועים אלו הם האחראים לתוצאות‪ ,‬ולאו דווקא ההתערבות שהפעיל‬ ‫החוקר‪ .‬על החוקר לשכנע‪ ,‬באמצעות מערך המחקר‪ ,‬שההבדלים בתוצאות אינם‬ ‫נובעים מאירועים חיצוניים שהתרחשו במקביל לטיפול ולהראות כי גם קבוצת הילדים‬ ‫שלא קיבלה טיפול‪ ,‬נחשפה לאירועים חיצוניים דומים ובכל זאת נמצאו הבדלים‪.‬‬ ‫טענה דומה ניתן להעלות בפני פוליטיקאים הטוענים שהם האחראים להישגים‬ ‫בתחום הכלכלה‪ .‬כהוכחה לתרומה של תוכניתם הכלכלית‪ ,‬הם מראים שהמצב‬ ‫הכלכלי במדינה השתפר במהלך כהונתם‪ .‬אולם‪ ,‬טענה נגדית עשויה להיות טענת‬ ‫ההיסטוריה‪' :‬אתה נכנסת לתפקידך בתקופת שפל בכלכלה העולמית ובזכות השיפור‬ ‫במצב הכלכלה העולמית‪ ,‬חל שיפור במצב הכלכלי של ישראל‪ ,‬ולאו דווקא בזכות‬ ‫התוכנית הכלכלית שלך‪ '.‬האתגר הוא להראות שהמדיניות היא האחראית לתוצאות‪,‬‬ ‫מעל ומעבר לשינויים שחלו בעקבות השיפור במצב הכלכלה העולמית‪.‬‬ ‫בשלות (‪)maturation‬‬ ‫'השינויים שאתה מצביע עליהם כהוכחה ליעילות ההתערבות (להשפעה של‬ ‫המשתנה הבלתי תלוי שלך) היו מתרחשים באופן טבעי‪ ,‬גם ללא התערבות‪ ,‬בזכות‬ ‫תהליכי הבשלה‪ '.‬משמע‪ ,‬ייתכן שילדים שהתקשו בוויסות רגשי עוברים תהליך טבעי‬ ‫של התפתחות רגשית המביא לעלייה ביכולת הוויסות הרגשי‪ ,‬גם ללא טיפול‪ .‬טענה‬ ‫זו דומה לטענת ההיסטוריה‪ ,‬אך כאן מדובר באירועים ובשינויים פנימיים‪ ,‬ולא‬ ‫חיצוניים‪.‬‬ ‫דוגמה אחרת‪ ,‬חוקרת עשויה לתכנן התערבות המיועדת להקל על קשיי‬ ‫ההסתגלות של עולים חדשים‪ .‬אם היא תראה שעולים חדשים המקבלים התערבות זו‬ ‫מדווחים על הפחתה עם הזמן בקשיי הסתגלות‪ ,‬עליה גם להראות ששינויים אלו לא‬ ‫היו מתרחשים בכל מקרה כחלק מתהליך ההסתגלות שעוברים כל העולים (גם אלו‬ ‫שאינם מקבלים טיפול)‪ .‬זאת‪ ,‬משום שהממצא לפיו אחרי ההתערבות התמתנו קשיי‬ ‫ההסתגלות‪ ,‬עשוי לשקף תהליכי הבשלה טבעיים‪ ,‬ולאו דווקא לשקף שההתערבות‬ ‫אחראית להתמתנות של קשיי ההסתגלות‪ .‬ובמילים אחרות‪ ,‬על החוקרת להראות‬ ‫שההתערבות הביאה לשינויים שאינם מוסברים בתהליכי הבשלה העוברים על כל‬ ‫אחד מהעולים‪.‬‬ ‫נסיגה אל הממוצע (‪)regression to the mean‬‬ ‫'השינויים שאתה מצביע עליהם כהוכחה ליעילות ההתערבות (להשפעה של‬ ‫המשתנה הבלתי תלוי שלך) היו מתרחשים באופן טבעי כי אתה בחנת התנהגויות‬ ‫קיצוניות‪ ,‬והתנהגויות אלו נוטות לשוב עם הזמן אל הממוצע שלהם'‪ .‬לדוגמה‪,‬‬ ‫התערבויות במשבר בין בני זוג‪ ,‬מתמקדות במצבים חריגים‪ ,‬שבהם המשתנה התלוי‬ ‫הרבה יותר גבוה (כגון מתח בין בני הזוג) או הרבה יותר נמוך (תמיכה הדדית)‪,‬‬

‫מהמקובל בין בני הזוג לאורך זמן ('הממוצע')‪ .‬הטענה היא‪ ,‬שבדרך כלל תופעות‬ ‫מתאזנות עם הזמן ומצבים קיצוניים נוטים להתמתן (שהרי אם לא‪ ,‬המצב הקיצוני‬ ‫היה הופך להיות הממוצע)‪ .‬טענת הרגרסיה אל הממוצע רלוונטית כאשר מדובר‬ ‫בניסיון להשפיע על תופעה קיצונית‪ ,‬שייתכן מאוד שגם ללא התערבות היא תחזור‬ ‫למסלול הרגיל שלה‪.‬‬ ‫כך למשל‪ ,‬במחקר שנערך לבחינת ההשפעה של תוכניות התערבות להפחתת‬ ‫מחשבות אובדניות ודיכאון בקרב מתבגרים נבחנו שתי התערבויות שונות‪:‬‬ ‫התוכנית )‪ Attachment-based family therapy (ABFT‬הושוותה לתוכנית‬ ‫)‪ .Family-enhanced nondirective supportive therapy (FE-NST‬בניגוד‬ ‫להשערת החוקרים‪ ,‬לא היו הבדלים בין התוכניות ובשתיהן הייתה ירידה משמעותית‬ ‫במחשבות אובדניות ובסימפטומים דיכאוניים‪ .‬החוקרים ציינו שייתכן שנבחרו‬ ‫משתתפים בעלי רמות גבוהות במיוחד של סימפטומים והתוצאות משקפות נסיגה אל‬ ‫הממוצע (קרי לרמות פחות קיצוניות של סימפטומים ומחשבות אובדניות)‪ ,‬בשתי‬ ‫הקבוצות במחקר‪ ,‬ללא קשר להתערבות (‪.)Diamond et al., 2018‬‬ ‫תלמידים בשלבי לימודים מתקדמים מעלים לעיתים שאלות באשר להבדלים בין‬ ‫טענות על הבשלה לטענות על רגרסיה לממוצע‪ .‬הדוגמה על מחשבות אובדניות‬ ‫ודיכאון שהבאנו כאן מדגימה‪ ,‬שהחשש שמה שאנו רואים נובע מנסיגה אל הממוצע‪,‬‬ ‫הוא באותם המקרים שבהם התופעה חריגה‪ ,‬שונה במידה משמעותית מהמצב‬ ‫הרגיל‪ ,‬הממוצע‪ .‬במקרים כאלה‪ ,‬כמו עלייה חריגה ברמות הדיכאון‪ ,‬מעלים את‬ ‫האפשרות שתהייה התמתנות וחזרה לממוצע‪ ,‬גם ללא התערבות‪ .‬בדוגמה אחרת‪,‬‬ ‫כמו קשיי הסתגלות למקום חדש‪ ,‬ההסבר שלנו לירידה בסימפטומים ובקשיים יהיה‬ ‫קשור יותר לתהליכי ההתפתחות עם הזמן (קרי‪ ,‬הבשלה)‪ ,‬מאשר חזרה לממוצע‬ ‫ולמצב הרגיל‪ ,‬שהרי מדובר במצב חדש‪.‬‬ ‫השפעות המדידה (‪)testing‬‬ ‫'מקורם של ההבדלים שמצאת בין המדידה הראשונה‪ ,‬לפני הפעלת המשתנה‬ ‫הבלתי התלוי‪ ,‬למדידה שאחרי הפעלת המשתנה הבלתי תלוי‪ ,‬אינו בהשפעה‬ ‫הסיבתית של המשתנה הבלתי תלוי‪ ,‬אלא במדידה עצמה'‪ .‬ניתן לזהות מצבים שונים‬ ‫שבהם ההבדלים בין המדידה לפני הפעלת המשתנה הבלתי תלוי ולאחריה נובעים‬ ‫מהמדידה עצמה‪ ,‬ולאו דווקא בזכות הפעלת המשתנה הבלתי תלוי‪ .‬מצב אחד נוגע‬ ‫לפעולת המדידה עצמה שעשויה לשנות את התופעה‪ .‬לדוגמה‪ ,‬חוקרת מבקשת‬ ‫להגביר את המודעות של מורים לתלמידים שקטים ולא מעורבים‪ ,‬תלמידים אשר‬ ‫המורים מקדישים להם בדרך כלל פחות תשומת לב‪ .‬כדי לבדוק את השפעות‬ ‫ההתערבות‪ ,‬החוקרת מציגה שאלות למורים בתחילת המחקר ואת אותן השאלות‬ ‫לאחר הפעלת ההתערבות‪ .‬וכך‪ ,‬בצעד הראשון‪ ,‬החוקרת מציגה למורים סדרת‬ ‫שאלות באשר למי מהתלמידים הם בדרך כלל מקדישים תשומת לב בכיתה‪ .‬ייתכן‬ ‫שעצם הצגת השאלות‪ ,‬מעלה את המודעות של המורים להתנהגותם כלפי תלמידים‪,‬‬ ‫והם יקדישו תשומת לב רבה יותר לתלמידים השקטים‪ ,‬גם ללא ההתערבות‪ .‬דוגמה‬ ‫אחרת‪ ,‬שניתנה על ידי קמפבל (‪ )Campbell, 1957‬היא מדידה של משקלו של‬ ‫משתתף בתחילת התערבות המכוונת להשפיע על הרגלי אכילה‪ .‬עצם המודעות‬

‫למשקל משפיעה בהמשך על הרגלי האכילה (לפחות לטווח הקצר)‪ ,‬גם ללא‬ ‫התערבות‪.‬‬ ‫במקרים אחרים‪ ,‬השפעת המדידה נובעת מכך שמי שנבחן פעם אחת‪ ,‬נוטה‬ ‫להצליח יותר במבחן השני מכיוון שהנבחן מכיר את תוכן המבחן וסגנונו‪ .‬כך למשל‪,‬‬ ‫התוצאות במבחן אינטליגנציה הן בדרך כלל גבוהות יותר כשלנבחן ניתנת הזדמנות‬ ‫שנייה לבחינה שכן הנבחן רכש מיומנות מסוימת להתמודדות עם הבחינה‪.‬‬ ‫קמפבל (‪ )Campbell, 1957‬גם מפנה את תשומת הלב ל – ‪instrumental‬‬ ‫‪ ,decay‬ירידה באיכות המדידה בין המדידה שלפני הפעלת המשתנה הבלתי תלוי‬ ‫למדידה אחרי ההפעלה‪ .‬לדוגמה‪ ,‬המדידה השנייה התבצעה על ידי תצפיתנים‬ ‫אחרים מאשר אלו שביצעו את המדידה הראשונה או שמי שבצעו את המדידה‬ ‫הראשונה ביצעו את המדידה השנייה בדרך אחרת‪ ,‬למשל עקב עייפות או משום‬ ‫ששינו את הדרך שבה העריכו את המשתתפים‪ ,‬לאחר שנחשפו למספר רב של‬ ‫משתתפים במדידה הראשונה ושינו את ציפיותיהם‪ .‬במקרים אלו‪ ,‬הפערים בין‬ ‫המדידה שלפני הפעלת המשתנה הבלתי תלוי ואחרי הפעלתו עלולים לנבוע‬ ‫מהשפעות המדידה‪ ,‬ולאו דווקא עקב הפעלת המשתנה בלתי תלוי‪.‬‬ ‫תגובתיות להשתתפות במחקר (‪)Reactivity‬‬ ‫'אתה טוען שההתערבות המסוימת שהפעלת היא האחראית לשינויים במשתנה‬ ‫התלוי‪ ,‬אך ייתכן שעצם התגובה להשתתפות במחקר‪ ,‬למשל התגובה לתשומת הלב‬ ‫שהורעפה על המשתתפים‪ ,‬היא האחראית לשינוי במשתנה התלוי‪ '.‬לדוגמה‪ ,‬חוקר‬ ‫עשוי להראות שהכנסת חיות מחמד לבית אבות במסגרת של מחקר התערבות‬ ‫שיפרה את מצב רוחם של המתגוררים בבית האבות‪ .‬אולם‪ ,‬ניתן להסביר את השינוי‬ ‫שחל במשתנה התלוי גם בתגובת הנחקרים לעצם השתתפותם במחקר ללא קשר‬ ‫להתערבות כלשהי‪ .‬תשומת הלב‪ ,‬העניין וההתייחסות הרצינית למה שהם אומרים‪,‬‬ ‫הם אלו האחראים לשינוי במצבם‪.‬‬ ‫מקובל להתייחס לטענה זו כאל‪' -‬אפקט הות'ורן' (‪ .)Hawthorne Effect‬אפקט‬ ‫זה נקרא על שם בית חרושת שבו נעשה מחקר על שינויים בתנאי העבודה במטרה‬ ‫לזהות אלו שינויים מביאים לעלייה בתפוקה‪ .‬התוצאה המעניינת הייתה שכל‬ ‫השינויים שהוכנסו‪ ,‬גם אם היו סותרים (הגברת תאורה או דווקא החלשתה) הביאו‬ ‫לתפוקה גבוהה יותר‪ .‬במחקר זה ובמחקרים אחרים נמצא שהן עצם ההשתתפות‬ ‫במחקר על התערבות והן הציפיות לשינוי בזכות ההתערבות משפיעות פעמים רבות‬ ‫על השינוי במשתנה התלוי‪.‬‬ ‫הטיית הנסיין (‪)experimenter expectancy bias‬‬ ‫'השינויים שאתה רואה בהתנהגות של המשתתפים אינם נובעים מהפעלת‬ ‫המשתנה הבלתי תלוי‪ ,‬אלא מכך שהמשתתפים מבינים שהציפייה שלך כחוקר היא‬ ‫שהם יפגינו שינויים בכיוון מסוים‪ ,‬והם נענים לציפייה שלך'‪ .‬חשש זה לתוקף פנימי‬ ‫הושפע מעבודתו של רוזנטל (‪ )Rosenthal, 1976‬שהראה שמשתתפים בניסויים‬ ‫פסיכולוגיים נוטים להגיב בהתאם למה שהם רואים כצפייה של החוקר באשר‬ ‫לתוצאות המחקר‪ .‬לפי רוזנטל‪ ,‬החוקר 'משדר'‪ ,‬מבלי משים‪ ,‬את מה שהוא מבקש‬ ‫לראות‪ ,‬והמשתתפים קולטים את השדר ומגיבים בהתאם‪ .‬בהקשר אחר הדגים‬

‫רוזנטל שהצפיות של מורים מתלמידיהם השפיעו על התוצאות של התלמידים‪,‬‬ ‫תופעה המכונה 'אפקט פיגמליון' (‪ .)Pygmalion effect, Rosenthal 1994‬כדי‬ ‫להתגבר על חשש זה‪ ,‬על החוקר להראות שצפיותיו לגבי תגובות המשתתף לא‬ ‫יכולות היו להשפיע על התוצאות‪ .‬למשל‪ ,‬אם את ההתערבות מבצע גורם שאינו יודע‬ ‫מה צפויות להיות תוצאות הפעלת המשנה הבלתי תלוי‪ ,‬צפיותיו אינן יכולות להשפיע‬ ‫על המשתתפים‪.‬‬ ‫צירופים של איומים (‪)interactions‬‬ ‫לעיתים החשש לתוקף הפנימי נובע מצירופים בין איומים שונים‪ .‬לדוגמה‪,‬‬ ‫הצירוף בין בחירה והיסטוריה‪ :‬אם קבוצה אחת חשופה לאירועים שונים מאשר‬ ‫קבוצה אחרת (למשל‪ ,‬משום שהם מתגוררים בישובים שונים) יש קושי להפריד בין‬ ‫ההשפעה של המשתנה הבלתי תלוי ובין החשיפה השונה של כל אחת מהקבוצות‬ ‫להיסטוריה‪ .‬דוגמה אחרת היא צירוף בין בחירה לבשלות‪ -‬אם הבחירה נעשתה כך‬ ‫שלקבוצה אחת קצב בשלות השונה מהקבוצה האחרת (למשל‪ ,‬בחירת קבוצות עולים‬ ‫ממדינות שונות או מקבוצות גיל שונות)‪ ,‬קשה לדעת אם השינויים שחלו בעקבות‬ ‫הפעלת המשתנה הבלתי תלוי משקפים את השפעתו או אולי את קצב ההבשלה‬ ‫השונה בין הקבוצות‪ .‬לדוגמה עולים ממדינות בעלות תרבות זהה לזו שבמדינה‬ ‫הקולטת עשויים באופן טבעי להסתגל מהר יותר בהשוואה לאלו שתרבותם שונה‪.‬‬ ‫לאחר שהצגנו את האיומים השונים לתוקף פנימי‪ ,‬נסקור כיצד מערכי המחקר‬ ‫מבקשים להתמודד עם איומים אלו‪.‬‬ ‫‪^^##430‬מערכי מחקר לבחינת השערות סיבתיות‬ ‫לפני שנתאר מערכי מחקר שונים‪ ,‬נציג דרך רישום שהוצעה לפני שנים רבות על‬ ‫ידי קמפבל (‪ )Campbell, 1957‬והיא מקובלת עד היום‪.‬‬ ‫‪ = X‬המשתנה הבלתי תלוי‪ ,‬ההתערבות‪ ,‬הסיבה המשוערת‬ ‫‪ = O‬תצפית‪ /‬מדידה של המשתנה התלוי‬ ‫‪ = O1‬תצפית‪/‬מדידה לפני הפעלת המשתנה הבלתי תלוי‬ ‫‪ = O2‬תצפית‪/‬מדידה לאחר הפעלת המשתנה הבלתי תלוי‬ ‫‪ = ------‬הקצאה לקבוצת מחקר ולקבוצת השוואה‬ ‫‪ = R‬הקצאה מקרית (‪ )random‬לקבוצת מחקר ולקבוצת ביקורת‬ ‫מטרתם של מערכי מחקר שנועדו לענות על השערות סיבתיות היא לסייע‬ ‫לענות על טענות לתוקף פנימי‪ .‬אחת הדרכים להבין כיצד מערכי מחקר מצליחים‬ ‫לענות על שאלות סיבתיות היא לבחון מערכי מחקר שאינם עונים כראוי על טענות‬ ‫לתוקף הפנימי‪ ,‬ולזהות מה חסר בהם‪ ,‬כדי לעצב בהמשך מערכי מחקר העונים‬ ‫במידה מספקת לאיומים לתוקף הפנימי‪ .‬אנו הולכים כאן בעקבות קמפבל ונציג מערכי‬ ‫מחקר 'טרום ניסויים' (‪ ,)experimental-pre‬נראה כיצד הם מתקשים לענות על‬