Make Sense of Data – A Practical Guide to Quantitative Statistics for Non- Specialists
650ر.س
وصف المنتج
وصف الدورة:
هذه الدورة تعلّم المشاركين كيف يفهمون البيانات، ويحليلونها، ويعرضونها بطريقة بسيطة، بدون الحاجة لأي رياضيات معقّدة.
⸻
المحور 1: فهم البيانات الكمية (Quantitative Data)
1.1 فهم منطق التفكير الكمي وكيف نستخدم الأرقام للإجابة على الأسئلة.
1.2 التعرف على المتغيرات وأنواع مستويات القياس (مثل اسمي، رتبي، عددي…).
1.3 التأكد من دقّة البيانات وصحتها والالتزام بالأخلاقيات عند جمعها.
1.4 بناء ثقة في التعامل مع البيانات والتخلص من الخوف من الإحصاء.
المحور 2: التحليل الوصفي وتمثيل البيانات (Descriptive Analysis & Visualization)
2.1 تلخيص البيانات باستخدام مقاييس مثل المتوسط والوسيط والانحراف المعياري.
2.2 ترتيب المعلومات في جداول ورسوم بيانية واضحة.
2.3 عرض الفروقات والاتجاهات بين المجموعات باستخدام الرسوم.
2.4 استخدام البرامج في استكشاف البيانات مثل Excel أو Google Sheets.
المحور 3: ربط الهدف الإحصائي باتخاذ القرار (Analytical Purpose & Decision-Making)
3.1 ربط أهداف البحث بالأساليب الإحصائية المناسبة.
3.2 فهم المقارنات، العلاقات (correlation)، وتحليل التأثير (effect analysis).
3.3 صياغة فرضيات واختيار الاختبار الإحصائي المناسب.
3.4 فهم معنى الدلالة الإحصائية وكيفية اتخاذ قرار مبني على البيانات.
المحور 4: تطبيق الاختبارات الإحصائية (Applying Statistical Tests)
4.1 إجراء اختبارات T-test، وANOVA، والارتباط (correlation)، والانحدار (regression).
4.2 قراءة مخرجات البرامج الإحصائية وفهم نتائجها.
4.3 معرفة شروط كل اختبار ومتطلبات البيانات.
4.4 التدريب على التحليلات باستخدام بيانات حقيقية.
المحور 5: تفسير النتائج وكتابتها (Interpretation, Reporting & Reflection)
5.1 كتابة النتائج بالطريقة الأكاديمية الصحيحة.
5.2 تحويل نتائج الإحصاء إلى معاني واضحة يمكن فهمها.
5.3 تجنب الأخطاء الشائعة في التفسير والكتابة.
5.4 التفكير في كيفية استخدام البيانات لاتخاذ قرارات مبنية على الأدلة
⸻
Course Overview:
This course provides participants with essential skills to comprehend, analyze, and present quantitative data without requiring advanced mathematics.
⸻
Domain 1: Understanding Quantitative Data
1.1 Understanding the logic of quantitative inquiry and how numbers answer questions.
1.2 Identifying variables and levels of measurement (nominal, ordinal, numerical…).
1.3 Ensuring data accuracy, validity, and ethical collection practices.
1.4 Building confidence when working with data and overcoming statistics anxiety.
Domain 2: Descriptive Analysis & Data Visualization
2.1 Summarizing data using measures such as mean, median, and standard deviation.
2.2 Organizing information into clear tables and charts.
2.3 Visualizing trends and group differences effectively.
2.4 Using software tools (Excel/Google Sheets) to explore datasets.
Domain 3: Analytical Purpose and Statistical Decision-Making
3.1 Linking research objectives to appropriate statistical approaches.
3.2 Understanding comparison, correlation, and effect analysis.
3.3 Formulating hypotheses and selecting suitable statistical tests.
3.4 Understanding significance and decision-making logic based on data.
Domain 4: Applying Statistical Tests
4.1 Conducting t-tests, ANOVA, correlation, and regression analysis.
4.2 Reading and interpreting statistical output accurately.
4.3 Understanding test assumptions and data requirements.
4.4 Practicing applied analysis using real-world datasets.
Domain 5: Interpretation, Reporting, and Reflection
5.1 Writing results in a clear, academic format.
5.2 Translating statistical findings into meaningful insights.
5.3 Avoiding common reporting and interpretation errors.
5.4 Reflecting on evidence-based practice across disciplines.
