אתה ממש צודק. הדוגמה של כדורסל וגובה היא דוגמה מצוינת לאחת הבעיות המרכזיות במחקרים מהסוג הזה.
כשמבצעים מחקר תצפיתי, ולא ניסוי התערבות שבו מחלקים אנשים באופן אקראי לשתי קבוצות דומות, נותנים לכל קבוצה התערבות שונה ובודקים בהמשך את ההבדל בתוצאות (Outcome), צריך להיות מאוד זהירים במתודולוגיה ובפרשנות של התוצאות.
יש כאן שתי בעיות מרכזיות:
-
משתנים מערפלים (Confounders).
-
שאלת הסיבתיות (Causality) - האם הקשר שנמצא הוא סיבתי, או שמדובר בקורלציה בלבד?
1. משתנים מערפלים
משתנה מערפל הוא משתנה שמשפיע גם על הסיכוי להשתייך לקבוצה מסוימת וגם על התוצאה שאנחנו מודדים.
למשל, מין יכול להיות משתנה מערפל משמעותי. יש יחסית מעט נשים שבוחרות לעסוק בניווט ספורטיבי, ואם נניח שיש גם הבדלים בביצועים הקוגניטיביים בין נשים לגברים, הרי שמין עלול ליצור הטיה בתוצאות.
משתנה מערפל מורכב יותר הוא מצב סוציואקונומי. הוא עשוי להשפיע גם על הסיכוי לבחור בניווט כספורט מרכזי, וגם על הביצועים הקוגניטיביים בגיל מבוגר.
אז איך מתמודדים עם משתנים מערפלים?
יש כמה דרכים:
-
חלוקה לקבוצות (Stratification) - במשתנים מרכזיים כמו גיל ומין, אפשר לבצע ניתוחים נפרדים לגברים ולנשים, ולקבוצות גיל שונות, למשל 60-70 ו-70-80. כמובן, צריך לוודא שיש מספיק משתתפים בכל קבוצה כדי לקבל תוצאות בעלות משמעות סטטיסטית.
-
איסוף מידע על משתנים מערפלים פוטנציאליים - צריך קודם כול למדוד אותם, ככל האפשר. לכן נשאל על מצב סוציואקונומי, השכלה, הישגים לימודיים בעבר, אולי אפילו ציון פסיכומטרי אם יש, מחלות רקע, היקף הפעילות הגופנית ועוד. חלק משמעותי מהמחקר יוקדש לשאלונים שיאפשרו לנו לזהות ולמדוד משתנים כאלה.
-
ניתוח סטטיסטי רב-משתני - כאן נכנסים הכלים הסטטיסטיים. באמצעות רגרסיה רב-משתנית, למשל, אפשר לבחון את הקשר בין ניווט לביצועים קוגניטיביים תוך התאמה סטטיסטית למשתנים המערפלים שמדדנו. יש גם שיטות מתקדמות יותר, כמו Propensity Score Matching, שמאפשרות להתאים בין אנשים מקבוצות שונות בעלי מאפיינים דומים, ולהשוות ביניהם.
המטרה היא להשוות, ככל האפשר, בין אנשים דומים מבחינת גיל, מין, השכלה, מצב בריאותי, היקף פעילות גופנית וכו', כשההבדל המרכזי ביניהם הוא העיסוק בניווט.
חשוב להדגיש: השיטות האלה מפחיתות הטיות, אבל אינן מבטלות את האפשרות לקיומם של משתנים מערפלים שלא מדדנו או שאיננו מכירים.
2. שאלת הסיבתיות
כאן אנחנו חוזרים לדוגמה שלך על כדורסל וגובה.
גם אם נגלה ששחקני כדורסל גבוהים יותר משחקני כדורגל, ברור שלא נוכל להסיק שהכדורסל גרם להם לגבוה. ייתכן מאוד שהכיוון הפוך - אנשים גבוהים מלכתחילה בוחרים בכדורסל.
אותה בעיה קיימת במחקר שלנו.
נניח שנמצא שלנווטים יש זיכרון טוב יותר ותפקודים קוגניטיביים טובים יותר מאשר לרצים ולרוכבי אופניים.
האם הניווט שיפר את התפקודים הקוגניטיביים שלהם? או שאנשים עם יכולות קוגניטיביות טובות יותר מלכתחילה נוטים לבחור בספורט שדורש חשיבה, קבלת החלטות ופתרון בעיות?
ייתכן כמובן ששני הדברים נכונים.
זו בעיה שקשה מאוד לפתור במחקר תצפיתי, גם עם הכלים הסטטיסטיים המתקדמים ביותר.
אז מה בכל זאת אפשר לעשות?
ראשית, לנסות לאסוף מידע על היכולות הקוגניטיביות של המשתתפים בעבר, עוד לפני שהחלו לנווט. למשל, הישגים בלימודים ומדדים אחרים שעשויים לשמש אינדיקציה, גם אם לא מושלמת, ליכולות מוקדמות.
שנית, להשוות לא רק לאנשים שאינם עוסקים בספורט, אלא גם לספורטאי סיבולת אחרים. כך נוכל לנסות לבודד את המרכיב הייחודי של הניווט מעבר ליתרונות המוכרים של פעילות אירובית.
שלישית, להפעיל גם היגיון וידע של מומחים בתחום.
סטטיסטיקה לבדה אינה מספיקה. כדי להבין קשרים סיבתיים, חשוב להבין את המנגנונים שמאחורי התופעה, ובמקרה שלנו - מה גורם לאנשים לבחור דווקא בניווט כספורט מרכזי.
וכאן אני חושב שיש לנו, למזלנו, יתרון מסוים.
ניווט הוא ספורט נדיר יחסית, ולכן לעצם החשיפה אליו יש מרכיב משמעותי של מקריות.
אני מכיר אנשים שהגיעו לניווט כמעט במקרה - חבר הזמין אותם, בן משפחה ניווט, או שבמקרה נחשפו לספורט במסגרת אחרת - והתאהבו בו.
בהחלט אפשר לדמיין שני אנשים דומים מאוד, מבחינת יכולות קוגניטיביות, אישיות, השכלה וכושר גופני, שאחד מהם נחשף במקרה לניווט והתמכר אליו, והשני מעולם לא נחשף אליו ולכן בחר בריצה או ברכיבה על אופניים.
זה שונה במידה מסוימת מכדורסל, שבו כמעט כולם נחשפים לספורט, ולגובה יש השפעה ברורה על הסיכוי לבחור בו ולהצליח בו.
כמובן, גם החשיפה לניווט אינה אקראית לחלוטין. היא יכולה להיות קשורה למקום מגורים, למשפחה, לחברים ולרקע סוציואקונומי. אבל עצם העובדה שיש מרכיב של מזל בחשיפה לספורט עשויה להקטין את הטיית הבחירה, לפחות ביחס לענפי ספורט שבהם הבחירה קשורה באופן הדוק ליכולת שאנחנו מודדים.
זה בדיוק המקום שבו הבנה עמוקה של התחום, לצד המתודולוגיה הסטטיסטית, יכולה לעזור לנו להעריך אילו הסברים סיבתיים סבירים יותר ואילו פחות.
והנקודה החשובה ביותר בעיניי:
המטרה של המחקר אינה להוכיח חד משמעית, שניווט טוב לקוגניציה. המטרה היא לבדוק אם יש לכך אינדיקציות.
אם נמצא יתרון משמעותי לנווטים, גם אחרי התאמה למשתנים מערפלים רבים, זו תהיה תוצאה מעניינת מאוד, שתתמוך בהשערה תיתן אינדיקציה שיש סיכוי טוב שזה נכון ותצדיק מחקרי המשך, רצוי מחקרי התערבות ומעקב לאורך זמן.
אם לא נמצא יתרון - גם זו תוצאה מדעית חשובה.