{
  "artifact": "advisor_guide",
  "direction": "rtl",
  "full_versions": [
    {
      "full_markdown": "בוצע ניתוח קשר להערכת השערה זו.\n\nממצאי המתאם תומכים בהשערה: נמצא קשר חיובי ומובהק בין מסוגלות אקדמית להתמדה בלמידה, כלומר ככל שהסטודנטים מדווחים על רמת מסוגלות אקדמית גבוהה יותר, כך הם נוטים לדווח גם על רמת התמדה בלמידה גבוהה יותר. יש לזכור כי מדובר בנתוני חתך המתבססים על דיווח עצמי בנקודת זמן אחת, ולכן אין בממצא זה כדי לבסס טענה סיבתית לפיה מסוגלות אקדמית גורמת להתמדה גבוהה יותר.\n\n<bdi dir=\"ltr\">N = 180, r(178) = .43, p < .001, p_adj < .001, 95% CI [.31, .55]</bdi> (אפקט בינוני)\n\nהתוצאה היתה: אוששה.",
      "omitted_elements": [
        "effect_ci"
      ],
      "section_id": "inferential.pearson_correlation|H1",
      "title": "השערה 1"
    }
  ],
  "language": "he",
  "order_id": "00000000-0000-0000-0000-000000000101",
  "other_tails": [
    {
      "before_correction": false,
      "chapter_tail": "two",
      "observed_direction_only": true,
      "opposite": false,
      "other_significant": true,
      "other_tail": "one",
      "p_chapter": "p < .001",
      "p_other": "p < .001",
      "section_id": "inferential.pearson_correlation|H1",
      "statistic": "r(178) = .43",
      "test_id": "pearson_correlation",
      "title": "השערה 1"
    }
  ],
  "provenance": [
    ".001",
    ".31",
    ".43",
    ".55",
    "1",
    "178",
    "180",
    "95"
  ],
  "questions": [
    {
      "answer": "בחרנו במתאם פירסון עבור H1 מכיוון שההשערה שלכם עוסקת בקשר ליניארי בין שני משתנים רציפים - ציון המסוגלות האקדמית וציון ההתמדה בלמידה - שכל אחד מהם מתקבל כממוצע של חמישה פריטים על סולם דיווח עצמי. מאחר שמדובר במערך מתאמי של מדידה אחת לכל משיב, ללא הקצאה לקבוצות, מתאם פירסון הוא הכלי הטבעי לבחון את עוצמת וכיוון הקשר, ובפרט לאחר שבדקתם את הפיזור, את הליניאריות ואת קיומם של ערכים משפיעים כפי שביקשתם. כך תוכלו להציג לאדווייזר גם את עוצמת הקשר וגם את רווח הסמך הנלווה אליו, בהתאם למבחן הדו-צדדי ברמת המובהקות שנקבעה מראש.",
      "fact_sentence": "הניתוח מתאם פירסון נבחר עבור <bdi dir=\"ltr\">H1</bdi> על בסיס תכנון המחקר ומבנה המדידה.",
      "facts": {
        "hypothesis_id": "H1",
        "test_id": "pearson_correlation"
      },
      "id": "advisor.q.1",
      "kind": "explain_choice",
      "question": "מדוע נבחר הניתוח מתאם פירסון עבור <bdi dir=\"ltr\">H1</bdi>?"
    },
    {
      "answer": "בחרנו להשתמש במתאם פירסון כי המשתנים שלכם, ציון המסוגלות האקדמית וציון ההתמדה בלמידה, הם משתנים ברמת מדידה רציפה (אינטרוול/יחס), וזהו בדיוק סוג הנתונים שעבורו מתאם פירסון הוא הכלי הסטטיסטי המתאים כברירת מחדל. חשוב להדגיש כלפי היועץ שההחלטה הזו מתקבלת בשלב בחירת הניתוח, לפני שבכלל בודקים הנחות כמו נורמליות או שוויון שונויות, ולכן מתאם ספירמן אינו שיקול באותו שלב - הוא עשוי להיכנס לתמונה רק אם בשלב הביצוע בפועל יתגלה כי הנחות אלו אינן מתקיימות. כך שתוכלו להסביר בביטחון שהבחירה בפירסון נשענת על מבנה הנתונים עצמו, ולא על החלטה מקרית או שרירותית.",
      "fact_sentence": "מתאם פירסון שימש במקום מתאם ספירמן משום שאת מתאם ספירמן שמרנו כגיבוי. משתמשים בו רק אם הנתונים שלכם לא עומדים בתנאים שמתאם פירסון צריך, ואת התנאים האלה אנחנו בודקים לפני שהמבחן מורץ..",
      "facts": {
        "alternative_test_id": "spearman_correlation",
        "applied_test_id": "pearson_correlation",
        "hypothesis_id": "H1",
        "reason": "The data are interval/ratio-scaled, so the parametric default pearson_correlation is selected. The non-parametric equivalent spearman_correlation is the Story 1.7 assumption-ladder fallback, applied on normality/homogeneity FAILURE at execution time -- it is NOT chosen at selection (selection sees no assumption outcomes; FR22).",
        "reason_code": "parametric_default_preferred"
      },
      "id": "advisor.q.2",
      "kind": "why_not_alternative",
      "question": "מדוע מבחן זה ולא מתאם ספירמן?"
    }
  ],
  "schema_version": 1
}