سوابق شواهد روش

Effect Size

Effect size quantifies the magnitude of a research finding independent of sample size. While a p-value tells you whether a result is statistically significant, an effect size tells you how big the result is. Jacob Cohen formalized effect size measurement in behavioral sciences (1988), establishing standard benchmarks (small = 0.2, medium = 0.5, large = 0.8 for Cohen's d). Effect sizes are essential for meta-analysis, power analysis, and communicating the practical importance of research findings.

Sources recorded, not reviewed

سوابق منبع

استنادات عیناً از سوابق منبع روش کپی شده‌اند. هیچ تأیید در سطح ادعا از آن‌ها استنباط نمی‌شود.

Effect Size: Quantifying the Magnitude of Research Findings

سوابق روش طبقه‌بندی · process-pipeline / research-statistics

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. · ISBN 0-8058-0283-5
Cumming, G. (2012). Understanding the New Statistics: Effect Sizes, Confidence Intervals, and Meta-Analysis. Routledge. · ISBN 0-415-87968-8
Lakens, D. (2013). Calculating and Reporting Effect Sizes to Facilitate Cumulative Science: A Practical Primer for t-Tests and ANOVAs. Frontiers in Psychology, 4, 863. · DOI 10.3389/fpsyg.2013.00863

باز کردن روش کامل

ادعاهای گزینش‌شده

ادعاها در دفتر ثبت شواهد ذخیره شده‌اند، هر کدام با ارزیابی خاص خود.

هنوز ادعای گزینش‌شده‌ای وجود ندارد

این نما در صورت عدم وجود ارزیابی ادعا در دفتر ثبت، ادعایی ابداع نمی‌کند.

روش‌های مرتبط

از گراف روش تولید شده و به عنوان روابط پیشنهادی ماشین نمایش داده می‌شود — هیچ ادعای مدرکی استنباط نمی‌شود.

Same method familyConfidence Intervalmachine-suggested · Relational suggestion, not evidence.Same method familyP-Value and Statistical Significancemachine-suggested · Relational suggestion, not evidence.Same method familyStatistical Power and Sample Sizemachine-suggested · Relational suggestion, not evidence.Same method familyType I and Type II Errorsmachine-suggested · Relational suggestion, not evidence.