فراترکیبی از تعاریف و مولفه‌های تفکرآماری ‌

اهمیت آمار و آموزش آن در دنیای کنونی که سرشار از اطلاعات و داده است، برکسی پوشیده نیست. تفکر آماری هستۀ اصلی درک صحیح مفاهیم آماری، تجزیه و تحلیل داده ها و تفسیر پدیده هاست. پژوهش حاضر با هدف دستیابی به تعریفی جامع از تفکر آماری و تعیین عناصر آن، پژوهش های سی و سه سال اخیر را مورد مطالعه قرار داده است. این پژوهش توصیفی، به روش فراترکیب کیفی به انجام رسیده است تا بینشی عمیق و تفسیری جامع از کلیت پژوهش های موجود ارائه کند. بر اساس معیارهای ورود تعداد 123 پژوهش در بازۀ سالهای 1990 تا 2022، شناسائی شد و در نهایت پس از غربالگری، تعداد 22 تحقیق برای بررسی و تحلیل دقیق انتخاب شد. با توجه به یافته های فراترکیب حاضر، عناصر تفکر آماری عبارتند از: 1- داده محور بودن: توجه به داده ها، تشخیص نیاز به داده ها، جمع آوری و در نظر گرفتن داده ها، بازنمایی های مختلف داده ها و نیز روش های تبدیل آنها به یکدیگر. 2- تغییر پذیری: در نظرداشتن تغییرات دائمی در همه پدیده ها. 3- استنباط آماری: توجه به انواع نمونه گیری، استدلال و استنباط با استفاده از مدل های آماری شامل استفاده از نمودارهای آماری و تعمیم نتایج از نمونه به جامعه. 4- تحلیل زمینه آماری: تلفیق مسئلۀ آماری با زمینه. 

metasynthesis in definitions and components of statistical thinking

the importance of statistics and its education in today’s world, which is full of information and data, is not hidden from anyone. statistical thinking is the main core of correct understanding of statistical concepts, data analysis and interpretationof phenomena. with the aim of achieving a comprehensive definition of statistical thinking and determining its elements,the present research has studied the researches of the last thirty years. this descriptive research has been carried out in aqualitative metacompositemethod to provide an insight into the totality of existing studies. based on the entry criteria,123 researches were identified between 1990 and 2022, and finally, after screening, 22 researches were selected for detailedreview and analysis. according to the present metacomposite findings, the elements of statistical thinking are: 1) being dataoriented:paying attention to data, identifying the need for data, collecting and considering data, different representations ofdata, and methods of converting them to each other. 2) variability: considering permanent changes in all phenomena. 3)statistical inference: paying attention to the types of sampling, reasoning and inference using statistical models, including theuse of statistical charts and generalizing the results from the sample to the population. [4) analysis of the statistical context: combining the statistical problem with the context.