این مقاله با استفاده از شبیه‌سازی فرمت‌بندی هدینگ‌های H1، H2 و H3 با سایز و ضخامت فونت، و همچنین ارائه یک اینفوگرافیک متنی ساختاریافته، برای کپی مستقیم در ویرایشگر بلوک طراحی شده است.

**تحلیل داده پایان نامه در موضوع علوم تربیتی**

آیا در مواجهه با کوهی از داده‌های پایان‌نامه علوم تربیتی خود سردرگم شده‌اید؟ آیا چالش انتخاب روش آماری مناسب، نرم‌افزارهای پیچیده یا تفسیر دقیق یافته‌ها ذهن شما را به خود مشغول کرده است؟ نگران نباشید! این مقاله جامع به شما کمک می‌کند تا گام به گام، از آماده‌سازی داده‌ها تا نگارش یافته‌ها، بر فرآیند تحلیل داده پایان‌نامه خود مسلط شوید. با ما همراه باشید تا راهکارهای علمی و عملی را برای رسیدن به یک تحلیل داده قوی و متقن کشف کنید. برای دریافت مشاوره تخصصی و تسهیل فرآیند پایان‌نامه خود، می‌توانید به [مشاوره انجام پایان نامه علوم تربیتی](/مشاوره-انجام-پایان-نامه-علوم-تربیتی) مراجعه کنید.

—

**راهنمای جامع تحلیل داده پایان‌نامه علوم تربیتی (خلاصه اینفوگرافیک)**

**از طرح پژوهش تا نتیجه‌گیری نهایی**

—

**مقدمه‌ای بر تحلیل داده در پایان‌نامه‌های علوم تربیتی**

تحلیل داده، قلب تپنده هر پژوهش علمی است و در پایان‌نامه‌های علوم تربیتی، نقش حیاتی در تبدیل اطلاعات خام به دانش معنادار ایفا می‌کند. این فرآیند به دانشجویان امکان می‌دهد تا فرضیه‌های خود را بیازمایند، سؤالات پژوهشی را پاسخ دهند و به درک عمیق‌تری از پدیده‌های آموزشی و تربیتی دست یابند. علوم تربیتی، با گستردگی موضوعات خود از روانشناسی تربیتی و برنامه‌ریزی درسی گرفته تا فلسفه آموزش و پرورش، نیازمند رویکردهای تحلیل داده‌ای متنوع و دقیق است.

چالش اصلی بسیاری از دانشجویان، انتخاب روش تحلیل مناسب، کار با نرم‌افزارهای آماری یا کیفی و نهایتاً تفسیر صحیح نتایج است. یک تحلیل داده نادرست می‌تواند کل زحمات پژوهش را زیر سؤال ببرد، در حالی که تحلیل دقیق و روشمند، ارزش علمی پایان‌نامه را به شکل چشمگیری ارتقا می‌بخشد. در این مقاله، به تمامی جنبه‌های تحلیل داده در علوم تربیتی، از مفاهیم بنیادی تا نکات پیشرفته، خواهیم پرداخت. برای اطلاع بیشتر در مورد [تحلیل آماری](/تحلیل-آماری) و تکنیک‌های آن، می‌توانید به منابع تخصصی مراجعه کنید.

**پیش‌نیازهای تحلیل داده: طراحی پژوهش و جمع‌آوری اطلاعات**

قبل از هرگونه تحلیل، کیفیت و نوع داده‌های جمع‌آوری شده اهمیت بسزایی دارد. تحلیل داده فقط زمانی موثر خواهد بود که داده‌ها بر اساس یک طرح پژوهشی قوی و با ابزارهای معتبر جمع‌آوری شده باشند.

**اهمیت طرح پژوهش قوی**

یک طرح پژوهش محکم، مانند نقشه راه برای کل مسیر پایان‌نامه عمل می‌کند. در علوم تربیتی، این طرح باید شامل تعریف دقیق مسئله، سؤالات پژوهش، فرضیه‌ها، جامعه و نمونه آماری، و روش تحقیق (کمی، کیفی یا ترکیبی) باشد. هرگونه نقص در این مرحله می‌تواند منجر به جمع‌آوری داده‌های نامناسب و در نتیجه، تحلیل‌های بی‌نتیجه یا گمراه‌کننده شود. به عنوان مثال، اگر هدف شما بررسی اثربخشی یک روش تدریس جدید باشد و گروه کنترل و آزمایش به درستی تشکیل نشده باشند، هر تحلیلی که انجام دهید، از اعتبار کافی برخوردار نخواهد بود. برای راهنمایی بیشتر در [انتخاب موضوع پایان نامه](/انتخاب-موضوع-پایان-نامه)، می‌توانید به این صفحه مراجعه کنید.

**روش‌های جمع‌آوری داده در علوم تربیتی (پرسشنامه، مصاحبه، مشاهده)**

انتخاب ابزار مناسب برای جمع‌آوری داده‌ها از ارکان اصلی است:

* **پرسشنامه:** برای جمع‌آوری داده‌های کمی از تعداد زیادی پاسخ‌دهنده (مانند سنجش نگرش، رضایت یا دانش). طراحی پرسشنامه باید با دقت و با رعایت اصول روانسنجی انجام شود تا روایی (Validity) و پایایی (Reliability) آن تضمین گردد.
* **مصاحبه:** برای جمع‌آوری داده‌های کیفی و عمیق، به ویژه در مورد تجربیات، دیدگاه‌ها و باورهای افراد. مصاحبه‌ها می‌توانند ساختاریافته، نیمه‌ساختاریافته یا بدون ساختار باشند.
* **مشاهده:** برای مطالعه رفتارها و تعاملات در محیط‌های طبیعی (مانند کلاس درس). این روش می‌تواند به صورت مشارکتی یا غیرمشارکتی انجام شود.
* **سایر روش‌ها:** گروه‌های کانونی، تحلیل اسناد و محتوا (مانند تحلیل کتب درسی)، آزمون‌های عملکردی و…

اطمینان از اعتبار و پایایی ابزار جمع‌آوری داده، گام اول و حیاتی برای تحلیل داده‌های معنادار است.

**انتخاب رویکرد تحلیل داده: کمی یا کیفی؟**

رویکرد تحلیل داده شما باید با رویکرد کلی پژوهش (کمی یا کیفی) هماهنگ باشد.

**تحلیل داده‌های کمی: ابزارها و تکنیک‌ها**

داده‌های کمی، که معمولاً به صورت اعداد و ارقام جمع‌آوری می‌شوند، نیازمند ابزارهای آماری برای توصیف، مقایسه و استنتاج هستند.

* **آمار توصیفی:** برای خلاصه‌سازی و توصیف ویژگی‌های اصلی داده‌ها استفاده می‌شود. شامل محاسبه میانگین، میانه، مد، انحراف معیار، فراوانی و رسم نمودارها (هیستوگرام، نمودار میله‌ای و دایره‌ای) است. این آمار به شما کمک می‌کند تا یک تصویر کلی از نمونه خود به دست آورید.
* **آمار استنباطی:** برای تعمیم یافته‌ها از نمونه به جامعه آماری و آزمون فرضیه‌ها به کار می‌رود. این تکنیک‌ها شامل:
* **آزمون‌های t (t-test):** برای مقایسه میانگین دو گروه.
* **آزمون تحلیل واریانس (ANOVA):** برای مقایسه میانگین سه گروه یا بیشتر.
* **همبستگی (Correlation):** برای بررسی رابطه بین دو یا چند متغیر.
* **رگرسیون (Regression):** برای پیش‌بینی یک متغیر بر اساس متغیرهای دیگر.
* **تحلیل عاملی (Factor Analysis):** برای کاهش ابعاد متغیرها و کشف ساختارهای پنهان.
* **آزمون‌های ناپارامتریک:** در صورت عدم رعایت پیش‌فرض‌های آماری (مانند نرمال نبودن توزیع داده‌ها) از آزمون‌هایی مانند کای‌دو (Chi-square)، من‌ویتنی (Mann-Whitney U) و کروسکال‌والیس (Kruskal-Wallis) استفاده می‌شود.

انتخاب تکنیک آماری مناسب به نوع متغیرها، تعداد گروه‌ها و هدف پژوهش شما بستگی دارد. برای کمک به [پایان نامه ارشد](/پایان-نامه-ارشد) یا دکترا، تسلط بر این ابزارها ضروری است.

**تحلیل داده‌های کیفی: رویکردها و چالش‌ها**

داده‌های کیفی، که اغلب به صورت متن (مصاحبه، یادداشت‌های مشاهده) یا تصویر هستند، نیازمند رویکردهای تفسیری و استقرایی هستند. هدف، کشف الگوها، مضامین و معانی پنهان در داده‌هاست.

* **تحلیل محتوا (Content Analysis):** به صورت سیستماتیک محتوا را برای شناسایی کلمات کلیدی، مضامین و الگوهای تکراری بررسی می‌کند. می‌تواند کمی (شمارش فراوانی کلمات) یا کیفی (تفسیر معانی) باشد.
* **تحلیل مضمون (Thematic Analysis):** یکی از رایج‌ترین رویکردها برای شناسایی، تحلیل و گزارش الگوها (مضامین) در داده‌های کیفی است. مراحل آن شامل آشنایی با داده‌ها، تولید کدهای اولیه، جستجو برای مضامین، بازبینی مضامین، تعریف و نام‌گذاری مضامین و نهایتاً نگارش گزارش است.
* **نظریه زمینه‌ای (Grounded Theory):** هدف آن توسعه یک نظریه بر اساس داده‌هاست، نه آزمون یک نظریه از پیش موجود. شامل کدگذاری باز، محوری و انتخابی است.
* **مطالعه موردی (Case Study):** تحلیل عمیق یک یا چند مورد خاص (فرد، کلاس، مدرسه) برای درک پدیده‌ای پیچیده.
* **پدیدارشناسی (Phenomenology):** به دنبال درک تجربیات زیسته افراد از یک پدیده خاص است.

چالش اصلی در تحلیل کیفی، حفظ عینیت، مدیریت حجم بالای داده‌ها و جلوگیری از سوگیری محقق است. اعتبار (Credibility)، قابلیت انتقال (Transferability)، پایایی (Dependability) و تاییدپذیری (Confirmability) از معیارهای مهم برای کیفیت در پژوهش کیفی هستند. [انجام پایان نامه](/انجام-پایان-نامه) با رویکرد کیفی نیازمند دقت و تجربه بالایی است.

**مراحل کلیدی تحلیل داده در پایان‌نامه‌های علوم تربیتی**

صرف‌نظر از رویکرد کمی یا کیفی، فرآیند تحلیل داده شامل مراحل مشخصی است.

**آماده‌سازی داده‌ها (کدگذاری، پاکسازی)**

* **ورود داده‌ها:** داده‌های پرسشنامه وارد نرم‌افزارهایی مانند SPSS یا Excel می‌شوند. داده‌های مصاحبه یا مشاهده رونویسی (ترانسکرایب) شده و به صورت متنی آماده می‌شوند.
* **کدگذاری (Coding):**
* **داده‌های کمی:** اختصاص کد عددی به متغیرهای کیفی (مانند 1 برای مرد، 2 برای زن).
* **داده‌های کیفی:** شناسایی بخش‌های مهم متن و اختصاص یک برچسب یا کد به آن‌ها. این کدها سپس دسته‌بندی شده و به مضامین تبدیل می‌شوند.
* **پاکسازی داده‌ها (Data Cleaning):** این مرحله شامل شناسایی و رفع خطاهای ورود داده، داده‌های پرت (Outliers)، داده‌های گمشده (Missing Data) و ناهماهنگی‌هاست. داده‌های گمشده می‌توانند با روش‌های آماری مناسب (مانند جایگزینی با میانگین یا رگرسیون) مدیریت شوند.

**انجام تحلیل (نرم‌افزارها: SPSS, NVivo)**

انتخاب نرم‌افزار به نوع داده‌ها و رویکرد شما بستگی دارد:

* **برای داده‌های کمی:**
* **SPSS (Statistical Package for the Social Sciences):** رایج‌ترین نرم‌افزار در علوم اجتماعی و تربیتی. رابط کاربری گرافیکی آسانی دارد و برای اکثر تحلیل‌های توصیفی و استنباطی مناسب است.
* **R و Stata:** قدرتمندتر و انعطاف‌پذیرتر، اما نیازمند دانش کدنویسی. برای تحلیل‌های پیچیده‌تر و مدل‌سازی پیشرفته مناسب هستند.
* **AMOS و Lisrel:** برای مدل‌سازی معادلات ساختاری (SEM) که در آن روابط بین متغیرهای پنهان و آشکار بررسی می‌شود.
* **برای داده‌های کیفی:**
* **NVivo:** یک نرم‌افزار قدرتمند برای تحلیل محتوا، تحلیل مضمون و نظریه زمینه‌ای. به مدیریت، سازماندهی و کدگذاری حجم زیادی از داده‌های متنی، صوتی و تصویری کمک می‌کند.
* **MAXQDA و ATLAS.ti:** دیگر نرم‌افزارهای محبوب برای تحلیل داده‌های کیفی با قابلیت‌های مشابه NVivo.

**جدول 1: مقایسه نرم‌افزارهای پرکاربرد در تحلیل داده پایان‌نامه علوم تربیتی**

| ویژگی/نرم‌افزار | **SPSS (کمی)** | **NVivo (کیفی)** |
| :—————- | :———————————————— | :——————————————————- |
| **نوع داده** | عددی، کمی | متنی، صوتی، تصویری (رونوشت مصاحبه، یادداشت مشاهده) |
| **هدف اصلی** | آمار توصیفی، استنباطی، آزمون فرضیه‌ها | شناسایی الگو، مضمون، تئوری‌سازی، تحلیل محتوا |
| **رابط کاربری** | گرافیکی، کاربرپسند، بدون نیاز به کدنویسی | گرافیکی، پیچیده‌تر اما قدرتمند در مدیریت داده کیفی |
| **کاربردهای رایج** | آزمون t، ANOVA، رگرسیون، همبستگی، تحلیل عاملی | کدگذاری، ایجاد سلسله مراتب مضامین، تحلیل واژگان |
| **چالش‌ها** | نیاز به درک اصول آماری، تفسیر صحیح خروجی‌ها | زمان‌بر بودن کدگذاری، نیاز به مهارت تفسیری محقق |

**تفسیر نتایج و استنتاج**

این مرحله فراتر از گزارش اعداد یا مضامین است. شما باید نتایج را در پرتو سؤالات پژوهش و فرضیه‌ها تفسیر کنید.
* **نتایج کمی:** اعداد P-value، ضرایب همبستگی، R-squared و… باید با دقت توضیح داده شوند. آیا فرضیه صفر رد می‌شود یا تأیید؟ این نتایج چه مفهومی برای پدیده مورد مطالعه دارند؟
* **نتایج کیفی:** مضامین و الگوهای کشف شده باید به تفصیل شرح داده شوند و با شواهد (نقل قول‌های مستقیم از مصاحبه‌شوندگان) پشتیبانی شوند. این مضامین چه بینش جدیدی در مورد پدیده مورد بررسی ارائه می‌دهند؟

**اعتبارسنجی و روایی یافته‌ها**

* **در پژوهش کمی:** اطمینان از روایی و پایایی ابزارهای اندازه‌گیری، رعایت پیش‌فرض‌های آماری و گزارش دقیق آماره‌ها.
* **در پژوهش کیفی:** استفاده از تکنیک‌هایی مانند بررسی توسط اعضا (Member Checking)، مثلث‌سازی (Triangulation) با استفاده از چندین منبع داده یا چندین محقق، و توصیف غنی و عمیق (Thick Description) برای افزایش اعتبار نتایج. این مراحل به تقویت اطمینان از صحت یافته‌های شما کمک می‌کنند.

**چالش‌های رایج و راه‌حل‌ها در تحلیل داده علوم تربیتی**

دانشجویان علوم تربیتی اغلب با چالش‌های مشابهی در فرآیند تحلیل داده مواجه می‌شوند. شناخت این چالش‌ها و داشتن راه‌حل‌های مناسب، مسیر را هموارتر می‌کند.

**خطاهای آماری و روش‌شناختی**

* **مشکل:** انتخاب نادرست آزمون آماری، عدم رعایت پیش‌فرض‌های آماری، خطاهای نوع اول و دوم.
* **راه‌حل:** مشورت با متخصص آمار، مطالعه عمیق روش‌شناسی آماری، استفاده از نرم‌افزارها برای بررسی پیش‌فرض‌ها، و گزارش دقیق محدودیت‌های پژوهش.

**حجم بالای داده‌ها و مدیریت آن‌ها**

* **مشکل:** در پژوهش‌های با حجم نمونه بالا (کمی) یا تعداد زیاد مصاحبه/مشاهده (کیفی)، مدیریت و سازماندهی داده‌ها دشوار می‌شود.
* **راه‌حل:** استفاده از نرم‌افزارهای تخصصی مدیریت داده (Excel برای کمی، NVivo برای کیفی)، کدگذاری منظم و طبقه‌بندی دقیق، و ایجاد یک پایگاه داده سازمان‌یافته.

**تفسیر نادرست و سوگیری محقق**

* **مشکل:** تفسیر نتایج بر اساس انتظارات محقق به جای شواهد عینی، عدم توانایی در ربط دادن یافته‌ها به چارچوب نظری.
* **راه‌حل:** حفظ عینیت در تحلیل، مشورت با استاد راهنما و متخصصان، مرور ادبیات پژوهش برای چارچوب‌بندی نتایج، و استفاده از تکنیک‌های کنترل سوگیری در پژوهش کیفی (مانند تحلیل خودانعکاسی).

**اخلاق در تحلیل داده**

* **مشکل:** حفظ حریم خصوصی مشارکت‌کنندگان، ناشناس ماندن اطلاعات، عدم تحریف داده‌ها.
* **راه‌حل:** کدگذاری داده‌ها برای حذف اطلاعات شناسایی‌کننده، کسب رضایت آگاهانه، و گزارش صادقانه و کامل تمامی یافته‌ها، حتی آن‌هایی که با فرضیات پژوهش همخوانی ندارند.

**گزارش‌نویسی و ارائه نتایج تحلیل داده**

بخشی از موفقیت تحلیل داده، توانایی شما در انتقال واضح و مؤثر نتایج به خوانندگان است.

**ساختار بخش تحلیل داده در پایان‌نامه**

این بخش معمولاً شامل موارد زیر است:
1. **مقدمه:** یادآوری سؤالات پژوهش و فرضیه‌ها.
2. **شرح داده‌ها:** توصیف جامعه، نمونه و روش جمع‌آوری.
3. **روش‌های تحلیل:** تشریح دقیق رویکردها و آزمون‌های آماری یا تکنیک‌های کیفی مورد استفاده.
4. **یافته‌ها (Findings):** ارائه نتایج به صورت عینی و بدون تفسیر اولیه. استفاده از جداول، نمودارها و شکل‌ها برای داده‌های کمی و نقل قول‌های مستقیم و توصیف مضامین برای داده‌های کیفی.
5. **بحث و تفسیر (Discussion):** ارتباط دادن یافته‌ها با ادبیات پژوهش، توضیح معنی و اهمیت آن‌ها، و ارائه استنتاج‌ها.
6. **محدودیت‌ها و پیشنهادها:** اشاره به محدودیت‌های پژوهش و ارائه پیشنهادها برای پژوهش‌های آتی.

**نکات مهم در نگارش یافته‌ها و بحث**

* **وضوح و اختصار:** از زبان علمی و دقیق استفاده کنید، اما از اطناب پرهیز کنید.
* **همخوانی:** اطمینان حاصل کنید که نتایج با سؤالات پژوهش و فرضیه‌ها همخوانی دارند.
* **مرجع‌دهی:** تمامی نقل قول‌ها و ارجاعات را به درستی مرجع‌دهی کنید.
* **تصویرسازی داده‌ها:** برای داده‌های کمی، جداول و نمودارها را با دقت طراحی کنید تا پیام اصلی را به سرعت منتقل کنند. برای داده‌های کیفی، از نقل قول‌های جذاب و توصیفات غنی استفاده کنید.
* **اجتناب از تکرار:** از تکرار صرف اعداد در متن که در جدول آمده است، خودداری کنید. به جای آن، به جنبه‌های مهم نتایج اشاره کنید.

برای راهنمایی بیشتر در [پروپوزال نویسی](/پروپوزال-نویسی) و نگارش بخش‌های مختلف پایان‌نامه، منابع معتبر می‌توانند به شما کمک کنند.

**نقش موسسه انجام پایان نامه پویش در فرآیند تحلیل داده**

در مسیر پیچیده تحلیل داده پایان‌نامه، به ویژه در موضوعات تخصصی علوم تربیتی، دریافت کمک از متخصصان می‌تواند راهگشا باشد. **موسسه انجام پایان نامه پویش** با بهره‌گیری از تیمی از متخصصین مجرب در حوزه‌های آمار، روش‌شناسی تحقیق کمی و کیفی و علوم تربیتی، خدمات مشاوره‌ای و تخصصی را برای دانشجویان عزیز فراهم می‌آورد. این خدمات شامل:

* **مشاوره در انتخاب روش تحلیل مناسب:** بر اساس طرح پژوهش و نوع داده‌های شما.
* **آموزش کار با نرم‌افزارهای آماری و کیفی:** SPSS, NVivo و سایر نرم‌افزارهای تخصصی.
* **کمک در آماده‌سازی و پاکسازی داده‌ها:** اطمینان از صحت و کیفیت داده‌ها.
* **همکاری در انجام تحلیل‌های پیچیده:** برای دانشجویانی که زمان یا مهارت کافی برای انجام برخی تحلیل‌ها را ندارند.
* **راهنمایی در تفسیر نتایج و گزارش‌نویسی:** کمک به شما در نگارش بخش‌های یافته‌ها و بحث پایان‌نامه به شکلی علمی و قابل دفاع.

با پشتیبانی **موسسه انجام پایان نامه پویش**، می‌توانید چالش‌های تحلیل داده را به فرصت‌هایی برای یادگیری و تولید یک پایان‌نامه برجسته تبدیل کنید.

**پرسش‌های متداول (FAQ) در تحلیل داده پایان‌نامه علوم تربیتی**

**1. چه تفاوتی بین آمار توصیفی و استنباطی وجود دارد؟**
آمار توصیفی داده‌ها را خلاصه‌سازی و توصیف می‌کند (مانند میانگین، انحراف معیار)، در حالی که آمار استنباطی برای تعمیم نتایج از نمونه به جامعه و آزمون فرضیه‌ها استفاده می‌شود (مانند آزمون t، ANOVA).

**2. چه زمانی باید از تحلیل کیفی استفاده کنم؟**
زمانی که هدف شما درک عمیق پدیده‌ها، تجربیات، باورها یا معانی است و به دنبال کشف الگوها و مضامین هستید، تحلیل کیفی مناسب‌تر است.

**3. آیا می‌توانم در یک پایان‌نامه هم از تحلیل کمی و هم کیفی استفاده کنم؟**
بله، رویکرد ترکیبی (Mixed Methods) در پژوهش‌های علوم تربیتی بسیار رایج است و به شما اجازه می‌دهد تا هم وسعت (کمی) و هم عمق (کیفی) پدیده را بررسی کنید.

**4. چگونه می‌توانم مطمئن شوم که داده‌هایم معتبر و قابل اعتماد هستند؟**
برای داده‌های کمی از روایی و پایایی ابزارها، و برای داده‌های کیفی از تکنیک‌هایی مانند بررسی توسط اعضا، مثلث‌سازی و توصیف غنی استفاده کنید.

**5. اگر در طول تحلیل داده با مشکل مواجه شدم، چه کاری باید انجام دهم؟**
ابتدا با استاد راهنمای خود مشورت کنید. همچنین می‌توانید از مشاوران متخصص در حوزه تحلیل داده کمک بگیرید، مانند متخصصین **موسسه انجام پایان نامه پویش**.

**نتیجه‌گیری: تسلط بر تحلیل داده، گامی به سوی پایان‌نامه موفق**

تحلیل داده، فرآیندی پیچیده اما ضروری در نگارش یک پایان‌نامه معتبر در علوم تربیتی است. با درک صحیح مفاهیم، انتخاب رویکرد و ابزارهای مناسب، و غلبه بر چالش‌ها، می‌توانید داده‌های خود را به بهترین شکل ممکن به نمایش بگذارید و به نتایج معناداری دست یابید. این مهارت نه تنها به شما در اتمام موفقیت‌آمیز پایان‌نامه کمک می‌کند، بلکه شما را به عنوان یک پژوهشگر توانمند در آینده نیز مطرح خواهد ساخت. به یاد داشته باشید که هر گام از این مسیر، فرصتی برای یادگیری و رشد علمی شماست. با برنامه‌ریزی دقیق، پشتکار و در صورت نیاز، استفاده از مشاوره تخصصی، می‌توانید با اطمینان خاطر، تحلیل داده پایان‌نامه خود را به سرانجام برسانید.