ضريب آلفاي كرنباخ در پژوهشهاي اجتماعي

پايايي ابزارهاي سنجش در پژوهشهاي اجتماعي يكي از مهمترين موضوعات روش شناختي است چرا كه بدون آن نميتوان به نتايج مطالعات تجربي اعتماد كافي داشت.

هماهنگي دروني بين آيتم‌ها و ضريب آلفاي كرنباخ كه بر پايه آن قرار دارد از عمومي‌ترين شيوه‌هاي بررسي پايايي ابزارهاي سنجش است. در اين متن ضمن پرداختن به كلياتي درباره آلفاي كرنباخ، برخي ويژگيهاي جزيي‌تر اين ضريب نيز مورد توجه قرار گرفته است. توجه به اينكه پايين بودن مقدار ضريب آلفا لزوما به معناي عدم پايايي ابزار نيست، توجه به اين نكته كه آلفاي كرنباخ براي ابزارهاي تك بعدي مناسب است و در صورت چند بعدي بودن ابزار بايد براي هر بعد بنحو جداگانه به محاسبه اين ضريب دست زد، ارتباط ضريب آلفاي كرنباخ با برخي روشهاي ديگر به ويژه روش دو نيمه كردن ابزار سنجش و همچنين دامنه تغييرات اين ضريب و شيوه هاي محاسبه آن از جمله موضوعاتي است كه در اين مقاله به آن پرداخته شده است.

پايايي يكي از مهمترين ويژگيها براي ابزارهاي سنجشي است كه جهت اندازه‌گيري متغيرها يا سازه‌هاي پنهان طراحي شده‌اند. بدون داشتن يك ابزار پايا نميتوان به نتايج پژوهش اعتماد كافي داشت و در صورت تكرار پژوهش، نتايج مي‌تواند داراي تفاوت معني‌دار با مرحله اول باشد. هر چند پايايي شرط كافي براي اعتماد و اطمينان به نتايج به بار آمده از يك ابزار سنجش نيست اما شرط ضروري و لازم است.شيوه‌هاي مختلفي براي سنجش پايايي وجود دارد كه عبارتند از: آزمون‌ـ‌آزمون مجدد، استفاده از فرمهاي موازي، دو نيمه كردن ابزار سنجش و هماهنگي دروني بين آيتم‌هاي ابزار سنجش. براي سنجش هماهنگي دروني بين آيتم‌هاي مختلف يك ابزار نيز از تكنيك‌هاي مختلفي ميتوان استفاده كرد كه استفاده از ضريب آلفاي كرنباخ يكي از آنهاست . ضريب آلفاي كرنباخ در علوم مختلف بويژه علوم انساني و پزشكي براي سنجش پايايي ابزارهاي مختلف سنجش نگرش و يا آزمونهاي آموزشي و سنجش دانش داراي كاربرد فراوان است. در هر حال با توجه به اينكه سنجش نگرشها بخش مهمي از مطالعات اجتماعي و بويژه پيمايشها را به خود اختصاص داده است، اين مقاله با توجه به اين نوع از كاربرد ضريب آلفاي كرنباخ نگاشته شده است . بررسي برخي از مهمترين ابزارهاي سنجش نگرش نشان مي‌دهد كه اين ضريب به منظور ساخت ابزار قابل اعتماد مورد استفاده بسياري از پژوهشگران در حوزه مطالعات اجتماعي بوده است . پس از طرح ضريب آلفاي كرنباخ به طور متوسط سالانه 131 بار در مقاله‌هاي علمي به نوشته لي جي . كرنباخ در اين باره به استناد شده است. (Cronbach, 2004: 2)
كرنباخ كه مهمترين زمينه پژوهشي وي نظريه اندازه‌گيري يا سنجش مي باشد، در سال 1951 در مقاله‌اي با عنوان «ضريب آلفا و ساختار دروني آزمونها» اين ضريب را به جامعه علمي معرفي كرد.
«ضريب آلفا بر پايه هماهنگي دروني آيتم‌ها با يكديگر طرح شده است».
(Cronbach, 1951: 301)
ضريب آلفاي كرنباخ به عنوان يكي از ضرايب پايايي يا قابليت اعتماد شناخته مي‌شود. اين ضريب از عمومي ‌ترين ضرايبي است كه توسط پژوهشگران علوم اجتماعي براي سنجش پايايي ابزارهاي مختلف جمع آوري داده‌ها مورد استفاده قرار مي‌گيرد . مهمترين علت عموميت استفاده از آن، به احتمال زياد ناشي از ساده‌ تر بودن استفاده از اين ضريب در عمل است. با اين وجود مباحث طرح شده در كتابهاي روش شناسي علوم اجتماعي ، اغلب به اختصار از كنار آن گذشته‌اند و شايد به همين دليل‌ـ يا دلايل ديگرـ برخي ادراكات نادرست از اين ضريب در بين دانشجويان علوم اجتماعي وجود دارد. در اين مقاله سعي شده است تا با ارايه مثالهايي از متغيرهاي جامعه شناختي و همچنين تأمل بيشتر در ويژگيهاي ضريب آلفاي كرنباخ، امكان استفاده صحيح تر از آن فراهم شود.

ويژگيهاي ضريب آلفاي كرنباخ

هر چند ضريب آلفا از طريق فرمول‌هاي مختلفي قابل محاسبه است اما عمومي‌ترين فرمول مورد استفاده كه اولين بار توسط كرنباخ ارايه شد، به شرح زير است:


فرمول یا

  

                 
واریانس مجموع کلی سو الات

(Cronbach, 1951: 321; Cronbach, 2004: 9)


از تعريف آلفاي کرونباخ مي توان نتيجه گرفت:
(1) هرقدرهمبستگي مثبت بين سوالات بيشتر شود، ميزان آلفاي کرونباخ بيشتر خواهد شدو بالعکس،
(2) هر قدر واريانس ميانگين سوالات بيشتر شود آلفاي کرونباخ کاهش پيدا خواهد کرد،
(3) افزايش تعداد سوالات تاثيرمثبت و يا منفي (بسته به نوع همبستگي بين سوالات) بر ميزان آلفاي کرونباخ خواهد گذاشت،
(4) افزايش حجم نمونه باعث کاهش واريانس ميانگين سوالات در نتيجه باعث افزايش آلفاي کرونباخ خواهد شد.
بديهي است هرقدر شاخص آلفاي کرونباخ به 1نزديکترباشد، همبستگي دروني بين سوالات بيشتر و در نتيجه پرسشها همگن ترخواهند بود. کرونباخ ضريب پايايي %45 را کم، %75 را متوسطو قابل قبول، و ضريب %95 را زياد پيشنهاد کرده (کرونباخ، 1951). بديهي است درصورت پايين بودن مقدارآلفا، بايستي بررسي شود که با حذف کدام پرسشها مقدارآن را مي توان افزايش داد.

تتاي ترتيبي:

در سال 1974 آمارداني به نام آمور در مورد استفاده از آلفاي کرونباخ آماردانان ديگر را به چالش کشيد. استدلال او اين بود که آلفاي کرونباخ بر علاوه بر نارايب بوده (نارايبي مثبت)، بر اساس شاخص هاي تعريف و محاسبه مي گردنند که مربوط به داده هاي با مقياس فاصله اي و يا نسبتي هستند، بنابراين استفاده از آلفاي کرونباخ براي محاسبه اي ميزان پايائي پرسش نامه هاي که حاوي سوالات ترتيبي هستند دقيق به نظر نمي رسد. او براي رفع اين مشکل شاخص جديدي تحت عنوان تتاي ترتيبي به صورت زير ارائه داد


که بيشترين مقدار ويژه در تحليل مولفه اي اصلي مي باشد. اخيرا زامبو،
گادرومن، و زيسر (2007) به مطالعه اين شاخص پرداخته و با چندين مثال شبيه سازي شده نشان دادند که ضريب آلفاي کرونباخ هميشه مقدار پاياي را کم برآورد مي کند . بنابراين توصيه مي شود که در هنگامي که داده ها ترتيبي هستنند به جاي آلفاي کرونباخ از تتاي ترتيبي استفاده شود .

ويژگيهاي مختلف ضريب آلفاي كرنباخ به لحاظ روش شناختي و همچنين به لحاظ تكنيكي شامل موارد زير است:
1ـ ضريب آلفاي كرنباخ بر پايه هماهنگي دروني گويه‌ها با يكديگر قرار دارد .
2ـ ضريب آلفاي كرنباخ تابع دو متغير «تعداد آيتم‌هاي ابزار» و «متوسط ضريب همبستگي بين آيتم ها» است .
3ـ يك ضريب آلفا به تنهايي براي آزمونهايي كه هر خوشه از گويه‌ها در حول و حوش وجه ويژه‌اي از پديده مورد سنجش قرار دارند مناسب نيست .(Cronbach, 2004: 20)
. ضريب آلفاي كرنباخ مناسب براي سنجش پايايي ابزارهاي تك بعدي است (SPSS Inc, 1996: 6).
4ـ مقدار ضريب آلفاي كرنباخ برابر با ميانگين كليه ضرايب پايايي ممكن از طريق دو نيمه كردن است
(Wuensch, 2004: 4) .
5ـ ضريب آلفاي كرنباخ به عنوان يكي از ضرايب محافظه كار شناخته مي‌شود به نحوي كه ضريب پايايي محاسبه شده از ساير شيوه‌ها (نظير دونيمه كردن) مقاديري بيشتر از آلفا را نشان مي‌دهد .
6ـ در عمل، مقدار ضريب آلفاي كرنباخ از حداقل ∞ تا حداكثر 1+ تغيير مي كند
(Nichols, 1999 : 1-8).
7ـ فرمول كرنباخ داراي كاربرد گسترده است و ميتوان از آن در سنجش پايايي آزمونهاي شناختي دوگزينه اي تا مقياسهاي سنجش نگرش چندگزينه‌اي بهره برد
(Shavelson, 2003: 381).
در اغلب منابع در رابطه با مقدار مطلوب براي ضريب آلفا، به نوشته نونالي
(Nunally, 1978).
استناد شده است بر اساس استدلال وي، براي پايا قلمداد كردن يك ابزار، حداقل مقدار 7/0 براي ضريب آلفا لازم است، لذا ميتوان ابزار طرح شده را بر اساس شيوه هماهنگي دروني گويه ها، پايا قلمداد كرد . در هر حال بايد توجه داشت كه صرف ملاك كمي را نميتوان دليل كافي براي پايايي ابزار تلقي كرد و تحليل كيفي گويه‌ها بر اساس گفتگوهاي تخصصي در رابطه با سازه مورد نظر از اهميت بالايي برخوردار است . در اينجا فرض بر اين است كه چنين توجه و دقتي توسط پژوهشگر يا گروه پژوهشي صورت گرفته است .
محاسبه ضريب آلفاي بیش از 8/0 حاكي از وجود واريانس مشترك (كوواريانس) بالا و در جهت مثبت بين واريانس‌هاي چهار گويه طرح شده است. وجود واريانس مشترك بالا باعث مي شود واريانس مجموع نمرات بسيار بيشتر از جمع واريانس تك تك گويه‌ها شود و در نهايت ضريب به مقدار يك نزديك شود. ميتوان چهار حالت اصلي زير را در باره واريانس گويه هاي مختلف در اشكال زير ترسيم نمود :

 

 


كوواريانس اندك ـ مثبت ـ و ضريب آلفاي نزديك به صفر
(ابزار غيرپايا)
كوواريانس بالا ـ مثبت ـ و ضريب آلفاي نزديك به يك
(ابزار پايا)

كوواريانس كامل ـ مثبت ـ و ضريب آلفاي استاندارد يك
(ابزار پايا)
فقدان كوواريانس و ضريب آلفاي برابر صفر
(ابزار غيرپايا)
شكل 1: برخي حالات اصلي‌نسبت واريانس مجموع ‌نمرات‌ به‌جمع ‌واريانس تك‌تك‌‌آيتم‌ها‌

آلفاي كرنباخ تابع همبستگي بين آيتم‌ها و تعداد آنها همانطور كه گفته شد ضريب آلفاي كرنباخ، شاخصي از هماهنگي دروني در بين آيتم‌ها قلمداد مي‌شود . بر اين اساس انتظار داريم كه هر چه همبستگي بين آيتم‌ها بيشتر شود، مقدار ضريب آلفا افزايش يابد . در اين رابطه ميتوان اين موضوع را ذكر كرد كه ضريب آلفاي كرنباخ تابع «متوسط ضرايب همبستگي بين آيتم ها» ست .
همچنين اين ضريب تابع تعداد آيتم‌هاست . افزايش تعداد آيتم‌ها، اغلب بر مقدار ضريب خواهد افزود . تعداد كم آيتم‌ها (مثلا دو آيتم) باعث مي‌گردد كه تغييرات كم در نوع پاسخ‌ها به شدت بر ضريب همبستگي بين آيتم‌ها اثر گذارد، لذا ثبات آن كمتر است . در برابر با تعداد زيادتر آيتم براي سنجش يك متغير (مثلا ده آيتم)، تغيير اندك در نوع پاسخ‌ها اثر قابل توجهي بر مقدار ضرايب همبستگي نخواهد گذاشت، لذا ابزار پاياتر قلمداد خواهد شد.
بر اساس آنچه ذكر شد ضريب آلفاي كرنباخ تابع دو عامل «متوسط ضرايب همبستگي بين آيتم‌ها» و «تعداد آيتم‌ها»ست . در اين رابطه ميتوان فرمول زير را ارايه كرد:
فرمول (2)


(SPSS Inc, 1996: 1)
كه در آن k نماد تعداد آيتم‌ها و r نماد متوسط ضرايب همبستگي بين آيتم‌هاست .

تك بعدي بودن ابزار سنجش

اگر متغير مورد سنجش يك سازه تك بعدي است، انتظار مي‌رود كه همبستگي بالايي بين آيتم‌ها وجود داشته باشد، لذا مقدار ضريب آلفا بالا خواهد بود . اما چنانچه متغير مورد مطالعه يك سازه چند بعدي است نميتوان انتظار داشت كه بين آيتم‌هاي متعلق به ابعاد مختلف همبستگي بالايي وجود داشته باشد و در اين حالت مقدار ضريب آلفا، از مقدار 1+ فاصله خواهد گرفت و احتمالا به پايين‌تر از مقدار 7/0 كاهش خواهد يافت.

رابطه ضريب آلفا با روش دو نيمه كردن

يكي از روش‌هاي بررسي پايايي ابزار سنجش، روش دو نيمه كردن است. دو نيمه كردن آيتم‌ها به طرق مختلفي صورت مي‌گيرد. گزينش تصادفي، گزينش زوج و فرد و همچنين گزينش قضاوتي به منظور برابر در نظر گرفتن دو نيمه از جمله اين موارد است. در هر حال با توجه به تعداد گويه‌ها، تعداد تركيب‌هاي ممكن براي گويه‌هاي دو نيمه مشخص مي‌شود. ضريب آلفاي كرنباخ برابر با متوسط ضرايب پايايي كليه حالات دو نيمه كردن است. براي دو گويه، تنها 1 تركيب، براي چهار گويه، 3 تركيب و براي ده گويه 126 تركيب ممكن وجود دارد. تعداد تركيبهاي ممكن براي دو نيمه تعريف شده از رابطه زير به دست مي آيد:
فرمول (3)


به عنوان مثال براي چهار گويه كه 3 تركيب امكان پذير است، تركيبهاي ممكن عبارتند از:


گويه‌هاي نيمه دوم گويه‌هاي نيمه اول
4 ـ 3 2 ـ 1
4 ـ 2 3 ـ 1
3 ـ2 4 ـ 1

با توجه به متقارن بودن ضرايب همبستگي اسپيرمن يا گاتمن ، اينكه كدام نيمه را اول و كداميك را دوم در نظر بگيريم ، تأثيري در نتايج نخواهد گذاشت.

ضريب گاتمن و ضريب اسپيرمن‌ـ براوان از جمله ضرايبي هستند كه بر پايه تكنيك دو نيمه كردن ابزار سنجش قرار دارند و بر اساس رابطه‌هاي زير محاسبه مي‌شوند:
فرمول (4)


Source: (Wuensch, 2004: 4)

كه در آن G نماد ضريب گاتمن، نماد واريانس مجموع نمرات آيتم‌هاي نيمه اول، نماد واريانس مجموع نمرات آيتم‌هاي نيمه دوم واريانس مجموع نمرات كليه آيتم‌ها مي‌باشد.
فرمول (5)


كه در آن نماد ضريب اسپيرمن ـ براوان و برابر با ضريب اسپيرمن است.
ميانگين محاسبه شده براي ضرايب گاتمن و اسپيرمن‌ـ‌ براون در كليه حالات دو نيمه كردن ممكن برابر با ضريب آلفاي كرنباخ است، لذا از آنجا كه در هنگام دو نيمه كردن اين انتظار وجود دارد كه محقق بهترين تركيب از آيتم‌ها را براي هر نيمه در نظر گيرد، اغلب ضريب آلفا به عنوان ضريبي محافظه كار تر در برآورد پايايي نسبت به ضرايب گاتمن و اسپيرمن‌ـ‌ براون شناخته مي‌شود.

همچنين پايايي يك ابزار تعريف شده است به عنوان :
1. توان دوم ضريب همبستگي بين نمرات مشاهده شده و نمرات واقعي
2. نسبت واريانس نمرات واقعي به واريانس نمرات مشاهده شده
3. يك منهاي نسبت واريانس خطا به واريانس نمرات مشاهده شده
به بيان ديگر :

يك ويژگي اساسي در تعريف ضريب پايايي اين است كه نسبت واريانس‌ـ مطابق با تئوري ـ بين صفر تا يك است . اما در عمل ما با نمرات خطا و واقعي مشاهده نشده‌اي روبرو هستيم كه وقتي از تئوري وارد عمل مي‌شويم، كوشش ما براي تخمين پايايي مي‌تواند با نتايج غيرقابل انتظاري روبرو شود . در عمل مقادير ممكن برآورد پايايي از حداقل - تا حداكثر 1+ تغيير مي‌كند . با اينكه جمله اول از فرمول ضريب آلفاي كرنباخ (فرمول 1) هميشه مثبت است، اما كل نتيجه مي‌تواند منفي باشد تنها در صورتي كه :


يا به عبارت ديگر :

يعني آلفا در صورتي مي‌تواند منفي باشد كه مجموع واريانس تك تك گويه‌ها، بزرگتر از واريانس كل مقياس باشد . از آنجا كه واريانس مجموعه‌اي از متغيرهاي تصادفي برابر است با مجموع واريانس‌هاي هر يك از متغيرها باضافه دو برابر مجموع كوواريانس آنها (Hays1981), و از آنجا كه نمره هر مقياس، مجموع نمره هر يك از گويه‌هاي منفرد است، واريانس مقياس مي‌تواند به صورت زير بيان شود:

كه در آن نماد كوواريانس بين گويه iام و jام است و دو علامت سيگما براي تمام تركيب هايي كه در آن است . بنابراين مي توانيم شرط لازم و كافي براي منفي شدن ضريب آلفا را به صورت زير بيان كنيم :

به طور مختصر، ضريب آلفا منفي خواهد بود هر گاه دو برابر مجموع كوواريانس آيتم‌ها منفي باشد و به طور ساده‌تر ضريب آلفا منفي خواهد بود هرگاه ميانگين كوواريانس درميان آيتم‌ها منفي باشد.
در صورت برخورد كردن با يك ضريب منفي براي آلفاي كرنباخ بايد به موارد زير توجه شود:
1ـ اولين چيزي كه بايد چك شود اين است كه آيا در كدگذاري داده‌ها اشتباهي رخ داده است يا خير؟يك اشكال عمومي اين است كه مقياس شامل برخي گويه‌هايي است كه درجهت متضادي جمله بندي شده‌اند و محقق فراموش كرده است كه آنها را به طور مناسب باز كدگذاري كند و در نتيجه كوواريانس منفي محاسبه شده است، درحالي‌كه واقعا مثبت است.
2ـ احتمال ديگ ركه در موارد با نمونه‌هاي كم و همچنين تعداد كم گويه‌ها رخ مي‌دهد، اين است كه در حالي كه كوواريانس در بين گويه‌ها مثبت است، خطاي نمونه‌گيري باعث ايجاد يك كوواريانس منفي در يك نمونه خاص شده است.
3 ـ‌ در نهايت ممكن است محقق در تهيه گويه‌هايي كه پديده يكساني را اندازه‌گيري مي‌كنند دچار اشتباه شده باشد و گويه‌هاي تعريف شده واقعا داراي كوواريانس منفي باشند و بنابراين مجموعه گويه‌ها تشكيل دهنده مقياس منفردي كه پديده يكساني را بسنجند، نيستند.
بدترين وضعيت ممكن براي تعري ف يك ابزار كه پديده واحدي را بسنجد، اين است كه ضريب آلفاي كرنباخ مقدار ـ را به خود بگيرد. در يك مورد ساده‌تر، اين و ضعيت هنگامي كه اتفاقي مي‌افتد كه ابزار شامل دو آيتم است كه ضريب همبستگي بين آنها يك ضريب كامل در جهت منفي است‌ـ واريانس دو گويه با يكديگر برابر است، لذا واريانس مجموع نمرات نيز برابر با صفر مي‌شود.

ضريب آلفاي استاندارد و غيراستاندارد

محاسبه ضريب آلفاي غير استاندارد بر پايه واريانس و كوواريانس قرار دارد (فرمول1) و محاسبه ضريب آلفاي استاندارد بر پايه ضريب همبستگي (فرمول 2) يا نمرات استاندارد قرار دارد. در ابتدا ذكر اين نكته اهميت دارد كه «نميتوان به طور مطلق يكي از انواع ضرايب را نسبت به ديگري برتر يا مطلوبتر دانست»

. هر چند اين دو مفهوم با يكديگر رابطه دارند اما دقيقا يكسان نيستند. به لحاظ كاربردي ميتوان چنين قضاوت كرد كه در برخي شرايط استفاده از هر يك از دو روش فوق نتايج يكسان يا تقريبا يكساني به بار خواهد آورد و در برخي شرايط نتايج تا حد قابل توجهي متفاوت خواهند بود.
در اغلب ابزارهاي سنجش در پژوهشهاي اجتماعي كه براي اندازه گيري يك متغير خاص طراحي شده‌اند، گزينه‌هاي مختلف هر آيتم «اغلب» دامنه تغييرات يكساني داشته و واريانس گويه‌هاي مختلف به يكديگر نزديك است. به عنوان مثال استفاده از طيف ليكرت كه امتياز هر گويه بين 1 تا 5 تغيير مي‌كند يا سؤالات شناختي كه امتياز هر پاسخ0 (پاسخ غلط) يا 1 (پاسخ صحيح) است. ساير طيفهاي مورد استفاده براي سنجش متغيرهاي پنهان نظير طيف بوگاردوس يا افتراق معنايي، نيز اغلب 5 گزينه‌اي هستند. در اين حالت ضرايب آلفاي استاندارد و غيراستاندارد به يكديگر نزديك خواهد بود.
در حالت دوم ـ كه كمتر اتفاق مي‌افتد ـ دامنه تغييرات آيتم‌هاي مختلف متفاوت است . مثلا برخي از آيتم‌ها 0 تا 1 و برخي از آيتم‌ها 1 تا 5. در چنين حالتي كه واريانس آيتم‌هاي مختلف تفاوتهاي زيادي در مقايسه با يكديگر دارند، نتايج روش استاندارد و غيراستاندارد متفاوت خواهد شد. «در اين حالت استفاده از ضريب استاندارد ترجيح داده مي‌شود»
(Renaldo & Santos,1996: 6).
در هر حال از آنجا كه استفاده از روش استاندارد در حالتهاي مختلف (آيتم‌هاي داراي گزينه‌هاي با دامنه تغييرات يكسان يا متفاوت) نتايج يكساني به بار مي‌آورد و همچنين اينكه امكان مقايسه پايايي ابزارهاي مختلفي كه براي سنجش متغيرهاي يكساني توسط گروههاي پژوهش طرح شده‌اند را امكان پذير مي‌سازد، ترجيح داده مي‌شود.
نتيجه‌گيري
در استفاده از ضريب آلفاي كرنباخ بايد به برخي نكات مهم توجه شود:
• پايين بودن ضريب آلفاي كرنباخ را نبايد دليل كافي براي ناپايا بودن ابزار سنجش تلقي كرد.
• بالا بودن ضريب آلفاي كرنباخ به معناي مناسب بودن ابزار طراحي شده به لحاظ نظري نبوده و چه بسا با برخي ملاحظات بتوان بدون تغيير در ابزار به ضرايب پايايي بالاتري دست يافت.
• از آنجا كه نه بالا بودن ضريب آلفاي كرنباخ (بيشتر از 7/0) ضرورتا به معناي پايايي مطلوب و نه پايين بودن آن ضرورتا به معناي ضعف پايايي واقعي ابزار سنجش است، ميتوان گفت استفاده از تحليل نظري و كيفي در كنار استفاده از تكنيكهاي كمي نظير ضريب آلفاي كرنباخ ضرورت دارد.
• توجه به ماهيت ضريب آلفاي كرنباخ به عنوان تكنيكي براي سنجش هماهنگي دروني آيتم‌هاي يك ابزار ضروري است.
• چنانچه متغير مورد سنجش توسط ابزار يك متغير چند بعدي باشد با توجه به اينكه اين انتظار مي‌رود كه همواره آيتم‌هاي سازنده يك بعد با همديگر نسبت به آيتم‌هاي ساير ابعاد، هماهنگ‌تر باشند، لذا محاسبه اين ضريب براي هر يك از ابعاد بنحو جداگانه براي دستيابي به ضريب پايايي واقعي ضروري است.
• منفي بودن ضريب آلفاي كرنباخ در صورت فقدان مسايل تكنيكي در محاسبه ضريب به معناي نقصان جدي در طرح ابزار سنجش تفسير خواهد شد.
• هر چند ضرايب آلفاي استاندارد و غيراستاندارد در مقايسه با يكديگر داراي برتري مطلق نيستند اما به برخي دلايلي كه در متن ذكر شد، استفاده از ضريب استاندارد توصيه مي‌شود.
• سنجش كمي پايايي با استفاده از ضريب آلفاي كرنباخ به لحاظ روش شناختي روبناي تحليل كيفي گويه‌ها و پس از آن قرار دارد.

چگونگي محاسبه با نرم افزار :

بسياري از نرم افزارهاي آماري قادر به محاسبه آلفاي کرونباخ هستند. در اين قسمت از مقاله چگونگي محاسبه ي آلفاي کرونباخ را توسط دو نرم افزار اس پی اس اس وساس شرح داده، سپس با ارائه يک برنامه به زبان آر چگونگي محاسبه ي آلفاي کرونباخ و تتاي ترتيبي را توسط نرم افزار نشان مي دهيم. در ادامه با استفاده از سوالات نمونه گيري مقدماتي اميدي (1387) چگونگي سنجش آلفاي کرونباخ و تتاي ترتيبي را نشان مي دهيم.
براي محاسبه آلفاي کرونباخ به کمک نرم افزار اس پی اس اس مسير زيررا دنبال مي کنيم :
Analyze> Scale> Reliability Analysis…
چنانچه مايل باشيم بررسي کنيم که حذف هرسوال چه ميزان روي ضريب آلفاي
کرونباخ تاثير مي گذارد، بعد از باز شدن پنجره
“Reliability Analysis Reliability Analysis” روي گزينه Statistics
کلیک کرده و در قسمت
“Descriptive for”
“Scale if item deleted”
را انتخاب کنيم

سنجش از طريق طيف بندي (روشهاي مهم مقياس بندي)

براي سنجش پديده ها و مفاهيم كيفي اجتماعي مقياس يا طيف هاي متعددي وجود دارد كه مشهورترين آنها به شرح ذيل است :
مقايسه زوجی طيف بوگاردوس، طيف تورستن، طيف ليكرت، طيف گوتمن
1)طیف بوگاردوس
هدف از طیف بوگاردوس سنجش میزان فاصله اجتماعی گروهها می باشد.
و کاربرد این طیف در مواقعی است که مثلا دو گروه مختلف با دو فرهنگ و زبان متفاوت در کنار هم زندگی می کنند و یا در مواقعی که مردمی از ملیتهای گوناگون و با فاصله جغرافیائی در جریان روابطی متقابل قرار میگیرند (مثلا در سنجش نگرش به شغل/ طبقه اجتماعی/ گروههای مذهبی) این طیف بکار می رود .

این طیف در یک مقیاس تر تیبی (تمایل کامل/ تمایل متوسط/ تا حدودی/ عدم تمایل) میزان تمایل یک گروه را نسبت به سایر گروهها می سنجد.
بوگاردوس برای هر یک از هفت نقطه روی طیف یک جمله اظهاری یا گویه در نظر گرفت. فرض بر این است که اگر کسی با گویه اول موافق باشد با گویه های دیگر نیز موافق است بوگاردوس در تحقیق خود هفت گویه را در نظر گرفته بود (ازدواج - دوست صمیمی – همسایه – همکار – هموطن – میهمان – اخراج).
این طیف کوششی بود که کیفیت ها را دقیقتر سنجیده و در سطح تر تیبی مورد سنجش قرار دارد و نیز برای ترتیب ارجحیت می توان از مقایس طيف بوگاردوس يا طيف فاصله اجتماعي

اين طيف يا مقياس سنجش فاصله اجتماعي توسط بوگاردوس ابداع گرديد. بوگاردوس سعي كرد شيوه اي را بيايد كه بوسيله آن بتواند ميزان تمايل يا عدم تمايل افراد نسبت به چيزي را بسنجد. بدين منظور طيفي را در نظر گرفت كه در يك سوي آن (منتها اليه چپ) تمايل يا پذيرش و در سوي ديگر (منتها اليه راست) عدم تمايل يا انزجار و وسط آن تمايل متوسط تصور شده بود. سپس اين طيف را به هفت قسمت تقسيم نمود كه بطوريكه امكان انتخاب في ما بين براي پاسخگو وجود داشته باشد و امكان سنجش دقيق تر فراهم شود.
بوگاردوس براي هر يك از هفت نقطه روي طيف يك جمله اظهاري يا گويه در نظر مي گيرد كه با توجه به ارزشهاي اجتماعي زمان و مكان خود، بيانگر ميزان تمايل يا عدم تمايل يك نقطه بر روي طيف بود. اين گويه ها را در اختيار پاسخگو مي گذارند، كه بايد اولين احساس و عكس العمل خود را اظهار نمايد. اين گويه ها به ترتيب شماره گذاري مي شوند. بعد شماره هرگويه در درصد افرادي كه با آن گويه موافق بوده اند ضرب مي شود. از مجموع حاصلضرب ها عددي بدست مي آيد كه بيانگر گرايش پاسخگويان نسبت به آن موضوع است. اينگونه روش استخراج را روش ضريب بندي"يا" "وزنه گذاري" مي نامند.
اما اين روش داراي نقاط ضعفي است كه از جمله آنها مي توان به اين امر اشاره كرد :

كه در طيف بوگاردوس فرض بر اين است كه گويه ها انتخاب شده مبتني بر ارزشهاي جامعه مورد مطالعه باشد اما اين تصور به اندازه كافي مستدل نيست و ممكن است بين ارزشهاي محقق و ارزشهاافرادي كه در مورد آنان تحقيق مي شود تفاوت وجود داشته باشد.
علاوه بر آن در اين طيف از پاسخگو درخواست مي شود كه عكس العمل نخستين خود را ارائه دهد اما عملاً به علت تعداد كم گويه ها پاسخگويان فرصت خواهند داشت تا نگاهي چند گويه بيافكنند و سپس عكس العملهاي خود را تا حدي كنترل نمايند.
معایب این طیف
از معایب این طیف می توان به قصور محقق در تدوین گویه ها –کم بودن گویه ها و فواصل نامتساوی گویه ها اشاره نمود.

 
2)طیف لیکرت
هدف این طیف اندازه گیری گرایش به یک موضوع بر اساس ارزشهای جامعه می باشد و کاربرد این طیف نیز در جهت بررسی گرایشها نسبت به مسئله سیاسی –اجتماعی و اقتصادی می باشد که در سطح ترتیبی نیز مورد سنجش قرار دارد.
گویه ها در این طیف حداقل 15 تا 30گویه و بیشتر تدوین می شود.
در تدوین گویه ها باید سعی شود از گویه های بی تفاوت ،بی ربط و ابهام آور جلو گیری شود تعداد گویه هائی که گرایش مخالف و موافق دارند باید تقریبا به یک اندازه باشدو نیز طیفی که به پاسخگو داده می شود معمولا از 5 قسمت تشکیل شده است (کاملا موافقم- موافقم – تاحدودی – مخالفم – کاملا مخالفم) که براساس هدف و روش تحقیق می توان کلمات گویه ها را عوض نمود.
در تدوین گویه ها باید دقت شود تا گویه های بی تفاوت و بی ربط و ابهام آور حذف گردند گویه مستقیما پس از تحقیقات مقدماتی پخش می شوند. پس بهتر است بعد از تدوین پرسشنامه مقدماتی pretest حداقل با 30 نمونه گرفته شود تا بعد از بررسی کمی (روایی) و کیفی (اعتبار) آن گویه های ابهام انگیز حذف گردد.
در اين روش نيز تعدادي گويه كه نشان دهنده نحوه نگرش نسبت به رويدادي خاص هستند آماده مي شود. اين گويه ها با ترتيب اتفاقي در اختيار پاسخگو گذاشته مي شود. در اينجا پاسخگو در خواست مي شود كه ميزان موافقت يا مخالفت خود را با هر گويه بر مبناي يك طيف بيان كنند. اين طيف كه معمولاً از پنج قسمت تشكيل شده است :
پاسخگويان گويه ها را بر ميناي اين طيف بررسي مي نمايد اما اين طيف با اعداد مشخص نشده است تا بر روي پاسخگويان تاثير نگذارند. لذا پس از بازگشت پرسشنامه ها از طرف پاسخگويان، طيف با اعداد شماره گذاري مي شود. طرز شماره گذاري بطور دلخواه است يعني در يك طيف پنج قسمتي مي توان به كاملاً موافق نمره1 و كاملاً مخالف عدد 5 يا به جاي عدد يك از صفر استفاده كرد. مجموع نمرات كه پاسخگويان بدست مي آورند بيانگر گرايش آنهاست. به همين دليل اين طيف را طيف مجموع نمرات نيز مي نامند.
در مقياس ليكرت حداقل تعداد پاسخگويان مورد نياز بين 100 تا 120 نفر تخمين زده شده است. در اين طيف فواصل بين درجات،يك اندازه پذيزفته شده است. مثلاً فاصله بين كاملاً موافق تا موافق به همان اندازه فاصله بين بي تفاوت تا موافق فرض شده است در صورتيكه عموماً اين واقعيت ندارد مثلاً اگر شخص(A) به يك گويه پاسخ بي تفاوت،شخصB موافق و شخصC كاملاً موافق پاسخ دهد. تفاوت گرايش C,B به همان اندازه تفاوت گرايشB,A نيست.
بطور كلي طيف ليكرت نسبت به طيف هاي قبلي داراي مزاياي زيادي است چون نه به تعداد زيادي گويه نياز دارد نه به قضاوت داوران و در عين حال نتايج حاصله از دقت و اعتبار بيشتري بر خوردار است. لذا اين طيف براي بسياري از تحقيقات ميداني وسيع، در علوم اجتماعي و خصوصاً جامعه شناسي كاربرد دارد و مي توان بوسيله آن انواع مسائل (گرايش هاي سياسي، مذهبي، نژادي، شغلي و.....) را سنجيد.
۳)طیف تورستن
ابتدا گویه ها را انتخاب کرده و بعد از داورانی خواسته می شود تا گویه ها را در 11 طیف تقسیم نمایند.
و ارزش طیف از مجموعه قضاوتها ی داوران برای هر یک از گویه ها بدست می آید.
هدف از این طیف اندازه گیری گرایش به یک موضوع براساس ارزشهای جامعه توسط داوران می باشد.
این طیف نسبت به مقایسه زوجی از حجم کار کمتر و نسبت به بوکادوس از دقت بیشتری بر خوردار است.
برای بررسی اعتبار گویه ها باید به روش کمی و کیفی گویه های ابهام بر انگیز را حذف کرد بدین ترتیب که نمودار تجمعی آنرا کشید ه و 50 درصد را میانه (چارک سوم) و 25درصد را چارک اول و 75 درصد را به عنوان چارک سوم مشخص نمود و عددهای آنها را مشخص کرد. که برای پیدا کردن گویه های مبهم می توان از فرمول ضریب ابهام استفاده نمود که عبارت است از :
پس کمترین Qها را انتخاب گده و بقیه را حذف می کنیم.
اين روش نسبت به مقايسه زوجي از حجم كار كمتر و نسبت به طيف بوگاردوس از دقت بيشتري برخوردار است. در اين روش اطلاعات يا گويه ها در مورد موضوع خاصي ارائه مي دهند البته تعدادي اين گويه ها بيشتر از طيف بوگردوس است. اين گويه كه گرايش مثبت و منفي را نسبت به موضوع خاصي بيان مي كنند بر روي محور يا طيفي كه يازده قسمت با فواصل متساوي تقسيم شده كه منتها اليه چپ آن گرايش بسيار مثبت و در وسط گرايش متوسط و در منتها اليه راست آن گرايش بسيار منفي مشخص شده است.
پس گويه هايي كه محقق حدس زده با گرايش در رابطه اند بر روي طيف توزيع مي شوند. اما توزيع اين گويه ها بر روي طيف تنها بوسيله محقق نمي شود بلكه بوسيله تعداد زيادي از افراد كه با ارزشهاي جامعه مورد نظر محقق آشنا باشند انجام مي گيرد و به هريك از اين داوران يك دسته از گويه ها و يك طيف يازده قسمتي داده مي شود. پس از آن، گويه ها را از آنها پس گرفته و هر دسته را مبناي شماره گويه مرتب مي كنند و ميانگين نمونه گويه هايي كه پاسخگو با آنها موافق بوده است نمايانگر گرايش او نسبت به موضوع مورد مطالعه است. از معايب اين طيف : به دلائل مسئله برابري فاصله ها : يعني استفاده از علامت گذاريهاي عددي باعث اشتباه مي شود. مثلاً آيتمي كه به آن عدد 4داده شده دو برابر ميزان گرايشي است كه عدد2 است. بنابراين بر روي آنها بطور دقيق نمي توان محاسبات رياضي و آماري را پياده نمود.
علاوه بر آن قضاوتهاي متخصصان (داوران) نيز روي آن تاثيرگذار است و اين امر به تعداد و خصوصيات آنان بستگي دارد و نيز اگر چه اين طيف حجم كاريش نسبت به روش مقايسه زوجي كاهش مي يابد اما نسبت به طيف ها ديگر از زحمت و كار زيادي براي استخراج قضاوت داوران برخوردار است. با وجود اين دلايل اين طيف با فواصل ظاهراً متساوي يكي از متداول ترين طيف هاي سنجش در علوم اجتماعي است.
4)طیف گاتمن
هدف از این طیف تنظیم گویه ها بنحو کاملا تراکمی و انباشتی می باشد
و این طیف به عنوان طیف میزان نگار در سطح اسمی (بلی /خیر –موافقم /مخالفم) می تواند گرایش به یک موضوع را براساس ارزشهای جامعه مبتنی بر آرای پاسخگویان نمرات گویه های تعیین شده را بسنجد. اگر پاسخگو به تمام گویه ها مثبت پاسخ دهد بالاترین نمره را می گیرد.
پس برای مشخص کردن ضریب بازنمائی می توان از یک منهای تعداد خطاها تقسیم بر تعداد پاسخگو ضربدر تعداد گویه ها استفاده کرد.
مقياس گوتمن يا مقياس داراي سلسله مراتب به اين ترتيب است كه پاسخگويان كه به يك گويه پاسخ موافق مي دهند از پاسخگوياني كه به همان گويه پاسخ مخالف مي دهند مجموع نمره بيشتري كسب نمايند و اين كار در صورتي عملي است كه گويه ها مانند طيف بوگاردوس مرتب شوند يعني بصورت انباشته اي يا يكنواخت و يا به اصطلاح ديگر همگن كه :
اولاً در آغاز گويه اي قرار گيرد كه بيانگر شديدترين گرايش مثبت يا منفي باشد و در گويه هاي بعدي به تدريج از اين شدت كاسته شود.
ثانياً اگر پاسخگويي از بين 7 گويه كه در طيف بوگاردوس با گويه سوم موافقت كرد به معني آن است كه با گويه هاي ضعيف تر (4و5و6) نيز موافق است.
در اين روش با دانستن مجموع نمرات پاسخگويان بدون داشتن بقيه اطلاعات مي توان به عكس العملهاي آنان نسبت به گويه ها پي برد كه به اين امر"بازنمايي"گويند.
چون گويه هايي كه مثبت ترين، رتبه يك را دارند و رتبه دوم را به دومين گويه از نظر مثبت بودن و الي آخر، بنابراين براي هر پرسش شونده يك معيار رفتاري دريافت مي كنيم. يعني اگر شخص با گويه موافق باشد(+) يك امتياز به وي داده خواهد شد، اگر وي گويه را رد كند(-) امتياز به وي داده نخواهد شد . به اين ترتيب براي هر پرسش شونده يك معيار رفتاري دريافت مي كنيم كه براساس مجموع امتيازات پاسخهاي داده شده محاسبه مي شود. اما با طيف گوتمن مسائل جزئي را مي توان با دقت بيشتري سنجيد و اما براي بررسي مسائل وسيع، نياز به طيف هايي چون طيف ليكرت داريم. اگر چه از دلايل اهميت طيف گوتمن وجود نقطه صفر عيني است كه سنجش را از دقت بيشتري برخوردار كرده است اما اين طيف نيز مانند طيف ها قبلي از سطح يك مقياس ترتيبي تجاوز نكرده است و نمي توان ادعا كرد كه فواصل بين نمرات يكسان بوده است. گاهي نيز اين اتفاق مي افتد كه گويه ها نامناسب باشند و در پايان كار، كليه زحمات به هدر رود. علاوه بر اين، يك طيف تهيه شده براي يك شرايط مكاني و زماني معين، ممكن در شرايط كمي متفاوت غير قابل استفاده شود.
نتيجه گيري
علي رغم تمامي تفاوتهاي موجود بين نحوه كار روشهاي مختلفي كه توضيح داده شده، مشكلات و مسايلي هنوز وجود دارد كه كم وبيش در مورد همه روشهاي نامبرده صادق است : اين ايرادها شامل دقت اندازه گيري، پايايي، تخمين يا حدس درباره يك بعدي بودن محدوده هاي نگرش مي شود.
در مورد همه روشها توصيه مي شود كه از كاربرد كليشه اي آن خودداري كرد و محقق بايد در صورت لزوم، روشهاي مختلف را به صورت تركيبي ويا همزمان به كار ببرد.

نویسنده : سید علیرضا احمدی

کد انتشار : ARAJASB-0050

این مورد را ارزیابی کنید
(1 رای)
  • آخرین ویرایش در دوشنبه, 04 اسفند 1393 ساعت 10:17
  • اندازه قلم
  • دیدگاه (1)
علیرضا احمدی

لیسانس مهندسی صنایع

کارشناس کنترل پروژه و کیفیت

پست الکترونیکی این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

نظرات   

 
+1 #1 علیرضا در تاریخ: پنج شنبه 17 ارديبهشت 1394 ، ساعت 07:02 ق ظ
مطلب بسیار جالبی بود امیدوارم در بتوانید در آموزش اینگونه مطالب مفید و کاربردی موفق باشید
نقل قول
 

ارسال نظر


کد امنیتی
بارگزاری مجدد

2789583
بازدید امروز
بازدید دیروز
بازدید هفته جاری
بازدید ماه جاری
بازدید کل
1878
3975
29428
98838
2789583

آی‌پی شما: 54.162.147.179
امروز: شنبه، 03 تیر 1396 - ساعت: 13:04:05

آرشیو

« June 2017 »
Mon Tue Wed Thu Fri Sat Sun
      1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30    

ورود به سایت

درباره ما

HTML 5 وب سایت کافه مدیران در دی ماه سال 1392 توسط گروهی از متخصصین ایرانی...