ما هو ألفا كرونباخ وكيف يتم تعريفه؟

ماركو أنطونيو فيلانويفا بوستامانتي
دكتوراه في علم النفس

معامل ألفا كرونباخ هو أكثر المعامل استخدامًا لتقدير الاتساق الداخلي لمقياس القياس.

الموثوقية هي أحد العناصر الأساسية عند بناء الميزان واستخدامه ، ويُعرّف هذا على أنه الاستقرار يتم تقديمها بواسطة أداة قياس ، عندما يتم تطبيقها في مناسبات متعددة أثناء وجود الظروف مشابه. بمعنى آخر ، تشير الموثوقية إلى مدى دقة أداة القياس من خلال تقييم بناء الفائدة في أكثر من مناسبة. لتقييم الموثوقية ، يمكن استخدام تقنيات متعددة ، مثل معامل الاختبار-إعادة الاختبار التي تحدد العلاقة بين استجابة أداة القياس التي يتم تطبيقها في مناسبتين مختلفتين ؛ معامل الأشكال المتوازية، يتم حسابها من خلال تطبيق أداة لها نسختان مختلفتان ؛ أخيراً، معامل الاتساق الداخلي الذي لا يتطلب أكثر من قياس واحد ، يمكن حساب هذا المعامل بطرق مختلفة ، لكن ألفا كرونباخ هو الأكثر شيوعًا.

تم اقتراح ألفا كرونباخ من قبل لي ج. كرونباخ في عام 1951 ، كإجراء ضد قيود KR-20 و KR-21 المعامل الذي طوره Kuder وريتشاردسون ، والتي لا يمكن تطبيقها إلا على المقاييس التي تحتوي على خيارات استجابة ثنائي التفرع

لحساب ألفا كرونباخ (α) ، يتم استخدام الصيغة التالية:

حيث k هو عدد عناصر الاختبار ؛ س_يو² هو تباين العناصر و س_مجموع² هو التباين الكلي للمقياس. بمعنى آخر ، يتم الحصول على ألفا من خلال حساب الارتباط بين كل عنصر على المقياس مع كل عنصر من العناصر الأخرى ، ثم يكون متوسط ​​هذه الارتباطات والنتيجة ستكون قيمة ألفا ، ومن الجدير بالذكر أنه يتم تقدير هذه الارتباطات عن طريق معامل الارتباط بيرسون. لذلك ، ترتبط الموثوقية من خلال ألفا بطول المقياس ومستوى التباين (الارتباط) بين عناصره. يمكن أن تكون قيمة ألفا في كرونباخ بين 0 و 1 ، وكلما اقتربنا من 1 يمثل مؤشر الاتساق الداخلي الأفضل ؛ بهذا المعنى ، فإن الحد الأدنى للقيمة المقبولة لـ alpha هو .70 والقيم الأكبر من .90 تشير إلى التكرار في العناصر.

أصبح Cronbach's alpha الطريقة الأكثر استخدامًا لتقدير الاتساق الداخلي للمقياس ، بسببه على الطرق الأخرى ، ولكن أيضًا لأن معظم الحزم والبرامج الإحصائية يمكنها تقدير ذلك يستحق. ومع ذلك ، فإن استخدام ألفا كرونباخ لا يخلو من منتقديه ، ومعظمهم ينبع من انتهاك افتراضاته.

افتراضات ألفا كرونباخ

1. معادلة تاو ، يشير هذا إلى حقيقة أن جميع عناصر المقياس تقيس نفس السمة أو نفس العامل الكامن بدرجة مماثلة من الدقة.
2. يجب عدم ربط الأخطاء ، حيث يُفترض أنها مستقلة.
3. أحادية الأبعاد للعناصر ، أي أن عناصر المقياس يجب أن تقيس سمة كامنة واحدة.
4. يجب أن يكون مستوى قياس المتغير التشغيلي مستمرًا.

قد يؤدي عدم الامتثال لأي من هذه الافتراضات إلى تقدير خاطئ في قيم ألفا كرونباخ. ومع ذلك ، نظرًا لطبيعة البيانات في العلوم الاجتماعية والصحية ، فمن الشائع عدم تلبية الافتراض الرابع ؛ وهذا يعني أن البيانات تميل إلى أن تكون ترتيبية. يمكن أن يؤدي تطبيق معامل ألفا على البيانات الترتيبية ، خاصة عندما يكون هناك أقل من 5 خيارات استجابة ، إلى التقليل من القيم. لهذا السبب ، ظهرت بدائل لألفا كرونباخ.

ألفا الترتيبي

يتبع تقدير التناسق الداخلي باستخدام ألفا الترتيبي نفس منطق ألفا كرونباخ ، مع الاختلاف ، أنه بدلاً من استخدام مصفوفة ارتباط بيرسون ، يستخدم ألفا الترتيبي مصفوفة الارتباط متعدد الألوان أو رباعي الصدور. وبالمثل ، على عكس ألفا كرونباخ الحساسة لانحراف البيانات ، فإن ألفا الترتيبي هو تقدير غير متحيز.

ماكدونالدز أوميغا

نظرًا لخرق افتراض التكافؤ بين العناصر ، فإن McDonald omega هي طريقة لتقدير الاتساق الداخلي الذي اكتسب أهمية. من بين مزايا هذا المعامل أنه على عكس ألفا ، تعمل أوميغا مع الأحمال عوامل كل عنصر ولا تعتمد على عدد العناصر على المقياس كما يتضح في ما يلي معادلة.

حيث λ هو عامل التحميل و λ_i هو عامل التحميل المعياري. على غرار ألفا كرونباخ ، تمثل قيم أوميغا بين .70 و .90 قيمًا مناسبة.

على الرغم من المزايا التي يمثلها استخدام ماكدونالدز الترتيبي ألفا وأوميغا ، إلا أن تطبيقه في البحث لا يزال نادرًا ، قد يكون هذا بسبب أن معظم البرامج والحزم الإحصائية ليس لديها خيار بعد احترمهم.