مقیاس سنجش در پژوهش چیست و چرا انتخاب آن اهمیت دارد؟
مقیاس سنجش در پژوهش روشی است که پژوهشگر با استفاده از آن ویژگی‌ها، متغیرها و داده‌های مورد مطالعه را اندازه‌گیری و طبقه‌بندی می‌کند. انتخاب مقیاس مناسب، مستقیماً بر نحوه ثبت داده‌ها، توصیف متغیرها و انتخاب روش‌های تحلیل آماری تأثیر می‌گذارد.
چهار مقیاس اصلی اندازه‌گیری عبارت‌اند از مقیاس اسمی، ترتیبی، فاصله‌ای و نسبتی. این چهار سطح از نظر میزان اطلاعاتی که درباره متغیر در اختیار پژوهشگر قرار می‌دهند با یکدیگر تفاوت دارند.
برای مثال، «جنسیت» معمولاً در مقیاس اسمی، «سطح رضایت» در مقیاس ترتیبی، «دما بر حسب سانتی‌گراد» در مقیاس فاصله‌ای و «سن» یا «وزن» در مقیاس نسبتی اندازه‌گیری می‌شوند.
شناخت صحیح مقیاس اندازه‌گیری به پژوهشگر کمک می‌کند داده‌ها را درست کدگذاری کند، شاخص آماری مناسب را انتخاب کند و از انجام تحلیل‌های آماری نامتناسب جلوگیری کند.
مقیاس سنجش در پژوهش چیست؟
مقیاس سنجش یا Measurement Scale مجموعه‌ای از قواعد است که مشخص می‌کند یک ویژگی یا متغیر چگونه اندازه‌گیری، دسته‌بندی یا به مقادیر عددی تبدیل شود.
در پژوهش، بسیاری از مفاهیمی که بررسی می‌شوند مستقیماً قابل مشاهده نیستند. برای مثال، متغیرهایی مانند رضایت شغلی، نگرش، اعتماد، کیفیت ادراک‌شده، اضطراب یا انگیزش ممکن است به‌صورت مستقیم قابل مشاهده نباشند. پژوهشگر برای اندازه‌گیری این مفاهیم از ابزارهایی مانند پرسشنامه، آزمون، چک‌لیست یا شاخص‌های استاندارد استفاده می‌کند.
مقیاس سنجش مشخص می‌کند اعداد یا کدهایی که به پاسخ‌ها اختصاص داده شده‌اند چه معنایی دارند.
نکته مهم این است که هر عددی که در یک فایل داده وجود دارد الزاماً معنای کمی ندارد. برای مثال، اگر برای کدگذاری گروه‌های مختلف از اعداد ۱، ۲ و ۳ استفاده شود، این اعداد ممکن است صرفاً کد باشند و نشان‌دهنده مقدار بیشتر یا کمتر یک ویژگی نباشند.
چرا مقیاس اندازه‌گیری در پژوهش اهمیت دارد؟
شناخت مقیاس سنجش فقط یک موضوع نظری نیست؛ بلکه در مراحل مختلف پژوهش کاربرد دارد.
تأثیر بر انتخاب روش آماری
نوع داده یکی از عواملی است که در انتخاب آزمون آماری مناسب نقش دارد. برای مثال، داده‌های اسمی معمولاً با فراوانی و درصد توصیف می‌شوند، در حالی که برای داده‌های کمی می‌توان از شاخص‌هایی مانند میانگین و انحراف معیار استفاده کرد.
تأثیر بر تفسیر داده‌ها
مقیاس اندازه‌گیری مشخص می‌کند چه نوع مقایسه‌ای میان مقادیر یک متغیر منطقی است.
تأثیر بر کدگذاری داده‌ها
در زمان ورود داده‌ها به نرم‌افزارهای آماری مانند SPSS، R یا سایر ابزارهای تحلیل، شناخت مقیاس متغیر به کدگذاری صحیح کمک می‌کند.
جلوگیری از تحلیل آماری اشتباه
یکی از خطاهای رایج در پژوهش، استفاده از یک روش آماری صرفاً به دلیل عددی بودن داده‌هاست. اینکه پاسخ‌ها با عدد کدگذاری شده‌اند، به‌تنهایی به این معنا نیست که تمام عملیات ریاضی روی آن‌ها معتبر است.
انواع مقیاس اندازه‌گیری در پژوهش
به‌طور کلاسیک، چهار سطح اصلی برای مقیاس‌های اندازه‌گیری در نظر گرفته می‌شود:
- مقیاس اسمی
- مقیاس ترتیبی
- مقیاس فاصله‌ای
- مقیاس نسبتی
تفاوت اصلی این مقیاس‌ها در میزان اطلاعاتی است که درباره طبقه‌بندی، ترتیب، فاصله میان مقادیر و وجود صفر واقعی ارائه می‌کنند.
مقیاس اسمی چیست؟
مقیاس اسمی (Nominal Scale) ساده‌ترین سطح اندازه‌گیری است و برای طبقه‌بندی یا نام‌گذاری داده‌ها استفاده می‌شود.
در این مقیاس، مقادیر صرفاً نشان‌دهنده گروه‌ها یا طبقات مختلف هستند و هیچ ترتیب ذاتی میان آن‌ها وجود ندارد.
مثال‌های مقیاس اسمی
برای مثال:
- جنسیت
- گروه خونی
- رشته تحصیلی
- وضعیت تأهل
- محل سکونت
- نوع سازمان
- کد ملی یا کد دانشجویی
اگر برای گروه‌های مختلف اعداد ۱، ۲ و ۳ تعیین کنیم، این اعداد صرفاً کد هستند.
برای مثال:
۱ = مدیریت
۲ = حسابداری
۳ = اقتصاد
نمی‌توان گفت «اقتصاد» از «حسابداری» بیشتر یا کمتر است.
تحلیل آماری داده‌های اسمی
برای داده‌های اسمی معمولاً از شاخص‌هایی مانند موارد زیر استفاده می‌شود:
- فراوانی
- درصد
- نسبت
- نما
همچنین بسته به سؤال پژوهش، آزمون‌هایی مانند کای‌دو می‌توانند برای بررسی ارتباط میان متغیرهای طبقه‌ای مورد استفاده قرار گیرند.
مقیاس ترتیبی چیست؟
مقیاس ترتیبی (Ordinal Scale) علاوه بر طبقه‌بندی، دارای ترتیب یا رتبه است.
در این مقیاس می‌توان مشخص کرد یک وضعیت بالاتر یا پایین‌تر از وضعیت دیگر قرار دارد؛ اما فاصله دقیق میان رتبه‌ها مشخص نیست.
مثال‌های مقیاس ترتیبی
نمونه‌های رایج عبارت‌اند از:
- سطح رضایت: خیلی کم، کم، متوسط، زیاد، خیلی زیاد
- سطح تحصیلات
- رتبه مسابقات
- میزان موافقت با یک گزاره
- سطح عملکرد: ضعیف، متوسط، خوب، عالی
برای مثال، در یک سؤال لیکرت:
۱ = کاملاً مخالفم
۲ = مخالفم
۳ = نظری ندارم
۴ = موافقم
۵ = کاملاً موافقم
ترتیب پاسخ‌ها مشخص است، اما نمی‌توان با قطعیت گفت فاصله ذهنی میان «کاملاً مخالفم» و «مخالفم» دقیقاً برابر با فاصله میان «موافقم» و «کاملاً موافقم» است.
تحلیل آماری داده‌های ترتیبی
برای داده‌های ترتیبی، بسته به ماهیت داده و فرض‌های آماری می‌توان از شاخص‌هایی مانند میانه، نما و صدک‌ها استفاده کرد.
در تحلیل استنباطی نیز برخی روش‌های ناپارامتریک، مانند همبستگی اسپیرمن یا آزمون‌های رتبه‌ای، کاربرد دارند.
مقیاس فاصله‌ای چیست؟
مقیاس فاصله‌ای (Interval Scale) دارای ترتیب و فاصله‌های معنادار و برابر میان مقادیر است، اما صفر آن الزاماً صفر واقعی نیست.
یکی از مثال‌های شناخته‌شده این مقیاس، دمای اندازه‌گیری‌شده بر حسب سانتی‌گراد است.
برای مثال، اختلاف دمای ۱۰ و ۲۰ درجه همانند اختلاف ۲۰ و ۳۰ درجه است؛ اما صفر درجه سانتی‌گراد به معنای «نبود دما» نیست.
ویژگی‌های مقیاس فاصله‌ای
در این مقیاس:
- طبقه‌بندی امکان‌پذیر است.
- ترتیب مقادیر مشخص است.
- فاصله میان مقادیر قابل تفسیر است.
- صفر واقعی وجود ندارد.
تحلیل آماری داده‌های فاصله‌ای
در شرایط مناسب می‌توان از شاخص‌هایی مانند:
- میانگین
- واریانس
- انحراف معیار
- همبستگی
- رگرسیون
و بسیاری از روش‌های آماری دیگر استفاده کرد؛ البته انتخاب نهایی روش تحلیل باید با توجه به توزیع داده‌ها، حجم نمونه، طراحی پژوهش و سایر فرض‌های آماری انجام شود.
مقیاس نسبتی چیست؟
مقیاس نسبتی (Ratio Scale) کامل‌ترین سطح اندازه‌گیری در این طبقه‌بندی است.
این مقیاس علاوه بر ویژگی‌های مقیاس‌های قبلی، دارای صفر واقعی است. صفر واقعی به این معناست که صفر نشان‌دهنده فقدان واقعی ویژگی مورد اندازه‌گیری است.
مثال‌های مقیاس نسبتی
نمونه‌هایی از متغیرهای نسبتی عبارت‌اند از:
- سن
- وزن
- قد
- درآمد
- تعداد فرزندان
- مدت زمان
- تعداد محصولات تولیدشده
- فاصله
- حجم
برای مثال، اگر فردی ۶۰ کیلوگرم وزن داشته باشد و فرد دیگری ۳۰ کیلوگرم، می‌توان گفت وزن فرد اول دو برابر فرد دوم است؛ زیرا صفر کیلوگرم معنای واقعی دارد.
تحلیل آماری داده‌های نسبتی
داده‌های نسبتی در صورت رعایت شرایط و فرض‌های لازم می‌توانند با طیف گسترده‌ای از روش‌های آماری تحلیل شوند.
برای مثال:
- میانگین
- انحراف معیار
- واریانس
- ضریب همبستگی
- رگرسیون
- آزمون t
- تحلیل واریانس
- آزمون‌های غیرپارامتریک در شرایط مناسب
تفاوت مقیاس اسمی، ترتیبی، فاصله‌ای و نسبتی
برای درک بهتر تفاوت این چهار مقیاس، می‌توان آن‌ها را از نظر ویژگی‌های اصلی مقایسه کرد:
| مقیاس | طبقه‌بندی | ترتیب | فاصله برابر | صفر واقعی |
|---|---|---|---|---|
| اسمی | دارد | ندارد | ندارد | ندارد |
| ترتیبی | دارد | دارد | لزوماً ندارد | ندارد |
| فاصله‌ای | دارد | دارد | دارد | ندارد |
| نسبتی | دارد | دارد | دارد | دارد |
هرچه از مقیاس اسمی به سمت مقیاس نسبتی حرکت می‌کنیم، اطلاعات بیشتری درباره متغیر در اختیار داریم.
مقیاس لیکرت چیست و در کدام دسته قرار می‌گیرد؟
یکی از پرتکرارترین سؤالات در پژوهش‌های دانشگاهی مربوط به مقیاس لیکرت (Likert Scale) است.
مقیاس لیکرت معمولاً برای اندازه‌گیری نگرش، ادراک، رضایت، موافقت یا سایر سازه‌های پژوهشی استفاده می‌شود.
برای مثال:
کاملاً مخالفم ← مخالفم ← نظری ندارم ← موافقم ← کاملاً موافقم
از نظر نظری، پاسخ منفرد به یک سؤال لیکرت ماهیتی ترتیبی دارد؛ زیرا گزینه‌ها دارای ترتیب هستند.
بااین‌حال، در بسیاری از پژوهش‌ها چندین گویه لیکرت برای اندازه‌گیری یک سازه ترکیب می‌شوند و پژوهشگر ممکن است با توجه به شرایط، مجموع یا میانگین گویه‌ها را به‌عنوان یک نمره ترکیبی تحلیل کند.
بنابراین، نباید صرفاً به دلیل اینکه گزینه‌های لیکرت با اعداد ۱ تا ۵ کدگذاری شده‌اند، آن‌ها را بدون توجه به ساختار ابزار و فرض‌های تحلیل، داده فاصله‌ای فرض کرد.
رابطه مقیاس سنجش با انتخاب آزمون آماری
مقیاس اندازه‌گیری یکی از عوامل مهم در انتخاب روش تحلیل آماری است؛ اما تنها عامل تعیین‌کننده نیست.
پژوهشگر علاوه بر نوع مقیاس باید مواردی مانند:
- هدف پژوهش
- سؤال یا فرضیه
- تعداد گروه‌ها
- مستقل یا وابسته بودن نمونه‌ها
- حجم نمونه
- توزیع داده‌ها
- وجود یا نبود داده پرت
- نوع طراحی پژوهش
را نیز در نظر بگیرد.
برای مثال، صرفاً اینکه متغیری در مقیاس فاصله‌ای یا نسبتی قرار دارد، به این معنا نیست که همیشه باید از آزمون‌های پارامتریک استفاده شود.
مقیاس سنجش متغیر در SPSS چگونه تعیین می‌شود؟
در نرم‌افزار SPSS برای هر متغیر می‌توان در بخش Measure سطح اندازه‌گیری را مشخص کرد.
گزینه‌های رایج عبارت‌اند از:
- Nominal
- Ordinal
- Scale
در SPSS، گزینه Scale معمولاً برای متغیرهای کمی در سطح فاصله‌ای یا نسبتی استفاده می‌شود.
بااین‌حال، تعیین این گزینه نباید صرفاً بر اساس عددی بودن داده انجام شود. پژوهشگر باید ماهیت واقعی متغیر و نحوه اندازه‌گیری آن را در نظر بگیرد.
چگونه مقیاس مناسب یک متغیر را تعیین کنیم؟
برای تعیین مقیاس اندازه‌گیری می‌توان چند سؤال ساده از خود پرسید:
آیا متغیر فقط برای دسته‌بندی استفاده می‌شود؟
اگر پاسخ مثبت باشد، متغیر احتمالاً اسمی است.
آیا بین مقادیر متغیر ترتیب وجود دارد؟
اگر پاسخ مثبت باشد، اما فاصله بین رتبه‌ها مشخص نباشد، متغیر احتمالاً ترتیبی است.
آیا فاصله میان مقادیر برابر و قابل تفسیر است؟
اگر بله، متغیر می‌تواند در سطح فاصله‌ای قرار گیرد.
آیا صفر متغیر نشان‌دهنده فقدان واقعی ویژگی است؟
اگر بله، متغیر می‌تواند در مقیاس نسبتی قرار گیرد.
خطاهای رایج در تشخیص مقیاس اندازه‌گیری
اشتباه گرفتن عدد با داده کمی
عدد ممکن است صرفاً یک کد باشد. برای مثال، کد ۱ برای مرد و کد ۲ برای زن به معنای کمی بودن متغیر نیست.
فرض فاصله‌ای بودن تمام سؤالات لیکرت
یک گویه منفرد لیکرت ماهیتی ترتیبی دارد و نحوه تحلیل مجموعه گویه‌ها باید بر اساس ساختار مقیاس و روش پژوهش تعیین شود.
انتخاب آزمون آماری فقط بر اساس نام مقیاس
مقیاس سنجش مهم است، اما برای انتخاب آزمون باید سایر ویژگی‌های داده و طراحی پژوهش نیز بررسی شوند.
بی‌توجهی به تعریف عملیاتی متغیر
ممکن است یک مفهوم نظری با روش‌های متفاوتی اندازه‌گیری شود. بنابراین باید به تعریف عملیاتی متغیر توجه کرد.
مقیاس سنجش در فصل سوم پایان‌نامه
در بخش روش تحقیق پایان‌نامه، پژوهشگر باید متغیرهای پژوهش و نحوه اندازه‌گیری آن‌ها را به‌صورت شفاف توضیح دهد.
در این بخش معمولاً اطلاعاتی مانند:
- نام متغیر
- نقش متغیر در مدل پژوهش
- تعریف مفهومی
- تعریف عملیاتی
- ابزار اندازه‌گیری
- تعداد گویه‌ها
- نوع مقیاس
- نحوه امتیازدهی
- منبع ابزار
ارائه می‌شود.
این اطلاعات به خواننده کمک می‌کند دقیقاً بداند هر متغیر چگونه اندازه‌گیری شده و داده‌های حاصل چگونه باید تحلیل شوند.
چرا مقیاس سنجش برای تحلیل آماری مهم است؟
انتخاب صحیح مقیاس سنجش باعث می‌شود پژوهشگر بتواند داده‌ها را به شکل منطقی توصیف و تحلیل کند.
برای مثال، اگر یک متغیر صرفاً اسمی باشد، محاسبه میانگین آن معمولاً معنای تفسیری مناسبی ندارد. در مقابل، برای متغیری مانند سن، میانگین می‌تواند یک شاخص توصیفی معنادار باشد.
بنابراین، شناخت سطح اندازه‌گیری پیش‌نیاز مهمی برای انتخاب روش مناسب تحلیل داده است.
جمع‌بندی
مقیاس سنجش در پژوهش مشخص می‌کند یک متغیر چگونه طبقه‌بندی و اندازه‌گیری می‌شود و چه نوع اطلاعاتی از آن می‌توان استخراج کرد. چهار مقیاس اصلی اندازه‌گیری شامل اسمی، ترتیبی، فاصله‌ای و نسبتی هستند.
در مقیاس اسمی، داده‌ها صرفاً طبقه‌بندی می‌شوند؛ در مقیاس ترتیبی، علاوه بر طبقه‌بندی، ترتیب نیز وجود دارد؛ در مقیاس فاصله‌ای فاصله میان مقادیر قابل تفسیر است اما صفر واقعی وجود ندارد؛ و در مقیاس نسبتی علاوه بر این ویژگی‌ها، صفر واقعی نیز وجود دارد.
شناخت این تفاوت‌ها در طراحی پرسشنامه، کدگذاری داده‌ها، انتخاب شاخص‌های آماری، استفاده از نرم‌افزارهای آماری و تحلیل نتایج پژوهش اهمیت زیادی دارد.
نکته مهم این است که انتخاب آزمون آماری نباید تنها بر اساس مقیاس اندازه‌گیری انجام شود؛ بلکه هدف پژوهش، نوع سؤال، طراحی مطالعه، ویژگی‌های داده و فرض‌های آزمون نیز باید در نظر گرفته شوند.
دیدگاه‌ها
هنوز دیدگاهی برای این مقاله ثبت نشده است.
پرسش یا تجربه خود را با ما در میان بگذارید.