Cronbach's α: מה המספר הזה אומר ומה "מספיק טוב"

הרצת ניתוח על הנתונים שלך, פתחת את הפלט. ליד שם השאלון, מספר אחד: Cronbach's α = 0.755. את לא יודעת אם לשמוח או לדאוג. אף אחד לא הסביר לך מה המספר הזה אומר באמת, ולא לאיזה ערך כדאי לשאוף.

זה אחד המספרים הכי שכיחים בעבודות תזה בחינוך, ובו זמנית אחד הפחות מובנים. בואי ננסה לעשות לו סדר. דוגמה אחת, מההתחלה ועד הסוף, ונבין מה α עונה ומה לא.

השאלה ש-α עונה עליה

נניח שיש לך שאלון של חמישה פריטים שמודד מסוגלות עצמית בהוראה. כל פריט נמדד בסולם ליקרט מ-1 עד 5. העברת אותו ל-60 מורות. לפני שאת בודקת השערות, את צריכה לדעת דבר אחד: האם חמשת הפריטים מתנהגים יחד באופן עקבי?

זאת השאלה ש-α עונה עליה. היא בודקת אם הפריטים עקביים זה עם זה, אם מי שעונה גבוה על אחד נוטה לענות גבוה גם על האחרים. זה נקרא עקביות פנימית. היא לא בודקת אם השאלון מודד את "מסוגלות עצמית בהוראה" באופן תקף, וגם לא אם הוא חד-ממדי. אלה שאלות נפרדות, נושאים אחרים.

ההבחנה בין השאלות חשובה. עקביות פנימית (α) ותוקף הם שני דברים שונים. שאלון יכול להיות עקבי לחלוטין ולמדוד דבר אחר ממה שאת חושבת. שאלון יכול להיות תקף ועם α בינונית, אם הפריטים מתפרסים על פני מספר היבטים של אותו מושג. α חשובה, אבל היא לא חזות הכול.

מאיפה המספר מגיע

הרעיון מאחורי α במשפט אחד: ככל שהפריטים מתואמים זה עם זה יותר, ככה α גבוהה יותר. אם כל הפריטים בקבוצה מתואמים חזק (אנשים שעונים 5 על אחד עונים גבוה גם על השאר), α קרובה ל-1. אם הם מתואמים חלש או בכלל לא, α נמוכה.

בדוגמה שלנו, רוב המתאמים בין הפריטים נעים סביב 0.44 עד 0.56. זו עוצמה סבירה לשאלון מסוגלות. פריט אחד בולט: פריט 4. המתאמים שלו עם פריטים 1 ו-3 הם בסביבות 0.10. זה חלש משמעותית מהשאר, וזה מושך את α כלפי מטה.

לאיזה ערך כדאי לשאוף?

הסולם המקובל, מה שתמצאי גם בסטטיסטיקה ליישומים אקדמיים:

• α < 0.50 לא מקובל. השאלון לא עקבי, צריך לבדוק מחדש את הפריטים.
• 0.50–0.59 חלש
• 0.60–0.69 מוטל בספק. המנחה והוועדה עלולים להעיר על זה.
• 0.70–0.79 מקובל. רוב הוועדות יקבלו את זה.
• 0.80–0.89 טוב.
• α ≥ 0.90 מצוין. ערכים מעל 0.95 לפעמים מעידים על פריטים שחוזרים על עצמם, מה שלא בהכרח רצוי.

הערך שלנו, α = 0.755, נמצא בקטגוריה "מקובל". יותר מ-0.70, פחות מ-0.80. אפשר להגיש כך. אבל לפני שאת מגישה, שווה לבדוק אם יש פריט שמושך את α כלפי מטה, ואם דווקא בהסרתו השאלון יהיה איכותי יותר.

איזה פריט "מושך למטה"

הניתוח הזה נקרא ניתוח פריטים (item-total analysis). הוא בודק שני דברים לכל פריט:

• מתאם פריט-יתר (corrected item-total correlation): המתאם בין הפריט לבין סכום שאר הפריטים. ערכים גבוהים אומרים שהפריט "הולך עם הזרם". ערכים נמוכים, מתחת ל-0.30 בערך, מסמנים פריט בעייתי.
• α לאחר הסרה (alpha if deleted): מה הייתה α אילו היינו מסירות את הפריט הזה. אם הערך הזה גבוה מ-α הכוללת, הפריט פוגע בעקביות.

בדוגמה שלנו:

פריט	מתאם פריט-יתר	α לאחר הסרה
פריט 1	0.55	0.70
פריט 2	0.65	0.66
פריט 3	0.57	0.70
פריט 4	0.29	0.79
פריט 5	0.59	0.68

פריט 4 קופץ לעין. מתאם פריט-יתר של 0.29 חלש. וחשוב יותר: אם נסיר אותו, α = 0.792 במקום 0.755. זאת קפיצה משמעותית.

אז מה עושים?

זאת לא החלטה אוטומטית. השאלה היא: למה פריט 4 חלש? אם הוא מנוסח רע, אפשר לשקול להסיר. אם הוא מודד צד אחר של המושג, נגיד "הנאה מההוראה" כשהשאלון מודד "מסוגלות", הוא חלש לא במקרה. הוא פשוט שייך לתוכן אחר.

במקרה כזה הפתרון הנקי הוא להסיר את פריט 4 מהסולם של מסוגלות ולדווח על α המעודכנת. אם תרצי לבדוק את "הנאה מההוראה" כסולם נפרד, יידרשו לך מספר פריטים ייעודיים לה (פריט יחיד לא מספיק לחישוב α). זו החלטה לסיבוב הבא של פיתוח השאלון.

מה שלא תעשי, אל תסירי פריט רק כדי שה-α תעלה. אם הפריט מודד דבר חשוב והוא מנומק תיאורטית, ערך α נמוך יותר עדיף על שאלון מקוצץ שלא מציג את התמונה המלאה. α היא כלי. היא לא תחליף לשיקול דעת.

מה לקחת מפה לעבודה שלך

קודם כל, דווחי על α לכל סולם בנפרד. אם השאלון שלך כולל 3 סולמות, צריכים להיות לך 3 ערכי α. ערך אחד כולל לכל הפריטים יחד הוא לרוב לא מה שצריך.

שנית, דווחי על רווח סמך של 95% אם המדגם קטן יחסית. רווח סמך של α מספר על מידת הוודאות שיש לך בערך. במדגמים קטנים הוא יכול להיות רחב מאוד.

שלישית, בדקי תמיד את ניתוח הפריט-סולם. אם פריט מסוים מציג מתאם פריט-יתר נמוך מ-0.30, או אם α לאחר הסרה עולה משמעותית, יש שם משהו שדורש מחשבה. לא בהכרח להסיר. אבל בהכרח להבין למה.

ולסיום, α לא מודדת תוקף. שאלון יכול להיות עקבי ולא למדוד את מה שאת חושבת שהוא מודד. זה נושא נפרד, ועליו נדבר בפעם אחרת.