پایایی تحقیقات کیفی

پایایی تحقیقات کیفی نشان می‌دهد تا چه میزان می‌توان به نتایج و یافته‌های حاصل از کدگذاری متن مصاحبه‌ها یا اسناد علمی اعتماد کرد. این مساله برای پژوهشگران رشته مدیریت و علوم اجتماعی اهمیت بسیار زیادی دارد. بویژه آنکه در مجامع علمی داخلی به آمار و ارقام و اعداد کمی علاقه بسیار وافری وجود دارد.

یکی از مباحث روش تحقیق کیفی سنجش میزان پایایی کدگذاری‌های انجام شده است. پایایی پرسشنامه اشاره به آن دارد که چقدر می‌توان به نتایج حاصل از پرسشنامه اعتماد کرد اما سنجش پایایی انواع مصاحبه در تحقیق کیفی قواعد خاص خودش را دارد. پژوهشگران معمولاً از روش‌های پیشنهادی لینکلن و گوبا برای سنجش روایی و پایایی تحقیق کیفی استفاده می‌کنند. با این وجود روش‌های کمی نیز برای سنجش پایایی تحقیقات کیفی ارائه شده است. هولستی، اسکات، کوهن و کریپندورف روش‌هایی برای سنجش پایایی ارائه کرده‌اند.

ضریب پایایی هولستی

هولستی یکی از صاحب‌نظران تحلیل محتوا است و در مقاله تحلیل محتوای کمی درباره ایشان توضیح داده شده است. برای محاسبه پایایی در تحقیقات کیفی می‌توان از روش هولستی کرد. در این روش متون در دو مرحله کدگذاری می‌شوند. هولستی فرمولی را برای تعیین پایایی داده های اسمی بر حسب «درصد توافق مشاهده‌شده» یا Percentage of Agreement Observation ارائه کرده است:

PAO = 2M / (N1+N2)

در فرمول فوق M تعداد موارد کدگذاری مشترک بین دو کدگذار می باشد. N1و N2  به ترتیب تعداد کلیه موارد کدگذاری شده توسط کدگذار اول و دوم است. مقدار PAO بین صفر (عدم توافق) و یک (توافق کامل) است و اگر از ۰/۷ بزرگتر باشد مطلوب می‌باشد.

ضریب پی اسکات

روش هولستی ساده و کاربردی است اما اشکال آن این است که نمی تواند مشخص نماید که چه میزان توافق بین کد گذاران ناشی از شانس و چه میزان ناشی از تعداد طبقات در تحلیل است. اسکات (۱۹۵۵) برای خنثی کردن اثر شانس شاخص فی را مطرح ساخت.

معیار پی اسکات Scott’s pi توسط ویلیام اسکات به سال ۱۹۵۵ برای سنجش پایایی داده های اسمی طراحی شد. در این روش باید دو کدگذار (ارزیاب) داده ها را ارائه کنند و براساس همبستگی داده های این دو ارزیاب پایایی تعیین می شود.

Pi = (OA – EA) / (1-EA)

مقدار OA نمایانگر درصد توافق دو ارزیاب است.

مقدار EA نیز نمایانگر میزان توافق مورد انتظار است.

ضریب کاپای کوهن

جاکوب کوهن (۱۹۶۰) شاخص کاپا را معرفی کرد که شباهت زیادی به پی اسکات دارد.

kappa = Pi = (PAo – PAE)/ (1 – PAE )

مقدار PAo نمایانگر میزان توافق دو ارزیاب است.

مقدار PAE نیز نمایانگر میزان توافق مورد انتظار است.

ویدیوی آموزش محاسبه ضریب کاپا

ویدیوی آموزش محاسبه ضریب کاپا

ضریب کاپای کوهن و Pi اسکات در نحوه محاسبه توافق مورد انتظار با هم متفاوت هستند. در حالیکه در فرمول pi اسکات نسبت های مشاهده شده در هر یک از ارزش های یک طبقه به توان ۲ می رسد، در فرمول کاپا، نسبت یک ارزش خاص در یک طبقه که به وسیله کدگذار استفاده شده، در نسبت استفاده از همان ارزش به وسیله کدگذار دوم ضرب می‌شود. این نسبت ها سپس با هم جمع می‌شوند تا توافق مورد انتظار به دست آید.

آلفای کرپیندورف

کریپندورف در سال ۱۹۸۰ ضریبی به نام آلفا ابداع کرد که شبیه pi اسکات و کاپای کوهن است. معادله آلفای کریپندورف به شکل زیر است:

α = ۱ – (Do – Dc)

که در آن:

Do: عدم توافق مشاهده شده، و

Dc: عدم توافق مورد انتظار است.

فرایند محاسبه Do و Dc به سطح سنجش متغیر مورد مطالعه بستگی دارد. تفاوت آلفا و Pi این است که آلفا را می‌توان در سطوح سنجش غیر اسمی هم به کار برد. آلفا همچنین برای نمونه های کوچک قابل تصحیح است. محاسبه آلفای کرپندروف توسط آندرو هایز با نوشتن یک ماکرو در نرم افزار SPSS قابل محاسبه است. به مقاله رگرسیون هایز رجوع کنید.

توافق درون موضوعی

گاهی برای محاسبه پایایی تحقیقات کیفی از روش توافق درون موضوعی توسط دوکدگذار (ارزیاب) استفاده می‌شود. برای این منظور از یکی از اساتید حوزه مدیریت ورزش خواسته تا به عنوان همکار پژوهش (کدگذار) مشارکت کند. آموزش‌ها و شیوه‌های لازم جهت کدگذاری به همکار پژوهش منتقل می‌شود. در هر کدام از مصاحبه‌ها، کدهایی که در نظر دو نفر مشابه هستند با عنوان «توافق» و کدهایی که غیرمشابه هستند با عنوان «عدم توافق» مشخص می‌شوند. درصد توافق درون موضوعی که به‌عنوان شاخص پایایی تحلیل به کار می‌رود با استفاده از رابطه زیر محاسبه می‌شود.

درصد توافق درون موضوعی = (تعداد توافق × ۲) ÷ تعداد کل کدها

چناچه این شاخص بیش از ۰/۶ باشد، کدگذاری از قابلیت اعتماد کافی برخوردار است.

منبع: پایایی در تحقیقات کیفی نوشته آرش حبیبی نشر الکترونیک پارس مدیر