ضریب همبستگی درون‌طبقه‌ای (ICC)

ضریب همبستگی درون‌طبقه‌ای (ICC) شاخصی برای سنجش میزان پایایی نمرات و داده‌های حاصل از ارزیابی یا قضاوت دو یا چند کارشناس می‌باشد. این ضریب در نرم‌افزار SPSS قابل برآورد است بنابرین کاربرد بسیاری در روش پژوهش علمی دارد. نظر به کاربرد و اهمیت مسئله، در این مقاله ضریب همبستگی درون‌طبقه‌ای (ICC) آموزش داده شده است.

تعریف همبستگی درون طبقاتی

همبستگی درون طبقاتی برای ارزیابی توافق زمانی که دو یا چند ارزیاب مستقل وجود دارد و نتیجه در یک سطح پیوسته اندازه‌گیری می‌شود، استفاده می‌شود. ارزیاب‌ها باید مستقل باشند، اما همچنین باید در تعریف عملیاتی و شناسایی سازه آموزش ببینند.

این ضریب به دلیل استفاده از اندازه‌گیری پیوسته، شاخص قوی‌تری در مقایسه با ضریب کاپا است. همچنین از کاپای کوهن بیشتر برای سازگاری در دیدگاه دو ارزیاب استفاده می‌شود اما زمانیکه تعداد ارزیاب‌ها بیشتر می‌شود ICC معیار بهتری است.

ار جمله کاربردهای شاخص ICC در اعتبارسنجی و پایایی تحلیل کیفی است. همچنین می‌توان از این ضریب با درنظرگیری ملاحظاتی برای سنجش پایایی مدلسازی ساختاری-تفسیری نیز استفاده کرد.

کاربرد ضریب همبستگی درون‌طبقه‌ای (ICC)

ضریب پایایی درون طبقه‌ای (Intraclass Correlation Coefficient)، یک معیار بررسی سازگاری دیدگاه چند ارزیاب است. این ضریب برای محاسبه توافق بین دو کدگذار در تحلیل کیفی نیز استفاده می‌شود. فیشر (۱۹۵۴)، ضریب پایایی درون طبقه‌ای  را برای اصلاح ضریب همبستگی پیرسون معرفی کرد. با این حال، ضریب پایایی درون طبقه‌ای جدید با میانگین مربعات (یعنی تخمین واریانس های جمعیت بر اساس تغییرپذیری در میان یک مجموعه معین از معیارها) برآورد می‌شود که از طریق تجزیه و تحلیل واریانس به دست می آید.

این شاخص به طور گسترده در تحلیل های کیفی مرتبط با ارزیابی های بالینی در رشته پزشکی استفاده می شود. اشکال مختلفی از ICC وجود دارد که می تواند نتایج متفاوتی را در صورت اعمال بر روی یک مجموعه از داده ها ارائه دهد و روش های گزارش ICC ممکن است بین محققین متفاوت باشد. با توجه به اینکه اشکال مختلف ICC،  مفروضات متمایزی دارد و به تفاسیر متفاوتی منجر می شود، مهم است که محققان از کاربرد صحیح هر یک از اشکال ICC آگاه باشند. از فرم مناسب در تجزیه و تحلیل خود استفاده کنند و فرم خود را به طور دقیق گزارش کنند.

این شاخص مقادیر بین صفر و یک را به دست می دهد.

• مقدار ICC بیشتر از ۰/۹ بیانگر توافق بالای بین دوکدگذار است.
• مقدار ICC بین ۰/۷۵ و ۰/۹ پایایی خوبی را نشان می دهد.
• مقدار ICC  بین ۰/۵ و ۰/۷۵ پایایی متوسط
• مقدار ICC کمتر از ۰/۵ ضعیف ترین پایایی است که باید از آن صرف نظر کرد.

به اندازه‌های ICC کمتر از ۰/۵ اهمیت نمی‌دهیم و آن‌ها را پایایی ضعیف می‌نامیم. در این صورت باید در کدگذاری تجدیدنظر کرد.

ضریب همبستگی درون‌طبقه‌ای در SPSS

۱. داده ها به صورت درون موضوعی وارد می شوند.

۱. روی Analyze کلیک کنید.

۲. از قسمت Scale گزینه Reliability Analysis کلیک کنید.

۳. در کادری که باز می‌شود داده‌ها را به کادر Items منتقل شود.

۴. روی دکمه Statistics کلیک کنید.

۵. در کادر جدید گزینه Intraclass correlation coefficient را تیک بزنید.

۶. در کشویی Model کلیک کنید، سه گزینه وجود دارد.

اگر پژوهشگران رتبه‌بندی‌های یکسانی برای هر مشاهده ندارند، از مدل تصادفی یک طرفه استفاده کنید.

چنانچه پژوهشگران رتبه‌بندی‌های یکسانی برای هر مشاهده دارند و از نمونه‌ای از ارزیاب‌ها استفاده می‌کنند، از مدل تصادفی دو طرفه استفاده کنید.

اگر پژوهشگران رتبه‌بندی‌های یکسانی برای هر مشاهده دارند و از تنها ارزیاب‌های معتبر (جمعیت) استفاده می‌کنند، از مدل مخلوط دو طرفه استفاده کنید.

۷. از قسمت Type گزینه Consistency را انتخاب کنید.

۸. روی دکمه Continue کلیک کنید.

۹. روی دکمه OK کلیک کنید تا نتایج ظاهر شود.

نکات کلیدی ضریب همبستگی درون‌طبقه‌ای

در اندازه‌گیری‌های تکراری یا زمانی که یک ارزیاب چندبار به یک مفهوم نمره می‌دهد، می‌توان از ICC برای سنجش پایایی استفاده کرد.

اگر مطالعه One-way Random باشد ــ یعنی هر ارزیاب به افراد متفاوتی امتیاز داده باشد ــ انتخاب نوع Consistency یا Absolute Agreement بی‌معناست، چون واریانس ارزیابان از افراد یکسان به‌دست نیامده است. به همین دلیل در SPSS این گزینه‌ها غیرفعال‌اند.

از Consistency زمانی استفاده می‌شود که همهٔ آزمودنی‌ها در چند زمان مختلف اندازه‌گیری شوند؛ بنابراین در چنین طرحی مدل One-way Random مناسب نیست. در مقابل، هنگامی که هر فرد فقط یک‌بار و بر یک موضوع واحد نظر می‌دهد، مدل One-way Random توصیه می‌شود.

سخن پایانی

در پایان می‌توان گفت ICC ابزاری کارآمد برای سنجش میزان توافق یا پایایی در اندازه‌گیری‌های تکراری، چندارزیابه‌ای یا چندزمانه است. انتخاب درست نوع مدل—از One-way Random تا Two-way Mixed—به ساختار طرح پژوهش بستگی دارد و تعیین می‌کند که آیا به‌دنبال اندازه‌گیری توافق کامل هستیم یا صرفاً همخوانی الگوها. هرچه مدل با چینش واقعی داده‌ها سازگارتر انتخاب شود، برآورد پایاتر و قابل‌اعتمادتر خواهد بود. در نهایت، ICC زمانی معنا پیدا می‌کند که هدف، سنجش ثبات یک مفهوم در ارزیابی‌های مختلف باشد؛ چه این ارزیابی‌ها توسط افراد متفاوت انجام شده باشند، چه در زمان‌های گوناگون تکرار شده باشند.

منبع: حبیبی، آرش؛ سرآبادانی، مونا. (۱۴۰۱). آموزش کاربردی SPSS. تهران: نارون‌دانش.