کاپای کوهن (Cohen’s Kappa) شاخص کلیدی سنجش و ارزیابی میزان توافق بین دو ارزیاب یا کدگذار مستقل در پژوهش کیفی است. ضریب کاپا فراتر از میزان توافقی است که به‌صورت تصادفی حاصل می‌شود. در این ویدیوی آموزشی، برآورد ضریب کاپا به روش دستی و با نرم‌افزار SPSS آموزش داده شده‌است.

فهرست مطالب

ویژگی‌های ویدیوی آموزشی برآورد ضریب کاپا در تحقیقات کیفی

در این فایل آموزشی ضریب توافق داده‌های یک کدگذاری در نرم‌افزار اکسل به صورت دستی محاسبه شده و همان داده‌ها با SPSS نیز اجرا شده‌است. خواهید دید نتایج نیز یکسان بدست خواهد آمد. برای خرید فایل آموزشی کامل محاسبه ضریب کاپای از لینک زیر استفاده کنید.

  • هدف: آموزش محاسبه ضریب کاپا در تحقیقات کیفی
  • فرمت فایل: ویدیوی MP4 سازگار با موبایل و ویندوز
  • مدت آموزش: ۲۰ دقیقه
  • روش محاسبه نخست: محاسبه دستی کاپای کوهن در نرم‌افزار Excel
  • روش محاسبه دوم: محاسبه اتوماتیک در نرم‌افزار SPSS
  • مدرس: آرش حبیبی
  • ناشر: پارس مدیر

ضریب کاپای کوهن

از ضریب کاپا برای محاسبه پایایی تحقیقات کیفی استفاده می‌شود. جاکوب کوهن (۱۹۶۰) شاخص کاپا را معرفی کرد که شباهت زیادی به پی اسکات دارد.

kappa = Pi = (PAo – PAE)/ (۱ – PAE )

مقدار PAo نمایانگر میزان توافق دو ارزیاب است.

مقدار PAE نیز نمایانگر میزان توافق مورد انتظار است.

ضریب کاپای کوهن و Pi اسکات در نحوه محاسبه توافق مورد انتظار با هم متفاوت هستند. در حالیکه در فرمول pi اسکات نسبت‌های مشاهده شده در هر یک از ارزش‌های یک طبقه به توان ۲ می‌رسد، در فرمول کاپا، نسبت یک ارزش خاص در یک طبقه که به وسیله کدگذار استفاده شده است، در نسبت استفاده از همان ارزش به وسیله کدگذار دوم ضرب می‌شود. این نسبت‌ها سپس با هم جمع می‌شوند تا توافق مورد انتظار به دست آید. چنانچه مقدار این ضریب از ۰/۶ بیشتر باشد پایایی وجود دارد.

کاپای کوهن در پژوهش کیفی

کاپای کوهن شاخصی آماری برای سنجش میزان توافق بین دو کدگذار یا ارزیاب مستقل است، زمانی که داده‌ها طبقه‌ای (طبقه‌بندی شده) باشند. این شاخص بررسی می‌کند که چقدر توافق مشاهده‌شده بین دو نفر واقعی‌تر از توافقی است که بر اثر شانس اتفاق می‌افتد.

در تحلیل کیفی (مثل تحلیل مصاحبه‌ها، تحلیل محتوا، یا کدگذاری پاسخ‌های باز)، پژوهشگر اغلب از دو کدگذار مستقل می‌خواهد تا داده‌ها را بر اساس دسته‌بندی خاصی کدگذاری کنند. برای اینکه این کدگذاری اعتبار علمی داشته باشد، باید نشان داد که توافق بین کدگذاران فراتر از حد تصادفی است.

کاپای کوهن دقیقاً برای همین منظور طراحی شده:

  • سنجش پایایی بین‌کدگذاران (Inter-rater reliability)
  • تعیین اعتبار مقوله‌بندی‌ها و برچسب‌گذاری‌ها
  • ایجاد اعتماد به‌ نتایج تحلیل کیفی

محدودیت‌های کاپای کوهن عبارت است از:

  • فقط برای دو ارزیاب قابل استفاده است.
  • برای بیش از دو نفر باید از کاپای فلیس Fleiss’ Kappa یا شاخص‌های دیگر استفاده کرد.
  • به توزیع مقولات حساس است؛ در صورت نامتوازنی زیاد ممکن است مقدار آن گمراه‌کننده شود.

این شاخص در تحلیل‌های کیفی مانند کدگذاری مصاحبه‌ها، تحلیل محتوای متنی و ارزیابی پاسخ‌های باز نقش بنیادینی دارد. در این ویدیو، فرمول محاسبه کاپای کوهن، تفسیر مقادیر آن، و یک مثال عددی ساده ارائه شده تا مخاطب بتواند این شاخص را هم از نظر نظری و هم از نظر عملی درک کند.

سخن پایانی

کاپای کوهن ابزار ضروری برای پژوهش‌های کیفی‌ست که با داده‌های طبقه‌ای سروکار دارند. این شاخص به پژوهشگر کمک می‌کند نشان دهد که فرآیند کدگذاری و تحلیل نه بر اساس برداشت‌های فردی، بلکه بر مبنای توافق معتبر و علمی انجام شده‌است. پژوهشی که فاقد بررسی پایایی بین کدگذاران باشد، از دیدگاه روش‌شناختی آسیب‌پذیر خواهد بود. هدف این آموزش آن است که پژوهشگر بتواند به‌درستی پایایی کدگذاری‌های کیفی را بسنجد و نتایج پژوهش را از منظر روش‌شناسی تقویت کند. فایل مثال نیز برای تمرین و درک بهتر در کنار ویدیو ارائه شده‌است.

منبع: حبیبی، آرش. روش پژوهش پیشرفته. تهران: پارس‌مدیر.