📊 statistics

Discovering the critical number of respondents to validate an item in a questionnaire: The Binomial Cut-level Content Validity proposal

تقترح هذه الورقة طريقة مطورة لصدق المحتوى عند مستوى التوزيع الثنائي لتحديد العدد الحرج من المستجيبين اللازم للتحقق من صحة بنود الاستبيان، وذلك لمعالجة المفارقات وعدم الدقة الاحتمالية المتأصلة في مناهج نسبة صدق المحتوى التقليدية.

المؤلفون الأصليون: Helder Gomes Costa, Eduardo Shimoda, José Fabiano da Serra Costa, Aldo Shimoya, Edilvando Pereira Eufrazio

نُشر 2026-03-24

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Helder Gomes Costa, Eduardo Shimoda, José Fabiano da Serra Costa, Aldo Shimoya, Edilvando Pereira Eufrazio

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك طاهٍ يحاول ابتكار وصفة جديدة مثالية لحساء ما. لديك قائمة تضم 20 مكوناً محتملاً (مثل الجزر، والتوابل، ومساحيق غامضة). قبل أن تقدم هذا الحساء لمدينة بأكملها، يتعين عليك أن تسأل مجموعة من خبراء تذوق الطعام: "هل هذا المكون أساسي للحساء، أم أنه مجرد حشو لا قيمة له؟"

هذا بالضبط ما يفعله الباحثون عندما يصممون استبياناً. لديهم قائمة من الأسئلة (المكونات) ويحتاجون لمعرفة أي منها "أساسي" ليتم طرحه، وأيها يجب التخلص منه.

لعقود من الزمن، كانت الطريقة القياسية للقيام بذلك هي طريقة تسمى CVR (نسبة صلاحية المحتوى). فكر في CVR على أنها ميزان قديم ومعطل قليلاً يستخدمه النقاد لوزن المكونات. لقد استُخدمت هذه الطريقة لمدة 50 عاماً، لكن مؤلفي هذه الورقة البحثية يجادلون بأن الميزان متذبذب قليلاً ويعطي أحياناً نتائج مربكة.

إليك شرح بسيط لفكرتهم الجديدة، التي يسمونها BCV (صلاحية مستوى القطع الثنائي).

المشكلة في الميزان القديم (CVR)

للطريقة القديمة (CVR) ثلاث عيوب رئيسية، يشبهها المؤلفون بهذه السيناريوهات:

1. خطأ "رمي العملة":
تخيل أن للنقاد ثلاثة خيارات لكل مكون:

أ) احتفظ به (أساسي)
ب) هو جيد، لكنه ليس ضرورياً (مهم ولكن ليس أساسياً)
ج) ارمِهِ (غير ضروري)

تفترض الطريقة القديمة أنه إذا اختار الناقد إجابة بشكل عشوائي، فإن لديه فرصة 50/50 لاختيار "احتفظ به" أو "ارمهِ". لكن هذا يشبه رمي عملة معدنية! في الواقع، هناك ثلاثة خيارات. إذا اخترت عشوائياً، فلديك فرصة 1 من 3 فقط لاختيار "احتفظ به". كانت الرياضيات القديمة تستخدم احتمالات خاطئة، مما جعل النتائج غير دقيقة نوعاً ما.

2. "العمى أحادي الجانب":
تتحقق الطريقة القديمة فقط مما إذا كان عدد كافٍ من الناس قد قالوا "احتفظ به". إنها لا تتحقق أبداً مما إذا كان عدد كافٍ قد قال "ارمهِ".

التشبيه: تخيل هيئة محلفين تسأل فقط: "هل المتهم مذنب؟" ولا تسأل أبداً: "هل المتهم بريء؟"
الخطر: قد ينتهي بك الأمر بالاحتفاظ بمكون لأن 11 شخصاً قالوا "احتفظ به"، بينما قال 12 شخصاً بالفعل "ارمهِ". الطريقة القديمة تغفل عن هذا التعارض.

3. فخ "المفارقة":
أحياناً، يكون مجموعة النقاد مشوشين لدرجة أنهم يقولون إن المكون أساسي وغير ضروري في نفس الوقت.

التشبيه: مثل مجموعة من الناس يصوتون على ما إذا كان الجسر آمناً. 60% يقولون "إنه آمن!" و60% يقولون "إنه غير آمن!" (لأن بعض الناس صوتوا مرتين أو أن المجموعة منقسمة تماماً).
الطريقة القديمة ليس لديها وسيلة لرصد هذه "المفارقة". إنها تعطي نتيجة فحسب، حتى لو كانت البيانات متناقضة.

الحل الجديد: ميزان "التحقق المزدوج" (BCV)

يقترح المؤلفون ميزاناً جديداً وأكثر ذكاءً يسمى BCV. إليك كيف يعمل بلغة بسيطة:

1. تصحيح الاحتمالات (رمي النرد)
بدلاً من افتراض رمي عملة (50/50)، تستخدم الطريقة الجديدة نردًا ثلاثي الأوجه (أو نردًا رباعي الأوجه إذا أضفت خيار "لا أعرف"). فهي تحسب الرياضيات بناءً على العدد الفعلي للخيارات المتاحة للنقاد. وهذا يجعل عتبة "الأساسي" أكثر دقة.

2. التحقق من "الضبط المزدوج"
تطرح الطريقة الجديدة سؤالين لكل مكون:

السؤال أ: هل قال عدد كافٍ من الناس "احتفظ به" لإثبات أنه أساسي؟
السؤال ب: هل قال عدد كافٍ من الناس "ارمهِ" لإثبات أنه حشو؟

3. رصد المفارقات
من خلال الإجابة على كلا السؤالين، تنشئ الطريقة الجديدة أربعة نتائج محتملة، مثل نظام إشارات المرور:

🟢 الضوء الأخضر (احتفظ به): عدد كافٍ قالوا "أساسي"، وليس عدداً كافياً قالوا "غير ضروري". -> احتفظ بالسؤال.
🔴 الضوء الأحمر (تخلص منه): عدد كافٍ قالوا "غير ضروري"، وليس عدداً كافياً قالوا "أساسي". -> احذف السؤال.
⚠️ الضوء الأصفر (المفارقة - النوع أ): الكثير من الناس قالوا "أساسي"، وَ الكثير من الناس قالوا "غير ضروري".
- ما يعنيه هذا: المجموعة مشوشة أو منقسمة. ربما صيغة السؤال سيئة، أو أن الخبراء يختلفون بشدة. النظام يضع علامة على هذا كـ "مفارقة قوية" لكي تقوم بالتحقيق قبل اتخاذ القرار.
⚪ الضوء الأبيض (المفارقة - النوع ب): ليس هناك عدد كافٍ قالوا "أساسي"، وَ ليس هناك عدد كافٍ قالوا "غير ضروري".
- ما يعنيه هذا: الجميع في منطقة حيرة. السؤال غامض جداً أو ممل. النظام يضع علامة على هذا كـ "مفارقة ضعيفة" (أو "عدم وجود إجماع") لكي تقوم بإعادة صياغته.

لماذا يهم هذا؟

فكر في الطريقة القديمة على أنها مرشح بدائي يسمح لبعض المكونات السيئة بالمرور ويفقد بعض المكونات الجيدة.

أما طريقة BCV الجديدة فهي مثل ماسح ضوئي ذكي وعالي التقنية. فهي لا تكتفي بعدّ الأصوات فحسب؛ بل تتحقق من التناقضات. إنها تخبرك:

"هذا جيد بالتأكيد."
"هذا سيء بالتأكيد."
"انتظر، البيانات تتصارع مع بعضها البعض! نحتاج إلى النظر بعمق أكبر."

الخلاصة

المؤلفون لا يقومون فقط بتعديل معادلة؛ بل يقومون بترقية العملية بأكملها لاتخاذ القرار بشأن الأسئلة التي يجب طرحها. من خلال استخدام رياضيات أفضل (التوزيع الثنائي بدلاً من التقريب الطبيعي) والتحقق من "المفارقات"، فإنهم يضمنون أن الاستبيان النهائي ليس مجرد قائمة أسئلة، بل هو أداة موثوقة، واضحة، ومنطقية تقيس بالفعل ما يُفترض أن تقيسه.

إنه الفرق بين التخمين ما إذا كان طعم الحساء جيداً وبين تذوق كل مكون بالفعل للتأكد من أن الوصفة مثالية.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "اكتشاف العدد الحرج للمستجيبين للتحقق من صحة البند في الاستبيان: مقترح مستوى القطع الثنائي لصدق المحتوى (Binomial Cut-Level Content Validity)."

1. بيان المشكلة

يتناول البحث أوجه القصور في الطرق الحالية لحساب نسبة صدق المحتوى (CVR)، وهو مقياس يُستخدم لتحديد ما إذا كانت بنود الاستبيان "ضرورية" بناءً على إجماع الخبراء. حدد المؤلفون أربعة عيوب جوهرية في الحالة الراهنة لأحدث الأساليب (Lawshe [1975], Wilson et al. [2012], and Ayre & Scally [2014]):

افتراض احتمالي خاطئ: تفترض الطرق السابقة أن احتمال ( $p$ ) قيام الخبير باختيار "ضروري" بشكل عشوائي هو $0.5$ (50%). ومع ذلك، فإن مقياس Lawshe يوفر ثلاثة خيارات ("ضروري"، "مهم ولكن ليس ضرورياً"، "غير ضروري")، مما يجعل الاحتمال العشوائي $p = 1/3$ . وإذا تمت إضافة خيار "غير قابل للتطبيق/لا توجد إجابة"، يصبح $p = 1/4$ .
توزيع غير مناسب: استخدم Wilson et al. [2012] تقريبًا طبيعيًا (Normal Approximation) لحساب القيم الحرجة لمقياس منفصل غير مستمر. وقام Ayre & Scally [2014] بتصحيح ذلك باستخدام التوزيع الثنائي (Binomial Distribution)، لكنهما احتفظا بافتراض $p = 0.5$ الخاطئ.
الافتقار إلى كشف التناقض: لا تتحقق الطرق الحالية فقط مما إذا كان البند "ضروريًا"، بل إنها لا تتحقق أيضًا مما إذا كانت العينة نفسها تصنف نفس البند في الوقت ذاته على أنه "غير ضروري". وهذا يمكن أن يؤدي إلى تناقضات مفارقة (Paradical Inconsistencies) حيث تنقسم العينة بما يكفي لاعتبار البند ضروريًا وغير ضروري في آن واحد، مما يشير إلى وجود تصورات متباينة (Heterogeneous Perceptions).
قصور الاختبار أحادي الذيل: تستخدم النهج الحالية اختبارات أحادية الذيل (One-tailed tests) لإيجاد الحد الأدنى من عدد الخبراء اللازم للاتفاق على أن البند ضروري، لكنها تفشل في توفير آلية متماثلة للتحقق مما إذا كان يجب استبعاد البند ("غير ضروري").

2. المنهجية: التحقق بمستوى القطع الثنائي (BCV)

يقترح المؤلفون طريقة التحقق بمستوى القطع الثنائي (Binomial Cut-Level Validation - BCV)، والتي تستخدم نهج توزيع ثنائي صارم مصمم خصيصًا لعدد الخيارات في مقياس الاستبيان.

الإطار الرياضي الأساسي

تحسب الطريقة احتمال اختيار $n$ من الخبراء لخيار معين عن طريق الصدفة المحضة.

الصيغة: $P(n) = \binom{N}{n} p^n (1-p)^{N-n}$ $P (n) = (n N) p^{n} (1 - p)^{N - n}$
- $N$ : إجمالي عدد الخبراء.
- $n$ : عدد الخبراء الذين اختاروا خيارًا معينًا (مثل "ضروري").
- $p$ : احتمال الاختيار العشوائي ( $1/3$ لمقياس مكون من 3 خيارات؛ $1/4$ لمقياس مكون من 4 خيارات بما في ذلك "غير قابل للتطبيق").
- $\lambda$ : مستوى القطع (عتبة المعنوية)، ويُحدد عادةً عند 0.05 أو 0.01.

الخوارزمية

تحديد المقياس: تحديد ما إذا كان المقياس $S_3$ (3 خيارات) أو $S_4$ (4 خيارات). وتعيين $p$ بناءً على ذلك ( $1/3$ أو $1/4$ ).
حساب القيمة الحرجة ( $n_{critical}$ ): تحديد أصغر عدد صحيح $n$ بحيث يكون احتمال اختيار $n$ أو أكثر من الخبيار عن طريق الصدفة أقل من أو يساوي $\lambda$ .
التحقق المزدوج (Double-Check):
- التحقق من الضرورة (Essential Validation): التحقق مما إذا كان $n_{Essential} \ge n_{critical}$ وَ $P(n_{Essential}) \le \lambda$ .
- التحقق من عدم الضرورة (Unnecessary Validation): التحقق مما إذا كان $n_{Unnecessary} \ge n_{critical}$ وَ $P(n_{Unnecessary}) \le \lambda$ .
مصفوفة القرار: تصنيف البنود إلى أربع فئات بناءً على نتائج التحقق المزدوج:
- النوع (أ) (احتفاظ قوي): تم التحقق منه كـ "ضروري" ولكن ليس "غير ضروري".
- النوع (ب) (مفارقة قوية): تم التحقق منه كـ "ضروري" و "غير ضروري" معًا. (يشير هذا إلى تباين في العينة؛ ويتطلب تحليلًا أعمق).
- النوع (ج) (مفارقة ضعيفة): لم يتم التحقق منه كـ "ضروري" ولا كـ "غير ضروري". (يشير هذا إلى نقص في الإجماع؛ ويتطلب تحليلًا أعمق).
- النوع (د) (استبعاد قوي): تم التحقق منه كـ "غير ضروري" ولكن ليس "ضروريًا".

3. المساهمات الرئيسية

تصحيح الاحتمالية ( $p$ ): يصحح المقترح الاحتمالية بناءً على عدد خيارات المقياس ( $1/3$ أو $1/4$ ) بدلاً من الاحتمال التعسفي $0.5$ المستخدم في الأدبيات السابقة.
دقة التوزيع الثنائي: يستبدل التقريبات الطبيعية بحسابات ثنائية دقيقة، مما يجعلها أكثر دقة إحصائيًا للبيانات المنفصلة ذات العينات الصغيرة.
كشف المفارقات: يقدم منطق تحقق "ثنائي الذيل". من خلال الاختبار المتزامن لكل من "ضروري" و"غير ضروري"، فإنه يحدد المفارقات من النوع (ب) (البنود التي تُعتبر ضرورية وغير ضرورية في آن واحد)، وهي ثغرة حرجة في الطرق السابقة قد تؤدي إلى تصميم استبيانات غير صالحة.
القدرة على الاستبعاد: على عكس CVR، الذي يقترح الاحتفاظ بالبنود فقط، توفر BCV طريقة قوية إحصائيًا للتوصية بـ استبعاد البنود (النوع د).
الجداول الموسعة: يقدم المؤلفون جداول محسوبة مسبقًا (الملحق أ) لأحجام عينات تترا die من $N=5$ إلى $100 $(وما يصل إلى 10,000 في المستودع الرقمي) لكل من المقاييس الثلاثية والرباعية عند مستويات$ \lambda = 0.05 $و$ 0.01$.

4. النتال ومقارنة النتائج

تقارن الورقة بين BCV وكل من Lawshe و Wilson و Ayre & Scally:

الحساسية: تعتبر BCV أكثر "حذرًا" ولكنها أكثر دقة. فهي تحدد البنود كـ "ضرورية" قد ترفضها الطرق السابقة لأنها تأخذ في الاعتبار الاحتمالية العشوائية الأقل ( $1/3$ مقابل $1/2$ ).
تأثير حجم العينة: مع زيادة حجم العينة، يزدهاد التباين بين BCV والطرق السابقة.
تحديد المفارقة: توضح الدراسة أن الطرق السابقة لا يمكنها اكتشاف التناقض بين "ضروري" و"غير ضروري". بينما تقوم BCV بتحديد هذه التناقضات صراحةً، مما يمنع إدراج البنود الغامضة في الاستبيانات النهائية.
المرونة: تتكيف الطريقة مع المقاييس المكونة من 3 أو 4 خيارات، بينما كانت الطرق السابقة جامدة فيما يتعلق بافتراض المقياس ثلاثي النقاط.

5. الأهمية

يعد هذا البحث تقدماً كبيراً في مجال القياس النفسي (Psychometrics) ومنهجية المسح من خلال:

تحسين الصدق: يضمن أن البنود "الضرورية" هي بالفعل ضرورية من خلال تصحيح الأساس الإحصائي لـ CVR.
تعزيز جودة البيانات: من خلال اكتشاف التصورات المتناقضة داخل العينة، يمكن للباحثين تحديد متى يكون بند الاستبيان مربكًا أو متى تكون لجنة الخبراء متباينة للغاية، مما يؤدي إلى تصميم دراسة أفضل.
التقنين (Standardization): يوفر منهجًا واضحًا وسليمًا رياضيًا لتحديد العدد الحرج للمستجيبين، مما ينقل المجال من الجداول الاستدلالية (مثل جداول Lawshe) نحو نمذجة الاحتمالات الدقيقة.
التطبيق العملي: يوفر تضمين جدال القرار (أ، ب، ج، د) إطارًا واضحًا وقابلًا للتنفيذ للباحثين للاحتفاظ بالبنود أو استبعادها، مما يقلل من الذاتية في عملية التحقق من الصدق.

في الختام، يقدم مقترح التحقق بمستوى القطع الثنائي (BCV) بديلاً أكثر صرامة ودقة إحصائية وشمولية لنسبة صدق المحتوى التقليدية، حيث يعالج تحديدًا الأخطاء الرياضية في افتراضات الاحتمالية والافتقار إلى كشف المفارقات في الممارسات الحالية.