मानसशास्त्रीय चाचणीमध्ये विश्वसनीयता म्हणजे काय?

विश्वसनीयता म्हणजे एखादे मापन किती प्रमाणात पुन्हा तसेच मिळते, म्हणजेच ते गोंगाट (नॉइज) नसून पुनरावृत्तीक्षम आहे. जर तुम्ही एका मिनिटात तीन वेळा स्वतःचे वजन केले आणि तुम्हाला 71, 78 आणि 66 किलोग्रॅम असे आकडे मिळाले, तर ती वजनकाटा अविश्वसनीय आहे, आणि त्यावरून तुमचे खरे वजन कळण्याचा कोणताही मार्ग उरत नाही. मानसशास्त्रीय मापनासमोर हीच अडचण असते, तीही खूपच कमी अचूक साधनांसह.

विश्वसनीयतेबद्दल समजून घ्यायची सर्वात महत्त्वाची गोष्ट म्हणजे ती काय दावा करत नाही. जो बाथरूममधील काटा सातत्याने आठ किलोग्रॅम जास्त वजन दाखवतो, तो पूर्णपणे विश्वसनीय असतो आणि तरीही पूर्णपणे चुकीचा असतो. विश्वसनीयता म्हणजे सातत्य; तो आकडा योग्य गोष्टीचा अर्थ सांगतो की नाही, हा वेगळा प्रश्न आहे, ज्याला वैधता म्हणतात. वैधतेसाठी विश्वसनीयता आवश्यक आहे, पण ती पुरेशी असण्यापासून खूप दूर आहे.

तिची रूपे

अंतर्गत सुसंगतता हे तपासते की श्रेणीतील प्रश्न एकमेकांशी जुळतात का. जर दहा प्रश्न एकाच मूलभूत गुणवैशिष्ट्याचे मापन करण्यासाठी असतील, तर एका प्रश्नाला उच्च उत्तर देणाऱ्या लोकांनी इतर प्रश्नांनाही उच्च उत्तर द्यायला हवे. हे सहसा Cronbach चा आल्फा किंवा, अधिक चांगले, McDonald चा ओमेगा म्हणून नोंदवले जाते.

चाचणी-पुनर्चाचणी विश्वसनीयता हे तपासते की एकाच व्यक्तीला दोन वेगवेगळ्या प्रसंगी सारखेच गुण मिळतात का. गुणवैशिष्ट्यांसाठी हेच रूप सर्वात महत्त्वाचे आहे, कारण व्याख्येनुसार ती स्थिर असणे अपेक्षित असते. हेच रूप सर्वाधिक वेळा नोंदवले जात नाही, कारण त्यासाठी काही आठवड्यांनंतर त्याच सहभागींना पुन्हा शोधावे लागते.

आंतर-मूल्यमापक विश्वसनीयता तेव्हा लागू होते जेव्हा साधनाचे गुणांकन माणसे करतात, उदाहरणार्थ नैदानिक मुलाखती, प्रक्षेपी तंत्रे, वर्तनाचे निरीक्षण. यात हे तपासले जाते की एकाच सामग्रीकडे पाहणारे दोन प्रशिक्षित मूल्यमापक एकाच निष्कर्षावर पोहोचतात का.

समांतर प्रतींची विश्वसनीयता हे तपासते की एकाच चाचणीच्या, समतुल्य होण्यासाठी बनवलेल्या दोन वेगवेगळ्या आवृत्त्या सारखेच गुण देतात का. जिथे चाचणी एकापेक्षा जास्त वेळा घेतली जाते आणि प्रश्नांच्या उघड होण्याची चिंता असते, तिथे हे महत्त्वाचे ठरते.

आकडे कसे वाचावेत

विश्वसनीयता गुणांक 0 ते 1 या दरम्यान असतात. यासंबंधीच्या रूढी ढोबळ आहेत आणि बऱ्याचदा चुकीच्या पद्धतीने वापरल्या जातात, पण साधारणपणे: जिथे गुणाचा एखाद्या व्यक्तीच्या आयुष्यावर परिणाम होतो तिथे 0.90 पेक्षा जास्त आवश्यक आहे, बहुतेक उपयोजित वापरासाठी 0.80 ते 0.90 भक्कम आहे, संशोधनासाठी आणि गटांच्या तुलनेसाठी 0.70 ते 0.80 स्वीकारार्ह आहे, आणि 0.70 पेक्षा कमी म्हणजे गुणामध्ये एवढा गोंगाट आहे की बहुतेक निष्कर्ष टिकू शकत नाहीत.

या मर्यादांबद्दल दोन सावधगिरीच्या सूचना. पहिली, त्या रूढी आहेत, कायदे नाहीत; स्वीकारार्ह पातळी पूर्णपणे गुणाचा वापर कशासाठी होणार आहे यावर अवलंबून असते. दुसरी, छोट्या श्रेणीवरील खूप उच्च आल्फा सहसा असे दर्शवतो की प्रश्न एकमेकांचे जवळजवळ पर्यायी शब्दरूप आहेत; यामुळे सुसंगतता मिळते, पण संकल्पनेचे व्याप्तीक्षेत्र गमवावे लागते. दहा प्रश्नांची अशी श्रेणी, ज्यात सर्व प्रश्न थोड्या वेगळ्या शब्दांत "तुम्ही शिस्तबद्ध आहात का?" असेच विचारतात, तिची अंतर्गत सुसंगतता उत्कृष्ट असेल, पण कर्तव्यनिष्ठेचे वाचन मात्र संकुचित असेल.

तुमच्या स्वतःच्या गुणांसाठी याचा अर्थ

एका आकड्यावर किती विश्वास ठेवावा हे विश्वसनीयता थेट ठरवते. 0.85 विश्वसनीयता असलेल्या चाचणीत मापनाची त्रुटी इतकी असते की दोन व्यक्तींमधील काही गुणांचा फरक, किंवा आज तुमचे गुण आणि गेल्या महिन्यातील तुमचे गुण यांतील फरक, हा संकेत नसून गोंगाट असण्याची शक्यता खूप जास्त असते.

हा त्याचा व्यावहारिक परिणाम आहे: चांगले साधन आपली विश्वसनीयता नोंदवते, ज्यामुळे तुमच्या गुणाभोवतीची अनिश्चितता किती रुंद आहे हे तुम्हाला कळते. त्या अनिश्चिततेची तांत्रिक अभिव्यक्ती म्हणजे मापनाची प्रमाणित त्रुटी, जी विश्वसनीयता गुणांकाचे रूपांतर गुणाभोवतीच्या अधिक-उणे पट्ट्यात करते.

ज्या साधनाने विश्वसनीयतेचा कोणताही आकडा दिलेला नसतो, ते त्यामुळे अधिक अचूक ठरत नाही. ते किती अचूक नाही हे सांगण्यास त्याने फक्त नकार दिला आहे.