سطح سنجش در تحقیق

مقدمه

در روند پژوهش، یکی از بخش‌های حیاتی، جمع‌آوری «داده»¹ است. برپایۀ همین اطلاعات است که امکان نظریه‌پردازی و فرضیه‌سازی وجود خواهد داشت و هم‌چنین، تفکیک میان متغیرهای وابسته و مستقل نیز بدون درک سطوح سنجش میسر نیست. در این رابطه، پژوهشگر باید دو تصمیم مهم بگیرد:

۱. چه‌چیزی را اندازه‌گیری کند؟

۲. چگونه این کار را انجام دهد؟

در علوم تجربی، از آن‌جا که سوژۀ مطالعه در بیشتر موارد حاضر و در دسترس است، سنجش متغیرها با مشکلات کم‌تری همراه است؛ در‌حالی‌که در علوم اجتماعی، بیشتر سوژه‌ها غایب هستند و پژوهشگر با میزانی از انتزاع سروکار دارد. بنابراین، درک صحیح سطوح سنجش، به‌منظور انجام یک پژوهش معتبر و دقیق، ضروری است.

متغیر وابسته و مستقل

برای این‌که فرضیۀ تحقیق را بیازماییم، به سنجش متغیرها نیاز داریم و متغیرْ هرچیزی است که تغییر کند. ممکن است این تغییر در میان مردم باشد (مثل هوش)، ممکن است در رابطه با مکان باشد (نرخ بیکاری در مناطق) یا می‌تواند به زمان (میزان سود) مربوط باشد. متغیر مستقل² به‌عنوان «علت»³ یا «پیش‌بین»⁴ در نظر گرفته می‌شود  و در‌واقع، همان چیزی است که ما مشاهده می‌کنیم تا اثرش را بر یک متغیر دیگر بسنجیم. برعکس، متغیر وابسته⁵ نتیجه یا اثر متغیر مستقل است. در حقیقت در پی این هستیم تا ببینیم با نوسان متغیر مستقل، متغیر وابسته چگونه تغییر می‌کند. برای مثال، در یک آزمایش راجع‌به تاثیر رنگ کمپین یک کاندیدا بر نظر مردم، رنگ متغیر مستقل و نظر مردم نسبت به کاندیدا، متغیر وابسته است.

سنجش چیست و چه جایگاهی در علوم اجتماعی دارد؟

سنجش در علوم اجتماعی، فرآیند انتساب مقادیر یا برچسب‌ها به ویژگی‌های پدیده‌های اجتماعی یا متغیرها بر اساس برخی استانداردها و قواعد است و این‌کار را به منظور کمّی کردن مفاهیم و افزایش دقت تحقیق انجام می‌دهیم. در علوم تجربی، معمولا با پدیده‌هایی روبه‌رو می‌شویم که کاملا ملموس و عینی است؛ برای مثال، دمای هوا را به‌شکلی ملموس می‌توان سنجید؛ اما در علوم اجتماعی، به‌خاطر سطح انتزاع و پیچیدگی پدیده‌های مورد مطالعه، سنجشْ دشوار و پرچالش است. به‌عنوان نمونه، چگونه می‌توان میزان شادی یا ناراحتی مردم را سنجید؟ چطور می‌توان احساسات جامعه نسبت به یک رویداد تاریخی را به‌صورت عددی ارزیابی کرد؟ برای پاسخ به این چالش‌ها، باید نسبت به سطوح اندازه‌گیریْ آگاه شویم و توان تشخیص و تفکیک آن‌ها را داشته باشیم.

سطوح اندازه‌گیری در پژوهش

سطح اندازه‌گیری یکی از مهم‌ترین مفاهیم علوم اجتماعی است که ماهیت و پیچیدگی داده‌های جمع‌آوری شده را توصیف می‌کند. در واقع همین سطوح تحلیل هستند که نوع آزمون آماری یک پژوهش را تعیین می‌کنند. این سطوح، اولین بار توسط اسمیت استیونز، روان‌شناس، معرفی شدند که عبارتنداز اسمی، ترتیبی و فاصله‌ای و نسبتی. بسته به اینکه داده‌های شما متعلق به کدام سطح باشند، تحلیل و تفسیر پژوهش متفاوت می‌شود و در میان پژوهشگران، یک هرم سلسله‌مراتبی از جهت دقت و پیچیدگی داده وجود دارد که از متغیرهای اسمی(کمترین) به متغیرهای نسبتی(بیشترین) حرکت می‌کند.

متغیر اسمی (طبقه‌ای)

متغیر اسمی⁶ یا طبقه‌ای⁷، چنان‌که از نامش پیداست، از طبقه‌های گوناگونی ایجاد شده و به آن متغیر کیفی نیز گفته می‌شود. برای مثال، «جنسیت» متغیر طبقه‌ای است و شما نمی‌توانید به‌صورت هم‌زمان، مرد، زن، هر دو یا بخشی از هرکدام باشید (شما نمی‌توانید هم‌چنین، زنده و مرده باشید یا به یک سؤال هم‌زمان، پاسخ مثبت و منفی دهید). به چنین متغیرهایی که فقط دو حالت ممکن دارد، متغیر جفتی⁸ نیز گفته می‌شود. در هر دو مثال، طبقه‌بندی و دسته‌بندی متفاوتی وجود دارد که هر فرد، به‌اجبار، در یکی از آن‌ها قرار می‌گیرد. به‌عبارتی، ویژگی‌های مورد نظر ما، کاملا منحصر‌به‌فرد است و اگر به‌جای مرد و زن، اعداد ۱ و ۲ را به افراد نسبت دهیم، در سنجش تغییری ایجاد نمی‌شود؛ یعنی ۲ از ۱ بیشتر نیست. در رابطه با متغیرهای اسمی، شاخص مرکزی قابل‌استفادهْ «مد»⁹ است و از میانگین یا میانه می‌توان استفاده کرد. در برخی موارد، اعداد نه‌تنها به‌عنوان اسم، بلکه به‌عنوان یک معرّف جایگاه و وضعیت نیز به کار می‌روند؛ برای مثال، به شمارۀ‌ بازیکنان فوتبال توجه کنید. دروازه‌بان‌ها، معمولا از شمارۀ ۱ استفاده می‌کنند و مدافعان از اعداد ۲ ،۳ یا ۴ (در رابطه با بسکتبال این وضعیت مشخص‌تر است). اگر‌چه در این موارد هر شماره نشان‌دهندۀ جایگاه یک بازیکن است، اما هیچ عملیات ریاضی و محاسبۀ آماری خاصی براساس چنین اعدادی انجام نمی‌دهیم.

متغیر رتبه‌ای (ترتیبی)

وقتی یک متغیر اسمی یا کیفی دارای ترتیبی معنادار شود، با متغیر رتبه‌ای¹⁰ مواجه می‌شویم. این نوع از متغیرها نه‌تنها راجع‌به وقوع یک رویداد به ما اطلاعاتی می‌دهد، بلکه درمورد ترتیب وقوع نیز ما را مطلع می‌کند. برای مثال، به مسابقۀ وزنه‌برداری توجه کنید که در آن یک ورزشکار به مدال طلا،‌ دیگری به نقره و شخصی دیگر به برنز دست یافته‌است. اگر‌چه رنگ مدال به ما نشان می‌دهد نفر اول از دوم و سوم، عملکردی بهتر داشته، اما درمورد میزان و اختلاف عملکرد اطلاعاتی نمی‌دهد. بنابراین، متغیرهای رتبه‌ای، اطلاعات بیشتری نسبت به متغیرهای اسمی در اختیار پژوهشگر می‌گذارد؛ اما چیزی راجع‌به تفاوت‌های داده‌ها ارائه نمی‌دهد. برای نمونه، اگر از مردم درمورد میزان رضایت از یک برنامۀ رادیویی بپرسیم و گزینه‌های «اصلا»، «مقداری» و «بسیار» را پیشِ‌روی آن‌ها قرار دهیم، یک متغیر ترتیبی داریم؛ اما هرگز نمی‌توانیم براساس اعداد، آن را کمّی کنیم و بدانیم یک برنامه، دقیقا چقدر از برنامه‌های دیگر بهتر یا بدتر عمل کرده‌است..

متغیر فاصله‌ای (نسبتی)

متغیری است که ترتیب طبقات آن، طبیعی است و می‌توان تفاوت میان طبقات را دقیقا کمّی کرد. برای مثال، اگر سن افراد را به‌صورت «کودک»، «بزرگ‌سال» و «پیر» دسته‌بندی کنیم، یک متغیر «ترتیبی»¹¹ داریم و اگر همین سن را براساس سال اندازه‌گیری کنیم، با یک متغیر «فاصله‌ای» روبه‌رو هستیم؛ اما تفاوت متغیر فاصله‌ای و نسبتی چیست؟ همه‌چیز به عدد صفر باز می‌گردد.

     در سطح سنجش فاصله‌ای، صفر حقیقی نداریم و می‌توانیم اندازه‌گیری را تا اعداد منفی نیز انجام دهیم. برای مثال، درآمد سالانه را می‌توان در یک سنجۀ‌ نسبتی (یا نسبی) اندازه‌گیری کرد؛ چون درآمد صفر هم داریم؛ اما در رابطه با سنجش، نگرش مردم نسبت به یک کاندیدا براساس یک مقیاس ۱ تا ۵، صفر واقعی نداریم و تنها می‌دانیم میان هر‌کدام از گزینه‌ها، یک واحد اختلاف وجود دارد. هم‌چنین، در رابطه با سطح سنجش نسبتی، امکان دسترسی به نسبت‌های عددی نیز وجود دارد؛ یعنی می‌توان گفت درآمد ۲۰ هزار دلار در سال، دوبرابر درآمد ۱۰ هزار دلار در سال است؛ در‌حالی‌که نمی‌توان گفت فردی که به کاندیدای مورد نظر امتیاز ۲ داده، دقیقا دوبرابر فردی که امتیاز ۱ داده، به او علاقه‌مند است. پژوهشگرانی که به استفاده از روش‌های تحلیل کمّی علاقه‌مندند، ترجیح می‌دهند تا از داده‌هایی استفاده‌ کنند که در سطح فاصله‌ای یا نسبتیْ سنجیده‌ شده‌است. جدول زیر، به تشخیص سطح سنجش متغیرها کمک می‌کند.

نتیجه‌گیری

 سطح سنجش یکی از مفاهیم بنیادی جمع‌آوری «داده» است که بدون توجه به آن، پژوهشگر در سردرگمی محض خواهد ماند. سطوح سنجش را معمولا در چهار دستۀ «اسمی»، «ترتیبی»، «فاصله‌ای» و «نسبتی» قرار می‌دهند که هر‌کدام ویژگی‌های خاصی دارد. اگر قصد دارید که یک پژوهش کمّی انجام دهید، با داده‌های اسمی امکان انجام آن را نخواهید داشت و بهتر است داده‌ها را در سطح فاصله‌ای جمع‌آوری یا انتخاب کنید. هر‌کدام از انواع سطوح سنجش، عملیات آماری مختص خود را می‌طلبد و برای مثال، انحراف معیار و میانگین، برای داده‌های فاصله‌ای، معنا دارد. با آگاهی از سطح سنجش، امکان تعیین یک استراتژی جمع‌آوری «داده»ی مناسب، پیش‌از تحقیق، فراهم می‌شود و بدون داشتن درکی صحیح از آن، انجام پژوهش بسیار دشوار خواهد شد.

منابع برای مطالعه بیشتر

A Quick Guide to Quantitative Research in the Social Sciences

Kaplan, D. (2004). The SAGE Handbook of Quantitative Methodology for the Social Sciences. In SAGE Publications, Inc. eBooks. https://doi.org/10.4135/9781412986311

1. Data Collection ↩︎
2. Independent Variable ↩︎
3. Cause ↩︎
4. Predictor ↩︎
5. Dependent ↩︎
6. Nominal ↩︎
7. Categorical ↩︎
8. Binary Variable ↩︎
9. Mode ↩︎
10. Ordinal ↩︎
11. Interval or Ratio ↩︎
12. میانگین هندسی، وزن‌های مقادیری را که توسط معیارهای متفاوت درجه‌بندی شده‌است، در نظر می‌گیرد. ↩︎