الإحصاء التطبيقي, القياس النفسي والتربوي

ثبات التجزئة النصفية: تصحيح سبيرمان-براون مقابل لامبدا غوتمان


تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
مراجعة وتدقيق علمي معتمد تاريخ التدقيق: 16 نوفمبر، 2026
د. مروة عبد العظيم دكتوراه في علم النفس
عضو هيئة التدريس • جامعة كربلاء
معايير التدقيق والاعتماد السريري

يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).

يُمثّل ثبات أدوات القياس النفسي والتربوي ركيزة لا غنى عنها في الحكم على دقة وصلاحية الاستنتاجات العلمية؛ فالمقياس الذي يفتقر إلى الاستقرار والاتساق الداخلي يعجز بالضرورة عن تمثيل السمة المقاسة بدقة، مما يؤدي إلى تراكم الأخطاء القياسية وتشتيت النتائج. وضمن إطار النظرية الكلاسيكية في القياس (Classical Test Theory)، تبلورت منهجية التجزئة النصفية (Split-Half Reliability) بوصفها حلاً عملياً استثنائياً للتغلب على معضلات إعادة التطبيق وتكلفة إعداد النماذج المتكافئة، متيحة للباحثين تقدير ثبات المقياس من خلال تطبيق واحد يتم شطره إلى نصفين متناظرين.

ومع ذلك، أفرزت الممارسة الإحصائية جدلية منهجية عميقة حول كيفية معالجة معامل الارتباط الناتج عن شطر الاختبار؛ إذ يؤدي تقليص حجم المقياس إلى انخفاض جبري في قيمة الارتباط بين النصفين، مما استوجب تطوير معادلات تصحيحية تعيد تقدير ثبات الاختبار الكامل. برز في هذا المضمار مدخلان رئيسيان شكلا عصب القياس السيكومتري: صيغة تصحيح سبيرمان-براون (Spearman-Brown Prophecy Formula) القائمة على افتراضات التكافؤ الصارم والتوازي التام، وسلسلة معاملات غوتمان للحدود الدنيا (Guttman’s Lambda)، لا سيما المعامل الرابع ($\lambda_4$) الذي ينطلق من فلسفة أكثر تحرراً من الشروط الصارمة مع التركيز على تباينات الأجزاء.

على الرغم من إدراج هذين المؤشرين جنباً إلى جنب في مخرجات أشهر البرمجيات الإحصائية كبرنامج الحزمة الإحصائية للعلوم الاجتماعية (SPSS) وبيئة البرمجة الإحصائية (R)، إلا أن كثيراً من البحوث التطبيقية تقع في فخ التبادل العشوائي بينهما دون إدراك الفروق الرياضية والمفاهيمية الدقيقة الحاكمة لكل صيغة. يهدف هذا المقال الموسّع إلى تفكيك الأسس النظرية لكلا النموذجين، واستعراض اشتقاقاتهما الرياضية وشروطهما السيكومترية، وتقديم دليل مقارن مفصل يساعد الباحث ومطور المقاييس على اتخاذ قرارات قياسية واعية تحافظ على متانة القياس وتمنع الوقوع في التقدير المفرط أو التقليل الزائف للثبات.

1. مقدمة: مفهوم ثبات التجزئة النصفية ودواعي المقارنة القياسية

1.1 ماهية ثبات الاتساق الداخلي وآلية التجزئة النصفية

يُعرَّف ثبات الاتساق الداخلي (Internal Consistency Reliability) في إطار النظرية الكلاسيكية للقياس بأنه درجة تجانس بنود أداة القياس وترابطها في قياس ذات البعد النفسي أو السلوكي أو التحصيلي المستهدف. وتستند هذه النظرية إلى الفرضية الأساسية القائلة بأن الدرجة الملاحظة ($X$) تتكون من شقين مستقلين: الدرجة الحقيقية ($T$) وخطأ القياس العشوائي ($E$)، وفق الصيغة الرياضية الخطية:

$$X = T + E$$

حيث يُفترض أن متوسط الأخطاء العشوائية عبر التطبيقات اللانهائية يساوي صفراً، وأن ارتباط الخطأ بالدرجة الحقيقية منعدم، كما ينعدم ارتباط الأخطاء العشوائية بين البنود المختلفة. ومن هنا، يُعرَّف معامل الثبات نظرياً بأنه نسبة تباين الدرجة الحقيقية ($\sigma_T^2$) إلى إجمالي تباين الدرجة الملاحظة ($\sigma_X^2$).

تتبلور فلسفة أسلوب التجزئة النصفية كحل إمبريقي بالغ الأهمية؛ فبدلاً من تطبيق الاختبار على عينة الأفراد مرتين متتاليتين وما يكتنف ذلك من مهددات للصدق مثل أثر التدريب والممارسة (Practice Effect)، أو الإجهاد والملل (Fatigue Effect)، أو التغير النمائي في السمة المقاسة، يُطبق الاختبار لمرة واحدة فقط. بعد جمع الاستجابات، يتم شطر بنود الاختبار إلى نصفين متناظرين (Sub-tests)، يُرمز لهما بالرمزين $A$ و $B$، بحيث يُمثل كل شطر درجات مستقلة للمستجيبين.

تكمن المعضلة الإحصائية الأساسية في هذه الآلية في أن حساب معامل ارتباط بيرسون الخطي البسيط بين درجات النصفين ($r_{AB}$) لا يعكس ثبات الاختبار الكلي بصورته الكاملة، بل يمثل ثبات نصف الاختبار فقط. وانطلاقاً من القانون السيكومتري الثابت الذي يقضي بأن ثبات أي مقياس يرتبط طردياً بطوله وعدد بنوده—شريطة تمتع البنود المضافة بذات الخصائص السيكومترية وجودة القياس—فإن شطر الاختبار يؤدي حتماً إلى تقليل التباين الحقيقي المرتبط بالسمة بمعدل يتجاوز التخفيض الحاصل في تباين الأخطاء العشوائية، مما يترتب عليه انخفاض منهجي ملحوظ في قيمة معامل الارتباط، مستدعياً ضرورة التدخل الإحصائي لتعديل هذا الرقم ليعكس واقع الاختبار الكامل.

1.2 التطور التاريخي لطرق التصحيح: سبيرمان-براون ونماذج غوتمان

تعود الجذور التاريخية لحل هذه الإشكالية القياسية إلى مطلع القرن العشرين، وتحديداً عام 1910، حين نشر كل من عالم النفس الإحصائي الإنجليزي تشارلز سبيرمان (Charles Spearman) والباحث ويليام براون (William Brown) ورقتين بحثيتين مستقلتين توصلتا إلى الصيغة الرياضية ذاتها المعروفة اليوم بـ “صيغة نبوءة سبيرمان-براون” (Spearman-Brown Prophecy Formula). جاءت هذه المعادلة لتجيب عن تساؤل جوهري: كيف سيتغير معامل ثبات اختبار ما إذا تم تعديل طوله بمقدار $k$ من المرات؟ وعند تطبيق هذه الصيغة على معضلة التجزئة النصفية، فإن مضاعفة طول النصف ($k = 2$) أعطت الرياضيين وسيلة لتقدير ثبات المقياس بكامل بنوده عبر معامل ارتباط نصفيه. ومع ذلك، ارتكز هذا النموذج على افتراض بنيوي حاسم هو التوازي التام (Parallel Tests) بين النصفين، متطلباً تساوي تباينات الشطرين وتطابق متوسطات درجاتهما الحقيقية.

في منتصف الأربعينيات من القرن العشرين، وجّه عالم الاجتماع والإحصائي لويس غوتمان (Louis Guttman) انتقادات جذرية للافتراضات المقيدة التي تبنتها صيغة سبيرمان-براون. رأى غوتمان في ورقته التاريخية المنشورة عام 1945 في مجلة Psychometrika أن شروط التوازي الصارم تكاد تكون مستحيلة التحقق عملياً في حقل القياس النفسي والتربوي؛ نظراً لاختلاف مستويات صعوبة الفقرات، وتفاوت معاملات تمييزها، وتباين خصائص استجابة الأفراد. ومن ثم، دشّن غوتمان منهجاً بديلاً قام على فكرة “الحدود الدنيا للثبات” (Lower Bounds to Reliability)، حيث اشتق ستة معاملات رياضية متمايزة عُرفت بسلسلة غوتمان لامبدا (Guttman’s $\lambda_1$ to $\lambda_6$).

خصّص غوتمان المعامل الرابع ($\lambda_4$) لمعالجة التجزئة النصفية، مقدماً صياغة جبرية تعتمد على نسبة مجموع تباينات النصفين إلى تباين الدرجة الكلية للاختبار، متحرراً بصورة شبه تامة من متطلب تساوي تباينات النصفين. مثّل هذا الإنجاز تحولاً نموذجياً (Paradigm Shift) في القياس النفسي، إذ نقل الاهتمام من محاولة محاكاة توازي لا وجود له في الواقع إلى البحث عن أقصى تقدير حذر وأدنى حد رياضي يضمن للباحث ألا يقل ثبات أداته الحقيقي عنه، مع استيعاب التباينات الطبيعية بين بنود وأشطار المقاييس السلوكية.

1.3 مسوغات المقارنة وأسباب الخلط الشائع في البحوث التطبيقية

تتجلى أهمية المقارنة المعمقة بين هذين النموذجين عند إلقاء نظرة على الممارسات الميدانية الشائعة في الأطروحات الجامعية والدراسات المنشورة في العلوم الاجتماعية والإنسانية؛ إذ تدرج حزم البرمجيات الإحصائية الشهيرة، مثل SPSS عبر إجراء (Analyze -> Scale -> Reliability Analysis)، كلاً من معامل سبيرمان-براون بنصفيه المتساويين وغير المتساويين ومعامل غوتمان في جدول مخرجات واحد. ونتيجة للتدريب الإحصائي السطحي أحياناً، يميل باحثون كثر إلى التعامل مع هذه الأرقام كخيارات تبادلية مترادفة، فيعمد بعضهم إلى اختيار الرقم الأكبر حجماً لإثبات جودة مقياسه دون الالتفات إلى ما إذا كانت بياناته قد استوفت الشروط السيكومترية الصارمة لتوليد ذلك الرقم.

إن الاعتقاد الخاطئ بإمكانية استخدام تصحيح سبيرمان-براون بصورة مطلقة ينطوي على مخاطر منهجية بالغة؛ ففي حالة عدم تكافؤ تباين نصفي الاختبار—وهي الحالة الأعم في المقاييس المتدرجة ومقاييس ليكرت والاستبانات غير المعيارية—يؤدي استخدام سبيرمان-براون إلى تضخيم زائف ومضلل (Spurious Inflation) لمعامل الثبات، ما يعطي الباحث شعوراً زائفاً بدقة الأداة على حساب الخطأ المعياري في القياس. وعلى النقيض من ذلك، فإن استخدام معاملات غوتمان دون فهم أسلوب الشطر المتبع قد يقود إلى بخس قيمة الثبات وتقديره دون حقيقته، مما قد يدفع الباحثين إلى التخلص غير المبرر من بنود صالحة ومهمة.

من هنا، تنبع الحاجة الماسة إلى بلورة فهم نقدي ومقارن صارم بين تصحيح سبيرمان-براون ومنظومة غوتمان لامبدا؛ لضمان تطابق الأداة الإحصائية المختارة مع الخصائص التوزيعية والتباينية لبيانات الاختبار الفعلي، بما يحقق التوازن المنشود بين الواقعية الإمبيريقية والدقة السيكومترية.

2. تصحيح سبيرمان-براون (Spearman-Brown Correction): الأسس النظرية والتطبيقية

2.1 الصياغة الرياضية والاشتقاق الإحصائي للنموذج

تنبثق صيغة سبيرمان-براون من معادلة التنبؤ الخطية الكلاسيكية التي تُقدّر أثر تغيير طول الاختبار بمعامل مضاعفة مقداره ($k$)، حيث يمثل $k$ النسبة بين الطول الجديد للاختبار إلى طوله الأصلي ($k = N_{\text{new}} / N_{\text{old}}$). وتأخذ المعادلة العامة للتنبؤ بالثبات ($\rho_{kk’}$) الشكل الرياضي الآتي:

$$\rho_{kk’} = \frac{k \cdot \rho_{xx’}}{1 + (k – 1) \cdot \rho_{xx’}}$$

حيث تمثل $\rho_{xx’}$ معامل ثبات الاختبار في صورته الأصلية. وعند إسقاط هذه المعادلة العامة على سياق التجزئة النصفية، فإن الاختبار الكلي يُنظر إليه بوصفه مضاعفة لواحد من شطريه؛ أي أن طول الاختبار الكلي يمثل ضعفي طول النصف الواحد، مما يجعل قيمة $k = 2$. وبإحلال معامل الارتباط بين الشطرين المتناظرين ($r_{AB}$) محل معامل الثبات الأصلي، تتحول المعادلة إلى صيغتها الأشهر للتجزئة النصفية المتساوية (Equal-length Spearman-Brown formula):

$$r_{sb} = \frac{2 \cdot r_{AB}}{1 + r_{AB}}$$

يتضح من هذا التركيب الجبري المباشر أن المعامل المصحح يعتمد اعتماداً كلياً وحصرياً على معامل ارتباط بيرسون ($r_{AB}$) بين النصفين $A$ و $B$. فإذا كان الارتباط بين النصفين، على سبيل المثال، يساوي $0.60$، فإن تطبيق الصيغة يعطي:

$$r_{sb} = \frac{2 \cdot (0.60)}{1 + 0.60} = \frac{1.20}{1.60} = 0.75$$

إلا أن هذا الشكل المبسط يفترض بداهة أن الشطرين متساويان تماماً في عدد البنود ($N_A = N_B$). فإذا احتوى مقياس على عدد فردي من البنود (كأن يضم 25 بنداً)، فإن التجزئة ستفضي حتماً إلى نصفين غير متساويين (12 بنداً مقابل 13 بنداً). ولمعالجة هذا المأزق العددي، طُوّرت صيغة سبيرمان-براون للنصفين غير المتساويين (Unequal-length Spearman-Brown)، وتُعرف أحياناً بصيغة هورست (Horst’s Modification)، وتُصاغ رياضياً على النحو التالي:

$$r_{sb(\text{unequal})} = \frac{2 \cdot r_{AB} \cdot \sqrt{\frac{N_A \cdot N_B}{(N/2)^2}}}{1 + r_{AB} \cdot \left(\sqrt{\frac{N_A \cdot N_B}{(N/2)^2}} – 1\right)}$$

تضمن هذه المعالجة عدم الإخلال الحسابي بوزن كل نصف داخل المعادلة الكلية، غير أنها تظل محكومة بذات الفلسفة الارتباطية لسبيرمان-براون.

2.2 الافتراضات الإحصائية وشروط التكافؤ التام (Tau-Equivalence)

لا يُعد تصحيح سبيرمان-براون مجرد حيلة حسابية، بل هو نموذج رياضي مشروط بجملة من الفروض السيكومترية المعقدة المنبثقة من نموذج “الاختبارات المتوازية كلاسيكياً” (Strictly Classical Parallel Tests). لكي تكون قيمة الثبات المستخرجة من هذه الصيغة غير متحيزة رياضياً، يجب أن يستوفي الشطران الشروط التالية:

  • تساوي الدرجات الحقيقية: أن تكون الدرجة الحقيقية للمستجيب على النصف الأول مساوية تماماً لدرجته الحقيقية على النصف الثاني ($T_A = T_B$). وهذا ما يُعرف بافتراض التكافؤ التام (Tau-Equivalence).
  • تجانس تباينات الأخطاء وتساوي تباينات الشطرين الملاحظة: يُشترط تماثل تباين الأخطاء العشوائية للشطرين ($\sigma_{E_A}^2 = \sigma_{E_B}^2$)، وهو ما يؤدي بالضرورة الرياضية إلى تساوي التباين الملاحظ للنصفين ($\sigma_A^2 = \sigma_B^2$).
  • استقلالية الأخطاء القياسية: انعدام أي ارتباط بين أخطاء القياس للنصف $A$ وأخطاء القياس للنصف $B$ ($\text{Cov}(E_A, E_B) = 0$).
  • تطابق متوسطات الدرجات: أن يكون متوسط درجات النصف الأول عبر مجتمع المستجيبين مساوياً لمتوسط درجات النصف الثاني ($\mu_A = \mu_B$).

إن خرق شرط تجانس التباين ($\sigma_A^2 \neq \sigma_B^2$)، وهو الخرق الأكثر حدوثاً في القياس السلوكي، يُبطل الاشتقاق الجبري لمعادلة التنبؤ؛ ذلك أن معامل ارتباط بيرسون يقيس الارتباط النسبي بغض النظر عن تشتت الدرجات، في حين أن التباين الكلي للاختبار يتأثر مباشرة بالفروق في التشتت بين الشطرين وفق القانون:

$$\sigma_X^2 = \sigma_A^2 + \sigma_B^2 + 2 \cdot \text{Cov}(A, B)$$

فعندما يتباين النصفان في تشتتهما، تفقد معادلة سبيرمان-براون اتساقها الرياضي، وتنتج تقديراً يبتعد عن المعامل الحقيقي للثبات بمقدار يزداد كلما اتسعت الفجوة بين تبايني الشطرين.

2.3 مجالات القوة والمزايا المنهجية

على الرغم من صرامة افتراضاته، يتمتع تصحيح سبيرمان-براون بمزايا فريدة رسخت مكانته كأحد الأعمدة الكلاسيكية في السيكومترك:

أولاً، يمتلك النموذج قدرة تنبؤية استشرافية لا تضاهيها معاملات الاتساق الداخلي الأخرى؛ إذ لا يقتصر دوره على تصحيح التجزئة النصفية، بل يتيح لمطور الاختبار نمذجة سيناريوهات مستقبلية دقيقة. فيمكن للباحث أن يحدد بدقة متناهية كم بنداً إضافياً يحتاج إلى بنائه للوصول بثبات المقياس من $0.70$ إلى $0.90$، أو العكس: ما هو أثر حذف ثلث بنود المقياس لتقليل زمن التطبيق على استقرار الدرجة؟ هذه الخاصية تجعل صيغة سبيرمان-براون أداة تخطيط هندسي للاختبارات النفسية والتحصيلية الموحدة.

ثانياً، البساطة الحسابية والأناقة الرياضية؛ إذ يتطلب النموذج معلومة واحدة فقط مشتقة من بيانات النصفين هي معامل ارتباط بيرسون ($r_{AB}$)، مما يجعله سهل الحساب حتى دون الحاجة لبرمجيات متقدمة، ويسهل تفسيره منطقياً لدى مختلف الباحثين والممارسين التربويين.

ثالثاً، المعيارية العالية والتوافق الأدبي الواسع؛ فقد أُجريت آلاف الدراسات السيكومترية منذ عام 1910 وحتى اليوم بالاعتماد على هذا النموذج، مما يتيح للباحثين المعاصرين مقارنة ثبات أدواتهم المطورة مع مقاييس تاريخية وعالمية معيارية استندت إلى النموذج ذاته في بيئات قياس موحدة تتطابق فيها تباينات الأشطار بفضل المعايرة التجريبية الدقيقة للفقرات.

2.4 القيود المنهجية ونقاط الضعف

في المقابل، يواجه تصحيح سبيرمان-براون مآخذ إحصائية جوهرية قوضت موثوقيته في كثير من التطبيقات السيكومترية المعاصرة:

أولى هذه المآخذ وأخطرها هي الحساسية المفرطة لاختلال التكافؤ التام والتباين؛ فإذا كان الاختبار يتألف من بنود غير متجانسة في الصعوبة أو التمييز، وترتب على التجزئة أن كان تباين أحد النصفين أكبر بكثير من الآخر، فإن تصحيح سبيرمان-براون يُنتج تقديراً مضخماً بشكل مصطنع (Positively Biased/Inflated) لمعامل الثبات، ما يقود إلى قبول مقاييس ضعيفة استناداً إلى ثبات وهمي.

وثانيها عدم ملاءمته للمقاييس متعددة الأبعاد (Multidimensional Scales)؛ حيث تفترض نظرية القياس الكلاسيكية أحادية البعد (Unidimensionality) لكي يكون للارتباط بين النصفين معنى قياسي محدد. فإذا تضمن الاختبار أبعاداً فرعية مستقلة، وشُطر المقياس دون عزل تلك الأبعاد، فإن معامل ارتباط الشطرين سيهوي بصورة حادة لا تعكس ضعفاً في البنود بل تعكس تعددية السمة، مما يجعل تقدير سبيرمان-براون مضللاً ومشوهاً لطبيعة الأداة.

وثالثها، مشكلة اعتماده المطلق على طريقة الشطر (Arbitrary Partitioning Effect)؛ فالاختبار المكون من $2k$ من البنود يمكن تجزئته إلى نصفين بعدد هائل من التوليفات الرياضية الممكنة، وفق التوافيق الرياضية:

$$\frac{(2k)!}{2 \cdot (k!)^2}$$

فمثلاً، اختبار مكون من 10 بنود يتيح 126 تجزئة نصفية مختلفة، واختبار من 20 بنداً يتيح 92,378 تجزئة محتملة. وكل طريقة تجزئة (كالشطر الفردي-الزوجي، أو النصف الأول مقابل النصف الثاني) ستنتج قيمة مختلفة لمعامل ارتباط بيرسون، وبالتالي قيمة مختلفة تماماً لمعامل سبيرمان-براون، مما يجعل قيمة الثبات رهينة صدفة اختيار طريقة الشطر المتبعة من قِبل المحلل الإحصائي.

3. معاملات غوتمان لامبدا (Guttman’s Lambda): منظومة الحدود الدنيا للثبات

3.1 الإطار المفاهيمي لسلسلة غوتمان (λ1 إلى λ6)

انطلق لويس غوتمان في صياغته لمنظومة معاملاته من فرضية إبستمولوجية صارمة مفادها أن الباحث الإمبيريقي، في ظل غياب المعرفة الكاملة بالدرجات الحقيقية للأفراد وتوزيعات الأخطاء التامة، لا يستطيع حساب معامل الثبات الفعلي المطلق بصورة يقينية؛ وإنما غاية ما يمكن للرياضيات السيكومترية تقديمه هو اشتقاق حد أدنى رياضي رصين (Lower Bound) يضمن الباحث إحصائياً أن الثبات الحقيقي للمقياس يساوي تلك القيمة أو يفوقها بالضرورة:

$$\text{Reliability} ge \lambda_i$$

وضمن هذا المنظور الشامل، بنى غوتمان (1945) سلسلة متكاملة من ستة معاملات رياضية متدرجة، لكل منها وظيفة سيكومترية ومنطق اشتقاقي خاص:

  • معامل لامبدا 1 ($\lambda_1$): أبسط الحدود الدنيا، ويمثل الأساس الرياضي الأولي الذي يُطرح منه نسب التباينات المنفردة للبنود من التباين الكلي، ونادراً ما يُستخدم منفرداً لكونه تقديراً شديد التحفظ (Underestimate).
  • معامل لامبدا 2 ($\lambda_2$): يُمثل تطويراً لـ $\lambda_1$ عبر إضافة حد يعتمد على متوسط التباينات المشتركة (Covariances) المتبادلة بين جميع أزواج البنود، ويتميز بأنه يقدم تقديراً أفضل وأعلى دقة للثبات من معامل ألفا عندما لا تتساوى تشبعات البنود.
  • معامل لامبدا 3 ($\lambda_3$): وهو المعامل الذي يتطابق تماماً من الناحية الجبرية مع صيغة معامل ألفا كرونباخ المشهورة:
    $$\lambda_3 = \frac{n}{n-1} \cdot \lambda_1 = \alpha$$
    حيث $n$ هو عدد بنود المقياس.
  • معامل لامبدا 4 ($\lambda_4$): وهو المعامل المحوري المخصص والمصمم حصرياً لحساب ثبات التجزئة النصفية، والذي يُعد جوهر مقارنتنا الحالية.
  • معامل لامبدا 5 ($\lambda_5$): يُستخدم عندما يحتوي المقياس على بنود ذات تباين مشترك مهيمن ومركزي مع سائر البنود مقارنة بارتباط البنود فيما بينها، مما يجعله ملائماً لحالات الارتباطات غير المتجانسة.
  • معامل لامبدا 6 ($\lambda_6$): يُعرف بمعامل الارتباط المتعدد، حيث يعتمد على نسبة التباين المفسر في كل بند عبر انحداره الخطي المتعدد على بقية بنود المقياس، وهو مؤشر بالغ القوة في الاختبارات الطويلة التي تتمتع بنسب تشبع عالية.

3.2 الاشتقاق الرياضي لمعامل غوتمان للتجزئة النصفية (Lambda-4)

يتميز معامل غوتمان للتجزئة النصفية ($\lambda_4$) ببنائه الجبري المستقل كلياً عن معامل ارتباط بيرسون؛ فهو ينطلق مباشرة من مصفوفة التباين والتباين المشترك (Variance-Covariance Matrix) للاختبار ونصفيه. إذا قسمنا الاختبار الكلي $X$ إلى شطرين $A$ و $B$، فإن التباين الكلي للاختبار هو حاصل جمع تباين النصفين مضافاً إليه ضعف التباين المشترك بينهما:

$$\sigma_X^2 = \sigma_A^2 + \sigma_B^2 + 2 \cdot \text{Cov}(A, B)$$

وقد اشتق غوتمان صيغة $\lambda_4$ لتعبر عن نسبة التباين المشترك المتبادل بين الشطرين كدالة في التباين الكلي، وتأخذ المعادلة الصيغة القياسية الآتية:

$$\lambda_4 = 2 \cdot \left(1 – \frac{\sigma_A^2 + \sigma_B^2}{\sigma_X^2}\right)$$

ويمكن إعادة صياغة المعادلة جبرياً لإبراز اعتمادها المباشر على التباين المشترك على النحو الآتي:

$$\lambda_4 = \frac{4 \cdot \text{Cov}(A, B)}{\sigma_X^2}$$

تتجلى العبقرية الرياضية في هذا الاشتقاق في أن المعادلة تأخذ في اعتبارها تلقائياً حجم تباين كل نصف على حدة ($\sigma_A^2$ و $\sigma_B^2$) وتناسبهما مع التباين الكلي ($\sigma_X^2$). إنها لا تفترض أن النصفين متساويان في الوزن أو التشتت، بل تقيس مقدار مساهمة البنية المشتركة بين الشطرين في تكوين الدرجة الكلية؛ فإذا انعدم التباين المشترك بين النصفين تماماً ($\text{Cov}(A,B) = 0$)، فإن مجموع تباين النصفين سيعادل تساوياً تاماً التباين الكلي ($\sigma_X^2 = \sigma_A^2 + \sigma_B^2$)، وتكون نتيجة المعامل صفراً. وكلما تعاظم التباين المشترك وتراجعت نسبة تباينات الأخطاء المنفردة، اقترب المعامل من الواحد الصحيح.

3.3 المرونة المنهجية وتجاوز قيود التكافؤ

تكمن القوة الجوهرية لمعامل غوتمان $\lambda_4$ في تحرره الرياضي من فروض التوازي الكلاسيكية وشروط التكافؤ التام؛ فهو لا يشترط على الإطلاق أن تتساوى تباينات نصفي الاختبار ($\sigma_A^2 = \sigma_B^2$). وهذا يمنحه متانة سيكومترية استثنائية عند التعامل مع بيانات العالم الواقعي، والتي نادراً ما تفي بشروط التماثل الرياضي المثالي.

يتيح هذا التحرر لمعامل $\lambda_4$ التعامل بكفاءة عالية مع السيناريوهات الآتية:

1. المقاييس المتدرجة في الصعوبة: كاختبارات القدرات المعرفية والذكاء التي تبدأ بفقرات شديدة السهولة وتنتهي بفقرات معقدة؛ حيث يؤدي شطر الاختبار بالطرق المعتادة إلى توليد نصف أول منخفض التباين ونصف ثانٍ عالي التباين. وفي هذا الموقف، يستوعب $\lambda_4$ هذا الاختلاف بصورة دقيقة دون تشويه لمعامل الثبات.

2. المقاييس ذات الفقرات متفاوتة التمييز: في استبانات الشخصية والاتجاهات التي تتضمن فقرات قوية الارتباط بالسمة وأخرى ذات ارتباط متوسط أو ضعيف، مما يجعل تشتت الدرجات غير متناظر بين الشطرين.

3. النماذج شبه التكافؤية (Congeneric Models): وهي النماذج التي تقيس فيها الفقرات نفس السمة العامة ولكن بأوزان انحدارية وتشبعات عاملية متباينة ووحدات قياس مختلفة، حيث يُعد معامل غوتمان بديلاً رصيناً يتجاوز عيوب النماذج البارامترية المتشددة.

3.4 التحديات الإحصائية وحسابات التجزئة القصوى

على الرغم من القوة المنهجية لمعامل غوتمان $\lambda_4$، إلا أنه يفرض تحدياً إحصائياً بالغ التعقيد يرتبط بطبيعة تعريف “الحد الأدنى الأقصى” (Greatest Lower Bound). أثبت غوتمان في نظريته أن قيمة $\lambda_4$ تتغير تبعاً لطريقة شطر بنود الاختبار؛ ومن ثم، فإن أدق تقدير ممكن للثبات الحقيقي للمقياس لا يتأتى من شطر عشوائي مفرد للاختبار، بل من خلال حساب معامل $\lambda_4$ لكافة التجزئات النصفية الممكنة للاختبار واختيار القيمة العظمى بينها (Maximum Split-Half Lambda-4):

$$\lambda_{4(\text{\max})} = \max_{\text{all splits}} \left[ 2 \cdot \left(1 – \frac{\sigma_{A_j}^2 + \sigma_{B_j}^2}{\sigma_X^2}\right) \right]$$

يمثل هذا المفهوم الرياضي عبئاً حسابياً هائلاً؛ فإذا كان الاختبار يتألف من 30 أو 40 بنداً، يصبح عدد التجزئات الممكنة فلكياً بمليارات التوليفات، مما يستحيل معه حسابها يدوياً أو حتى عبر برمجيات تقليدية كـ SPSS الذي يكتفي بحساب $\lambda_4$ لتجزئة واحدة محددة سلفاً (غالباً ما تكون شطر النصف الأول في مقابل النصف الثاني). وإذا كانت تلك التجزئة المختارة اعتباطياً ضعيفة التناظر، فإن قيمة $\lambda_4$ الناتجة ستكون تقديراً شديد الانخفاض يُجحف الثبات الفعلي للمقياس.

علاوة على ذلك، يبرز قصور معرفي شائع بين المشتغلين بالبحوث التطبيقية حول التفريق بين معاملات غوتمان الستة؛ فكثير من الباحثين لا يدركون أن القيمة التي يفرزها البرنامج الإحصائي تحت مسمى “Guttman Split-Half” هي المعامل الرابع تحديداً، ويخلطون بينه وبين المعامل الثاني أو الثالث، مما يعيق توظيف الإمكانات التحليلية للمنظومة على الوجه الأمثل.

4. الفروق الجوهرية بين تصحيح سبيرمان-براون ومعاملات غوتمان لامبدا

لإجلاء الفروق المفصلية بين المنهجين السيكومتريين، يلخص الجدول المقارن الآتي أبعاد التباين الجوهري بين صيغة سبيرمان-براون ومعامل غوتمان للتجزئة النصفية ($\lambda_4$):

وجه المقارنة تصحيح سبيرمان-براون (Spearman-Brown) معامل غوتمان لامبدا-4 (Guttman’s $\lambda_4$)
الأساس الفلسفي للتقدير تقدير نقطي تنبؤي استشرافي (Point Prediction) لما يجب أن يكون عليه ثبات الاختبار الكلي. حد أدنى رياضي آمن ومتحفظ (Lower Bound) يضمن ألا يقل ثبات المقياس الفعلي عنه.
النموذج السيكومتري المفترض نموذج الاختبارات المتوازية كلاسيكياً (Strict Parallel Tests Model). نموذج القياس المتجانس أو الشبه تكافئي (Tau-Equivalent or Congeneric Model).
شرط تساوي تباين النصفين صارم جداً وإلزامي؛ تباين الشطر الأول يجب أن يكافئ تباين الشطر الثاني ($\sigma_A^2 = \sigma_B^2$). غير مشروط على الإطلاق؛ يتعامل بمرونة تامة مع اختلاف تباين الشطرين ($\sigma_A^2 \neq \sigma_B^2$).
النواة الرياضية للحساب يعتمد كلياً على معامل ارتباط بيرسون الخطي ($r_{AB}$) بين درجات الشطرين. يعتمد على مصفوفة التباين والتباين المشترك ($\sigma_A^2, \sigma_B^2, \text{Cov}(A,B), \sigma_X^2$).
أثر خرق افتراض التوازي تضخيم زائف ومضلل لقيمة معامل الثبات الناتج عن التحليل. يظل تقديراً رياضياً متيناً ومحافظاً يمثل حداً أدنى غير قابل للشك.
التعامل مع الأطوال غير المتساوية يتطلب صياغة خاصة ومعقدة (صيغة هورست) لاستيعاب الفروق في أعداد البنود. تستوعب الصياغة الرياضية التباينات الناتجة عن عدم تساوي البنود بطريقة طبيعية.
الحساسية للقيم المتطرفة أكثر حساسية لتأثير القيم المتطرفة على معامل ارتباط بيرسون للشطرين. أكثر متانة في مواجهة القيم المتطرفة لكونه يتأسس على التباينات الكلية والمشتركة.
الحساب البرمجي الأمثل يُحسب مباشرة من أي تجزئة فردية محددة للاختبار. يتطلب أمثلية برمجية تفحص كافة التجزئات الممكنة للوصول للقيمة العظمى ($\lambda_{4\text{\max}}$).

4.1 التباين في الافتراضات الإحصائية وشروط التوازي

يرتكز التباين المفاهيمي الأول بين الأسلوبين على طبيعة القيود الرياضية التي يفرضها كل نموذج على بنية البيانات المستخلصة؛ فتصحيح سبيرمان-براون ينحدر سلالياً من متطلبات التوازي الكلاسيكي الصارم التي تلزم الباحث بأن يكون الشطران نسختين متطابقتين جينياً في القياس: ذات التباين، وذات المتوسط الحقيقي، وذات توزيع أخطاء القياس. في المقابل، يرفض نموذج غوتمان هذه المثالية الإحصائية المصطنعة؛ إذ يفترض غوتمان أن البنود السيكومترية الواقعية تصاحبها تقلبات في الأداء ومستويات متباينة من التباين النوعي.

يترتب على هذا التباين أثر مباشر على الخطأ المعياري للقياس (Standard Error of Measurement – SEM). فعند خرق افتراض التوازي وتطبيق سبيرمان-براون، يتسع التباين بين التقدير النظري والخطأ الفعلي، مما يقود إلى حساب خطأ معياري غير حقيقي يقل عن الواقع، وهو ما ينعكس سلباً على فترات الثقة (Confidence Intervals) المحددة حول درجات المستجيبين؛ فتظهر درجاتهم وكأنها محددة بدقة خارقة للواقع القياسي. أما غوتمان لامبدا، فعبر تقديره المتحفظ للثبات، يوفر تقديراً أكثر اتساقاً للخطأ المعياري يحمي متخذي القرارات التربوية والإكلينيكية من الثقة المفرطة في درجات قد يكتنفها تذبذب حقيقي.

4.2 الآلية الرياضية: معامل الارتباط مقابل نسب التباين

تتجسد الفروق الفنية في كيفية معالجة الأرقام الخام؛ فصيغة سبيرمان-براون تلخص علاقة الشطرين بالكامل في مؤشر إحصائي واحد هو معامل ارتباط بيرسون ($r_{AB}$). ومن المعلوم في نظرية الإحصاء الرياضي أن معامل بيرسون مقياس “معياري” بحكم تعريفه؛ أي أنه يُقسّم التباين المشترك على حاصل ضرب الانحرافين المعياريين للشطرين:

$$r_{AB} = \frac{\text{Cov}(A, B)}{\sigma_A \cdot \sigma_B}$$

هذا التقسيم يُعقم الارتباط من الفروق في مقياس التشتت بين الشطرين؛ فإذا حصل تباين ضخم في الشطر $B$ مقارنة بالشطر $A$ لكون أسئلته تتطلب قدرات عليا فجرت تباين العينة، فإن معامل بيرسون سيظل يقيس العلاقة الترتيبية الخطية، متجاهلاً هذا اللاتناظر. وحين تُضخ هذه القيمة في صيغة سبيرمان-براون، تكتسب دلالة تفترض ضمناً أن كلا الشطرين يتمتعان بنفس مقدار التباين الأصلي.

في المقابل الجذري، يتجاهل غوتمان معامل الارتباط المعياري وينفذ مباشرة إلى المقادير المطلقة للتباينات؛ فمعادلته:

$$\lambda_4 = 2 \cdot \left(1 – \frac{\sigma_A^2 + \sigma_B^2}{\sigma_X^2}\right)$$

تعتمد على المقارنة المباشرة بين مقدارين فيزيائيين للبيانات: مجموع تشتت الشطرين منفردين، ومقدار التشتت الكلي الذي يولدانه معاً. إن احتساب التباينات بصورتها غير المعيارية يمنح غوتمان مناعة كاملة ضد تشوهات التباين اللامتكافئ، ويجعل حسابه ينبثق من البنية التشتتية الحقيقية للاختبار دون وساطة تحويلية قد تلغي الفروق التباينية المهمة.

4.3 التعامل مع تفاوت أطوال نصفي الاختبار والبنود الفردية

تطفو إشكالية تطبيقية كبرى عند التعامل مع المقاييس التي تتألف من عدد فردي من الفقرات، مثل المقاييس ذات الـ 15 أو 21 أو 35 بنداً. في هذه الحالة، يتحتم أن يضم أحد الشطرين بنوداً تزيد بواحد عن الشطر الآخر. في إطار سبيرمان-براون الكلاسيكي، يتعطل النموذج القياسي المبسط؛ لأن مضاعفة أحد النصفين بمقدار ($k=2$) لن يفضي رياضياً إلى طول الاختبار الكلي، مما يضطر الباحث إلى استدعاء صيغة هورست التصحيحية المعدلة، وهي صيغة تتضمن معاملات ترجيحية تعتمد على الجذور التربيعية لنسب الأطوال كما أسلفنا، وهو ما يضيف طبقة أخرى من التعقيد الرياضي والتحيزات الكامنة.

على النقيض من ذلك، فإن التركيب البنائي لمعامل غوتمان يستوعب بطبيعته التفاوت الطفيف في عدد البنود؛ فالتباين الكلي للاختبار $\sigma_X^2$ هو محصلة جمع درجات النصفين بغض النظر عما إذا كان أحدهما يضم 10 بنود والآخر يضم 11 بنداً. كما أن مجموع تبايني الشطرين ($\sigma_A^2 + \sigma_B^2$) سيظل يحتفظ بخصائصه الجبرية التي تضمن أن تظل النتيجة ممثلة للحد الأدنى الموثوق للثبات دون الحاجة لمعاملات تعديل قسرية، مما يجعل منظومة غوتمان أكثر مرونة وأيسر اندماجاً مع التصميمات الاختبارية الفردية البنود.

4.4 طبيعة التقدير: التقدير التنبئي المصحح مقابل الحد الأدنى للثبات

يصل الخلاف بين المنهجين إلى قمته الفلسفية في مفهوم “ما الذي يمثله الرقم النهائي في يد الباحث؟”. إن الرقم المستخرج من معادلة سبيرمان-براون هو تقدير تنبؤي شرطي (Hypothetical Conditional Estimate)؛ فهو يقول للباحث: “لو كان لديك اختبار متكامل يتألف من نصفين متوازيين تماماً في كافة شروطهما السيكومترية، فإن معامل ثبات هذا الاختبار الكلي سيكون كذا”. إنها محاكاة رياضية لواقع مفترض قد لا ينطبق على الواقع الإمبيريقي لأداة الباحث.

أما الرقم المستخرج من معامل غوتمان لامبدا، فهو يمثل حقيقة رياضية برهانية قطعية للحد الأدنى (Empirical Lower Bound Guarantee)؛ إنه لا يقدم وعوداً تنبؤية مشروطة بالمثالية، بل يقرر بصورة قاطعة: “استناداً إلى التباين الفعلي المستخلص من عينة دراستك، فإن ثبات اختبارك الحقيقي يستحيل جبرياً أن يقل عن هذا الرقم”. ومن هنا يبرز الفارق الدقيق بين “الثبات المأمول أو المتوقع” في سبيرمان-براون و”الثبات المضمون في حده الأدنى” لدى غوتمان. وتكتسب هذه التفرقة خطورة بالغة في الاختبارات الفاصلة (High-stakes Testing)؛ كاقتناص وظائف حيوية أو التشخيص الإكلينيكي للأمراض النفسية؛ حيث يُفضل الاعتماد على الحد الأدنى المضمون تحسباً لقرارات مصيرية قد تتأثر بتضخيم التقدير التنبؤي.

5. أوجه التشابه والتقاطع بين المنهجين القياسيين

5.1 وحدة الهدف السيكومتري وقياس الاتساق الداخلي

على الرغم من التمايزات الرياضية والفلسفية العميقة بين النموذجين، إلا أنهما يشتركان في جوهر الغاية السيكومترية؛ فكلاهما صُمم لحل المعضلة الكلاسيكية الكبرى: كيف نقيس استقرار وموثوقية أداة القياس عبر جلسة تطبيق اختبارية واحدة؟

يسعى النموذجان بالتساوي إلى عزل تباين الخطأ القياسي العائد إلى العوامل الزمنية وتذبذب استجابات الأفراد عبر الأيام؛ فمن خلال التطبيق المفرد، يتم تحييد العوامل الخارجية كتقلبات المزاج الفردي، والظروف البيئية للغرفة الاختبارية، والتبدلات الفسيولوجية للمفحوصين بين جلسات التطبيق المختلفة.

كذلك، يُستخدم كلا المؤشرين لنفس الغرض التقويمي؛ ألا وهو التحقق من اتساق البنود فيما بينها لتمثيل السمة المقاسة، وتوفير مؤشرات ثبات تُقارن بالمعايير العالمية المتعارف عليها (مثل تجاوز عتبة $0.70$ للبحوث الاستكشافية وعتبة $0.80$ أو $0.90$ للقرارات التشخيصية والتربوية الرسمية). كلاهما يمثل محاولة أصيلة لترجمة مبادئ الاتساق الداخلي إلى أرقام كمية تدعم صدق البناء للأداة ككل.

5.2 الاعتماد المتبادل على استراتيجيات تقسيم المقياس

يلتقي المنهجان في التحدي الميداني الأكبر لثبات التجزئة النصفية؛ وهو الارتهان الحاسم لطريقة شطر بنود الاختبار. ففي كلتا الحالتين، تتغير القيمة الحسابية النهائية بتغير الكيفية التي قُسم بها المقياس. وتبرز في الممارسة الميدانية ثلاث استراتيجيات رئيسية للشطر تؤثر في النموذجين بذات الاتجاه العام:

  • التجزئة الفردية-الزوجية (Odd-Even Split): حيث تُجمع البنود ذات الأرقام الفردية في شطر، والزوجية في شطر آخر. وتتميز هذه الطريقة بموازنة أثر الإجهاد والتعلم عبر مسار الاختبار، وغالباً ما تنتج أعلى ارتباط بين الشطرين وأفضل تقارب بين سبيرمان-براون وغوتمان.
  • تجزئة النصف الأول مقابل النصف الثاني (First-Half vs. Second-Half Split): حيث تُوضع البنود من $1$ إلى $k$ في الشطر الأول، ومن $k+1$ إلى $2k$ في الشطر الثاني. وغالباً ما تفجر هذه الطريقة مشكلات التباين واختلال التوازي بسبب أثر الإجهاد أو تدرج الصعوبة في النصف الأخير.
  • التجزئة العشوائية المتوازنة (Balanced Random Split): توزيع البنود عشوائياً مع مراعاة موازنة متوسطات الصعوبة ومحتوى الأبعاد الفرعية بناءً على جدول مواصفات مسبق.

وثمة حقيقة رياضية حاسمة تبرهن على التقائهما الهيكلي: عندما يتحقق التوازي الصارم وتتساوى تباينات النصفين تساوياً تاماً ومطلقاً ($\sigma_A^2 = \sigma_B^2$)، تتطابق قيمة تصحيح سبيرمان-براون رياضياً مع قيمة معامل غوتمان $\lambda_4$ بصورة تامة ولا يختلفان في كسر عشري واحد. فالبرهان الجبري يوضح أنه في حالة تساوي التباين، فإن صيغة غوتمان:

$$\lambda_4 = 2 \cdot \left(1 – \frac{2\sigma_A^2}{\sigma_X^2}\right)$$

تتحول بالتعويض عن التباين الكلي بدلالة الارتباط والتباين إلى ذات التركيب الكسري لصيغة سبيرمان-براون:

$$\frac{2 \cdot r_{AB}}{1 + r_{AB}}$$

وهذا يثبت أنهما وجهان لعملة سيكومترية واحدة لا يفترقان إلا بافتراق تباين الشطرين في الواقع الميداني.

5.3 التأثر المشترك بطول المقياس وخصائص العينة

يخضع كلا المعاملين لقوانين النظرية الكلاسيكية الصارمة المنظمة لحجم المقياس وتركيبة العينة:

أولاً، طول المقياس: ترتفع قيمة كل من تصحيح سبيرمان-براون ومعامل غوتمان تلقائياً كلما زاد عدد بنود الاختبار، شريطة أن تكون البنود المضافة ذات خصائص قياسية مكافئة للبنود السابقة وليست بنوداً مشتتة أو حاملة لأخطاء قياسية ضخمة. هذا الارتفاع ليس ميزة لأحدهما دون الآخر، بل هو قانون احتمالي ناتج عن تلاشي الأخطاء العشوائية غير المترابطة بالتراكم الجمعي، في حين تتضاعف الدرجة الحقيقية بمعدل أسرع.

ثانياً، تباين العينة وتجانسها (Sample Heterogeneity): يرتفع كلا المعاملين ارتفاعاً كبيراً ومباشراً إذا طُبق الاختبار على عينة شديدة التباين في السمة المقاسة، وينخفضان انخفاضاً حاداً إذا طُبقا على عينة متجانسة جداً (Restriction of Range). إن هذا التغير لا ينبع من كفاءة الأداة ذاتها، بل من طبيعة حساب التباينات والارتباطات الإحصائية في العينات المحدودة، مما يفرض على الباحث الحذر التام عند المقارنة بين معاملات الثبات المستخرجة من عينات غير متطابقة التباين.

6. معايير الاختيار: متى يُطبق سبيرمان-براون ومتى تُفضل معاملات غوتمان؟

6.1 سياقات تفضيل تصحيح سبيرمان-براون

يُمثل تصحيح سبيرمان-براون الخيار السيكومتري الأنسب والأعلى كفاءة في سياقات تجريبية وتطبيقية محددة بدقة:

1. توفر بنية اختبارية متوازية تجريبياً: عندما يُبنى المقياس وفق جدول مواصفات تفصيلي دقيق يُقسم الاختبار إلى مجموعات ثنائية متزاوجة ومصممة هندسياً لتتطابق في المحتوى، ومعاملات التمييز، ومستويات الصعوبة؛ مما يترتب عليه استيفاء النصفين لشرط تجانس التباين واختبار التكافؤ التام.

2. التحقق الإحصائي من تجانس تباين الشطرين: قبل اتخاذ القرار، يجب على الباحث إجراء اختبار دلالة إحصائية للفروق بين تباين النصفين (مثل اختبار ليفين Levene’s Test لتجانس التباينات، أو اختبار نسبة التباين $F$-test للعينات المترابطة). فإذا أظهرت النتيجة عدم وجود فروق دالة إحصائياً بين تباين النصف $A$ وتباين النصف $B$ ($p > 0.05$)، فإن استخدام صيغة سبيرمان-براون يكون مبرراً تماماً ومفضلاً لقوتها المعيارية.

3. أغراض المحاكاة والتطوير الاختباري: عندما يكون الهدف المنهجي ليس مجرد تقرير ثبات أداة مكتملة، بل الرغبة في التخطيط الرياضي لتعديل الأداة عبر نمذجة سيناريوهات استطالة أو تقصير الاختبار؛ إذ يمتلك سبيرمان-براون الصيغة الحسابية الفريدة القادرة على التنبؤ بجدوى إضافة أو حذف أعداد معينة من الفقرات.

6.2 سياقات تفضيل معاملات غوتمان (خاصة λ4)

في المقابل، تفرض المنهجية العلمية والنزاهة الإحصائية اللجوء الحتمي إلى منظومة معاملات غوتمان، وتحديداً المعامل الرابع ($\lambda_4$)، في الحالات والظروف الآتية:

1. ثبوت اختلال تجانس التباين بين الشطرين: إذا أسفر الفحص الأولي عن وجود فجوة دالة إحصائياً بين تبايني النصفين ($\sigma_A^2 \neq \sigma_B^2$)؛ حيث يصبح استخدام سبيرمان-براون في هذا الموقف خطأً منهجياً يورث تضخيماً غير أمين للثبات، ويغدو معامل غوتمان هو الملاذ السيكومتري الوحيد الذي يقدم تقديراً متماسكاً وموثوقاً.

2. الاختبارات ذات البنود المتدرجة حركياً أو زمنياً: كاختبارات السرعة الإنجازية (Speeded Tests)، واختبارات قياس الكفاءة اللغوية أو الرياضية التراكمية، ومقاييس الأداء الأقصى (Maximum Performance)؛ حيث تتسم الفقرات الأخيرة بارتفاع معدلات التخمين أو ترك الإجابة، مما يفجر تباين النصف الثاني مقارنة بالنصف الأول.

3. المقاييس النفسية ومقاييس الشخصية ذات النماذج غير المتوازية: معظم مقاييس الاتجاهات والسمات الوجدانية المبنية وفق سلم ليكرت تعجز عن توفير بنود متطابقة التباين الحقيقي، مما يجعل نموذج النماذج المتجانسة بنيوياً (Congeneric) هو السائد، وهو النموذج الذي يتطابق تماماً مع فلسفة غوتمان للحدود الدنيا.

4. الاختبارات المصيرية الحساسة: في مواقف القياس التي يترتب عليها اتخاذ قرارات حاسمة تؤثر في مسار الأفراد (مثل القبول الجامعي التنافسي أو تشخيص الاضطرابات النفسية الحادة)؛ حيث يفرض التحفظ العلمي تقديم أدنى تقدير مضمون للثبات بدلاً من الاعتماد على تقدير تنبؤي قد يبالغ في دقة الأداة.

6.3 التطبيق العملي والبرمجي عبر الحزم الإحصائية (SPSS وR)

تختلف طريقة حساب وقراءة المعاملين بين أشهر بيئتين إحصائيتين يعتمد عليهما الباحثون المعاصرون:

أولاً: برنامج SPSS:
يتم استخراج المؤشرين باتباع المسار المعتاد:

Analyze -> Scale -> Reliability Analysis

يحدد الباحث جميع فقرات المقياس وينقلها إلى قائمة المتغيرات، ثم يختار من القائمة المنسدلة للنموذج خيار Split-Half. في مخرجات التحليل، يُولد البرنامج جدولاً تفصيلياً معنوناً بـ (Reliability Statistics) يشتمل على:

  • معامل ارتباط النصفين (Correlation Between Forms).
  • معامل سبيرمان-براون للنصفين المتساويين (Equal-length Spearman-Brown Coefficient).
  • معامل سبيرمان-براون للنصفين غير المتساويين (Unequal-length Spearman-Brown Coefficient) إذا كان عدد البنود فردياً.
  • معامل غوتمان للتجزئة النصفية (Guttman Split-Half Coefficient) وهو تحديداً ($\lambda_4$).

يجب الانتباه بدقة إلى أن SPSS يقسم البنود برمجياً بصورة افتراضية إلى نصف أول ونصف ثانٍ بناءً على ترتيب إدراج المتغيرات في الصندوق؛ فإذا كانت البنود مدخلة بترتيبها التسلسلي (من 1 إلى 20)، فإن النصف الأول يضم البنود من 1 إلى 10، والثاني من 11 إلى 20. ولتطبيق التجزئة الفردية-الزوجية في SPSS، يجب على الباحث يدوياً إعادة ترتيب المتغيرات في الصندوق لتكون الفقرات الفردية متتابعة أولاً تليها الزوجية، أو استخدام أوامر الشفرة (Syntax) المخصصة لذلك.

ثانياً: بيئة البرمجة الإحصائية (R):
توفر بيئة R مرونة وإمكانات متقدمة تفوق بكثير قيود برمجية SPSS، وتحديداً عبر الحزمة السيكومترية الشهيرة psych التي طورها ويليام ريفيل (William Revelle). تتضمن هذه الحزمة الدالة الخارقة splitHalf()، والتي تنفذ المهمة التي دعا إليها لويس غوتمان نظرياً عبر فحص مئات الآلاف من التجزئات الممكنة في ثوانٍ معدودة.

عند تمرير مصفوفة البيانات للدالة:

results <- psych::splitHalf(myData)

فإن المخرجات لا تعطي تجزئة واحدة اعتباطية، بل تقدم تقريراً شاملاً يتضمن:

  • أقصى تجزئة ممكنة لمعامل غوتمان ($\text{\max } \lambda_4$).
  • أدنى تجزئة ممكنة لمعامل غوتمان ($\text{\min } \lambda_4$).
  • متوسط كافة معاملات التجزئة النصفية الممكنة، والذي يبرهن ريفيل على أنه يتقارب حسابياً مع معامل ألفا كرونباخ.
  • توزيع التجزئات النصفية بيانياً وإحصائياً.

التوثيق الأكاديمي السليم وفق متطلبات جمعية علم النفس الأمريكية (APA 7th):
عند صياغة تقرير الثبات في منهجية البحث، يجب تجنب العبارات العامة المبهمة مثل: "وقد تم حساب ثبات التجزئة النصفية للمقياس وبلغ 0.84". الصياغة الأكاديمية الرصينة تتطلب الشفافية الكاملة بذكر طريقة التجزئة، وتجانس التباينات، والمعامل المعتمد ومسوغاته؛ ومثال ذلك:

"وللتحقق من الاتساق الداخلي للمقياس المكون من 20 بنداً، استُخدم أسلوب التجزئة النصفية الفردية-الزوجية. أظهر اختبار نسبة التباينات وجود عدم تجانس دال بين تبايني النصفين ($F = 2.41, p = 0.012$)، مما استوجب الاعتماد على معامل غوتمان للتجزئة النصفية ($\lambda_4$) بدلاً من تصحيح سبيرمان-براون لتفادي التضخيم الزائف للثبات؛ حيث بلغ معامل غوتمان المحسوب ($\lambda_4 = 0.82$)، في حين سجل معامل سبيرمان-براون قيمة مضخمة بلغت ($0.87$). وبناءً على الحد الأدنى المضمون لغوتمان، يتمتع المقياس بمستوى رصين من الاتساق الداخلي يتيح استخدامه للأغراض البحثية المعتمدة."

7. الأسئلة الشائعة حول ثبات التجزئة النصفية

7.1 هل تعطي معادلة سبيرمان-براون دائماً قيمة أعلى من معامل غوتمان؟

تعتمد الإجابة على هذه المسألة على الوضع التبايني لنصفي الاختبار في العينة الفعلية؛ فالقاعدة الرياضية الجبرية القطعية تنص على أن قيمة تصحيح سبيرمان-براون تكون دائماً مساوية لقيمة معامل غوتمان $\lambda_4$ أو أعلى منها، ولا يمكن رياضياً أن تقل عنها في نفس التجزئة:

$$r_{sb} ge \lambda_4$$

تتحقق المساواة الصارمة التامة ($r_{sb} = \lambda_4$) في حالة وحيدة ونادرة؛ وهي عندما يتساوى تباين النصف الأول مع تباين النصف الثاني تساوياً مطلقاً ($\sigma_A^2 = \sigma_B^2$). وفي كل مرة ينشأ فيها أي فارق—مهما دق—بين تبايني الشطرين، فإن معادلة سبيرمان-براون تفرز فوراً رقماً يفوق معامل غوتمان؛ وهذا الفائض في القيمة ليس دليلاً على ثبات إضافي في المقياس، بل هو تمثيل مباشر لمقدار الخطأ والتحيز الإحصائي الإيجابي (Positive Bias) الناتج عن خرق شرط تجانس التباينات. ومن ثم، فإن تجاوز سبيرمان-براون لقيمة غوتمان يجب أن يُقرأ سيكومترياً بحذر بوصفه إنذاراً بوجود خلل في توازي الشطرين.

7.2 كيف تؤثر طريقة شطر الاختبار على مصداقية كلا المعاملين؟

يُمثل أسلوب تجزئة البنود المتغير الحرج الذي يحدد اتجاه ومصداقية المعاملين معاً؛ فتقسيم الاختبار بطريقة "النصف الأول مقابل النصف الثاني" غالباً ما يكون أسوأ الخيارات الإحصائية في اختبارات القدرات والاختبارات الطويلة عموماً. يُعزى ذلك إلى أن استجابات المستجيبين في النصف الثاني من الاختبار تخضع لتأثيرات تشتت التركيز، وتزايد الإجهاد الفسيولوجي والذهني، وضيق الوقت المتاح؛ مما يُولد تبايناً مصطنعاً في الشطر الثاني يختلف كلياً عن استجاباتهم المنعشة في النصف الأول، فينهار التوازي وتتسع الفجوة بين سبيرمان-براون وغوتمان.

في المقابل، تُعد طريقة الشطر "الفردي-الزوجي" (Odd-Even Split) أكثر الأساليب موثوقية وتوازناً؛ لأنها تضمن توزيع البنود المتأثرة بالإجهاد أو الزمن بالتساوي على كلا النصفين، مما يحافظ على تقارب تبايناتهما ويقلل الفجوة الناتجة عن أخطاء الترتيب. غير أن هذه الطريقة قد تصبح مضللة إذا كان الاختبار مبنياً على فقرات عنقودية (Testlets)؛ كأن تتبع كل أربعة بنود نصاً قرائياً معيناً. وفي هذه الحالة، فإن الشطر الفردي الزوجي يوزع بنود النص الواحد بين الشطرين، مما يخلق تلازماً وارتباطاً متبادلاً للأخطاء القياسية يضخم كلا المعاملين بشكل زائف، ويكون الإجراء الأصح حينها هو الشطر العنقودي المتوازن للمجموعات القرائية ككتل كلية.

7.3 ما هو موضع معامل غوتمان λ4 مقارنة بمعامل ألفا كرونباخ؟

تربط هذين المعاملين علاقة رياضية وثيقة كشفها غوتمان نفسه في تنظيره لسلسلة اللامبدا. من الناحية الجبرية الصارمة، يُعد معامل ألفا كرونباخ متطابقاً تطابقاً تاماً مع معامل غوتمان الثالث ($\lambda_3 = \alpha$).

وقد أثبت علماء القياس (وعلى رأسهم غوتمان عام 1945، ثم ريفيل وزينبارغ في دراساتهما التحليلية) أنه عند استخراج القيمة العظمى لمعامل التجزئة النصفية لغوتمان عبر فحص كافة التجزئات الممكنة ($\lambda_{4\text{\max}}$)، فإن معامل $\lambda_4$ يكون دائماً أكبر من أو مساوياً لمعامل ألفا كرونباخ:

$$\lambda_{4(\text{\max})} ge \alpha$$

يرجع السبب في هذا التفوق إلى أن معامل ألفا يفترض التكافؤ التام بين جميع البنود المنفردة (Essential Tau-Equivalence across all items)، وهو افتراض يتعرض لانتهاكات واسعة عند تعدد أبعاد المقاييس أو تفاوت تشبعات الفقرات، مما يجعل معامل ألفا ينحدر ليصبح تقديراً مفرطاً في التحفظ (Substantial Underestimate). أما معامل غوتمان $\lambda_4$ عبر التجزئة المثلى، فيسمح بتجميع البنود في نصفين يمتلكان أقصى تباين مشترك ممكن، مما يحرر القياس من قيود البنود الفردية الهشة ويوفر حداً أدنى فائق الدقة يتفوق على ألفا في تمثيل الثبات الحقيقي.

7.4 ما هو الإجراء المنهجي الأمثل عند اختلاف عدد فقرات الاختبار بين النصفين؟

عندما يضم الاختبار عدداً فردياً من الفقرات، يُوصى باتباع مصفوفة الإجراءات المنهجية المتدرجة الآتية:

أولاً، في مرحلة المعالجة المباشرة بالبرمجيات المتاحة، يُعد الاعتماد على معامل غوتمان للحدود الدنيا ($\lambda_4$) الخيار الأمثل والأنقى رياضياً؛ نظراً لقدرة معادلته التباينية على استيعاب فروق الطول الطفيفة دون حاجة لحيل تعديلية خارجية، أو تطبيق صيغة هورست المعدلة لسبيرمان-براون للأطوال غير المتكافئة المدرجة تلقائياً في حزمة SPSS.

ثانياً، من منظور تصميم المقاييس المتقدم، يُستحسن تجنب الوقوع في هذا المأزق منذ البداية أثناء مرحلة بناء جدول المواصفات عبر اعتماد عدد زوجي من البنود لكل بعد نفسي فرعي.

ثالثاً، إذا كانت الأداة قيد التطوير والتقنين، يمكن للباحث فحص مصفوفة تمييز البنود وحذف البند الأضعف قياسياً أو البند الحامل لأكبر تباين خطأ من خلال التحليل العاملي التوكيدي، مما يعيد المقياس إلى عدده الزوجي دون التضحية بكفاءة القياس السيكومتري.

8. الخاتمة: رؤية تكاملية لتقدير ثبات التجزئة النصفية في القياس النفسي

8.1 خلاصة المقارنة بين الصرامة النظرية والواقعية الإحصائية

كشفت فصول هذه المقارنة المعمقة عن تمايز جذري بين نمطين من التفكير في تاريخ القياس السيكومتري: نمط يمثله تصحيح سبيرمان-براون، ينزع نحو الصرامة الرياضية والتنبؤ الاستشرافي المشروط بعالم مثالي من الاختبارات المتوازية كلاسيكياً ذات التباينات المتطابقة تماماً؛ ونمط آخر دشنه لويس غوتمان، ينزع نحو الواقعية الإمبيريقية والتحوط الرياضي الصارم عبر منظومة الحدود الدنيا التي تعترف بالتنوع واللاتناظر الطبيعي بين البنود والأشطار.

إن الفارق بين الرقمين اللذين تقذفهما الحزم الإحصائية ليس تبايناً شكلياً أو تفصيلاً حسابياً هامشياً، بل هو انعكاس لمدى مطابقة بنية بيانات الباحث للافتراضات التي تأسس عليها كل معامل. فبينما يظل تصحيح سبيرمان-براون النموذج الأرقى لمحاكاة تمديد الاختبارات المتكافئة وضبط النماذج المعيارية الصارمة، يُشكل معامل غوتمان $\lambda_4$ الصمام الإحصائي الآمن والدرع الواقي من تضخيم الثبات الزائف في معظم المقاييس السلوكية والتربوية المعاصرة.

8.2 توصيات منهجية وموجهات للباحثين والمطورين السيكومتريين

بناءً على هذا التحليل القياسي الشامل، يخلص المقال إلى صياغة حزمة من التوجيهات العملية والموجهات المنهجية التي يجدر بكل باحث ومطور سيكومتري الالتزام بها:

  1. إلزامية الفحص القبلي لتجانس التباينات: لا يجوز للباحث بأي حال القفز لاختيار معامل الثبات النصفي قبل إجراء فحص دلالة إحصائية صارم لتجانس تبايني الشطرين؛ فتساوي التباينات هو جواز المرور الشرعي الوحيد لاستخدام تصحيح سبيرمان-براون، وانتفاؤه يفرض التحول التلقائي لمعامل غوتمان.
  2. التخلي عن الممارسات الروتينية والانتقائية: يجب الإقلاع تماماً عن عادة اختيار المعامل الأكبر قيمة في جدول مخرجات البرمجيات بهدف تزيين نتائج الأداة، والتحلي بالأمانة الأكاديمية عبر تبرير الخيار الإحصائي وفق المؤشرات الرياضية لخصائص البيانات.
  3. الشفافية في تقارير القياس النفسي والتربوي: يوصى بالإبلاغ المزدوج عن كلا المعاملين في التقارير والأطروحات العلمية مع توضيح طريقة الشطر المتبعة ومسوغاتها؛ مما يتيح للمجتمع العلمي رؤية الصورة التقديرية الكاملة ما بين الحد الأدنى المضمون (غوتمان) والتقدير التنبؤي المصحح (سبيرمان-براون).
  4. الانفتاح على برمجيات النمذجة الحديثة: يُشجع الباحثون على تجاوز قيود التجزئة الثابتة لبرنامج SPSS، واستثمار قدرات بيئة البرمجة R (خاصة دالة splitHalf في حزمة psych)؛ للوصول إلى التقدير الأمثل لـ $\lambda_{4\text{\max}}$ الذي يقدم أصدق تمثيل لحد الثبات الأدنى.
  5. الدمج مع النظريات القياسية المعاصرة: يجب ألا يُنظر إلى ثبات التجزئة النصفية الكلاسيكي كغاية معزولة، بل يجدر بالباحثين دمجه ضمن رؤية متكاملة تتضمن مؤشرات الاتساق العاملي (مثل أوميغا ماكدونالد $\omega$) والانتقال الواعي نحو نظرية الاستجابة للمفردة (Item Response Theory - IRT)؛ حيث يتحول مفهوم الثبات من رقم كلي أحادي للمقياس إلى "دالة معلومات الاختبار" (Test Information Function) التي تحدد دقة القياس عند كل مستوى من مستويات السمة الكامنة لدى المفحوصين بدقة رياضية متناهية.

المراجع

  • American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association.
  • Brown, W. (1910). Some experimental results in the correlation of mental abilities. British Journal of Psychology, 3(3), 296–322.
  • Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
  • Guttman, L. (1945). A basis for analyzing test-retest reliability. Psychometrika, 10(4), 255–282. https://doi.org/10.1007/BF02288892
  • Horst, P. (1951). Estimating coefficient of reliability for unequal groups. Journal of Educational Psychology, 42(6), 363–368.
  • Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. Addison-Wesley.
  • Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
  • Revelle, W. (2023). psych: Procedures for psychological, psychometric, and personality research (R package version 2.3.6). Northwestern University. https://CRAN.R-project.org/package=psych
  • Spearman, C. (1910). Correlation calculated from faulty data. British Journal of Psychology, 3(3), 271–295.

تقييم هذا المحتوى

كن أول من يقيّم هذا المحتوى

عن الكاتب: Mohammed looti

أكاديمي وباحث متخصص في علم النفس التربوي، وعضو هيئة التدريس في جامعة كربلاء. يحمل درجة الدكتوراه في تخصصه، وتتمحور اهتماماته البحثية حول علم النفس الإيجابي، وتطوير المقاييس النفسية، والتنظيم الانفعالي المعرفي. يتميز الدكتور لوتي بطرحه البحثي المعاصر؛ حيث يركز على دراسة التأثيرات النفسية للتكنولوجيا الحديثة والذكاء الاصطناعي على الصحة العقلية وتكوين الهوية لدى الشباب. كما تمتد إسهاماته العلمية لتشمل دراسة ديناميكيات التواصل الأسري ودورها في بناء الكفاءة الذاتية والمهارات القيادية، بالإضافة إلى أبحاثه حول برامج "اليقظة العقلية" والتعافي النفسي، مما يجعله من الباحثين الفاعلين في إثراء ميدان علم النفس التربوي والتطبيقي.

اقتباس هذا المقال

looti, M. (2026, نوفمبر 16). ثبات التجزئة النصفية: تصحيح سبيرمان-براون مقابل لامبدا غوتمان. عرب سايكلوجي. https://arabpsychology.com/comparisons/split-half-reliability-spearman-brown-vs-guttman-lambda/
looti, Mohammed. “ثبات التجزئة النصفية: تصحيح سبيرمان-براون مقابل لامبدا غوتمان.” عرب سايكلوجي, 16 نوفمبر 2026, https://arabpsychology.com/comparisons/split-half-reliability-spearman-brown-vs-guttman-lambda/.
looti, Mohammed. “ثبات التجزئة النصفية: تصحيح سبيرمان-براون مقابل لامبدا غوتمان.” عرب سايكلوجي. نوفمبر 16, 2026. https://arabpsychology.com/comparisons/split-half-reliability-spearman-brown-vs-guttman-lambda/.