معامل التوافق: المفهوم الإحصائي وتطبيقاته السيكومترية في علم النفس

يُمثّل معامل التوافق (Kendall’s Coefficient of Concordance)، والذي يُرمز له اختصاراً بالرمز W، أحد أبرز الأساليب الإحصائية اللابارامترية المستخدمة لتقييم درجة الاتفاق أو الانسجام بين مجموعة من المحكّمين أو المقيّمين إزاء ترتيب عدد من المفحوصين أو الظواهر النفسية والسلوكية. ويكتسب هذا المعامل أهمية استثنائية في حقول القياس النفسي (Psychometrics)، حيث تقتضي الضرورة المنهجية التحقق من ثبات التقديرات الذاتية والملاحظات الإكلينيكية عبر فاحصين متعددين لضمان الموضوعية العلمية. إن الفهم المعمّق لآليات حساب هذا المعامل وتفسيره يُعد ركيزة أساسية لأي باحث يسعى إلى تأصيل أدوات قياس دقيقة وخالية من التحيّز الفردي.

المفهوم النظري لمعامل التوافق لكندال

يُعرّف معامل التوافق لكندال بأنه مقياس إحصائي لابارامتري (Non-parametric) يقيس مدى التوافق أو التطابق في الرتب التي يمنحها عدد m من المحكّمين المستقلين لمجموعة مؤلفة من n من الموضوعات أو البدائل أو الأفراد المقيمين. ينبثق هذا المفهوم من نظرية الرتب الإحصائية التي طورها الإحصائي البريطاني موريس كندال (Maurice Kendall)، كاستجابة علمية للحاجة الماسة إلى تعميم مقاييس الارتباط القائمة على الرتب—مثل معامل ارتباط سبيرمان—لتشمل أكثر من مقيّمين اثنين في آنٍ واحد.

يتراوح المدى النظري لمعامل التوافق W حصراً بين الصفر والواحد الصحيح (0 ≤ W ≤ 1)، وتلك خاصية رياضية فريدة تميزه عن معاملات الارتباط الثنائية الأخرى. فالقيمة صفر (0) تعبر عن الغياب التام لأي نمط من التوافق بين تقديرات المحكّمين، مما يعني أن توزيع الرتب يعكس عشوائية مطلقة لا يمكن تمييزها عن التوزيع الاحتمالي الصرف. وعلى الطرف النقيض، تمثل القيمة واحد (1) حالة الإجماع الكامل والتطابق التام، حيث يتفق كافة المحكّمين دون استثناء على الترتيب الرتبي ذاته لجميع المفردات المقاسة.

من الناحية المعرفية والسيكومترية، لا يهدف معامل التوافق إلى قياس دقة التقييمات في ذاتها أو مطابقتها لحقيقة موضوعية مطلقة، بل يركز بدقة على درجة التجانس الداخلي للبنية الرتبية بين أعضاء لجنة التحكيم. وبذلك، يُعتبر المعامل مؤشراً قوياً على ثبات التوافق بين المقيمين (Inter-rater Reliability)، حيث يفترض النموذج أن المقيمين يمتلكون معايير معيارية مشتركة يطبقونها بمستويات متسقة على العينة المقيّمة، مما يتيح للباحثين استبعاد فرضية التشتت العشوائي للتقديرات.

وعلاوة على ذلك، يرتبط معامل التوافق ارتباطاً وثيقاً بالوسط الحسابي لمعاملات ارتباط الرتب لسبيرمان المحسوبة بين كل زوج محتمل من المحكّمين. هذه العلاقة الرياضية المتأصلة تمنح معامل كندال بعداً تأويلياً إضافياً، إذ يوضح أن ارتفاع قيمة W يعكس بالضرورة أن متوسط الارتباطات الثنائية بين المقيمين مرتفع للغاية، مما يعزز الثقة في الإجراءات التشخيصية والأدوات السيكومترية قيد التقنين والتطبيق الميداني.

السياق التاريخي وتطور المقياس في القياس النفسي

نشأت الحاجة إلى صياغة معامل التوافق خلال أواخر ثلاثينيات القرن العشرين، وهي حقبة شهدت ازدهاراً ملحوظاً في تأسيس النظرية الكلاسيكية للاختبار (Classical Test Theory). كان الباحثون في علوم النفس والتربية يواجهون مأزقاً منهجياً واضحاً عند محاولة تقدير الثبات لمقاييس لا تعتمد على الدرجات الفترية، بل على الترتيب التفضيلي أو الأحكام النوعية المستندة إلى الملاحظة الإكلينيكية المباشرة، حيث كانت الأدوات الإحصائية البارامترية قاصرة عن تلبية متطلبات هذا النوع من البيانات الترتيبية.

في عام 1939، نشر موريس كندال ورقته البحثية التأسيسية التي طرح فيها معادلة التوافق الرتبي لعدة محكّمين، مستكملاً بذلك عمله الرائد حول معامل ارتباط الرتب الثنائي (Kendall’s Tau). سرعان ما تلقف علماء القياس النفسي هذا الابتكار الرياضي، حيث رأوا فيه حلاً عبقرياً لمشكلات تقييم لجان التحكيم في المسابقات الأكاديمية والمهنية، وتقييم السمات الشخصية التي يصعب قياسها عددياً بدقة متناهية، مثل القيادة، والإبداع، وشدة الأعراض السيكوباثولوجية.

شهدت العقود التالية، ولا سيما فترتي الخمسينيات والستينيات، دمجاً واسعاً لمعامل كندال في المناهج الإحصائية للعلوم الاجتماعية عبر أعمال سيغل (Sidney Siegel) في كتابه الكلاسيكي حول الإحصاء اللابارامتري. ساهم هذا التأصيل في تحويل المقياس من مجرد صيغة رياضية مجردة إلى أداة سيكومترية لا غنى عنها في فحص صدق المحتوى (Content Validity)، والتحقق من صدق الظاهري (Face Validity) للأدوات النفسية التي تخضع لتقييم الخبراء والمختصين قبل طرحها في الميدان التجريبي.

في العصر الرقمي الحديث، احتفظ معامل التوافق بمكانته المرموقة بالرغم من ظهور نماذج القياس المتقدمة مثل نظرية الاستجابة للمفردة (IRT) ونظرية إمكانية التعميم (Generalizability Theory). بل على العكس، زادت الحاجة إليه في مجالات تقييم الذكاء الاصطناعي ومعالجة اللغات الطبيعية عند مقارنة أحكام النماذج الحاسوبية بأحكام المقيمين البشريين على الاستجابات النفسية والسلوكية، مما يبرهن على مرونة النظرية وأصالتها المستدامة.

الأسس الرياضية والمعادلات الإحصائية لحساب معامل كندال

يقوم الحساب الرياضي لمعامل التوافق W على تحليل تباين مجموع الرتب التي يحصل عليها كل موضوع تم تقييمه عبر جميع المحكّمين. لنفترض أن لدينا k من المقيمين أو المحكّمين (يُرمز لهم أحياناً بالرمز m) يقومون بترتيب N من العناصر أو الأفراد الخاضعين للتقييم من الرتبة 1 إلى الرتبة N، بحيث لا يُسمح بإسقاط أي عنصر من عملية الترتيب المستقلة.

تتمثل الخطوة الإجرائية الأولى في حساب مجموع الرتب المخصصة لكل عنصر خاضع للتقييم، ونرمز لهذا المجموع بالرمز R_i (حيث i يتراوح من 1 إلى N). بعد ذلك، يُحسب الوسط الحسابي لجميع مجاميع الرتب، والذي يُرمز له بالرمز R̄، ويُعبر عنه رياضياً بالمعادلة التالية:

R̄ = [k(N + 1)] / 2

في الخطوة التالية، نقوم باحتساب مجموع مربعات الانحرافات لكل مجموع رتبي عن هذا الوسط العام، وهو المقدار الإحصائي المعروف برمز S (Sum of Squares)، ويُصاغ كالتالي:

S = ∑ (R_i – R̄)²

يمثل المقدار S التباين الفعلي الملاحظ بين مجاميع الرتب. وإذا حدث توافق تام بين جميع المقيمين، فإن الموضوع الأفضل سيحصل على الرتبة 1 من الجميع ليكون مجموعه k، بينما سيحصل الموضوع الأسوأ على الرتبة N من الجميع ليكون مجموعه k × N، مما يجعل قيمة S تصل إلى الحد الأقصى الرياضي الممكن لها، والذي يُعطى بالصيغة: [k²(N³ – N)] / 12.

بناءً على ذلك، يُعرف معامل التوافق لكندال (W) بأنه النسبة بين مجموع مربعات الانحرافات الملاحظة فعلياً (S) والحد الأقصى النظري الممكن لهذا المجموع، وتأخذ المعادلة العامة الشكل التالي:

W = (12 × S) / [k² × (N³ – N)]

توضح هذه البنية الرياضية بصورة جلية لماذا يقتصر مدى المعامل على الفترة [0, 1]. فعندما ينعدم التوافق وتتوزع الرتب عشوائياً، تقترب قيم مجاميع الرتب R_i من الوسط الحسابي R̄، مما يؤدي إلى انخفاض قيمة S واقترابها من الصفر، وبالتالي تصبح قيمة W قريبة جداً من الصفر. أما في حال التوافق التام، فإن S تتطابق تماماً مع المقام الرياضي، فتكون النتيجة مساوية للواحد الصحيح.

معالجة الرتب المقيدة والتعديلات الرياضية المصاحبة

في الممارسات البحثية والعيادية الواقعية، كثيراً ما يواجه المقيمون حالات يتعذر فيها التمييز القاطع بين موضوعين أو مفحوصين في سمة سلوكية معينة، مما يضطرهم إلى إعطاء رتب متعادلة أو ما يُعرف إحصائياً بـ الرتب المقيدة (Tied Ranks). إن إهمال هذه الرتب المتعادلة يؤدي إلى تضخيم غير مبرر لقيمة معامل التوافق، أو تشويه في تقدير التباين الحقيقي، مما يستدعي إدخال معامل تصحيحي على المعادلة الأصلية لضمان دقة الاستدلال السيكومتري.

عندما تحدث رتب مقيدة لدى أحد المحكّمين أو أكثر، يُعطى كل عنصر من العناصر المتعادلة متوسط الرتب التي كانت ستُخصص لها لو تم ترتيبها بالتتابع. على سبيل المثال، إذا تعادل موضوعان على الرتبتين الثالثة والرابعة، يُمنح كل منهما الرتبة 3.5. هذا الإجراء الرياضي يؤدي تلقائياً إلى خفض التباين الكلي الممكن لمجموع الرتب، وهو ما يستوجب حساب عامل تصحيح (T) لكل محكّم يحتوي ترتيبه على تعادلات:

T_j = ∑ (t³ – t) / 12

حيث تمثل t عدد المفردات أو الأفراد المشتركين في رتبة مقيدة معينة لدى المقيم j. وإذا احتوى ترتيب المقيم الواحد على عدة مجموعات من الرتب المتعادلة، يتم جمع قيم التصحيح الناتجة عن كل مجموعة للوصول إلى التصحيح الإجمالي الخاص بذلك المقيم.

بعد حساب عوامل التصحيح لجميع المحكّمين، يتم تعديل مقام معادلة معامل التوافق لكندال من خلال طرح مجموع قيم التصحيح، لتصبح المعادلة المصححة للرتب المقيدة كما يلي:

W = (12 × S) / [k²(N³ – N) – k × ∑ T_j]

يضمن هذا التعديل الدقيق بقاء القيمة القصوى النظرية للمعامل مساوية للواحد الصحيح حتى في وجود تعادلات مكثفة، كما يحمي النتائج من الوقوع في خطأ التفسير المتفائل للثبات الرتبي. ويُعد تطبيق هذه المعادلة المصححة أمراً إلزامياً في البحوث السيكومترية الصارمة، لا سيما في مقاييس التشخيص النفسي حيث تتكرر الدرجات الحدية والتعادلات السلوكية بكثافة عالية بين المراجعين.

اختبار الدلالة الإحصائية وتفسير النتائج

لا يكفي الاعتماد على القيمة الوصفية المحسوبة لمعامل التوافق W للقطع بوجود اتفاق حقيقي، إذ يلزم إخضاع هذه القيمة لاختبار الفرضيات الإحصائية لدحض فرضية العدم (Null Hypothesis) القائلة بأن التقديرات الرتبية الممنوحة من قِبل المحكّمين مستقلة تماماً وموزعة عشوائياً. يعتمد اختيار اختبار الدلالة المناسب على حجم العينة المقيمة (N) وعدد المحكّمين المشاركين (k).

عندما يكون حجم العينة صغيراً (عادةً عندما تكون N ≤ 7)، يتم اللجوء إلى جداول إحصائية خاصة طوّرها كندال وزملاؤه، توفر القيم الحرجة لمجموع مربعات الانحرافات S عند مستويات دلالة محددة (مثل 0.05 و0.01). وإذا تجاوزت القيمة المحسوبة لـ S القيمة الجدولية الحرجة المقابلة لحجم العينة وعدد المحكّمين، يرفض الباحث فرضية العدم ويستنتج وجود توافق دال إحصائياً بين المقيمين يتجاوز حدود الصدفة العشوائية.

أما في الحالات التي يكون فيها حجم العينة أكبر من سبعة (N > 7)، فإن التوزيع الاحتمالي للمقدار الإحصائي يقترب بصورة وثيقة من توزيع مربع كاي (Chi-Square Distribution). وفي هذه الحالة، يتم تحويل معامل التوافق W إلى قيمة تقريبية لمربع كاي باستخدام العلاقة الرياضية التالية:

χ² = k × (N – 1) × W

تتبع هذه القيمة توزيع مربع كاي بدرجات حرية مساوية لـ df = N – 1. فإذا كانت قيمة مربع كاي المحسوبة أكبر من القيمة الجدولية عند مستوى الدلالة المختار (α = 0.05 أو 0.01)، فإننا نرفض فرضية الاستقلالية، ونؤكد أن الاتفاق بين المحكّمين يتمتع بمصداقية إحصائية كافية تبرر الاعتماد على أحكامهم التقييمية في الخطوات البحثية اللاحقة.

تجدر الإشارة إلى أن الدلالة الإحصائية لا تعني بالضرورة وجود اتفاق مرتفع من الناحية التطبيقية، لا سيما في العينات الكبيرة حيث يمكن لقيم منخفضة نسبياً من W (مثل 0.25) أن تكون دالة إحصائياً نظراً لحجم العينة الكبير وقوة الاختبار العالية. لذا، ينبغي على الباحث في علم النفس الجمع بين اختبار الدلالة الإحصائية والحكم الإكلينيكي على حجم الأثر، حيث تُعتبر القيم التي تتجاوز 0.70 مؤشراً على توافق قوي ومرضٍ سيكومترياً في معظم الدراسات التشخيصية.

المقارنة النقدية بين معامل التوافق ومقاييس الاتفاق البديلة

تزخر أدبيات القياس النفسي بمجموعة متنوعة من المقاييس المصممة لتقدير الاتفاق والاتساق بين المقيمين، مما يفرض على الباحث ضرورة التمييز الدقيق بين خصائص كل أسلوب وسياقات تطبيقه المثلى. لفهم التموضع المنهجي لمعامل كندال، يجب مقارنته بأبرز الأدوات الإحصائية المنافسة، مثل معامل كابا لكوهين (Cohen’s Kappa)، ومقياس فليس كابا (Fleiss’ Kappa)، ومعامل الارتباط داخل الفئة (ICC).

• معامل كابا لكوهين (Cohen’s Kappa): يقتصر كابا لكوهين في نسخته الأصلية على دراسة الاتفاق بين مقيّمين اثنين فقط (k = 2) على بيانات اسمية تصنيفية (Nominal). في المقابل، يتفوق معامل كندال W بقدرته الفطرية على استيعاب أي عدد من المقيمين (k ≥ 2) وبتركيزه الحصري على البيانات الترتيبية (Ordinal)، مما يجعله أكثر ملاءمة لمواقف التحكيم الجماعي للرتب التفضيلية.
• معامل فليس كابا (Fleiss’ Kappa): يمثل تعميماً لكابا كوهين ليشمل مقيمين متعددين، إلا أنه مصمم للبيانات الاسمية الصرفة دون الأخذ في الاعتبار المسافات النسبية أو الترتيب المنطقي بين الفئات، بينما يستفيد معامل كندال بالكامل من الخاصية الترتيبية للمتغيرات، مما يحافظ على كمية أكبر من المعلومات المتضمنة في البيانات الأصلية.
• معامل الارتباط داخل الفئة (Intraclass Correlation – ICC): يُعد ICC الخيار البارامتري الأكثر شيوعاً عند التعامل مع بيانات متصلة تتبع التوزيع الطبيعي، وتستند حساباته إلى نموذج تحليل التباين (ANOVA). يتميز معامل كندال عن ICC بأنه لا يتطلب تحقق افتراض التوزيع الطبيعي، وهو منيع ضد تأثير القيم الشاذة والمتطرفة (Robust against Outliers)، مما يجعله بديلاً فائق الأمان عند التعامل مع عينات إكلينيكية صغيرة أو توزيعات ملتوية.
• معامل ارتباط الرتب لسبيرمان (Spearman’s Rho): يمثل سبيرمان الأداة القياسية لحساب الارتباط الرتبي بين زوج من المتغيرات أو المقيمين. غير أن محاولة تعميم سبيرمان لمقيمين متعددين تتطلب حساب مصفوفة الارتباطات الثنائية ثم استخراج متوسطها، وهي عملية رياضية تفتقر إلى اختبار دلالة موحد ومباشر، وهو بالضبط ما يقدمه معامل كندال W كصيغة تركيبية متكاملة وأكثر أناقة إحصائياً.

يوضح هذا التمايز أن معامل التوافق ليس مجرد بديل ثانوي، بل هو الأداة المثلى في المواقف البحثية التي تتضمن بيانات ترتيبية ناتجة عن لجان تحكيم متعددة الأفراد، وحيث لا يمكن ضمان التوزيع الطبيعي للأخطاء القياسية أو التقديرات السلوكية المعطاة.

التطبيقات السيكومترية لمعامل التوافق في بحوث علم النفس

تتعدد وتتنوع التطبيقات الإجرائية لمعامل التوافق لكندال في حقول البحث النفسي والتربوي، مما يجعله ركيزة لا غنى عنها في مختلف مراحل بناء وتقنين المقاييس وتفسير السلوك البشري. يتجلى التطبيق الأول والأكثر شيوعاً في تقييم صدق المحتوى (Content Validity) للاختبارات والمقاييس النفسية قيد التطوير والتطويع الثقافي.

عند بناء أداة جديدة، يقوم الباحث بعرض فقرات المقياس على لجنة مؤلفة من خبراء في التخصص النفسي المعني، مطالباً إياهم بترتيب الفقرات وفقاً لمدى ملاءمتها، وأهميتها، وتمثيلها للمجال السلوكي المقاس. يتيح حساب معامل التوافق لكندال بين هؤلاء الخبراء التأكد الموضوعي من وجود إجماع أكاديمي حول جدوى الفقرات، مما يسوّغ الإبقاء على الفقرات التي نالت اتفاقاً عالياً واستبعاد أو تعديل تلك التي تباينت حولها الآراء التقديرية بشكل عشوائي.

أما في ميدان علم النفس الإكلينيكي والتشخيص النفسي، يبرز المعامل كأداة حيوية للتحقق من ثبات التقديرات السريرية عبر المعالجين والمشخصين. على سبيل المثال، عند فحص مقاطع فيديو لمقابلات إكلينيكية مع مرضى يعانون من اضطرابات معقدة كالفصام أو الاضطرابات الوجدانية، يُطلب من عدة أطباء نفسيين ترتيب المرضى حسب شدة الأعراض السلبية، أو التدهور المعرفي، أو خطر الانتحار. يمنح معامل W الدليل الإحصائي الحاسم على أن الفريق الطبي يعتمد إطاراً مرجعياً موحداً في تصنيف الحالات، مما يقلل من احتمالات الخطأ التشخيصي الفردي.

يمتد تطبيق المعامل كذلك إلى علم النفس الصناعي والتنظيمي (Industrial-Organizational Psychology)، وتحديداً في عمليات تقييم الأداء المهني والمقابلات الوظيفية متعددة المقيمين (Assessment Centers). فخلال جولات تقييم الكفاءات القيادية أو الترقيات الوظيفية، يقوم مجموعة من المديرين والاستشاريين بترتيب المترشحين بناءً على محاكاة لمواقف إدارية معقدة. يضمن تطبيق معامل كندال في هذه السياقات التأكد من عدالة الإجراءات وعدم خضوع الترتيب لأهواء مقيّم فردي، مما يرفع من الموثوقية القانونية والمهنية للقرارات التنظيمية المتخذة.

وفي مجال علم نفس النمو والتعليم الخاص، يُستخدم المعامل لتقييم الملاحظات السلوكية للأطفال في البيئات الطبيعية (كالمدارس وغرف اللعب التشخيصية). عندما يقوم مراقبون مدربون بترتيب سلوكيات التفاعل الاجتماعي، أو درجات التشتت وفرط الحركة بين الأطفال ذوي اضطراب طيف التوحد أو اضطراب نقص الانتباه، يوفر معامل التوافق المؤشر الكمي المطلوب للتأكد من تدريب الملاحظين بكفاءة عالية ومن اتساق منظومة الملاحظة المطبقة.

الافتراضات المنهجية والشروط الإجرائية للتطبيق الصحيح

على الرغم من الطبيعة اللابارامترية لمعامل التوافق لكندال والتي تعفيه من اشتراطات التوزيع الطبيعي للبيانات وتجانس التباين، إلا أن استخدامه الدقيق والموثوق علمياً يستند إلى جملة من الافتراضات والشروط المنهجية الصارمة التي لا يجوز إغفالها في التصميم التجريبي والسيكومتري.

يتمثل الشرط الأول والأكثر أهمية في استقلالية المحكّمين (Independence of Judges). يجب أن يصدر كل مقيّم أحكامه وترتيباته بمعزل تام عن بقية المقيمين، دون أي تواصل أو نقاش أو تبادل للآراء قد يُفضي إلى التأثير المتبادل أو الامتثال الاجتماعي (Social Conformity). إن أي انتهاك لمبدأ الاستقلالية، كأن يتشاور أعضاء اللجنة قبل تسليم استمارات التحكيم، يفرغ المقياس الإحصائي من محتواه الحقيقي ويؤدي إلى تضخم زائف في قيمة المعامل دون أن يعكس ثباتاً حقيقياً في القياس.

أما الشرط الثاني، فهو أن تكون البيانات موضوعة في مقياس ترتيبي كامل (Ordinal Scale)؛ أي أن يتم ترتيب جميع الأفراد أو المفردات من قِبل كل محكّم دون ترك فراغات أو قيم مفقودة في السلسلة الرتبية. فإذا أخفق أحد المقيمين في تقييم عنصر معين، لا يمكن إدراج مصفوفته ضمن الحسابات المباشرة دون اللجوء إلى تقنيات التعويض الإحصائي للبيانات المفقودة، وهو أمر يجب تجنبه ما أمكن لضمان نقاء المصفوفة الرتبية.

ويرتبط الشرط الثالث بضرورة وجود معيار تقييمي موحد ومحدد بوضوح لجميع المحكّمين. يفترض معامل كندال أن التباين في الترتيب يعود إلى التقدير الموضوعي للسمة المحددة، وليس لاختلاف فهم المحكّمين لطبيعة السمة نفسها. فإذا طُلب من مقيمين ترتيب مجموعة من المكتئبين، وكان أحد المقيمين يركز على الأعراض الجسدية بينما يركز آخر على الأعراض المعرفية، فإن انخفاض معامل التوافق لن يعكس ضعفاً في كفاءة التقييم، بل سيعكس تفككاً مفهومياً في أداة التوجيه القياسي الممنوحة للمقيمين.

علاوة على ذلك، يجب الانتباه إلى حدود حساسية المقياس في ما يتعلق بنسبة عدد المقيمين إلى عدد المفحوصين (k / N). فعندما يكون عدد الموضوعات المقيمة صغيراً جداً (مثلاً N = 3)، تكون مساحة التباديل الرتبية محدودة، مما قد يرفع احتمالية الحصول على توافق صوري بمحض الصدفة، وهو ما يتطلب زيادة عدد المحكّمين واستخدام الاختبارات الدقيقة غير التقريبية للدلالة لتفادي الاستنتاجات المضللة.

دليل إرشادي خطوة بخطوة لحساب وتفسير المعامل في بيئة بحثية

لتوضيح الكيفية التي يمكن للباحث النفسي من خلالها تطبيق معامل التوافق عملياً، نستعرض فيما يلي دليلاً إرشادياً مبسطاً مستمداً من سيناريو بحثي واقعي يهدف إلى فحص التوافق بين أربعة اختصاصيين نفسيين (k = 4) في ترتيب ستة مرضى (N = 6) وفقاً لشدة القلق السريري:

1. جمع البيانات وترتيبها: يقوم كل اختصاصي بمقابلة المرضى الستة ومنح كل مريض رتبة فريدة من 1 (الأقل قلقاً) إلى 6 (الأشد قلقاً)، مع التأكد من عدم وجود بيانات مفقودة وتسجيل أي رتب متعادلة وفق نظام متوسط الرتب.
2. بناء مصفوفة الرتب: يتم تنظيم البيانات في جدول يتكون من 4 صفوف (تمثل المقيمين) و6 أعمدة (تمثل المرضى الخاضعين للتقييم).
3. حساب مجاميع الرتب (R_i): يتم جمع الرتب في كل عمود لحساب المجموع الذي حصل عليه كل مريض عبر الأطباء الأربعة.
4. حساب الوسط الحسابي لمجاميع الرتب (R̄): بتطبيق الصيغة [4 × (6 + 1)] / 2 = 14. يمثل الرقم 14 القيمة المتوقعة لمجموع رتب كل مريض في حال كانت التقديرات عشوائية تماماً.
5. حساب مجموع مربعات الانحرافات (S): يتم طرح الوسط (14) من مجموع رتب كل مريض، ثم تربيع النواتج وجمعها معاً للحصول على قيمة S.
6. تطبيق صيغة معامل كندال (W): يتم تقسيم (12 × S) على [4² × (6³ – 6)] = [16 × 210] = 3360. ناتج هذه القسمة هو قيمة معامل التوافق W.
7. اختبار الدلالة: نظراً لأن N = 6، يمكن مراجعة الجداول الخاصة بالقيمة S عند k = 4 و N = 6، أو حساب قيمة مربع كاي التقريبية إذا كان حجم العينة أكبر، ومقارنتها بالقيمة الحرجة عند مستوى ألفا 0.05.
8. صياغة التقرير السيكومتري: يتم توثيق النتائج بذكر قيمة W، وقيمة الدلالة الإحصائية المصاحبة، ودرجات الحرية، متبوعة بتفسير مفاهيمي يوضح ما إذا كان مستوى الاتفاق كافياً لاعتماد الترتيب التراكمي للمرضى في تصاميم التدخل العلاجي اللاحقة.

التحديات والقيود المنهجية لمعامل التوافق

على الرغم من القوة الرياضية والانتشار الواسع لمعامل التوافق لكندال، إلا أن له قيوداً منهجية جوهرية يجب أن يكون الباحث في علم النفس على دراية واعية بها لضمان التفسير الرصين للبيانات والنتائج المستخلصة.

يتمثل أول هذه القيود في أن معامل التوافق حساس فقط لـ الترتيب النسبي للموضوعات، ولا يعكس بأي حال من الأحوال الفروق في المسافات المطلقة أو شدة الدرجات بين الرتب. فإذا اتفق المقيمون على أن المريض (أ) أشد قلقاً من المريض (ب)، فإن المعامل يعامل هذا الترتيب بالطريقة ذاتها سواء كان الفارق السلوكي بينهما طفيفاً لا يكاد يُذكر أو كان فاصلاً شاسعاً ينقل المريض من حالة القلق البسيط إلى الهلع الشديد. هذا التجاهل للمسافات القياسية قد يفقد الباحث معلومات تشخيصية دقيقة تتيحها المقاييس الفترية الأكثر حساسية.

أما القيد الثاني، فيكمن في أن ارتفاع قيمة معامل التوافق لا يعني بالضرورة صحة أو صدق التقييم في حد ذاته، بل يقتصر على تأكيد تجانس المحكّمين. فقد تتفق لجنة من المقيمين غير المؤهلين اتفاقاً تاماً (W = 1.0) على ترتيب مضلل للمفحوصين نتيجة تبنيهم جميعاً لتحيزات معرفية أو قوالب نمطية مشتركة (Shared Biases). لذلك، يجب عدم الخلط المنهجي بين ثبات الاتفاق (Concordance) والصدق الخارجي للقياس (Construct/Criterion Validity).

علاوة على ذلك، يتأثر المعامل بظاهرة الاستقطاب الرتبي؛ ففي بعض الحالات النادرة التي تنقسم فيها لجنة التحكيم إلى فئتين متساويتين في العدد، تتبنى كل منهما ترتيباً معاكساً تماماً لترتيب الأخرى، ستكون النتيجة ظهور قيمة منخفضة جداً لـ W تقترب من الصفر. هذا الانخفاض يعطي انطباعاً مضللاً بوجود عشوائية تامة، في حين أن الواقع يعكس وجود مدرستين فكريتين متضاربتين بانتظام تام، وهو ما يتطلب من الباحث فحص مصفوفات الارتباط الفردية قبل الاكتفاء بالقيمة الإجمالية للمعامل.

خاتمة

يظل معامل التوافق لكندال (Kendall’s W) أداة سيكومترية وتحليلية فارقة في بنية البحث النفسي والتربوي، مكرساً جسراً رياضياً متيناً بين الأوصاف الرتبية النوعية والمتطلبات الكمية الصارمة للتحقق من الاتساق والموضوعية. إن قدرته الفائقة على استيعاب مقيمين متعددين، واستقلاله عن الافتراضات البارامترية المعقدة، ومرونته في التعامل مع الرتب المقيدة، تجعل منه خياراً أولاً عند تقنين الاختبارات النفسية، والتحقق من صدق المحتوى، وضبط ثبات التقييمات الإكلينيكية والسلوكية. ومع مراعاة حدوده المنهجية وتكامل تطبيقه مع تحليلات حجم الأثر والصدق الخارجي، يضمن هذا المعامل للباحثين والممارسين في ميدان القياس النفسي بناء أحكام تشخيصية رصينة تتجاوز عثرات التحيّز الفردي وتؤسس لممارسات قائمة على الدليل العلمي الموثوق.

المراجع

• Kendall, M. G., & Babington Smith, B. (1939). The problem of m rankings. The Annals of Mathematical Statistics, 10(3), 275–287. https://doi.org/10.1214/aoms/1177732186
• Kendall, M. G. (1948). Rank correlation methods. Charles Griffin & Company Limited.
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Legendre, P. (2005). Species associations: The Kendall coefficient of concordance revisited. Journal of Agricultural, Biological, and Environmental Statistics, 10(2), 226–245. https://doi.org/10.1198/108571105X46642
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Crocker, L., & Algina, J. (2008). Introduction to classical and modern test theory. Cengage Learning.