مستويات القياس: الاسمي، الترتيبي، الفئوي والنسبي

يمثل القياس حجر الزاوية في بناء المعرفة العلمية الرصينة؛ إذ بدونه تظل الظواهر الطبيعية والسلوكية مجرد انطباعات وصفية وتأملات كيفية تفتقر إلى الدقة القابلة للتحقق وإعادة الإنتاج. في العلوم النفسية والاجتماعية على وجه التحديد، يكتسب القياس طابعاً إشكالياً فريداً ينبع من طبيعة الموضوع المدروس؛ فالسمات الإنسانية كالقلق، والذكاء، والدافعية، والاتجاهات النفسية، ليست كيانات مادية قابلة للمعاينة المباشرة أو القياس الفيزيائي البسيط كالأطوال والأوزان، بل هي تكوينات فرضية يُستدل عليها من خلال مؤشرات سلوكية قابلة للملاحظة. من هنا، كان لزاماً على الباحثين تطوير إطار نظري ومنهجي صارم يحدد كيفية تحويل هذه المؤشرات إلى أرقام ذات دلالة كمية أو تصنيفية واضحة، وهو ما قاد إلى بلورة ما يُعرف بنظرية مستويات القياس.

تُعد مستويات القياس—التي اقترحها عالم النفس والفيزياء النفسية ستانلي سميث ستيفنز في منتصف القرن العشرين—المعيار الإبستمولوجي والرياضي الأساسي الذي يربط بين العالم التجريبي المجرد والعالم الرياضي الإحصائي. إن فهم هذه المستويات (الاسمي، الترتيبي، الفئوي، والنسبي) لا يقتصر على كونه متطلباً تقنياً لاجتياز المقررات المنهجية، بل هو صمام الأمان المنهجي الذي يقي الباحث من الوقوع في فخ التحليلات المضللة والتفسيرات الزائفة. فكل مستوى من هذه المستويات يحمل في طياته شروطاً رياضية ومنطقية تحدد سقف العمليات الحسابية المسموح بها، وتفرض نوعية الاختبارات الإحصائية الملائمة لاختبار الفرضيات بدقة وموضوعية.

يهدف هذا المقال الأكاديمي الموسع إلى تفكيك نظرية مستويات القياس واستكشاف أبعادها البنيوية، والرياضية، والسيكومترية، مع التركيز على التطبيقات الميدانية في البحوث النفسية والسريرية. سنستعرض التطور التاريخي للمفهوم، ونحلل كل مستوى قياسي من حيث خصائصه، وتحويلاته المسموحة، ومقاييس نزعته المركزية وتشتته، ثم نتناول الجدل الإحصائي المعاصر حول بعض الأدوات الشائعة مثل مقاييس ليكرت، لنختتم بوضع دليل عملي يساعد الباحث على تجنب الأخطاء الشائعة وضمان الرصانة المنهجية لأبحاثه.

1. مفهوم القياس وأهميته المنهجية في العلوم النفسية والسلوكية

1.1 تعريف القياس في علم النفس والإحصاء

يُعرَّف القياس في الأدبيات السيكومترية والإحصائية المعاصرة بأنه عملية تعيين أعداد أو رموز للخصائص، أو السمات، أو الأحداث السلوكية وفقاً لقواعد محددة بدقة ومنهجية موضوعية. صاغ ستيفنز هذا المفهوم بصورة كلاسيكية عندما قرر أن القياس هو “ربط الأرقام بالأشياء أو الأحداث وفقاً لقواعد معينة”. يكمن التحدي الإبستمولوجي في هذا التعريف في كلمة “القواعد”؛ فالأرقام في حد ذاتها مجرد رموز مجردة لا تكتسب معناها العلمي إلا من خلال اتساق القاعدة الإجرائية التي استُخدمت في توليدها. وفي سياق القياس النفسي (Psychometrics)، يزداد الأمر تعقيداً نظراً للفارق الجوهري بين قياس السمات المادية الملموسة (كالأبعاد الفيزيائية للمثيرات السمعية والبصرية) وقياس التكوينات الفرضية المجردة (Hypothetical Constructs) كالاكتئاب أو الرضا الوظيفي.

تتطلب التكوينات الفرضية تحديداً إجرائياً دقيقاً ينقل السمة من فضائها النظري إلى وقائع سلوكية قابلة للملاحظة والترميز. ومن ثم، فإن القياس ليس مجرد حصر عددي، بل هو عملية نمذجة رياضية للواقع السلوكي تسمح للباحث بتحويل الاستجابات غير المنظمة إلى بيانات رقمية قابلة للاختبار والتحليل. ولا يمكن الحديث عن قياس علمي دقيق ما لم تستوفِ الأداة المستخدمة الشروط السيكومترية الصارمة، وعلى رأسها الصدق (Validity)—أي التأكد من أن الأداة تقيس ما وُضعت لقياسه بالفعل—والثبات (Reliability)—بمعنى استقرار النتائج وخلوها من أخطاء القياس العشوائية، إضافة إلى الاتساق الداخلي لمفردات الأداة القياسية لضمان تجانس البناء النظري.

1.2 أهمية تحديد مستوى القياس في التصميم التجريبي

إن تحديد مستوى القياس مبكراً، وقبل الشروع في جمع البيانات، يعد ركيزة جوهرية في بناء التصميم التجريبي وشبه التجريبي. يرتبط مستوى القياس ارتباطاً عضوياً بطبيعة التساؤلات البحثية؛ فالفرضيات التي تسعى إلى فحص الفروق النوعية تتطلب بالضرورة مقاييس تختلف جذرياً عن تلك الفرضيات التي تهدف إلى التنبؤ بالعلاقات السببية أو قياس معدلات التغير الكمي الدقيق عبر الزمن. يساعد هذا التحديد الدقيق الباحث في السيطرة على المتغيرات الدخيلة، إذ إن استخدام أداة قياس غير حساسة أو ذات مستوى قياسي غير ملائم قد يؤدي إلى حجب تأثير المتغير المستقل الحقيقي، وهو ما يُعرف في الأدبيات بالخطأ التجريبي الناتج عن تدني حساسية أداة القياس.

وعلاوة على ذلك، فإن مستوى القياس يحدد مدى قدرة الباحث على التعميم الاستقرائي للنتائج المستخلصة من العينة إلى المجتمع الأصلي. إن القفز المنهجي من بيانات وصفية كيفية أو رتبية إلى استنتاجات كمية مطلقة يوقع الباحث في فخ التفسيرات الكمية الزائفة (Spurious Quantification). فالادعاء بأن تدخلاً علاجياً معيناً قد ضاعف مستوى الرفاهية النفسية لدى المريض استناداً إلى أداة قياس لا تدعم العمليات الرياضية المضاعفة يُعد تضليلاً علمياً يفرغ البحث من مصداقيته المنهجية ويقوض إمكانية تكراره في سياقات إكلينيكية أخرى.

1.3 الصلة الوثيقة بين مستوى القياس وأساليب معالجة البيانات

تتجلى الأهمية المنهجية لمستويات القياس بأوضح صورها عند الانتقال إلى مرحلة معالجة البيانات وتحليلها إحصائياً. يحدد مستوى المقياس المستخدم السقف الرياضي الأعلى للعمليات الحسابية المسموح بإجرائها على المتغيرات. فالأرقام التي تفرزها المقاييس المختلفة لا تحمل نفس القيمة الرياضية دائماً؛ فبعض الأرقام لا يمثل سوى ملصقات تصنيفية مجردة تفقد معناها المنطقي إذا ما أُجريت عليها عمليات الجمع أو الطرح، بينما تمثل أرقام أخرى كميات متصلة تخضع لكافة قواعد الحساب الرياضي الصارم بما في ذلك الضرب والقسمة النسبية.

يترتب على هذا التمايز الرياضي حتمية اختيار فئات محددة من الأساليب الإحصائية والرسوم البيانية المناسبة لكل نوع من البيانات. فالتمثيل البصري للبيانات الاسمية يقتصر بالضرورة على المخططات الشريطية أو الدائرية، بينما تتطلب البيانات الكمية المتصلة استخدام المدرجات التكرارية ومنحنيات التوزيع الطبيعي. إن انتهاك هذه القواعد لا يفسد النتائج الحسابية فحسب، بل يشوه المعنى الإبستمولوجي للأرقام التي تمثل الظواهر النفسية والاجتماعية، مما يحول التحليل الإحصائي من وسيلة للكشف عن الحقيقة إلى أداة لإنتاج التشويه العلمي المغطى برداء الأرقام الصماء.

2. التأصيل التاريخي لنظرية مستويات القياس: تصنيف ستانلي ستيفنز

2.1 ورقة ستانلي سميث ستيفنز التأسيسية لعام 1946

في عام 1946، نشر عالم النفس الأمريكي ستانلي سميث ستيفنز ورقته البحثية البارزة بعنوان “On the Theory of Scales of Measurement” في مجلة Science المرموقة. لم تكن هذه الورقة مجرد مساهمة نظرية عادية، بل جاءت رداً أكاديمياً حاسماً على الجدل الذي أثارته لجنة فيرجسون (Ferguson Committee)، وهي لجنة بريطانية شُكلت عام 1932 من قبل الجمعية البريطانية لتقدم العلوم لتقييم إمكانية قياس الإحساسات والسمات النفسية بصورة كمية موضوعية تشابه القياس في العلوم الفيزيائية والطبيعية.

كانت لجنة فيرجسون قد خلصت في تقريرها النهائي إلى تشكيك عميق في إمكانية تطبيق القياس الكمي الحقيقي على الظواهر النفسية، معتبرة أن ما يفعله علماء النفس ليس قياساً علمياً بالمعنى الدقيق، نظراً لغياب مفهوم الجمع الإضافي (Additivity) في الظواهر السلوكية. أدرك ستيفنز أن هذا التضييق لمفهوم القياس يهدد استقلالية علم النفس كعلم تجريبي، فقدم في ورقته تصنيفاً رباعياً عبقرياً وسّع من خلاله مفهوم القياس ليتجاوز النموذج الفيزيائي التقليدي، مع ربط كل مستوى بنوعية القواعد والعمليات الرياضية المشروعة، مما وحّد لغة القياس وأرسى معياراً موحداً اعتمدته العلوم الاجتماعية والطبيعية على حد سواء.

2.2 المبادئ الرياضية والفلسفية للتصنيف الرباعي

بنى ستيفنز تصنيفه الرباعي المشهور (الاسمي، الترتيبي، الفئوي، النسبي) على أسس رياضية مستمدة من نظرية الزمر والتحويلات الرياضية الثابتة (Invariance Theory). ينص هذا المبدأ على أن السلم القياسي يتحدد بطبيعة التحويلات الرياضية التي يمكن تطبيقها على قيمه دون أن يفقد المقياس بنيته الأساسية أو معناه التجريبي الأصيل. فالمقياس الاسمي يقبل أي تحويل تقابلي واحد لواحد (One-to-one)، في حين يقبل المقياس الترتيبي التحويلات الرتيبة المتزايدة، ويقبل المقياس الفئوي التحويلات الخطية الإيجابية، ولا يقبل المقياس النسبي سوى التحويلات الهندسية التضاعفية.

يتميز هذا التصنيف بطبيعة هرمية تراكمية صارمة، حيث تبدأ خصائص الأرقام من الهوية وتحديد التشابه والاختلاف (المستوى الاسمي)، ثم يضاف إليها الترتيب والتفاضل النسبي (المستوى الترتيبي)، ثم يُضاف تساوي المسافات بين الوحدات (المستوى الفئوي)، وصولاً إلى اكتمال الخصائص بوجود الصفر المطلق الحقيقي (المستوى النسبي). وقد أثار هذا التدرج نقاشاً إبستمولوجياً عميقاً حول فلسفة الرياضيات والواقعية السيكومترية: هل الأرقام موجودة في الطبيعة الإنسانية ويكتشفها الباحث، أم أنها مجرد نماذج عقلية وأدوات براغماتية نسقطها على الظواهر لتسهيل دراستها؟

2.3 الانتقادات المعاصرة ومكانة التصنيف في الإحصاء الحديث

على الرغم من المكانة المركزية التي احتلها تصنيف ستيفنز لعقود طويلة، فإنه واجه انتقادات منهجية وإبستمولوجية متزايدة من قِبل تيارات إحصائية متعددة، لا سيما المدرسة البراغماتية ومدرسة تحليل البيانات الاستكشافية التي أسسها جون توكي (John Tukey). جادل النقاد بأن تصنيف ستيفنز يفرض وصاية صارمة وغير مبررة على التحليل الإحصائي، وقد يقيد الباحثين من استخراج أنماط ذات دلالة علمية بحجة أن البيانات لا تستوفي الشروط الصارمة لمستوى قياسي معين، مشيرين إلى أن طبيعة التوزيع والشكل الإمبيريقي للبيانات قد يكونان أكثر أهمية من المستوى النظري للمقياس.

كما اشتعل النقاش بشكل خاص حول تصنيف مقاييس الاتجاهات وسلالم ليكرت، واستخدام تقنيات متقدمة مثل نمذجة المعادلات البنائية (SEM) ونماذج القياس الحديثة. ومع ذلك، وعلى الرغم من كل هذه النقاشات التجديدية، لا يزال تصنيف ستيفنز صامداً حتى اليوم كأهم إطار إرشادي وتنظيمي يُدرّس في كليات العلوم السلوكية والإنسانية، لكونه يمثل الحد الأدنى من الانضباط الفكري الذي يمنع الاستخدام الفوضوي للأرقام والتحليلات الإحصائية غير المتوافقة مع منطق البيانات.

3. المستوى الأول: المقياس الاسمي (Nominal Scale) والخصائص البنيوية

3.1 التعريف المنهجي والخصائص الأساسية للبيانات الاسمية

يمثل المقياس الاسمي (Nominal Scale) أدنى مستويات القياس من منظور التعقيد الرياضي والمعلوماتي، إلا أنه يشكل الأساس المنطقي لكافة مستويات القياس اللاحقة. في هذا المستوى، لا تعدو الأرقام المخصصة للمفردات أو الأفراد أن تكون مجرد ملصقات رمزية أو أسماء عددية تُستخدم لتمييز فئة عن فئة أخرى، دون أن تحمل أي دلالة كمية، أو مقدارية، أو تفاضلية. إن الأرقام هنا تقوم بوظيفة التسمية والتصنيف الصرف، تماماً مثل الأرقام الموضوعة على قمصان لاعبي كرة القدم؛ فالرقم “9” لا يعني أن اللاعب أفضل أو أسرع أو يحمل وزناً أكبر من اللاعب الذي يحمل الرقم “3”، بل يدل فقط على أنهما يمثلان كيانين منفصلين ومصنفين وفق دور معين.

تستند بنيوية المقياس الاسمي إلى خاصيتين منطقيتين حاسمتين يجب استيفاؤهما بدقة رياضية متناهية:

• خاصية التنافي الحصري (Mutual Exclusivity): تعني أن كل فرد أو وحدة ملاحظة يجب أن تنتمي إلى فئة تصنيفية واحدة فقط ولا يمكن أن تقع في فئتين في آن واحد ضمن نفس المتغير.
• خاصية الاستيعاب الشامل (Exhaustiveness): تقتضي أن يحتوي نظام التصنيف على فئات تغطي كافة الحالات والخيارات الممكنة للظاهرة المدروسة دون إغفال أي مفردة، مع إمكانية إضافة فئة “أخرى” كحل منهجي لضمان الشمول.
• غياب الترتيب المتأصل: لا يوجد أي أساس منطقي أو كمي لتقديم فئة على أخرى؛ فترتيب الفئات لا يحمل أي معنى ولا يؤثر على البيانات.

3.2 المتغيرات الاسمية الثنائية والمتعددة

تنقسم المتغيرات الاسمية في التطبيقات البحثية والإحصائية إلى نوعين رئيسيين: المتغيرات الاسمية الثنائية (Dichotomous Variables) والمتغيرات الاسمية متعددة الفئات (Polytomous Variables). يتكون المتغير الثنائي من مستويين متنافيين فقط، ومثاله الكلاسيكي: الجنس (ذكر/أنثى)، والنتيجة السريرية لاختبار تشخيصي (موجب/سالب)، أو حالة المريض (حي/متوفى). يكتسب المتغير الثنائي أهمية بالغة في الإحصاء الحديث نظراً لإمكانية ترميزه بصورة ثنائية (Dummy Coding) باستخدام الرقمين (0 و 1)، حيث يتيح هذا الترميز الرياضي التعامل مع المتغير الاسمي الثنائي في نماذج الانحدار الخطي المتعدد والانحدار اللوجستي بكفاءة رياضية عالية، مما يجعله استثناءً منهجياً فريداً في مرونة التحليل مقارنة بسائر المقاييس الاسمية.

أما المتغيرات الاسمية متعددة الفئات، فهي تلك التي تتضمن ثلاثة مستويات أو أكثر دون وجود ترتيب تفاضلي بينها. من أمثلتها الشائعة: تصنيف فصائل الدم (A, B, AB, O)، والجنسية، والتصنيفات التشخيصية للاضطرابات النفسية وفق الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5) مثل التمييز بين (اضطراب القلق العام، والاكتئاب الجسيم، واضطراب الهلع). يتطلب إدخال هذه البيانات في البرمجيات الإحصائية كبرنامج SPSS تعيين أكواد رقمية اعتباطية لكل فئة (مثل 1 للقلق، 2 للاكتئاب، 3 للهلع)، مع الحذر التام من التعامل مع هذه الأكواد كأوزان تشخيصية، إذ تقتصر دلالتها على التمييز السيميائي فقط دون أن تعكس شدة الاضطراب أو تعقيده السريري.

3.3 التحويلات الرياضية المسموح بها للمقياس الاسمي

وفقاً لنظرية ستيفنز الرياضية، فإن التحويل المسموح به للمقياس الاسمي هو “التحويل التناظري الواحد لواحد” (One-to-one transformation)، أو ما يُعرف في الجبر التجريدي بالتباديل (Permutation). يعني هذا المبدأ إمكانية استبدال الرموز أو الأرقام المستخدمة بترميزات أخرى شرط ألا يؤدي الاستبدال إلى دمج فئتين متمايزتين في فئة واحدة، أو تجزئة فئة واحدة متجانسة إلى فئات متعددة بصورة تعسفية تخل بهيكل التصنيف. فإذا كان الباحث يرمز للذكور بالرقم (1) وللإناث بالرقم (2)، فيمكنه رياضياً تحويل الترميز إلى (10) و (20)، أو استبدالهما بحرفي (A) و (B) دون أن يترتب على ذلك أي تغيير في البنية المعلوماتية للمتغير أو فقدان للمعلومات الأساسية.

يحظر المقياس الاسمي بصورة قاطعة إجراء أي عمليات حسابية أساسية على الأرقام المعينة؛ فلا يجوز جمع الأكواد الاسمية، أو طرحها، أو حساب متوسطاتها الرياضية. إن جمع كود الذكر (1) مع كود الأنثى (2) للحصول على (3) هو ضرب من العبث الرياضي والمنطقي التام. تحافظ البيانات الاسمية على ثبات توزيعها التكراري (Frequency Distribution)؛ إذ تظل التكرارات والنسب المئوية لكل فئة متطابقة تماماً بغض النظر عن الأرقام الاصطلاحية المخصصة للتعبير عنها، مما يبرز الوظيفة الهوياتية للمقياس وتجرده من أي حمولة كمية حقيقية.

4. تطبيقات المقياس الاسمي في البحوث النفسية والسريرية

4.1 التصنيفات السريرية والتشخيص النفسي

تحتل المقاييس الاسمية مكانة استراتيجية في علم النفس السريري والطب النفسي الوبائي؛ فالعملية التشخيصية برمتها تقوم في جوهرها على تصنيف الحالات المرضية إلى فئات متمايزة تستند إلى أعراض محددة ومحكات تصنيفية متفق عليها دولياً. يعتمد نظام التصنيف في كل من DSM-5 والتصنيف الدولي للأمراض (ICD-11) على نموذج الفئات المنفصلة (Categorical Model)، حيث يُصنف المفحوص بأنه مصاب بـ “اضطراب الشخصية الحدية” أو غير مصاب، أو يتم تصنيفه ضمن فئة اضطرابات المزاج مقابل اضطرابات الذهان. يشكل هذا التصنيف الاسمي نقطة البداية لرسم الخطط العلاجية، وتحديد بروتوكولات التدخل الدوائي، وتسهيل التواصل العلمي الموحد بين الأطباء والمعالجين النفسيين في جميع أنحاء العالم.

علاوة على ذلك، تُستخدم المقاييس الاسمية لتقييم أنماط الشخصية المتباينة وفق النظريات النمطية، كتقسيم الأفراد وفق نموذج مايرز-بريجز (MBTI) إلى ستة عشر نمطاً نفسياً مستقلاً، أو تصنيف استجابات المرضى للعلاج النفسي والدوائي إلى فئات محددة (مثل: مستجيب كامل، مستجيب جزئي، غير مستجيب). كما تعتمد دراسات علم الأوبئة النفسية على المتغيرات الاسمية لتوزيع العينات حسب الانتماءات الديموغرافية والجغرافية والاجتماعية كالحالة الاجتماعية (أعزب، متزوج، مطلق، أرمل) ومناطق السكن (حضري، ريفي)، لاستكشاف محددات الصحة النفسية عبر الشرائح السكانية المختلفة.

4.2 الأساليب الإحصائية المعتمدة للبيانات الاسمية

نظراً للطبيعة غير الكمية للمقياس الاسمي، فإن الأساليب الإحصائية المسموح باستخدامها تقتصر على التحليلات اللامعلمية (Non-parametric Statistics) ومقاييس الإحصاء الوصفي التي ترتكز على العد والتكرار. يُعد المنوال (Mode) مقياس النزعة المركزية الوحيد المشروع رياضياً للبيانات الاسمية، وهو يعبر عن الفئة التصنيفية الأكثر تكراراً أو شيوعاً بين أفراد العينة. يمتنع منهجياً حساب المتوسط الحسابي (Mean) أو الوسيط (Median) لهذه البيانات، نظراً لأن ترتيب القيم أو جمعها غير ممكن منطقياً. وتعتبر جداول التوزيع التكراري والنسب المئوية الأسلوب الأنسب لعرض وتلخيص خصائص البيانات الاسمية.

أما على صعيد الإحصاء الاستدلالي واختبار الفرضيات، فيُعد اختبار مربع كاي (Chi-Square) الأسلوب القياسي الأول للتعامل مع البيانات الاسمية، وينقسم تطبيقه إلى نوعين رئيسيين:

• اختبار حسن المطابقة (Goodness of Fit): يُستخدم لفحص ما إذا كان التوزيع التكراري الملاحظ لمتغير اسمي واحد في العينة يتطابق مع توزيع نظري متوقع مسبقاً.
• اختبار الاستقلالية (Test of Independence): يُستخدم لاختبار وجود علاقة ترابطية بين متغيرين اسميين من خلال جداول التوافق (Contingency Tables).

لقياس قوة العلاقة أو حجم التأثير بين المتغيرات الاسمية، يلجأ الباحثون إلى مقاييس الارتباط اللابارامترية المتخصصة مثل معامل فاي (Phi Coefficient) للمتغيرات الثنائية (جداول 2×2)، أو معامل التوافق لكرامر (Cramer’s V) ومقاييس كوتشن وجودمان وكروسكال للجداول الأكبر التي تتضمن فئات متعددة. وتُمثّل هذه البيانات بصرياً بشكل حصري عبر الرسوم البيانية الشريطية (Bar Charts) والمخططات الدائرية (Pie Charts)، التي تحافظ على تباين الفئات دون إيحاء زائف بالاتصال.

4.3 محاذير استخدام المقياس الاسمي وأخطاء الباحثين

يقع عدد كبير من الباحثين المبتدئين في أخطاء منهجية فادحة عند التعامل مع البيانات الاسمية في برمجيات التحليل الإحصائي؛ ومن أبرز هذه المزالق شيوعاً قيام الباحث بحساب المتوسط الحسابي والانحراف المعياري لمتغير اسمي كالجنس أو الحالة الاجتماعية لمجرد أن البرنامج الإحصائي يقبل حساب تلك المؤشرات للأكواد العددية المدخلة دون إدراك لطبيعتها الإبستمولوجية. إن كتابة عبارة مثل: “بلغ متوسط الجنس في العينة 1.45” في تقرير علمي تمثل خطأً فادحاً ينم عن جهل بأبجديات القياس والإحصاء، إذ لا معنى حسابياً لمتوسط أرقام رمزية تمثل تسميات كيفية.

من الأخطاء المنهجية الأخرى الخلط بين التسمية الاسمية والترتيب الزمني؛ فقد يمنح الباحث كود (1) للمفحوص الذي ملأ الاستبيان أولاً، وكود (2) للمفحوص الثاني، ثم يتعامل مع هذه الأرقام بوصفها تراتباً قيمياً أو تدريجاً سلوكياً. كما يبرز خطأ شائع آخر يتمثل في فقدان المعلومات التفصيلية الحساسة نتيجة اختزال المتغيرات المتصلة بطريقة قسرية وتحويلها إلى فئات اسمية جامدة دون مبرر نظري، كأن يُختزل متغير العمر المتصل إلى فئتين (شاب/مسن)، مما يقلل من القوة الإحصائية للاختبارات ويؤدي إلى هدر تباين المتغير الأصلي الذي كان يمكن أن يثري التحليل.

5. المستوى الثاني: المقياس الترتيبي (Ordinal Scale) ومفهوم الرتب

5.1 مفهوم الترتيب والتفاضل في البيانات السلوكية

يرتقي المقياس الترتيبي (Ordinal Scale) خطوة إضافية في سلم التعقيد القياسي فوق المقياس الاسمي؛ فهو يجمع بين خاصية التصنيف والتسمية المتوفرة في المستوى الاسمي ويضيف إليها خاصية الترتيب المنطقي والتفاضل بين المفردات والخصائص المقاسة. تعكس الأرقام في هذا المستوى علاقة “أكبر من” (>) أو “أصغر من” (<) أو "يساوي" (=)، مما يمكن الباحث من تنظيم الحالات في سلسلة تصاعدية أو تنازلية ترتكز على مقدار ما يمتلكه الفرد من السمة السلوكية المدروسة.

تتمثل السمة البنيوية الحاكمة في المقياس الترتيبي في أن المسافات أو الفواصل الحقيقية بين الرتب المتتالية ليست متساوية رياضياً وليست معروفة المقدار بدقة. فالأرقام ترتب الأفراد دون أن تحدد المسافة الفاصلة بينهم. والمثال النموذجي لذلك هو ترتيب المتسابقين في سباق الجري: فالأول وصل قبل الثاني، والثاني وصل قبل الثالث، لكن الفارق الزمني بين الأول والثاني قد يكون جزءاً من الثانية، في حين قد يكون الفارق بين الثاني والثالث عدة دقائق كاملة. وتكثر هذه البيانات في العلوم النفسية، كقياس مستويات القلق (منخفض، متوسط، مرتفع)، أو الترتيب الطبقي الاجتماعي-الاقتصادي، أو تقييمات الأداء السلوكي من ممتاز إلى ضعيف.

5.2 التحويلات الرياضية المقبولة للمقياس الترتيبي

يقبل المقياس الترتيبي رياضياً فئة محددة من العمليات تُعرف بـ “التحويلات الرتيبة المتزايدة بقوة” (Strictly Monotonic Increasing Transformations). تعني هذه القاعدة الصارمة أنه يحق للباحث استبدال القيم الأصلية بأي قيم جديدة شرط أن يحافظ التحويل على الترتيب النسبي والاتجاه التفاضلي للبيانات دون تغيير. رياضياً، إذا كانت القيمة $X_1 > X_2$، فإن أي دالة تحويل $f(X)$ يجب أن تضمن حتماً أن $f(X_1) > f(X_2)$.

تتضمن هذه التحويلات المسموحة العمليات اللاخطية مثل: حساب اللوغاريتم، أو رفع القيم لأس فردي موجب، أو إضافة أي ثابت رياضي إليها، إذ تظل رتبة كل حالة ثابتة دون الإخلال بالموقع النسبي للقيم. ومع ذلك، لا يجوز بأي حال من الأحوال تطبيق مبدأ النسب أو الفروق المتساوية على هذه التحويلات؛ فالفرق بين الرتبة الأولى والرتبة الثانية (1 – 2 = -1) لا يعادل إطلاقاً الفرق الرياضي أو النفسي بين الرتبة التاسعة والرتبة العاشرة (9 – 10 = -1)، نظراً لغياب معيار المسافة الموحدة، مما يحصر قوة المقياس في الترتيب التفاضلي المجرد فقط.

5.3 النزعة المركزية والتشتت في المقاييس الترتيبية

تفرض الطبيعة الرياضية للمقاييس الترتيبية قيوداً حاسمة على اختيار مقاييس النزعة المركزية ومؤشرات التشتت المسموح بحسابها. يُعتبر الوسيط (Median) مقياس النزعة المركزية الأمثل والأنسب إبستمولوجياً لتمثيل البيانات الترتيبية؛ فالوسيط يمثل النقطة التي تقسم الرتب المرتبة تصاعدياً إلى نصفين متساويين، حيث يقع 50% من الرتب دونه و50% فوقه، وهو بذلك يتطابق عضوياً مع منطق الترتيب ولا يتأثر بالمسافات المجهولة بين القيم. كما يمكن استخدام المنوال (Mode) كخيار وصفي ثانوي للإشارة إلى الرتبة أو الفئة الترتيبية الأكثر تكراراً في العينة.

في المقابل، يُعد المتوسط الحسابي (Mean) غير مناسب رياضياً للبيانات الترتيبية الصرفة، لأن حسابه يتطلب إجراء عملية الجمع الحسابي وقسمة المجموع على عدد الأفراد، وهي عمليات تفترض ضمناً تساوي المسافات بين الوحدات المتتالية، وهو ما يفتقر إليه المقياس الترتيبي بالكلية. أما بالنسبة لمقاييس التشتت، فإن الانحراف المعياري والتباين يفقدان صلاحيتهما الإحصائية هنا، ويستعاض عنهما بالمدى الربيعي (Interquartile Range – IQR) أو نصف المدى الربيعي، والمدى المئيني؛ إذ تعكس هذه المؤشرات التباعد الترتيبي بين مواضع رتب معينة (مثل الفرق بين المئين 75 والمئين 25) دون الاعتماد على افتراض تساوي وحدات القياس الحقيقية.

6. المقياس الترتيبي في علم النفس: سلالم الاتجاهات ومقاييس ليكرت

6.1 جدلية مقياس ليكرت (Likert Scale): هل هو ترتيبي أم فئوي؟

يعد مقياس ليكرت (Likert Scale)، الذي ابتكره رنسيس ليكرت عام 1932، من أكثر أدوات القياس استخداماً وإثارة للجدل الإبستمولوجي والمنهجي في العلوم النفسية والاجتماعية. يتمحور النزاع المنهجي المستمر منذ عقود حول طبيعة البيانات المستخلصة من هذه المقاييس: هل هي بيانات ترتيبية بحتة أم ترتقي لتكون بيانات فئوية (Interval)؟

يتبنى أنصار “المدرسة المنهجية الصارمة” (Purist School) الموقف الكلاسيكي الذي يؤكد أن بنود ليكرت الفردية (مثلاً: أوافق بشدة = 5، أوافق = 4، محايد = 3، أعارض = 2، أعارض بشدة = 1) تمثل مقياساً ترتيبياً خالصاً. يستند هؤلاء إلى أن المسافة النفسية بين “أوافق بشدة” و”أوافق” قد تختلف تماماً عن المسافة النفسية الفاصلة بين “أوافق” و”محايد” في وعي المستجيبين؛ فالمسافات الذاتية غير متساوية، ولا يوجد أي دليل إمبيريقي يدعم التساوي التام لهذه الفواصل، مما يجعل حساب المتوسط الحسابي والانحراف المعياري للعبارة الواحدة خطأً منهجياً صريحاً.

في المقابل، تجيز “المدرسة السيكومترية البراغماتية” (Pragmatic Psychometrics) معاملة الدرجة الكلية المجمعة لمقياس ليكرت المتعدد المكون من عدة بنود كبيانات شبه فئوية (Quasi-interval). يفترض هذا الاتجاه أنه عند جمع درجات عدد كبير من العبارات المترابطة التي تقيس بعداً نفسياً واحداً متجانساً، فإن أخطاء القياس الناتجة عن عدم تساوي الفواصل بين البنود الفردية تميل إلى إلغاء بعضها البعض عشوائياً، مما يقرب التوزيع النهائي للدرجة الكلية المركبة من خصائص المقياس الفئوي والتوزيع الطبيعي، وهو ما يبرر في نظرهم تطبيق التحليلات الإحصائية المتقدمة كالانحدار وتحليل المسار وفق شروط محددة.

6.2 الأدوات السيكومترية القائمة على الترتيب

لا تقتصر الأدوات الترتيبية في القياس النفسي على سلالم ليكرت، بل تمتد لتشمل تقنيات ومنهجيات سيكومترية عريقة شُيدت خصيصاً لاستخلاص الرتب المنطقية بدقة عالية. من أبرز هذه النماذج مقياس جوتمان التراكمي (Guttman Scale)، والذي يقوم على افتراض وجود تدرج أحادي البعد للسمة؛ بحيث إن المفحوص الذي يوافق على عبارة ذات مستوى مرتفع من الشدة يلزمه منطقه السلوكي بالموافقة التلقائية على جميع العبارات الأقل شدة التي تسبقها في السلم، مما يولد مصفوفة رتبية تراكمية دقيقة للخصائص النفسية والاتجاهات الاجتماعية.

كما برزت طريقة المقارنة المزدوجة (Paired Comparisons) التي وضعها لويس ثرستون، حيث يُعرض على المفحوص زوج من المثيرات أو القيم ليختار أحدهما تفضيلاً، وتتكرر العملية مع كافة الأزواج المحتملة، مما يسمح بتحويل التفضيلات الذاتية المباشرة إلى ترتيب تفاضلي مركب للقيم أو الدوافع. وتستخدم هذه الأدوات الترتيبية على نطاق واسع في تقييم مستويات الكفاءة المهنية، وتحديد مراتب الجدارة في المؤسسات، وقياس الدافعية للإنجاز، ومستويات النضج الأخلاقي والمعرفي وفق مراحل بياجيه أو كولبرج، حيث تكون النقلة من مرحلة إلى أخرى بمثابة ارتقاء في الرتبة البنيوية النمائية دون ادعاء تساوي الفترات الزمنية بين تلك المراحل.

6.3 الاختبارات الإحصائية الملائمة للبيانات الترتيبية

عندما تكون البيانات المستخلصة من الأدوات النفسية ذات طبيعة ترتيبية، فإن الترسانة الإحصائية اللابارامترية (Non-parametric tests) تصبح المسار الإلزامي لاختبار الفرضيات؛ إذ تمتاز هذه الاختبارات بمرونتها الفائقة وعدم اشتراطها توزيعاً اعتدالياً للمتغير أو تساوي المسافات بين الوحدات، واعتمادها الأساسي على تحويل الدرجات الخام إلى رتب متعاقبة قبل إجراء العمليات التحليلية.

تتضمن المنظومة الإحصائية للبيانات الترتيبية الأدوات القياسية الآتية موظفة بحسب أهداف البحث:

• معامل ارتباط الرتب لسبيرمان (Spearman’s Rho): يقيس قوة واتجاه العلاقة الرتيبة بين متغيرين ترتيبيين، أو متغير ترتيبي وآخر كمي.
• معامل كيندال للارتباط (Kendall’s Tau): يُفضل استخدامه كبديل دقيق لسبيرمان عند التعامل مع عينات صغيرة أو عند وجود عدد كبير من الرتب المتطابقة (Tied Ranks).
• اختبار مان-ويتني (Mann-Whitney U Test): يمثل البديل اللابارامتري لاختبار (t) لعينتين مستقلتين، ويفحص دلالة الفروق بين رتب مجموعتين مستقلتين.
• اختبار ويلكوكسون للإشارات والرتب (Wilcoxon Signed-Rank Test): يُستخدم لفحص الفروق بين العينات المرتبطة (القياس القبلي والبعدي) على مقياس ترتيبي.
• اختبار كروسكال-واليس (Kruskal-Wallis Test): يعد البديل اللابارامتري المباشر لتحليل التباين الأحادي (ANOVA) للمقارنة بين رتب ثلاث مجموعات مستقلة أو أكثر.

وعلى مستوى التمثيل البياني، فإن المخططات الصندوقية (Box Plots) تعد التمثيل البصري الأرقى والأكثر دقة للبيانات الترتيبية؛ إذ تعرض موقع الوسيط ونطاق التشتت الربيعي (IQR) والقيم المتطرفة دون الاعتماد على بارامترات التوزيع الطبيعي المشوهة للرتب.

7. المستوى الثالث: المقياس الفئوي أو مقياس المسافة (Interval Scale)

7.1 الخصائص الجوهرية لمقياس المسافة المتساوية

يمثل المقياس الفئوي—أو مقياس المسافة المتساوية (Interval Scale)—نقلة نوعية كبرى في مسار القياس العلمي؛ حيث يجمع في بنيته الرياضية بين خصائص المقياس الاسمي (التصنيف والهوية) والمقياس الترتيبي (التفاضل والترتيب)، ويضيف إليهما خاصية حاسمة هي: تساوي الفواصل والمسافات بين الوحدات المتتالية على طول امتداد المقياس. في هذا المستوى، تكتسب الأرقام معنى كمياً حقيقياً يسمح بالمقارنة الموضوعية بين الفروق العددية بصورة دقيقة ومطلقة.

تتمثل القاعدة الرياضية لهذا المقياس في أن الفارق العددي بين أي درجتين متتاليتين يمثل دائماً نفس الفارق في مقدار السمة المقاسة؛ فالفرق بين درجتي 20 و 30 على مقياس فئوي يكافئ تماماً الفارق بين درجتي 40 و 50، وكلاهما يعكس تغيراً كمياً مقداره 10 وحدات قياسية ثابتة ومتساوية إمبيريقياً. تتيح هذه الخاصية للباحثين إجراء المقارنات المباشرة بين تباعدات الأفراد والجماعات بدقة عالية. ومع ذلك، يعاني المقياس الفئوي من قصور هيكلي جوهري يتمثل في غياب “الصفر المطلق أو الحقيقي”، واعتماده الكلي على ما يُعرف في فلسفة القياس بـ “الصفر الافتراضي أو الاصطلاحي” (Arbitrary Zero).

7.2 مفهوم الصفر الافتراضي وأبعاده العلمية

يُقصد بـ الصفر الافتراضي (Arbitrary/Conventional Zero) تلك النقطة الصفرية التي يتم تحديدها بناءً على اتفاق واصطلاح بين العلماء والباحثين لتمثل نقطة إسناد اعتباطية ملائمة للقياس، ولا تشير إطلاقاً إلى الانعدام الكامل أو الغياب التام للسمة أو الخاصية المقاسة في العالم الواقعي. يُعد مقياس درجة الحرارة المئوي (سلسيوس) النموذج الفيزيائي الكلاسيكي الأكثر وضوحاً لتجسيد هذا المفهوم؛ فالدرجة (0 مئوية) لا تعني الانعدام المطلق للطاقة الحرارية في المادة، بل تمثل اصطلاحياً نقطة تجمد الماء النقي تحت الضغط الجوي المعياري، بدليل وجود درجات حرارة سالبة تمتد إلى ما دون الصفر.

يترتب على وجود الصفر الافتراضي في القياس الفئوي نتيجة رياضية وإبستمولوجية بالغة الأهمية: استحالة استنتاج النسب المضاعفة بين الدرجات. فلا يمكن للباحث علمياً أو منطقياً الادعاء بأن درجة حرارة 40 مئوية هي “ضعف” درجة حرارة 20 مئوية؛ لأن هذا الحكم بالتضاعف ينهار كلياً إذا ما حولنا نفس درجات الحرارة إلى المقياس الفهرنهايتي، حيث تتحول 20 مئوية إلى 68 فهرنهايت وتتحول 40 مئوية إلى 104 فهرنهايت، ومن الواضح حسابياً أن 104 ليست ضعف 68 على الإطلاق. ينطبق هذا المبدأ بحذافيره على الاختبارات التربوية والنفسية؛ فحصول الطالب على درجة (صفر) في اختبار التحصيل لمادة الرياضيات لا يعني انعدام معرفته بالرياضيات بشكل مطلق، بل يدل فقط على إخفاقه في الإجابة عن مفردات ذلك الاختبار بالتحديد في تلك اللحظة الزمنية المحددة.

7.3 التحويلات الرياضية والعمليات الحسابية المتاحة

وفقاً للتأصيل الرياضي لنظرية القياس، فإن المقاييس الفئوية تقبل حصراً التحويلات الخطية الإيجابية العامة (Positive Linear Transformations)، والتي يُعبر عنها بالمعادلة الجبرية القياسية التالية:

$$Y = aX + b$$

حيث تمثل ($a$) ثابتاً موجباً تماماً يعبر عن مقياس الرسم ووحدة القياس ($a > 0$)، بينما يمثل ($b$) ثابتاً حقيقياً يمثل نقطة الإسناد الصفرية الجديدة التي قد تكون موجبة أو سالبة. إن تطبيق هذه المعادلة على قيم المقياس الفئوي يضمن الحفاظ التام على تساوي المسافات والفروق النسبية بين القيم الأصلية والجديدة، وهو ما نراه عملياً في معادلة التحويل بين المقياس المئوي والفهرنهايتي ($F = 1.8C + 32$).

أما من حيث العمليات الحسابية المسموحة، فإن المقياس الفئوي يجيز بالكامل عمليات الجمع والطرح الرياضي على الفروق والمسافات المقاسة؛ مما يتيح حساب المتوسطات والانحرافات وتحديد تباينات الدرجات بدقة عالية. وفي المقابل، تظل عمليات الضرب والقسمة المباشرة على القيم الخام للمتغيرات محظورة رياضياً، ولا يجوز تطبيقها إلا على الفروق المحسوبة بين الدرجات وليس على الدرجات الصرفة في ذاتها، وذلك لتجريد المقياس من صفر حقيقي يمثل نقطة بداية مطلقة لنسب المضاعفة.

8. المقياس الفئوي في الاختبارات النفسية واختبارات الذكاء

8.1 مقاييس الذكاء والقدرات المعرفية العامة

تعد اختبارات الذكاء الفردية والمقننة، مثل مقياس وكسلر لذكاء البالغين (WAIS) ومقياس ستانفورد-بينيه للذكاء، التطبيق الأبرز للمقاييس الفئوية في العلوم السلوكية المعاصرة. تعتمد هذه الاختبارات الحديثة ما يُعرف إحصائياً بـ “نسبة الذكاء الانحرافية” (Deviation IQ)، وهي درجة مشتقة فئوية تعتمد على مقارنة أداء الفرد بنظائره من نفس الفئة العمرية وفق نموذج التوزيع الطبيعي المعياري ذي المتوسط الحسابي الثابت المحدد بـ (100) نقطة والانحراف المعياري المقنن بـ (15) نقطة.

تتطابق هذه الاختبارات بدقة مع شروط المقياس الفئوي؛ فالفارق المعرفي بين درجة ذكاء 100 ودرجة 115 يكافئ تماماً الفارق المعرفي بين درجة 115 ودرجة 130 من حيث مسافة الانحراف المعياري، فكلاهما يمثل انحرافاً معيارياً كاملاً (1 SD) على المنحنى الجرسي الاعتدالي. ومع ذلك، لا يمكن القول إطلاقاً إن شخصاً يتمتع بدرجة ذكاء تبلغ (140) هو “ضعف ذكاء” شخص آخر تبلغ درجة ذكائه (70)؛ نظراً لأن درجة الصفر في مقاييس الذكاء هي نقطة افتراضية صرفة لا تعني إطلاقاً غياب النشاط الذهني أو الانعدام التام للقدرة المعرفية والوعي البشري.

8.2 الدرجات المعيارية والتحويلات الإحصائية في السيكومتري

لتجاوز إشكاليات تباين وحدات القياس واختلاف الصفر الافتراضي بين الاختبارات النفسية المتعددة، طوّر علماء السيكومتري منظومة متكاملة من الدرجات المشتقة الفئوية لتسهيل التفسير والمقارنة الإكلينيكية، وفي مقدمتها الدرجات المعيارية الزائية (Z-Scores). تُحول الدرجة الزائية الأداء الخام إلى وحدات انحراف معياري بمتوسط حسابي اعتباطي يساوي (0) وانحراف معياري يساوي (1)، وفق المعادلة الشهيرة:

$$Z = \frac{X – \mu}{\sigma}$$

ونظراً لاحتواء الدرجات الزائية على قيم سالبة وفواصل عشرية قد تربك الممارس الإكلينيكي في التشخيص، يتم إخضاعها لتحويلات خطية متكافئة لإنتاج مقاييس فئوية مشتقة جديدة، من أشهرها:

• الدرجات التائية (T-Scores): وتحدد المتوسط الحسابي بـ (50) والانحراف المعياري بـ (10)، وتُستخدم بكثافة في اختبار الشخصية متعدد الأوجه الشهير (MMPI).
• الدرجات الستانينية (Stanines): نظام يقسم التوزيع الطبيعي إلى تسع فئات معيارية بمتوسط (5) وانحراف معياري (2).
• درجات نسبة الذكاء (IQ): بمتوسط (100) وانحراف معياري (15).

وفي العصر الراهن، أسهمت نظرية الاستجابة للمفردة (Item Response Theory – IRT) ونماذج راش (Rasch Models) في إحداث ثورة منهجية كبرى عبر تحويل الاستجابات الترتيبية الخشنة على بنود الاختبارات إلى درجات متصلة ذات مسافات متساوية بوحدة قياس تُعرف بـ “اللوجيت” (Logit)، مما يوفر أساساً سيكومترياً رصيناً لمعاملة الدرجات المحولة بوصفها مقياس مسافة حقيقياً ومتجانساً.

8.3 الأساليب الإحصائية المعتمدة للبيانات الفئوية

يفتح استيفاء خصائص المقياس الفئوي الباب واسعاً أمام استخدام الإحصاء البارامتري والمعلمي (Parametric Statistics) بكامل طاقته الرياضية، بشرط تحقق الافتراضات التوزيعية المصاحبة مثل التوزيع الطبيعي وتجانس التباين. على صعيد الإحصاء الوصفي، يصبح المتوسط الحسابي (Mean) هو المقياس الأكثر كفاءة وتمثيلاً للنزعة المركزية، وتصبح مقاييس التشتت القائمة على انحرافات الدرجات عن المتوسط—كالتباين (Variance) والانحراف المعياري (Standard Deviation)—هي المعايير الدقيقة لتحديد مدى تشتت البيانات وتجانسها.

أما على صعيد الإحصاء الاستدلالي وتحليل العلاقات السببية والارتباطية، فإن المقياس الفئوي يدعم أقوى الاختبارات الإحصائية وأكثرها حساسية للكشف عن التأثيرات الحقيقية في التجارب النفسية، ومنها:

• معامل ارتباط بيرسون (Pearson Correlation): لقياس الارتباط الخطي بدقة بين متغيرين متصلين.
• اختبار (t) لستيودنت (Student’s t-test): بنوعيه للعينات المستقلة والعينات المترابطة لمقارنة المتوسطات الحسابية.
• تحليل التباين البسيط والمتعدد (ANOVA / MANOVA): لاختبار الفروق بين عدة مجموعات تجريبية وضابطة تحت تأثير متغيرات مستقلة متعددة.
• نماذج الانحدار الخطي البسيط والمتعدد (Multiple Linear Regression): للتنبؤ بالمتغيرات التابعة المستمرة استناداً إلى متغيرات تفسيرية متعددة.

9. المستوى الرابع: المقياس النسبي (Ratio Scale) ومفهوم الصفر المطلق

9.1 التعريف الأكاديمي والخصائص الرياضية الكاملة

يتبوأ المقياس النسبي (Ratio Scale) قمة الهرم القياسي بوصفه أرقى وأشمل مستويات القياس على الإطلاق من الناحية الرياضية والمعلوماتية. يمتلك هذا المقياس كافة الخصائص البنيوية التراكمية للمقاييس السابقة؛ فهو يشتمل على التمييز والتصنيف (الاسمي)، والترتيب المنطقي والتفاضل (الترتيبي)، وتساوي الفواصل والمسافات الحسابية بين القيم (الفئوي)، وينفرد بإضافة ميزة حاسمة تمنحه كماله الرياضي: امتلاك الصفر المطلق أو الحقيقي (True/Absolute Zero).

يدل الصفر الحقيقي في المقياس النسبي على الغياب الفيزيائي أو الإمبيريقي الكامل للسمة أو الخاصية المقاسة في العالم الفعلي؛ فالوزن البالغ صفراً يعني انعدام الكتلة تماماً، والسرعة البالغة صفراً تعني السكون التام وغياب الحركة كلياً. وبفضل هذا الصفر المطلق، يكتسب المقياس مرونة حسابية مطلقة تتيح تطبيق كافة العمليات الرياضية الأربع (الجمع، الطرح، الضرب، والقسمة) على الدرجات والقيم المباشرة دون أدنى قيد، وتصبح المقارنات النسبية والمضاعفات الرياضية ذات معنى حقيقي لا يقبل الشك؛ فالشخص الذي يبلغ عمره 40 عاماً هو “ضعف” عمر الشخص البالغ من العمر 20 عاماً، والجسم الذي كتلته 60 كجم هو ثلاثة أضعاف جسم كتلته 20 كجم بدقة علمية راسخة.

9.2 التحويلات الرياضية المقبولة للمقياس النسبي

نظراً لثبات موقع الصفر المطلق واستحالة زحزحته أو نقله اصطلاحياً، فإن فئة التحويلات الرياضية المسموح بإجرائها على المقياس النسبي تنحصر في “التحويلات الهندسية التضاعفية المتماثلة” (Positive Scale Transformations)، والتي تأخذ الصيغة الرياضية الآتية:

$$Y = aX$$

حيث تمثل ($a$) ثابتاً حقيقياً موجباً ($a > 0$) يعبر عن معامل التحويل بين وحدات القياس المختلفة، مع ملاحظة غياب الثابت المضاف ($b$) الذي كان موجوداً في معادلة المقياس الفئوي، لأن إضافة أي ثابت ستؤدي فوراً إلى تدمير الصفر المطلق وتحويله إلى صفر افتراضي.

تضمن هذه الخاصية الرياضية بقاء النسب بين القيم ثابتة ومطلقة بصرف النظر عن نظام المعايرة أو الوحدة المستخدمة في القياس. فعلى سبيل المثال، إذا كان زمن استجابة المفحوص الأول (2) ثانية وزمن استجابة المفحوص الثاني (4) ثوانٍ، فإن نسبة سرعة استجابة الأول للثاني هي (1:2). وإذا حولنا الزمن إلى المللي ثانية ($Y = 1000X$) لتصبح القيم (2000) و (4000) مللي ثانية، فإن النسبة تظل محفوظة تماماً بنسبة (1:2). يحافظ المقياس النسبي على المعنى الكمي والفيزيائي للصفر بغض النظر عن وحدة التجزئة، فالصفر في الثواني هو نفسه الصفر في الدقائق أو الساعات، وهو ما يمنح القياس النسبي ثباتاً موضوعياً رفيعاً.

9.3 تطبيقات المقياس النسبي في القياس الفسيولوجي والنفس-حركي

تزدهر تطبيقات المقياس النسبي في فروع علم النفس التجريبي، والعلوم العصبية الإدراكية، وعلم النفس الفسيولوجي؛ حيث يتعامل الباحثون مع متغيرات مادية وسلوكية مباشرة قابلة للمعايرة الفيزيائية الدقيقة. من أبرز هذه المتغيرات زمن الرجع (Reaction Time)، وهو الزمن المنقضي بدقة متناهية (بالمللي ثانية) بين ظهور المثير وبدء الاستجابة الحركية للمفحوص، ويُستخدم كمؤشر موضوعي فائق الحساسية لسرعة معالجة المعلومات والجهد الإدراكي في الدماغ.

كما تشمل التطبيقات السلوكية والنفس-فسيولوجية الشائعة للمقياس النسبي ما يلي:

• المؤشرات النفس-فسيولوجية: قياس استجابة موصلية الجلد الجلفانية (Galvanic Skin Response – GSR) لقياس الاستثارة الانفعالية، ومعدل نبضات القلب في الدقيقة، واتساع حدقة العين عبر أجهزة تتبع حركة العين (Eye-Tracking).
• الترددات الحركية والسلوكية: حساب عدد مرات تكرار سلوك معين (Behavioral Frequency) كعدد نوبات العدوان في الساعة لدى أطفال طيف التوحد، أو مدة نوبات الهلع بالدقائق، أو فترات الامتناع عن التدخين بالأيام.
• المتغيرات الديموغرافية النسبية: العمر الزمني بالسنوات والشهور، ومستوى الدخل الشهري، وعدد سنوات التعليم المنتظم، وعدد الإجابات الصحيحة في اختبارات السرعة الإدراكية المحكومة بالزمن.

10. مقارنة منهجية شاملة وتفاضلية بين مستويات القياس الأربعة

10.1 جدول المقارنة الهرمية التراكمية للخصائص الرياضية

لتكوين رؤية تكاملية واضحة للفوارق البنيوية بين المستويات الأربعة، يوضح الجدول التفصيلي التالي التدرج التراكمي لخصائص القياس والعمليات الحسابية المرتبطة بكل مستوى وفق الرؤية السيكومترية الحديثة:

المستوى القياسي	الخصائص الرياضية المتحققة	نقطة الصفر	العمليات الحسابية المسموحة	مقاييس النزعة المركزية والتشتت	التحويلات الرياضية الثابتة	أمثلة بارزة
الاسمي (Nominal)	الهوية والتصنيف فقط	لا يوجد	العد والتكرار فقط (=، ≠)	المنوال / التكرار والنسب المئوية	تحويل تقابلي واحد لواحد (التباديل)	الجنس، التشخيص الإكلينيكي، فصيلة الدم
الترتيبي (Ordinal)	الهوية + الترتيب والتفاضل	لا يوجد	المقارنة الترتيبية (>، <)	الوسيط / المدى الربيعي (IQR)	تحويلات رتيبة متزايدة بقوة	الرتب العسكرية، سلالم ليكرت، مستويات القلق
الفئوي (Interval)	الهوية + الترتيب + تساوي المسافات	افتراضي (اصطلاحي)	الجمع والطرح على الفروق	المتوسط الحسابي / الانحراف المعياري والتباين	تحويلات خطية إيجابية ($Y = aX + b$)	درجات الحرارة (سلسيوس)، درجات الذكاء (IQ)، الدرجات المعيارية (Z, T)
النسبي (Ratio)	الهوية + الترتيب + تساوي المسافات + الصفر المطلق	مطلق (حقيقي)	كافة العمليات: الجمع، الطرح، الضرب، والقسمة	المتوسط الحسابي والهندسي / الانحراف المعياري ومعامل الاختلاف	تحويلات تضاعفية هندسية ($Y = aX$)	زمن الرجع، الوزن، العمر، تكرار السلوك، الدخل

يكشف هذا التدرج الهرمي عن طبيعة تراكمية مذهلة: فالمقياس النسبي يحتوي في جوهره على المقياس الفئوي والترتيبي والاسمي مجتمعين، بينما يحتوي المقياس الفئوي على الترتيب والتصنيف دون الصفر المطلق، ويحوي الترتيبي التصنيف دون المسافات المتساوية، ليستقر المقياس الاسمي في قاعدة البناء ممثلاً الحد الأدنى من شروط القياس العلمي الهادف.

10.2 قواعد واستراتيجيات تحويل البيانات بين المستويات

تخضع عمليات التحويل بين مستويات القياس لقاعدة منهجية ذهبية صارمة تحكم الباحثين ومحللي البيانات: يمكن دائماً النزول بالبيانات من مستوى قياسي أعلى إلى مستوى قياسي أدنى، ولكن يستحيل الصعود بالبيانات من مستوى أدنى إلى مستوى أعلى دون الاعتماد على نماذج رياضية افتراضية معقدة.

يعني هذا المبدأ أن الباحث الذي يجمع بيانات العمر على مقياس نسبي دقيق (مثلاً: 25 سنة، 32 سنة، 48 سنة) يمتلك الحرية المنهجية الكاملة لتحويل هذه الدرجات إلى مقياس ترتيبي (مثل تصنيفهم إلى: فئات شباب، منتصف العمر، شيوخ)، أو حتى تحويلهم إلى مقياس اسمي ثنائي (أقل من 30 سنة / 30 سنة فأكثر). إلا أن هذا النزول التنازلي ينطوي على مخاطر منهجية كبرى؛ إذ يؤدي عمداً إلى فقدان هائل في القوة الإحصائية (Statistical Power)، وإهدار التباين الفردي الأصيل الكامن في البيانات الدقيقة، وتحويل الاختلافات الكمية المستمرة إلى كتل فئوية مصطنعة.

في المقابل، إذا قام الباحث بجمع البيانات منذ البداية على صورة فئات ترتيبية غير محددة بدقة، فإنه يستحيل عليه لاحقاً وبأي تقنية إحصائية تقليدية استرجاع الأرقام الدقيقة للأعمار. تلجأ البحوث المتقدمة في حالات محددة إلى تقنيات سيكومترية استثنائية للارتقاء بالبيانات—مثل استخدام نماذج راش التطورية لتحويل الرتب إلى مقاييس مسافة متساوية عبر دالات الاحتمال اللوجستي—بيد أن هذه الاستثناءات تتطلب استيفاء شروط نموذجية صارمة جداً ونوعية بيانات خاصة يصعب تحقيقها دائماً في التصاميم الاستطلاعية العادية.

10.3 معايير اختيار المقياس الأنسب في صياغة الفرضيات النفسية

يتطلب التصميم الرصين للبحوث الميدانية مراعاة الموازنة الدقيقة بين ثلاثة معايير أساسية عند اختيار وتحديد مستوى القياس المناسب لمتغيرات الدراسة:

• طبيعة السمة المقاسة: يجب على الباحث التمييز بين السمات التي تفرض طبيعتها بنية كيفية أو رتبية (كالرتب المؤسسية ومراحل النمو) والسمات التي تتضمن بطبيعتها كميات قابلة للمسافات المتساوية أو الصفر الحقيقي (كزمن الاستجابة ومعدلات الاستثارة الفسيولوجية).
• توفر الأدوات المقننة والجاهزية السيكومترية: يرتبط اختيار المستوى بمدى توفر مقاييس واختبارات نفسية مقننة ذات صدق وثبات عالٍ؛ ففي حال غياب أدوات تعطي مقاييس مسافة، يتعين على الباحث الاكتفاء بالقياس الترتيبي النزيه بدلاً من ادعاء الدقة الكمية الفئوية دون سند سيكومتري.
• الموازنة بين الدقة النظرية والجدوى الإجرائية: قد تتطلب بعض المقاييس النسبية (كأجهزة التتبع العصبي والتسجيل الفسيولوجي) ميزانيات ضخمة وتجهيزات مخبرية معقدة، في حين تتيح الاستبيانات الترتيبية جمع بيانات واسعة بكلفة أقل؛ لذا يجب على الباحث الموازنة بين الحاجة الفعلية للدقة والتكلفة الإجرائية المتاحة لاختبار الفرضيات.

11. أثر مستويات القياس على اختيار الأساليب الإحصائية (البارامترية واللابارامترية)

11.1 التمييز بين الاختبارات الإحصائية المعلمية واللامعلمية

يمثل تحديد مستوى القياس البوصلة الحاكمة التي ترشد الباحث لاختيار فرع التحليل الإحصائي الواجب اتباعه: إما الإحصاء البارامتري المعلمي (Parametric) أو الإحصاء اللابارامتري اللامعلمي التوزيعي الحر (Non-parametric). يرتكز الإحصاء البارامتري على افتراضات منهجية حاسمة تتعلق بخصائص المجتمع الأصلي للعينة؛ إذ يشترط بالضرورة أن تكون البيانات التابعة مقاسة على مستوى فئوي أو نسبي، وتتوزع اعتدالياً وفق التوزيع الطبيعي، مع تحقق تجانس التباين (Homogeneity of Variance) بين المجموعات المقارنة.

تتمتع الاختبارات البارامترية بقدرة فائقة تُعرف في الإحصاء بـ “القوة الإحصائية” (Statistical Power)؛ وهي قدرة الاختبار على رفض الفرضية الصفرية بنجاح عندما تكون خاطئة بالفعل، مما يقلل احتمالية الوقوع في خطأ النوع الثاني ($\beta$). في المقابل، يُعد الإحصاء اللابارامتري هو الحل المنهجي الحصري عندما تكون المتغيرات مقاسة على مستويات اسمية أو ترتيبية، أو عندما تنتهك البيانات الفئوية افتراض التوزيع الطبيعي أو يتسم حجم العينة بالصغر الشديد، حيث يتعامل الإحصاء اللابارامتري مع الرتب والتكرارات متجنباً الوقوع في أخطاء التقدير الناشئة عن التوزيعات الملتوية بشدة.

11.2 دليل اتخاذ القرار الإحصائي وفقاً لمستوى القياس

يوفر فهم العلاقة بين مستوى القياس والأدوات الإحصائية مساراً واضحاً لاتخاذ القرار الإحصائي المنهجي السليم، ويمكن بلورة هذا الدليل في مصفوفتين رئيسيتين:

أولاً: مصفوفة اختبارات الفروق بين المجموعات:

• بيانات اسمية: يتم الاعتماد حصراً على اختبار مربع كاي لحسن المطابقة (لمجموعة واحدة) أو مربع كاي للاستقلالية واختبار فيشر الدقيق (لمجموعتين أو أكثر).
• بيانات ترتيبية: يُستخدم اختبار مان-ويتني (U) لمقارنة مجموعتين مستقلتين، واختبار ويلكوكسون للإشارات والرتب لعينتين مرتبطتين، واختبار كروسكال-واليس لمقارنة ثلاث مجموعات مستقلة أو أكثر، واختبار فريدمان للقياسات المتكررة الترتيبية.
• بيانات فئوية / نسبية: يُستخدم اختبار (t) لعينتين مستقلتين أو مترابطتين، وتحليل التباين الأحادي (One-way ANOVA) والتحليلات العاملية للتباين المتعدد، وتحليل التباين للقياسات المتكررة (Repeated Measures ANOVA).

ثانياً: مصفوفة اختبارات الارتباط والعلاقات التنبؤية:

• بيانات اسمية: معاملات التوافق، ومعامل فاي، وكرامر (V)، ونماذج الانحدار اللوجستي الثنائي والمتعدد (Logistic Regression).
• بيانات ترتيبية: معامل ارتباط سبيرمان للرتب، ومعامل كيندال للارتباط الرتبي.
• بيانات فئوية / نسبية: معامل ارتباط بيرسون للارتباط الخطي، ونماذج الانحدار الخطي البسيط والمتعدد، والتحليل العاملي الاستكشافي والتوكيدي.

11.3 الجدل الإحصائي حول تحليل بيانات مقاييس ليكرت في العلوم الإنسانية

يثير تحليل استبيانات ليكرت في العلوم الإنسانية انقساماً كبيراً بين المدارس الإحصائية؛ فالمدرسة المنهجية المحافظة ترى أن خيارات الاستجابة (من 1 إلى 5) هي بيانات ترتيبية بحتة لا يجوز مطلقاً إخضاعها للمتوسط الحسابي أو اختبارات (t) وتحليل التباين، وتطالب بقصر التحليل على الوسيط واختبار مان-ويتني وكروسكال-واليس لتفادي التزييف الرياضي للمسافات النفسية الفاصلة بين الخيارات.

أما المدرسة الإحصائية التجريبية والتطبيقية، فتحتج بمتانة اختبارات (t) والتباين (Robustness of F-tests) وقدرتها المثبتة عبر دراسات محاكاة مونت كارلو على مقاومة انتهاك شروط القياس الفئوي، لا سيما عندما يتجاوز حجم العينة 30 أو 50 مفحوصاً وفق نظرية النهاية المركزية (Central Limit Theorem)، وعندما يتم دمج درجات عبارات متعددة لقياس بعد كلي مركب بدلاً من فحص عبارة مفردة معزولة. ولتجاوز هذا الاستقطاب، تتجه التوصيات الحديثة إلى استخدام نمذجة المعادلات البنائية وتطبيق مقدرات متخصصة للبيانات الترتيبية مثل (WLSMV – Weighted Least Squares Means and Variance adjusted) في برمجيات كـ Mplus و R، لتحقيق التوازن بين الصرامة النظرية والمرونة التحليلية.

12. التحديات المنهجية والأخطاء الشائعة في تصنيف مستويات القياس

12.1 الأخطاء الشائعة لدى الباحثين في تحديد مستوى القياس

تشير مراجعات الدراسات المنشورة في المجلات النفسية والتربوية إلى تكرار وقوع الباحثين في جملة من الأخطاء المنهجية الموثقة حول مستويات القياس، ومن أبرزها:

• المعاملة الكمية للأكواد الاسمية: حساب المتوسطات والانحرافات لمتغيرات كيفية مرمزة رقمياً (كالجنس أو التخصص الأكاديمي)، وتفسير ذلك في ضوء الزيادة والنقصان كأن يدل الرقم على وزن إحصائي.
• الافتراض الساذج لتساوي المسافات الترتيبية: التعامل التلقائي مع رتب الأداء المدرسي أو التقييمات السريرية الذاتية كما لو كانت مقاييس مسافة دون إجراء أي اختبارات سيكومترية للتأكد من خطية التدريج والمسافات الفاصلة.
• الخلط بين الصفر المطلق والصفر الافتراضي: تفسير الدرجة (صفر) في الاختبارات التحصيلية ومقاييس الاكتئاب والانطواء على أنها انعدام مطلق للسمة السلوكية أو المعرفية، واستنتاج نسب مضاعفة زائفة بين مستويات المفحوصين.
• الاستخدام المتعسف للاختبارات البارامترية: تطبيق اختبارات متقدمة كتحليل التباين على عينات صغيرة جداً ببيانات ترتيبية ملتوية بشدة، مما يرفع احتمالية خطأ النوع الأول وينتج قرارات استدلالية مشوهة وغير موثوقة.

12.2 تحديات القياس النفسي الكمي (The Problem of Quantifying the Mind)

تواجه العلوم السلوكية معضلة فلسفية وعلمية مزمنة تُعرف بـ “مشكلة قياس العقل وتكميم الوعي”؛ فالأبعاد النفسية الداخلية كالحزن، والأمل، والألم الذاتي، ليست كميات مادية خارجية خاضعة لقوانين الفيزياء التقليدية. تكمن الصعوبة في إثبات أن السمة النفسية تمتلك في أصلها تركيبة مستمرة قابلة للقسمة والجمع الكمي المتساوي، وليست مجرد حالات كيفية نوعية متمايزة في الوعي الداخلي للفرد.

إضافة إلى ذلك، فإن الخصائص السيكومترية لأداة القياس تلعب دوراً مهدداً لنقاء المستوى القياسي؛ فالتحيز في صياغة البنود، واستجابات المرغوبية الاجتماعية (Social Desirability)، والتزييف الواعي من قِبل المفحوصين، يلقي بظلال كثيفة من أخطاء القياس غير المنضبطة على بنية البيانات. وتبرز هنا مساهمات القياس الموضوعي الحديث المتمثل في نماذج راش (Rasch Measurement)، التي تمثل الجسر المنهجي الرائد لتحويل الترتيب الاستجابي إلى قياسات خطية حقيقية تتطابق مع معايير القياس الفيزيائي الدقيق عبر فصل معايرة صعوبة بنود الأداة عن تقدير قدرة المفحوصين بصورة مستقلة وموضوعية.

12.3 دليل إرشادي لتحسين جودة القياس في الأبحاث السلوكية المستقبلية

للارتقاء بجودة القياس السلوكي وضمان النزاهة العلمية للبيانات في الدراسات المستقبلية، يوصى باتباع الخطوات والإرشادات المنهجية التالية بدقة:

• التدقيق المنهجي المبكر: تحديد المستوى القياسي لكل متغير أثناء مرحلة التصميم التجريبي وكتابة خطة البحث، قبل الشروع في جمع أي بيانات ميدانية، وضبط الفرضيات وصياغتها في ضوء هذا التحديد.
• التوثيق الصريح في متن البحث: كتابة فقرة منهجية مفصلة في قسم “الإجراءات والأدوات” توضح مبررات تصنيف المتغير، وتبرهن على استيفاء شروط المستوى القياسي المعتمد، وتعلل أسباب اختيار الاختبار الإحصائي المحدد.
• التحقق الإمبيريقي من افتراضات التحليل: عدم الاكتفاء بالافتراض النظري لتساوي المسافات أو الاعتدالية؛ بل فحص شكل التوزيع، ومعاملات الالتواء والتفرطح، وتجانس التباين عبر البرمجيات الحديثة (مثل R و JASP و SPSS).
• الحذر في التفسير الإكلينيكي: التزام الدقة التامة عند كتابة التقارير التشخيصية، والامتناع عن استخدام صياغات المضاعفة والنسب المطلقة إلا إذا كانت الأداة المستخدمة تنتمي بوضوح إلى المقياس النسبي وتستند إلى صفر حقيقي مثبت.

خاتمة

تظل نظرية مستويات القياس التي صاغها ستانلي ستيفنز واحدة من أعظم المنظومات الإبستمولوجية التي أسهمت في بناء الهوية العلمية للعلوم النفسية والسلوكية. إنها الإطار الذي يحدد شرعية التحويل من الواقع الملاحظ إلى الرمز الرياضي، وهي المعيار المنهجي الفاصل بين التحليل الإحصائي الدقيق والتلاعب بالأرقام المضللة. إن إدراك الفوارق الجوهرية بين المقاييس—من بساطة المقياس الاسمي وتصنيفاته المتنافية، إلى تراتبية المقياس الترتيبي، وتساوي مسافات المقياس الفئوي المحكوم بالصفر الاصطلاحي، وصولاً إلى اكتمال المقياس النسبي بصفر مطلق يتيح الحسابات والنسب الرياضية الشاملة—هو الضمان الأوحد لسلامة الاستنتاجات العلمية وموثوقيتها.

إن المسؤولية الأكاديمية تقتضي من الباحثين في العلوم الإنسانية والسلوكية تجنب الارتجال والتعامل الواعي مع البيانات؛ فالحاسوب والبرمجيات الإحصائية المتطورة تستطيع معالجة أي أرقام تُغذى بها وتوليد متوسطات واختبارات معقدة بضغطة زر واحدة، لكنها تعجز تماماً عن تمييز المعنى الإبستمولوجي والمنطقي لتلك الأرقام. تقع هذه المهمة على عاتق الباحث الفطن الذي يزن أدواته بميزان المعرفة العلمية الرصينة، ليضمن أن كل رقم يُكتب في بحثه يمثل ترجمة أمينة وصادقة للظاهرة النفسية المعقدة التي يدرسها، مساهماً بذلك في الارتقاء بمستوى العلم وترسيخ قواعده في خدمة الإنسانية والمعرفة الحقة.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 5–55.
• Michell, J. (1999). Measurement in psychology: A critical history of a methodological concept. Cambridge University Press. https://doi.org/10.1017/CBO9780511490040
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Velleman, P. F., & Wilkinson, L. (1993). Nominal, ordinal, interval, and ratio typologies are misleading. The American Statistician, 47(1), 65–72. https://doi.org/10.1080/00031305.1993.10475938
• Wright, B. D., & Mok, M. (2000). Rasch models overview. Journal of Applied Measurement, 1(1), 83–106.