Ölçek Uyarlamada En Sık Yapılan 5 Hata
Ölçek uyarlama, dışarıdan bakıldığında bir çeviri işi gibi görünür. Hakem sürecinde en çok red alan makale türlerinden biri olmasının sebebi tam olarak budur.
Bir ölçeği başka bir dile ve kültüre taşımak, maddeleri çevirmekle bitmez. Amaç, aracın yeni kültürde aynı yapıyı ve aynı şekilde ölçtüğünü göstermektir. Aşağıdaki beş hata, bu amacın gözden kaçtığı en yaygın noktalardır.
1. Tek yönlü çeviriyle yetinmek
Maddeleri bir uzmana çevirtip süreci tamamlanmış saymak, uyarlama çalışmalarındaki en temel eksiktir. Kabul gören yaklaşım çok aşamalıdır: bağımsız iki çevirmenin ileri çevirisi, bunların uzlaştırılması, kaynak dili ana dili olan bir çevirmenin geri çevirisi ve bir uzman komitesinin nihai değerlendirmesi.
Bu zincir, tek bir çevirmenin yorumunun ölçeğe sessizce yerleşmesini engeller.
2. Kültürel eşdeğerliği dilsel eşdeğerlikle karıştırmak
Bir madde dilbilgisel olarak kusursuz çevrilmiş olabilir ama hedef kültürde karşılığı olmayabilir. Bireyci bir kültürde geliştirilmiş “kendim için karar veririm” ifadesi, kolektivist bir bağlamda aynı psikolojik anlamı taşımaz.
3. AFA ve DFA’yı aynı veri setinde yapmak
Açımlayıcı faktör analizini uyguladığınız örneklemle doğrulayıcı faktör analizini de yapmak, aynı veriye iki kez soru sormaktır. DFA’nın doğrulayıcı olma özelliği bu durumda ortadan kalkar.
Doğru yol, örneklemi rastgele ikiye bölmek ya da iki ayrı veri toplamaktır. Bu ayrımı yapan çalışmalar hakem sürecinde belirgin biçimde daha az itiraz alır.
4. Ölçme değişmezliğini atlamak
Bu, uyarlama çalışmalarının en sık atlanan ve en çok eleştirilen adımıdır. Uyarlanmış ölçekle iki grubu (örneğin Türk ve orijinal örneklemi, ya da kadın ve erkekleri) karşılaştıracaksanız, önce aracın bu gruplarda aynı yapıyı ölçtüğünü göstermeniz gerekir.
| Aşama | Ne test edilir | Sağlanmazsa |
|---|---|---|
| Configural | Faktör yapısı aynı mı | Karşılaştırma anlamsız |
| Metric | Faktör yükleri eşit mi | İlişkiler karşılaştırılamaz |
| Scalar | Kesme noktaları eşit mi | Ortalamalar karşılaştırılamaz |
Scalar değişmezlik sağlanmadan grup ortalamalarını karşılaştırmak, farklı birimlerle ölçülmüş iki değeri toplamaya benzer.
5. Güvenirliği tek katsayıya indirgemek
Cronbach alfa hâlâ en çok raporlanan güvenirlik katsayısıdır, ancak varsayımları sıkıdır: maddelerin eşit yükte olmasını ve hata terimlerinin ilişkisiz olmasını gerektirir. Bu varsayımlar çoğu ölçekte karşılanmaz.
Birleşik güvenirlik (composite reliability / McDonald’ın omegası) bu varsayımları gerektirmediği için giderek daha çok tercih ediliyor. Alfayı raporlamaya devam edin, ama yanına omegayı da ekleyin.
Ayırt edici geçerlik için
- AVE — her faktör için .50 üzeri hedeflenir
- HTMT — .85 (katı) veya .90 (esnek) eşiğinin altında kalmalı
HTMT ölçütü, klasik Fornell–Larcker kriterine göre ayırt edici geçerlik sorunlarını yakalamada daha duyarlıdır (Henseler ve ark., 2015).
Ölçek Geliştirme ve Uyarlama Eğitimi
Madde havuzundan ölçme değişmezliğine kadar tüm süreci, kendi ölçeğiniz üzerinde uygulayarak öğrenin.
Kaynaklar
- Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191.
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115–135.
