صدق القياس وصلاحية تفسير الدرجات: من الدليل إلى القرار

الصدق أو الصلاحية في القياس النفسي والتربوي لا يعني أن «الاختبار صحيح» بصورة مطلقة، بل يعني أن لدينا أدلة وحججًا كافية لدعم تفسير محدد للدرجات واستخدام محدد لها مع سكان وسياق معينين. قد تكون الدرجة قابلة للدفاع لاستخدام بحثي محدود، لكنها غير كافية لقرار فردي عالي الأثر. وقد تكون أداة مناسبة في لغة وفئة عمرية معينة ثم تحتاج إلى أدلة جديدة عند نقلها إلى لغة أو ثقافة أو سياق مختلف. لذلك تكون الوحدة الحقيقية للتحقق هي تفسير الدرجة واستخدامها، لا اسم الأداة وحده.

هذه الصفحة هي Canonical المركزي لعائلة «الصدق وصلاحية التفسير» بعد مراجعة عشرين صفحة legacy متداخلة كانت تفصل الأساسيات والتحيز والتحليل والتطبيق والأسرة والمدرسة والباحث والتقرير إلى صفحات متشابهة. جُمعت المعرفة الفريدة في مرجع واحد أعمق مع الحفاظ على حدود واضحة مع صفحة «الصدق أم الثبات» التي تشرح الفرق المفاهيمي، وصفحة «الخصائص السيكومترية» التي تغطي برنامج التحقق الكامل، وصفحات ثبات القياس والتكييف اللغوي التي تتناول أسئلة مستقلة أكثر تخصصًا.

1. ما الذي نتحقق من صلاحيته فعلًا؟

في التصور المعاصر لا نقول إن الاختبار «يمتلك صدقًا» كصفة ثابتة منفصلة عن الغرض. نحدد أولًا الادعاء الذي سنبنيه على الدرجة: هل الدرجة تمثل مستوى معرفة؟ هل تعكس شدة بناء نفسي؟ هل تسمح بالمقارنة بين مجموعتين؟ هل تساعد في اختيار من يحتاج تقييمًا إضافيًا؟ ثم نسأل ما الافتراضات اللازمة كي يكون الانتقال من الاستجابة إلى الدرجة ثم إلى التفسير والقرار منطقيًا ومدعومًا بالدليل.

كلما اتسع الادعاء زادت الأدلة المطلوبة. القول إن مجموعة بنود تغطي مجالًا معرفيًا أضيق من القول إن الدرجة تتنبأ بأداء واقعي أو تبرر قرار أهلية أو تشخيص أو تصنيف. منهج Kane يصوغ هذه الفكرة كحجة تفسير واستخدام: نحدد سلسلة الاستدلالات والافتراضات ثم نختبر أضعف حلقاتها بدل جمع إحصاءات كثيرة لا ترتبط بالادعاء المركزي.

الاختبار ليس «صادقًا» خارج التفسير والاستخدام

يمكن للنسخة نفسها أن تكون مدعومة جيدًا لقياس متوسط مجموعة في بحث، وغير مدعومة بما يكفي لاتخاذ قرار فردي. ويمكن للدرجة أن تكون قابلة للتفسير لدى بالغين ناطقين بلغة معينة، لكن لا يجوز افتراض المعنى نفسه لدى أطفال أو متحدثين بلغة أخرى أو أشخاص يستخدمون تكييفات مختلفة دون فحص إضافي. لهذا يجب أن يسجل كل تقرير الغرض والسكان والسياق والإصدار وطريقة التطبيق بوضوح.

2. خمسة مصادر رئيسية لأدلة الصلاحية

تحدد Standards for Educational and Psychological Testing مصادر مفيدة لبناء حجة الصلاحية: محتوى الاختبار، وعمليات الاستجابة، والبنية الداخلية، والعلاقات مع متغيرات أخرى، وعواقب الاختبار. هذه ليست «خمسة أنواع منفصلة من الصدق» يحصل كل واحد منها على ختم مستقل؛ هي مصادر أدلة تتجمع بحسب الادعاء المقصود. ليست كل دراسة مطالبة بكمية متساوية من كل مصدر، لكن لا ينبغي اختيار المصدر الأسهل ثم تجاهل الافتراضات الأكثر خطورة.

• المحتوى: هل تمثل البنود أو المهام المجال والبناء والسياق المقصودين دون فجوات أو عناصر غير ذات صلة؟
• عمليات الاستجابة: هل يفهم الأشخاص التعليمات والبنود ويجيبون بالطريقة التي يفترضها تفسير الدرجة؟ وهل التصحيح أو التقدير ينفذ كما هو مقصود؟
• البنية الداخلية: هل العلاقات بين البنود أو الأبعاد تتفق مع النموذج الذي يفترضه تفسير الدرجة؟
• العلاقات مع متغيرات أخرى: هل تظهر الارتباطات والفروق والتنبؤات وفق فرضيات محددة مسبقًا مع مقاييس أو نتائج ذات صلة وغير ذات صلة؟
• العواقب: ما النتائج المتوقعة وغير المتوقعة لاستخدام الدرجات، وهل تكشف عن مشكلات في التفسير أو التطبيق أو العدالة؟

3. صدق المحتوى: هل نقيس المجال الذي نزعم قياسه؟

الملاءمة والشمول وقابلية الفهم

في إطار COSMIN الحديث يُفحص محتوى أداة القياس من حيث ملاءمة العناصر للبناء والسكان والسياق، وشمولها للمفاهيم المهمة، وقابلية فهم التعليمات والبنود وخيارات الاستجابة. هذه المبادئ لا تقتصر على الاستبيانات الذاتية؛ يمكن تطبيق منطق مشابه على اختبارات الأداء والتقييمات القائمة على الملاحظة. وجود خبراء وحده لا يكفي إذا لم تكن عملية اختيار المحتوى موثقة ولم يُختبر فهم الفئة المستهدفة عندما يكون ذلك ذا صلة.

أحد أخطر التهديدات هو نقص تمثيل البناء construct underrepresentation، حين يغطي الاختبار جزءًا ضيقًا من المجال ثم يُفسر كأنه يمثل المجال كله. التهديد المقابل هو التباين غير المرتبط بالبناء construct-irrelevant variance، عندما تتأثر الدرجة بمهارة أو حاجز ليس جزءًا من الهدف، مثل صعوبة قراءة غير مقصودة في مهمة تريد قياس معرفة علمية، أو عبء حركي في مهمة تريد قياس استدلال.

4. عمليات الاستجابة: ماذا يحدث بين السؤال والدرجة؟

قد تبدو البنود مناسبة على الورق، لكن الأشخاص قد يفهمونها بطريقة مختلفة عن المقصود، أو يستخدم المقيمون قواعد تصحيح غير متسقة، أو يحل المتقدمون المهمة باستراتيجية لا تمثل البناء المستهدف. أدلة عمليات الاستجابة تبحث في هذه الحلقة باستخدام مقابلات معرفية أو تفكير بصوت عالٍ أو تحليل زمن الاستجابة أو مراجعة سلوك المصححين أو بيانات العملية الرقمية، بحسب نوع الأداة والسؤال.

في التقييمات متعددة اللغات، قد تكشف المقابلات المعرفية أن ترجمة تبدو لغويًا سليمة تغير معنى المفهوم أو تحمل إيحاءً ثقافيًا مختلفًا. وفي الاختبارات الرقمية قد تكشف سجلات التفاعل أن بعض المستخدمين يواجهون عائق تنقل أو واجهة يرفع زمن الإجابة دون علاقة بالبناء. هذه الأدلة مهمة لأنها تفسر لماذا قد يبدو الأداء مختلفًا حتى عندما لا يكون الفرق في السمة المستهدفة نفسها.

5. البنية الداخلية: العامل والنموذج ليسا غاية بحد ذاتهما

إذا كانت الدرجة تفسر على أنها تمثل بعدًا واحدًا، ينبغي أن تكون البنية الداخلية متوافقة مع هذا الادعاء. قد تستخدم التحليلات العاملية أو نماذج IRT/Rasch أو اختبارات الأداء التفاضلي للبنود وفق السؤال. لكن ملاءمة نموذج واحد لا تثبت وحدها المعنى؛ قد توجد نماذج بديلة معقولة، وقد تتغير البنية بين مجموعات أو لغات، وقد يكون حجم العينة أو طريقة التقدير غير مناسبين.

كما أن معاملات الاتساق الداخلي تعتمد على البنية. ارتفاع Alpha لا يصلح بديلًا عن فحص النموذج، وهو سبب إبقاء مرجع «الثبات في القياس» مستقلًا. الصلاحية الداخلية هنا تسأل هل بنية العلاقات بين العناصر تدعم طريقة تكوين الدرجة وتفسيرها، بينما الثبات يسأل عن اتساق الدرجات ضمن مصدر خطأ محدد.

6. العلاقات مع متغيرات أخرى: اختبر فرضيات قبل رؤية النتائج

تقارب وتمييز ومعيار خارجي

تتوقع حجة الصلاحية علاقات معينة مع متغيرات أخرى. قد نتوقع ارتباطًا متوسطًا أو قويًا مع مقياس لبناء قريب، وارتباطًا أضعف مع بناء مختلف، وفروقًا بين مجموعات معروفة، أو قدرة تنبؤية لنتيجة مستقبلية. القيمة العلمية تأتي من تحديد الفرضية واتجاه العلاقة وحجمها المتوقع قبل النظر إلى البيانات قدر الإمكان، لا من جمع عشرات الارتباطات ثم اختيار ما يبدو داعمًا.

ما يسمى أحيانًا «صدق المحك» يحتاج محكًا يمكن الدفاع عنه. في علم النفس والتعليم نادرًا ما يوجد gold standard كامل لبناء معقد، لذلك لا ينبغي تحويل ارتباط مع أداة مشهورة إلى إثبات نهائي. الأداة المقارنة نفسها قد تحمل خطأ وتحيزًا، وقد تقيس جانبًا مختلفًا. الأفضل وصف طبيعة الدليل وحدوده وربطه بالادعاء المقصود.

7. العواقب والعدالة: ماذا يحدث عندما نستخدم الدرجة؟

استخدام الاختبار قد ينتج آثارًا مقصودة مثل تحسين توجيه الدعم، وآثارًا غير مقصودة مثل استبعاد غير متناسب لمجموعة أو زيادة تدريب ضيق على شكل الاختبار. العواقب السلبية لا تعني تلقائيًا أن البناء غير مقاس، لكنها قد تكشف مشكلة في التفسير أو العتبة أو التطبيق أو الوصول أو السياسة. لذلك يجب فصل السؤال التجريبي عن السؤال القيمي مع دراسة كليهما عندما يكون الاستخدام عالي الأثر.

العدالة ليست إضافة تجميلية بعد بناء الاختبار. إذا كانت طريقة التطبيق تضع حاجزًا غير مرتبط بالبناء أمام فئة من الأشخاص، فإن معنى الدرجة يصبح موضع شك. ولهذا ترتبط الصلاحية بإتاحة الوصول والتكييفات وثبات القياس عبر المجموعات. لا يكفي أن تكون الأداة «متساوية للجميع» شكليًا إذا كانت المساواة في الإجراء تنتج تباينًا غير مرتبط بالبناء.

8. إطار Kane: من الاستجابة إلى القرار عبر سلسلة استدلالات

يوفر إطار Kane طريقة عملية لتنظيم حجة الصلاحية عبر استدلالات مثل scoring وgeneralization وextrapolation وimplications. في scoring نسأل هل تحولت الملاحظة أو الاستجابة إلى درجة بطريقة صحيحة. في generalization نسأل هل الدرجة تمثل أداء الشخص عبر عينة أوسع من المهام أو الظروف. في extrapolation نسأل هل يمكن ربط أداء الاختبار بالبناء أو الأداء في العالم الواقعي. وفي implications نسأل هل القرار أو الإجراء المبني على الدرجة مبرر.

ميزة هذا الإطار أنه يجبرنا على تحديد الحلقة الأضعف. قد يكون التصحيح ممتازًا والثبات مرتفعًا، لكن الانتقال من مهمة قصيرة إلى ادعاء واسع عن الأداء الواقعي غير مدعوم. أو قد يكون البناء ممثلًا جيدًا لكن العتبة المستخدمة في قرار الأهلية لم تُبرر. عندها لا نحتاج «مزيدًا من كل شيء» بل دليلًا يستهدف الافتراض المعرض للفشل.

9. العتبات والقرارات: صلاحية الدرجة لا تساوي صلاحية القطع

قد يكون تفسير الدرجة المستمرة مدعومًا، بينما استخدام cut score لتقسيم الأشخاص إلى فئتين يحتاج حجة إضافية. يجب توضيح كيف حُددت العتبة، وما الخطأ المتوقع حولها، وما تكلفة التصنيف الخاطئ، وهل القرار قابل للمراجعة، وكيف تتغير النتائج بين المجموعات. العتبة لا تصبح صحيحة لأن رقمًا مشهورًا استخدم في دراسة سابقة أو لأن البرنامج يعطيها تلقائيًا.

في الفحص النفسي أو التعليمي تحديدًا، عتبة الإحالة ليست تشخيصًا. قد تكون مصممة لرفع الحساسية واكتشاف من يحتاج إلى تقييم أوسع، ما يعني قبول بعض الإيجابيات الكاذبة. الخلط بين وظيفة الفحص ووظيفة التشخيص يوسع الادعاء أبعد مما تسمح به أدلة الصلاحية.

10. النقل بين اللغات والثقافات والسكان

ترجمة الكلمات لا تنقل حجة الصلاحية تلقائيًا. توصي إرشادات International Test Commission بأن يكون التكييف عملية تشمل تعريف البناء، والخبرة اللغوية والثقافية، وجودة الترجمة والمراجعة، ودراسة التكافؤ، وتوثيق التغيرات. قد تحتاج النسخة العربية إلى أدلة محتوى وعمليات استجابة وبنية وثبات قياس وعلاقات خارجية خاصة بها، خصوصًا إذا تغيرت أمثلة أو تعليمات أو سياقات.

كذلك لا يكفي أن تكون النسخة «مقننة» إذا كانت المعايير قديمة أو من مجتمع مختلف جذريًا عن الشخص الحالي. صلاحية التفسير المعياري تعتمد على ملاءمة المجموعة المرجعية والإجراءات. إذا لم تتوافر أدلة محلية كافية، ينبغي تقليل قوة الادعاء والتمييز بين الاستخدام الاستكشافي والقرار عالي الأثر بدل إخفاء فجوة الدليل.

11. كيف تصمم برنامج تحقق بدل «دراسة صدق» واحدة؟

التحقق الجيد برنامج تراكمي. ابدأ بتعريف البناء والغرض والسكان والقرار، ثم اكتب حجة تفسير واستخدام تحدد الافتراضات. بعد ذلك رتب الافتراضات حسب أهميتها وهشاشتها واجمع الأدلة التي تختبرها. قد تبدأ بالمحتوى وعمليات الاستجابة أثناء التطوير، ثم البنية الداخلية والثبات والعلاقات الخارجية، ثم العدالة والعواقب في الاستخدام الفعلي. لا توجد دراسة واحدة تحسم كل هذه الأسئلة.

اكتب الادعاء ثم الدليل الذي يمكن أن يفنده

بدل قول «نريد إثبات صدق المقياس»، اكتب: «ندعي أن الدرجة تعكس البناء س لدى الفئة ص لاستخدام ع». ثم اسأل ما النتيجة التي ستجعل هذا الادعاء أضعف. إذا لم تعرف ما الذي يمكن أن يفند الادعاء، يصبح التحقق بحثًا عن تأكيد فقط. منهج الحجة يسمح بجمع أدلة مؤيدة ومناقضة وتحديد أين تبقى فجوات عدم اليقين.

12. كيف تقرأ ورقة تدعي صلاحية أداة؟

1. اكتب التفسير والاستخدام والسكان الذين تريد الورقة دعمهم، لا اسم «نوع الصدق» فقط.
2. افحص تعريف البناء وحدوده وما إذا كان يطابق محتوى الأداة وسياقها.
3. راجع كيف طُورت البنود ومن شارك في تقييم الملاءمة والفهم والشمول.
4. تحقق من عمليات الاستجابة أو التصحيح عندما تكون جزءًا مهمًا من الاستدلال.
5. افحص البنية الداخلية وهل النموذج متوافق مع طريقة حساب الدرجة.
6. راجع الفرضيات حول العلاقات مع متغيرات أخرى وهل حُددت مسبقًا بقدر معقول.
7. اسأل عن الثبات وخطأ القياس لأن عدم الاتساق يضعف دقة الاستدلال.
8. ابحث عن أدلة العدالة والتكافؤ عبر المجموعات واللغات إذا كانت المقارنة جزءًا من الاستخدام.
9. راجع العتبات والقرارات بصورة منفصلة عن تفسير الدرجة المستمرة.
10. قيّم مدى تشابه السكان والإصدار واللغة والسياق مع الاستخدام الذي يهمك.
11. دوّن الأدلة المعارضة أو المفقودة بدل جمع المؤشرات الداعمة فقط.
12. اكتب حكمًا مشروطًا: ما الادعاء المدعوم، لأي استخدام، وما الذي يحتاج دليلًا إضافيًا؟

13. أخطاء شائعة تجعل لغة الصلاحية أقوى من الدليل

• القول إن «الاختبار صادق» دون تحديد التفسير والاستخدام والسكان.
• اعتبار Alpha أو الثبات المرتفع إثباتًا للصدق.
• استخدام تحليل عاملي مقبول بوصفه دليلًا كافيًا على كل جوانب الصلاحية.
• الاعتماد على ارتباط واحد مع مقياس مشهور وتسميته «محكًا ذهبيًا» دون نقد.
• اختيار العلاقات الداعمة بعد رؤية البيانات وإغفال الفرضيات التي فشلت.
• استخدام نسخة مترجمة مع افتراض أن أدلة النسخة الأصلية تنتقل بالكامل.
• اعتبار نتائج مجموعة واحدة إثباتًا للتكافؤ عبر العمر أو الجنس أو اللغة أو الإعاقة.
• اعتبار عتبة فحص تشخيصًا أو قرار أهلية تلقائيًا.
• تجاهل أثر طريقة الاستجابة أو التقنية أو التكييفات في معنى الدرجة.
• حذف النتائج غير الملائمة من حجة الصلاحية بدل تفسير التعارض.
• استعمال مصطلحات تاريخية كأن «أنواع الصدق» اختبارات مستقلة يمكن جمعها ميكانيكيًا.
• الخلط بين جودة التقرير المنشور وقوة الحجة العلمية نفسها.

14. مثال تطبيقي: أداة قصيرة للفحص التعليمي

لنفترض تطوير أداة قصيرة لتحديد طلاب قد يحتاجون إلى تقييم أوسع لصعوبة تعلم. الادعاء الأول ليس «الأداة تشخص»، بل «الدرجة تساعد على تنظيم الإحالة لمراجعة أعمق». نحتاج إلى أدلة أن البنود تمثل العلامات ذات الصلة بهذا الغرض، وأن الطلاب والمعلمين يفهمونها كما هو مقصود، وأن بنية الدرجة معقولة، وأن التقديرات متسقة بما يكفي، وأن النتيجة ترتبط بمؤشرات خارجية متوقعة دون أن تختزل القرار في اختبار واحد.

إذا استُخدمت الأداة لاحقًا لتقرير أهلية رسمية، فقد تغير الاستخدام أكثر من الأداة نفسها. عندها تصبح حجة الصلاحية القديمة غير كافية لأن تكلفة الخطأ والعتبة والعواقب والعدالة أصبحت أعلى. هذه هي الفكرة المركزية: قوة الأدلة المطلوبة تتبع الادعاء والاستخدام، وليس مجرد تاريخ نشر دراسة سابقة عن الأداة.

15. الصحة النفسية: من الدرجة إلى التفسير السريري

في الصحة النفسية قد تقيس أداة أعراضًا خلال نافذة زمنية محددة. صلاحية استخدام الدرجة للفحص لا تعني صلاحية استخدامها لتحديد تشخيص تفريقي أو اختيار علاج. التشخيص قد يحتاج تاريخًا، ومقابلة، ووظيفة يومية، ومصادر معلومات متعددة، واستبعاد أسباب أخرى. إذا توسع الاستخدام من «قياس شدة أعراض» إلى «تحديد اضطراب»، يجب جمع أدلة وحجة تتناسب مع الادعاء الجديد.

كما أن الأعراض قد تتأثر باللغة والثقافة والسياق وطريقة العرض. بعض البنود قد تعمل بصورة مختلفة بين مجموعات، وقد تتغير عتبات الاستجابة. لذلك يجب أن تبقى لغة التقرير احتمالية ومحددة: «تدعم الأدلة تفسير هذه الدرجة كـ… ضمن…» بدل «الاختبار يثبت…». هذه الصياغة ليست تحفظًا لغويًا فقط؛ هي انعكاس دقيق لطبيعة القياس.

16. الأسرة والمدرسة: كيف تستخدم دليل الصلاحية دون تحويله إلى حكم؟

للأسرة، السؤال العملي هو: ماذا تعني هذه الدرجة وما الذي لا تعنيه؟ اطلب من التقرير شرح الغرض من الأداة، والسكان الذين دُرست عليهم، وما إذا كانت النسخة واللغة مناسبتين، وكيف تتكامل الدرجة مع الملاحظة والأداء اليومي. إذا كان التقرير يستخدم كلمة «مقنن» أو «معتمد» فاسأل ما الدليل المحدد وما تاريخه بدل التعامل مع المصطلح كضمان دائم.

للمدرسة، لا ينبغي أن يحل اختبار واحد محل فريق القرار أو البيانات المتعددة عندما يكون القرار عالي الأثر. كما يجب التمييز بين قياس المهارة المستهدفة وقياس حاجز في القراءة أو التواصل أو الحركة أو التقنية. التكييف المناسب قد يزيد صلاحية التفسير بإزالة تباين غير مرتبط بالبناء، لكن إذا غير جوهر المهمة فقد يحتاج إلى قواعد تفسير مختلفة.

17. التحقق المحلي والصيانة عبر الزمن

الصلاحية ليست مشروعًا ينتهي عند نشر الأداة. تتغير المناهج والسكان واللغة والتقنية وأنماط الاستخدام، وقد يظهر دليل جديد يناقض افتراضًا سابقًا. يجب مراقبة الأداء، والتحقق من ثبات البنية والعدالة، ومراجعة المعايير والعتبات، وتوثيق أي تحديث في المحتوى أو المنصة. استخدام نسخة قديمة مع معايير قديمة يمكن أن يضعف تفسيرًا كان مقبولًا في زمن سابق.

في التطبيقات الرقمية، تحديث الواجهة أو الخوارزمية أو طريقة التصحيح قد يصنع نسخة جديدة وظيفيًا حتى لو بقي الاسم نفسه. عندها يجب تقييم ما إذا كانت أدلة النسخة السابقة ما تزال قابلة للنقل. هذا مهم خصوصًا للتقييم التكيفي أو التصحيح الآلي أو أدوات الذكاء الاصطناعي، حيث قد يتغير النظام بسرعة أكبر من دورة نشر دليل تقليدي.

18. ما الجديد في الإطار العلمي حتى 2026؟

النسخة الخامسة من Educational Measurement المنشورة في 2026 تتضمن فصلًا حديثًا عن Validity and Validation يؤكد مركزية الحجة المتماسكة لتفسيرات الدرجات واستخداماتها ونتائجها. هذا يواصل الاتجاه الذي أسسه Messick وطوره Kane: الصلاحية مفهوم موحد، والتحقق عملية بناء واختبار حجة، وليس جمع ملصقات منفصلة مثل «صدق محتوى + صدق محك + صدق بناء» ثم اعتبار المهمة منتهية.

في جانب أدوات قياس النتائج، تطورت COSMIN أيضًا بإرشادات حديثة للتقرير وتقييم المحتوى وخصائص القياس، بما في ذلك تركيز واضح على relevance وcomprehensiveness وcomprehensibility في صدق المحتوى. وفي المقابل لا تزال Standards for Educational and Psychological Testing لعام 2014 النسخة المنشورة الرسمية المفتوحة، رغم أن عملية مراجعة جديدة بدأت؛ لذلك لا ننسب إلى إصدار مستقبلي قواعد لم تُنشر بعد.

19. أسئلة شائعة

20. خلاصة عملية لبناء حجة صلاحية

ابدأ بجملة واحدة تحدد الادعاء: «نستخدم الدرجة س لتفسير ع لدى الفئة ص من أجل القرار د». بعد ذلك ارسم سلسلة الاستدلال من الاستجابة إلى التصحيح ثم التعميم ثم المعنى أو الأداء الواقعي ثم القرار. لكل حلقة اكتب أهم افتراض وأفضل دليل يمكن أن يؤيده أو يفنده. اجمع ما يلزم من المحتوى وعمليات الاستجابة والبنية والعلاقات والعدالة والعواقب، ثم اكتب حكمًا يوضح ما الذي تدعمه الأدلة وما الذي يبقى غير مؤكد.

الجملة النهائية في أي تقرير جيد ليست «الأداة صادقة»، بل صياغة محددة مثل: «تدعم الأدلة الحالية تفسير هذه الدرجة لقياس هذا البناء لدى هذه الفئة وفي هذه الظروف لهذا الاستخدام، مع بقاء القيود الآتية». هذه الدقة في اللغة تجعل الصلاحية برنامجًا علميًا قابلًا للتحديث والمراجعة، وتمنع تحول اسم الاختبار أو شهرة الناشر أو رقم إحصائي واحد إلى بديل عن حجة قياس كاملة.

21. مصفوفة الادعاء والدليل: أداة عملية لإيقاف المبالغة

عند مراجعة أداة أو دراسة، أنشئ جدولًا بسيطًا من أربعة أعمدة: الادعاء الذي سيبنى على الدرجة، والافتراض اللازم لصحة هذا الادعاء، والدليل الموجود، والفجوة المتبقية. فمثلًا إذا كان الادعاء أن الدرجة تمثل فهمًا قرائيًا لدى طلاب عرب، فقد تشمل الافتراضات أن المحتوى يمثل مجال الفهم المستهدف، وأن اللغة مفهومة للفئة، وأن طريقة الاستجابة لا تضيف عبئًا غير مقصود، وأن البنية الداخلية تدعم تكوين الدرجة، وأن العلاقات مع مؤشرات أخرى تسير وفق فرضيات معقولة. إذا كان الاستخدام يتضمن مقارنة مجموعات أو عتبة قرار، أضف افتراضات التكافؤ والعدالة وتبرير القطع. هذه المصفوفة تحول كلمة «صدق» الواسعة إلى قائمة استدلالات يمكن فحصها وتحديثها.

بعد ملء المصفوفة، لا تجمع الأدلة كنقاط متساوية. رتب الفجوات بحسب قدرتها على إسقاط القرار. قد يكون نقص صغير في علاقة ثانوية أقل أهمية من غياب دليل على فهم البنود في نسخة مترجمة، أو من عدم تبرير عتبة تحدد أهلية خدمة. اكتب حكمًا بدرجات مثل: مدعوم لهذا الاستخدام، مدعوم بشروط، يحتاج دليلًا إضافيًا قبل التوسع، أو غير مدعوم حاليًا. ثم حدد ما الذي سيغير الحكم في المراجعة التالية. بهذه الطريقة تصبح الصلاحية نظام حوكمة للادعاءات والقرارات، لا ملفًا مغلقًا يحتوي معاملات إحصائية متفرقة.