در عمل بالینی و روانسنجی بارها پرسیده میشود که نتایج یک آزمون شخصیت یا بالینی «تا چه مدت معتبر است». این پرسش دو مفهوم متمایز را درهم میآمیزد: روایی (validity) که ویژگی تفسیرها و کاربردهای نمرههاست، و بهروز بودن نتایج برای هدف جاری (currency for the current purpose) که به میزان تناظر نمرههای پیشین با وضعیت کنونی فرد برای تصمیمی مشخص مربوط است. این متن با تکیه بر چارچوبهای اخلاقی و آزمونسنجی، شواهد پایایی بازآزمایی و پژوهشهای طولی دربارهٔ پایداری شخصیت، و گزارشهای دفترچههای فنی سه ابزار شاخص استدلال میکند که برای بهروز بودن نتایج روانشناختی تاریخ انقضای علمی واحدی وجود ندارد، بازههای زمانی رایج قراردادهایی اجراییاند، و داوری دربارهٔ استفادهٔ مجدد از نتایج باید بر مجموعهای از محورهای مشخص و مستندشدنی استوار باشد.
در کاربرد فارسی، واژهٔ «اعتبار» گاه برای روایی و گاه برای پایایی (reliability) بهکار میرود و عبارت «مدت اعتبار آزمون» این ابهام را تشدید میکند. در چارچوب استانداردهای آزمونسنجی، روایی ویژگی مطلق خود آزمون نیست، بلکه درجهٔ پشتیبانی شواهد و نظریه از تفسیر معینِ نمرهها برای کاربرد معین است [۳]. بنابراین روایی با گذشت تقویم منقضی نمیشود. آنچه با زمان تغییر میکند فاصلهٔ میان دو وضعیت است: وضعیت سازهٔ سنجیدهشده در لحظهٔ آزمون و وضعیت آن در لحظهٔ تصمیم. پرسش درست این است که آیا نمرههای پیشین هنوز همان تفسیری را پشتیبانی میکنند که تصمیم کنونی به آن نیاز دارد.
عبارت «بهروز بودن نتایج برای هدف جاری» در این متن برچسبی توصیفی برای همین معیار است و سازهٔ روانسنجی مستقل با تعریف استاندارد به شمار نمیآید؛ ریشهٔ آن عبارت «کهنه بودن برای هدف جاری» در منابع اخلاقی است [۱].
بند ۹٫۰۸ اصول اخلاقی روانشناسان و منشور رفتار حرفهای انجمن روانشناسی آمریکا دو الزام جداگانه دارد. نخست، روانشناس ارزیابیها، مداخلهها و توصیههای خود را بر دادهها یا نتایج آزمونی که برای هدف جاری کهنه شدهاند بنا نمیکند. دوم، بر آزمونها و سنجههایی که منسوخاند و برای هدف جاری سودمند نیستند نیز تکیه نمیکند [۱]. الزام نخست دربارهٔ دادههاست و دومی دربارهٔ ابزار. آزمون منسوخ (obsolete test) آزمونی است که نسخه، محتوا یا هنجارهایش (norms) دیگر با دانش و جمعیت کنونی سازگار نیست؛ راهنمای کمیسیون بینالمللی آزمون دربارهٔ بازنگری آزمونها، آزمونهای منسوخ و کنار گذاشتن آزمون همین مسئلهٔ ابزار را بررسی میکند [۲]. دادهٔ کهنه ممکن است از ابزاری کاملاً بهروز به دست آمده باشد، و ابزار منسوخ ممکن است دادهٔ تازه تولید کند؛ این دو مسئله مستقلاند.
این بند هیچ بازهٔ زمانی ثابتی تعیین نمیکند. معیار آن داوری «معقول» بر پایهٔ قضاوت حرفهای رایج روانشناسان در موقعیتهای مشابه است، و مقدمهٔ منشور تصریح میکند که زبان معیارمحور برای پرهیز از قواعد صلب و زودکهنه برگزیده شده است [۱]. از این رو هر عدد زمانی که به این بند نسبت داده شود، انتسابی نادرست است.
همبستگی میان نمرههای دو نوبت اجرا در فاصلهٔ کوتاه (چند روز تا چند هفته) برآوردی از پایایی بازآزمایی (test–retest reliability) است، زیرا فرض میشود سازه در این فاصله تغییر معناداری نکرده و واریانس غیرمشترک عمدتاً حاصل خطای اندازهگیری (measurement error) است. همین همبستگی در فاصلهٔ بلند دیگر صرفاً پایایی نیست و ثبات رتبهای (rank-order stability) نام میگیرد؛ واریانس غیرمشترک آن آمیزهای از خطای اندازهگیری، نوسانهای گذرای حالت و تغییر واقعی (true change) سازه است. بنابراین ضریب بلندمدتِ پایینتر لزوماً به معنای تغییر فرد نیست و ضریب بالا نیز تضمین نمیکند که نمایهٔ (profile) تکتک افراد دستنخورده مانده باشد. ناپایایی بازآزمایی ضرایب ثبات را کاهش میدهد و فراتحلیلهای طولی پایداری شخصیت نتوانستهاند آن را تصحیح کنند، چون دادههای لازم در مطالعات اولیه گزارش نشده بود [۷، ۹].
ثبات رتبهای با ثبات میانگین (mean-level stability) نیز تفاوت دارد: ممکن است میانگین گروه تغییر کند در حالی که ترتیب افراد حفظ شود، و برعکس. هر دو شاخص گروهیاند. برای داوری دربارهٔ تغییر در یک فرد، منطق شاخص تغییر پایا (reliable change index) مناسبتر است؛ این شاخص تفاوت دو نمرهٔ فرد را با خطای اندازهگیری آزمون میسنجد [۱۴]. نتیجه آنکه ضرایب بازآزمایی در دفترچههای آزمون دربارهٔ حد بالای ثبات اطلاع میدهند و پاسخی به این پرسش نیستند که چه مقدار زمان نتایج را برای تصمیمی معین کهنه میکند.
پرسشنامهٔ شانزدهعاملی شخصیت (Sixteen Personality Factor Questionnaire; 16PF) در ویرایش پنجم برای عوامل اولیه (primary factors) میانگین ضریب بازآزمایی حدود ۰٫۸۰ را در فاصلهٔ دو هفته (دامنهٔ حدود ۰٫۶۹ تا ۰٫۸۷) و حدود ۰٫۷۰ را در فاصلهٔ دو ماه (دامنهٔ حدود ۰٫۵۶ تا ۰٫۷۹) گزارش کرده است. عوامل عمومی (global factors) که از ادغام چند عامل اولیه و شمار بیشتری گویه ساخته میشوند، پایاتر ارزیابی میشوند [۴]. دفترچه برای فواصل بلندتر از دو ماه دادهای نمیدهد؛ افت میانگین ضرایب عوامل اولیه در همین دو ماه نیز نشان میدهد که نمایهٔ این عوامل را نمیتوان بدون قید به افقهای دورتر تعمیم داد. از سوی دیگر، نبود داده برای فاصلهٔ دو سال دلیل بر ناکارآمدی نتایج پس از دو سال نیست؛ فقط به این معناست که ادعای هر دو جهت بیپشتوانهٔ مستقیم است.
فهرست شخصیت نئو – ویرایش بازنگریشده (NEO Personality Inventory–Revised; NEO-PI-R) برای حوزههای پنجگانه ضرایب ثبات ششساله را در دامنهٔ حدود ۰٫۶۳ تا ۰٫۸۳ گزارش کرده است؛ پایینترین مقدار به حوزهٔ همسازی (agreeableness) تعلق دارد، و نمرهها پس از شش سال تنها اندکی بیش از فاصلهٔ چند ماهه تغییر کردهاند [۵، ۶]. این شواهد از نمونههای بزرگسال به دست آمدهاند و از ثبات نسبی صفات در بزرگسالی حمایت میکنند، اما نه ضرورت و نه کفایت بازهٔ معینی از زمان را اثبات میکنند.
فهرست بالینی چندمحوری میلون (Millon Clinical Multiaxial Inventory; MCMI) در دفترچهٔ ویرایش سوم پایداری ۰٫۸۴ تا ۰٫۹۶ را در فاصلهٔ پنج تا چهارده روز گزارش کرده است [۱۰، ۱۱]؛ ویرایش چهارم با ملاکهای پنجمین راهنمای تشخیصی و آماری اختلالهای روانی همسو شده است [۱۲]. در مطالعهٔ اعتباریابی نسخهٔ فارسی ویرایش چهارم، که نمونهٔ اصلی آن ۴۰۰ بیمار بستری و سرپایی بود، ضرایب بازآزمایی از ۰٫۵۱ تا ۰٫۸۶ متغیر بود [۱۳]. سه نکته شایان توجه است: فواصل گزارششده کوتاهاند، دامنهٔ ضرایب میان مقیاسها وسیع است، و نمونهٔ فارسی بالینی بود و به جمعیت عمومی یا مراجعان مشاورهٔ غیربالینی قابل تعمیم مستقیم نیست.
در منابع بررسیشده، هیچیک از این سه ابزار بازهٔ زمانی را بهعنوان حد کاربرد تصمیممحور نتایج تعیین نکرده است.
صفت (trait) به الگوهای نسبتاً پایدار فکر، هیجان و رفتار اشاره دارد و حالت (state) به وضعیتهای گذرا و وابسته به موقعیت. این دو دو سر یک پیوستارند و مقیاسها در جایگاههای مختلف آن قرار میگیرند. نمرههای حوزهای و عمومی که بر شمار بیشتری گویه استوارند، بهطور کلی پایاترند از نمرههای عامل اولیه یا مقیاس تنگ [۴]. مقیاسهای نشانگان بالینی (clinical syndrome scales) به علائم نزدیکاند و با وضعیت بالینی، بحران و درمان بیشتر تغییر میکنند؛ مقیاسهای الگوهای شخصیت (personality pattern scales) پایدارترند، اما از تغییر مصون نیستند. تقسیم همهٔ مقیاسهای یک آزمون به دو دستهٔ «پایدار» و «ناپایدار» از شواهد فراتر میرود، و برای هر مقیاس شواهد اختصاصی لازم است؛ دامنهٔ وسیع ضرایب بازآزمایی در نسخهٔ فارسی MCMI-IV همین نیاز را نشان میدهد [۱۳].
ثبات رتبهای صفات از کودکی تا حدود سیسالگی افزایش مییابد و در کودکی و نوجوانی بهمراتب پایینتر از بزرگسالی است [۷، ۸]. پس از آن نیز همبستگیهای بازآزمایی با افزایش فاصله از نوبت نخست بهتدریج کاهش مییابند [۸]. نتیجه آنکه شواهد ثبات بزرگسالان را نمیتوان به کودکان و نوجوانان تعمیم داد و افق بهروز بودن نتایج در این گروهها کوتاهتر است.
افزون بر آن، ابزارها برای محدودهٔ سنی معینی هنجاریابی شدهاند: ویرایش پنجم 16PF برای ۱۶ سال به بالا [۴] و MCMI برای بزرگسالان ۱۸ سال به بالا [۱۱]؛ NEO-PI-R نیز برای بزرگسالان طراحی شده است [۵]. اجرای این ابزارها بر نوجوانان خارج از محدودهٔ هنجار، پیش از آنکه پرسش از بهروز بودن مطرح شود، پرسش از روایی تفسیر را پیش میکشد؛ برای این گروه باید از فرمهای ویژهٔ نوجوان با هنجار متناسب استفاده کرد.
بر پایهٔ آنچه آمد، داوری دربارهٔ استفادهٔ مجدد از نتایج باید دستکم هشت محور را بسنجد. محور نخست ثبات زمانی سازه است، یعنی جایگاه آن در پیوستار صفت–حالت و شواهد ثبات همان مقیاس. دوم پایایی و ساختار مقیاس، زیرا مقیاسهای کوتاه و تنگ نوسان بیشتری دارند. سوم سن و مرحلهٔ رشد. چهارم رخدادهای میانی و مداخلهها، مانند سوگ، بحران روانشناختی، تغییر عمدهٔ رابطهای یا زندگی، بیماری و درمان. پنجم هدف و پیامد تصمیم: هرچه تصمیم پرپیامدتر باشد (تصمیم پرپیامد یا high-stakes decision، مانند تصمیمهای حقوقی و قضایی یا تشخیص و ارجاع)، آستانهٔ پذیرش دادهٔ قدیمیتر پایینتر است. ششم روایی اجرای نخست: نمایهای که تحت سوگیری پاسخدهی، فشار بیرونی یا شرایط نامناسب اجرا به دست آمده، حتی اگر تازه باشد، برای استفادهٔ مجدد صلاحیت ندارد. هفتم نسخه و هنجارهای ابزار، یعنی ملاحظهٔ منسوخ نبودن آن [۲]. هشتم همخوانی با دادههای مستقل، یعنی مصاحبه، مشاهده و گزارش گواهان؛ ترکیب چند منبع در قالب ارزیابی چندروشی (multimethod assessment) قویترین پشتوانه برای تأیید یا رد استمرار نتایج است.
نتایج آزمونهای روانشناختی تاریخ انقضای علمی ثابت و مستقلی ندارند. روایی ویژگی تفسیر نمرهها برای کاربردی معین است و با تقویم منقضی نمیشود؛ آنچه با زمان فرسوده میشود تناظر نمرههای پیشین با وضعیت کنونی فرد و با هدف تصمیم کنونی است. این تناظر را ثبات زمانی سازهٔ سنجیدهشده، پایایی و ساختار مقیاس، سن و مرحلهٔ رشد، رخدادها و مداخلههای میانی، پیامد تصمیم، روایی اجرای نخست، و همخوانی با دادههای مستقل تعیین میکنند. بر این اساس، استفادهٔ مجدد از نتایج صفتمحور بزرگسالان (مانند عوامل عمومی 16PF و حوزههای NEO-PI-R) در غیاب نشانهٔ تغییر و با تأیید مستقل میتواند دفاعپذیر باشد؛ در حالی که نمرههای نزدیک به نشانگان بالینی (مانند مقیاسهای نشانگان MCMI) و نتایج کودکان و نوجوانان به بازبینی زودتر و دقیقتر نیاز دارند. هر بازهٔ زمانی ثابت، مانند «یک سال» یا «شش ماه»، قرارداد اجرایی محلی است و نه یافتهٔ پژوهشی، و باید چنین معرفی و گزارش شود.
در گزارش بالینی، تصمیم به استفادهٔ مجدد از نتایج پیشین باید همراه با استدلال مستند شود: تاریخ اجرای نخست، نام و نسخهٔ ابزار، روایی اجرای نخست، رخدادهای میانی، شواهد مستقل همخوانی یا ناهمخوانی، و محدودیتهای تفسیر. سه مسیر قابل تصور است. نخست، استفادهٔ مجدد با پاورقی توضیحی، وقتی سازهها صفتمحورند، نشانهای از تغییر نیست و تصمیم کمپیامد است. دوم، بازسنجی هدفمند، یعنی سنجش دوبارهٔ سازههای حساس به حالت با سنجهای متناسب و بازبینی نتایج صفتمحور با مصاحبه و گزارش گواهان. سوم، بازآزمایی کامل با نسخهٔ بهروز و هنجار مناسب، وقتی تصمیم پرپیامد است، رخداد مهمی رخ داده، یا اجرای نخست مشکوک است. بازآزمایی همواره بهترین گزینه نیست؛ گاه مصاحبهٔ بالینی، بررسی تغییرات زندگی و مشاهدهٔ الگوهای رفتاری اطلاعات دقیقتری از اجرای مجدد کل آزمون فراهم میکنند. اگر نهادی بازهٔ زمانی ثابتی الزام کند، آن بازه باید با سازه، سن و پیامد تصمیم تناسب داشته باشد و بهعنوان قرارداد اجرایی، نه یافتهٔ علمی، گزارش شود.
شواهد این متن عمدتاً از دفترچههای فنی و پژوهشهای پایداری شخصیت میآید و هیچیک مستقیماً پرسش از «کفایت تصمیممحور» را نیازموده است؛ برخی ضرایب نیز از گزارشهای ثانویهٔ دفترچهها نقل شده و پیش از استناد رسمی باید با متن دفترچهٔ اصلی تطبیق داده شوند. پژوهشهای آینده میتوانند ثبات سطح نمایه و ثبات طبقهبندیهای تصمیممحور را در فواصل مختلف بررسی کنند، تغییر پایا را در سطح فرد با دادههای طولی برآورد کنند، اثر رخدادهای میانی را بهعنوان تعدیلگر بسنجند، و هنجارها و ضرایب بازآزمایی را در نمونههای فارسیزبان و در گروههای سنی کودک و نوجوان گسترش دهند.
[۱] American Psychological Association. (2017). Ethical principles of psychologists and code of conduct (2002, amended effective June 1, 2010, and January 1, 2017). https://www.apa.org/ethics/code
[۲] International Test Commission. (2015). Guidelines for practitioner use of test revisions, obsolete tests, and test disposal (Document reference ITC-G-TD-02032015).
[۳] American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.
[۴] Conn, S. R., & Rieke, M. L. (1994). The 16PF fifth edition technical manual. Institute for Personality and Ability Testing.
[۵] Costa, P. T., Jr., & McCrae, R. R. (1992). Revised NEO Personality Inventory (NEO PI-R) and NEO Five-Factor Inventory (NEO-FFI) professional manual. Psychological Assessment Resources.
[۶] Costa, P. T., Jr., & McCrae, R. R. (1988). Personality in adulthood: A six-year longitudinal study of self-reports and spouse ratings on the NEO Personality Inventory. Journal of Personality and Social Psychology, 54(5), 853–863.
[۷] Roberts, B. W., & DelVecchio, W. F. (2000). The rank-order consistency of personality traits from childhood to old age: A quantitative review of longitudinal studies. Psychological Bulletin, 126(1), 3–25.
[۸] Terracciano, A., Costa, P. T., Jr., & McCrae, R. R. (2006). Personality plasticity after age 30. Personality and Social Psychology Bulletin, 32(8), 999–1009.
[۹] McCrae, R. R., Kurtz, J. E., Yamagata, S., & Terracciano, A. (2011). Internal consistency, retest reliability, and their implications for personality scale validity. Personality and Social Psychology Review, 15(1), 28–50.
[۱۰] Millon, T., Millon, C., Davis, R., & Grossman, S. (2006). MCMI-III manual (3rd ed.). Pearson.
[۱۱] Craig, R. J. (1999). Essentials of MCMI-III assessment. Wiley.
[۱۲] Millon, T., Grossman, S., & Millon, C. (2015). MCMI-IV manual. Pearson.
[۱۳] Mohammadi, M. R., Delavar, A., Hooshyari, Z., Shakiba, A., Salmanian, M., Ghandi, F., Ahmadi, A., & Farnoody, N. (2021). Psychometric properties of the Persian version of Millon Clinical Multiaxial Inventory-IV (MCMI-IV). Iranian Journal of Psychiatry, 16(1), 43–51.
[۱۴] Jacobson, N. S., & Truax, P. (1991). Clinical significance: A statistical approach to defining meaningful change in psychotherapy research. Journal of Consulting and Clinical Psychology, 59(1), 12–19.