Als de items in je operationalisatie negatief correleren, is het zeer onwaarschijnlijk dat het herhaalde metingen van hetzelfde onderliggende construct zijn.
Dat betekent dat Cronbach's Alpha je geen informatie kan geven over betrouwbaarheid.
Het betekent ook dat je schaal zich waarschijnlijk niet valide is: als de items zijn bedoeld als herhaalde metingen, maar niet (of negatief) samenhangen (anders dan bedoeld in de procedure voor de verwerking van de data van de operationalisatie, dus bijvoorbeeld als items zijn gespiegeld), dan is er iets fout gegaan bij toepassing van de operationalisatie in je steekproef (of de operationalisatie is simpelweg niet goed; dat kan gebeuren als hij niet grondig wordt onderzocht met cognitieve interviews en pretests).
Ik denk dat je met je begeleider moet overleggen over de aard van je operationalisatie.
In mijn ervaring betekent het meestal, als je onverwachts veel negatieve inter-item correlaties vindt, dat je operationalisatie niet bruikbaar is. Dat is natuurlijk onhandig, want vaak is de hele dataset dan niet meer bruikbaar voor je oorspronkelijke onderzoeksvraag. Tegelijkertijd gebiedt de wetenschappelijke integriteit dat je hier dan naar handelt, en dit als zodanig rapporteert.
Maar, misschien heb je gewoon iets fout gedaan bij het coderen, of heb je de procedure voor dataverwerking die bij de operationalisatie hoort verkeerd toegepast. Hoe dan ook moet je dit even grondig bespreken met je mede-onderzoekers voordat je verder gaat.
En bereid jezelf alvast mentaal voor op de mogelijkheid dat deze variabele invalide is geoperationaliseerd, en je die variabele dus, for all practical purposes, niet hebt gemeten in je studie.
Als dat laatste inderdaad het geval blijkt te zijn, trouwens, zorg dan dat je in de discussie goed reflecteert op de fouten die zijn gemaakt in deze studie. Je wil immers anderen behoeden voor diezelfde fouten.
Mocht dit overigens een bachelor- of masterthese betreffen, en mocht de operationalisatie van dit construct in deze steekproef inderdaad niet valide blijken te zijn, maak je dan geen zorgen over je cijfer. Voordat je dataverzameling start heeft je begeleider je studieontwerp en alle operationalisaties grondig bekeken - niemand zag dit dus aankomen. En als jullie voortraject, voordat jullie deze operationalisatie toepasten in een studie, te weinig grondig was, dan is dat ook niet alleen jouw verantwoordelijkheid, dus dat heeft ook geen invloed op je cijfer. Wetenschappelijk onderzoek is moeilijk, en gaat dus niet altijd zoals je graag wil. De uitkomsten zijn dus nooit waar je op wordt beoordeeld!
Voor je cijfer is het veel belangrijker dat je hier mee omgaat volgens de richtlijnen van de wetenschappelijke integriteit: dus niet proberen om de operationalisatie te verkopen als valide als hij dat niet is, transparant en duidelijk communiceren, et cetera.