240. Jak raportować właściwości psychometryczne narzędzia?
Praktyczna lekcja o tym, jak przejrzyście i poprawnie raportować rzetelność, trafność, strukturę wewnętrzną oraz wrażliwość na zmianę narzędzia pomiarowego.
-
-
239. Minimalna istotna zmiana w wynikach skal
Minimalna istotna zmiana pomaga ocenić, czy różnica w wyniku skali jest ważna dla pacjenta, a nie tylko statystycznie wykrywalna.
-
238. Wrażliwość na zmianę – czy skala wykrywa poprawę?
Wrażliwość na zmianę pokazuje, czy skala potrafi uchwycić rzeczywistą poprawę lub pogorszenie. Lekcja wyjaśnia responsywność, MDC, MIC i interpretację wyników.
-
237. Efekt podłogi i sufitu – dlaczego jest ważny?
Efekt podłogi i sufitu ogranicza czułość skal, utrudnia wykrywanie różnic i zmian oraz może prowadzić do błędnych wniosków o skuteczności interwencji.
-
236. Analiza czynnikowa jako element oceny struktury skali
Analiza czynnikowa pomaga sprawdzić, czy pozycje skali tworzą zakładane wymiary. Lekcja omawia EFA, CFA, dobór czynników i interpretację wyników.
-
235. Trafność zbieżna i różnicowa – jak je badać?
Trafność zbieżna i różnicowa pomagają ocenić, czy narzędzie mierzy zakładany konstrukt, a nie zjawiska podobne lub odmienne. Lekcja pokazuje, jak planować i interpretować te analizy.
-
234. Trafność konstruktu – co oznacza?
Trafność konstruktu nie jest pojedynczym współczynnikiem. To ocena, czy teoria i dane uzasadniają interpretację wyników jako miary określonej cechy.
-
233. Trafność kryterialna – współbieżna i prognostyczna
Trafność kryterialna pokazuje, czy wynik narzędzia wiąże się z ważnym kryterium mierzonym obecnie lub w przyszłości. Poznaj zasady oceny, wzory, przykłady i pułapki interpretacyjne.
-
232. Trafność treściowa – jak ją oceniać?
Trafność treściowa pokazuje, czy pozycje narzędzia adekwatnie reprezentują badany konstrukt. Lekcja wyjaśnia, jak planować ocenę ekspertów, liczyć CVI i CVR oraz raportować wyniki.
-
231. Ważona kappa dla danych porządkowych
Ważona kappa ocenia zgodność ocen porządkowych, uwzględniając, że niewielka rozbieżność może być mniej istotna niż skrajna różnica między oceniaj ącymi.
-
230. Kappa Cohena – zgodność ponad przypadek
Kappa Cohena mierzy zgodność dwóch oceniających po uwzględnieniu zgodności, która mogła wystąpić przypadkowo. Lekcja wyjaśnia wzór, interpretację, ograniczenia i przykłady zastosowań.
-
229. ICC – współczynnik korelacji wewnątrzklasowej i jego warianty
Współczynnik korelacji wewnątrzklasowej służy do oceny rzetelności pomiarów ilościowych. Lekcja wyjaśnia jego modele, warianty i interpretację.
-
228. Zgodność między oceniającymi – podstawowe podejścia
Jak oceniać zgodność między sędziami, diagnostami lub koderami? Lekcja omawia procent zgodności, kappę Cohena i Fleissa, kappa ważoną oraz ICC.
-
227. Test–retest – jak oceniać stabilność pomiaru?
Test–retest służy do oceny, czy narzędzie pomiarowe daje podobne wyniki u tych samych osób, gdy badana cecha nie powinna się zmienić.
-
226. Czy usuwanie itemu tylko po to, by podnieść alfa, ma sens?
Usunięcie itemu może podnieść alfę Cronbacha, ale nie zawsze poprawia jakość skali. Sprawdź, kiedy taka decyzja jest uzasadniona, a kiedy prowadzi do utraty trafności treściowej.
-
225. Korelacja item–total – jak oceniać pozycje skali?
Korelacja item–total pomaga ocenić, czy pojedyncza pozycja skali współgra z pozostałymi itemami. Lekcja wyjaśnia jej obliczanie, interpretację i ograniczenia.
-
224. Omega McDonalda – kiedy jest lepszym wyborem niż alfa?
Omega McDonalda jest często trafniejszą miarą rzetelności skali niż alfa Cronbacha, zwłaszcza gdy pozycje mają różne ładunki czynnikowe.
-
223. Jak interpretować alfa Cronbacha bez mechanicznego progu 0,70?
Alfa Cronbacha nie powinna być oceniana mechanicznie według progu 0,70. Sprawdź, co naprawdę oznacza, od czego zależy i jak ją interpretować.
-
222. Alfa Cronbacha – co mierzy i czego nie mierzy?
Alfa Cronbacha ocenia spójność wewnętrzną zestawu pozycji, ale nie potwierdza sama w sobie jednowymiarowości, trafności ani jakości całego kwestionariusza.
-
221. Rzetelność pomiaru – co oznacza w praktyce?
Rzetelność pomiaru pokazuje, na ile wyniki narzędzia są powtarzalne i wolne od przypadkowego błędu. Lekcja omawia jej rodzaje, wskaźniki i interpretację.