Co je reliabilita v psychologickém testování?

Reliabilita vyjadřuje, do jaké míry lze měření opakovat se stejným výsledkem a do jaké míry je výsledek jen šum. Kdyby ses během jedné minuty zvážil/a třikrát a váha ukázala 71, 78 a 66 kilogramů, byla by nespolehlivá a neměl/a bys jak z ní zjistit svou skutečnou hmotnost. Psychologické měření čelí stejnému problému, ale používá mnohem méně přesné nástroje.

U reliability je zásadní pochopit, co netvrdí. Osobní váha, která soustavně ukazuje o osm kilogramů více, je dokonale spolehlivá, ale její údaj je zcela chybný. Reliabilita se týká konzistence; zda číslo znamená to, co má, je samostatná otázka zvaná validita. Reliabilita je pro validitu nezbytná, ale sama o sobě k ní zdaleka nestačí.

Podoby reliability

Vnitřní konzistence zjišťuje, zda jsou položky škály ve vzájemném souladu. Pokud má všech deset otázek měřit stejný základní rys, lidé s vysokou odpovědí na jednu z nich by měli mít tendenci odpovídat vysoko i na ostatní. Obvykle se vyjadřuje Cronbachovým alfa nebo, lépe, McDonaldovým omega.

Reliabilita testu při opakování zjišťuje, zda stejný člověk dosáhne podobného skóre při dvou příležitostech. Pro rysy, které mají být ze své podstaty stabilní, je tato podoba nejdůležitější. Zároveň se uvádí nejméně často, protože vyžaduje znovu oslovit stejné účastníky po několika týdnech.

Shoda mezi hodnotiteli je důležitá, když nástroj vyhodnocují lidé, například u klinických rozhovorů, projektivních technik nebo pozorování chování. Zjišťuje, zda dva vyškolení hodnotitelé při posouzení stejného materiálu dospějí ke stejnému závěru.

Reliabilita paralelních forem zjišťuje, zda dvě různé verze téhož testu, vytvořené tak, aby byly rovnocenné, vedou ke stejným skóre. Je důležitá všude tam, kde se test zadává opakovaně a záleží na tom, aby se člověk předem neseznámil s jeho položkami.

Jak číst čísla

Koeficienty reliability nabývají hodnot od 0 do 1. Orientační hranice jsou nepřesné a často se používají nesprávně, ale zhruba platí: hodnota nad 0,90 se vyžaduje tam, kde skóre ovlivňuje život jednotlivce, 0,80 až 0,90 je solidní pro většinu praktických použití, 0,70 až 0,80 je přijatelné pro výzkum a porovnávání skupin a hodnota pod 0,70 znamená, že skóre obsahuje více šumu, než většina závěrů snese.

K těmto hranicím patří dvě výhrady. Zaprvé jde o zvyklosti, nikoli zákony; přijatelná úroveň závisí výhradně na tom, k čemu se skóre použije. Zadruhé velmi vysoké alfa u krátké škály obvykle naznačuje, že položky jsou téměř parafrázemi jedna druhé. To zvyšuje konzistenci na úkor pokrytí konstruktu. Škála deseti otázek, které se jen trochu jinými slovy ptají "máš rád/a pořádek?", bude mít vynikající vnitřní konzistenci, ale zachytí svědomitost jen úzce.

Co to znamená pro tvé skóre

Reliabilita přímo určuje, jak velkou důvěru si zaslouží jediné číslo. Test s reliabilitou 0,85 má natolik velkou chybu měření, že rozdíl několika bodů mezi dvěma lidmi nebo mezi tvým dnešním skóre a skóre z minulého měsíce bude velmi pravděpodobně spíše šum než skutečný rozdíl.

Praktický důsledek je tento: dobrý nástroj uvádí svou reliabilitu, abys věděl/a, jak velká je nejistota kolem tvého skóre. Odborným vyjádřením této nejistoty je standardní chyba měření, která převádí koeficient reliability na rozpětí kolem skóre vyjádřené jako plus nebo minus.

Nástroj, který neuvádí žádný údaj o reliabilitě, tím není přesnější. Jen ti neříká, jak nepřesný je.