Eroarea standard de măsurare: cu cât poate varia scorul tău

Eroarea standard de măsurare transformă un coeficient abstract de fidelitate în ceva concret: o bandă de plus sau minus în jurul unui scor. Ea răspunde la întrebarea pe care majoritatea ecranelor de rezultate o lasă fără răspuns: cât de mult ar fi putut diferi acest număr dacă aș fi susținut testul într-o altă după-amiază?

Formula este simplă. Înmulțește abaterea standard a scalei cu radicalul din unu minus fidelitatea acesteia. Pentru o scală cu o abatere standard de 10 și o fidelitate de 0,85, eroarea standard este de aproximativ 3,9 puncte.

Ce acoperă de fapt această bandă

În aproximativ două treimi din cazuri, poziția reală a unei persoane se află în intervalul unei erori standard față de scorul observat. Pentru a avea o încredere de aproximativ 95 la sută, ai nevoie de aproximativ două erori standard de fiecare parte.

Ia exemplul de mai sus. Cineva obține un scor de 62. Intervalul de 95 la sută merge de la aproximativ 54 la 70. Aceasta este o fereastră de șaisprezece puncte pe o scală în care diferența tipică dintre mediu și clar peste medie ar putea fi de zece puncte.

Acesta nu este un defect al acelui test anume. O fidelitate de 0,85 este respectabilă. Este precizia normală a măsurării psihologice și este motivul pentru care rapoartele riguroase prezintă benzi, nu puncte.

Consecințele pe care oamenii le trec cu vederea

Diferențele mici dintre scale sunt de obicei lipsite de semnificație. Dacă extraversiunea ta este 58, iar deschiderea ta este 54, interpretarea corectă este că acestea sunt imposibil de deosebit. Interpretările de profil care construiesc o narațiune din diferențe de patru puncte interpretează zgomot statistic.

Schimbările mici în timp sunt de asemenea de obicei lipsite de semnificație. Retestarea și o mișcare de cinci puncte se încadrează în eroare pentru majoritatea instrumentelor. Schimbarea reală a trăsăturilor are loc de-a lungul anilor și se manifestă printr-o mișcare mult în afara benzii de eroare, nu prin câteva puncte de la o lună la alta.

Ordonările pe range amplifică problema. O diferență de câteva puncte brute poate deplasa pe cineva cu zece locuri procentuale în zona densă din mijlocul unei distribuții, deoarece acolo se află majoritatea oamenilor. Rangurile percentile par precise și reprezintă cel mai puțin stabil mod de a exprima un scor.

Precizia nu este uniformă pe întreaga scală. Teoria clasică a testelor presupune o singură valoare a erorii pentru fiecare scor, ceea ce este o simplificare. Teoria răspunsului la item modelează eroarea separat la fiecare nivel al trăsăturii și aceasta este aproape întotdeauna mai mare la extreme, exact acolo unde se fac cele mai importante interpretări. Un scor foarte ridicat sau foarte scăzut este de obicei mai puțin precis decât unul mediu, nu mai precis.

De ce raportarea onestă pare mai puțin impresionantă

Un instrument care raportează benzi de încredere pare mai vag decât unul care raportează un singur număr cu o zecimală. Cel vag spune adevărul. Cel care pare precis are aceeași eroare de fond, dar a ales să nu o arate.

Acest lucru merită reținut atunci când comparăm un test documentat științific cu un produs comercial care te încadrează într-o categorie. Granița categoriei se află la un scor anume, iar cineva cu un punct sub aceasta și cineva cu un punct peste sunt, statistic, aceeași persoană. Eticheta de tip ascunde complet acest lucru, ceea ce reprezintă unul dintre cele mai serioase argumente împotriva instrumentelor bazate pe tipuri și motivul pentru care scorurile continue cu eroarea declarată reprezintă standardul în cercetare.