Čo je reliabilita v psychologickom testovaní?

Reliabilita je miera, do akej je meranie opakovateľné, a nie iba šum. Keby si sa za minútu trikrát odvážil a dostal 71, 78 a 66 kilogramov, váha by bola nereliabilná a nemal by si ako z nej zistiť svoju skutočnú hmotnosť. Psychologické meranie čelí rovnakému problému s oveľa menej presným vybavením.

Kľúčové je pochopiť, čo reliabilita netvrdí. Kúpeľňová váha, ktorá konzistentne ukazuje o osem kilogramov viac, je dokonale reliabilná a úplne nesprávna. Reliabilita je o konzistencii; to, či číslo znamená správnu vec, je samostatná otázka, ktorá sa nazýva validita. Reliabilita je pre validitu nevyhnutná, ale zďaleka nie postačujúca.

Podoby, ktoré má

Vnútorná konzistencia sa pýta, či sa položky škály navzájom zhodujú. Ak má desať otázok merať tú istú základnú črtu, ľudia, ktorí na jednu odpovedajú vysoko, by mali mať tendenciu odpovedať vysoko aj na ostatné. Zvyčajne sa uvádza ako Cronbachova alfa alebo, lepšie, McDonaldova omega.

Test-retest reliabilita sa pýta, či ten istý človek dosiahne pri dvoch príležitostiach podobné skóre. Táto podoba je najdôležitejšia pre črty, ktoré majú byť z definície stabilné. Zároveň sa najčastejšie neuvádza, pretože si vyžaduje opätovne vyhľadať tých istých účastníkov o niekoľko týždňov neskôr.

Reliabilita medzi posudzovateľmi sa uplatňuje, keď nástroj vyhodnocujú ľudia: klinické rozhovory, projektívne techniky, pozorovanie správania. Pýta sa, či dvaja vyškolení posudzovatelia, ktorí sa pozerajú na ten istý materiál, dospejú k rovnakému záveru.

Reliabilita paralelných foriem sa pýta, či dve rôzne verzie toho istého testu, zostavené tak, aby boli rovnocenné, poskytujú rovnaké skóre. Je dôležitá všade, kde sa test administruje viac ako raz a hrozí, že položky budú vopred známe.

Ako čítať čísla

Koeficienty reliability sa pohybujú od 0 do 1. Konvencie sú približné a často nesprávne používané, ale zhruba platí: nad 0,90 sa vyžaduje tam, kde skóre ovplyvňuje život jednotlivca, 0,80 až 0,90 je solídne pre väčšinu praktického použitia, 0,70 až 0,80 je prijateľné pre výskum a porovnávanie skupín a pod 0,70 znamená, že skóre obsahuje viac šumu, než väčšina záverov dokáže zniesť.

K týmto hraniciam dve upozornenia. Po prvé, sú to konvencie, nie zákony: prijateľná úroveň závisí úplne od toho, na čo sa skóre použije. Po druhé, veľmi vysoká alfa pri krátkej škále zvyčajne naznačuje, že položky sú takmer parafrázami jedna druhej, čím sa konzistencia získava za cenu pokrytia konštruktu. Škála desiatich otázok, ktoré sa všetky trochu inými slovami pýtajú "si organizovaný?", bude mať vynikajúcu vnútornú konzistenciu a úzke poňatie svedomitosti.

Čo to znamená pre tvoje vlastné skóre

Reliabilita sa priamo premieta do toho, akú dôveru si jedno číslo zaslúži. Test s reliabilitou 0,85 nesie takú veľkú chybu merania, že rozdiel niekoľkých bodov medzi dvoma ľuďmi alebo medzi tvojím dnešným a minulomesačným skóre je veľmi pravdepodobne šum, a nie signál.

Praktický dôsledok je tento: dobrý nástroj uvádza svoju reliabilitu, aby si vedel, aká široká je neistota okolo tvojho skóre. Technickým vyjadrením tejto neistoty je štandardná chyba merania, ktorá prevádza koeficient reliability na pásmo plus-mínus okolo skóre.

Nástroj, ktorý neuvádza žiadny údaj o reliabilite, nie je preto presnejší. Jednoducho ti odmietol povedať, aký je nepresný.