Brief COPE – jak policzyć i opisać wyniki 14 skal radzenia sobie ze stresem

Autor: Konrad Hryniewicz · Opublikowano: 27 października 2026 · Aktualizacja: 26 października 2026

Czym jest Brief COPE i skąd się wziął

Brief COPE to krótki kwestionariusz do pomiaru sposobów radzenia sobie ze stresem. Wywodzi się z pełnego inwentarza COPE, który Carver i in. (1989) zbudowali na podstawie teorii. W pierwotnej pracy opisali 13 skal: pięć dotyczy radzenia skoncentrowanego na problemie, pięć – radzenia skoncentrowanego na emocjach, a trzy opisują reakcje, które autorzy uznali za mniej użyteczne, np. wyładowanie emocji czy zaprzestanie działań. W tej samej pracy porównano też radzenie sobie ujmowane dyspozycyjnie (jak zwykle reaguję) i sytuacyjnie (jak radzę sobie z tym konkretnym wydarzeniem).

Carver (1997) skrócił inwentarz z myślą o badaniach, w których uczestnicy wypełniają wiele kwestionariuszy naraz. Pominął dwie skale pełnej wersji, pozostałe skrócił do dwóch pozycji i dodał jedną nową. Właściwości psychometryczne opisał na próbie dorosłych, którzy wracali do normalnego życia po huraganie Andrew. W pracach dyplomowych Brief COPE pojawia się zwykle obok miary stresu, np. PSS-10, albo jako zestaw predyktorów dobrostanu. Z kolei liczenie wyników osobowości w krótkim kwestionariuszu opisujemy w poradniku o Mini-IPIP.

Budowa: 28 pozycji, 14 skal, odpowiedzi 1–4

Narzędzie ma 28 pozycji. Każda z 14 skal składa się z dwóch pozycji. Osoba badana ocenia, w jakim stopniu robiła to, co opisuje pozycja, na skali od 1 (I haven't been doing this at all) do 4 (I've been doing this a lot). Autor zaznacza, że pyta się o to, co osoba robi, a nie o to, czy to działa (Carver, b.d.). W pracy po polsku użyj etykiet z polskiej adaptacji, z której korzystasz. Treści pozycji tu nie przytaczamy. Przedruk pozycji w publikacjach, także w pracach dyplomowych, wymaga zgody właściciela praw (International Test Commission, 2014).

Klucz poniżej pochodzi z oficjalnej strony autora (Carver, b.d.). Nazwy angielskie są oryginalne. Polskie nazwy w drugiej kolumnie to nasze opisowe tłumaczenia. W pracy użyj nazw z adaptacji, której używasz.

W Brief COPE nie ma pozycji odwróconych. Autor pisze wprost, że skale liczy się bez odwracania kodowania (Carver, b.d.). Jeśli przenosisz nawyki z innych kwestionariuszy, np. z pozycji odwróconych w PSS-10, tutaj ich nie stosuj.

Jak policzyć wyniki krok po kroku

Krok 1. Ustal wersję instrukcji

Oryginalna instrukcja dotyczy konkretnej sytuacji: okresu od chwili, gdy pacjentka dowiedziała się o operacji. Autor pozwala jednak dostosować sformułowania do okresu, który Cię interesuje (Carver, b.d.). W badaniu studentów może to być np. „w ciągu ostatnich dwóch tygodni sesji”. Wersja dyspozycyjna („zwykle, gdy…”) mierzy coś innego niż sytuacyjna, więc w pracy napisz, której użyłeś.

Krok 2. Sprawdź zakres wartości

W danych mogą być tylko wartości 1–4 albo braki. Formularze online czasem zapisują odpowiedzi jako 0–3 albo jako tekst. Kontrolę i przekodowanie w różnych programach opisuje poradnik jak policzyć wynik kwestionariusza.

Krok 3. Policz 14 wyników: suma czy średnia?

Strona autora podaje, które dwie pozycje tworzą skalę, ale nie mówi, czy dodawać je, czy uśredniać (Carver, b.d.). Obie wersje dają te same wnioski z analiz, bo suma (zakres 2–8) to po prostu dwukrotność średniej (zakres 1–4). Średnia ma tę zaletę, że da się ją czytać na skali odpowiedzi: 2.5 to „między trochę a średnio”. Wybierz jedną wersję i napisz o tym w opisie narzędzia (zob. wynik skali: średnia czy suma). Wyniki pojedynczych skal szybko sprawdzisz w kalkulatorze wyniku skali.

Krok 4. Nie licz wyniku ogólnego

To najważniejsza zasada. Carver (b.d.) pisze, że w Brief COPE nie ma wyniku ogólnego. Nie poleca też wskaźników radzenia „skoncentrowanego na problemie” i „skoncentrowanego na emocjach” ani sposobu na ustalenie „dominującego stylu” danej osoby. Sam zwykle analizuje każdą skalę osobno. Suma 28 pozycji mieszałaby planowanie z zaprzeczaniem i używaniem substancji, więc nic by nie znaczyła. Brief COPE to zestaw 14 podskal, a nie skala z wynikiem ogólnym.

Krok 5. Zdecyduj, co zrobisz z brakami

Przy dwóch pozycjach jedna brakująca odpowiedź oznacza utratę połowy informacji. Najprostsza reguła to brak wyniku tylko tej skali, której dotyczy brak. Pozostałe 13 skal liczysz normalnie. Źródło autora nie podaje takiej reguły, więc to Twoja decyzja: zapisz ją przed analizą i podaj w pracy. Mechanizmy braków opisuje hasło braki danych MCAR, MAR i MNAR.

Przykład: radzenie sobie w sesji u 220 osób

Wyobraź sobie badanie 220 osób studiujących, które opisywały radzenie sobie w ostatnich dwóch tygodniach sesji. Dane są symulowane i możesz je pobrać jako plik CSV (kolumny id i c1–c28, odpowiedzi 1–4). Dwie osoby pominęły pozycję 11, a jedna – pozycję 27. Zgodnie z przyjętą regułą zabrakło więc wyniku skali używania substancji u dwóch osób, a skali religii u jednej. Pozostałe skale policzyliśmy dla wszystkich 220 osób.

Najczęściej deklarowane było planowanie (M = 2.74, SD = 0.84) i aktywne radzenie sobie (M = 2.66, SD = 0.82). Najrzadziej – używanie substancji (M = 1.24, SD = 0.44). Profil wszystkich skal pokazuje rysunek 1. Skale o średniej bliskiej 1, takie jak używanie substancji czy religia, mają mało zmienności. Przy takich skalach korelacje z innymi zmiennymi będą zwykle słabsze, a rozkład silnie skośny.

Rzetelność skal dwupozycyjnych

Przy dwóch pozycjach alfa Cronbacha mówi niewiele więcej niż sama korelacja między nimi. Dlatego dla każdej skali podaj korelację r między pozycjami i współczynnik Spearmana–Browna 2r / (1 + r), czyli przewidywaną rzetelność skali złożonej z dwóch takich pozycji (Brown, 1910; Spearman, 1910). Jak działa ten wzór, wyjaśnia hasło rzetelność połówkowa i wzór Spearmana–Browna. Gdy obie pozycje mają podobne wariancje, alfa i współczynnik Spearmana–Browna są prawie równe. W przykładzie różniły się najwyżej o .01.

W przykładzie korelacje między pozycjami wyniosły od .27 (wyładowanie emocji) do .61 (religia), a współczynniki Spearmana–Browna od .42 do .76 (rysunek 2). To typowy obraz dla skal dwupozycyjnych. Każda skala obejmuje wąski zakres zachowań, a dwie pozycje mogą opisywać dość różne jego przejawy. Niska rzetelność skali nie dyskwalifikuje narzędzia, ale osłabia korelacje z innymi zmiennymi. Napisz o tym w ograniczeniach badania. Nie podawaj jednej „alfy dla całego Brief COPE”, bo nie ma wyniku ogólnego, którego mogłaby dotyczyć. Ogólne zasady oceny spójności wewnętrznej i krytykę samej alfy opisuje McNeish (2018).

Wyniki wygodnie zebrać w jednej tabeli: skala, n, M, SD, r i współczynnik Spearmana–Browna. Wzór takiej tabeli pokazujemy w haśle tabela rzetelności skal w APA.

Mniej wyników? Czynniki drugiego rzędu z własnych danych

Czternaście skal to dużo zmiennych dla pracy licencjackiej. Autor podsuwa jedno rozwiązanie: utworzyć czynniki drugiego rzędu ze skal i użyć ich jako predyktorów. Ich skład trzeba jednak ustalić na własnych danych, bo próby się różnią (Carver, b.d.). Literatura to potwierdza. Solberg i in. (2022) przejrzeli 85 prac o strukturze Brief COPE. Tylko osiem z nich sprawdzało oryginalne 14 skal, a liczba wyodrębnionych czynników wahała się od 2 do 15. Baumstarck i in. (2017) uzyskali we francuskiej wersji cztery czynniki: wsparcie społeczne, rozwiązywanie problemu, unikanie i pozytywne myślenie. Nie przenoś więc gotowego podziału z cudzego artykułu bez sprawdzenia, czy pasuje do Twoich danych.

W przykładzie analiza równoległa na 14 wynikach skal (217 osób z kompletem wyników) wskazała trzy czynniki. W eksploracyjnej analizie czynnikowej z rotacją ukośną wyodrębniły się:

• czynnik zadaniowy: aktywne radzenie sobie (ładunek .72), planowanie (.69) i pozytywne przewartościowanie (.62);
• czynnik wsparcia: wsparcie emocjonalne (.84), wsparcie instrumentalne (.59), wyładowanie emocji (.43) i religia (.41);
• czynnik unikania: zaprzeczanie (.64), zaprzestanie działań (.60), obwinianie siebie (.53) i odwracanie uwagi (.35).

Trzy skale – używanie substancji, humor i akceptacja – nie miały ładunku .30 na żadnym czynniku. Zostaw je jako osobne zmienne albo pomiń w modelu, jeśli nie dotyczą hipotez. Czynnik zadaniowy korelował z czynnikiem wsparcia na poziomie .30, a z unikaniem na poziomie −.30. Trzy czynniki wyjaśniły razem 31% wariancji wyników skal. To mało, więc wyniki czynników są tylko uproszczeniem, a nie pełnym obrazem radzenia sobie. Jak przeprowadzić taką analizę i ją opisać, pokazuje poradnik analiza czynnikowa EFA i CFA.

Jak opisać Brief COPE w pracy

Wzór poniżej zawiera liczby z przykładu. W nawiasach kwadratowych uzupełnij dane adaptacji, z której korzystasz.

Jeśli używasz czynników drugiego rzędu, dodaj krótki opis ich wyodrębnienia:

Polska wersja i zgoda na użycie

Na stronie autora czytamy, że można użyć wszystkich skal Brief COPE albo tylko wybranych i dostosować instrukcję do własnego okresu. Strona wspomina też, że narzędzie przetłumaczono na kilka języków, a przekłady publikowali inni badacze (Carver, b.d.). Polskie adaptacje kwestionariuszy radzenia sobie bywają dystrybuowane przez wydawców testów psychologicznych. Przed badaniem sprawdź więc u autorów adaptacji albo u wydawcy, na jakich warunkach możesz użyć narzędzia i czy możesz przenieść je do ankiety online. Własny przekład z angielskiego nie jest właściwą adaptacją. Właściwości psychometryczne bierz z publikacji adaptacji. Jak szukać narzędzi i prosić o zgodę, opisuje poradnik gdzie znaleźć kwestionariusze psychologiczne, a ogólny schemat opisu – opis narzędzia badawczego – wzór.

# B103 – Brief COPE: wyniki 14 skal, rzetelność skal dwupozycyjnych, czynniki drugiego rzędu (dane symulowane, set.seed(10397)).
# 220 osób studiujących, instrukcja sytuacyjna: radzenie sobie w ostatnich dwóch tygodniach sesji egzaminacyjnej.
# Klucz (Carver, b.d.): 14 skal po 2 pozycje, odpowiedzi 1–4, bez odwracania pozycji, brak wyniku ogólnego.
# Treści pozycji nie podajemy – w danych są tylko numery c1–c28.
suppressPackageStartupMessages({ library(MASS); library(psych); library(GPArotation) })
set.seed(10397)
n <- 220
klucz <- list(rozpraszanie = c(1, 19), aktywne = c(2, 7), zaprzeczanie = c(3, 8), substancje = c(4, 11),
              wsparcie_emocj = c(5, 15), wsparcie_instr = c(10, 23), zaprzest = c(6, 16), wyladowanie = c(9, 21),
              przewartosc = c(12, 17), planowanie = c(14, 25), humor = c(18, 28), akceptacja = c(20, 24),
              religia = c(22, 27), samoobwin = c(13, 26))
# Czynniki drugiego rzędu w symulacji: zadaniowy (Z), wsparcie (W), unikanie (U)
G <- mvrnorm(n, c(0, 0, 0), matrix(c(1, .30, -.20, .30, 1, .15, -.20, .15, 1), 3))
lad <- rbind(rozpraszanie = c(0, 0, .60), aktywne = c(.85, 0, 0), zaprzeczanie = c(0, 0, .75), substancje = c(0, 0, .50),
             wsparcie_emocj = c(0, .90, 0), wsparcie_instr = c(.25, .75, 0), zaprzest = c(-.25, 0, .75),
             wyladowanie = c(0, .45, .45), przewartosc = c(.70, 0, 0), planowanie = c(.85, 0, 0), humor = c(.20, 0, .15),
             akceptacja = c(.55, 0, 0), religia = c(0, .25, 0), samoobwin = c(0, 0, .65))
srodek <- c(rozpraszanie = .5, aktywne = .6, zaprzeczanie = -.9, substancje = -1.5, wsparcie_emocj = .3, wsparcie_instr = .1,
            zaprzest = -.6, wyladowanie = 0, przewartosc = .1, planowanie = .7, humor = -.2, akceptacja = .5,
            religia = -1.0, samoobwin = .2)
lam_poz <- c(.80, .75, .70, .85, .85, .80, .70, .65, .75, .80, .85, .65, .90, .75)   # ładunek pozycji na skali
odp <- matrix(NA, n, 28, dimnames = list(NULL, paste0("c", 1:28)))
for (s in seq_along(klucz)) {
  sk <- names(klucz)[s]
  l2 <- lad[sk, ]
  fs <- G %*% l2 + rnorm(n, 0, sqrt(max(1 - sum(l2^2), .15)))
  for (j in klucz[[s]]) {
    y <- lam_poz[s] * as.numeric(scale(fs)) + rnorm(n, 0, sqrt(1 - lam_poz[s]^2)) + srodek[sk]
    odp[, j] <- findInterval(y, c(-0.6, 0.4, 1.3)) + 1
  }
}
dane <- data.frame(id = 1:n, odp)
dane$c11[c(41, 133)] <- NA                                           # dwie osoby pominęły pozycję 11
dane$c27[88] <- NA                                                   # jedna osoba pominęła pozycję 27
write.csv(dane, "../brief-cope-dane-przyklad.csv", row.names = FALSE)

# Krok 1. Kontrola zakresu: tylko wartości 1–4 albo brak
all(sapply(dane[, -1], function(x) all(x %in% c(1:4, NA))))
colSums(is.na(dane[, -1]))[colSums(is.na(dane[, -1])) > 0]

# Krok 2. Wynik każdej skali: średnia dwóch pozycji (1–4); przy braku jednej pozycji – brak wyniku tej skali
wyniki <- sapply(klucz, function(p) rowMeans(dane[, paste0("c", p)]))   # rowMeans bez na.rm: brak => NA
colSums(is.na(wyniki))[colSums(is.na(wyniki)) > 0]
suma_vs_srednia <- rowSums(dane[, c("c2", "c7")]) / 2 - wyniki[, "aktywne"]
all(suma_vs_srednia == 0)                                            # suma (2–8) to po prostu 2 × średnia

# Krok 3. Opis i rzetelność każdej skali: r między pozycjami i współczynnik Spearmana–Browna 2r / (1 + r)
opis <- t(sapply(names(klucz), function(sk) {
  p <- dane[, paste0("c", klucz[[sk]])]
  r <- cor(p[, 1], p[, 2], use = "complete.obs")
  a <- psych::alpha(p, warnings = FALSE)$total$raw_alpha
  w <- wyniki[, sk]
  c(n = sum(!is.na(w)), M = mean(w, na.rm = TRUE), SD = sd(w, na.rm = TRUE),
    r = r, SB = 2 * r / (1 + r), alfa = a)
}))
print(round(opis, 2))
round(range(opis[, "r"]), 2); round(range(opis[, "SB"]), 2)
rownames(opis)[which.min(opis[, "SB"])]; rownames(opis)[which.max(opis[, "SB"])]

# Krok 4. Bez wyniku ogólnego: zamiast tego czynniki drugiego rzędu z własnych danych
pelne <- na.omit(as.data.frame(wyniki))
nrow(pelne)
set.seed(10397)
pa <- fa.parallel(pelne, fm = "ml", fa = "fa", plot = FALSE)
pa$nfact
efa <- fa(pelne, nfactors = 3, fm = "ml", rotate = "oblimin")
print(efa$loadings, cutoff = .30, sort = TRUE)
round(efa$Phi, 2)
round(efa$Vaccounted["Cumulative Var", 3], 2)

# Wartości w zapisie do tekstu
bz <- function(v) sub("^(-?)0\\.", "\\1.", formatC(v, format = "f", digits = 2))
noquote(c(r_min = bz(min(opis[, "r"])), r_max = bz(max(opis[, "r"])), SB_min = bz(min(opis[, "SB"])), SB_max = bz(max(opis[, "SB"]))))
noquote(formatC(opis[c("aktywne", "planowanie", "samoobwin", "substancje", "humor"), c("M", "SD")], format = "f", digits = 2))

[1] TRUE
c11 c27 
  2   1 
substancje    religia 
         2          1 
[1] TRUE
                 n    M   SD    r   SB alfa
rozpraszanie   220 2.64 0.84 0.59 0.74 0.74
aktywne        220 2.66 0.82 0.43 0.60 0.60
zaprzeczanie   220 1.52 0.60 0.38 0.55 0.55
substancje     218 1.24 0.44 0.58 0.73 0.73
wsparcie_emocj 220 2.43 0.85 0.58 0.74 0.73
wsparcie_instr 220 2.23 0.86 0.57 0.73 0.72
zaprzest       220 1.68 0.67 0.48 0.65 0.65
wyladowanie    220 2.16 0.74 0.27 0.42 0.42
przewartosc    220 2.20 0.83 0.55 0.71 0.71
planowanie     220 2.74 0.84 0.55 0.71 0.71
humor          220 2.01 0.80 0.60 0.75 0.75
akceptacja     220 2.56 0.78 0.32 0.49 0.49
religia        219 1.42 0.57 0.61 0.76 0.76
samoobwin      220 2.33 0.81 0.44 0.61 0.61
[1] 0.27 0.61
[1] 0.42 0.76
[1] "wyladowanie"
[1] "religia"
[1] 217
Parallel analysis suggests that the number of factors =  3  and the number of components =  NA 
[1] 3

Loadings:
               ML2    ML1    ML3   
aktywne         0.718              
przewartosc     0.619              
planowanie      0.689              
wsparcie_emocj         0.843       
wsparcie_instr         0.594       
zaprzeczanie                  0.635
zaprzest                      0.598
samoobwin                     0.533
rozpraszanie                  0.349
substancje                         
wyladowanie            0.431  0.342
humor                              
akceptacja                         
religia                0.407       

                 ML2   ML1   ML3
SS loadings    1.542 1.461 1.373
Proportion Var 0.110 0.104 0.098
Cumulative Var 0.110 0.214 0.313
     ML2  ML1   ML3
ML2  1.0 0.30 -0.30
ML1  0.3 1.00  0.11
ML3 -0.3 0.11  1.00
[1] 0.32
 r_min  r_max SB_min SB_max 
   .27    .61    .42    .76 
           M    SD  
aktywne    2.66 0.82
planowanie 2.74 0.84
samoobwin  2.33 0.81
substancje 1.24 0.44
humor      2.01 0.80

Najczęstsze błędy przy Brief COPE

• Wynik ogólny z 28 pozycji. Autor wyraźnie pisze, że taki wynik nie istnieje. Analizuj skale albo czynniki z własnych danych.
• Podział „problem kontra emocje” wzięty z pełnego COPE. Dla Brief COPE autor takich wskaźników nie zaleca. Jeśli chcesz mniej zmiennych, wyodrębnij czynniki drugiego rzędu na swojej próbie.
• Odwracanie pozycji. W Brief COPE żadnej pozycji się nie odwraca.
• Jedna alfa dla całego narzędzia. Podaj rzetelność każdej skali osobno: r i współczynnik Spearmana–Browna.
• „Dominujący styl radzenia sobie” ustalany jako skala z najwyższym wynikiem. Autor nie poleca żadnej metody takiego przypisania.
• Progi „niski, przeciętny, wysoki”. W źródłach autora ich nie ma. Opisuj średnie i rozkłady.
• Niejasna instrukcja. Bez informacji o wersji sytuacyjnej lub dyspozycyjnej i o okresie odniesienia nie da się porównać wyników z innymi badaniami.

Jeśli chcesz sprawdzić, czy dobrze policzyłeś wyniki Brief COPE i jak opisać 14 skal albo czynniki drugiego rzędu, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Jak policzyć wyniki Brief COPE?

Dla każdej z 14 skal weź dwie pozycje z klucza autora (np. aktywne radzenie sobie to pozycje 2 i 7) i policz ich średnią (1–4) albo sumę (2–8). Żadnej pozycji się nie odwraca. Wynik ogólny z 28 pozycji nie istnieje (Carver, b.d.), więc w analizach używasz 14 wyników skal.

Czy Brief COPE ma wynik ogólny albo podział na strategie zadaniowe i emocjonalne?

Nie. Autor pisze, że wyniku ogólnego nie ma, i nie zaleca wskaźników radzenia skoncentrowanego na problemie lub emocjach ani ustalania „dominującego stylu”. Jeśli potrzebujesz mniej zmiennych, wyodrębnij czynniki drugiego rzędu na własnych danych (Carver, b.d.).

Jak podać rzetelność skal Brief COPE, skoro mają po dwie pozycje?

Dla każdej skali podaj korelację między dwiema pozycjami i współczynnik Spearmana–Browna 2r / (1 + r). Alfa dla dwóch pozycji daje prawie tę samą wartość, ale niewiele dodaje. Nie podawaj jednej alfy dla całego kwestionariusza, bo nie ma on wyniku ogólnego.

Czy w Brief COPE są pozycje odwrócone?

Nie. Strona autora podaje, że skale liczy się bez odwracania kodowania (Carver, b.d.). Każda skala to po prostu średnia lub suma dwóch odpowiedzi na skali 1–4.

Czy mogę użyć tylko kilku skal Brief COPE?

Tak. Autor pozwala użyć wszystkich skal albo tylko wybranych i dostosować instrukcję do interesującego Cię okresu (Carver, b.d.). Przy polskiej wersji sprawdź jednak warunki użycia u autorów adaptacji lub wydawcy i opisz w pracy, które skale wybrałeś.

Powiązane hasła

Przeczytaj też

@article{baumstarck2017assessment, author={Baumstarck, Karine and Alessandrini, Marine and Hamidou, Zeinab and Auquier, Pascal and Leroy, Tanguy and Boyer, Laurent}, title={{Assessment of coping: A new French four-factor structure of the brief COPE inventory}}, journal={Health and Quality of Life Outcomes}, year={2017}, volume={15}, number={1}, eid={8}, doi={10.1186/s12955-016-0581-9}}

@article{brown1910some, author={Brown, William}, title={{Some experimental results in the correlation of mental abilities}}, journal={British Journal of Psychology}, year={1910}, volume={3}, number={3}, pages={296--322}, doi={10.1111/j.2044-8295.1910.tb00207.x}}

@article{carver1997you, author={Carver, Charles S.}, title={{You want to measure coping but your protocol's too long: Consider the Brief COPE}}, journal={International Journal of Behavioral Medicine}, year={1997}, volume={4}, number={1}, pages={92--100}, doi={10.1207/s15327558ijbm0401_6}}

@misc{carverbriefcopend, author={Carver, Charles S.}, title={{Brief COPE}}, publisher={University of Miami, Department of Psychology}, url={https://psy.miami.edu/faculty/ccarver/brief-cope.html}}

@article{carver1989assessing, author={Carver, Charles S. and Scheier, Michael F. and Weintraub, Jagdish K.}, title={{Assessing coping strategies: A theoretically based approach}}, journal={Journal of Personality and Social Psychology}, year={1989}, volume={56}, number={2}, pages={267--283}, doi={10.1037/0022-3514.56.2.267}}

@techreport{itc2014statement, author={{International Test Commission}}, title={{ITC statement on the use of tests and other assessment instruments for research purposes}}, year={2014}, institution={International Test Commission}, url={https://www.intestcom.org/files/statement_using_tests_for_research.pdf}}

@article{mcneish2018thanks, author={McNeish, Daniel}, title={{Thanks coefficient alpha, we’ll take it from here}}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}

@article{solberg2022factor, author={Solberg, Marvin A. and Gridley, Michael K. and Peters, Rosalind M.}, title={{The factor structure of the Brief Cope: A systematic review}}, journal={Western Journal of Nursing Research}, year={2022}, volume={44}, number={6}, pages={612--627}, doi={10.1177/01939459211012044}}

@article{spearman1910correlation, author={Spearman, Charles}, title={{Correlation calculated from faulty data}}, journal={British Journal of Psychology}, year={1910}, volume={3}, number={3}, pages={271--295}, doi={10.1111/j.2044-8295.1910.tb00206.x}}