Grit-S – jak policzyć i opisać wynik skali grit i jej podskal

Autor: Konrad Hryniewicz · Opublikowano: 28 października 2026 · Aktualizacja: 26 października 2026

Grit i skala Grit-S: skąd pochodzą

Grit to wytrwałość i pasja w dążeniu do długoterminowych celów. Duckworth i in. (2007) zmierzyli ją 12-pozycyjną skalą (Grit-O). Grit wyjaśniał średnio 4% wariancji miar sukcesu, takich jak poziom wykształcenia, średnia ocen czy pozostanie w akademii wojskowej West Point. Nie korelował dodatnio z IQ, za to silnie korelował z sumiennością, choć przewidywał wyniki także po jej uwzględnieniu.

Grit-S to wersja skrócona do 8 pozycji. Duckworth i Quinn (2009) pokazali, że zachowuje dwuczynnikową strukturę oryginału przy czterech pozycjach mniej. Przedstawili też dowody spójności wewnętrznej, stabilności test–retest, zgodności z oceną obserwatora i trafności predykcyjnej. Na stronie autorki jako zwalidowane wersje angielskie wymienione są tylko te dwie: 12- i 8-pozycyjna (Duckworth, b.d.).

Licencja i ograniczenia zastosowań

Według oficjalnej strony autorki skala jest bezpłatna do niekomercyjnych zastosowań w badaniach, tłumaczeniach i edukacji. Prawa autorskie zabraniają jednak przedruku w książkach, czasopismach i innych mediach oraz użytku komercyjnego (Duckworth, b.d.). Pracę dyplomową możesz więc oprzeć na Grit-S, ale w aneksie nie przedrukowuj pozycji bez zgody. Opisz narzędzie i podaj źródło.

Strona wymienia też granice stosowania. Wynik łatwo świadomie zawyżyć. Do tego dochodzi błąd punktu odniesienia (reference bias): ludzie oceniają się według różnych standardów, więc wynik odzwierciedla zarówno wytrwałość, jak i to, jak wysoko ktoś zawiesza sobie poprzeczkę. Skala nadaje się do badań i autorefleksji. Nie nadaje się do selekcji pracowników, rekrutacji na studia ani porównywania szkół i krajów. Na stronie z miarami autorka dodaje, że nie wiadomo, czy jej skale trafnie mierzą zmianę przed i po interwencji (Duckworth, b.d.). Szerzej opisują te problemy Duckworth i Yeager (2015): każda metoda pomiaru cech pozapoznawczych ma inne ograniczenia, a żadna nie nadaje się do porównań szkół. Jeśli planujesz badanie typu przed i po z Grit-S jako wynikiem, wpisz to zastrzeżenie do ograniczeń badania.

Budowa: 8 pozycji, dwie podskale

Grit-S ma dwie podskale po cztery pozycje. Spójność zainteresowań (consistency of interest) tworzą pozycje 1, 3, 5 i 6, a wytrwałość w wysiłku (perseverance of effort) – pozycje 2, 4, 7 i 8 (Arco-Tirado i in., 2018). Pozycje spójności opisują zmienność zainteresowań, na przykład porzucanie projektów dla nowych pomysłów. Pozycje wytrwałości opisują wytężoną pracę i niezrażanie się porażkami.

W oficjalnej wersji online osoba badana ocenia, na ile każde zdanie ją opisuje: od Very much like me (5) do Not like me at all (1). W wersji 12-pozycyjnej kod tego kwestionariusza odwraca wszystkie sześć pozycji spójności zainteresowań (2, 3, 5, 7, 8 i 11), czyli liczy je jako 6 − odpowiedź (Duckworth, b.d.). Grit-S zachowuje ten podział, dlatego w przykładzie odwracamy pozycje 1, 3, 5 i 6. Numery pozycji i kierunek kodowania potwierdź w arkuszu wersji 8-pozycyjnej, który autorka udostępnia na swojej stronie, oraz w opisie wersji, której używasz. Przekłady mogą mieć inną kolejność pozycji i inną skalę odpowiedzi. Na przykład w hiszpańskiej adaptacji odpowiedzi były czterostopniowe (Arco-Tirado i in., 2018).

Numery podskal Grit-S za Arco-Tirado i in. (2018), klucz Grit-O według kwestionariusza na stronie autorki (Duckworth, b.d.).

Jak policzyć wynik Grit-S

1. Sprawdź zakres. W danych mogą być tylko wartości 1–5 albo braki. Upewnij się, że 5 oznacza „bardzo do mnie pasuje”. Niektóre formularze zapisują odpowiedzi w odwrotnej kolejności.
2. Odwróć pozycje spójności zainteresowań: 6 − odpowiedź. Po tym kroku wyższa liczba zawsze oznacza więcej grit (zob. pozycja odwrócona).
3. Policz średnią. Wynik ogólny to średnia ośmiu pozycji, a wynik podskali – średnia jej czterech pozycji. Oficjalny kwestionariusz online też podaje wynik jako średnią w skali od 1 do 5 (Duckworth, b.d.). Suma (8–40) daje te same wnioski z analiz, ale średnią łatwiej porównać z literaturą (zob. wynik skali: średnia czy suma).
4. Ustal regułę dla braków. Strona autorki jej nie podaje. Rozsądną własną decyzją jest liczenie średniej podskali z trzech pozycji, gdy brakuje jednej, i brak wyniku przy większej liczbie braków. Zapisz ją przed analizą i podaj w pracy (zob. braki danych).

Pojedyncze wyniki sprawdzisz w kalkulatorze wyniku skali. Ogólne zasady liczenia wyników opisuje poradnik jak policzyć wynik kwestionariusza.

Interpretacja: wynik ogólny czy podskale?

Grit-S nie ma oficjalnych punktów odcięcia ani norm. Wynik 4.0 nie oznacza „wysokiego grit” w sensie klinicznym czy normatywnym. Oznacza tylko, że średnio badany wybierał odpowiedź „raczej do mnie pasuje”. Opisuj średnie i odchylenia standardowe z własnej próby i licz związki na wyniku ciągłym.

Ważniejsze pytanie brzmi: czy liczyć wynik ogólny, czy dwie podskale? Metaanaliza Credé i in. (2017) objęła 88 prób i ponad 66 tysięcy osób. Nie potwierdziła struktury grit jako cechy wyższego rzędu. Grit bardzo silnie korelował z sumiennością, a wytrwałość w wysiłku miała wyraźnie wyższą trafność kryterialną niż spójność zainteresowań. Wytrwałość wyjaśniała wyniki w nauce także po uwzględnieniu sumienności. Z kolei w hiszpańskiej adaptacji model jednoczynnikowy z jedną skorelowaną resztą dobrze pasował do danych, a autorzy zalecili wynik ogólny (Arco-Tirado i in., 2018). Bezpieczna praktyka: podaj wynik ogólny i obie podskale, a hipotezy sformułuj na tym poziomie, który wynika z teorii.

Przykład: Grit-S u 250 osób studiujących

Wyobraź sobie badanie 250 osób studiujących, w którym obok Grit-S zmierzono sumienność (średnia skali 1–5) i średnią ocen. Dane są symulowane i możesz je pobrać jako plik CSV (kolumny g1–g8 przed odwróceniem, sumiennosc, srednia_ocen). Dwie osoby pominęły pozycję 6, więc ich wynik spójności zainteresowań policzyliśmy z trzech pozycji.

Badani wyżej oceniali swoją wytrwałość niż spójność zainteresowań. Różnica wyniosła 1.12 punktu, 95% CI [1.02, 1.23], t(249) = 21.31, p < .001. Rozkład wytrwałości jest przesunięty w stronę górnego końca skali, a 4% osób miało wynik maksymalny 5.00 (rysunek 1). Przy takim rozkładzie sprawdź, czy nie ma efektu sufitu.

Rzetelność i struktura

Alfa Cronbacha wyniku ogólnego wyniosła .74, a podskal .76 (spójność) i .66 (wytrwałość). Średnia korelacja między pozycjami w całej skali (.26) była niższa niż w podskalach (.44 i .33). To znak, że osiem pozycji nie tworzy jednego jednolitego wymiaru. Podobny wzór, czyli niższą alfę wytrwałości niż spójności, opisali Arco-Tirado i in. (2018). Gotowe zdania o rzetelności znajdziesz we wzorze raportowania alfy Cronbacha.

W konfirmacyjnej analizie czynnikowej model jednoczynnikowy pasował słabo: χ²(20) = 102.77, CFI = .79, TLI = .71, RMSEA = .127, SRMR = .088. Model z dwoma skorelowanymi czynnikami pasował bardzo dobrze: χ²(19) = 16.97, CFI = 1.00, TLI = 1.01, RMSEA = .000, SRMR = .033. Korelacja czynników wyniosła .45. W tych danych podskale są więc wyraźnie odrębne. Jak raportować takie porównanie, pokazuje hasło tabela dopasowania modelu CFA w APA.

Związki z sumiennością i średnią ocen

Wynik ogólny korelował z sumiennością na poziomie r = .47, 95% CI [.37, .56], a wytrwałość jeszcze silniej, r = .54, 95% CI [.45, .62]. Ze średnią ocen wiązała się tylko wytrwałość, r(248) = .24, 95% CI [.12, .36], p < .001. Korelacja spójności zainteresowań ze średnią ocen była bliska zera, r = −.02, 95% CI [−.15, .10], p = .742. Wynik ogólny, który łączy obie podskale, dał korelację pośrednią, r = .12, 95% CI [−.00, .24], p = .052 (rysunek 2). Gdybyś podał tylko wynik ogólny, przeoczyłbyś, że związek z ocenami niesie wytrwałość. Taki wzór opisuje też metaanaliza Credé i in. (2017).

Silny związek z sumiennością to też pytanie o trafność różnicową. Jeśli chcesz pokazać, że grit coś wnosi, uwzględnij sumienność w modelu, np. w regresji hierarchicznej. Jak mówić o wielkości korelacji, wyjaśnia wpis czy korelacja .30 to dużo.

Jak opisać Grit-S w pracy

Ogólny schemat opisu kwestionariusza znajdziesz we wpisie opis narzędzia badawczego – wzór, a o niższej alfie podskali piszemy we wpisie alfa Cronbacha poniżej .70.

Polska wersja Grit-S

Strona autorki zezwala na niekomercyjne tłumaczenia, ale jako zwalidowane wskazuje tylko wersje angielskie (Duckworth, b.d.). Jeśli używasz polskiej wersji, podaj publikację, w której ją opisano i sprawdzono jej właściwości. Normy i progi bierz wyłącznie z takiej publikacji. Własne tłumaczenie to jeszcze nie właściwa adaptacja. Etapy porządnej adaptacji opisuje wpis o adaptacji kulturowej kwestionariusza.

# B132 – Grit-S: wynik ogólny i dwie podskale, rzetelność, struktura (CFA), związki z sumiennością i średnią ocen
# (dane symulowane, set.seed(13232)). 250 osób studiujących; odpowiedzi 1–5 na 8 pozycji g1–g8,
# gdzie 5 = "Very much like me", 1 = "Not like me at all" (skala jak w oficjalnej wersji online na stronie autorki).
# Podskale (Arco-Tirado i in., 2018): spójność zainteresowań = pozycje 1, 3, 5, 6; wytrwałość w wysiłku = 2, 4, 7, 8.
# Pozycje spójności zainteresowań liczymy odwrotnie (6 − odpowiedź). Numery sprawdź w arkuszu swojej wersji.
suppressPackageStartupMessages({ library(MASS); library(psych); library(lavaan) })
set.seed(13232)
n <- 250
zaint <- c(1, 3, 5, 6); wytrw <- c(2, 4, 7, 8)
# Cechy ukryte: wytrwałość (P), spójność zainteresowań (I), sumienność (C) i średnia ocen (y)
S <- matrix(c(1, .45, .60, .30,
              .45, 1, .35, .08,
              .60, .35, 1, .30,
              .30, .08, .30, 1), 4, dimnames = list(c("P", "I", "C", "y"), c("P", "I", "C", "y")))
L <- mvrnorm(n, rep(0, 4), S)
lam <- c(.70, .55, .72, .60, .62, .68, .58, .66)
progi <- c(-1.9, -0.9, 0.1, 1.1)
odp <- sapply(1:8, function(j) {
  if (j %in% zaint) {                          # pozycja opisuje zmienność zainteresowań: wysoka odpowiedź = mniejsza spójność
    findInterval(-lam[j] * L[, "I"] + rnorm(n, 0, sqrt(1 - lam[j]^2)) - 0.1, progi) + 1
  } else findInterval(lam[j] * L[, "P"] + rnorm(n, 0, sqrt(1 - lam[j]^2)) + 0.45, progi) + 1
})
colnames(odp) <- paste0("g", 1:8)
dane <- data.frame(id = 1:n, odp,
                   sumiennosc = round(pmin(pmax(3.4 + 0.6 * L[, "C"], 1), 5), 2),       # średnia skali 1–5
                   srednia_ocen = round(pmin(pmax(4.05 + 0.35 * L[, "y"], 3), 5), 2))   # średnia ocen 3–5
dane$g6[c(40, 171)] <- NA                                                              # dwa pojedyncze braki
write.csv(dane, "../grit-s-dane-przyklad.csv", row.names = FALSE)

# Krok 1. Kontrola zakresu
all(sapply(dane[, paste0("g", 1:8)], function(x) all(x %in% c(1:5, NA)))); colSums(is.na(dane[, paste0("g", 1:8)]))

# Krok 2. Odwrócenie pozycji spójności zainteresowań: 6 − odpowiedź
grit <- dane[, paste0("g", 1:8)]
grit[, zaint] <- 6 - grit[, zaint]
table(surowa = dane$g1, odwrocona = grit$g1)

# Krok 3. Wyniki: średnie (1–5). Decyzja własna: przy jednym braku w podskali – średnia z trzech pozycji.
sr <- function(p) ifelse(rowSums(!is.na(p)) >= 3, rowMeans(p, na.rm = TRUE), NA)
wyn <- data.frame(grit = rowMeans(grit, na.rm = TRUE), zaint = sr(grit[, zaint]), wytrw = sr(grit[, wytrw]))
round(t(sapply(wyn, function(w) c(M = mean(w), SD = sd(w), Me = median(w), min = min(w), max = max(w),
                                  skosnosc = psych::skew(w), proc_5 = 100 * mean(w == 5)))), 2)
t_p <- t.test(wyn$wytrw, wyn$zaint, paired = TRUE)
round(c(roznica = unname(t_p$estimate), lo = t_p$conf.int[1], hi = t_p$conf.int[2], t = unname(t_p$statistic), df = unname(t_p$parameter)), 2); signif(t_p$p.value, 3)

# Krok 4. Rzetelność: alfa z 95% CI (Feldt) i średnia korelacja między pozycjami
rz <- t(sapply(list(grit = 1:8, zaint = zaint, wytrw = wytrw), function(k) {
  p <- na.omit(grit[, k]); a <- psych::alpha(p, warnings = FALSE)
  c(alfa = a$total$raw_alpha, lo = a$feldt$lower.ci[[1]], hi = a$feldt$upper.ci[[1]], r_sr = a$total$average_r)
}))
round(rz, 2)

# Krok 5. Struktura: jeden czynnik czy dwa skorelowane (CFA, estymator MLR)
m1 <- cfa("grit =~ g1 + g2 + g3 + g4 + g5 + g6 + g7 + g8", data = grit, estimator = "MLR", missing = "fiml")
m2 <- cfa("zaint =~ g1 + g3 + g5 + g6\n wytrw =~ g2 + g4 + g7 + g8", data = grit, estimator = "MLR", missing = "fiml")
miary <- c("chisq.scaled", "df", "cfi.robust", "tli.robust", "rmsea.robust", "srmr")
round(rbind(jeden = fitMeasures(m1, miary), dwa = fitMeasures(m2, miary)), 3)
round(lavInspect(m2, "cor.lv"), 2)

# Krok 6. Trafność: korelacje z sumiennością i średnią ocen (95% CI)
kor <- function(x, y) { t <- cor.test(x, y); c(r = unname(t$estimate), lo = t$conf.int[1], hi = t$conf.int[2], p = t$p.value) }
tab <- rbind(grit_C = kor(wyn$grit, dane$sumiennosc), zaint_C = kor(wyn$zaint, dane$sumiennosc), wytrw_C = kor(wyn$wytrw, dane$sumiennosc),
             grit_oceny = kor(wyn$grit, dane$srednia_ocen), zaint_oceny = kor(wyn$zaint, dane$srednia_ocen),
             wytrw_oceny = kor(wyn$wytrw, dane$srednia_ocen))
round(tab, 3)

# Klucz 12-pozycyjnej Grit-O według oficjalnego kwestionariusza online (strona autorki): odwrócone pozycje 2, 3, 5, 7, 8, 11
grit_o_odwrocone <- c(2, 3, 5, 7, 8, 11)
setdiff(1:12, grit_o_odwrocone)                                              # pozycje liczone wprost

[1] TRUE
g1 g2 g3 g4 g5 g6 g7 g8 
 0  0  0  0  0  2  0  0 
      odwrocona
surowa  1  2  3  4  5
     1  0  0  0  0  8
     2  0  0  0 44  0
     3  0  0 88  0  0
     4  0 79  0  0  0
     5 31  0  0  0  0
         M   SD   Me  min  max skosnosc proc_5
grit  3.23 0.58 3.25 1.62 4.62    -0.11      0
zaint 2.67 0.77 2.75 1.00 4.50    -0.10      0
wytrw 3.79 0.67 3.75 1.75 5.00    -0.32      4
roznica      lo      hi       t      df 
   1.12    1.02    1.23   21.31  249.00 
[1] 4.7e-58
      alfa   lo   hi r_sr
grit  0.74 0.69 0.79 0.26
zaint 0.76 0.70 0.80 0.44
wytrw 0.66 0.59 0.73 0.33
      chisq.scaled df cfi.robust tli.robust rmsea.robust  srmr
jeden      102.766 20       0.79      0.707        0.127 0.088
dwa         16.973 19       1.00      1.009        0.000 0.033
      zaint wytrw
zaint  1.00      
wytrw  0.45  1.00
                 r     lo    hi     p
grit_C       0.473  0.370 0.564 0.000
zaint_C      0.247  0.126 0.360 0.000
wytrw_C      0.542  0.447 0.624 0.000
grit_oceny   0.123 -0.001 0.244 0.052
zaint_oceny -0.021 -0.145 0.103 0.742
wytrw_oceny  0.241  0.121 0.355 0.000
[1]  1  4  6  9 10 12

Najczęstsze błędy przy Grit-S

• Brak odwrócenia pozycji spójności zainteresowań. Wtedy podskala mierzy zmienność zainteresowań, a wynik ogólny miesza dwa przeciwne kierunki.
• Odwrócona kolejność etykiet w formularzu. Jeśli 1 oznacza „bardzo do mnie pasuje”, cały klucz działa odwrotnie. Sprawdź kodowanie przed liczeniem.
• Tylko wynik ogólny. Wytrwałość i spójność mogą mieć różne związki z kryteriami (rysunek 2).
• Progi i „typy”. Skala nie ma punktów odcięcia, więc nie dziel badanych na „wytrwałych” i „niewytrwałych” (zob. dzielenie medianą).
• Grit-S jako miara efektu interwencji. Autorka zaznacza, że nie wiadomo, czy jej skale trafnie mierzą zmianę przed i po.
• Pominięcie sumienności. Bez niej trudno twierdzić, że związek dotyczy grit, a nie ogólnej sumienności.

Jeśli chcesz sprawdzić, czy dobrze policzyłeś wyniki Grit-S i jak je opisać, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Jak policzyć wynik Grit-S?

Odwróć pozycje spójności zainteresowań (6 − odpowiedź), a potem policz średnią ośmiu pozycji. Wynik mieści się w zakresie 1–5, a wyższy oznacza więcej wytrwałości i pasji. Podskale liczysz jako średnie czterech pozycji.

Które pozycje Grit-S są odwrócone?

Odwraca się pozycje spójności zainteresowań. W kolejności oryginalnej Grit-S są to pozycje 1, 3, 5 i 6 (Arco-Tirado i in., 2018), a w 12-pozycyjnej Grit-O pozycje 2, 3, 5, 7, 8 i 11. Numery potwierdź w arkuszu swojej wersji.

Czy skala Grit wymaga zgody autorki?

Według strony Angeli Duckworth nie ma ograniczeń dla niekomercyjnych zastosowań w badaniach, tłumaczeniach i edukacji. Prawa autorskie zabraniają jednak przedruku pozycji w publikacjach i użytku komercyjnego.

Czy Grit-S ma punkty odcięcia?

Nie. Wynik to średnia na skali 1–5 i opisuje się go jako zmienną ciągłą z własnej próby. Autorka odradza używanie skali do selekcji i decyzji o wysokiej stawce.

Czy raportować wynik ogólny Grit, czy podskale?

Najlepiej oba. Metaanaliza Credé i in. (2017) nie potwierdziła struktury wyższego rzędu i wykazała, że to wytrwałość w wysiłku silniej wiąże się z kryteriami, więc sam wynik ogólny może ukryć ważne różnice.

Powiązane hasła

Przeczytaj też

@article{arcotirado2018development, author={Arco-Tirado, Jose L. and Fernández-Martín, Francisco D. and Hoyle, Rick H.}, title={{Development and validation of a Spanish version of the Grit-S Scale}}, journal={Frontiers in Psychology}, year={2018}, volume={9}, eid={96}, doi={10.3389/fpsyg.2018.00096}}

@article{crede2017much, author={Credé, Marcus and Tynan, Michael C. and Harms, Peter D.}, title={{Much ado about grit: A meta-analytic synthesis of the grit literature}}, journal={Journal of Personality and Social Psychology}, year={2017}, volume={113}, number={3}, pages={492--511}, doi={10.1037/pspp0000102}}

@misc{duckworthgritnd, author={Duckworth, Angela L.}, title={{Grit}}, url={https://angeladuckworth.com/grit}}

@article{duckworth2009development, author={Duckworth, Angela Lee and Quinn, Patrick D.}, title={{Development and validation of the Short Grit Scale (Grit–S)}}, journal={Journal of Personality Assessment}, year={2009}, volume={91}, number={2}, pages={166--174}, doi={10.1080/00223890802634290}}

@article{duckworth2015measurement, author={Duckworth, Angela L. and Yeager, David Scott}, title={{Measurement matters}}, journal={Educational Researcher}, year={2015}, volume={44}, number={4}, pages={237--251}, doi={10.3102/0013189x15584327}}

@article{duckworth2007grit, author={Duckworth, Angela L. and Peterson, Christopher and Matthews, Michael D. and Kelly, Dennis R.}, title={{Grit: Perseverance and passion for long-term goals}}, journal={Journal of Personality and Social Psychology}, year={2007}, volume={92}, number={6}, pages={1087--1101}, doi={10.1037/0022-3514.92.6.1087}}