Słownik metodologiczny · Psychometria

Alfa Krippendorffa – jak ocenić zgodność koderów przy brakach danych?

Alfa Krippendorffa mierzy zgodność dowolnej liczby koderów, także gdy część ocen jest pusta. Pokazujemy wzór, różnicę między wersją nominalną i porządkową, przykład w R i gotowy opis do pracy.

Strona główna / Słownik / Alfa Krippendorffa

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Alfa Krippendorffa to miara zgodności koderów: 1 minus stosunek niezgodności zaobserwowanej do oczekiwanej przy losowym przypisaniu ocen. Działa przy dowolnej liczbie koderów i przy brakach danych. Wersję (nominalną, porządkową, interwałową) wybierz według skali i podaj ją w pracy.

Co to jest alfa Krippendorffa?

Alfa Krippendorffa (ang. Krippendorff’s alpha, α) to współczynnik zgodności sędziów lub koderów, który porównuje niezgodność zaobserwowaną z niezgodnością oczekiwaną przy przypadkowym przypisywaniu ocen. Stosuje się ją w analizie treści, przy kodowaniu odpowiedzi otwartych i ocenie nagrań. Hayes i Krippendorff (2007) proponują ją jako standardową miarę rzetelności kodowania, bo działa przy dowolnej liczbie koderów, na różnych poziomach pomiaru, przy różnej liczebności próby i przy brakach danych.

Jak liczyć?

α = 1 − Do / De

Do to niezgodność zaobserwowana między ocenami tych samych jednostek, a De – niezgodność oczekiwana, gdyby oceny przypisano jednostkom losowo. α = 1 oznacza pełną zgodność, a α = 0 zgodność na poziomie przypadku. Sposób ważenia rozbieżności zależy od poziomu pomiaru. W wersji nominalnej każda rozbieżność waży tyle samo, a w wersji dla skali porządkowej pomyłka o jedną kategorię waży mniej niż pomyłka o trzy. Wersję wybierz według skali, a nie według wyższego wyniku.

Przykład

Trzech koderów oceniło nasilenie wrogości w 12 wypowiedziach na skali 1–4. Brakuje dwóch ocen (dane przykładowe). Alfa nominalna wynosi .612, a porządkowa .857. Różnica wynika stąd, że prawie wszystkie rozbieżności dotyczą sąsiednich kategorii. Skala jest uporządkowana, więc raportujemy α = .857. Wypowiedzi z brakującą oceną nie trzeba usuwać.

Jak opisać w pracy

Zgodność trzech koderów oceniających nasilenie wrogości (skala 1–4) w 12 wypowiedziach oceniono alfą Krippendorffa dla danych porządkowych (Hayes i Krippendorff, 2007). Uwzględniono wszystkie dostępne oceny (2 brakujące). Zgodność wyniosła α = .857.

Na co uważać

  • Zawsze podaj poziom pomiaru. Sam zapis „α = .86” nie wystarczy, bo ta sama tabela ocen daje inne wartości w wersji nominalnej, porządkowej i interwałowej.
  • Nie myl jej z alfą Cronbacha. Alfa Cronbacha opisuje spójność pozycji skali, a alfa Krippendorffa zgodność osób oceniających te same jednostki.
  • Dodaj przedział ufności. W symulacji Zapf i in. (2016) alfa i kappa Fleissa dawały dla pełnych danych nominalnych takie same oszacowania, ale przy brakach danych stabilna pozostała tylko alfa. Autorzy zalecają przedziały bootstrapowe.
  • Nie ufaj obiegowym opiniom o współczynnikach. Krippendorff (2004) zestawia popularne przekonania o miarach zgodności z tym, jak te miary faktycznie się zachowują, i podaje warunki, które musi spełniać wskaźnik rzetelności danych.

Przy dwóch koderach i kategoriach nominalnych często podaje się kappę Cohena, przy kategoriach uporządkowanych kappę ważoną, a przy wynikach ilościowych ICC. Wszystkie te miary policzone na jednym zbiorze danych porównuje wpis Zgodność sędziów: kappa, ICC i alfa.

Przykład reprodukowalny

Alfa Krippendorffa w R

Kod liczy alfę nominalną i porządkową dla trzech koderów z brakami danych.

Alfa Krippendorffa dla danych nominalnych i porządkowych

Dane wejściowe: macierz koderzy × jednostki (3 × 12), oceny 1–4, NA oznacza brak oceny (dane przykładowe).

Co odczytać: liczbę braków i dwie wartości α – dla skali nominalnej i porządkowej.

R
library(DescTools)
# 3 koderów ocenia nasilenie wrogości w 12 wypowiedziach (1 = brak ... 4 = silna); NA = brak oceny
oceny <- rbind(
  K1 = c(1, 2, 2, 3, 4, 1, 2, 3, 3, 4, 1, 2),
  K2 = c(1, 2, 3, 3, 4, 1, 2, 2, 3, 4, NA, 2),
  K3 = c(1, 3, 2, 3, 3, 1, NA, 2, 3, 4, 1, 1))
sum(is.na(oceny))                                         # liczba brakujących ocen
round(c(nominalna = KrippAlpha(oceny, "nominal")$value,
        porzadkowa = KrippAlpha(oceny, "ordinal")$value), 3)
Wynik w R
[1] 2
 nominalna porzadkowa
     0.612      0.857

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet DescTools).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. DescTools (wersja 0.99.60): Signorell, A. (2025). DescTools: Tools for descriptive statistics [R package]. https://doi.org/10.32614/CRAN.package.DescTools

Najczęstsze pytania

Czy alfę Krippendorffa można liczyć dla dwóch koderów?

Tak. Alfa działa dla dwóch i więcej koderów, a poszczególne jednostki mogą mieć różną liczbę ocen. Przy dwóch koderach i kategoriach nominalnych w pracach często podaje się też kappę Cohena.

Którą wersję alfy Krippendorffa wybrać: nominalną czy porządkową?

Tę, która odpowiada skali ocen. Kategorie bez porządku (np. temat wypowiedzi) to wersja nominalna, uporządkowane stopnie nasilenia – porządkowa, wyniki liczbowe – interwałowa. Wybór uzasadnij przed analizą.

Jak policzyć alfę Krippendorffa w R?

Na przykład funkcją KrippAlpha() z pakietu DescTools. Przyjmuje macierz koderzy × jednostki z NA w miejscu braków, a argument method wybiera poziom pomiaru.

Powiązane hasła

Kappa CohenaKappa FleissaKappa ważonaICC – współczynnik korelacji wewnątrzklasowejW KendallaKodowanie odpowiedzi otwartych

Poradniki, w których użyjesz tego pojęcia

Poradnik

Zgodność sędziów: kappa, ICC, alfa

Kappa Cohena i ważona, kappa Fleissa, formy ICC i alfa Krippendorffa na jednym przykładzie z trzema sędziami: wybór miary, paradoksy kappy i raport.

Czytaj →Poradnik

Analiza treści pytań otwartych

Klucz kategoryzacji, pilotaż, kappa dla każdej kategorii, odsetki z przedziałem Wilsona i porównanie grup – z plikiem Excel, kodem R i opisem APA.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Hayes, A. F., & Krippendorff, K. (2007). Answering the call for a standard reliability measure for coding data. Communication Methods and Measures, 1(1), 77–89. https://doi.org/10.1080/19312450709336664
  2. Krippendorff, K. (2004). Reliability in content analysis: Some common misconceptions and recommendations. Human Communication Research, 30(3), 411–433. https://doi.org/10.1111/j.1468-2958.2004.tb00738.x
  3. Zapf, A., Castell, S., Morawietz, L., & Karch, A. (2016). Measuring inter-rater reliability for nominal data – which coefficients and confidence intervals are appropriate? BMC Medical Research Methodology, 16(1), Article 93. https://doi.org/10.1186/s12874-016-0200-9 ● Otwarty dostęp

Cytowania BibTeX

@article{hayes2007answering, author={Hayes, Andrew F. and Krippendorff, Klaus}, title={{Answering the call for a standard reliability measure for coding data}}, journal={Communication Methods and Measures}, year={2007}, volume={1}, number={1}, pages={77--89}, doi={10.1080/19312450709336664}}
@article{krippendorff2004reliability, author={Krippendorff, Klaus}, title={{Reliability in content analysis: Some common misconceptions and recommendations}}, journal={Human Communication Research}, year={2004}, volume={30}, number={3}, pages={411--433}, doi={10.1111/j.1468-2958.2004.tb00738.x}}
@article{zapf2016measuring, author={Zapf, Antonia and Castell, Stefanie and Morawietz, Lars and Karch, André}, title={{Measuring inter-rater reliability for nominal data – which coefficients and confidence intervals are appropriate?}}, journal={BMC Medical Research Methodology}, year={2016}, volume={16}, number={1}, eid={93}, doi={10.1186/s12874-016-0200-9}}
R