Słownik metodologiczny · Schematy badań

Metoda delficka – jak eksperci dochodzą do zgody w kolejnych rundach

Metoda delficka to kilka rund anonimowych ankiet wśród ekspertów z informacją zwrotną między nimi. Pokazujemy, jak liczyć odsetek zgody, medianę i IQR, jak ustalić próg konsensusu i jak opisać badanie w pracy.

Strona główna / Słownik / Metoda delficka
W skrócie: Metoda delficka to seria anonimowych rund ankiet wśród ekspertów: po każdej rundzie paneliści dostają zestawienie odpowiedzi grupy i mogą zmienić swoje oceny. Próg konsensusu i liczbę rund ustal przed pierwszą rundą, a w wynikach podawaj dla każdego stwierdzenia odsetek zgody, medianę i IQR.

Co to jest metoda delficka?

Metoda delficka (ang. Delphi method) to technika zbierania opinii ekspertów w kilku rundach ankiet, w której odpowiedzi są anonimowe, a po każdej rundzie paneliści widzą zestawienie ocen grupy i mogą zmienić własne. Hasson i in. (2000) opisują ją jako iteracyjny, wieloetapowy proces, który ma przekształcić opinie w konsensus grupy. Stosuje się ją tam, gdzie brakuje twardych danych: przy tworzeniu wytycznych, list kontrolnych czy puli pozycji nowej skali, gdzie uzupełnia ocenę trafności treściowej. To jedna z metod szerszej rodziny, którą opisuje hasło konsensus ekspertów.

Jak przeprowadzić badanie

  1. Zdefiniuj eksperta i dobierz panel z różnych środowisk.
  2. Przygotuj stwierdzenia z literatury albo z otwartej pierwszej rundy.
  3. Ustal regułę z góry: skalę ocen (często 1–9 albo skala Likerta), próg konsensusu i maksymalną liczbę rund.
  4. Po każdej rundzie odeślij medianę, IQR i odsetek zgody dla każdego stwierdzenia.

Diamond i in. (2014) przejrzeli 100 badań delfickich: najczęstszą definicją konsensusu był odsetek zgody, a mediana progów wynosiła 75%. Konsensus określono z góry, z wartością progu, tylko w 42 z 86 badań, które ogłosiły jego osiągnięcie.

Przykład: dwie rundy

Panel 15 ekspertów ocenia pięć stwierdzeń na skali 1–9 (dane symulowane). Reguła: konsensus, gdy co najmniej 75% ocen mieści się w przedziale 7–9. Stwierdzenie S4 w pierwszej rundzie miało 60.0% zgody, a w drugiej 86.7% (Me = 8, IQR = 1.0), więc weszło do listy. S2 w drugiej rundzie miało medianę 7, ale tylko 73.3% zgody – reguła mówi „brak konsensusu”, choć sama mediana mogłaby sugerować coś innego.

Jak opisać w pracy

Przeprowadzono dwurundowe badanie metodą delficką z udziałem 15 ekspertów, którzy oceniali pięć stwierdzeń na skali 1–9. Konsensus zdefiniowano przed pierwszą rundą jako co najmniej 75% ocen w przedziale 7–9. Po drugiej rundzie kryterium spełniły dwa stwierdzenia: S1 (93.3%, Me = 8, IQR = 1.0) i S4 (86.7%, Me = 8, IQR = 1.0).

Na co uważać

  • Próg ustalony po fakcie pozwala „dopasować” konsensus do wyników.
  • Niejasne nazewnictwo. Jünger i in. (2017) pokazali, że autorzy różnie rozumieją „rundę” i „zmodyfikowaną” metodę; do raportu użyj zaleceń CREDES.
  • Konsensus to nie dowód. Zgoda ekspertów może być wspólnym błędem; pełny przebieg badania opisuje wpis metoda delficka krok po kroku.
Przykład reprodukowalny

Rundy delfickie w R

Kod symuluje oceny 15 ekspertów w dwóch rundach i dla każdego stwierdzenia liczy odsetek ocen 7–9, medianę i IQR.

Odsetek zgody, mediana i IQR w dwóch rundach

Dane wejściowe: oceny 1–9 od 15 ekspertów dla pięciu stwierdzeń w rundzie 1 i 2 (dane symulowane).

Co odczytać: kolumny R2_proc (odsetek ocen 7–9 w drugiej rundzie) i konsensus_R2 (czy spełniono próg 75%).

R
set.seed(253)
n <- 15
srednie_r1 <- c(7.6, 6.4, 5.2, 7.0, 4.0)        # położenie ocen w rundzie 1
srednie_r2 <- c(7.9, 7.4, 5.0, 7.3, 3.6)        # po informacji zwrotnej oceny się zbliżają
ocen <- function(m, s) pmin(9, pmax(1, round(rnorm(n, m, s))))
r1 <- sapply(seq_along(srednie_r1), function(i) ocen(srednie_r1[i], 1.6))
r2 <- sapply(seq_along(srednie_r2), function(i) ocen(srednie_r2[i], 1.0))
podsum <- function(x) c(proc_7_9 = round(100 * mean(x >= 7), 1),
                        mediana = median(x), IQR = unname(quantile(x, .75) - quantile(x, .25)))
tab <- data.frame(stwierdzenie = paste0("S", 1:5),
                  t(apply(r1, 2, podsum)), t(apply(r2, 2, podsum)))
names(tab) <- c("stwierdzenie", "R1_proc", "R1_Me", "R1_IQR", "R2_proc", "R2_Me", "R2_IQR")
tab$konsensus_R2 <- tab$R2_proc >= 75         # reguła ustalona z góry: >= 75% ocen 7-9
print(tab, row.names = FALSE)
Wynik w R
 stwierdzenie R1_proc R1_Me R1_IQR R2_proc R2_Me R2_IQR konsensus_R2
           S1    93.3     7    1.5    93.3     8    1.0         TRUE
           S2    66.7     7    2.0    73.3     7    1.5        FALSE
           S3    26.7     5    2.5     6.7     4    1.0        FALSE
           S4    60.0     7    1.5    86.7     8    1.0         TRUE
           S5     6.7     4    2.0     0.0     3    1.5        FALSE

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietu base i stats).

  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/

Najczęstsze pytania

Ilu ekspertów potrzeba do badania metodą delficką?

Nie ma jednej liczby. Ważniejsze od wielkości panelu są jasne kryteria, kto jest ekspertem, różnorodność perspektyw i niski odsetek rezygnacji między rundami. Uzasadnij liczebność w metodzie.

Ile rund powinna mieć metoda delficka?

Zwykle dwie lub trzy. Zasadę zakończenia (np. osiągnięty konsensus albo maksymalna liczba rund) zapisz w protokole przed startem, a nie po obejrzeniu wyników.

Czym różni się zmodyfikowana metoda delficka od klasycznej?

Najczęściej tym, że pierwsza runda nie jest otwarta, tylko zaczyna się od listy stwierdzeń z literatury, albo że dochodzi spotkanie panelu. Termin bywa rozumiany różnie, więc opisz, co konkretnie zmieniono.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

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. Diamond, I. R., Grant, R. C., Feldman, B. M., Pencharz, P. B., Ling, S. C., Moore, A. M., & Wales, P. W. (2014). Defining consensus: A systematic review recommends methodologic criteria for reporting of Delphi studies. Journal of Clinical Epidemiology, 67(4), 401–409. https://doi.org/10.1016/j.jclinepi.2013.12.002
  2. Hasson, F., Keeney, S., & McKenna, H. (2000). Research guidelines for the Delphi survey technique. Journal of Advanced Nursing, 32(4), 1008–1015. https://doi.org/10.1046/j.1365-2648.2000.t01-1-01567.x
  3. Jünger, S., Payne, S. A., Brine, J., Radbruch, L., & Brearley, S. G. (2017). Guidance on Conducting and REporting DElphi Studies (CREDES) in palliative care: Recommendations based on a methodological systematic review. Palliative Medicine, 31(8), 684–706. https://doi.org/10.1177/0269216317690685 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{diamond2014defining, author={Diamond, Ivan R. and Grant, Robert C. and Feldman, Brian M. and Pencharz, Paul B. and Ling, Simon C. and Moore, Aideen M. and Wales, Paul W.}, title={{Defining consensus: A systematic review recommends methodologic criteria for reporting of Delphi studies}}, journal={Journal of Clinical Epidemiology}, year={2014}, volume={67}, number={4}, pages={401--409}, doi={10.1016/j.jclinepi.2013.12.002}}
@article{hasson2000research, author={Hasson, Felicity and Keeney, Sinead and McKenna, Hugh}, title={{Research guidelines for the Delphi survey technique}}, journal={Journal of Advanced Nursing}, year={2000}, volume={32}, number={4}, pages={1008--1015}, doi={10.1046/j.1365-2648.2000.t01-1-01567.x}}
@article{junger2017guidance, author={Jünger, Saskia and Payne, Sheila A. and Brine, Jenny and Radbruch, Lukas and Brearley, Sarah G.}, title={{Guidance on Conducting and REporting DElphi Studies (CREDES) in palliative care: Recommendations based on a methodological systematic review}}, journal={Palliative Medicine}, year={2017}, volume={31}, number={8}, pages={684--706}, doi={10.1177/0269216317690685}}
R