Słownik metodologiczny · Pomiar i skale

Pozycje wypełniające – po co są w kwestionariuszu i jak je pominąć?

Pozycje wypełniające są w kwestionariuszu, ale nie wchodzą do wyniku skali. Pokazujemy, po co się je stosuje, co się dzieje po ich błędnym wliczeniu, jak opisać to w pracy i na co uważać.

Strona główna / Słownik / Pozycje wypełniające

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Pozycje wypełniające to pozycje kwestionariusza, na które respondent odpowiada, ale które nie wchodzą do wyniku skali. Zwykle mają utrudnić odgadnięcie mierzonej cechy. Pomija się je przy liczeniu wyniku i rzetelności, ale zostawia w kwestionariuszu w oryginalnej kolejności.

Co to są pozycje wypełniające?

Pozycje wypełniające (ang. filler items, nazywane też buforowymi) to pytania lub stwierdzenia umieszczone w kwestionariuszu, które nie wchodzą do wyniku skali. Respondent odpowiada na nie tak samo jak na pozostałe, ale w kluczu odpowiedzi są oznaczone jako pomijane. Najczęściej spotykany przykład to LOT-R, zrewidowany test orientacji życiowej opisany przez Scheiera i in. (1994): z 10 pozycji wynik optymizmu tworzy 6, a pozycje 2, 5, 6 i 8 są wypełniające (Carver, b.d.).

Po co się je stosuje?

Pozycje wypełniające zwykle mają dwa zadania:

  • utrudnić odgadnięcie, jaką cechę mierzy skala, a przez to ograniczyć odpowiadanie pod oczekiwania badacza lub w stronę aprobaty społecznej;
  • rozdzielić podobnie brzmiące pozycje, aby odpowiedź na jedną mniej wpływała na następną.

Przykład: wypełniacze wliczone do wyniku

Zasymulowaliśmy w R odpowiedzi 250 osób (0–4) na 6 pozycji skali i 4 pozycje wypełniające niezwiązane z mierzoną cechą. Alfa Cronbacha dla 6 pozycji wyniosła .843, a po błędnym wliczeniu wszystkich 10 spadła do .694. Korelacja wyniku z prawdziwym poziomem cechy zmalała z .904 do .869. Taki wynik jest gorszym pomiarem i ma inny zakres niż w publikacjach, więc nie da się go z nimi porównać.

Jak z nimi pracować

  • Zostaw je w kwestionariuszu w oryginalnej kolejności. Usunięcie zmienia kontekst pozostałych pozycji i odbiega od wersji, dla której zebrano dowody trafności.
  • W książce kodowej oznacz je jako niewliczane i nie odwracaj ich jak pozycji odwróconych.
  • Brak odpowiedzi na pozycję wypełniającą nie jest brakiem w skali – nie wykluczaj z tego powodu osoby z analizy.
  • Rzetelność i analizę czynnikową licz tylko na pozycjach liczonych.

Cały proces opisuje wpis Jak policzyć wynik kwestionariusza, a na konkretnym narzędziu – LOT-R: jak policzyć wynik.

Jak opisać w pracy

Wynik skali obliczono jako sumę sześciu pozycji liczonych zgodnie z kluczem autorów. Cztery pozycje wypełniające pozostawiono w kwestionariuszu, ale nie wliczano ich do wyniku ani do analizy rzetelności (α = .843).

Na co uważać

  • Klucz z nieoficjalnego źródła. Numery pozycji wypełniających bierz z publikacji lub strony autorów. W adaptacjach numeracja może się różnić od oryginału.
  • Niska alfa. Gdy alfa Cronbacha jest zaskakująco niska, najpierw sprawdź, czy nie wliczono wypełniaczy, zanim zaczniesz usuwać pozycje liczone.
  • Mylenie z pytaniem kontrolnym. Pytanie sprawdzające uwagę służy do oceny jakości odpowiedzi; pozycja wypełniająca niczego nie ocenia.
Przykład reprodukowalny

Pozycje wypełniające w R

Kod symuluje odpowiedzi na 6 pozycji skali i 4 pozycje wypełniające, a potem porównuje alfę Cronbacha i trafność wyniku liczonego poprawnie oraz z błędnie wliczonymi wypełniaczami.

Wynik z sześciu pozycji a wynik ze wszystkich dziesięciu

Dane wejściowe: 250 symulowanych osób, odpowiedzi 0–4, 6 pozycji związanych z cechą i 4 pozycje bez związku z nią; set.seed(4180).

Co odczytać: alfę dla 6 i 10 pozycji oraz korelację obu wyników z prawdziwym poziomem cechy.

R
set.seed(4180)
n <- 250
cecha <- rnorm(n)
odp <- function(x) pmin(pmax(round(2 + x + rnorm(n, 0, 0.9)), 0), 4)  # odpowiedzi 0-4
liczone <- sapply(1:6, function(i) odp(0.9 * cecha))                    # 6 pozycji skali
wypelniajace <- sapply(1:4, function(i) odp(0))                         # 4 pozycje o czym innym
alfa <- function(X) { k <- ncol(X); k / (k - 1) * (1 - sum(apply(X, 2, var)) / var(rowSums(X))) }
wynik_dobry <- rowSums(liczone)
wynik_zly   <- rowSums(cbind(liczone, wypelniajace))
round(c(alfa_6_pozycji = alfa(liczone),
        alfa_10_pozycji = alfa(cbind(liczone, wypelniajace)),
        r_z_cecha_6 = cor(wynik_dobry, cecha),
        r_z_cecha_10 = cor(wynik_zly, cecha)), 3)
Wynik w R
 alfa_6_pozycji alfa_10_pozycji     r_z_cecha_6    r_z_cecha_10
          0.843           0.694           0.904           0.869

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  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

Czy pozycje wypełniające można usunąć z kwestionariusza?

Lepiej nie. Usunięcie zmienia kontekst i kolejność pozostałych pozycji, więc wersja przestaje odpowiadać tej, dla której zebrano dowody rzetelności i trafności. Zostaw je i nie wliczaj do wyniku.

Czym pozycja wypełniająca różni się od pytania kontrolnego uwagi?

Pytanie kontrolne ma poprawną odpowiedź i służy do oceny jakości danych. Pozycja wypełniająca nie ma poprawnej odpowiedzi i niczego nie ocenia – po prostu nie wchodzi do wyniku.

Jak pominąć pozycje wypełniające przy liczeniu wyniku w R?

Sumuj tylko pozycje liczone, np. rowSums(dane[, c("p1", "p3", "p4", "p7", "p9", "p10")]), po odwróceniu pozycji sformułowanych negatywnie. Nie używaj rowSums(dane) na całym arkuszu.

Powiązane hasła

Pozycja odwróconaKlucz odpowiedziKsiążka kodowaPytanie kontrolne (attention check)Obciążenie respondenta

Poradniki, w których użyjesz tego pojęcia

Poradnik

LOT-R – test orientacji życiowej: jak policzyć wynik

Pozycje wypełniające, odwracanie, suma 0–24, podwyniki optymizmu i pesymizmu, rzetelność i CFA – z przykładem w R i wzorem opisu w pracy.

Czytaj →Poradnik

Jak policzyć wynik kwestionariusza

Klucz, pozycje odwrócone, podskale, reguła braków, suma czy średnia i kontrola wartości – w Excelu, SPSS, R i jamovi, z plikiem .xlsx z formułami.

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. Carver, C. S. (b.d.). LOT-R (Life Orientation Test-Revised). University of Miami, Department of Psychology. Pobrano 1 listopada 2026 z https://psy.miami.edu/faculty/ccarver/lot-r.html ● Otwarty dostęp
  2. Scheier, M. F., Carver, C. S., & Bridges, M. W. (1994). Distinguishing optimism from neuroticism (and trait anxiety, self-mastery, and self-esteem): A reevaluation of the Life Orientation Test. Journal of Personality and Social Psychology, 67(6), 1063–1078. https://doi.org/10.1037/0022-3514.67.6.1063

Cytowania BibTeX

@misc{carverlotrnd, author={Carver, Charles S.}, title={{LOT-R (Life Orientation Test-Revised)}}, publisher={University of Miami, Department of Psychology}, url={https://psy.miami.edu/faculty/ccarver/lot-r.html}}
@article{scheier1994distinguishing, author={Scheier, Michael F. and Carver, Charles S. and Bridges, Michael W.}, title={{Distinguishing optimism from neuroticism (and trait anxiety, self-mastery, and self-esteem): A reevaluation of the Life Orientation Test}}, journal={Journal of Personality and Social Psychology}, year={1994}, volume={67}, number={6}, pages={1063--1078}, doi={10.1037/0022-3514.67.6.1063}}
R