Pytanie kontrolne (attention check) – co to jest, rodzaje i przykłady

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 15 października 2026

Co to jest pytanie kontrolne (attention check)?

Pytanie kontrolne (ang. attention check, także attention check item albo screener) to pozycja w ankiecie, która ma z góry znaną poprawną odpowiedź i służy do sprawdzenia, czy respondent czyta pytania i instrukcje. Osoba odpowiadająca uważnie zalicza je bez trudu; osoba klikająca bez czytania zwykle się myli. Pytania kontrolne są jednym z podstawowych narzędzi wykrywania nieuważnych odpowiedzi w ankietach i kwestionariuszach wypełnianych samodzielnie, zwłaszcza przez internet.

W polskich podręcznikach „pytaniem kontrolnym” nazywa się też pytanie sprawdzające spójność albo szczerość odpowiedzi – np. to samo pytanie zadane drugi raz w innym brzmieniu lub pozycję skali kłamstwa, związaną z aprobatą społeczną. W tym haśle chodzi o pytania sprawdzające uwagę. Odróżnij je też od kontroli manipulacji (ang. manipulation check), która w eksperymencie sprawdza, czy manipulacja eksperymentalna zadziałała, np. czy osoby w warunku „presja czasu” rzeczywiście czuły pośpiech.

Rodzaje pytań kontrolnych

Instrukcyjną kontrolę manipulacji wprowadzili i zwalidowali Oppenheimer i in. (2009). Pokazali, że uczestnicy, którzy nie czytają instrukcji, zwiększają szum w danych, a uwzględnienie IMC może zwiększyć moc statystyczną i rzetelność zbioru danych. Pozycje z poleceniem badali z kolei Gummer i in. (2021): IRI umieszczone w tabelach identyfikowały respondentów, którzy częściej stosowali straightlining i speeding, częściej pomijali pytania i odpowiadali niespójnie.

Przykładowe brzmienie pytań kontrolnych

Gotowe sformułowania do ankiety na skali Likerta (dopasuj odpowiedź do etykiet swojej kafeterii):

• IRI w tabeli: „To pytanie sprawdza uwagę – zaznacz w tym wierszu odpowiedź »zdecydowanie się nie zgadzam«.”
• IRI w drugiej tabeli (inna kolumna niż w pierwszej): „Aby pokazać, że czytasz pytania, wybierz tutaj »raczej się zgadzam«.”
• Pozycja absurdalna (poprawnie: brak zgody): „Codziennie śpię mniej niż godzinę.”
• Pozycja absurdalna (poprawnie: zgoda, w ankiecie online): „Zdarza mi się korzystać z internetu.”
• Pytanie o staranność na końcu ankiety: „Czy odpowiadałeś(-aś) uważnie i czy możemy wykorzystać Twoje odpowiedzi w analizie? (Tak / Nie – proszę ich nie analizować).”

Wzór instrukcyjnej kontroli manipulacji, który możesz wstawić przed pytaniem z listą odpowiedzi:

Gdzie umieścić pytania kontrolne i ile ich dać?

• Daj kilka, nie jedno. Berinsky i in. (2014) pokazali, że jedno pytanie nie wystarcza i lepiej mierzyć uwagę kilkoma pozycjami. W ankiecie do pracy dyplomowej (10–15 minut) praktycznym kompromisem są dwa–trzy pytania.
• Wstaw je do tabel z pytaniami na tej samej skali – tam najłatwiej o klikanie w jednej kolumnie.
• Rozłóż je w ankiecie – np. jedno w pierwszej połowie, drugie pod koniec; nie umieszczaj ich w pierwszym pytaniu.
• Zmieniaj poprawną odpowiedź. Jeśli zawsze brzmi „zdecydowanie się nie zgadzam”, osoba klikająca w tej kolumnie zaliczy wszystkie kontrole.
• W eksperymencie umieść pytania kontrolne przed manipulacją, jeśli zamierzasz na ich podstawie wykluczać osoby (zob. niżej: Aronow i in., 2019); szerzej o planach eksperymentalnych – w haśle schemat eksperymentalny.
• Sprawdź je w pilotażu – także na telefonie, gdzie tabele bywają wyświetlane inaczej (zob. badanie pilotażowe).
• Zapisz regułę z góry – np. „wykluczamy osoby, które błędnie odpowiedzą na oba pytania” – w prerejestracji lub planie analiz.

Przykład: dwa pytania kontrolne w ankiecie N = 400

W symulowanej ankiecie z wpisu o nieuważnych odpowiedziach w ankietach online 400 osób wypełniło 20 pozycji i dwa pytania kontrolne: „zaznacz »zdecydowanie się nie zgadzam«” (poprawnie 1) i „zaznacz »raczej się zgadzam«” (poprawnie 4). W symulacji wiemy, kto odpowiadał nieuważnie (32 osoby), więc możemy sprawdzić skuteczność pytań:

Reguła „oba pytania błędnie” wykluczyła 22 osoby (5.5%) i wszystkie były nieuważne – ale wykryła tylko 22 z 32 nieuważnych (68.8%). Reguła „co najmniej jeden błąd” wykryłaby 31 z 32 (96.9%), tyle że kosztem 28 uważnych osób (7.6% uważnych), którym zdarzyła się jedna pomyłka. Ciekawy szczegół: wszystkie 4 osoby ze straightliningiem, które popełniły tylko jeden błąd, „zaliczyły” drugie pytanie, bo na drugiej stronie klikały akurat kolumnę „raczej się zgadzam”. Dlatego pytania kontrolne łącz z innymi wskaźnikami – czasem odpowiedzi, longstringiem i odległością Mahalanobisa. Pełną procedurę pokazujemy we wpisie o nieuważnych odpowiedziach.

Zalety i ograniczenia pytań kontrolnych

Najważniejsza zaleta to prostota: reguła „błędna odpowiedź na pytanie kontrolne” jest zrozumiała i łatwa do opisania. Częsta obawa, że takie pytania „psują” pomiar, nie znalazła potwierdzenia: Kung i in. (2018) w dwóch badaniach (N = 816) nie stwierdzili, by dodanie pozycji z poleceniem i instrukcyjnej kontroli manipulacji wpłynęło na trafność dobrze zwalidowanej skali – ani na średnie, ani na niezmienniczość pomiaru. Gummer i in. (2021) stwierdzili ponadto, że sama ekspozycja na IRI nie wpływała na dalsze odpowiedzi. Ograniczenia są jednak poważne:

• Uważni też się mylą. W przykładzie 7.6% uważnych osób pomyliło się w jednym pytaniu – automatyczne wykluczanie za jeden błąd usuwa wartościowe dane.
• Wykluczanie zawęża próbę. Zdawanie pytań kontrolnych wiąże się z cechami respondentów, więc usunięcie osób, które je oblały, ogranicza możliwość uogólniania wyników; Berinsky i in. (2014) zalecają raportowanie wyników warunkowo dla różnych poziomów uwagi (zob. reprezentatywność próby).
• Wykluczenie nie zawsze zmienia wnioski. W badaniu Gummera i in. (2021) usunięcie osób, które nie zaliczyły IRI, nie zmieniło wyników analiz merytorycznych – warto to sprawdzić w analizie wrażliwości.
• Nie chronią przed botami. Westwood (2025) zbudował „syntetycznego respondenta” opartego na dużym modelu językowym, który zaliczył 99.8% z 6000 prób standardowych pytań kontrolnych (zob. syntetyczni respondenci).
• Kontrola manipulacji to nie pytanie kontrolne. Aronow i in. (2019) wykazali, że wykluczanie uczestników, którzy po przydziale do warunku nie zaliczyli kontroli manipulacji, może poważnie obciążyć oszacowania efektów eksperymentalnych.
• Ton ma znaczenie. Podchwytliwe lub protekcjonalne polecenia mogą zirytować respondentów – formułuj je uprzejmie i krótko, najlepiej z wyjaśnieniem, że sprawdzają uwagę.

Jak opisać pytania kontrolne w pracy (APA)

W części „Metoda” podaj brzmienie i miejsce pytań kontrolnych, regułę wykluczeń i moment jej ustalenia, a w wynikach – liczbę wykluczonych osób. Przykładowy opis dla danych z przykładu:

Jeśli wykluczenia mogą wpływać na wnioski, dodaj zdanie o analizie wrażliwości (np. „Wyniki analiz bez wykluczeń były zbliżone; zob. Aneks”). Tabelę z wariantami wykluczeń i gotowy opis łączący kilka wskaźników znajdziesz we wpisie o nieuważnych odpowiedziach.

dane <- read.csv("nieuwazne-odpowiedzi-dane.csv")   # dane symulowane z wpisu o nieuważnych odpowiedziach
# iri1: „zaznacz »zdecydowanie się nie zgadzam«” (poprawnie 1); iri2: „zaznacz »raczej się zgadzam«” (poprawnie 4)
dane$bledy <- (dane$iri1 != 1) + (dane$iri2 != 4)
table(dane$bledy)                                   # ile osób popełniło 0, 1 i 2 błędy
table(dane$typ, dane$bledy)                         # kolumna typ istnieje tylko w symulacji
dane$wyklucz <- dane$bledy == 2                     # reguła z prerejestracji: oba pytania błędnie
c(wykluczeni = sum(dane$wyklucz), procent = round(100 * mean(dane$wyklucz), 1))

  0   1   2 
341  37  22 
                
                   0   1   2
  losowe           1   1  10
  straightlining   0   4   8
  szybkie          0   4   4
  uwazni         340  28   0
wykluczeni    procent 
      22.0        5.5 

Najczęstsze błędy

• Jedno pytanie kontrolne i wykluczanie każdego, kto się pomylił. Jedno pytanie nie wystarcza (Berinsky i in., 2014), a pojedyncza pomyłka zdarza się uważnym osobom.
• Poprawna odpowiedź zawsze w tej samej kolumnie – straightliner klikający tę kolumnę zalicza wszystkie kontrole.
• Pytania dwuznaczne lub żartobliwe, które uważni respondenci interpretują inaczej niż badacz.
• Wykluczanie na podstawie kontroli manipulacji zadanej po manipulacji (Aronow i in., 2019).
• Reguła ustalona po obejrzeniu wyników – zapisz ją przed zebraniem danych.
• Brak opisu w pracy – podaj brzmienie pytań, regułę i liczbę wykluczonych osób.
• Pytania kontrolne zamiast dobrej ankiety. Krótsza ankieta i mniejsze tabele to lepsza profilaktyka niż kolejne kontrole – zob. jak zrobić ankietę do pracy dyplomowej i najczęstsze błędy w ankietach.

Najczęstsze pytania

Co to jest attention check w ankiecie?

Attention check, czyli pytanie kontrolne, to pozycja ankiety ze znaną poprawną odpowiedzią, np. „zaznacz w tym wierszu »zdecydowanie się nie zgadzam«”. Uważni respondenci zaliczają je bez trudu, a osoby klikające bez czytania zwykle się mylą. Służy do wykrywania nieuważnych odpowiedzi.

Ile pytań kontrolnych dać w ankiecie?

Więcej niż jedno: Berinsky i in. (2014) pokazali, że jedno pytanie nie wystarcza do oceny uwagi. W ankiecie na 10–15 minut praktycznym kompromisem są dwa–trzy pytania rozmieszczone w różnych częściach, najlepiej w tabelach pytań i z poprawną odpowiedzią w różnych kolumnach.

Czy trzeba usunąć respondenta, który nie zaliczył pytania kontrolnego?

Nie automatycznie. Pojedyncza pomyłka zdarza się uważnym osobom – w naszym przykładzie pomyliło się raz 7.6% uważnych respondentów. Bezpieczniej wykluczać osoby, które oblały wszystkie pytania kontrolne albo spełniają inne kryteria nieuwagi, zgodnie z regułą zapisaną przed zebraniem danych.

Czym różni się pytanie kontrolne od kontroli manipulacji?

Pytanie kontrolne sprawdza uwagę respondenta, a kontrola manipulacji – czy w eksperymencie zadziałała manipulacja. Nie wykluczaj osób na podstawie kontroli manipulacji zadanej po przydziale do warunku: Aronow i in. (2019) wykazali, że może to poważnie obciążyć oszacowanie efektu.

Czy pytania kontrolne obniżają jakość pomiaru?

Badania tego nie potwierdzają: Kung i in. (2018) nie stwierdzili wpływu pozycji kontrolnych na trafność dobrze zwalidowanej skali ani na niezmienniczość pomiaru, a Gummer i in. (2021) – wpływu na dalsze odpowiedzi. Formułuj je jednak uprzejmie i jednoznacznie.

Czy pytania kontrolne wykryją boty AI?

Nie licz na to. Westwood (2025) zbudował bota opartego na dużym modelu językowym, który zaliczył 99.8% z 6000 prób standardowych pytań kontrolnych. Przed botami chroni raczej kontrola kanału rekrutacji niż same pytania kontrolne.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{aronow2019note, author={Aronow, Peter M. and Baron, Jonathon and Pinson, Lauren}, title={{A note on dropping experimental subjects who fail a manipulation check}}, journal={Political Analysis}, year={2019}, volume={27}, number={4}, pages={572--589}, doi={10.1017/pan.2019.5}}

@article{berinsky2014separating, author={Berinsky, Adam J. and Margolis, Michele F. and Sances, Michael W.}, title={{Separating the shirkers from the workers? Making sure respondents pay attention on self-administered surveys}}, journal={American Journal of Political Science}, year={2014}, volume={58}, number={3}, pages={739--753}, doi={10.1111/ajps.12081}}

@article{gummer2021using, author={Gummer, Tobias and Roßmann, Joss and Silber, Henning}, title={{Using instructed response items as attention checks in web surveys: Properties and implementation}}, journal={Sociological Methods \& Research}, year={2021}, volume={50}, number={1}, pages={238--264}, doi={10.1177/0049124118769083}}

@article{kung2018attention, author={Kung, Franki Y. H. and Kwok, Navio and Brown, Douglas J.}, title={{Are attention check questions a threat to scale validity?}}, journal={Applied Psychology}, year={2018}, volume={67}, number={2}, pages={264--283}, doi={10.1111/apps.12108}}

@article{oppenheimer2009instructional, author={Oppenheimer, Daniel M. and Meyvis, Tom and Davidenko, Nicolas}, title={{Instructional manipulation checks: Detecting satisficing to increase statistical power}}, journal={Journal of Experimental Social Psychology}, year={2009}, volume={45}, number={4}, pages={867--872}, doi={10.1016/j.jesp.2009.03.009}}

@article{westwood2025potential, author={Westwood, Sean J.}, title={{The potential existential threat of large language models to online survey research}}, journal={Proceedings of the National Academy of Sciences}, year={2025}, volume={122}, number={47}, eid={e2518075122}, doi={10.1073/pnas.2518075122}}