Słownik metodologiczny · Pomiar i skale

Skala ipsatywna – kiedy badany musi wybierać między stwierdzeniami?

W skali ipsatywnej badany porównuje stwierdzenia o różnych cechach i wybiera, które najlepiej go opisuje. Pokazujemy odmiany formatu wymuszonego wyboru, jego odporność na zawyżanie wyników, problem stałej sumy i opis do pracy.

Strona główna / Słownik / Skala ipsatywna
W skrócie: Skala ipsatywna (format wymuszonego wyboru) każe badanemu porównywać stwierdzenia mierzące różne cechy i wskazywać, które najlepiej go opisuje. Utrudnia to zawyżanie wszystkich odpowiedzi, ale przy liczeniu wyborów suma wyników jest u każdego taka sama, więc wyniki opisują profil osoby, a nie poziom cechy.

Co to jest skala ipsatywna?

Skala ipsatywna (format wymuszonego wyboru, ang. forced-choice) to sposób zadawania pytań, w którym badany nie ocenia każdego stwierdzenia osobno, tylko porównuje kilka stwierdzeń mierzących różne cechy. Z bloku dwóch–czterech stwierdzeń wybiera to, które najbardziej do niego pasuje (czasem także to, które pasuje najmniej), układa je w kolejności albo rozdziela między nie stałą pulę punktów.

Nie myl tego formatu z ipsatyzacją, czyli przeliczeniem zwykłych odpowiedzi po fakcie. Tu wyniki są ipsatywne z samej konstrukcji testu. Pokrewne, ale inne są metodologia Q (sortowanie całego zbioru stwierdzeń w rozkład wymuszony – zob. metodologia Q krok po kroku) i MaxDiff, który mierzy preferencje wobec obiektów, a nie cechy osoby.

Po co wymuszać wybór?

Gdy każde stwierdzenie ocenia się osobno na skali Likerta, łatwo zaznaczyć wszędzie wysokie odpowiedzi – wymuszony wybór ma to utrudnić. W metaanalizie Cao i Drasgowa (2019) zawyżenie wyników kwestionariuszy osobowości z wymuszonym wyborem w sytuacjach wysokiej stawki wyniosło średnio 0.06 i było zwykle mniejsze niż w formacie pojedynczych stwierdzeń. Odporność była największa, gdy stwierdzenia w bloku były zrównoważone pod względem aprobaty społecznej.

Problem wyników ipsatywnych

Przy tradycyjnym punktowaniu (liczenie wyborów lub rang) suma wyników jest u każdej osoby taka sama. Hicks (1970) opisał właściwości takich miar, a Brown i Maydeu-Olivares (2013) pokazali skutki: nikt nie może mieć wszystkich wyników wysokich ani niskich, kowariancje między skalami i współczynniki trafności sumują się do zera, a oszacowania rzetelności są zniekształcone. Autorzy proponują punktowanie modelem IRT Thurstone’a, opartym na prawie porównawczych sądów (zob. skala Thurstone’a).

Jak zbudować blok – lista kontrolna

  • Źle: w bloku jedno stwierdzenie wyraźnie pożądane, drugie wyraźnie niepożądane. Dobrze: stwierdzenia podobnie atrakcyjne, sprawdzone w pilotażu.
  • Źle: wszystkie bloki porównują te same dwie cechy. Dobrze: każda cecha pojawia się w blokach z różnymi innymi cechami.
  • Źle: porównywanie grup na sumach wyborów. Dobrze: wyniki z modelu IRT albo interpretacja wyłącznie profilu osoby.

Jak opisać w pracy

Zastosowano format wymuszonego wyboru: w każdym z 20 bloków badany wskazywał stwierdzenie najbardziej i najmniej do niego pasujące. Stwierdzenia w blokach dobrano tak, by miały podobną atrakcyjność społeczną. Ponieważ sumy wyborów są ipsatywne, interpretowano wyłącznie profile wewnątrzosobowe.

Na co uważać

  • Alfa i korelacje na sumach wyborów. Są zniekształcone przez stałą sumę – nie raportuj ich jak przy skalach normatywnych.
  • Normy i porównania osób. Wynik ipsatywny mówi o hierarchii cech u jednej osoby, nie o poziomie cechy na tle innych.

Najczęstsze pytania

Czym skala ipsatywna różni się od skali Likerta?

Na skali Likerta każde stwierdzenie ocenia się osobno, więc można zgodzić się ze wszystkimi. W skali ipsatywnej stwierdzenia się porównuje: wybór jednego oznacza odrzucenie innych, a suma wyników jest u wszystkich stała.

Czy wymuszony wybór chroni przed fałszowaniem odpowiedzi?

Częściowo. W metaanalizie Cao i Drasgowa (2019) zawyżenie wyników w sytuacjach wysokiej stawki było małe, ale zależało od budowy bloków – najlepiej, gdy stwierdzenia miały podobną atrakcyjność społeczną.

Jak punktować kwestionariusz z wymuszonym wyborem, by porównywać osoby?

Zamiast sumować wybory, użyj modelu IRT Thurstone’a (Brown i Maydeu-Olivares, 2013). Daje on wyniki normatywne, które można porównywać między osobami i korelować z kryteriami.

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. Brown, A., & Maydeu-Olivares, A. (2013). How IRT can solve problems of ipsative data in forced-choice questionnaires. Psychological Methods, 18(1), 36–52. https://doi.org/10.1037/a0030641
  2. Cao, M., & Drasgow, F. (2019). Does forcing reduce faking? A meta-analytic review of forced-choice personality measures in high-stakes situations. Journal of Applied Psychology, 104(11), 1347–1368. https://doi.org/10.1037/apl0000414
  3. Hicks, L. E. (1970). Some properties of ipsative, normative, and forced-choice normative measures. Psychological Bulletin, 74(3), 167–184. https://doi.org/10.1037/h0029780

Cytowania BibTeX

@article{brown2013how, author={Brown, Anna and Maydeu-Olivares, Alberto}, title={{How IRT can solve problems of ipsative data in forced-choice questionnaires}}, journal={Psychological Methods}, year={2013}, volume={18}, number={1}, pages={36--52}, doi={10.1037/a0030641}}
@article{cao2019does, author={Cao, Mengyang and Drasgow, Fritz}, title={{Does forcing reduce faking? A meta-analytic review of forced-choice personality measures in high-stakes situations}}, journal={Journal of Applied Psychology}, year={2019}, volume={104}, number={11}, pages={1347--1368}, doi={10.1037/apl0000414}}
@article{hicks1970some, author={Hicks, Lou E.}, title={{Some properties of ipsative, normative, and forced-choice normative measures}}, journal={Psychological Bulletin}, year={1970}, volume={74}, number={3}, pages={167--184}, doi={10.1037/h0029780}}
R