Słownik metodologiczny · Pomiar i skale

Skala standaryzowana

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Skala standaryzowana

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Skala standaryzowana?

Skala standaryzowana przekształca wynik surowy do ustalonej średniej i odchylenia standardowego względem jasno określonej grupy odniesienia. Nie zmienia automatycznie jakości pomiaru; ułatwia interpretację pozycji wyniku w danym rozkładzie normatywnym.

Zastosowanie, warunki i dobre praktyki

Standaryzowana skala przekształca wynik według jawnej grupy odniesienia, aby położenie można było porównywać mimo różnych jednostek. Wynik z równy 1 oznacza jedno odchylenie standardowe powyżej średniej użytych norm, a nie „wysoki wynik” w każdym kontekście. Potrzebne są aktualne normy, błąd pomiaru i informacja, czy transformacja była liniowa.

Najważniejsze zastosowanie: Stosuj tylko z określoną populacją norm i informacją o błędzie pomiaru.

Jak poprawnie stosować i interpretować hasło „Skala standaryzowana”?

W przypadku pojęcia „Skala standaryzowana” trzeba określić wynik surowy, grupę odniesienia i funkcję przekształcającą. Dla interpretacji hasła „Skala standaryzowana” ta sama liczba surowa może otrzymać inną interpretację w normach różniących się wiekiem, populacją lub datą. W odniesieniu do hasła „Skala standaryzowana” należy odróżnić liniową transformację wyniku z od skali opartej na percentylach lub kategoriach normatywnych.

Ocena pojęcia „Skala standaryzowana” obejmuje aktualność i reprezentatywność norm, błąd pomiaru oraz stabilność klasyfikacji przy granicach przedziałów. Przy ocenie hasła „Skala standaryzowana” zaokrąglenie do stena lub stanina traci informację i może przesunąć osobę do sąsiedniej kategorii. W analizie dotyczącej hasła „Skala standaryzowana” przy porównywaniu grup trzeba sprawdzić, czy pomiar ma w nich porównywalne znaczenie.

Co trzeba opisać w raporcie?

Raport dotyczący „Skala standaryzowana” powinien podać rodzaj skali, średnią i odchylenie standardowe przyjętej transformacji, źródło norm oraz badaną grupę odniesienia. Dla interpretacji hasła „Skala standaryzowana” w decyzjach indywidualnych warto przedstawić przedział wokół wyniku. W odniesieniu do hasła „Skala standaryzowana” należy zachować również wynik surowy, aby możliwe było ponowne przeliczenie według innych norm.

Zakres raportowania dla hasła „Skala standaryzowana”: Podaj typ skali, wynik, normy, wersję testu i CI, jeśli dostępny.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Wynik surowy 42 przeliczono na z = 1.15 względem jasno określonej grupy normatywnej; na innej normie ta sama liczba surowa dała z = 0.63.

Jak ją zinterpretować: Wynik opisuje odległość lub pozycję względem konkretnej normy, dlatego nie ma sensu bez wskazania grupy odniesienia. Ta sama wartość surowa może dawać inną wartość standaryzowaną w innych normach.

Najczęstsza pułapka i granica interpretacji

Wynik standaryzowany zależy od grupy odniesienia i nie usuwa błędu pomiaru.

Wysoki lub niski „Skala standaryzowana” opisuje pozycję względem konkretnej grupy, a nie niezmienną cechę osoby. Przy ocenie hasła „Skala standaryzowana” transformacja nie zwiększa rzetelności ani trafności i nie czyni porównań między nieporównywalnymi normami uzasadnionymi.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (McNeish, 2018).

Powiązane hasła

Skala dychotomicznaSkala dyferencjału semantycznegoSkala ilościowaSkala LikertaSkala nominalnaSkala porządkowa

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Alfa Cronbacha: jak oceniać rzetelność skali bez uproszczeń

Alfa Cronbacha krok po kroku: wzór, założenia, interpretacja, ograniczenia i sytuacje, w których lepiej raportować współczynnik omega.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. https://doi.org/10.1037/met0000144
  2. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
  3. Sijtsma, K. (2009). On the use, the misuse, and the very limited usefulness of Cronbach’s alpha. Psychometrika, 74(1), 107–120. https://doi.org/10.1007/s11336-008-9101-0
  4. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  5. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  6. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006

Cytowania BibTeX

@article{mcneish2018alpha, author={McNeish, Daniel}, title={Thanks coefficient alpha, we’ll take it from here}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}
@article{dunn2014omega, author={Dunn, Thomas J. and Baguley, Thom and Brunsden, Vivienne}, title={From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation}, journal={British Journal of Psychology}, year={2014}, volume={105}, number={3}, pages={399--412}, doi={10.1111/bjop.12046}}
@article{sijtsma2009alpha, author={Sijtsma, Klaas}, title={On the use, the misuse, and the very limited usefulness of Cronbach’s alpha}, journal={Psychometrika}, year={2009}, volume={74}, number={1}, pages={107--120}, doi={10.1007/s11336-008-9101-0}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
R