Słownik metodologiczny · Psychometria

Skala stenowa

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

Strona główna / Słownik / Skala stenowa

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Skala stenowa?

Skala stenowa jest dziesięciopunktową skalą standaryzowaną, zwykle o średniej 5,5 i odchyleniu standardowym około 2. Znaczenie stenu zależy od użytych norm; ten sam wynik surowy może otrzymać inny sten w odmiennej populacji odniesienia.
Co odróżnia to pojęcie? Skala stenowa wykorzystuje dziesięć kategorii standardowych, zwykle ze średnią 5,5 i odchyleniem około 2. Nie należy jej mylić ze staninami, których jest dziewięć, ani z ciągłym wynikiem T. Różnica jednego stena nie musi oznaczać rzeczywistej zmiany, jeśli mieści się w błędzie pomiaru. Interpretacja wymaga właściwych norm dla wieku i populacji.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Interpretuj sten względem aktualnych norm oraz błędu pomiaru; różnica jednego stena nie jest automatycznie zmianą praktycznie ważną.

Skala stenowa przekształca wynik na dziesięć kategorii, zwykle ze średnią 5,5 i odchyleniem 2 w populacji normatywnej. Interpretacja powinna uwzględniać błąd pomiaru oraz aktualność norm, a niewielkiej różnicy jednego stena nie należy automatycznie uznawać za istotną klinicznie.

Jak poprawnie stosować i interpretować hasło „Skala stenowa”?

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

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

Co trzeba opisać w raporcie?

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

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

Przykład praktyczny i gotowa interpretacja

Sytuacja: Wynik z = 0.84 odpowiadał stenowi około 7 po przekształceniu M = 5.5 i SD = 2. Sten ma sens wyłącznie względem użytych norm.

Jak ją zinterpretować: Sten przedstawia pozycję względem normy na skali 1–10 o zadanej średniej i SD. Kategoria nie jest surowym wynikiem ani procentem poprawności, a jej granice zależą od użytych norm.

Najczęstsza pułapka i granica interpretacji

Sten nie jest percentylem ani procentem; wymaga jawnych norm i reguły zaokrąglania.

Wysoki lub niski „Skala stenowa” opisuje pozycję względem konkretnej grupy, a nie niezmienną cechę osoby. W odniesieniu do hasła „Skala stenowa” 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 IQSkala staninowaSkala tenowaIpsatyzacjaNormalizacja (psychometria)Obiektywność (psychometria)

Poradniki, w których użyjesz tego pojęcia

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

Analiza czynnikowa EFA i CFA: jak dobrać metodę i uniknąć błędów

EFA i CFA w praktyce: liczba czynników, metoda ekstrakcji, rotacja, ładunki, walidacja oraz najczęstsze błędy w analizie czynnikowej.

Czytaj →Poradnik

Analiza ankiety do pracy licencjackiej i magisterskiej

Analiza ankiety do pracy dyplomowej: przygotowanie bazy, kodowanie pytań, skale, testy, modele i raport wyników do licencjatu lub magisterki.

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. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
  6. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: A tutorial on parallel analysis. Organizational Research Methods, 7(2), 191–205. https://doi.org/10.1177/1094428104263675

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{fabrigar1999efa, author={Fabrigar, Leandre R. and Wegener, Duane T. and MacCallum, Robert C. and Strahan, Erin J.}, title={Evaluating the use of exploratory factor analysis in psychological research}, journal={Psychological Methods}, year={1999}, volume={4}, number={3}, pages={272--299}, doi={10.1037/1082-989X.4.3.272}}
@article{hayton2004parallel, author={Hayton, James C. and Allen, David G. and Scarpello, Vida}, title={Factor retention decisions in exploratory factor analysis: a tutorial on parallel analysis}, journal={Organizational Research Methods}, year={2004}, volume={7}, number={2}, pages={191--205}, doi={10.1177/1094428104263675}}
R