Qualité des données d’échelle
Contrôle des données avant EFA/CFA
Description
Cette compétence contrôle systématiquement les données brutes d’enquête recueillies dans le cadre du développement d’une échelle, en examinant les données manquantes, les observations aberrantes, les réponses inattentives (straightlining, longstring, random responding), les anomalies de distribution au niveau des items, ainsi que les prérequis de fiabilité et de factorisabilité. Elle ne produit pas les résultats finaux de l’EFA/CFA ; elle fournit une décision « go/no-go » étayée par des preuves quant à la préparation des données pour les étapes d’analyse suivantes, ainsi qu’une recommandation de division stratifiée de l’échantillon (EFA/CFA split). Tous les calculs sont réalisés en exécutant réellement du code (Python : pandas, scipy, factor_analyzer, pingouin) ; aucun chiffre hypothétique n’est généré.
Compétences associées
Tout voir
Pré-audit des données d’échelle
"Ce Skill est déclenché lorsqu’il faut contrôler, sur le plan de la qualité psychométrique, des données brutes de développement d’échelle (Excel/CSV) collectées par un cabinet d’enquêtes professionnel, avant de passer à l’EFA/CFA ou aux analyses finales de fiabilité. Il évalue de manière approfondie les données manquantes, les valeurs aberrantes, les réponses inattentives, les biais de réponse, la qualité des items et l’adéquation de l’échantillon, puis produit une décision Go/No-Go. Il ne modifie pas les données et fournit uniquement un rapport de diagnostic et d’audit."
Rapport validité-fiabilité
À partir de vos résultats d’analyse EFA ou CFA (KMO, test de Bartlett, saturations factorielles, indices d’ajustement, alpha de Cronbach/CR/AVE), générez un texte complet de Méthodes + Résultats, prêt à intégrer à un article. Les seuils des indices d’ajustement (CFI/TLI≥.90, RMSEA≤.08, etc.) sont correctement classés, et les problèmes de validité comme AVE<0.50 sont signalés sans être masqués. Pour qui : les universitaires et étudiants de troisième cycle menant des travaux de développement ou d’adaptation d’échelles.
Qualité des données d’échelle
Contrôle des données avant EFA/CFA
Description
Cette compétence contrôle systématiquement les données brutes d’enquête recueillies dans le cadre du développement d’une échelle, en examinant les données manquantes, les observations aberrantes, les réponses inattentives (straightlining, longstring, random responding), les anomalies de distribution au niveau des items, ainsi que les prérequis de fiabilité et de factorisabilité. Elle ne produit pas les résultats finaux de l’EFA/CFA ; elle fournit une décision « go/no-go » étayée par des preuves quant à la préparation des données pour les étapes d’analyse suivantes, ainsi qu’une recommandation de division stratifiée de l’échantillon (EFA/CFA split). Tous les calculs sont réalisés en exécutant réellement du code (Python : pandas, scipy, factor_analyzer, pingouin) ; aucun chiffre hypothétique n’est généré.
Compétences associées
Tout voirPré-audit des données d’échelle
"Ce Skill est déclenché lorsqu’il faut contrôler, sur le plan de la qualité psychométrique, des données brutes de développement d’échelle (Excel/CSV) collectées par un cabinet d’enquêtes professionnel, avant de passer à l’EFA/CFA ou aux analyses finales de fiabilité. Il évalue de manière approfondie les données manquantes, les valeurs aberrantes, les réponses inattentives, les biais de réponse, la qualité des items et l’adéquation de l’échantillon, puis produit une décision Go/No-Go. Il ne modifie pas les données et fournit uniquement un rapport de diagnostic et d’audit."
Rapport validité-fiabilité
À partir de vos résultats d’analyse EFA ou CFA (KMO, test de Bartlett, saturations factorielles, indices d’ajustement, alpha de Cronbach/CR/AVE), générez un texte complet de Méthodes + Résultats, prêt à intégrer à un article. Les seuils des indices d’ajustement (CFI/TLI≥.90, RMSEA≤.08, etc.) sont correctement classés, et les problèmes de validité comme AVE<0.50 sont signalés sans être masqués. Pour qui : les universitaires et étudiants de troisième cycle menant des travaux de développement ou d’adaptation d’échelles.
Trouve ta prochaine compétence préférée
Explore d'autres compétences IA sélectionnées pour la recherche, la création et le travail quotidien.