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.
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.
Trouve ta prochaine compétence préférée
Explore d'autres compétences IA sélectionnées pour la recherche, la création et le travail quotidien.