Controllo qualità dati scala
Controllo dati prima di EFA/CFA
Descrizione
Questa Skill verifica sistematicamente i dati grezzi dei questionari raccolti nell’ambito dello sviluppo di una scala, valutando dati mancanti, osservazioni anomale, careless responding (straightlining, longstring, risposte casuali), distribuzioni problematiche a livello di item, affidabilità e prerequisiti per l’analisi fattoriale. Non produce i risultati finali di EFA/CFA; fornisce invece una decisione "go/no-go" basata sulle evidenze riguardo alla preparazione dei dati per le fasi successive dell’analisi e propone una suddivisione stratificata del campione (EFA/CFA split). Tutti i calcoli vengono eseguiti tramite codice reale (Python: pandas, scipy, factor_analyzer, pingouin); non vengono generati numeri ipotetici.
Abilità correlate
Vedi tutto
Controllo dati di scala
"Si attiva quando i dati grezzi per lo sviluppo di una scala (Excel/CSV), raccolti da una società di ricerca specializzata in sondaggi, devono essere sottoposti a un controllo della qualità psicometrica prima di procedere con EFA/CFA o con le analisi finali di affidabilità. Valuta in modo completo dati mancanti, valori anomali, careless responding, response bias, qualità degli item e adeguatezza del campione, producendo una decisione Go/No-Go; non modifica i dati, ma fornisce esclusivamente un rapporto diagnostico di controllo."
Redattore validità-affidabilità
Genera un testo completo, pronto per un articolo, con Metodo + Risultati a partire dagli output delle analisi EFA o CFA (KMO, test di Bartlett, saturazioni fattoriali, indici di adattamento, alfa di Cronbach/CR/AVE). Classifica correttamente le soglie degli indici di adattamento (CFI/TLI≥.90, RMSEA≤.08 ecc.) e segnala senza nasconderli i problemi di validità, come AVE<0.50. Adatto a: accademici e studenti post-laurea che conducono studi di sviluppo o adattamento di scale.
Controllo qualità dati scala
Controllo dati prima di EFA/CFA
Descrizione
Questa Skill verifica sistematicamente i dati grezzi dei questionari raccolti nell’ambito dello sviluppo di una scala, valutando dati mancanti, osservazioni anomale, careless responding (straightlining, longstring, risposte casuali), distribuzioni problematiche a livello di item, affidabilità e prerequisiti per l’analisi fattoriale. Non produce i risultati finali di EFA/CFA; fornisce invece una decisione "go/no-go" basata sulle evidenze riguardo alla preparazione dei dati per le fasi successive dell’analisi e propone una suddivisione stratificata del campione (EFA/CFA split). Tutti i calcoli vengono eseguiti tramite codice reale (Python: pandas, scipy, factor_analyzer, pingouin); non vengono generati numeri ipotetici.
Abilità correlate
Vedi tuttoControllo dati di scala
"Si attiva quando i dati grezzi per lo sviluppo di una scala (Excel/CSV), raccolti da una società di ricerca specializzata in sondaggi, devono essere sottoposti a un controllo della qualità psicometrica prima di procedere con EFA/CFA o con le analisi finali di affidabilità. Valuta in modo completo dati mancanti, valori anomali, careless responding, response bias, qualità degli item e adeguatezza del campione, producendo una decisione Go/No-Go; non modifica i dati, ma fornisce esclusivamente un rapporto diagnostico di controllo."
Redattore validità-affidabilità
Genera un testo completo, pronto per un articolo, con Metodo + Risultati a partire dagli output delle analisi EFA o CFA (KMO, test di Bartlett, saturazioni fattoriali, indici di adattamento, alfa di Cronbach/CR/AVE). Classifica correttamente le soglie degli indici di adattamento (CFI/TLI≥.90, RMSEA≤.08 ecc.) e segnala senza nasconderli i problemi di validità, come AVE<0.50. Adatto a: accademici e studenti post-laurea che conducono studi di sviluppo o adattamento di scale.
Trova la tua prossima abilità preferita
Esplora altre abilità AI curate per ricerca, creazione e lavoro quotidiano.