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.