Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

No campo da Psicometria, pesquisadores e profissionais frequentemente buscam garantir a precisão e consistência de seus instrumentos de medição. Um dos métodos usados para avaliar a confiabilidade de um teste ou questionário é a confiabilidade por Duas Metades ou, também chamada de Split-Half em inglês.

Neste post, exploraremos o que é a confiabilidade por Duas Metades, quando usá-la e suas limitações, para assim ajudar a entender melhor sua aplicação no campo da Psicometria.

O que é a Confiabilidade por Duas Metades ?

A confiabilidade por Duas Metades é um método estatístico usado para avaliar a consistência interna e a confiabilidade de um instrumento de medição, como um teste ou questionário.

Ela mede a extensão em que os itens ou questões dentro do instrumento avaliam consistentemente o mesmo construto ou traço. A ideia básica por trás da confiabilidade por Duas Metades é dividir os itens ou questões em duas metades equivalentes e, em seguida, comparar os resultados obtidos de cada metade.

Como Calcular a Confiabilidade Duas Metades

O processo de cálculo da confiabilidade por Duas Metades envolve as seguintes etapas:

Dividindo o instrumento: Divida os itens ou questões do instrumento de medição em duas metades iguais. Essa divisão pode ser feita aleatoriamente ou agrupando os itens que medem aspectos semelhantes do construto.

Pontuação: Para cada metade, calcule as pontuações para os indivíduos separadamente.

Correlação: Calcule o coeficiente de correlação (tipicamente usando técnicas como a correlação de Pearson ou a correlação de Spearman) entre as pontuações obtidas das duas metades. Essa correlação representa o grau de consistência entre as duas metades.

Vamos considerar um exemplo prático para ilustrar o conceito de confiabilidade por duas metades.

Suponha que um psicólogo esteja desenvolvendo um questionário de personalidade com 50 itens para avaliar os “Cinco Grandes” traços de personalidade. Para avaliar a confiabilidade deste questionário, eles dividem aleatoriamente os 50 itens em dois conjuntos de 25 cada.

Após administrar o questionário a um grupo de participantes, eles calculam a correlação entre as pontuações obtidas das duas metades. Se o coeficiente de correlação for alto (por exemplo, acima de 0.70), isso sugere boa confiabilidade de meia divisão, indicando que o questionário mede consistentemente os traços de personalidade pretendidos.

Limitação

Dado que este procedimento consiste em separar o teste em duas partes e calcular a correlação entre elas. Se os valores de correlação forem elevados, então há evidências de confiabilidade pelo método das metades para o teste todo.

De acordo com Zanon e Hauck-Filho (2015) um problema, nesse caso, consiste em determinar como o teste deve ser dividido, pois a predominância de conteúdos relevantes em apenas uma das metades apenas pode comprometer a avaliação da confiabilidade por esse método.

A divisão entre itens pares e ímpares pode ser usada desde que os domínios de conteúdos cobertos pelo teste não se concentrem em uma das metades. Além disso, os autores colocam que essa divisão seria apenas pertinente se os itens estiverem dispostos em ordem crescente de dificuldade. Todavia, é alertado que dependendo da forma como os teste é dividido, podem ser obtidos coeficientes distintos.

Portanto, embora a confiabilidade por Duas Metades possa ser uma ferramenta útil para avaliar a consistência interna dos instrumentos de medição, os investigadores devem ser cautelosos quanto às suas limitações.

É importante considerar essas limitações ao interpretar os resultados e complementar a confiabilidade dividida pela metade com outros métodos de avaliação de confiabilidade, quando possível, para obter uma imagem mais abrangente da confiabilidade de um teste.

Esperamos que este post tenha ajudado você a entender melhor esses conceitos e como aplicá-los na prática.

Aproveite e inscreva-se no canal e aprimore suas habilidades em análise de dados!

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referência

Zanon, C. & Hauck-Filho, N. (2015) Fidedignidade. In Psicometria. Org: Claudio Simon Hutz, Denise Ruschel Bandeira, Clarissa Marceli Trentini. – Porto Alegre : Artmed.

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Se você é um profissional ou um estudante da área da saúde e está interessado nas práticas baseadas em evidências, este post é para você. Vamos descobrir como a base

Diferença entre as regressões logísticas: binária, ordinal e multinomial

Diferença entre as regressões logísticas: binária, ordinal e multinomial

A análise de regressão é uma técnica amplamente utilizada para verificar a existência de uma relação entre uma variável dependente e uma ou mais variáveis independentes. Existem diferentes tipos de

Construção de itens para instrumentos de autorrelato

Construção de itens para instrumentos de autorrelato

A elaboração de itens para instrumentos de autorrelato desempenha um papel crucial na pesquisa psicométrica, pois é por meio deles que os participantes expressam suas próprias experiências e percepções. Neste

Dados Normativos: Entendendo o Escore Z

Dados Normativos: Entendendo o Escore Z

Interpretar os resultados derivados do uso de um teste é tão crucial quanto criar ou adaptar os instrumentos e aplicá-los corretamente. Para a interpretação dos resultados, é essencial a criação

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

No campo da Psicometria, pesquisadores e profissionais frequentemente buscam garantir a precisão e consistência de seus instrumentos de medição. Um dos métodos usados para avaliar a confiabilidade de um teste

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Um Guia Completo sobre a PEDro: Physiotherapy Evidence Database

Se você é um profissional ou um estudante da área da saúde e está interessado nas práticas baseadas em evidências, este post é para você. Vamos descobrir como a base

Diferença entre as regressões logísticas: binária, ordinal e multinomial

Diferença entre as regressões logísticas: binária, ordinal e multinomial

A análise de regressão é uma técnica amplamente utilizada para verificar a existência de uma relação entre uma variável dependente e uma ou mais variáveis independentes. Existem diferentes tipos de

Construção de itens para instrumentos de autorrelato

Construção de itens para instrumentos de autorrelato

A elaboração de itens para instrumentos de autorrelato desempenha um papel crucial na pesquisa psicométrica, pois é por meio deles que os participantes expressam suas próprias experiências e percepções. Neste

Dados Normativos: Entendendo o Escore Z

Dados Normativos: Entendendo o Escore Z

Interpretar os resultados derivados do uso de um teste é tão crucial quanto criar ou adaptar os instrumentos e aplicá-los corretamente. Para a interpretação dos resultados, é essencial a criação

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

Compreendendo a Confiabilidade Duas-Metades (Split-Half Reliabity)

No campo da Psicometria, pesquisadores e profissionais frequentemente buscam garantir a precisão e consistência de seus instrumentos de medição. Um dos métodos usados para avaliar a confiabilidade de um teste

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.