Receba gratuitamente todos os nossos conteúdos.

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

Qual a diferença entre fidedignidade e validade de um teste

Fidedignidade e validade de um teste são dois dos principais conceitos na psicometria clássica. Ambas são importantes para garantir que um teste seja confiável e válido para o seu propósito.

Neste post, vamos explorar o que é a fidedignidade e a validade de um teste, qual a diferença entre esses dois conceitos e fornecer alguns exemplos para ajudar a entender como eles podem ser aplicados na prática.

Fidedignidade de um teste

A fidedignidade, também chamada de confiabilidade de um teste está relacionada com a replicabilidade e consistência dos escores obtidos. Um exemplo de fidedignidade seria um teste de memória que é aplicado duas vezes para o mesmo grupo de pessoas com um intervalo de uma semana entre as aplicações.

Se os resultados obtidos nas duas aplicações forem semelhantes, isso indica que o teste é fidedigno. Ou seja, significa que o teste é capaz de medir a memória da mesma maneira em diferentes ocasiões. Esta é uma uma das formas mais comuns de avaliar a fidedignidade de um teste, denominada como teste-reteste.

Outra maneira de avaliar a fidedignidade é por meio da consistência interna, a consistência interna é uma medida de confiabilidade em que os itens em um teste são correlacionados a fim de determinar a forma como eles medem o mesmo construto ou conceito. A medida de consistência interna atualmente recomenda é o ômega de McDonald.

Validade de um teste

A validade de um teste refere-se à sua capacidade de medir o que se propõe a medir. Em outras palavras, um teste é válido quando mede o que se espera que ele meça.

Na mais recente publicação Standards for Educational and Psychological Testing, a validade refere-se ao “grau no qual o acumulo em que a evidência e a teoria apóiam as interpretações dos resultados dos testes para usos propostos dos testes”.

Assim, a validade envolve o acumulo de evidências de validade com o intuito de prover uma base cientifica para as interpretações dos resultados dos testes. E, embora diversos tipos de evidências possam ser utilizados, não temos diferentes tipos de validade. A fontes de evidências podem iluminar os diferentes aspectos da validade, mas não representam diferentes tipos de validade.

Qual a diferença entre fidedignidade e validade de um teste

Para entender a diferença entre fidedignidade e validade, podemos usar o exemplo de uma balança de banheiro. Se usarmos uma balança para pesar um objeto repetidamente e obtermos resultados consistentes, podemos dizer que a balança é confiável.

No entanto, se a balança estiver descalibrada e mostrar um peso incorreto, ela não é válida para medir o peso do objeto. Da mesma forma, um teste pode ser confiável em termos de pontuações consistentes, mas se não estiver medindo o que se pretende, ele não tem validade. Portanto, é essencial que os testes sejam tanto confiáveis quanto válidos para que possam fornecer informações precisas e úteis para os profissionais.

Por fim, é importante notar que a fidedignidade e a validade não são características inatas de um teste. Elas podem ser afetadas por vários fatores, incluindo a qualidade dos itens do teste, a forma como o teste é administrado e pontuado, a população a que o teste é aplicado e o contexto em que o teste é utilizado.

Ao desenvolver e usar testes psicológicos, é importante avaliar a fidedignidade e a validade em cada caso específico e garantir que as melhores práticas sejam seguidas para maximizar a qualidade dos resultados.

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).

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

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

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.