Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Refine search results

Results found: 1

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  careless responding
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
Roczniki Psychologiczne
|
2014
|
vol. 17
|
issue 2
439-473
PL
W artykule zaprezentowano dwa mało znane wskaźniki odpowiadania losowego lub nieuważnego: indeks sabotowania Cattella oraz wskaźnik indywidualnego losowego wyniku oczekiwanego. Oba wskaźniki służą do identyfikacji osób, które w kwestionariuszach wielowymiarowych udzielają odpowiedzi niezwiązanych z treścią pytań, np. odpowiedzi losowych. Weryfikacja trafności tych wskaźników polegała na sprawdzeniu, w jakim stopniu pozwalają one odróżnić wyniki rzeczywiste uzyskane w kwestionariuszu NEO-FFI od danych losowych wygenerowanych przez komputer. W badaniu wzięły udział 943 osoby oraz wykorzystano wygenerowane losowo odpowiedzi, symulujące odpowiedzi 1000 osób. Okazało się, że na podstawie obu wskaźników jednocześnie, przy użyciu regresji logistycznej, możliwe było dość dobre odróżnienie danych rzeczywistych od losowych (poprawna identyfikacja w 86% wszystkich wyników). Wynik ten jest dość wysoki, biorąc pod uwagę, że być może część osób wypełniających kwestionariusz NEO-FFI mogła również w rzeczywistości odpowiadać losowo.
EN
The article presents two little-known indices of random or careless responding: Cattell's sabotage index and fixed individualized chance (FIC) score. Both indices are used to identify people who provide content-irrelevant answers, such as random ones, in multidimensional questionnaires. The aim of the study was to verify empirically the diagnostic applications of these indices in distinguishing the actual NEO-FFI scores from random data generated by a computer. The study involved 943 participants and 1000 randomly generated protocols. Based on both indices in combination and using logistic regression, it proved possible to distinguish the actual data from the random data fairly well. Approximately 86% of all data was classified correctly. This result is quite high, given that some participants might have responded to the NEO-FFI items in a random way.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.