Receba gratuitamente todos os nossos conteúdos.

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

O que é fidedignidade de teste-reteste

Quando se trata de avaliar a confiabilidade de medidas e instrumentos de pesquisa, a fidedignidade de teste-reteste surge como uma alternativa para avaliar a consistência dos resultados de um teste ao longo do tempo. Neste post, vamos abordar o que é a fidedignidade de teste-reteste, os fatores que podem afetar a fidedignidade teste-reteste e meios de contornar essas limitações.

Vamos lá!

Fidedignidade teste-reteste é um tipo de medida de confiabilidade de testes psicológicos, que tem como objetivo avaliar a estabilidade ou consistência dos resultados de um teste ao longo do tempo.

A ideia é verificar se os resultados obtidos são semelhantes nas duas ocasiões, ou seja, se há uma alta correlação entre as pontuações obtidas pelos indivíduos em ambas as aplicações.

Pense, por exemplo, em uma balança. Se você se pesa na mesma balança duas vezes, na mesma hora, você espera que o peso obtido seja igual ou muito parecido. Isso significa que a balança está estável o que é um indicativo de confiabilidade do resultado. Por outro lado, se ao se pesar na mesma balança, no mesmo momento, o peso variar muito, há imprecisão na medida. Logo a balança não é confiável.

Na fidedignidade teste-reteste é a mesma coisa. Isso significa que se uma pessoa realizar o mesmo teste em diferentes momentos, as suas pontuações devem ser semelhantes em ambas as ocasiões. À esse fenômeno,da-se o nome de estabilidade temporal. A estabilidade temporal refere-se à consistência das medidas ao longo do tempo, medida por meio do teste-reteste.

Como determinar a fidedignidade teste-reteste

De acordo com Zanon e Hauck Filho (2015) é possível aferir a fidedignidade teste-reteste por meio do calculo de correlação entre as aplicações do instrumento. O cálculo da correlação entre as aplicações produz um coeficiente que permite avaliar o nível de flutuação e estabilidade dos escores.

Se houver uma alta correlação entre as pontuações obtidas nas duas aplicações, isso indica que o teste é confiável. De maneira geral, quando um teste com alta fidedignidade é repetido, é comum que os coeficientes de correlação obtidos estejam acima de 0,80, o que indica uma manutenção considerável dos valores dos escores entre T1 e T2.

Quanto menor for o coeficiente de correlação, menor será a correspondência entre os escores obtidos em T1 e T2, e maior será a parcela de variância de erro.

Fatores que influenciam na fidedignidade teste-reteste

É importante ressaltar que alguns fatores podem afetar a fidedignidade teste-reteste, em especial o tempo entre as aplicações. O intervalo de tempo entre as aplicações do teste desempenha um papel crucial no cálculo do coeficiente de correlação. Quando o teste é repetido em um curto intervalo de dias ou semanas, o coeficiente tende a ser mais elevado. Isso porque o efeito de memória desempenha um papel importante. Ou seja, você tende a ‘repetir’ as mesmas informações dadas por lembrar do que respondeu anteriormente.

Além disso, mudanças relacionadas ao desenvolvimento e aprendizagem podem ocorrer durante o período entre as aplicações, afetando os escores obtidos no segundo teste. Por exemplo, se um ditado for repetido para crianças do ensino fundamental em um intervalo de três semanas, é mais provável que haja uma variação menor nos resultados do que se o mesmo ditado fosse repetido em um intervalo de um ano.

O estado de humor do participante também pode influenciar na teste-reteste.  Por exemplo, se um participante for vítima de um assalto pouco antes da reaplicação de um teste que avalia o nível de ansiedade, é muito provável que o seu escore de ansiedade esteja elevado e apresente pouca relação com o escore anterior – desde que não se trate de uma pessoa com altos escores de ansiedade pré-existentes.

Outra limitação da fidedignidade teste-reteste é que ela pode ser afetada por mudanças no ambiente em que o teste é aplicado e a falta de padronização da aplicação. Mudanças no ambiente podem trazer viés para os escores dos testes assim como o teste ser aplicado de maneira diferente nas duas ocasiões. Por isso, determinar o melhor momento para aplicar o reteste é uma das tarefas mais complexas que o pesquisador irá se deparar.

Estratégias para controlar as limitações do teste-reteste

Algumas estratégias para controlar as limitações do teste-reteste incluem: a analisar os prós e contras em reduzir o tempo entre as medidas de acordo com o construto avaliado, garantir que as condições da medição sejam as mesmas em ambas as medidas, utilizar perguntas para o controle de variáveis confundidoras, treinar e padronizar a aplicação do teste.

Além disso, é importante reconhecer que o teste-reteste é apenas uma das várias medidas de fidedignidade disponíveis, e outras medidas podem ser usadas em conjunto para uma avaliação mais completa e confiável da fidedignidade da medida.

Como leitura complementar, recomendamos o artigo de Polit (2014) para aprimorar o seu estudo de fidedignidade baseado no teste-reste.

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).

Referências

Zanon & Hauck Filho (2015). Fidedignidade. In. Hutz, C., Bandeira, D. & Trentini, C. Psicometria [recurso eletrônico]. Porto Alegre : Artmed, 2015

Polit, D.F. (2014). Getting serious about test–retest reliability: a critique of retest research and some recommendations. Qual Life Res 23, 1713–1720. https://doi.org/10.1007/s11136-014-0632-9

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?

Uma resposta

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.