Behav Res Methods. 2016 Mar 1.
Dantlgraber M1, Wetzel E2, Schützenberger P3, Stieger S2, Reips UD2.
Astratto
Nella ricerca psicologica, vi è un crescente interesse nell'uso dell'analisi di classi latenti (LCA) per lo studio di costrutti quantitativi. Lo scopo di questo studio è di illustrare come applicare LCA per ottenere informazioni su un costrutto e selezionare elementi durante lo sviluppo del test. Mostriamo i benefici aggiunti della LCA oltre i metodi analitici fattoriali, ovvero essere in grado (1) di descrivere gruppi di partecipanti che differiscono nei loro modelli di risposta (2) per determinare i valori di taglio appropriati, (3) per valutare gli elementi e (4 ) per valutare l'importanza relativa dei fattori correlati. Ad esempio, abbiamo studiato il costrutto della dipendenza da Facebook utilizzando il test di dipendenza da Facebook (F-AT), una versione adattata di Internet Addiction Test (I-AT). L'applicazione della LCA facilita lo sviluppo di nuovi test e brevi moduli di test stabiliti. Presentiamo una breve forma dell'F-AT basata sui risultati dell'LCA e convalida l'approccio LCA e l'F-AT breve con diversi criteri esterni, come chat, lettura di newsfeed e aggiornamenti di stato. Infine, discutiamo i benefici della LCA per valutare i costrutti quantitativi nella ricerca psicologica.
PAROLE CHIAVE:
Modello bifattore; Facebook; Dipendenza da Internet; Analisi della classe latente; Forma breve
;