Video Experimental Relacionado
Updated: Jan 17, 2026
06:05
The Participant-Reported Implementation Update and Score PRIUS: A Novel Method for Capturing Implementation-Related Data Over Time
Published on: February 19, 2021
1.6K
Medidas intensivas y repetidas de autoinforme: ¿Deberíamos preocuparnos por los cambios en la calidad de los datos
Arthur A Stone1, Stefan Schneider1, Meynard J Toledo1
1Department of Psychology, University of Southern California, Los Angeles, CA, United States.
JMIR mHealth and uHealth
|January 14, 2026
Resumen
Las medidas repetidas de autoinforme, vitales para la investigación conductual y médica, pueden degradarse con el tiempo debido a factores como la duración de la evaluación y la reactividad del participante. Los investigadores deben monitorear estos cambios para garantizar la precisión de los datos.
Área de la Ciencia:
- Ciencias Conductuales
- Investigación Médica
- Salud Móvil
Sus antecedentes:
- Las medidas intensivas y repetidas de autoinforme son cruciales para comprender las variables dinámicas a nivel granular.
- Las aplicaciones de salud móvil dependen de evaluaciones precisas e inmediatas del estado y el entorno para la intervención.
- Las evaluaciones momentáneas repetidas minimizan el sesgo de recuerdo y capturan datos del mundo real, ofreciendo información sobre las interacciones persona-entorno.
Objetivo del estudio:
- Investigar cómo la finalización repetida de las evaluaciones momentáneas puede alterar la calidad de los datos con el tiempo.
- Identificar los fenómenos que pueden inducir no invarianza en las medidas repetidas.
- Alertar a los investigadores sobre los cambios potenciales que afectan la calidad de los datos.
Principales métodos:
- Se examinaron las características de las evaluaciones momentáneas repetidas que podrían cambiar las características de los datos.
- Se discutieron líneas de investigación que cuestionan la suposición de invarianza en la finalización de la evaluación.
- Se presentaron cuatro fenómenos que inducen potencialmente la no invarianza: tiempo de finalización, tasas de datos faltantes, respuesta descuidada y reactividad.
Principales resultados:
- La evidencia sugiere que pueden ocurrir cambios con el tiempo en la forma en que los individuos completan las evaluaciones repetidas.
- Se identificaron cuatro fenómenos clave (tiempo, datos faltantes, respuesta descuidada, reactividad) como fuentes potenciales de no invarianza.
- Estos cambios pueden afectar la calidad y confiabilidad generales de los datos recopilados.
Conclusiones:
- La suposición de invarianza en la finalización de medidas repetidas puede no ser cierta.
- Los investigadores deben ser conscientes de que la calidad de los datos puede cambiar con el tiempo debido a varios factores.
- Monitorear y abordar estos cambios es esencial para mantener la integridad de los datos en la investigación conductual y médica.
Videos de Conceptos Relacionados
02:20Longitudinal Research
13.1K
Sometimes we want to see how people change over time, as in studies of human development and lifespan. When we test the same group of individuals repeatedly over an extended period of time, we are conducting longitudinal research. Longitudinal research is a research design in which data-gathering is administered repeatedly over an extended period of time. For example, we may survey a group of individuals about their dietary habits at age 20, retest them a decade later at age 30, and then again...
13.1K
01:11Statistical Analysis: Overview
14.6K
When we take repeated measurements on the same or replicated samples, we will observe inconsistencies in the magnitude. These inconsistencies are called errors. To categorize and characterize these results and their errors, the researcher can use statistical analysis to determine the quality of the measurements and/or suitability of the methods.
One of the most commonly used statistical quantifiers is the mean, which is the ratio between the sum of the numerical values of all results and the...
One of the most commonly used statistical quantifiers is the mean, which is the ratio between the sum of the numerical values of all results and the...
14.6K
01:29Reliability and Validity
13.7K
Reliability and validity are two important considerations that must be made with any type of data collection. Reliability refers to the ability to consistently produce a given result. In the context of psychological research, this would mean that any instruments or tools used to collect data do so in consistent, reproducible ways.
13.7K
02:16Surveys
16.6K
Often, psychologists develop surveys as a means of gathering data. Surveys are lists of questions to be answered by research participants, and can be delivered as paper-and-pencil questionnaires, administered electronically, or conducted verbally. Generally, the survey itself can be completed in a short time, and the ease of administering a survey makes it easy to collect data from a large number of people.
16.6K
01:24Strategies of Self-Presentation III: Self-Monitoring
195
Self-monitoring is a central construct in understanding individual differences in self-presentation strategies across social contexts. It refers to how individuals observe, regulate, and control their expressive behavior and self-presentation following situational cues. Self-monitoring reflects a person's sensitivity to social appropriateness and willingness to adapt behavior to fit varying interpersonal demands.High vs. Low Self-Monitoring IndividualsIndividuals high in self-monitoring are...
195
01:29Self-Evaluation Maintenance Model
281
The Self-Evaluation Maintenance (SEM) model offers a psychological framework to understand how individuals’ self-esteem is influenced by the achievements of others, particularly those with whom they share close personal bonds. The SEM model operates when personal rather than social identity guides individuals. Central to this model is the notion that individuals have an inherent desire to preserve a favorable self-image, which is continuously shaped by interpersonal comparisons and...
281