Skip to content

Psychometric analyses of Stockholmsenkäten using Rasch Measurement Theory with R and Quarto

Notifications You must be signed in to change notification settings

KTHHealthData/sthlmsenk

 
 

Repository files navigation

Psykometriska analyser av data från Stockholms enkäten

Denna text kommer att uppdateras med mera specifik information om källkoden som finns lagrad här.

RISE har på uppdrag av Länsstyrelsen i Stockholm tagit fram en kunskapssammanställning om risk- och skyddsfaktorer för multipla problemutfall samt insatser för att arbeta förebyggande och främjande. Nu pågår ett arbete för att kvalitetssäkra mätning av relevanta faktorer, samt visualisera data för användning i samverkan med kommuner.

Kunskapssammanställningen Risk- och skyddsfaktorer – vad vet vi och vad kan göras med kunskapen? finns tillgänglig i DIVA-databasen och bakgrundsmaterial, inklusive källkod för att skapa figurerna i rapporten, finns att ladda ner från Open Science Foundations hemsida: https://osf.io/935b6/. Allt material har publicerats under den öppna licensen Creative Commons Attribution 4.0 International som innebär att det är fritt att dela och använda/vidareutveckla materialet, även för kommersiella syften, så länge hänvisning ges till rapporten.

Nästa steg i arbetet handlar om mätning av risk- och skyddsfaktorer, där Stockholmsenkäten spelar en central roll. Stockholmsenkäten genomförs varannat år genom samarbete med skolor, där årskurs 9 och gymnasiets åk 2 tillfrågas om anonymt deltagande. Ett omfattande arbete har genomförts för att psykometriskt utvärdera vilka index som kan användas för att representera risk- och skyddsfaktorer utifrån Stockholmsenkätens frågor, baserat på data från 2006 till 2020. Psykometriska analyser utförs primärt med Rasch-metodik, en form av modern testteori.

Mera information finns på: https://www.ri.se/sv/vad-vi-gor/projekt/data-i-dialog-risk-och-skyddsfaktorer-for-barn-och-unga

About

Psychometric analyses of Stockholmsenkäten using Rasch Measurement Theory with R and Quarto

Resources

Stars

Watchers

Forks

Languages

  • R 53.9%
  • TeX 46.0%
  • Other 0.1%