GitHub

您所在的位置:网站首页 mmpi结果 GitHub

GitHub

2024-06-08 21:53| 来源: 网络整理| 查看: 265

更适合中国宝宝体质的精神心理测试 (https://llaa178.github.io/mmpi2-CN-normals/)

本测试基于mmpi-2,自主汉化,使用中国常模作为计分标准,提供了百分比数据,并查阅了许多学术资料提供了详尽的编码型解析。 ps:测试完全免费!!!

框架来源 (UI基本都是沿用他的,但是其他地方比如题目翻译,常模,剖面图,结果解析都重写了)

首先,最关键的问题,我的中国常模是哪来的?因为常模数据一般是不公开的,我在市面上见过的mmpi-2测试都是基于美国常模的,无一例外,而中国常模数据一般只有医院,研究所这些才会有。而美国常模的最大问题当然是不准,尤其是在量表F,量表2(抑郁),量表8(精分)这几个维度我们如果用美国常模会明显偏高。

所以我尝试在网上找有没有学术文章公布了常模,大概看了这些12345,最后终于在一个对比正常人和精分患者的mmpi-2结果的论文里找到了常模数据6。这个常模调查了正常人1245例,男女人数差不多,从初中到硕士以上学历也都有,可信度还是不错的。

然后我发现一个问题,mmpi得到的分数都是正态分布的分,T分几乎有80%都在40~60之间,这样并不直观,能不能把正态分布分转换成百分比呢?答案是可以的,只是需要一点简单的数学技巧,具体可以看代码。

// 使用正态分布的累积分布函数(CDF)来计算百分比 function calculatePercentile(tScore) { // 使用Z分数公式将T分数转换为Z分数 let zScore = (tScore - 50) / 10; // 使用Z分数查找正态分布表或使用错误函数(erf)来计算百分比 let percentile = (1 + erf(zScore / Math.sqrt(2))) / 2; return percentile * 100; // 转换为百分比 } // 计算每个T分数的百分比并存储到新数组中 tscoreArray.forEach(tScore => { percentileArray.push(calculatePercentile(tScore).toFixed(2)); }); // 错误函数(erf)的实现 function erf(x) { // 使用近似公式计算erf const a1 = 0.254829592; const a2 = -0.284496736; const a3 = 1.421413741; const a4 = -1.453152027; const a5 = 1.061405429; const p = 0.3275911; const t = 1.0 / (1.0 + p * x); const y = 1.0 - (((((a5 * t + a4) * t) + a3) * t + a2) * t + a1) * t * Math.exp(-x * x); return y; }

经过一大堆神秘数字的转换,最后量表数据也变得更加直观了。

另外值得一说的是,我对370道题都进行了汉化。举个例子:

312. The only interesting part of newspapers is the comic strips. 直译:报纸上唯一有趣的就是连环漫画。

如果现在是20世纪末那么这个题还不错,但是这是2024的中国,谁还看报纸啊。 所以最后我把它翻成了:

意译:玩手机时,我喜欢刷视频而不喜欢阅读。

我认为这个题的主要出题意图是看受测者有没有失去专注力,是否比起文字更喜欢图像,所以选择了这样的意译,总之见仁见智吧~

还有工作量最大的一点,其实还是对于剖面图的解析,我这里采用了两点编码型,但是有10个临床量表两两组合构成编码型,还是有很多的编码,并且这个需要参考大量的书籍里对编码型的解读,这是一个示例。

这是最后对每个维度的常规说明。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3