Ana içeriğe geç
Model İstatistik

Gözlemciler Arası Uyum Hesaplayıcı

Model İstatistik CRO · Hekim araştırmacılar için açık erişimli klinik hesaplayıcılar

Cohen's kappa, Fleiss' kappa ve ICC ile gözlemciler arası uyum ve güvenilirliği hesaplayın.

Landis & Koch 1977Doğrulandı: Temmuz 2026Shrout & Fleiss 1979Doğrulandı: Temmuz 2026

Bu Araç Nedir ve Kimin İçin?

Gözlemciler arası uyum hesaplayıcısı, aynı özneleri değerlendiren gözlemcilerin ne ölçüde tutarlı olduğunu ölçen bir güvenilirlik aracıdır. Kategorik veride Cohen's kappa (Cohen 1960, iki gözlemci) ve Fleiss' kappa (Fleiss 1971, çok gözlemci); sürekli veride ICC (Shrout & Fleiss 1979, iki yönlü rastgele etki) hesaplar. Ölçek validasyonu, tanısal uyum ve güvenilirlik çalışması yürüten araştırmacılar, biyoistatistikçiler ve tez öğrencileri için tasarlanmıştır.

3 Yöntem

Cohen · Fleiss · ICC

Ağırlıklı κ

Sıralı kategoriler

Landis-Koch

Yorum eşikleri

Uyum katsayısı seçimi veri türüne ve çalışma tasarımına bağlıdır; yanlış katsayı yanıltıcı sonuç verir. ICC form seçimi Koo & Li (2016) rehberine göre gerekçelendirilmeli ve güven aralığıyla raporlanmalıdır.

2 gözlemci, kategorik veri (k×k uyum matrisi)

Her satır bir kategoriyi (Gözlemci 1), her sütun aynı kategorileri (Gözlemci 2) temsil eder. Hücreye o kombinasyondaki gözlem sayısını girin. Satırlar yeni satırla, hücreler boşluk veya virgülle ayrılır; ondalık için nokta kullanın.

Sonuçlar burada görünecek

Yöntemi seçin, veri matrisini girin ve Hesapla tuşuna basın

Gözlemciler Arası Uyum: Kapsamlı Rehber

Kaynak künyeli, biyoistatistik ve klinik araştırma perspektifiyle hazırlanmıştır.

Bu araç ne yapar?

Gözlemciler arası uyum hesaplayıcısı, aynı özneleri değerlendiren birden fazla gözlemcinin kararlarının ne ölçüde tutarlı olduğunu ölçen bir güvenilirlik aracıdır. Kategorik veride Cohen’s kappa (iki gözlemci) ve Fleiss’ kappa (çok gözlemci); sürekli/ölçüm verisinde ICC (Intraclass Correlation Coefficient) hesaplar. Sıralı kategorilerde ağırlıklı kappa seçeneği sunar.

Neden önemlidir?

Bir ölçüm yönteminin, tanısal testin veya derecelendirme ölçeğinin güvenilir olması için farklı gözlemcilerin benzer sonuçlara ulaşması gerekir. Gözlemciler arası uyum, ölçek validasyonu, tanısal çalışmalar ve çok merkezli araştırmalarda veri kalitesinin temel göstergesidir; düşük uyum, sonuçların yorumunu ve genellenebilirliğini sınırlar.

Kimler için?

Ölçek geliştirme/uyarlama, tanısal doğruluk ve güvenilirlik çalışması yürüten araştırmacılar, psikometristler, radyologlar/patologlar (görüntü/preparat değerlendirmesi) ve biyoistatistikçiler için tasarlanmıştır.

Nasıl kullanılır?

Veri türünüze göre yöntemi seçin: iki gözlemci-kategorik için Cohen (sıralı kategorilerde ağırlık seçin), çok gözlemci-kategorik için Fleiss, sürekli ölçüm için ICC. Veri matrisini yapıştırın (satırlar yeni satırla, hücreler boşluk/virgülle ayrılır; ondalık için nokta). Hesapla tuşuna bastığınızda katsayı, uyum düzeyi ve hesaplama dökümü sunulur.

Sonuç nasıl yorumlanır?

Kappa için Landis & Koch (1977): <0,20 önemsiz, 0,21–0,40 zayıf, 0,41–0,60 orta, 0,61–0,80 iyi, 0,81–1,00 çok iyi uyum. ICC için Koo & Li (2016): <0,50 zayıf, 0,50–0,75 orta, 0,75–0,90 iyi, >0,90 mükemmel güvenilirlik. Bu eşikler kaba rehberlerdir; güven aralığı ve çalışma bağlamıyla birlikte yorumlanmalıdır.

Yöntem ve geçerlilik

Cohen’s kappa gözlenen ve şansa dayalı beklenen uyumu karşılaştırır (ağırlıklı biçimde yakın kategorilere kısmi kredi verilir). Fleiss’ kappa çok gözlemcili tasarıma genellenir. ICC, varyans bileşenlerine dayanır; bu araç iki yönlü rastgele etki, mutlak uyum, tek ölçüm ICC(2,1) formunu (Shrout & Fleiss 1979) hesaplar. Hesaplama sunucu tarafında yürütülür.

Sınırlamalar ve dikkat edilecekler

Uyum katsayısı seçimi veri türüne, gözlemci sayısına ve çalışma tasarımına bağlıdır; yanlış katsayı yanıltıcı sonuç verir. Kappa, kategori prevalansına ve dengesizliğine duyarlıdır ("kappa paradoksu"). ICC form seçimi (tek/çok ölçüm, mutlak uyum/tutarlılık, rastgele/sabit etki) Koo & Li (2016) rehberine göre gerekçelendirilmeli ve güven aralıklarıyla raporlanmalıdır.

Araştırma notu

Güvenilirlik çalışması tasarımı, uygun uyum katsayısının seçimi, güven aralığı ve örneklem büyüklüğü hesabı ile ölçek validasyonunda (iç tutarlılık, faktör analizi) biyoistatistik desteği sunuyoruz.

Gözlemciler Arası Uyum Hakkında

Gözlemciler arası uyum (inter-rater reliability), aynı özneleri değerlendiren birden fazla gözlemcinin kararlarının ne ölçüde tutarlı olduğunu gösterir. Bir ölçüm yönteminin, tanısal testin veya derecelendirme ölçeğinin güvenilir olması için farklı gözlemcilerin benzer sonuçlara ulaşması gerekir. Uygun uyum katsayısı verinin türüne göre seçilir.

Kategorik veriler için kappa katsayıları kullanılır: iki gözlemcide Cohen’s kappa (sıralı kategorilerde ağırlıklı), üç ve daha fazla gözlemcide Fleiss’ kappa. Sürekli/ölçüm verileri için ICC (Intraclass Correlation Coefficient) kullanılır; bu araç Shrout & Fleiss (1979) ICC(2,1) formunu hesaplar. Kappa sonuçları Landis & Koch (1977), ICC sonuçları Koo & Li (2016) eşiklerine göre yorumlanır.

Sıkça Sorulan Sorular

Gözlemciler arası uyum nedir?

Gözlemciler arası uyum (inter-rater agreement/reliability), aynı özneleri değerlendiren iki veya daha fazla gözlemcinin ne ölçüde tutarlı sonuçlar verdiğini gösterir. Bir ölçüm yönteminin, ölçeğin veya sınıflandırmanın güvenilir olması için farklı gözlemcilerin benzer kararlara varması beklenir. Bu araç, verinizin türüne göre Cohen’s kappa, Fleiss’ kappa veya ICC hesaplar.

Kappa ile ICC arasındaki fark nedir?

Kappa (Cohen ve Fleiss) kategorik (nominal/ordinal) veriler için kullanılır; örneğin "var/yok" veya "evre 1/2/3" gibi sınıflamalar. ICC (Intraclass Correlation Coefficient) ise sürekli/ölçüm verileri (örn. kan basıncı, uzunluk, skor) için kullanılır. Veri türü yanlış seçilirse sonuç yanıltıcı olur; bu nedenle önce ölçüm ölçeğinizi belirlemelisiniz.

Cohen’s kappa ile Fleiss’ kappa ne zaman kullanılır?

Cohen’s kappa tam olarak iki gözlemci arasındaki uyum için tasarlanmıştır. Üç veya daha fazla gözlemci olduğunda Fleiss’ kappa kullanılır; Fleiss, her özne için gözlemcilerin kategori dağılımını değerlendirir ve gözlemciler özneler arasında değişebilir. İki gözlemcide sıralı (ordinal) kategoriler varsa, ağırlıklı kappa yakın kategorilere kısmi kredi verir.

Ağırlıklı kappa ne zaman kullanılır?

Ağırlıklı kappa, kategoriler sıralı (ordinal) olduğunda kullanılır; örneğin "hafif/orta/şiddetli" gibi. Ağırlıksız kappa tüm uyumsuzlukları eşit ceza sayarken, ağırlıklı kappa birbirine yakın kategoriler arasındaki uyumsuzluğa daha az ceza verir. Doğrusal ağırlık uzaklıkla orantılı, kuadratik ağırlık uzaklığın karesiyle orantılı ceza uygular; kuadratik ağırlık ICC ile yakın sonuç verir.

ICC’nin hangi formunu seçmeliyim?

ICC’nin birden fazla formu vardır (Shrout & Fleiss 1979). Bu araç, en yaygın kullanılan ICC(2,1) formunu hesaplar: iki yönlü rastgele etki modeli, mutlak uyum, tek ölçüm. Bu form, gözlemcilerin daha büyük bir gözlemci havuzundan rastgele seçildiği ve sonuçların başka gözlemcilere genellenmek istendiği güvenilirlik çalışmaları için uygundur. Ortalama ölçüm güvenilirliği için ICC(2,k) değeri de sunulur. Form seçimini Koo & Li (2016) rehberine göre gerekçelendirin.

Kappa ve ICC değerleri nasıl yorumlanır?

Kappa için Landis & Koch (1977) eşikleri yaygındır: <0,20 önemsiz, 0,21–0,40 zayıf, 0,41–0,60 orta, 0,61–0,80 iyi, 0,81–1,00 çok iyi uyum. ICC için Koo & Li (2016): <0,50 zayıf, 0,50–0,75 orta, 0,75–0,90 iyi, >0,90 mükemmel güvenilirlik. Bu eşikler kaba rehberlerdir; güven aralığı ve çalışma bağlamıyla birlikte yorumlanmalıdır.

Bilimsel Kaynaklar

  1. Cohen J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement. 1960.
  2. Fleiss JL. Measuring nominal scale agreement among many raters. Psychological Bulletin. 1971.
  3. Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychological Bulletin. 1979. PMID: 18839484
  4. Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics. 1977. PMID: 843571
  5. Koo TK, Li MY. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 2016. PMID: 27330520

Bu aracın kaynak gösterimi

Çalışmanızda önce skorun ya da yöntemin özgün kaynağını göstermenizi öneririz. Aracı da belirtmek isterseniz şu biçimi kullanabilirsiniz:

Model İstatistik CRO. Gözlemciler Arası Uyum Hesaplayıcı [İnternet]. Kayseri: Model İstatistik CRO; 2026 [erişim tarihi: GG.AA.YYYY]. Erişim adresi: https://modelistatistik.com/araclar/gozlemciler-arasi-uyum

Yöntemsel Not

Bu araç eğitim ve araştırma desteği amaçlıdır. Uyum katsayısı seçimi veri türüne (kategorik/sürekli), gözlemci sayısına ve çalışma tasarımına bağlıdır; yanlış katsayı yanıltıcı sonuç verir. ICC form seçimi (tek/çok ölçüm, mutlak uyum/tutarlılık, rastgele/sabit etki) Koo & Li (2016) rehberine göre gerekçelendirilmeli ve güven aralıklarıyla birlikte raporlanmalıdır.

Bu hesaplayıcıda bir hata veya öneriniz mi var?

Ölçek validasyonu veya güvenilirlik çalışmanızda desteğe mi ihtiyacınız var?

Gözlemciler arası uyum, ölçek validasyonu (Cronbach alfa, faktör analizi) ve güvenilirlik analizleri dahil metodolojik biyoistatistik desteği sunuyoruz.

AraWhatsApp