同一份在线问卷，原来往下滑就能看完，后来改成答一题再进入下一题。机构发现完整答卷多了，很容易顺势认为：新页面更好，以前和现在的结果可以接着用。
心理测评软件的分页调整，确实可能改善完成体验。要比较新旧结果，还得知道页面究竟改变了哪些作答条件。退出少了、漏答少了，以及分数仍表达相同含义，需要各自有证据。
每页题数相同，作答条件也可能不同
整页问卷让人同时看到前后题目，可以回看刚才的答案，也可能边读后面的题边调整前面的选择。一页一题减少了当前屏幕上的信息，却可能让人难以回看。具体影响取决于题目之间有没有共同材料、是否需要对照，以及页面是否允许返回修改。
选项怎样出现也会改变体验。五个选项全部展开，与点开下拉菜单后才看见五个选项，给人的阅读与操作条件不同。答完后自动前进，和需要按一次“下一题”，也会带来不同节奏。若还同时增加强制答题、调整进度提示，就已经改动了多项条件。
2012年一篇发表于PLOS ONE的论文很能说明这个问题。研究者用随机网络实验比较逐题与整页呈现，发现逐题条件减少了缺答，且没有检出更多退出。但整页条件使用下拉选项，逐题条件展示全部选项，还要求参与者确认选择或明确拒答，并显示题号进度。研究比较的是这两套实际实现，无法把全部变化单独归功于“每页一题”。
因此，讨论某个分页研究能否帮助自己的项目时，值得看它究竟怎样做。只读到“逐题呈现效果更好”，会漏掉决定能否借鉴的条件。
少漏答和少退出，回答的是两个问题
缺答可以发生在已经提交的问卷里，退出则可能发生在提交之前。页面让参与者更容易发现没答的题，可能减少缺答；若不允许跳过，又可能让一部分不愿回答的人选择离开。强制填满得到的完整问卷，也不能据此认定每个答案都更真实。
比较时，至少要把这些情况分清：开始后没有提交、提交后存在空项、明确选择拒答。退出率的分母也要一致。以打开入口的人为分母，和以已经开始正式答题的人为分母，算出来的数字不能直接对照。
完成时间同样需要结合任务看。上述论文的第一项实验中，17题整页条件的平均完成时间约149秒，逐题条件约154秒；较长的第二项任务却出现有利于逐题条件的时间表现。这些结果来自英语网络志愿者，不能直接当成中国学生使用手机做心理量表的预期效果，但足以提醒我们：题目长度与实际实现会影响比较，分页没有统一的速度优势。
怎样判断新旧分数能否一起解释
如果目的是找到参与者在哪一页离开，可以主要分析开始、退出和提交情况。如果希望把两种界面的分数放进同一份统计报告，或用它们说明前后变化，就需要进一步检查测量结果。
2025版ITC与ATP《技术化测评指南》提出，不同技术条件下的分数可比性应围绕预定用途研究。除了分数分布，还可能涉及信度、测量标准误、测量内容及与外部变量的关系。两组均分相近，或都得到较高的内部一致性，不能单独证明分数可以互换。
实际对照中，可以尽量保持题干、题序、选项含义、计分和使用人群一致，逐项记下仍存在的区别。条件允许时，将同一目标人群随机分配到两个实际界面，有助于减少人群差异的干扰。若比较的是改版前后的两届学生，还要保留不同年级构成、施测时间与组织方式等资料，不能把所有变化都归到分页上。
记录也应细到可以重现当时的页面：选项是否展开，是否有默认选择，能否跳过与返回，如何提示进度，使用什么设备。这些信息能够帮助解释完整率变化，也能让后续人员判断分数比较有没有遗漏施测条件。
证据尚不足时，保留界面版本并分别呈现结果，仍然可以开展项目管理。需要把它们合并解释时，再说明已经验证的用途和范围，避免一张没有版本区分的趋势图，把界面调整画成了人群变化。