信度

算法厌恶会让用户在AI心理咨询出错后迅速失去信任。产品需要提供可解释反馈和人工转接边界。

内部一致性信度用于判断量表题目是否共同测量同一结构。高相关有价值，内容重复也会带来报告风险。

AI心理产品需要进行信任校准，让用户知道系统能解释什么、不能替代什么，以及结果如何使用。

EAP项目里的心理测评数据要分清个人支持和组织分析，HR和管理层需要不同口径的材料。

心理测评有效性复核要看作答时长、漏答情况、前后矛盾、参与者状态和后续人工确认。

来访者做测评时乱填，咨询机构要从说明、题量、时机、隐私和报告解释上减少无效作答。

心理测评供应商观察周期要持续看响应速度、报告质量和培训效果，判断服务改进是否稳定。

心理测评系统上线前培训要分对象设计，管理员、老师和参与者说明要分开。

复测报告除了前后分数变化，还应该一起看样本变化、完成情况和异常记录，否则结果很容易被过度简化。

心理测评系统里手工改分不是不能做，真正关键的是每一次修改都要留下足够清楚的原因和痕迹。

补测名单长期靠手工圈选，最容易出问题的不是效率，而是候选规则混乱、重复发送、漏发和历史留痕断掉。系统应把补测作为正式流程管理。

量表审批如果不强制写清适用对象、使用场景和解释边界，后面最容易发生的不是不会用，而是被拿去错误地使用。

在心理软件里，审计日志不是给技术团队查错的小功能，而是权限边界、责任追溯、风险控制和合规管理的重要基础。

自动报告真正的价值不在篇幅长短，而在于量表规则、常模换算、维度解释和提示边界之间是否保持一致。

采购量表或测评系统时，如果不看信度和效度，后面的自动评分、报告和预警都会建立在不稳的基础上。