Evaluar la validez de una encuesta es esencial para garantizar que obtenga datos significativos, y el alfa (CA) de Cronbach es una medida útil para usar durante el proceso de validación de la encuesta. Aunque su experto en encuestas e incluso los programas de computadora ahora están diseñados para calcular CA para usted, es aconsejable comprender el concepto para comprender mejor su importancia. Definición y Alpha de Functronbach es una estadística que mide la consistencia interna de las preguntas de la encuesta que se cargan en el Factores mismos. La carga de factores se puede evaluar utilizando el análisis de componentes principales (PCA), un método de validación que discutimos en un artículo anterior. Mientras que su objetivo con PCA es determinar qué sus preguntas realmente miden, su objetivo con CA es determinar si las preguntas que están midiendo Los mismos factores están correlacionados y, por lo tanto, producen respuestas consistentes. Coca mide qué tan bien un conjunto de preguntas evalúa una única variable latente unidimensional en un grupo de individuos. A diferencia de las variables observables, las variables latentes son aspectos que no se observan sino que se infieren, o variables que no se miden directamente. Los usos ideales para CA implican medir la consistencia interna entre las preguntas de la encuesta que:
- Crees que todos miden el mismo factor
- Están correlacionados entre sí
- Se puede construir en algún tipo de escala
El papel como medición de confiabilidad Una medida de confiabilidad, CA básicamente le permite saber si un encuestado le daría la misma respuesta con respecto a una variable específica si fuera una variable al encuestado una y otra vez. Mientras realmente podría presentar la misma Variable al mismo encuestado pidiéndole a la persona que complete la misma encuesta varias veces, esa solución no es factible. La empresa no solo corre el riesgo de molestar a los encuestados, sino que también lleva mucho tiempo y es costoso. La medición de la consistencia interna usando CA puede resolver el problema. Los valores de los valores de CCACronbach varían de 0 a 1.0, y muchos expertos dicen que el valor debe alcanzar al menos 0.6 a 0.7 o más para confirmar la consistencia. Si encuentra un valor más bajo al evaluar su CA, algunos programas le permiten reevaluar CA después de eliminar una pregunta específica. Esto le permite identificar y eliminar preguntas que no producen respuestas consistentes para aumentar la precisión de su encuesta. Cómo CA Workslet dice que está recopilando datos de encuestas de la industria automotriz y desea determinar el nivel de ansiedad que los automovilistas experimentan mientras conducen. Si bien ciertamente podría preguntar a los encuestados sobre sus niveles de ansiedad, la autoinforme con una sola pregunta en este tipo de área puede no siempre producir los resultados más precisos. En su lugar, podría hacer una serie de preguntas que todos miden los niveles de ansiedad, y luego combinar los niveles de ansiedad, y luego combinar Las respuestas a un solo valor numérico que lo ayudan a evaluar con mayor precisión la ansiedad general. Para lograr esto, primero puede idear una tabla con 10 ítems que registran el grado de ansiedad que los encuestados experimentan en ciertas situaciones de conducción. Marque cada elemento del 1 al 4, con 1 que no indica ansiedad y 4 que indican niveles lo suficientemente altos de ansiedad para que dejen de conducir. Luego resume los puntajes en los 10 ítems para determinar la puntuación final. Para que estas preguntas sean precisas, deben tener consistencia interna. Debido a que todas las preguntas miden el mismo factor, deben correlacionarse entre sí. La aplicación de CA a las preguntas ayuda a garantizar que estén, con los valores de CA que generalmente aumentan cuando las correlaciones entre las preguntas aumentan. CA generalmente se usa para determinar la consistencia interna entre las preguntas que se basan en una escala, como el ejemplo anterior, o preguntas con dos posibles respuestas. CAATSCA puede ser una medición valiosa, pero viene con algunos problemas de los que debe tener en cuenta.
¿Cómo se determina la validez de una encuesta?
La validez se refiere a cuán razonable, preciso y justificable es un reclamo, conclusión o decisión. Dentro del contexto de la investigación de la encuesta, la validez es la respuesta a la pregunta: ¿esta investigación muestra lo que dice mostrar? Hay cuatro tipos de validez dentro de la investigación de encuestas.
- Validez estadística
La validez estadística es una evaluación de qué tan bien los números en un estudio respaldan las afirmaciones que se hacen. Supongamos que una encuesta dice que el 25% de las personas cree que la tierra es plana. Una evaluación de la validez estadística pregunta si ese 25% se basa en una muestra de 12 o 12,000.
No hay una sola forma de evaluar las afirmaciones de validez estadística. Para una encuesta o encuesta, los juicios de validez estadística pueden implicar observar el margen de error. Para los estudios que examinan la asociación entre múltiples variables o realizan un experimento, los juicios de validez estadística pueden implicar examinar el tamaño del efecto del estudio o la significación estadística. Independientemente de los detalles del estudio, la validez estadística se refiere a si lo que afirma la investigación es respaldado por los datos.
- Validez estadística
La validez de constructo es una evaluación de qué tan bien un equipo de investigación ha medido o manipulado las variables en su estudio. Las evaluaciones de la validez de construcción pueden variar desde un juicio subjetivo sobre si parecen preguntas que miden lo que se supone que deben medir a una evaluación matemática de qué tan bien se relacionan las diferentes preguntas o medidas entre sí.
¿Cómo se mide la validez de una encuesta?
Se deben considerar varios tipos diferentes de validez al diseñar y implementar instrumentos de investigación de encuestas.
La validez de constructo es la medida en que las encuestas desarrolladas a partir de una teoría realmente miden lo que dice la teoría que hacen. Por ejemplo, ¿en qué medida un cuestionario de IQ realmente mide la «inteligencia»?
La evidencia de validez de construcción implica el apoyo empírico y teórico para la interpretación de una construcción. Dicha evidencia incluye análisis estadísticos de la estructura interna de una encuesta, como las relaciones entre respuestas a diferentes elementos de la encuesta.
La validez convergente se refiere al grado en que se relacionan dos medidas que teóricamente están relacionadas. Por ejemplo, para mostrar la validez convergente de una prueba de habilidades matemáticas, los puntajes en la prueba pueden correlacionarse con los puntajes en otras pruebas que también están diseñadas para medir la capacidad matemática básica. Las altas correlaciones entre los puntajes de las pruebas serían evidencia de validez convergente.
Este es un tipo de validez no estadístico que implica el examen sistemático del contenido de la encuesta para determinar si cubre una muestra representativa del dominio de comportamiento a medir. Por ejemplo, ¿un cuestionario de IQ contiene elementos que cubren todas las áreas de inteligencia?
La evidencia de validez de contenido implica el grado en que el contenido de la encuesta coincide con un dominio de contenido asociado con la construcción. Por ejemplo, una encuesta sobre la capacidad de agregar dos números debe incluir una gama de combinaciones de dígitos. Una encuesta con solo números de un dígito, o solo números incluso, no tendría una buena cobertura del dominio de contenido.
¿Cómo se puede medir la validez?
No confunda este tipo de validez (a menudo llamada validez de prueba) con validez experimental, que se compone de validez interna y externa. La validez interna indica cuánta fe podemos tener en las declaraciones de causa y efecto que salen de nuestra investigación. La validez externa indica el nivel al que se generalizan los hallazgos.
La validez de la prueba obtiene su nombre del campo de la psicometría, que comenzó hace más de 100 años con la medición de la inteligencia frente al rendimiento escolar, utilizando esas pruebas estandarizadas que todos hemos crecido para detestar. Aunque rara vez usamos pruebas en la investigación de usuarios, utilizamos sus subproductos: cuestionarios, encuestas y métricas de prueba de usabilidad, como tasas de completación de tareas, tiempo transcurrido y errores.
Entonces, si bien hablamos en términos de validez de prueba como un concepto general, en la práctica está compuesto por tres partes componentes: validez de contenido, validez de criterios y validez de constructo.
Para determinar si su investigación tiene validez, debe considerar los tres tipos de validez utilizando el modelo tripartito desarrollado por Cronbach y Meehl en 1955, como se muestra en la Figura 1 a continuación.
Figura 1: La vista tripartita de la validez, que incluye la validez relacionada con el criterio, el contenido y la construcción.
La idea detrás de la validez del contenido es que las preguntas, administradas en una encuesta, cuestionario, prueba de usabilidad o grupo de enfoque provienen de un grupo más grande de contenido relevante. Por ejemplo, si está midiendo el vocabulario de los alumnos de tercer grado, su evaluación incluye un subconjunto de las palabras que los alumnos de tercer grado deben aprender.
¿Cómo se interpreta el coeficiente de Cronbach?
El alfa de Cronbach es una medida utilizada para evaluar la confiabilidad, o la consistencia interna, de un conjunto de elementos de escala o prueba. En otras palabras, la confiabilidad de cualquier medida dada se refiere a la medida en que es una medida consistente de un concepto, y el alfa de Cronbach es una forma de medir la fuerza de esa consistencia.
El alfa de Cronbach se calcula correlacionando la puntuación para cada elemento de escala con la puntuación total para cada observación (generalmente encuestados individuales o examinadores), y luego comparando eso con la varianza de todos los puntajes de ítems individuales:
Alternativamente, el alfa de Cronbach también se puede definir como:
$$ alpha = frac {k times bar {c}} { bar {v} + (k – 1) bar {c}} $$
El alfa de Cronbach es, por lo tanto, una función del número de elementos en una prueba, la covarianza promedio entre pares de elementos y la varianza de la puntuación total.
El coeficiente de confiabilidad resultante ( alpha ) varía de 0 a 1 al proporcionar esta evaluación general de la confiabilidad de una medida. Si todos los elementos de escala son completamente independientes entre sí (es decir, no están correlacionados o no comparten covarianza), entonces ( alpha ) = 0; y, si todos los elementos tienen altas covarianzas, entonces ( alpha ) se acercará 1 a medida que el número de elementos en la escala se acerca al infinito. En otras palabras, cuanto mayor sea el coeficiente ( alpha ), más los elementos han compartido covarianza y probablemente miden el mismo concepto subyacente.
Aunque los estándares de lo que hace un coeficiente «bueno» ( alpha ) son completamente arbitrarios y dependen de su conocimiento teórico de la escala en cuestión, muchos metodólogos recomiendan un coeficiente mínimo de ( alpha ) entre 0.65 y 0.8 (o más alto en muchos casos); Los coeficientes ( alpha ) que son menos de 0.5 suelen ser inaceptables, especialmente para que las escamas que pretendan ser unidimensionales (pero consulte la Sección III para obtener más información sobre la dimensionalidad).
¿Cómo se interpreta el coeficiente de confiabilidad?
Los coeficientes de confiabilidad miden la consistencia de una escala de medición. Es decir, responden a la pregunta: ¿qué tan consistente es la escala o el instrumento cuando se toman múltiples observaciones cuando la puntuación verdadera no cambia? El coeficiente de confiabilidad cuantifica la precisión del instrumento (precisión en el juicio repetido) y, por lo tanto, la confiabilidad de los puntajes.
Los coeficientes de confiabilidad son la relación de puntajes a puntajes más error.
Más teóricamente, son la verdadera varianza de puntaje a la varianza de puntaje observada. Pero en términos simples, es una estadística utilizada para expresar cuantitativamente (matemáticamente) la medida en que están relacionadas dos medidas/puntajes/variables y la dirección de esa relación.
La mejor medida de confiabilidad entre evaluadores disponibles para datos nominales es, la estadística de Kappa. Es decir, cuando desea ver la confiabilidad entre evaluadores, utiliza las estadísticas de Kappa de Cohen. Kappa es un acuerdo casual corregido entre dos evaluadores independientes en una variable nominal. La confiabilidad entre evaluadores es el grado de acuerdo entre dos observadores que han observado y registrado de forma independiente los comportamientos al mismo tiempo. Las estadísticas de Kappa varían de 1 a -1, siendo 1 un acuerdo perfecto, y 0 es lo que podríamos esperar por casualidad y un kappa negativo significa que el nivel de acuerdo observado es menor de lo que esperaría por casualidad.
Por ejemplo, si estamos interesados en analizar el trastorno psiquiátrico en los pacientes, es posible que queramos que dos médicos miren a los pacientes para tener una mejor confiabilidad del diagnóstico. Supongamos que encontramos el análisis a continuación:
El acuerdo observado entre los dos médicos se calcula como la suma de la diagonal/total.
¿Qué mide el coeficiente alfa de Cronbach?
Veamos ahora paso a paso todo lo que necesita hacer para llegar al cálculo de la fórmula.
Para evaluar la confiabilidad de las variables individuales, en primer lugar, debe ver si se correlacionan bien entre sí. Si no recuerda cómo calcular el coeficiente de correlación lineal de Pearsonnon, le preocupa, porque encuentra todo en mi artículo específico.
Si quieres dar una revisión rápida de ello, te dejo mi video en el que lo explico clara y simple a través de una metáfora estadística.
Es importante que todas las correlaciones tengan el mismo verso, no importa si todas positivas o todo negativo. Si hay correlaciones con un signo opuesto, entonces debe tomar el valor absoluto del mismo o cambiar los signos a los valores de los sujetos individuales para aquellas variables que tienen este problema.
El promedio de las correlaciones le servirá para la fórmula final.
Ahora tiene todos los elementos que necesita para calcular el Cronbach Alpha, cuya fórmula es:
- K = número de elementos
- R-medio = es el promedio de las correlaciones calculadas en el punto 2
¡Excepción! Tenga cuidado, porque si las preguntas no son cuantitativas, sino dicotómicas cualitativas (solo puede haber la dicotómica), entonces la fórmula cambia:
- K = número de elementos
- R-medio = es el promedio de las correlaciones calculadas en el punto 2
¿Cómo sacar la validez y fiabilidad de una encuesta?
La fiabilidad y la validez son conceptos utilizados para evaluar la calidad de la investigación. La fiabilidad refleja la medida en que los resultados de la investigación se pueden reproducir cuando se repiten en las mismas condiciones. La validez refleja la medida en que los resultados de una investigación miden lo que el estudio debía medir.
A menudo es una tarea bastante tediosa obtener evaluaciones precisas, confiables y válidas de la opinión pública. Al crear encuestas utilizando el software de la encuesta, es importante comprender las relaciones sutiles entre las preguntas y cómo estas relaciones pueden influir en cómo las preguntas perciben las preguntas. También es importante tener una comprensión de las técnicas utilizando las cuales se pueden producir preguntas para ser confiables y válidas.
En esta pieza, vamos a explorar los diversos conceptos y métodos que uno debe tener en cuenta al diseñar cuestionarios de opinión pública para garantizar que sean confiables y válidos.
La literatura psicométrica describe dos tipos clave de confiabilidad, cada uno con un tipo diferente de consistencia en las respuestas:
- Consistencia en la respuesta con el tiempo
- Consistencia en responder a preguntas similares
La consistencia en la respuesta a través del tiempo, también conocida como confiabilidad Test-Retest, se evalúa observando el grado de asociación entre respuestas en dos puntos de tiempo diferentes. Si se les hace a los encuestados la misma pregunta en diferentes puntos de tiempo y la correlación es 0.9, eso indicaría la estabilidad temporal y refleja que la encuesta tiene una buena confiabilidad de prueba.
¿Qué es la fiabilidad en una encuesta?
Puede preguntarse o encontrar a otros preguntándole sobre la «confiabilidad» o «validez» de los datos que salen de las encuestas de los empleados. No es raro que esas dos palabras se usen indistintamente. Pero en el campo de la investigación de datos, los dos están lejos de ser sinónimos.
Porque en la mayoría de los casos, el abastecimiento y la contratación de un socio de la encuesta, o la creación e implementación de la encuesta de bricolaje, cae a HR.
Asegurarse de que esté trabajando con una encuesta demostrablemente válida y confiable le brindará el tipo de datos que puede decir con confianza a los demás, de hecho es confiable. Conocer la diferencia entre la validez de la encuesta y la confiabilidad también brinda claridad sobre por qué agregar o modificar preguntas y redacción, flujo y formato de una encuesta a la siguiente puede tener consecuencias.
Hay muchos componentes involucrados en el diseño de la encuesta que contribuyen a datos de alta (o baja) calidad. El tiempo y el esfuerzo que se necesita para que los encuestados completen una encuesta, el número de puntos en la escala de calificación, el fraseo de puntos, el orden de las preguntas y el diseño son solo un comienzo.
La validez se refiere a la precisión de su encuesta. Depende de hacer preguntas que realmente midan lo que se supone que se debe medir. Por ejemplo, ¿en qué medida una encuesta de participación de los empleados que realmente mide el compromiso?
La confiabilidad, por otro lado, se preocupa por la consistencia o el grado en que las preguntas utilizadas en una encuesta provocan el mismo tipo de información cada vez que se les hace. Esto es particularmente importante cuando se trata de rastrear y comparar resultados con encuestas internas pasadas y puntos de referencia de fuentes externas. Los cambios en la redacción o la estructura pueden dar lugar a diferentes respuestas.
¿Qué es la fiabilidad y validez de un test?
La transformación de los procedimientos y técnicas psicodiagnósticas en una herramienta confiable de la ciencia y la práctica depende de los esfuerzos de muchos especialistas en los debuts psicométricos, que planifican pruebas que cumplan con los requisitos psicométricos básicos: confiabilidad, validez, estandarización. Los principios básicos de control y determinación de confiabilidad, diseño y validación de métodos psicodiagnósticos se tratan en numerosos trabajos especiales sobre psicodiagnósticos (A. anastasi, A. Bodalsi, V. Stolin, A. Shmelev, K. Guevich, V. Melnikov, etc. .). En este tutorial describiremos los conceptos y principios básicos para realizar un examen psicodiagnóstico, cuyo conocimiento es una condición indispensable para la calificación profesional de un psicólogo práctico.
el área disciplinaria de la psicología que estudia estos fenómenos mentales;
Psicometría: la ciencia de la medición de diferencias individuales y variables de diagnóstico;
Uso práctico del conocimiento psicológico para un impacto psicológico y asistencia adecuados para las personas para resolver sus problemas.
La base metodológica de los psicodiagnósticos es la psicometría. Es esta ciencia la que desarrolla tecnología para crear métodos psicodiagnósticos específicos y determina la metodología para garantizarles requisitos científicos:
Confiabilidad: coherencia interna de las partes de la prueba y la reproducibilidad de los resultados durante las pruebas repetidas;
¿Cómo validar un instrumento con el Alfa de Cronbach?
Muchos, pero no todos, de los documentos encontrados que citan valores alfa en los volúmenes de 2015 de cuatro revistas de educación científica (IJSE, JRST, RISE, SE) ofrecieron interpretaciones cualitativas de la importancia de los valores calculados en relación con lo que se estaba midiendo ( que, como se discutió anteriormente, generalmente se consideraba como una forma de confiabilidad o consistencia interna). Algunos documentos también ofrecieron indicaciones de que Alpha tenía un umbral o corte como un nivel aceptable, suficiente o satisfactorio. Esto normalmente se vio como ≥0.70 (cinco instancias) o> 0.70 (tres instancias), aunque un artículo se refería más vagamente a «los valores aceptables de 0.7 o 0.6» (Griethuijsen et al., 2014).
Los autores utilizaron una amplia gama de diferentes descriptores cualitativos para interpretar los valores alfa calculados. Estos descriptores se informan aquí (y se representan gráficamente en la Fig. 1) con el rango (excepto donde un descriptor solo se aplicó a un valor único en la muestra) que representan los valores más altos y más bajos etiquetados de esa manera en los artículos encuestados. So, alpha values were described as excellent (0.93–0.94), strong (0.91–0.93), reliable (0.84–0.90), robust (0.81), fairly high (0.76–0.95), high (0.73–0.95), good ( 0.71–0.91), relativamente alto (0.70–0.77), ligeramente bajo (0.68), razonable (0.67–0.87), adecuado (0.64–0.85), moderado (0.61–0.65), satisfactorio (0.58–0.97), aceptable (0.45 –0.98), suficiente (0.45–0.96), no satisfactorio (0.4–0.55) y bajo (0.11). La Figura 1 ofrece una indicación visual de la amplia gama de valores etiquetados por algunos de estos descriptores (por ejemplo, aceptables, suficientes) en los estudios muestreados. Esta lista diversa de términos sugiere que no hay un consenso claro sobre las etiquetas más apropiadas para usar para describir los valores obtenidos al calcular el alfa. La Figura 1 también sugiere que no hay una jerarquía clara dentro del rango de términos (por ejemplo, altas cf. bastante altas; no se superpone satisfactoria con suficiente y aceptable) usado en diferentes académicos, por lo que la terminología parece ser algo arbitraria.
Descriptores cualitativos utilizados para valores/rangos de valores del alfa de Cronbach reportados en documentos en las principales revistas de educación científica
La noción común de que haya un umbral de aceptabilidad para los valores alfa, aunque solo sea como regla general (Plummer y Tanis Ozcelik, 2015), no siempre se consideraba que los valores más bajos de alfa deben tomarse como indicando un instrumento insatisfactorio. Griethuijsen et al. (2014) informaron un estudio internacional que analiza los intereses de los estudiantes en la ciencia donde «varios de los valores calculados para el alfa de Cronbach están por debajo de los valores aceptables de 0.7 o 0.6» (p.588). Por ejemplo, un factor de «interés en la ciencia escolar» se basó en un subconjunto de cinco elementos de cuestionario con el alfa de Cronbach de 0.502 (p.589), y el factor «interés en las actividades nacionales» se basó en un subconjunto de tres ítems con alfa de 0.446 (p.590). Los autores justificaron continuar con su análisis utilizando los datos recopilados en estas administraciones argumentando que «aumentar ligeramente el número de elementos conduciría a valores aceptables para el alfa de Cronbach» (p.589).
Se podrían citar muchos ejemplos de estudios donde el alfa de Cronbach se usa para caracterizar cuestionarios destinados a medir las características en el dominio afectivo (actitud, motivación y similares). Aquí se presentan ejemplos que se han seleccionado para ilustrar algunas características clave del uso de esta estadística en investigación en educación científica.
¿Cómo validar un instrumento a través de Alfa de Cronbach?
Cronbach Alpha es el índice de consistencia interna más generalizado en ciencias de la educación. El propósito de este artículo es evaluar el rendimiento de seis estimaciones de consistencia interna de un estudio de simulación. La simulación se relaciona con el alfa de Cronbach, Lambda-2, Lambda-4 y Lambda-6 de Guttman, el límite inferior más grande y el Omega. Cuarenta y cinco escenarios han sido definidos por el tamaño de la muestra, el número de elementos y el valor de los coeficientes de saturación de fábrica. Los resultados sugieren que, en caso de que el instrumento tenga cinco elementos, el estimador a favor es Omega. En otros casos, sería el límite inferior alto. Alpha y Lambda-2 son sistemáticamente los dos estimadores que más subestiman el valor de la consistencia interna y deben evitarse. Lambda-6 sería el mejor estimador ofrecido por SPSS. En general, este estudio ofrece una racional empírica para un cambio en la práctica en la educación en educación.
Según la teoría de la prueba clásica, la puntuación total con una prueba (x) nunca representa la puntuación verdadera (v, la cantidad exacta que intentamos medir) y siempre está influenciada por una parte del error de medición (ε, Streiner, 2003) :
El error se divide en dos componentes: el error aleatorio, distribuido normalmente y cuyo promedio es 0, y el error sistemático, cuya distribución es asimétrica y cuyo promedio difiere 0. Si el error aleatorio no introduce un sesgo sistemático en la medida. El error sistemático, cuando difiere de 0, se asegurará de que la puntuación observada sobreestimará o subestimará sistemáticamente la puntuación verdadera.
Los estimadores de lealtad permiten estimar cómo la puntuación observada está cerca de la puntuación verdadera. Por ejemplo, los índices de consistencia interna como Cronbach Alpha son medidas de lealtad que se refieren al grado en que los ítems miden el mismo concepto (Cronbach, 1951). En educación en educación, el coeficiente alfa es actualmente el más utilizado para evaluar la consistencia interna de los puntajes a una prueba (Cho, 2016; Sijtsma, 2009a). Su omnipresencia en los escritos científicos, en particular en la educación, es algo sorprendente ya que este índice no parece constituir el mejor estimador de la fidelidad real, una situación que se conocería desde al menos el final de los setenta (Callender y Osburn, 1979; Sijtsma, 2009a).
¿Cómo se realiza la validacion de un instrumento?
La validación o validación del proceso representa no solo la demostración sustancial, sino también la de su capacidad formal, dentro de ciertos parámetros, para proporcionar resultados reproducibles que cumplan con los requisitos previamente especificados.
En primer lugar, dentro de la ruta de validación de un proceso, se define el procedimiento general relacionado con las actividades de validación, la calificación y la gestión controlada de los cambios. Luego, procedemos con la programación de actividades de validación, con la descripción y análisis de los procesos, identificación, análisis y evaluación de los riesgos y finalmente con la planificación y la realización de la validación del proceso.
Para que cada proceso sea validado, la Compañía debe definir un plan de validación (plan de validación). La planificación y la realización del desafío del proceso tiene lugar por fases. En primer lugar, se definen los resultados esperados para el proceso, después de lo cual se identifican los componentes críticos del proceso y se definen los requisitos/servicios esperados relativos, finalmente procedemos con la calificación de estos componentes críticos.
Podemos definir la calificación como el testimonio, respaldado por pruebas objetivas, de la capacidad de un elemento de un proceso/sistema (local, equipo, material, etc.) para proporcionar actuaciones compatibles con los estándares previamente establecidos.
Todos los elementos de los procesos/sistemas previamente identificados como «críticos», es decir, con una contribución significativa sobre la calidad de los resultados previstos para ellos, deben estar calificados (locales/áreas, equipos, materiales, operadores) o validados (sistemas de gestión computarizados, métodos).
Artículos Relacionados:
