摘要： 文章介绍了在 ItemStudy 中添加了 reverse item 但仍为非线性，给出了相关链接和代码更新。提到对 xy 轴 pivot 尝试非线性相关，展示了 reverse 前后的结果图片。讨论认为区别不大，参数略变，绝对值大相关高，可能是语义“范围”问题，相似度高但相关性负很多的例子中套话结构占空间，被测变量内在相关性也有影响，还指出 item 的 reverse 是对被测变量而言的方向，并非语义方向。

摘要： 本文通过计算语义相似度和项目相关性，并进行回归分析，发现两者存在显著正相关。作者使用网上收集的 Cattell 16 种人格因素测试的数据进行了初步测试，后续还将处理其他数据集并进行合并。

摘要： 使用 Python 调用 OpenAI 库计算 Embedding，为后续设计 item 合并算法作实践基础准备，并通过计算余弦相似度判断字符串的相似性。

摘要： 计算 Cronbach's alpha 可衡量量表项内部一致性，其取值范围是 0 到 1，值越高表示一致性越好。具体公式为：alpha = k / (k - 1) * (1 - sum(sig_i^2) / sum(sig_T^2))，其中 k 是量表项数，sig_i^2 是每个项的方差，sig_T^2 是所有项分数总和的方差。

摘要： 这份笔记初步总结了《社会心理学》的内容，版权归香港浸会大学所有，可用于学习交流。