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： 作者认为知识分享写作的“新”在于用旧观点审视新情境，提供新观点并加以检验，同时兼顾“提问题”和“教科书”的写法，为读者提供论证结构完整的答案和扩展空间。

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： ItemStudy 新增利用大语言模型判断，因之前语义判断有问题且不能用 ReverseItem 作判断，现调用大语言模型判断 item 对语义是否相反，将语义相反的 item 对 similarity 取负。在特定模型下选取两端测试，正 correlation 区在现有样例中全部维持原判，负 correlation 区误判率约 0.325。此方法不能很好解决负 correlation 问题，需进一步研究。

摘要： 这篇周报主要介绍了大语言模型及其数据准备、内容和网站的相关工作。大语言模型方面，已完成私有部署和优化，并新增了 DeepSeek 模型。内容方面，已部署 rss 心理学订阅，获取了一批新量表。网站方面，构思了优化量表导入 json 的计划。