科研Labs › Gwet's AC1 一致性
Gwet's AC1 评分者一致性
两名评分者对同一批对象做分类时，Kappa 在类别极不均衡时会出现「一致率很高、κ 却很低」的悖论。 Gwet's AC1 通过更合理的期望一致度估计避免这一问题，结果更稳健。本工具同时给出 AC1 与 Cohen κ 以便对比（自助法 95%CI）。浏览器本地计算，数据不上传。
① 粘贴配对评分
每行一个对象，两列分别为评分者1、评分者2 的类别（可为文字或数字，用空格/Tab/逗号分隔）。
使用说明与方法学
AC1 和 Kappa 怎么选？
都衡量评分者间一致性。当某一类别占比很高（不均衡）时，Kappa 会被『期望一致度』压低，出现一致率高但 κ 低的悖论；Gwet AC1 用更稳健的期望一致度，避免该问题，近年被越来越多地推荐。两者一并报告、并说明数据均衡情况最稳妥。
什么是 Kappa 悖论？
当绝大多数对象都属于同一类别时，即使两人高度一致，Cohen κ 也可能很低甚至接近 0，因为期望一致度被高估。这会误导读者以为一致性差。AC1 正是为解决此问题设计。
类别可以是文字吗？
可以。两列填同一套类别标签（如 阳性/阴性、0/1/2、轻/中/重）即可，工具会自动识别类别集合并建表。
三个及以上评分者怎么办？
Cohen κ 与 AC1（本工具）针对两名评分者。三名及以上的名义分类一致性请用 Fleiss Kappa 工具。