κ 把原始一致率里的偶然成分扣掉。公式、.61-.80 甜点区与患病率悖论。
Cohen's κ = （观察一致率 − 偶然一致率）÷（1 − 偶然一致率）。它回答的是：我的评分人比抛硬币更一致吗？
κ = (po − pe)/(1 − pe)，po 为观察一致率，pe 为期望偶然一致率。
初筛卷与专家组的判定 90% 相同，但专家组 85% 的标签都压在同一侧——κ 只有 .41，高一致率是假象。
两个评分人、两类别（或少量有序类别）、中小样本：及格线判定、风险标记、标注质检。
悖论在于：标签越偏斜，κ 越容易崩而一致率越高。两个都报；严重偏斜时改用 PABAK 或 Gwet's AC。
.61-.80 为实质一致，.81 以上几乎完美；低于 .60 且标签偏斜时，先查基率再怪评分人。
一致率讨好，κ 保守。两个都报，并附 n 与标签分布。
把概念变成在线评估：Cohen's κ 系数
浏览模板 →