1) Jak uvádí McNeish (2017), Cronbachova vnitřní konzistence patří stále mezi nejpoužívanější ukazetele reliability ve výzkumných studiích. Potíž je v tom, že někteří výzkumníci používají tento ukazatel i v případě, kdy jsou porušeny předpoklady použití. Stejně tak Cho (2016) ve své studii uvádí, že používání Cronbachovy alfy jako ukazatele reliability, je přeceňováno, a to zejména pro její popularitu a "všeobecnou" známost.


Co je reliabilita a jak ji chápou výzkumníci? V rámci CTT je reliabilita založena na míře paralelnosti testů. V ideálním případě by paralelní testy byly takové, kde by byl pravý skór měření ve všech testech a pro každý měřený subjekt stejný, stejně tak by rozptyl pravých skórů byl v obou testech stejný a chybový rozptyl by byl v obou testech a pro každý subjekt stejný. To však není možné v psychologii zajistit (příliš striktní), z toho důvodu počítáme spíše s určitou mírou paralelnosti - kongenerické, tau-ekvivalentní, paralelní a striktně paralelní položky. 

2) Myslím si, že obtíže prezentované v článcích je důležité řešit. Jak například uvádí Chou (2016), ve zkoumaných studiích naprostá většina studií nezkoumala tau-ekvivalenci (což je jedním z předpokladů použití Cronbachovy alfy). Zásadním problémem tedy je, že výzkumníci používají Cronbachovu alfu i bez zvážení toho, do jaké míry byly naplněny její předpoklady, což vede k chybným závěrům a interpretacím.

3) Na základě četby literatury si myslím, že by bylo vhodné sjednotit názvosloví, pro větší jasnost. Například Cho (2016) navrhuje, aby byla Cronbachova alfa přejmenována na tau-ekvivalentní reliabilitu, díky čemuž by bylo jasné, že musí být tento předpoklad splněn a zároveň by to "navádělo" k tomu, kdy tuto reliabilitu použít. V souvislosti s "problematickým" vymezením názvosloví také Cho (2016) uvádí, že Flanagan–Rulon formula a Guttman’s l4 jsou vlastně totéž (jen se jedná o jiné pojmenování, takže by to bylo stejně tak dobré sjednotit). Dalším řešením by bylo také používat jiné (podobné) alternativy Cronbachovy alfy, jak uvádí McNeish (2017) - jedná se například o omega koeficienty, koeficient H a "Greatest Lower Bound". Pro použití jsou výhodné z toho důvodu, že nemají tak striktní předpoklady jako Cronbachova alfa a jsou jí podobné.