اینستاگرام کالج مدیریت را دنبال کنید
/ در پایان نامه / توسط
آخرین زمان ویرایش:

مقیاس لیکرت

زمان مطالعه: ۷ دقیقه

طراحی و تحلیل مقیاس های لیکرت

مقیاس لیکرت ، یک مقیاس رتبه بندی است که برای ارزیابی نظرات، نگرش ها یا رفتارها استفاده می شود. مقیاس های لیکرت در تحقیقات پیمایشی محبوب هستند زیرا به شما امکان می دهند ویژگی های شخصیتی یا ادراکات را به راحتی عملیاتی کنید.

برای جمع آوری داده ها، شما با شرکت کنندگان سوالات یا جملاتی از نوع Likert و پیوسته پاسخ های ممکن، معمولاً با ۵ یا ۷ مورد را ارائه می دهید. به هر مورد نمره عددی داده می شود تا داده ها بتوانند کمی تجزیه و تحلیل شوند.

می توانید تحقیقات کمی را هم مطالعه کنید.

 

طراحی سوالات از نوع Likert

مقیاس لیکرت از ۴ سوال یا بیشتر تشکیل شده است که هنگام ترکیب نمرات پاسخ، نگرش یا صفت واحدی را ارزیابی می کنند. هر سوال ممکن است یک جزء جداگانه از آن مبحث کلی را اندازه گیری کند.

به عنوان مثال، اگر می خواهید نگرش نسبت به رفتارهای دوستدار محیط زیست ارزیابی کنید، می توانید مقیاس لیکرت را با سوالات متنوعی طراحی کنید که جنبه های مختلف این موضوع را اندازه گیری کند.

عبارات به صورت س questionsال در مقابل عبارات

هر دو عبارت و سوال اغلب در مقیاس های لیکرت استفاده می شوند. استفاده از ترکیبی از هر دو می تواند شرکت کنندگان شما را درگیر نظرسنجی و توجه کند.

هنگام تصمیم گیری در مورد نحوه بیان سوالات و گفته ها، اطمینان حاصل کنید که آن ها به راحتی قابل درک هستند و پاسخ دهندگان شما را به طریقی یا دیگری مغرضانه نمی کنند.

کادربندی مثبت و منفی

در سوالات خود از هر دو قاب مثبت و منفی استفاده کنید. اگر همه سوالات شما فقط در مورد مسائل از طرق مطلوب اجتماعی باشد، ممکن است شرکت کنندگان شما نسبت به توافق با همه آن ها تعصب داشته باشند تا خود را از منظر مثبت نشان دهند.

پاسخ دهندگانی که با گفته اول موافق هستند نیز باید با جمله دوم مخالف باشند. با قرار دادن هر دو این عبارات در یک نظرسنجی طولانی، می توانید بررسی کنید که آیا پاسخ شرکت کنندگان قابل اعتماد و سازگار است.

از موارد منفی مضاعف خودداری کنید

منفی مضاعف می تواند منجر به سردرگمی و سوء تعبیر شود زیرا پاسخ دهندگان از آنچه با آن توافق می کنند مطمئن نیستند.

هر بار فقط در مورد یک چیز بپرسید

اگر از سوالات دو بار استفاده می کنید، پاسخ دهندگان شما ممکن است به طور انتخابی در مورد یک موضوع پاسخ دهند اما موضوع دیگر را نادیده بگیرند، یا سعی کنند پاسخی خنثی اما نادرست انتخاب کنند.

 

انتخاب موارد پاسخ

مقیاس های لیکرت معمولاً ۵ یا ۷ مورد دارند و موارد موجود در هر انتها را لنگر پاسخ می نامند. نقطه میانی اغلب یک آیتم خنثی است که از یک طرف موارد مثبت و از طرف دیگر موارد منفی دارد. به هر مورد نمره ۱-۵ یا ۱-۷ داده می شود.

تعداد موارد

موارد بیشتر بینش عمیق تری به شما می دهند اما تصمیم گیری در مورد پاسخ برای شرکت کنندگان دشوارتر است زیرا گزینه های بیشتری وجود دارد. موارد کمتری به این معنی است که شما جزئیات کمتری را ضبط می کنید، اما مقیاس کاربرپسندتر است.

انواع اقلام

می توانید طیف وسیعی از ادراکات، انگیزه ها و اهداف را با استفاده از مقیاس های لیکرت اندازه گیری کنید.
برخی از متداول ترین انواع موارد عبارتند از:

. موافقت: کاملاً موافقم، موافقم، نه موافقم و نه مخالف، مخالفم، کاملاً مخالفم
. کیفیت: بسیار ضعیف، ضعیف، منصفانه، خوب، عالی
. احتمال: به هیچ وجه محتمل نیست، تا حدودی احتمالاً، بسیار محتمل است
. تجربه: بسیار منفی، تا حدودی منفی، خنثی، تا حدودی مثبت، بسیار مثبت

موارد تک قطبی در مقابل موارد دو قطبی

در مقیاس تک قطبی، شما فقط یک ویژگی (به عنوان مثال رضایت) را اندازه می گیرید، اما در مقیاس دو قطبی، دو ویژگی (به عنوان مثال رضایت یا عدم رضایت) را روی یک پیوستار اندازه می گیرید.

انتخاب شما به سوالات و اهداف تحقیق شما بستگی دارد. اگر می خواهید جزئیات دقیق تری درباره یک ویژگی داشته باشید، موارد تک قطبی را انتخاب کنید. اگر می خواهید دامنه وسیع تری از پاسخ را بدهید، موارد دو قطبی را انتخاب کنید.

از موارد منحصر به فرد استفاده کنید

از همپوشانی موارد جلوگیری کنید. اگر دو مورد معنای مشابهی داشته باشند، انتخاب پاسخ دهنده شما را تصادفی می کند.

 

مقیاس لیکرت

مقیاس لیکرت – کالج مدیریت

 

تجزیه و تحلیل داده های مقیاس لیکرت

قبل از اینکه داده های مربوط به سوالات از نوع Likert و مقیاس های Likert را تحلیل کنید، مهم است که در نظر بگیرید که با کدام نوع سرو کار دارید.

داده های سطح عادی و عادی

داده های شما را می توان به این دو نوع مختلف تقسیم کرد زیرا با روش های تجزیه و تحلیل جداگانه ای در ارتباط است.

. داده های سوالات فردی از نوع لیکرت به عنوان سطح ترتیبی رفتار می شود.
. داده ها از مقیاس کلی لیکرت به عنوان سطح فاصله رفتار می شوند.

در مقیاس های ترتیبی، هر مورد دارای رتبه ای است که بالاتر یا پایین تر از موارد دیگر است، اما تفاوت های دقیق بین موارد به طور مساوی فاصله ندارند یا به وضوح مشخص نشده اند.

به عنوان مثال، نمی توانید مطمئن باشید که تفاوت بین “بسیار ضعیف” و “فقیر” همان تفاوت بین “خوب” و “عالی” است.

مقیاس های فاصله نیز ترتیب واضحی دارند اما تفاوت بین هر نقطه به طور مساوی فاصله دارد. به عنوان مثال، مقیاس های درجه بندی غیر لیکرت از ۱ تا ۱۰ می توانند فرض کنند که اختلاف بین ۲ و ۴ همان تفاوت ۵ و ۷ است.

به طور کلی داده های مقیاس لیکرت غالباً به عنوان فاصله در نظر گرفته می شوند زیرا یک امتیاز ترکیبی است که از افزودن پاسخ به ۴ سوال یا بیشتر حاصل می شود.

آمار توصیفی

می توانید از آمار توصیفی برای جمع بندی داده های جمع آوری شده به صورت ساده عددی یا تصویری استفاده کنید.

سوالات از نوع Likert را می توان به صورت جداگانه برای بینش عمیق تر در ویژگی های خاص تجزیه و تحلیل کرد.

اگر سوالات همه در هنگام ترکیب، یک ویژگی یا نگرش واحد را اندازه گیری کنند، می توان آن ها را نیز در یک گروه قرار داد و به عنوان مقیاس لیکرت تحلیل کرد. می توانید پاسخ هر سوال را به صورت عددی رمزگذاری کنید و سپس اعداد را جمع کنید تا یک امتیاز کلی نگرش برای هر شرکت کننده بدست آورید.

آمار استنباطی

شما می توانید از آمار استنباطی برای آزمایش فرضیه ها، مانند همبستگی بین پاسخ ها یا الگوهای مختلف در کل مجموعه داده استفاده کنید.

این که آیا شما با داده های خود بصورت ترتیبی رفتار می کنید یا فاصله زمانی، بر انتخاب شما از آزمون آماری پارامتری یا غیر پارامتری تأثیر می گذارد. آزمون های پارامتریک فرضیه های دقیق تری مانند حتی فاصله داده ها را نسبت به آزمون های غیر پارامتری ایجاد می کنند.

. برای داده های ترتیبی (سوالات فردی در مقیاس لیکرت)، از آزمون های غیر پارامتری مانند همبستگی Spearman یا آزمون مجذور کای برای استقلال استفاده کنید.
. برای داده های بازه ای (نمره کلی مقیاس لیکرت)، از آزمون های پارامتریک مانند همبستگی پیرسون یا آزمون t استفاده کنید.

 

نقاط قوت و محدودیت های مقیاس های لیکرت

مقیاس های لیکرت روشی عملی و در دسترس برای جمع آوری داده ها هستند.

< کمی: مقیاس های لیکرت با تجزیه موضوعات انتزاعی به مشاهدات قابل ضبط، پدیده های پیچیده را به راحتی عملیاتی می کنند. این آزمایش آماری فرضیه ها را امکان پذیر می کند.
< ریز دانه: از آنجا که سوالات از نوع Likert باینری نیستند (بله / خیر، درست / غلط و غیره)، می توانید اطلاعات مفصلی در مورد ادراکات، نظرات و رفتارها کسب کنید
< کاربرپسند: بر خلاف سوالات باز، مقیاس های Likert بسته نیستند و از پاسخ دهندگان برای تولید ایده یا توجیه نظرات خود نمی پرسند. این امر باعث می شود تا پاسخ دهندگان سریع پر شوند و به راحتی می توانند داده های نمونه های بزرگ را بدست آورند.

مشکلات مقیاس های لیکرت اغلب از انتخاب های نامناسب طراحی ناشی می شود.

< سوگیری پاسخ: به دلیل تعصب مطلوبیت اجتماعی، مردم اغلب از انتخاب موارد شدید یا مخالفت با اظهارات خودداری می کنند تا “طبیعی تر” به نظر برسند یا خود را از نظر مطلوب نشان دهند.
< خستگی / عدم توجه: در مقیاس های لیکرت با سوالات زیادی، پاسخ دهندگان می توانند خسته شده و علاقه خود را از دست دهند. آن ها ممکن است بدون توجه به احساسات واقعی خود پاسخ ها را انتخاب کنند. این منجر به پاسخ های نامعتبر می شود.
< تفسیر ذهنی: برخی از موارد می توانند مبهم باشند و پاسخ دهندگان بسیار متفاوت تفسیر شوند. کلماتی مانند “تا حدودی” یا “منصفانه” تعریفی دقیق یا دقیق ندارند.
< انتخاب محدود: از آنجا که سوالات از نوع لیکرت بسته هستند، پاسخ دهندگان گاهی اوقات مجبور هستند که مناسب ترین پاسخ را انتخاب کنند حتی اگر ممکن است واقعیت را به درستی منعکس نکند.

ادمین

حدود 6 سالی هست که در زمینه آموزش رشته مدیریت به صورت تخصصی فعالیت می کند و علاقه زیادی به کسب تجربه در زمینه بازاریابی اینترنتی و تجارت الکترونیک دارد، یک کارآفرین خستگی ناپذیر است و با انرژی حیرت انگیزی تمام قسمت های کالج مدیریت را توسعه می دهد، به سبک حرفه ای و انحصاری خود زندگی می کند و خط فکری خاصی را همیشه دنبال می کند، او رفتار هایی کاملا متفاوت نسبت به سایر مدیرانی که تا به حال دیده اید دارد...

نوشته های مشابه

روش نمونه گیری

مقدمه ای بر روش های نمونه گیری روش نمونه گیری ، وقتی درباره گروهی از افراد تحقیق می کنید، به…

آزمایش را طراحی کنید

راهنمای طراحی آزمایشی آزمایش را طراحی کنید ، آزمایش نوعی روش تحقیق است که در آن شما یک یا چند…