انواع زیادی از مقیاس‌ها طراحی شده‌اند تا کیفیت چیزی را بررسی کنند. اما وقتی می‌خواهید نظر عمومی را در مورد چیزی بدست آورید، چطور است؟ آیا یک کسب و کاری هستید که نظرات مشتریان را مورد سنجش قرار می‌دهد یا یک محقق بازار که می‌خواهد مردم را مورد مطالعه قرار دهد؟ یکی از روش‌های معمول برای پرسشنامه آنلاین از طریق استفاده از مقیاس لیکرت است.
تعریف مقیاس لیکرت: تاریخچه و کاربرد
مقیاس لیکرت چیست و چگونه باید از آن استفاده کرد؟ ابتدا، مقیاس لیکرت نام‌گذاری شده است به افتخار دانشمند اجتماعی آمریکایی «رنسیس لیکرت». لیکرت در سال ۱۹۳۲ روشی روان‌سنجی را برای انجام تحقیقات اجتماعی و آموزشی ابداع کرد. امروزه، مقیاس‌های نوع لیکرت به عنوان یکی از بهترین ابزارهای نظرسنجی برای تحقیق در مورد عقاید عمومی محسوب می‌شوند. بنابراین، آن‌ها اغلب برای پرسشنامه آنلاین رضایت مشتریان یا تحقیقات بازاریابی استفاده می‌شوند.
در مقیاس لیکرت، شخص یک گزینه را از بین چندین گزینه انتخاب می‌کند که نشان‌دهنده میزان موافقت او با یک بیانیه است. به عبارت دیگر، این مقیاس به طور عمومی از پنج یا هفت پاسخ متوازن تشکیل شده است که افراد می‌توانند از آن‌ها انتخاب کنند، با یک نقطه میانی نیوترال. با این حال، ممکن است تعداد پاسخ‌ها به عنوان دو پاسخ (بدون پاسخ نیوترال) یا تا ده پاسخ باشد. اکنون، استفاده از این مقیاس‌ها وقتی که می‌خواهند ارزیابی کنند میزان رضایت مشتری در یک تجربه اخیر، بسیار رایج است.
در ادامه، شما مثال‌های زیادی از مقیاس‌های پرسشنامه آنلاین لیکرت خواهید دید. با این حال، برای اطمینان از اینکه با یکدیگر در یک صفحه هستیم، در اینجا یک سوال معمولی با ۵ امتیاز آورده شده است:
یوچک به مشتریان خود پشتیبانی با کیفیت ارائه می‌دهد:
- کاملاً مخالف
- کمی مخالف
- هم موافق و هم مخالف
- کمی موافق
- کاملاً موافق
آیا مقیاس‌های لیکرت مرتبه‌ای یا فاصله‌ای هستند؟
تقریباً همه موافقند که مقیاس امتیازدهی لیکرت داده‌های مرتبه‌ای فراهم می‌کند (داده‌هایی که بر اساس یک مقیاس اندازه‌گیری می‌شوند، اما فواصل بین هر نقطه نامعلوم هستند). با این حال، بسیاری اعتقاد دارند که این مقیاس همچنین داده‌های فاصله‌ای فراهم می‌کند (داده‌هایی که بر اساس یک مقیاس اندازه‌گیری می‌شوند، با فواصل مساوی از یکدیگر قرار دارند).
در اینجا آنچه ما فکر می‌کنیم است: مقیاس‌های پرسشنامه آنلاین لیکرت داده‌های مرتبه‌ای فراهم می‌کنند، زیرا نتایج به طور طبیعی نمایانگر ترجیحات شخصی هستند. به عنوان مثال، می‌دانیم که یک امتیاز ۴ بهتر از یک امتیاز ۳ است. با این حال، این داده‌ها داده‌های فاصله‌ای نیستند زیرا ما دقیقاً نمی‌دانیم چه چیزی یک امتیاز ۴ را نسبت به یک امتیاز ۳ در ذهن شخصی تشکیل می‌دهد.
گفته شده است، وقتی یک پرسشنامه آنلاین دارای تعداد کافی سوالات است، بسیاری از محققان از داده‌ها برای به دست آوردن میانگین‌های قابل اعتماد استفاده می‌کنند. این به این معناست که مقیاس‌های لیکرت به تعریف داده‌های فاصله‌ای نزدیک می‌شوند. ما فکر می‌کنیم که دکتر دیوید ال. مورگان از دانشکده جامعه‌شناسی دانشگاه پورتلند به خوبی طبیعت فاصله‌ای این مقیاس را خلاصه کرده‌اند. او می‌گوید: «نکته کلیدی اینجا این است که از موارد چندگانه استفاده کنید، جایی که هر یک از آن‌ها ممکن است برای ارائه اندازه‌گیری مناسب ضعیف باشند، اما ترکیب آن‌ها بسیار قوی‌تر است.»
آیا مقیاس‌های لیکرت کمی یا کیفی هستند؟
مقیاس‌های لیکرت ارزش کمی را به داده‌های کیفی می‌دهند. به عنوان مثال، ممکن است برای اندازه‌گیری میزان موافقت یک فرد با یک بیانیه در مورد ارزش یک محصول طراحی شود و یک نقطه داده به آن اختصاص یابد. این یکی از دلایلی است که این مقیاس تقریباً همیشه دوست داشته می‌شود. محققان از اینکه سوالات امتیازدهی لیکرت از یک روش جامع برای جمع‌آوری داده استفاده می‌کنند، قدردانی می‌کنند، بنابراین نتایج به آسانی قابل فهم هستند. به علاوه، مدیران عامل و بازاریابان دوست دارند که بتوانند بگویند که کسی فکر می‌کند محصولشان "عالی" است زیرا امتیاز "۱۰" را به آن اختصاص داده است.
چرا از مقیاس لیکرت استفاده کنیم؟ مزایا و معایب
مزایای و معایب مقیاس‌های لیکرت وجود دارد. با این حال، مزایای آن‌ها بیشتر از معایب آن‌هاست!
مقیاس‌های لیکرت برای افراد آسان به فهم و تکمیل است. به دلیل اینکه سوالات با استفاده از روش لیکرت به یک مقیاس پیروی می‌کنند، پاسخ‌دهندگان نیازی به پاسخ دادن بله یا خیر یا یکی از دو گزینه ندارند. به جای این، آن‌ها می‌توانند تصمیم بگیرند که نا‌توان باشند. همه این‌ها به این معنا است که آن‌ها در نهایت نرخ پاسخ بهتری ارائه می‌دهند! به علاوه، سوالات به تجزیه و تحلیل و گزارش آسان‌تری از سوالات باز و یا خالی پاسخ است که بسیار دشوارتر است برای تجزیه و تحلیل چون پاسخ‌ها به طور پیش‌فرض پیکربندی نشده‌اند.
تنها نقطه ضعف این است که همیشه بازخورد عمیقی نمی‌گیرید. به عنوان مثال، یک رستوران را در نظر بگیرید. البته، ممکن است بدانید که کسی از رستوران شما راضی نیست زیرا فقط یک ستاره به شما داده است. اما، نمی‌دانید چرا اونها راضی نبودند (کیفیت غذا؟ خدمات؟ تمیزی؟). برای حل این مشکل، اهمیت دارد که چند سوال در مورد جنبه‌های مختلف از بازدید مشتری بپرسید. بعد از آن، از سطح رضایت کلی آن‌ها بپرسید.
تفاوت بین مقیاس لیکرت 5 امتیازی و مقیاس 7 امتیازی
بیشتر محققان موافقند که بهترین مقیاس‌های لیکرت نوع‌های 5 امتیازی و 7 امتیازی هستند. این به سادگی به تعداد پاسخ‌هایی اشاره دارد که شخص باید انتخاب کند. بیشتر مقیاس‌های لیکرتی که می‌بینید، عددی فردی خواهد بود. آن‌ها تعداد مساویی از پاسخ‌های مثبت و منفی را در هر دو طرف یک پاسخ نیوترال دارند. مقیاس‌های لیکرت از بد به عالی معمولاً محبوب هستند، همانطور که در یکی از الگوهای مقیاس لیکرت 5 امتیازی زیر مشاهده خواهید کرد.
پس چرا مقیاس‌های 5 امتیازی و 7 امتیازی ایده‌آل محسوب می‌شوند؟ زیرا اگر کمتر از پنج گزینه ارائه دهید، افرادی که در پرسشنامه آنلاین آنلاین شرکت می‌کنند ممکن است در پاسخ‌های خود محدود شوند؛ آن‌ها ممکن است به انتخاب پاسخ "بیشترین" مطمئن شوند. نتیجه این است که از نظر واقعی آن‌ها محروم می‌شوید. از طرف دیگر، اگر بیشتر از هفت را انتخاب کنید، شرکت‌کنندگان ممکن است احساس ناراحتی یا اذیت شوند؛ آن‌ها ممکن است فقط یک پاسخ تصادفی را برای حرکت سریعانه انتخاب کنند.
سایر تغییرات نقطه‌ای در مقیاس‌های لیکرت
اگرچه مقیاس‌های لیکرت 5 امتیازی و 7 امتیازی محبوب‌ترین‌ها هستند، اما تغییرات دیگری وجود دارند.
مقیاس لیکرت 2 امتیازی
ساده‌ترین شکل این مقیاس هیچ گزینه نیوترال (بله/خیر) را ارائه می‌دهد.
مقیاس لیکرت 3 امتیازی
این مقیاس 3 امتیازی به طور مشابه با نسخه 2 امتیازی استفاده می‌شود، اما یک گزینه نیوترال (بله/مطمئن/خیر) را معرفی می‌کند.
مقیاس لیکرت 4 امتیازی
این نسخه باعث می‌شود شرکت‌کنندگان باید یک انتخاب انجام دهند. اینجا یک مقیاس لیکرت 4 امتیازی را در نظر بگیرید، جایی که به ترتیب نشان دهنده‌ی: بسیار ناراضی، کمی ناراضی، راضی و بسیار راضی هستند:
مقیاس لیکرت 5 امتیازی
هیچ گزینه نیوترالی وجود ندارد. با این حال، اگر یک محقق می‌خواهد یک نقطه نیوترال پیدا کند، می‌تواند میانگین را بین کمی ناراضی و راضی محاسبه کند.
مقیاس لیکرت 6 امتیازی
این مقیاس 6 امتیازی برای ارائه گزینه‌های بیشتر به شرکت‌کنندگان است. به عنوان یک مقیاس نقطه‌ای فردی، هیچ گزینه نیوترالی وجود ندارد.
مقیاس لیکرت 9 امتیازی
این مقیاس لیکرت برای ارائه‌ی گسترده‌ترین گزینه‌های انتخابی به شرکت‌کنندگان استفاده می‌شود. علاوه بر این، یک درجه بالاتر از دقت اندازه‌گیری را ارائه می‌دهد، با یک گزینه نیوترال. با این حال، به عنوان یک مقیاس شایع استفاده نمی‌شود چرا که ممکن است شرکت‌کنندگان برای انتخاب‌های خود بیشتر زمان بگذارند که می‌تواند منجر به پاسخ‌های کمتر دقیق هنگامی که شرکت‌کنندگان با سرعت از پرسشنامه آنلاین عبور می‌کنند.
مقیاس لیکرت 10 امتیازی
این مقیاس ارتقاء داده شده‌ای از مقیاس لیکرت 9 امتیازی را ارائه می‌دهد. با این حال، گزینه نیوترالی را شامل نمی‌شود.
5 نکته برای ایجاد یک مقیاس لیکرت
1. پرسیدن چندین سوال
از آنجایی که اغلب کافی نیست که یک سوال کلی در مورد یک موضوع خاص، نظر یا تجربه معین پرسیده شود. اگر این کار را انجام دهید، تصویر کاملی از وضعیت به دست نخواهید آورد. پرسیدن چندین سوال این مشکل را رفع می‌کند و همه عواملی که ممکن است به این پاسخ منجر شود را در نظر می‌گیرد.
2. اجتناب از مقیاس‌های مختلف
ترکیب مقیاس‌های مختلف در پرسشنامه آنلاین خود می‌تواند گیجی شرکت‌کنندگان را به همراه داشته باشد. مزایای اضافی: استفاده از یک مقیاس واحد همچنین تجزیه و تحلیل نهایی شما را آسان‌تر می‌کند.
3. برچسب‌گذاری پاسخ‌های عددی
به طور ساده از یک عدد به پاسخ‌های ممکن پیوند ندهید. همیشه کلماتی را در سوال مقیاس‌گذاری خود در نظر بگیرید، در غیر این صورت شرکت‌کنندگان پرسشنامه آنلاین آنلاین ممکن است اشتباه کنند که اعداد مثبت و منفی کدام هستند.
4. پاسخ‌های بی‌طرف را ایجاد کنید
برای بهبود اعتبار و پایایی مقیاس لیکرت، از سوالات پرسشنامه آنلاین که ممکن است مردم را به پاسخی خاص سوق دهد، دوری کنید. به عنوان مثال، نمی‌خواهید آن‌ها را مجبور به انتخاب بین حدود قسمت‌های انتهایی کنید، زیرا این می‌تواند نتایج شما را تحریف کند.
5. پرسشنامه آنلاین را ساده بسازید
ایجاد یک پرسشنامه آنلاین با مقیاس لیکرت نیازی به پیچیدگی ندارد. در واقع، بهترین سوالات پرسشنامه آنلاین مختصر و مفید هستند. به عنوان مثال، سوالات طولانی و پیچیده معمولاً خوانندگان را از دست می‌دهند یا صبر آن‌ها را می‌آزمایند. علاوه بر این، سوالاتی که به طور ناخواسته دو سوال را در یک جا مطرح می‌کنند، ممکن است شرکت‌کنندگان را نسبت به نحوه پاسخ دادن متردد کنند.
نمونه‌ها و سوالات مقیاس لیکرت
در زیر چند نمونه از مقیاس‌های لیکرت با استفاده از اعداد مختلفی که ممکن است هنگام توسعه نظرسنجی شما الهام بخش باشند آورده شده‌اند. با این حال، لطفاً توجه داشته باشید که اعداد در پاسخ‌ها موقعیت نسبی موارد را نشان می‌دهند، اما اندازه تفاوت را نشان نمی‌دهند. به علاوه، اگر تمایل دارید، می‌توانید اعداد را در سوالات پرسشنامه آنلاین خود درج نکنید.
مقایسه ۲ محصول
۱ – بسیار بد
۲ – کمی بد
۳ – تقریباً شبیه
۴ – کمی بهتر
۵ – بسیار بهتر
کیفیت
۱ – ضعیف
۲ – متوسط
۳ – خوب
۴ – بسیار خوب
۵ – عالی
حمایت / مخالفت
۱ – به شدت مخالف
۲ – کمی مخالف
۳ – خنثی
۴ – کمی حمایت می‌کنم
۵ – به شدت حمایت می‌کنم
احتمال
۱ – بسیار غیرممکن
۲ – غیرممکن
۳ – خنثی
۴ – ممکن
۵ – بسیار ممکن
خوب / بد
۱ – بسیار منفی
۲ – منفی
۳ – نه خوب و نه بد
۴ – مثبت
۵ – بسیار مثبت
نحوه تجزیه و تحلیل داده‌های مقیاس لیکرت
شما در مورد نحوه تجزیه و تحلیل داده‌های مقیاس لیکرت بسیاری از ایده‌ها را در دست خواهید داشت. به عنوان مثال، بسیاری از افراد می‌خواهند بدانند چگونه امتیاز میانگین برای داده‌های مقیاس لیکرت محاسبه کنند، که به طور ساده مجموع تمام اعداد تقسیم بر تعداد خواهد بود. با این حال، همانطور که قبلاً اشاره شد، این مقیاس‌ها داده‌های مرتب را ارائه می‌دهند، و مقادیر بین نقاط نمی‌توانند به عنوان برابر در نظر گرفته شوند. بنابراین، استفاده از یک میانگین (میانگین تمام اعداد) برای تحلیل مناسب نیست.
به جای آن، توصیه می‌شود که امتیاز حالت را برای داده‌های مقیاس لیکرت برای تجزیه و تحلیل استفاده کنید. ابتدا، برای محاسبه امتیاز حالت برای داده‌های مقیاس لیکرت، به سادگی تعدادی را که بیشترین تکرار را دارند تعیین کنید. بنابراین، فرض کنید که شما بر روی کیفیت یک محصول در یک مقیاس 5 نقطه‌ای از ده نفر نظرسنجی کرده‌اید و نتایج به شرح زیر است:
5, 5, 4, 1, 4, 4, 4, 4, 4, 3
در این مثال، امتیاز حالت 4 خواهد بود، زیرا بیشترین تکرار را دارد. توجه کنید که در این مثال، میانگین همچنین 4 خواهد بود. با این حال، در توزیع‌های بسیار کج، این اعداد متفاوت خواهند بود، همانطور که در زیر مشاهده می‌کنید:
1, 1, 1, 1, 5, 5, 5, 1, 1, 1
در اینجا، امتیاز حالت 1 خواهد بود. بیشتر مردم به طور واضح از محصول خوششان نمی‌آید. با این حال، میانگین 3 خواهد بود، اما نتیجه گیری از اینکه بیشتر مردم فکر می‌کنند محصول متوسط است، روشناً صحیح نیست، به همین دلیل وقتی داده‌های مقیاس لیکرت را تجزیه و تحلیل می‌کنید، بهتر است از امتیاز حالت استفاده شود.
نتیجه‌گیری
مقیاس لیکرت یک گزینه عالی برای کسب‌وکارها و پژوهشگرانی است که می‌خواهند راحت‌ترین روش برای پرسشنامه آنلاین از مشتریان یا عموم مردم را داشته باشند. وقتی وقت ساختن پرسشنامه آنلاین شماست، برای طراحی و تجزیه و تحلیل آسان، یوچک را انتخاب کنید. یوچک بهترین نرم‌افزار نظرسنجی آنلاین را ارائه می‌دهد، با صدها نمونه پرسشنامه آنلاین و قالب. آیا از مقیاس لیکرت در پژوهش خود استفاده کرده‌اید؟ آیا استفاده و تجزیه و تحلیل آن برایتان آسان بوده است؟ به ما در نظرات بگویید!
اکنون پرسشنامه آنلاین، فرم یا نظرسنجی خود را بر پایه مقیاس لیکرت ایجاد کنید!
مقیاس‌های لیکرت میزان موافقت یک شخص با یک عبارت را اندازه‌گیری می‌کنند، با ارائه پنج یا هفت پاسخ متعادل که مردم می‌توانند از بین آن‌ها با یک نقطه میانی نیتروییل انتخاب کنند. یک مقیاس لیکرت داده‌های مرتبه‌ای را ارائه می‌دهد (داده‌ای که در طول یک مقیاس اندازه‌گیری می‌شود، اما فواصل بین هر نقطه نامعلوم هستند). مقیاس‌های لیکرت ارزش کمی را به داده‌های کیفی اختصاص می‌دهند و یک نقطه داده را به یک عبارت اختصاص می‌دهند. باید از امتیاز حالت استفاده شود، تا تعیین شود کدام عدد بیشترین تکرار را دارد.
سوالات متداول
مقیاس لیکرت چیست؟
آیا مقیاس‌های لیکرت مرتبه‌ای یا فاصله‌ای هستند؟
آیا مقیاس لیکرت از نوع کمی یا کیفی است؟
آیا باید از میانگین یا حالت برای تجزیه و تحلیل داده‌های مقیاس لیکرت استفاده شود؟
