داده‌های اسمی و ترتیبی هر دو به عنوان متغیرهای دسته‌ای هسند که به شیوه‌های متفاوتی استفاده می‌شوند. هرچند که در اینجا بحث درباره داده‌های اسمی و ترتیبی است، اما مهم است به دو نوع دیگر از مقیاس‌های اندازه‌گیری داده در تحقیقات و آمار، یعنی داده‌های عددی یا قابل اندازه‌گیری، نیز اشاره کنیم. در این وبلاگ از یوچک، به این موارد به صورت خلاصه نیز اشاره خواهیم کرد.
داده‌های اسمی چیست؟
داده‌های اسمی (از کلمه لاتین "nomen" به معنای "نامیده شده")، داده‌هایی هستند که به متغیرها نام یا برچسب می‌دهند بدون ارائه‌ی یک مقدار عددی. نمونه‌ی ساده‌ترین آن می‌تواند "بله" یا "خیر" باشد. اما هیچ راهی برای مرتب‌سازی آنها از بالاترین به پایین‌ترین یا بهترین به بدترین وجود ندارد. همین موضوع برای یک سوال جمعیتی مانند "نژاد" نیز قابل اعمال است. در حالی که ممکن است چندین دسته وجود داشته باشد که می‌توان به آنها اشاره کرد، هیچ نوع ترتیبی برای آنها نمی‌توان تعیین کرد. بنابراین، داده‌های اسمی برای جمع‌آوری اطلاعاتی درباره یک گروه یا مجموعه از رویدادها استفاده می‌شود که تنها به شمارش‌ها محدود است. نوع داده نشان‌دهنده‌ی یک واقعیت است و نه یک ترجیح.
داده‌های ترتیبی چیست؟
داده‌های ترتیبی داده‌هایی هستند که "ترتیب" دارند. به متغیرها یک عدد اختصاص داده می‌شود که موقعیت آنها در یک لیست را نشان می‌دهد. پژوهشگران از این داده‌ها برای اختصاص برچسب به نظرات استفاده می‌کنند. به عنوان مثال، وقتی یک رستوران از مشتریان می‌پرسد که از خدمات چقدر راضی بودند، مشتری ممکن است بتواند عدد 1 تا 5 را انتخاب کند، به طوری که 1 نشان‌دهنده‌ی ضعیف و 5 نشان‌دهنده‌ی عالی باشد. بنابراین، اعداد یک ترتیب یا رتبه دارند، چرا که 5 به وضوح بهتر از 1 است. مهم است به یاد داشت که اگرچه داده‌های ترتیبی یک مقدار عددی به یک نظر اختصاص می‌دهند، این یک اندازه‌گیری کمی نیست، زیرا گرچه رتبه‌بندی 5 بهتر از 1 است، این به معنای این نیست که حتماً پنج برابر بهتر است.
7 ملاحظه در استفاده از داده‌های ترتیبی در مقایسه با داده‌های اسمی
داده‌های اسمی و ترتیبی نقش مهمی در آمار و سرویس‌ها دارند، بنابراین مهم است که بفهمید که هر کدام را چگونه می‌توانید استفاده کنید و نکات مهمی را که باید در هرکدام از آنها بررسی کنید یاد بگیرید. مقیاس‌های ترتیبی معمولاً اطلاعات جزئیات بیشتری را فراهم می‌کنند، در حالی که مقیاس‌های اسمی جزئیات را محدود می‌کنند. درک این تفاوت‌ها می‌تواند تأثیرگذار بر انتخاب نوع داده و نحوه تجزیه و تحلیل داده‌های شما باشد.
1. تحلیل داده
تحلیل داده بستگی به این دارد که آیا یک مقیاس اسمی یا ترتیبی را انتخاب می‌کنید. در طول تحلیل، داده‌های اسمی به گروه‌هایی با درصد معمولاً تقسیم می‌شوند (مثلاً 40٪ گفتند بله، 60٪ گفتند خیر). برای داده‌های اصلی، محاسبات پیچیده‌تر انجام می‌شود، اغلب تعیین حالت، میانه و سایر اندازه‌های موقعیتی مانند درصد و غیره.
2. انواع سوالات
انواع سوالاتی که می‌پرسیده می‌شود، احتمالاً بستگی به این دارد که آیا داده‌های ترتیبی یا اسمی را جمع‌آوری می‌کنید. جمع‌آوری داده‌های اسمی معمولاً شامل سوالات بله/خیر یا چند گزینه‌ای است. سوالات متمایل به اسمی نیز گاهی اوقات باز (به نوشتن پاسخ اجازه می‌دهند) هستند. برای سوالات ترتیبی، بیشتر پژوهشگران از مقیاس لایکرت، مقیاس فاصله، مقیاس رتبه‌بندی و غیره استفاده می‌کنند. حتی اگر این تکنیک‌های جمع‌آوری از هم متفاوت باشند، یک پرسشنامه آنلاین می‌تواند از هر دو تکنیک جمع‌آوری داده‌های ترتیبی و اسمی استفاده کند (و بسیاری از نظرسنجی‌های آنلاین این کار را می‌کنند).
3. سهولت استفاده
جمع‌آوری داده‌های اسمی به طور معمول زمان‌برتر و احتمالاً با درصد پاسخ بالاتری همراه است. این به دلیل این است که آنها باید انتخاب‌های متعددی را در نظر بگیرند یا به یک سوال باز که برخی افراد ممکن است خسته‌کننده ببینند، پاسخ دهند. از سوی دیگر، داده‌های ترتیبی تنها نیاز به انتخاب از یک مقیاس را دارند، فرآیند را ساده‌تر می‌کنند. حتی می‌توان به اعداد شکلک‌ها اضافه کرد (1 = 😠، 2 = 😔، 3 = 😑، 4 = 🙂، 5 = 😀) تا نظرسنجی را حتی جذاب‌تر یا کاربرپسندتر کنید.
4. آزادی بیان
داده‌های ترتیبی از افراد می‌خواهند از یک مقیاس انتخاب کنند، که برای تحلیل داده خوب است اما به افراد آزادی بیان نمی‌دهد. به عنوان مثال، اگر کسی قصد داشته باشد خدمات را ضعیف ارزیابی کند، ممکن است بخواهد دقیقاً بنویسد چرا خدمات ضعیف بوده است (به عنوان مثال، ممکن است بخواهد توضیح دهد که سرویس دهنده عالی بود، اما غذا وحشتناک بود). البته، پژوهشگران می‌توانند گزینه ارائه مقیاس ترتیبی را با یک سوال اسمی باز (به ما در مورد تجربه‌ی خود بیشتر بگویید...) انتخاب کنند. این به یک کسب و کار ایده‌ای از سطح رضایت مشتری و چه چیزی بر احساسات آنها تأثیر گذاشته است، می‌دهد.
5. جلب مشارکت
در ادامه نکته 4، مسئله جلب مشارکت نیز وجود دارد. با متغیرهای ترتیبی، مشارکت‌کنندگان به مجموعه‌ای از گزینه‌های پیش‌تعریف شده محدود هستند. این همچنین برای بسیاری از سوالات ترتیبی صدق می‌کند که اغلب بر مبنای چند انتخابی استفاده می‌شود. با این حال، سوالات ترتیبی همچنین می‌توانند باز، آزادی بیانی را فراهم کنند.
۶. حذف داده‌های بی‌اهمیت
امکان آزادی بیان برای پاسخ‌دهندگان ممکن است همراه با زمان مصرفی برای محققان باشد که باید بر اساس سرعت نیازهای گزارش‌ها جمع‌آوری شوند. داده‌های اسمی، با وجود اینکه اغلب بینش‌های ارزشمندی فراهم می‌کنند، ممکن است داده‌های بی‌اهمیتی شامل شوند که تحلیل‌گران باید از بین ببرند. بنابراین، مهم است که تحلیل کنید که با تحقیق یا نظرسنجی آنلاین خود چه امیدی دارید حاصل کنید هنگام تصمیم‌گیری درباره نوع داده‌هایی که قصد دارید جمع‌آوری کنید. به عنوان مثال، درباره‌ی عملکرد یک رئیس‌جمهور، در یک سوال ترتیبی ممکن است از یک پاسخ‌دهنده بپرسید که عملکرد رئیس‌جمهور را ارزیابی کند. حالا، پاسخ‌دهنده ممکن است از کارکرد رئیس‌جمهور راضی باشد، اما از یک مشکل شخصی اخیر راضی نباشد. بنابراین، او یک امتیاز ۲ از ۵ را اختصاص می‌دهد که باعث افت عملکرد می‌شود، حتی اگر این موضوع مسئله اصلی نباشد. با یک سوال اسمی و باز، می‌توانستید بین عملکرد و مشکل تفاوت گذارید.
۷. سهولت مقایسه
در نهایت، چقدر نیاز دارید که پاسخ‌ها را مقایسه کنید؟ داده‌های اسمی همیشه آسان قابل مقایسه نیستند؛ یک سوال ممکن است ۸ پاسخ چند گزینه‌ای داشته باشد، که به تنوع زیادی از امکانات منجر می‌شود، یا سوالات باز که ممکن است سخت باشد به آنها ارزش نسبت دهید. از سوی دیگر، داده‌های ترتیبی بسیار آسان به مقایسه هستند، که امکان گروه‌بندی متغیرها را بعد از ترتیب‌بندی آسان می‌کند.
متغیرهای عددی یا قابل اندازه‌گیری
فقط برای آگاهی شما درباره نوع داده‌های دیگری که در تحقیقات و آمار استفاده می‌شوند، داده‌های عددی یا قابل اندازه‌گیری را نیز مختصراً مورد بررسی قرار دادیم. این داده‌ها به عنوان داده‌های عددی یا قابل اندازه‌گیری دسته‌بندی می‌شوند. متغیرهای عددی با شروع از صفر به معنای برابری بین دو چیز (برخلاف متغیرهای ترتیبی که برابری بین چیزها را نمایش نمی‌دهند، همانطور که پیشتر گفته شد) شروع می‌شوند. داده‌های عددی تفاوت‌های نسبی را نشان می‌دهند. به عنوان مثال، در مقایسه جمعیت ایالات متحده با چین، یک متغیر عددی ممکن است ایالات متحده را به عنوان صفر با ۳۱۱ میلیون نفر بپذیرد، که به چین با ۱.۳ میلیارد نفر یک ارزش رتیو ۴.۲۹ می‌دهد. این به این معناست که چین ۴.۲۹ برابر جمعیت ایالات متحده دارد.
متغیرهای اینتروال، به عبارت دیگر، امکان دارند زیر صفر بروند. آنها هیچ صفر واقعی ندارند و می‌توانند ارزش‌های زیر صفر را نشان دهند، به عنوان مثال در مورد دما. امکان سنجش دما زیر ۰ درجه سانتی‌گراد مانند -۱۰ درجه وجود دارد که از مقیاس اینتروال استفاده می‌کند. قرار است ارتفاع یا وزن را اندازه گیری کنید؟ این از ۰ به بالا می‌روند و نیاز به یک متغیر رتیو دارند.
نتیجه‌گیری
هنگام شروع انجام یک تحقیق یا پرسشنامه آنلاین، مهم است که تصمیم بگیرید که آیا می‌خواهید داده‌های اسمی یا ترتیبی جمع‌آوری کنید. البته، می‌توانید یک ترکیب از هر دو را انتخاب کنید. در هنگام تصمیم‌گیری در مورد تحقیقات خود، که در اینجا آن را شرح داده‌ایم، بسیاری از ملاحظات وجود دارد. وقتی آماده‌اید تا نظرسنجی داده‌های اسمی یا ترتیبی خود را شروع کنید، یوچک در اینجاست! نظرسنجی‌های ما آسان برای استفاده هستند و می‌توانید نوع سوالاتی که می‌خواهید بپرسید و نوع داده‌هایی که می‌خواهید دریافت کنید را انتخاب کنید.
داده‌های اسمی نام یا برچسب متغیرها را بدون ارزش عددی اضافه می‌کنند. پاسخ‌ها به طور معمول بله/خیر، چند گزینه‌ای یا باز به صورت باز هستند. داده‌های ترتیبی اعداد را به پاسخ‌ها اختصاص می‌دهند تا مرتبه را نشان دهند. هنگامی که از کلیدهای لایکرت برای ارتباط با مرتبه خدمات پس از یک معامله استفاده می‌کنید. نمونه‌ای از یک متغیر اسمی ممکن است سوال دموگرافیک در مورد "نژاد" باشد. افراد می‌توانند از بین چندین گزینه انتخاب کنند. نمونه‌ای از یک متغیر ترتیبی ممکن است سوال در مورد امتیاز دادن به سطح خدماتی باشد که یک فرد دریافت کرده است.
سوالات متداول
داده‌های اسمی چیست؟
داده‌های ترتیبی چیست؟
نمونه‌های داده‌های اسمی در مقابل داده‌های ترتیبی چه مواردی هستند؟
