
مقیاس Likert: مثال و تحلیل
انواع مختلفی از مقیاس های رتبه بندی برای سنجش مستقیم نگرش افراد تهیه شده است (یعنی می فهمد که نگرشش تحت بررسی و مطالعه است). رایج ترین آن مقیاس لیکرت است. که این مقاله پرسشنامه با مقیاس لیکرت را کاملا برای شما روشن می کند.
در آخرین نسخه اش، مقیاس لیکرت یک مقیاس پنج (یا هفت) نقطه ای است که به افراد اجازه می دهد تا میزان موافقت یا مخالفت خود را با یک جمله خاص بیان کنند.
طیف لیکرت (معمولاً) پنج پاسخ ممکن برای یک عبارت یا سؤال ارائه می دهد که به پاسخ دهندگان اجازه می دهد تا قدرت مثبت به منفی توافق یا قدرت احساس خود را در مورد سؤال یا عبارت نشان دهند.
مثال لیکرت:
من معتقدم که مسائل زیست محیطی مهم ترین مسائل پیش روی بشر امروزی است.
یک مقیاس لیکرت فرض میکند که قدرت/شدت یک نگرش خطی است، یعنی در یک طیف از کاملاً موافقم تا کاملاً مخالفم، و این فرض را ایجاد میکند که نگرشها را میتوان اندازهگیری کرد.
به عنوان مثال، هر یک از پنج (یا هفت) پاسخ دارای یک مقدار عددی است که برای اندازه گیری نگرش مورد بررسی استفاده می شود.
نمونه هایی از موارد برای نظرسنجی
مقیاس لیکرت علاوه بر اندازه گیری اظهارات توافق، می تواند تغییرات دیگری مانند فراوانی، کیفیت، اهمیت و احتمال و غیره را اندازه گیری کند.
توافق | کاملا موافقم | موافقم | نظری ندارم | مخالفم | کاملا مخالفم |
دفعات | همیشه | اغلب | گاها | به ندرت | ابدا |
اهمیت | خیلی مهم | مهم | کم و بیش مهم | نه چندان مهم | بی اهمیت |
کیفیت | عالی | خوب | معمولی | ضعیف | خیلی ضعیف |
احتمال | تقریبا همیشه درست | معمولا درست | گاها درست | معمولا نادرست | به ندرت درست |
احتمال | قطعا | شاید (probably) | ممکن است (possibly) | بعید است | ابدا |
تحلیل داده
دسته های پاسخ در طیف لیکرت دارای ترتیب رتبه ای هستند، اما فواصل بین مقادیر نمی توانند برابر فرض شوند. بنابراین، میانگین (و انحراف معیار) برای داده های ترتیبی نامناسب هستند.
آماره هایی که می توانید استفاده کنید عبارتند از:
خلاصه کردن داده ها با استفاده از یک میانه یا یک مد (نه یک میانگین، زیرا داده های مقیاس ترتیبی است). مد احتمالاً مناسب ترین حالت برای تفسیر آسان است.
توزیع مشاهدات را در نمودار میله ای نمایش دهید (این نمی تواند هیستوگرام باشد زیرا داده ها پیوسته نیستند).
نقاط قوت لیکرت
مقیاسهای لیکرت این مزیت را دارد که از پاسخ دهنده انتظار پاسخ ساده بله/خیر را ندارند، بلکه درجاتی از نظر و حتی عدم نظر را در نظر می گیرند. بنابراین، داده های کمی به دست می آید، به این معنی که داده ها را می توان نسبتاً آسان تجزیه و تحلیل کرد.
ارائه فرصت ناشناس بودن در پرسشنامه هایی که توسط خود شرکت کننده انجام می شود قاعدتا باید فشار اجتماعی را بیشتر کاهش دهد و در نتیجه ممکن است سوگیری مطلوبیت اجتماعی را کم کند.
مثلا پاولهوس (1984) فهمید که وقتی از افراد خواسته می شد نام، آدرس و شماره تلفن خود را در پرسشنامه بنویسند، ویژگی های شخصیتی مطلوب تری را گزارش می کردند نسبه به زمانی که به آنها گفته می شد اطلاعات هویتی را در پرسشنامه قرار ندهند.
خلاصه فوائد مقیاس لیکرت:
- درک و استفاده آسان: مقیاس لیکرت برای پاسخدهندگان سرراست است. آنها به راحتی مفهوم بیان میزان موافقت یا مخالفت خود با عبارت ارائه شده را درک میکنند.
- دامنه احساسات را ثبت میکند: برخلاف سوالات دودویی بله/خیر، این رویکرد طیفی از احساسات را ثبت میکند و دادههای غنیتر و ظریفتری ارائه میدهد.
- کمیسازی تجربیات ذهنی: مقیاس لیکرت جنبههای کیفی را کمّی میکند و احساسات و نگرشها را به دادههای قابل اندازهگیری و تحلیل تبدیل میکند.
- چندمنظوره: در طیف وسیعی از زمینههای تحقیقاتی، از تحقیقات بازار گرفته تا روانشناسی، قابل استفاده است.
محدودیت های لیکرت
با این حال، مانند همه بررسیها، اعتبار سنجش نگرش مقیاس لیکرت میتواند به دلیل مطلوبیت اجتماعی به خطر بیفتد. یعنی افراد ممکن است دروغ بگویند تا خود را مثبت جلوه دهند. به عنوان مثال، اگر مقیاس لیکرت تبعیض را اندازه می گرفت، چه کسی نژادپرست بودن را می پذیرفت؟
خلاصه معایب لیکرت
- عمق محدود: مقیاسهای لیکرت بینش کمی در مورد دلایل پشت پاسخها ارائه میدهند. آنها نشان میدهند که فرد چه احساسی دارد، اما نه اینکه چرا آن احساس را دارد.
- ذهنیت پاسخها: تفسیر نقاط مقیاس میتواند بین پاسخدهندگان متفاوت باشد. “کاملاً موافقم” یک نفر ممکن است “تا حدودی موافقم” دیگری باشد.
- سوگیری پاسخ: پاسخدهندگان ممکن است به سمت پاسخهای “از نظر اجتماعی قابل قبول” متمایل شوند یا تمایل به اجتناب از پاسخهای افراطی (سوگیری گرایش مرکزی) نشان دهند.
- ماهیت ترتیبی: اگرچه تحلیلگران اغلب دادههای مقیاس لیکرت را به عنوان دادههای فاصلهای در نظر میگیرند، اما از نظر فنی ترتیبی هستند. تضمینی وجود ندارد که فواصل بین نقاط مقیاس برابر باشند، که میتواند تحلیل آماری را پیچیده کند. در ادامه بیشتر در مورد این موضوع صحبت خواهیم کرد!
طراحی سوالات مقیاس لیکرت: چند نکته
شما میتوانید با موفقیت از نظرسنجیهای مقیاس لیکرت برای بسیاری از موضوعات استفاده کنید، اما باید سوالات مؤثری بنویسید. سوالات ضعیف میتوانند نتایج نظرسنجی شما را خراب کنند. در اینجا چند نکته ارائه شده است.
- بیطرف بمانید: مراقب باشید که پاسخدهنده را تحت تأثیر قرار ندهید. سوالات شما نباید به سمت پاسخهای مثبت یا منفی سوق داده شوند.
- ساده باشید: مطمئن شوید که جمله شما سرراست است. از اصطلاحات تخصصی یا فنی پرهیز کنید.
- یک ایده در یک زمان: چندین ایده را در یک جمله ترکیب نکنید.
- مهم است که دقیق باشید: در مورد آنچه میپرسید دقیق باشید. اگر سوال شما خیلی کلی باشد، پاسخهای مبهمی دریافت خواهید کرد.
پاسخگوی سوالات و نظرات شما هستیم