مقياس ليكرت في البحث: دليل عملي للتصميم والأنواع والتحليل

معظم الباحثين الذين يستخدمون مقاييس ليكرت لم يتلقوا تدريبًا كافيًا على تصميمها أو تحليلها بشكل صحيح. يغطي هذا الدليل ما تقيسه مقاييس ليكرت فعليًا، وكيفية اختيار النوع المناسب، وكيفية تصميم بنود تُنتج بيانات دقيقة، والاختبارات الإحصائية المناسبة، لكي تحصل في استطلاعك القادم على نتائج قابلة للتطبيق.

سواء كنت متخصصًا في مجال التعلم والتطوير تقوم بتصميم تقييمات التدريب، أو مديرًا للموارد البشرية يقوم بإجراء استطلاعات رضا الموظفين، أو باحثًا في العلوم الاجتماعية، فإن المبادئ الواردة هنا تنطبق.

سنستعرض بالتفصيل ما يقيسه مقياس ليكرت فعلياً، والأنواع المختلفة التي يمكنك الاختيار من بينها، وكيفية تصميم أسئلة مقياس ليكرت الفعالة، وكيفية تحليل البيانات الناتجة، والمزالق الشائعة التي تعرقل حتى الباحثين ذوي الخبرة.

ما هو مقياس ليكرت؟

مقياس ليكرت هو أداة قياس نفسي تُستخدم في الاستبيانات والدراسات الاستقصائية لقياس المواقف والآراء والتصورات والسلوكيات. وبدلاً من طرح سؤال بسيط بنعم/لا، فإنه يتيح للمستجيبين التعبير عن شدة مشاعرهم على طيف متدرج.

يتكون كل مقياس ليكرت من عدة عبارات فردية تسمى بنود ليكرت. يقرأ المستجيب كل عبارة ويختار من بين مجموعة من خيارات الاستجابة المرتبة، والتي تتراوح عادةً من موقف سلبي قوي مروراً بنقطة وسط محايدة وصولاً إلى موقف إيجابي قوي.

على سبيل المثال، يبدو مقياس الاتفاق المكون من خمس نقاط كما يلي:

يكمن المبدأ الأساسي وراء منهجية ليكرت الأصلية في أن النتيجة النهائية هي نتيجة مركبة. لا يتم تحليل أي بند على حدة، بل يتم جمع أو حساب متوسط ​​الاستجابات عبر بنود متعددة مترابطة لإنتاج درجة مقياس تعكس الموقف الأساسي الذي يتم قياسه.

مقياس ليكرت مقابل عنصر ليكرت: هذا التمييز مهم. السؤال الواحد ذو الإجابة المكونة من خمس نقاط يُسمى سؤال ليكرت. مقياس ليكرت هو مجموعة كاملة من الأسئلة المترابطة (عادةً من أربعة إلى عشرة أسئلة) مصممة لقياس بُعد واحد. يستخدم العديد من الباحثين هذين المصطلحين بشكل متبادل، ولكن من الناحية الفنية، يُعد المقياس هو القياس المُجمّع.

أنواع مقاييس ليكرت

يعتمد اختيار النوع المناسب من مقياس ليكرت على ما تقيسه ومدى الدقة التي تحتاجها من المستجيبين.

المقاييس أحادية القطب مقابل المقاييس ثنائية القطب

المقاييس أحادية القطب تقيس هذه المقاييس بُعدًا واحدًا من الصفر إلى أقصى حد. وهي فعّالة عند الرغبة في تقييم مدى وجود صفة معينة. ومن الأمثلة على ذلك الانتقال من "غير راضٍ على الإطلاق" إلى "راضٍ للغاية"، أو من "أبدًا" إلى "دائمًا".

المقاييس ثنائية القطب يقيس هذا الأسلوب مفهومين متعارضين بنقطة وسطى محايدة. يُعدّ نموذج الموافقة/عدم الموافقة الكلاسيكي ثنائي القطب، إذ يمتد من الرفض الشديد مرورًا بالحياد وصولًا إلى الموافقة الشديدة. وهو مثالي عند الحاجة إلى رصد المواقف الإيجابية والسلبية تجاه قضية ما.

تشير الأبحاث إلى أن المقاييس أحادية القطب تعمل بشكل أفضل مع خمس نقاط استجابة، بينما تكون المقاييس ثنائية القطب أكثر دقة مع سبع نقاط (ثلاث على كل جانب من نقطة المنتصف المحايدة الحقيقية).

عدد النقاط الفردي مقابل عدد النقاط الزوجي

المقاييس ذات الأرقام الفردية تتضمن الخيارات (3 أو 5 أو 7 نقاط) خيارًا وسطًا محايدًا. وتُعدّ النسختان ذات الخمس نقاط والسبع نقاط الأكثر شيوعًا في الأبحاث المنشورة. يتيح تضمين هذا الخيار الوسطي للمستجيبين الذين ليس لديهم رأي فعليًا التعبير عن ذلك بصدق بدلًا من إجبارهم على اختيار جانب.

المقاييس ذات الأرقام الزوجية (4 أو 6 أو 8 نقاط) تُزيل الخيار المحايد تمامًا. يُعدّ هذا النهج "الاختياري" مفيدًا عندما تحتاج تحديدًا إلى توجيه المستجيبين نحو اتجاه معين، كما هو الحال في ملاحظات المنتج حيث لا يُمكن اتخاذ إجراء بناءً على رد محايد.

كم عدد النقاط التي يجب عليك استخدامها؟

هذا أحد أكثر الأسئلة جدلاً في تصميم الاستبيانات. إليكم ما توصلت إليه الأبحاث:

• من خمس إلى سبع نقاط تُوفّر هذه الطريقة عمومًا أفضل توازن بين الموثوقية والحساسية وسهولة الاستخدام. وقد أظهرت الدراسات أن الموثوقية تتحسن مع زيادة عدد النقاط من نقطتين إلى خمس نقاط، ولكنها تتراجع بعد تجاوز سبع نقاط.
• أقل من خمس نقاط يقلل من دقة بياناتك ويمكن أن يحجب الاختلافات المهمة بين المستجيبين.
• أكثر من سبع نقاط يُضيف ذلك عبئًا معرفيًا دون تحسين جودة البيانات بشكل ملحوظ. ويبدأ المستجيبون بمواجهة صعوبة في التمييز بين الخيارات المتجاورة.
• المستجيبون عبر الهاتف المحمول والاستبيانات القصيرة استفد من خمس نقاط محددة للحصول على إجابات أوضح وأسرع.

من الناحية العملية: استخدم مقياسًا من خمس نقاط افتراضيًا لمعظم التطبيقات، وانتقل إلى سبع نقاط عندما تحتاج إلى تمييز أدق أو عند قياس التركيبات ثنائية القطب.

أبعاد المقياس الشائع

لا تقتصر مقاييس ليكرت على الموافقة فقط. فيما يلي أكثر أبعاد الاستجابة استخدامًا في البحوث:

لماذا يُعد مقياس ليكرت مهمًا في البحث؟

ظل مقياس ليكرت الأداة المهيمنة لقياس الاستبيانات لأكثر من 90 عامًا لعدة أسباب عملية.

المزايا

التوحيد القياسي وقابلية المقارنة. يجيب جميع المشاركين على نفس مجموعة الأسئلة بنفس الصيغة، مما يسهل مقارنة البيانات بين الأفراد والمجموعات والفترات الزمنية. هذا التناسق ضروري للدراسات الطولية والبحوث متعددة الثقافات.

يُقيس التجربة الذاتية. المواقف والآراء بطبيعتها مجردة. يقوم مقياس ليكرت بتحويل هذه المشاعر الذاتية إلى بيانات رقمية يمكن تحليلها إحصائياً، مما يمكّن الباحثين من تحديد الأنماط والارتباطات والاختلافات الهامة.

يوازن بين العمق والكفاءة. بالمقارنة مع الأسئلة المفتوحة، تُعدّ أسئلة مقياس ليكرت أسرع في الإجابة من قِبل المستجيبين وأسهل في التحليل من قِبل الباحثين. وبالمقارنة مع الأسئلة الثنائية (نعم/لا)، فإنها تُتيح فهمًا أدقّ بكثير لمدى قوة موقف المستجيب.

موثوقية عالية عند التصميم الجيد. تميل مقاييس ليكرت متعددة البنود التي تقيس نفس المفهوم إلى إنتاج نتائج موثوقة. عند تجميع الاستجابات عبر عدة بنود مترابطة، فإنك تقلل من تأثير أي استجابة شاذة أو تشتيت انتباه مؤقت.

المرونة. يتكيف هذا الشكل مع أي مجال بحثي تقريبًا: رضا المرضى في مجال الرعاية الصحية، ومشاركة الموظفين في الموارد البشرية، وتقييمات الطلاب للدورات في التعليم، وتصور العلامة التجارية في التسويق، واستطلاعات الرأي العام في العلوم السياسية.

العيوب والتحيزات الشائعة

لا توجد أداة قياس مثالية، وفهم حدود مقاييس ليكرت لا يقل أهمية عن معرفة نقاط قوتها.

تحيز الموافقة. يميل بعض المشاركين إلى الموافقة على العبارات بغض النظر عن مضمونها. ويُعدّ هذا الأمر إشكاليًا بشكل خاص عندما تُصاغ جميع البنود في الاتجاه نفسه. لذا، فإن تضمين بنود معكوسة (حيث تشير الموافقة إلى موقف سلبي) يُساعد في كشف هذا التحيز والحدّ منه.

تحيز النزعة المركزية. يتجنب العديد من المشاركين الخيارات المتطرفة ويركزون إجاباتهم حول منتصف المقياس. هذا يقلل من نطاق البيانات التي يتم جمعها وقد يخفي اختلافات حقيقية في الآراء.

تحيز الرغبة الاجتماعية. عندما تكون مواضيع الاستبيان حساسة (مثل ثقافة مكان العمل، والسلوكيات الصحية الشخصية، والآراء السياسية)، قد يختار المشاركون إجابات يعتقدون أنها أكثر قبولاً اجتماعياً بدلاً من الإجابات الصادقة. ويساعد إجراء الاستبيان بشكل مجهول على الحد من ذلك.

البيانات الترتيبية، وليست بيانات الفترات. بالمعنى الدقيق، قد لا تتساوى المسافة بين "أرفض بشدة" و"أرفض" مع المسافة بين "أوافق" و"أوافق بشدة". هذا هو مصدر الجدل الإحصائي المستمر حول إمكانية استخدام الاختبارات المعلمية (مثل اختبارات t وتحليل التباين) على بيانات مقياس ليكرت. سنتناول هذا الموضوع بمزيد من التفصيل في قسم التحليل أدناه.

يفترض وجود طيف اتجاه خطي. تفترض مقاييس ليكرت أن المواقف تقع على متصل خطي من السلبية إلى الإيجابية. في الواقع، بعض المواقف أكثر تعقيدًا وتعددًا في الأبعاد مما يمكن لمقياس واحد أن يستوعبه.

كيفية تصميم أسئلة مقياس ليكرت الفعالة

تبدأ البيانات الجيدة بأسئلة جيدة. تنطبق مبادئ التصميم هذه على أي استطلاع رأي يعتمد على مقياس ليكرت.

1. ابدأ بأهداف بحثية واضحة

قبل كتابة أي بند، حدد بدقة المفهوم الذي تقيسه والقرارات التي ستستند إليها البيانات. فمقياس ليكرت الذي يقيس "رضا العملاء عن عملية الإعداد" يتطلب بنودًا مختلفة عن مقياس يقيس "ثقة الموظفين في القيادة".

2. اكتب بنودًا واضحة لا لبس فيها

ينبغي أن تتناول كل عبارة فكرة واحدة فقط. تجنب الأسئلة المركبة مثل "كان التدريب مفيدًا وجذابًا" لأن المجيب قد يوافق على أحد جزئيها ويختلف مع الآخر.

أفضل الممارسات الأخرى لكتابة العناصر:

• استخدم لغة بسيطة وعادية. تجنب المصطلحات التقنية إلا إذا كان جمهورك متخصصًا.
• اجعل العبارات قصيرة. حاول ألا تتجاوز 20 كلمة لكل بند.
• تجنب استخدام لغة توجيهية تدفع المستجيبين نحو إجابة معينة.
• لا تستخدم النفي المزدوج ("أنا لا أختلف مع...").
• قم بتضمين مزيج من العناصر ذات الصياغة الإيجابية والسلبية للحد من تحيز الموافقة.

3. اختر عناوين الاستجابة بعناية

يجب أن تحمل كل نقطة على مقياسك تسمية واضحة لا لبس فيها. تُظهر الأبحاث أن المقاييس المُسمّاة (حيث تحتوي كل نقطة على وصف لفظي) تتفوق على المقاييس المرقمة فقط من حيث الموثوقية وفهم المستجيبين.

تأكد من أن تسمياتك متناظرة. بالنسبة لمقياس اتفاق من خمس نقاط، فإن "أعارض بشدة، أعارض، لا أوافق ولا أعارض، أوافق، أوافق بشدة" يحافظ على مسافة متساوية في المفهوم على جانبي نقطة المنتصف المحايدة.

4. تحديد نقطة وسط محايدة

إنّ تضمين خيار وسط (مثل "لا أوافق ولا أعارض") يمنح المشاركين مخرجاً صريحاً عندما لا يكون لديهم رأي. أما استبعاده فيفرض عليهم اختياراً محدداً. لا يوجد نهج صحيح بشكل مطلق؛ فالقرار الصائب يعتمد على أهداف بحثك.

إذا كنت تشك في أن المستجيبين قد يختارون الخيار المحايد لتجنب التفكير، ففكر في إضافة خيار منفصل "لا أعرف" أو "غير قابل للتطبيق" للتمييز بين الحياد الحقيقي وعدم المشاركة.

5. استخدم العناصر ذات الترميز العكسي

إن تضمين بعض البنود التي يشير فيها الاتفاق إلى موقف سلبي (مثل: "أجد صعوبة في متابعة هذا التدريب") يخدم غرضين. أولاً، يُجبر المستجيبين على قراءة كل بند بعناية بدلاً من اختيار نفس الإجابة في جميع البنود. ثانياً، يُمكّنك من التحقق من الاتساق الداخلي أثناء التحليل من خلال التأكد من أن البنود ذات الصياغة المعكوسة ترتبط سلباً بالبنود ذات الصياغة الإيجابية.

6. اختبار تجريبي باستخدام المقابلات المعرفية

قبل إطلاق استطلاع رأي شامل، اختبر بنود الاستطلاع مع مجموعة صغيرة (من خمسة إلى خمسة وعشرين شخصًا). اطلب منهم التفكير بصوت عالٍ أثناء الإجابة. سيكشف هذا عن الصياغة المبهمة، والمصطلحات الغامضة، أو خيارات الإجابة التي لا تتوافق مع طريقة تفكير الناس الفعلية في الموضوع.

كيفية تحليل بيانات مقياس ليكرت

هنا يقع العديد من الباحثين في مأزق. يعتمد أسلوب التحليل على ما إذا كنت تعمل مع بنود مقياس ليكرت الفردية أو درجات مقياس ليكرت المجمعة.

الجدل حول الترتيب مقابل الفاصل الزمني

تُنتج بنود مقياس ليكرت بيانات ترتيبية. تتمتع فئات الاستجابة بترتيب واضح، لكن المسافة بينها ليست مضمونة رياضيًا. فعبارة "أوافق بشدة" أكثر إيجابية من "أوافق"، ولكن هل الفجوة بينهما هي نفسها بين "لا أوافق" و"لا أوافق بشدة"؟ لا سبيل للتأكد من ذلك.

تخيّل البيانات الترتيبية كمراكز الوصول في سباق: أنت تعلم أن الأول سبق الثاني، لكن لا يمكنك افتراض أن الفارق بين الأول والثاني يساوي الفارق بين الثاني والثالث. تقترب درجات مقياس ليكرت المركب من المسافة المقاسة، أي من بيانات التوقيت، أكثر من اقترابها من مراكز الوصول.

مع ذلك، عند تجميع عدة عناصر في درجة مقياس مركبة، يتعامل العديد من الباحثين مع البيانات الناتجة على أنها بيانات فترات متساوية تقريبًا. ويحظى هذا الرأي بدعم قوي في الدراسات المنشورة. فقد أظهرت أبحاث جيف نورمان وآخرين أن الاختبارات المعلمية (اختبارات t، وتحليل التباين، ومعاملات ارتباط بيرسون) تتمتع بمتانة كافية لإنتاج نتائج صحيحة مع بيانات مقياس ليكرت، حتى عند انتهاك فرضية تساوي الفترات جزئيًا.

عملياً: بالنسبة للبنود الفردية، يُنصح بالالتزام بالأساليب غير المعلمية. أما بالنسبة لدرجات المقاييس المجمعة من أدوات متعددة البنود مصممة جيداً، فإن الاختبارات المعلمية مقبولة عموماً.

الإحصاء الوصفي

بالنسبة لبنود مقياس ليكرت الفردية، قم بالإبلاغ عن طريقة (الاستجابة الأكثر شيوعاً) و التوزيع بتكرار (نسبة المستجيبين في كل فئة). تُعدّ الرسوم البيانية الشريطية أوضح طريقة لتصوّر إجابات كل بند على حدة.

بالنسبة لدرجات المقياس المجمعة، يمكنك الإبلاغ عن تعني و الانحراف المعياري لتلخيص النزعة المركزية والانتشار.

إحصائيات استدلالية

اختبار الموثوقية

قبل استخلاص النتائج من مقياسك، تحقق من اتساقه الداخلي باستخدام معامل ألفا لكرونباخ. تُعتبر القيمة التي تزيد عن 0.70 مقبولة عمومًا، بينما تُعتبر القيمة التي تزيد عن 0.80 جيدة جدًا. إذا كان معامل الارتباط المصحح بين أي بند والمجموع الكلي أقل من 0.30، ففكّر في حذفه، لأنه قد لا يقيس نفس المفهوم الذي تقيسه البنود الأخرى.

التحقق من الصلاحية

صلاحية المحتوى يضمن ذلك أن تغطي عناصر التصميم النطاق الكامل للبنية. استشر خبراء في المجال خلال مرحلة التصميم.

بناء صلاحية يمكن تقييم ذلك من خلال تحليل العوامل، والذي يؤكد ما إذا كانت عناصرك تندرج ضمن الأبعاد النظرية المتوقعة.

صلاحية المعيار يقارن هذا المقياس نتائجك بمقياس معتمد لنفس المفهوم. وجود ارتباط قوي بين المقياسين يدعم صحة النتائج.

تطبيقات عملية لمقاييس ليكرت

بحث اكاديمي

في مجال البحوث التربوية، تُستخدم مقاييس ليكرت عادةً لقياس مشاركة الطلاب، وكفاءتهم الذاتية، ومواقفهم تجاه التعلم. وقد تتضمن أداة نموذجية ما بين 15 إلى 20 بندًا تقيس جوانب مختلفة من الدافعية الأكاديمية، وتُجمع في درجات فرعية.

قطاع الرعاية الصحية

تستخدم استطلاعات رضا المرضى، وتقييمات فعالية العلاج، ومقاييس جودة الحياة بشكل متكرر نماذج ليكرت. على سبيل المثال، يُعد مقياس سهولة استخدام النظام (SUS) أداة ليكرت معروفة تتكون من عشرة بنود، وتُستخدم لتقييم سهولة استخدام أنظمة المعلومات الصحية والأجهزة الطبية.

تفاعل الموظفين

تستخدم المؤسسات استطلاعات الرأي السريعة القائمة على مقياس ليكرت لتتبع رضا الموظفين، وسلامتهم النفسية، والتزامهم التنظيمي بمرور الوقت. يسهل هذا النموذج الموحد مقارنة النتائج بين الأقسام والفترات الزمنية المختلفة.

أبحاث السوق

تعتمد دراسات تصور العلامة التجارية، واستطلاعات تجربة العملاء، وأدوات تقييم المنتجات بشكل كبير على مقاييس ليكرت. أما مؤشر صافي الترويج (NPS)، فرغم اختلاف تنسيقه تقنياً، إلا أنه يشترك معه في نفس الأساس المفاهيمي لقياس المشاعر على طيف متدرج.

تعليقات الجمهور المباشر

هنا تبرز التطبيقات الأقوى. فعند إدارة دورة تدريبية أو ورشة عمل أو عرض تقديمي في مؤتمر، يتيح لك جمع التعليقات باستخدام مقياس ليكرت في الوقت الفعلي قياس مدى فهم الجمهور ورضاه أثناء سير الجلسة بدلاً من الاعتماد على استرجاع المعلومات بعد انتهاء الفعالية.

AhaSlidesتُسهّل هذه المنصة المتكاملة، التي تضم استطلاعات رأي مباشرة، ومقاييس تقييم، وأسئلة وأجوبة، وسحب كلمات، واختبارات، هذه العملية من خلال تمكين مقدمي العروض من تضمين أسئلة تقييم مقياس ليكرت مباشرةً في عروضهم التقديمية المباشرة، مع عرض الإجابات بشكل فوري. لا حاجة إلى أداة استطلاع منفصلة.

الأخطاء الشائعة لتجنب

استخدام عنصر واحد كمقياس. لا يكفي سؤال واحد لتكوين مقياس ليكرت. فالبنود الفردية أكثر عرضة لخطأ القياس وتأثيرات السياق. استخدم ما لا يقل عن أربعة إلى ستة بنود لكل بُعد للحصول على قياس موثوق.

مع تجاهل الفرق بين بنود مقياس ليكرت ومقاييس ليكرت. يُعدّ تحليل البنود الفردية باستخدام الإحصاءات البارامترية (كحساب متوسط ​​سؤال واحد من خمس نقاط، على سبيل المثال) غير مناسب من الناحية الفنية. لذا، يُنصح باستخدام هذه الأساليب فقط مع الدرجات الإجمالية لعدة بنود.

معاملة جميع الأرقام على قدم المساواة. لا يؤدي تعيين القيم من 1 إلى 5 لخيارات الاستجابة تلقائيًا إلى جعل البيانات على مستوى الفترات. لذا، كن واضحًا في قسم الأساليب حول كيفية معالجتك للبيانات وأسباب ذلك.

إهمال الترميز العكسي. إذا كانت جميع عناصرك تشير إلى نفس الاتجاه، فلن تتمكن من التمييز بين الموافقة الحقيقية وتحيز الموافقة.

تعقيد المقياس بشكل مفرط. يؤدي استخدام مقياس من عشر نقاط مع نقاط وسطية غير مصنفة إلى حدوث ارتباك ولا يحسن جودة البيانات بشكل ملحوظ مقارنة بنسخة مصممة جيدًا من خمس أو سبع نقاط.

‍