Graveco de Likert-Skalo en Esplorado (2024 Ĝisdatigoj)

laboro

Astrid Tran 13 novembro, NENIU 6 min legi

La Likert Skalo, evoluigita fare de Rensis Likert, estas unu el la plej populare uzitaj varioj de la sumigita rangigskalo en eduka kaj sociosciencoj esplorado.

La signifo de Likert Scale en Esplorado estas nekontestebla, precipe kiam temas pri mezurado de sinteno, opinio, konduto kaj preferoj.

En ĉi tiu artikolo, ni profundigos la signifon de Likert Scale en esplorado, kaj ankaŭ kiam kaj kiel plej bone uzi ĝin en esplorado, ĉu ĝi estas kvalita aŭ kvanta esplorado.

Superrigardo

Kiu inventis la Likert-Skalon?Rensis Likert
Kiam la Likert Skalo disvolviĝis?1932
Kio estas tipa Likert Scale en esplorado?5- aŭ 7-punkta orda skalo
Superrigardo de la Likert-Skalo en Esplorado

Enhavtabelo:

kial likert-skalo estas uzata en esplorado
La Likert Skalo estas la plej uzita suma taksa skalo en esplorado

Kio estas Likert-Skalo en Esplorado?

Likert Scale estas nomita laŭ sia kreinto, Rensis Likert, kiu evoluigis ĝin en 1932. En enketesplorado, ĝi estas la plej ofta speco de mezurskalo, kiu estas uzata por mezuri sintenojn, valorojn kaj opiniojn, por reala aŭ hipoteza situacio sub studi.

Principo baza al la Likert-skala mezurmetodaro estas ke interpunkcioj donitaj per Likert-skalo estas kunmetitaj (sumigitaj) interpunkcioj elirantaj de la respondoj de individuo al la multoblaj eroj sur la skalo. Ekzemple, partoprenantoj estas petataj montri sian nivelon de interkonsento (de forte malkonsentas al forte konsentas) kun la donita deklaro (eroj) sur metrika skalo.

La Likert-Skalo kontraŭ la Likert-Ero

Ofte oni vidas homojn konfuziĝi inter la terminoj Likert-skalo kaj Likert-aĵo. Ĉiu Likert-skalo enhavas plurajn Likert-aĵojn.

  • Likert-objekto estas individua deklaro aŭ demando, kiun la respondanto estas petata taksi en enketo.
  • Likert-aĵoj kutime ofertas al partoprenantoj elekton inter kvin kaj sep rangigitaj opcioj, kie la meza opcio estas neŭtrala, ekz. de "Ege malkontenta" al "Ege kontenta"

Konsiloj por Efika Enketo

Alternativa Teksto


Krei Enketon Interrete kun AhaSlides

Akiru iun el la supraj ekzemploj kiel ŝablonojn. Registriĝu senpage kaj kreu enketon interrete kun AhaSlides ŝablona biblioteko!


Registriĝi Senpage☁️

Kio estas la Tipoj de Likert-Skalo en Esplorado?

Ĝenerale, Likert-specaj demandoj povas konsisti el unupolusaj aŭ dupolusaj skaloj.

  • Unupolusaj Likert-skvamoj mezuri ununuran dimension. Ili taŭgas por taksi kiom da respondantoj apogas apartan vidpunkton aŭ sintenon. Ekzemple, frekvencoj aŭ probabloj estas mezuritaj per skaloj uzante neniam/ĉiam, tute ne verŝajna/tre verŝajna, ktp.; ili ĉiuj estas unupolusaj.
  • Dupolusaj Likert-skvamoj mezuru du kontraŭajn konstrukciojn, kiel kontenton kaj malkontenton. La respondelektoj estas aranĝitaj sur kontinuumo de pozitivo ĝis negativo, kun neŭtrala opcio en la mezo. Ili ofte estas utiligitaj por taksi la ekvilibron inter pozitivaj kaj negativaj sentoj al speciala temo. Ekzemple, konsenti/malkonsenti, kontento/malkontento, kaj bona/malbono estas dupolusaj konceptoj.
Ekzemplo de Unupolusa SkaloEkzemplo de Dupolusa Skalo
○ Tre Konsentas
○ Iom Konsentas
○ Modere Konsentas
○ Tute ne Konsentas
○ Tre Konsentas
○ Iom Konsentas
○ Nek konsentas nek malkonsentas
○ Iom Malkonsentas
○ Tre Malkonsentas
Ekzemplo de malsamaj specoj de Likert Scale en esplorado

Aldone al ĉi tiuj du ĉefaj specoj, ekzistas du specoj de Likert-skalaj respondelektoj:

  • Odd Likert-skvamoj havas neparan nombron da respondelektoj, kiel ekzemple 3, 5, aŭ 7. Neparaj Likert-skalaj demandoj havas neŭtralan opcion en la respondrespondoj.
  • Eĉ Likert skvamas havi paran nombron da respondopcioj, kiel 4 aŭ 6. Ĉi tio estas farita por devigi respondantojn preni pozicion, ĉu por aŭ kontraŭ la deklaro.
likert skalo en esplorado
Likert Scale en Survey Research

Kio estas la Graveco de Likert-Skalo en Esplorado?

La Likert-skalo estas facile uzebla kaj komprenebla, kaj ĝi estas relative fidinda kaj valida. Ĉi tio igas ĝin populara elekto por esploristoj en diversaj kampoj, inkluzive de psikologio, sociologio, edukado kaj merkatado.

Kial Likert-skalo estas la preferata skalo en esplorado? Jen kelkaj kialoj, kial la Likert-skalo estas vaste uzata:

  • Sintenoj influas kondutojn, sed ne povas esti tuj observitaj, ili devas esti supozitaj per diversaj agoj aŭ deklaroj de homo. Tial Likert-skalaj demandaroj venas por trakti malsamajn aspektojn de sinteno.
  • Likert-skaloj ofertas normigitan formaton por kolekti respondojn, certigante ke ĉiuj respondantoj respondas la saman aron de demandoj en la sama maniero. Ĉi tiu normigado plibonigas la fidindecon kaj kompareblecon de datumoj.
  • Likert-skaloj estas efikaj por kolekti grandan volumon da datumoj de granda nombro da respondantoj, igante ilin taŭgaj por enketesplorado.

Kiel Uzi Likert-Skalon en Esplorado

La efikeco de Likert Scale en esplorado estas influita de diversaj faktoroj. Jen kelkaj konsiletoj por helpi vin desegni demandaron kun Likert Scale:

#1. Celoj de Demandaro

Ĉiu demandaro havas tri specifajn celojn. Komenci la demandaran dezajnon per ŝlosilaj esplordemandoj, kiujn vi celas respondi, estas necesa.

#2. Prizorgu Demand-dezajnon

Estas grave desegni la demandojn por venki la malkapablon kaj malemon de la respondanto respondi.

  • Ĉu la respondinto estas informita?
  • Se respondantoj verŝajne ne estos informitaj, filtrilaj demandoj kiuj mezuras konatecon, produktan uzon kaj pasintajn spertojn devus esti demanditaj antaŭ demandoj pri la temoj mem.
  • Ĉu la respondanto povas memori?
  • Evitu erarojn de preterlaso, teleskopado kaj kreado.
  • Demandoj kiuj ne provizas la respondanton per signalvortoj povas subtaksi la faktan okazon de okazaĵo.
  • Ĉu la respondanto povas artiki?
  • Minimumu la penon postulatan de la respondantoj.
  • Ĉu taŭgas la kunteksto en kiu la demandoj estas faritaj?
  • Faru la peton por informoj ŝajni legitima.
  • Se la informo estas sentema:

Vi eble ankaŭ ŝatas: 12+ Senpagaj Alternativoj al SurveyMonkey en 2023

#3. Elektu Demand-vortigon

Por bone skribitaj demandoj, ni proponas la jenajn gvidliniojn:

  • difini la aferon
  • uzu ordinarajn vortojn
  • uzu neambiguajn vortojn
  • eviti gvidajn demandojn
  • eviti implicitajn alternativojn
  • eviti implicajn supozojn
  • eviti ĝeneralojn kaj taksojn
  • uzu pozitivajn kaj negativajn asertojn.

Vi eble ankaŭ ŝatas: 65+ Efikaj Enketaj Demandaj Ekzemplanoj + Senpagaj Ŝablonoj

#4. Elektu respondajn opciojn de Likert Scale

Decidu ĉu vi uzos Dupolusan aŭ Unupolusan, neparan aŭ paran Likert-skalon, laŭ ĉu vi volas inkluzivi neŭtralan aŭ mezpunktan opcion.

Vi devus raporti al la disponeblaj mezurkonstruaĵoj kaj eroj kiuj jam estas evoluigitaj kaj rekonitaj de antaŭaj esploristoj. Precipe kiam temas pri akademia esplorado kun striktaj normoj.

5 likert skalaj ekzemploj
Ekzemplo de Likert Scale en Esplorado - System Usability Scale (SUS) | Bildo: Nielsen Norman Group

Ŝlosilo Takeaways

Ĉu vi pretas provi vian kompetentecon pri uzado de Likert-skaloj kaj kolekti valorajn komprenojn por via esplorado? Faru la sekvan paŝon kaj kreu potencajn enketojn kun AhaSlides.

AhaSlides ofertas uzant-amikajn enketkreajn ilojn, realtempan respondspuradon kaj agordeblajn opciojn de Likert-skalo. Komencu profiti la plej grandan parton de via esplorado projektante allogajn enketojn hodiaŭ!

Oftaj Demandoj

Kiel analizi Likert-skalajn datumojn en esplorado?

Ekzistas pluraj statistikaj teknikoj kiuj povas esti uzitaj en analizado de la Likert-skaldatenoj. Oftaj analizoj inkluzivas kalkuli priskribajn statistikojn (ekz., rimedoj, medianoj), farado de inferencaj testoj (ekz., t-testoj, ANOVA), kaj esplori rilatojn (ekz., korelacioj, faktoro-analizo).

Ĉu Likert-skaloj povas esti uzataj en kvalita esplorado?

Eĉ se Likert-skvamoj estas tipe uzitaj por kvanta esplorado, ili ankaŭ povas esti uzitaj por kvalitaj celoj.

Kia mezurado estas Likert-skalo?

Likert Scale estas speco de taksa skalo uzata por mezuri sintenojn aŭ opiniojn. Kun ĉi tiu skalo, respondantoj estas petataj taksi erojn laŭ nivelo de interkonsento al iu certa afero.

Referenco: Akademio | Libro: Merkata Esploro: Aplikata Orientiĝo, Naresh K. Malhotra, p. 323.