10 Tipoj de Plurelektaj Demandoj (Efika Gvidilo + Ekzemploj)

Kvizoj kaj Ludoj

AhaSlides Teamo 08 julio, 2025 7 min legi

Plurelektaj demandoj (MPQ) estas strukturitaj demandformatoj, kiuj prezentas al respondantoj trunkon (demandon aŭ aserton) sekvatan de aro da antaŭdestinitaj respondaj opcioj. Male al malfermaj demandoj, MPQ-oj limigas respondojn al specifaj elektoj, igante ilin idealaj por normigita datenkolektado, taksado kaj esplorado. Ĉu vi scivolas, kiu tipo de demando plej bone taŭgas por via celo? Aliĝu al ni por esplori 10 tipojn de plurelektaj demandoj, kune kun la ekzemploj sube.

Enhavtabelo

Kio Estas Pluraj Elektaj Demandoj?

En ĝia plej simpla formo, plurelekta demando estas demando, kiu estas prezentita kun listo de eblaj respondoj. Tial, la respondanto havos la rajton respondi unu aŭ plurajn eblojn (se permesite).

Pro la rapidaj, intuiciaj kaj facile analizeblaj informoj/datumoj de plurelektaj demandoj, ili estas multe uzataj en enketoj pri komercaj servoj, klienta sperto, eventa sperto, sciokontroloj, ktp.

Ekzemple, kion vi opinias pri la speciala plado de la restoracio hodiaŭ?

  • A. Tre bongusta
  • B. Ne malbone
  • C. Ankaŭ normala
  • D. Ne laŭ mia gusto

Plureelektaj demandoj estas fermitaj demandoj ĉar la elektoj de la respondantoj devus esti limigitaj por faciligi al respondantoj elekti kaj instigi ilin voli respondi pli.

Je sia fundamenta nivelo, plurelekta demando konsistas el:

  • Klara, konciza demando aŭ deklaro tio difinas kion vi mezuras
  • Pluraj respondoj (tipe 2-7 elektoj) kiuj inkluzivas kaj ĝustajn kaj malĝustajn respondojn
  • Formato de respondo kiu permesas unuopajn aŭ plurajn elektojn bazitajn sur viaj celoj

Historia Kunteksto kaj Evoluo

Plurelektaj demandoj aperis komence de la 20-a jarcento kiel edukaj taksaj iloj, iniciatitaj de Frederiko J. Kelly en 1914. Origine dizajnitaj por efika taksado de grandskalaj ekzamenoj, MCQ-oj evoluis multe preter akademia testado por fariĝi fundamentaj iloj en:

  • Merkata esplorado kaj konsumanta konduto-analizo
  • Dungita retrosciigo kaj organizaj enketoj
  • Medicina diagnozo kaj klinikaj taksoj
  • Politika balotenketo kaj esplorado de publika opinio
  • Produkta disvolviĝo kaj uzanto-sperta testado

Kognaj Niveloj en MCQ-Dezajno

Plurelektaj demandoj povas taksi malsamajn nivelojn de pensado, laŭ la taksonomio de Bloom:

Nivelo de Scio

Testado de rememoro de faktoj, terminoj kaj bazaj konceptoj. Ekzemplo: "Kio estas la ĉefurbo de Francio?"

Komprennivelo

Taksado de kompreno pri informoj kaj kapablo interpreti datumojn. Ekzemplo: "Surbaze de la montrita grafikaĵo, kiu kvarono havis la plej altan vendokreskon?"

Aplika Nivelo

Taksi la kapablon uzi lernitajn informojn en novaj situacioj. Ekzemplo: "Konsiderante 20%-an kreskon de produktokostoj, kiu preziga strategio konservus profitecon?"

Analiza Nivelo

Testado de la kapablo malkomponi informojn kaj kompreni rilatojn. Ekzemplo: "Kiu faktoro plej verŝajne kontribuis al la malkresko de klienta kontenteco?"

Sinteza Nivelo

Taksante la kapablon kombini elementojn por krei novan komprenon. Ekzemplo: "Kiu kombinaĵo de funkcioj plej bone traktus la identigitajn bezonojn de la uzanto?"

Taksa Nivelo

Testado de la kapablo juĝi valoron kaj fari decidojn bazitajn sur kriterioj. Ekzemplo: "Kiu propono plej bone ekvilibrigas kostefikecon kun media daŭripovo?"

10 Tipoj de Plurelektaj Demandoj + Ekzemploj

Moderna dezajno de MCQ ampleksas multajn formatojn, ĉiu optimumigita por specifaj esplorceloj kaj spertoj de respondantoj.

1. Unu-elektaj demandoj

  • intencoIdentigu unu ĉefan preferon, opinion aŭ ĝustan respondon 
  • Plej bona porDemografiaj datumoj, primaraj preferoj, fakta scio 
  • Optimumaj opcioj3-5 elektoj

ekzemple: Kio estas via ĉefa fonto de novaĵoj kaj aktualaj eventoj?

  • Platformoj de sociaj rimedoj
  • Tradiciaj televidaj novaĵoj
  • Interretaj novaĵretejoj
  • Presitaj gazetoj
  • Podkastoj kaj sonnovaĵoj

Plej bonaj Praktikoj:

  • Certigu, ke opcioj reciproke ekskludas
  • Ordigu opciojn logike aŭ hazarde por eviti antaŭjuĝon
unu-elekta demando

2. Demandoj laŭ Likert-skalo

  • intencoMezuri sintenojn, opiniojn kaj kontentnivelojn 
  • Plej bona porKontentenketoj, opinisondoj, psikologiaj taksadoj 
  • Skaligaj opcioj3, 5, 7, aŭ 10-punktaj skaloj

ekzemple: Kiom kontenta vi estas pri nia klienta servo?

  • Ekstreme kontenta
  • Tre kontenta
  • Modere kontenta
  • Iomete kontenta
  • Tute ne kontenta

Konsideroj pri skala dezajno:

  • Strangaj skvamoj (5, 7-poenta) permesas neŭtralajn respondojn
  • Eĉ skvamoj (4, 6-poenta) devigas respondantojn kliniĝi pozitive aŭ negative
  • Semantikaj ankroj devus esti klara kaj proporcie interspacigita
demando pri la skalo Likert

3. Plurselektaj Demandoj

  • intencoKaptu plurajn koncernajn respondojn aŭ kondutojn 
  • Plej bona por: Konduto-spurado, preferoj pri funkcioj, demografiaj karakterizaĵoj 
  • konsiderojPovas konduki al analiza komplekseco

ekzemple: Kiujn sociajn amaskomunikilajn platformojn vi uzas regule? (Elektu ĉiujn koncernajn)

  • Facebook
  • instagram
  • Twitter/X
  • LinkedIn
  • Tik Tok
  • YouTube
  • Snapchat
  • Alia (bonvolu specifi)

Plej bonaj Praktikoj:

  • Klare indiku, ke pluraj elektoj estas permesitaj
  • Konsideru la kognan ŝarĝon de tro multaj ebloj
  • Analizu respondpadronojn, ne nur individuajn elektojn

4. Jes/Ne Demandoj

  • intencoDuuma decidiĝo kaj klara preferidentigo 
  • Plej bona por: Ekzamenaj demandoj, simplaj preferoj, kvalifikaj kriterioj 
  • AvantaĝojAltaj kompletigaj procentoj, klara dateninterpreto

ekzemple: Ĉu vi rekomendus nian produkton al amiko aŭ kolego?

  • Jes
  • Ne

Plibonigaj strategioj:

  • Daŭrigu per "Kial?" por kvalitaj komprenoj
  • Konsideru aldoni "Ne certas" por neŭtralaj respondoj
  • Uzu branĉiĝan logikon por sekvaj demandoj
jes/ne plurelekta demando

6. Demandoj pri la taksoskalo

  • intencoKvantigi spertojn, rendimenton aŭ kvalittaksojn 
  • Plej bona porProduktaj recenzoj, serva taksado, rendimenta mezurado 
  • Vidaj opciojSteloj, nombroj, ŝoviloj, aŭ priskribaj skaloj

ekzemple: Taksu la kvaliton de nia poŝtelefona aplikaĵo sur skalo de 1 ĝis 101 (Malbona) --- 5 (Meza) --- 10 (Bonega)

Konsiletoj pri projektado:

  • Uzu koherajn skalajn instrukciojn (1=malalta, 10=alta)
  • Provizu klarajn ankropriskribojn
  • Konsideru kulturajn diferencojn en rangigaj interpretoj
taksoskalo plurelektaj demandoj ahaslidoj

7. Rangotabelaj Demandoj

  • intencoKompreni prioritatordon kaj relativan gravecon 
  • Plej bona por: Prioritado de trajtoj, prefera ordigo, rimeda asigno 
  • LimigojKogna komplekseco pliiĝas kun opcioj

ekzemple: Ordigu la jenajn trajtojn laŭ graveco (1=plej grava, 5=malplej grava)

  • Prezo
  • Kvalito
  • Klienta servo
  • Livera rapideco
  • Produkta vario

Optimumigaj strategioj:

  • Konsideru devigan rangigon kontraŭ partaj rangigaj opcioj
  • Limigo al 5-7 ebloj por kogna mastrebleco
  • Donu klarajn rangigajn instrukciojn

8. Matrico/Krado Demandoj

  • intencoEfike kolekti taksojn tra pluraj eroj 
  • Plej bona porMult-atributa taksado, kompara taksado, enketa efikeco 
  • Riskoj: Respondanta laceco, kontentiga konduto

ekzemple: Taksu vian kontentecon pri ĉiu aspekto de nia servo

Serva aspektobonegaBonanAveraĝamalriĉatre malriĉa
Rapideco de servo
Ĝentileco de la dungitaro
Problema rezolucio
Valoro por mono

Plej bonaj Praktikoj:

  • Konservu matricajn tabelojn sub 7x7 (eroj x skalpunktoj)
  • Uzu koherajn skalajn direktojn
  • Konsideru hazardigi la ordon de ero por eviti biason

9. Bildbazitaj Demandoj

  • intencoVida prefertestado kaj markorekono 
  • Plej bona porProdukta elekto, dezajnotestado, vida allogectakso 
  • AvantaĝojPli alta engaĝiĝo, transkultura aplikebleco

ekzemple: Kiun retejan dezajnon vi trovas plej alloga? [Bildo A] [Bildo B] [Bildo C] [Bildo D]

Konsideroj pri efektivigo:

  • Provizu alt-tekston por alirebleco
  • Testu trans malsamaj aparatoj kaj ekrangrandecoj

10. Demandoj pri vera/falsa respondo

  • intenco: Sciotestado kaj taksado de kredoj 
  • Plej bona porEduka taksado, faktokonfirmo, opinisondado
  • konsideroj50% ŝanco de ĝusta divenado

ekzemple: Enketoj pri klienta kontenteco estu senditaj ene de 24 horoj post aĉeto.

  • veraj
  • falsa

Plibonigaj teknikoj:

  • Aldonu opcion "Mi ne scias" por redukti divenadon
  • Fokusu sur klare veraj aŭ malveraj asertoj
  • Evitu absolutajn vortojn kiel "ĉiam" aŭ "neniam"
demando kun plurelekta vera aŭ falsa

Bonuso: Simplaj ŝablonoj por diversaj demandoj

Plej Bonaj Praktikoj por Krei Efikajn MĈojn

Krei altkvalitajn plurelektajn demandojn postulas sisteman atenton al dezajnaj principoj, testaj proceduroj kaj kontinua plibonigo bazita sur datumoj kaj religo.

Skribi Klarajn kaj Efikajn Tigojn

Precizeco kaj klareco

  • Uzu specifan, nedubindan lingvaĵon, kiu ne lasas spacon por misinterpreto
  • Fokusu sur ununura koncepto aŭ ideo por ĉiu demando
  • Evitu nenecesajn vortojn, kiuj ne kontribuas al la signifo
  • Skribu je taŭga legnivelo por via cela publiko

Kompletaj kaj sendependaj tigoj

  • Certigu, ke la tigo estas komprenebla sen legi la opciojn
  • Inkluzivi ĉiujn necesajn kuntekstojn kaj fonajn informojn
  • Evitu tigojn, kiuj postulas specifan opcian scion por kompreni
  • Faru la tigon kompleta penso aŭ klara demando

Ekzempla komparo:

Malriĉa tigo: "Merkatado estas:" Plibonigita Tigo: "Kiu difino plej bone priskribas ciferecan merkatadon?"

Malriĉa tigo: "La afero, kiu plej helpas entreprenojn:" Plibonigita tigo: "Kiu faktoro kontribuas plej signife al la sukceso de malgrandaj entreprenoj en la unua jaro?"

Evoluigante Altkvalitajn Opciojn

Homogena strukturo

  • Konservu koheran gramatikan strukturon tra ĉiuj opcioj
  • Uzu paralelan vortumon kaj similajn kompleksecnivelojn
  • Certigu, ke ĉiuj opcioj kompletigas la tigon konvene
  • Evitu miksi malsamajn specojn de respondoj (faktoj, opinioj, ekzemploj)

Taŭga longo kaj detalo

  • Konservu opciojn proksimume similajn laŭ longo por eviti doni sugestojn
  • Inkluzivi sufiĉajn detalojn por klareco sen superforti
  • Evitu opciojn, kiuj estas tro mallongaj por esti senchavaj
  • Ekvilibrigi koncizecon kun necesaj informoj

Logika organizado

  • Aranĝu opciojn laŭ logika ordo (alfabeta, numera, kronologia)
  • Hazardigu kiam ne ekzistas natura ordo
  • Evitu ŝablonojn, kiuj povus provizi neintencitajn sugestojn
  • Konsideru la vidan efikon de la opcia aranĝo

Kreante Efikajn Distraktorojn

Kredindeco kaj kredindeco

  • Dezajnu distraktorojn, kiuj povus racie esti ĝustaj por iu kun parta scio
  • Bazu malĝustajn opciojn sur oftaj miskomprenoj aŭ eraroj
  • Evitu evidente malĝustajn aŭ ridindajn opciojn
  • Testu distraktorojn kun celaj aŭskultantaroj

Eduka valoro

  • Uzu distraktorojn, kiuj malkaŝas specifajn mankojn en la scio
  • Inkluzivi preskaŭ-trafajn opciojn, kiuj testas fajnajn distingojn
  • Kreu opciojn, kiuj traktas malsamajn aspektojn de la temo
  • Evitu pure hazardajn aŭ senrilatajn distraktorojn

Evitante komunajn faŭltojn

  • Evitu gramatikajn sugestojn, kiuj malkaŝas la ĝustan respondon
  • Ne uzu "ĉiujn supre menciitajn" aŭ "neniun el la supre menciitaj" krom se strategie necese.
  • Evitu absolutajn terminojn kiel "ĉiam", "neniam", "nur", kiuj igas opciojn evidente malĝustaj
  • Ne inkluzivu du opciojn, kiuj signifas esence la samon

Kiel Krei Simplajn sed Efikajn Plurelektajn Demandojn

Plurelektaj balotenketoj estas simpla maniero lerni pri la aŭdantaro, kolekti iliajn pensojn kaj esprimi ilin en senchava bildigo. Post kiam vi starigas plurelektan balotenketon en AhaSlides, partoprenantoj povas voĉdoni per siaj aparatoj kaj la rezultoj estas ĝisdatigitaj en reala tempo.

Ĝi estas tiel facila!

Kreinto de interreta kvizo de AhaSlides AI

Ĉe AhaSlides, ni havas multajn manierojn plibeligi vian prezentaĵon kaj impliki kaj interagi vian aŭdantaron. De demando-respondaj lumbildoj ĝis vortnuboj kaj kompreneble, la kapablo enketi vian aŭdantaron. Estas multaj eblecoj atendantaj vin.