La scala Likert nella ricerca: una guida pratica alla progettazione, alle tipologie e all'analisi.

La maggior parte delle persone che utilizzano le scale Likert nella ricerca non ha mai ricevuto una formazione su come progettarle o analizzarle correttamente. Questa guida illustra cosa misurano effettivamente le scale Likert, come scegliere il tipo più adatto, come progettare item che producano dati affidabili e quali test statistici applicare, in modo che il prossimo sondaggio fornisca risultati concreti su cui agire.

Che siate professionisti della formazione e dello sviluppo che progettano valutazioni dei corsi, responsabili delle risorse umane che gestiscono sondaggi sul coinvolgimento dei dipendenti o ricercatori nel campo delle scienze sociali, i principi qui esposti sono validi anche in questo caso.

Esamineremo nel dettaglio cosa misura effettivamente una scala Likert, i diversi tipi tra cui scegliere, come progettare domande efficaci con scala Likert, come analizzare i dati risultanti e le insidie ​​più comuni in cui incappano anche i ricercatori più esperti.

Che cos'è una scala Likert?

La scala Likert è uno strumento psicometrico utilizzato nei questionari e nei sondaggi per misurare atteggiamenti, opinioni, percezioni e comportamenti. Invece di porre una semplice domanda con risposta sì/no, permette agli intervistati di esprimere l'intensità dei loro sentimenti lungo uno spettro graduato.

Ogni scala Likert è composta da diverse affermazioni individuali chiamate item di Likert. Il rispondente legge ogni affermazione e seleziona una risposta da una serie di opzioni ordinate, che in genere vanno da una posizione fortemente negativa, passando per un punto intermedio neutro, fino a una posizione fortemente positiva.

Ad esempio, una scala di accordo a cinque punti si presenta così:

Il principio chiave alla base della metodologia originale di Likert è che il punteggio finale è composito. Non si analizza un singolo elemento isolatamente. Al contrario, si sommano o si calcola la media delle risposte a più elementi correlati per produrre un punteggio complessivo che rifletta l'atteggiamento sottostante che si intende misurare.

Scala Likert vs elemento Likert: Questa distinzione è importante. Una singola domanda con un formato di risposta a cinque punti è un elemento di tipo Likert. Una scala Likert è l'insieme completo di elementi correlati (di solito da quattro a dieci) progettati per misurare un costrutto. Molti ricercatori usano questi termini in modo intercambiabile, ma tecnicamente, la scala rappresenta la misura aggregata.

Tipi di scale Likert

La scelta del tipo di scala Likert più adatto dipende da cosa si sta misurando e dal livello di dettaglio richiesto ai partecipanti al sondaggio.

Scale unipolari vs scale bipolari

Scale unipolari Misurano una dimensione da zero a un estremo. Sono utili quando si vuole valutare il livello di una singola qualità. Ad esempio, da "per niente soddisfatto" a "estremamente soddisfatto" o da "mai" a "sempre".

Scale bipolari Misurare due costrutti opposti con un punto medio neutro. Il classico formato accordo/disaccordo è bipolare perché spazia da un forte disaccordo, passando per la neutralità, fino a un forte accordo. Questi formati sono ideali quando è necessario cogliere sia le posizioni positive che quelle negative su una questione.

Le ricerche suggeriscono che le scale unipolari funzionano meglio con cinque punti di risposta, mentre le scale bipolari sono più accurate con sette punti (tre su ciascun lato di un vero punto medio neutro).

Numero dispari o pari di punti

Scale dispari (3, 5 o 7 punti) includono un'opzione intermedia neutra. Le versioni a cinque e sette punti sono le più comunemente utilizzate nella ricerca pubblicata. L'inclusione di tale punto intermedio consente agli intervistati che non hanno un'opinione precisa di esprimerla onestamente, anziché essere costretti a schierarsi.

Scale numeriche pari (4, 6 o 8 punti) eliminano completamente l'opzione neutra. Questo approccio a "scelta forzata" è utile quando è necessario che gli intervistati si orientino specificamente in una direzione o nell'altra, come nel caso del feedback sui prodotti, dove una risposta neutra non è utilizzabile.

Quanti punti dovresti utilizzare?

Questa è una delle questioni più dibattute nella progettazione dei sondaggi. Ecco cosa ci dice la ricerca:

• Da cinque a sette punti In genere, offrono il miglior equilibrio tra affidabilità, sensibilità e facilità di risposta. Gli studi hanno dimostrato che l'affidabilità migliora passando da due a cinque punti, ma mostra rendimenti decrescenti oltre i sette.
• Meno di cinque punti riduce la granularità dei dati e può nascondere differenze significative tra gli intervistati.
• Più di sette punti Aumenta il carico cognitivo senza migliorare significativamente la qualità dei dati. Gli intervistati iniziano ad avere difficoltà a distinguere tra opzioni adiacenti.
• Rispondenti da dispositivi mobili e sondaggi brevi Approfitta di cinque punti ben definiti per risposte più chiare e rapide.

In pratica: per la maggior parte delle applicazioni, è consigliabile utilizzare una scala a cinque punti e passare a sette punti quando sono necessarie distinzioni più precise o quando si misurano costrutti bipolari.

Dimensioni di scala comuni

Le scale Likert non si limitano alla valutazione del grado di accordo. Ecco le dimensioni di risposta più frequentemente utilizzate nella ricerca:

Perché la scala Likert è importante nella ricerca

La scala Likert è rimasta lo strumento di misurazione dominante nei sondaggi per oltre 90 anni per diverse ragioni pratiche.

Vantaggi

Standardizzazione e comparabilità. Ogni intervistato risponde allo stesso insieme di domande nello stesso formato, il che semplifica il confronto dei dati tra individui, gruppi e periodi di tempo. Questa coerenza è essenziale per gli studi longitudinali e la ricerca interculturale.

Quantifica l'esperienza soggettiva. Gli atteggiamenti e le opinioni sono intrinsecamente astratti. La scala Likert converte queste sensazioni soggettive in dati numerici che possono essere analizzati statisticamente, consentendo ai ricercatori di identificare modelli, correlazioni e differenze significative.

Unisce profondità ed efficienza. Rispetto alle domande aperte, le domande con scala Likert sono più rapide da compilare per gli intervistati e più facili da analizzare per i ricercatori. Rispetto alle domande binarie sì/no, colgono molte più sfumature sull'intensità della posizione di un intervistato.

Elevata affidabilità se ben progettata. Le scale Likert multi-item che misurano lo stesso costrutto tendono a produrre risultati affidabili. Aggregando le risposte relative a diversi item correlati, si riduce l'impatto di una singola risposta anomala o di una momentanea distrazione.

Flessibilità. Il formato si adatta praticamente a qualsiasi ambito di ricerca: soddisfazione del paziente in ambito sanitario, coinvolgimento dei dipendenti nelle risorse umane, valutazione dei corsi da parte degli studenti in ambito educativo, percezione del marchio nel marketing e sondaggi d'opinione pubblica nelle scienze politiche.

Svantaggi e pregiudizi comuni

Nessuno strumento di misurazione è perfetto, e comprendere i limiti delle scale Likert è tanto importante quanto conoscerne i punti di forza.

Bias di acquiescenza. Alcuni intervistati tendono ad essere d'accordo con le affermazioni a prescindere dal loro contenuto. Questo è particolarmente problematico quando tutte le affermazioni sono formulate nella stessa direzione. L'inclusione di item con codifica inversa (in cui l'accordo indica una posizione negativa) aiuta a individuare e ridurre questo pregiudizio.

Distorsione da tendenza centrale. Molti intervistati evitano le opzioni estreme e concentrano le loro risposte intorno al centro della scala. Questo riduce la gamma di dati raccolti e può nascondere reali differenze di opinione.

Distorsione da desiderabilità sociale. Quando gli argomenti del sondaggio sono delicati (cultura aziendale, comportamenti personali in materia di salute, opinioni politiche), gli intervistati potrebbero scegliere risposte che ritengono socialmente più accettabili piuttosto che veritiere. La somministrazione anonima contribuisce a mitigare questo problema.

Dati ordinali, non a intervalli. A rigor di termini, la distanza tra "fortemente in disaccordo" e "in disaccordo" potrebbe non essere uguale alla distanza tra "d'accordo" e "fortemente d'accordo". Questa è la fonte del lungo dibattito statistico sull'opportunità di utilizzare test parametrici (come il t-test e l'ANOVA) sui dati di tipo Likert. Approfondiremo questo argomento nella sezione di analisi qui di seguito.

Si assume uno spettro di assetto lineare. Le scale Likert presuppongono che gli atteggiamenti si estendano su un continuum lineare che va dal negativo al positivo. In realtà, alcuni atteggiamenti sono più complessi e multidimensionali di quanto una singola scala possa cogliere.

Come progettare domande efficaci con scala Likert

Dati di qualità iniziano con domande di qualità. Questi principi di progettazione si applicano a qualsiasi sondaggio basato sulla scala Likert.

1. Inizia con obiettivi di ricerca chiari

Prima di inserire un singolo elemento, è fondamentale definire con precisione quale costrutto si intende misurare e quali decisioni saranno supportate dai dati raccolti. Una scala Likert che misura la "soddisfazione del cliente rispetto al processo di onboarding" richiede elementi diversi rispetto a una che misura la "fiducia dei dipendenti nella leadership".

2. Scrivere elementi chiari e inequivocabili

Ogni affermazione dovrebbe riguardare un solo concetto. Evitate domande a doppio senso come "La formazione è stata istruttiva e coinvolgente", perché un intervistato potrebbe concordare con una parte e dissentire dall'altra.

Altre buone pratiche per la redazione degli articoli:

• Utilizza un linguaggio semplice e quotidiano. Evita il gergo tecnico, a meno che il tuo pubblico non sia specializzato.
• Le dichiarazioni devono essere brevi. L'obiettivo è di non superare le 20 parole per ogni punto.
• Evitate un linguaggio suggestivo che indirizzi gli intervistati verso una risposta specifica.
• Non usare doppie negazioni ("Non sono in disaccordo con...").
• Includere un mix di elementi formulati in modo positivo e negativo per ridurre il bias di acquiescenza.

3. Scegliete con attenzione le etichette di risposta

Ogni punto della scala deve essere accompagnato da un'etichetta chiara e inequivocabile. La ricerca dimostra che le scale etichettate (in cui ogni punto ha una descrizione verbale) risultano più affidabili e comprensibili per i rispondenti rispetto alle scale composte solo da numeri.

Assicurati che le etichette siano simmetriche. Per una scala di accordo a cinque punti, "Fortemente in disaccordo, In disaccordo, Né d'accordo né in disaccordo, D'accordo, Fortemente d'accordo" mantiene una distanza concettuale uguale su entrambi i lati del punto medio neutro.

4. Decidere un punto medio neutrale

Includere un punto intermedio (come "né d'accordo né in disaccordo") offre agli intervistati una via d'uscita onesta quando non hanno un'opinione. Escluderlo, invece, impone una scelta direzionale. Nessuno dei due approcci è universalmente corretto; la decisione giusta dipende dagli obiettivi della ricerca.

Se sospetti che gli intervistati possano optare per la risposta neutra per evitare di riflettere, valuta la possibilità di aggiungere un'opzione separata "Non so" o "Non applicabile" per distinguere la genuina neutralità dal disinteresse.

5. Utilizzare articoli con codifica inversa

L'inclusione di alcuni item in cui l'accordo indica un atteggiamento negativo (ad esempio, "Trovo questa formazione difficile da seguire") ha un duplice scopo. In primo luogo, obbliga i partecipanti a leggere attentamente ogni item anziché indicare la stessa risposta in tutte le domande. In secondo luogo, consente di verificare la coerenza interna durante l'analisi, controllando che gli item con codifica inversa siano correlati negativamente con gli item formulati positivamente.

6. Test pilota con interviste cognitive

Prima di lanciare un sondaggio completo, testa le tue domande con un piccolo gruppo (da cinque a venticinque persone). Chiedi loro di pensare ad alta voce mentre rispondono. Questo permette di individuare formulazioni confuse, termini ambigui o opzioni di risposta che non corrispondono al modo in cui le persone pensano realmente all'argomento.

Come analizzare i dati della scala Likert

È qui che molti ricercatori incontrano difficoltà. L'approccio analitico dipende dal fatto che si lavori con singoli elementi della scala Likert o con punteggi aggregati della scala Likert.

Il dibattito tra ordinali e intervalli

I singoli item della scala Likert producono dati ordinali. Le categorie di risposta hanno un chiaro ordine di rango, ma la distanza tra di esse non è matematicamente garantita essere uguale. "Fortemente d'accordo" è più positivo di "d'accordo", ma la differenza tra i due è la stessa che c'è tra "in disaccordo" e "fortemente in disaccordo"? Non c'è modo di esserne certi.

Pensate ai dati ordinali come alle posizioni di arrivo in una gara: sapete che il primo è arrivato prima del secondo, ma non potete presumere che il distacco tra il primo e il secondo sia uguale al distacco tra il secondo e il terzo. I punteggi compositi della scala Likert si avvicinano maggiormente a una distanza misurata, più ai dati di tempo che alle posizioni di arrivo.

Tuttavia, quando si aggregano più elementi in un punteggio composito su scala Likert, molti ricercatori trattano i dati risultanti come approssimativamente intervallari. Questa posizione è fortemente supportata dalla letteratura. La ricerca di Geoff Norman e altri ha dimostrato che i test parametrici (test t, ANOVA, correlazioni di Pearson) sono sufficientemente robusti da produrre risultati validi con dati su scala Likert, anche quando l'assunzione di intervalli uguali viene in qualche modo violata.

In pratica: per i singoli item, è preferibile utilizzare metodi non parametrici. Per i punteggi aggregati di scale ottenute da strumenti multi-item ben progettati, i test parametrici sono generalmente accettabili.

Statistiche descrittive

Per i singoli elementi Likert, riportare il modo (la risposta più comune) e distribuzione di frequenza (percentuale di intervistati in ciascuna categoria). I grafici a barre sono il modo più chiaro per visualizzare le risposte a una singola domanda.

Per i punteggi della scala aggregata, è possibile segnalare il significare and deviazione standard Riassumere la tendenza centrale e la dispersione.

Statistica inferenziale

Test di affidabilità

Prima di trarre conclusioni dalla tua scala, verifica la sua coerenza interna utilizzando l'alfa di Cronbach. Un valore superiore a 0.70 è generalmente accettabile, mentre un valore superiore a 0.80 è considerato molto buono. Se un singolo item presenta una correlazione item-totale corretta inferiore a 0.30, valuta la possibilità di rimuoverlo, poiché potrebbe non misurare lo stesso costrutto degli altri item.

Controlli di validità

La validità dei contenuti Garantisce che gli elementi scelti coprano l'intera portata del progetto. Consultare esperti in materia durante la fase di progettazione.

Validità di costrutto può essere valutato tramite analisi fattoriale, che conferma se i tuoi elementi si raggruppano nelle dimensioni teoriche previste.

Criterio valido Confronta i punteggi ottenuti nella tua scala con una misura consolidata dello stesso costrutto. Una forte correlazione tra le due misure ne conferma la validità.

Applicazioni pratiche delle scale Likert

Ricerca accademica

Nella ricerca educativa, le scale Likert misurano comunemente il coinvolgimento degli studenti, l'autoefficacia e l'atteggiamento verso l'apprendimento. Uno strumento tipico potrebbe includere da 15 a 20 item che misurano diverse sfaccettature della motivazione accademica, aggregate in punteggi di sottoscala.

Settore Sanitario

I sondaggi sulla soddisfazione dei pazienti, le valutazioni dell'efficacia dei trattamenti e le misurazioni della qualità della vita utilizzano frequentemente la scala Likert. La System Usability Scale (SUS), ad esempio, è un noto strumento Likert a dieci item utilizzato per valutare l'usabilità dei sistemi informativi sanitari e dei dispositivi medici.

Impegno dei dipendenti

Le organizzazioni utilizzano sondaggi periodici basati sulla scala Likert per monitorare nel tempo la soddisfazione dei dipendenti, la sicurezza psicologica e l'impegno organizzativo. Il formato standardizzato facilita il confronto dei risultati tra reparti e trimestri.

Ricerche di Mercato

Gli studi sulla percezione del marchio, i sondaggi sull'esperienza del cliente e gli strumenti di feedback sui prodotti si basano in larga misura sulle scale Likert. Il Net Promoter Score (NPS), pur essendo tecnicamente un formato diverso, condivide lo stesso fondamento concettuale di misurazione del sentiment su uno spettro graduato.

Feedback del pubblico dal vivo

È qui che emergono le applicazioni più efficaci. Quando si tiene una sessione di formazione, un workshop o una presentazione a una conferenza, la raccolta di feedback su scala Likert in tempo reale consente di valutare la comprensione e la soddisfazione del pubblico durante lo svolgimento della sessione, anziché affidarsi al ricordo a posteriori.

AhaSlides, una piattaforma completa per sondaggi in tempo reale, scale di valutazione, domande e risposte, word cloud e quiz, rende tutto ciò pratico consentendo ai relatori di incorporare domande con scala Likert direttamente nelle presentazioni dal vivo, con le risposte visualizzate istantaneamente. Non è necessario alcuno strumento di sondaggio separato.

Gli errori più comuni da evitare

Utilizzare un singolo elemento come "scala". Una singola domanda non basta a creare una scala Likert. I singoli item sono più suscettibili a errori di misurazione e a effetti contestuali. Per una misurazione affidabile, è necessario utilizzare almeno da quattro a sei item per ciascun costrutto.

Ignorando la differenza tra item di Likert e scale di Likert. Analizzare i singoli elementi con statistiche parametriche (calcolando, ad esempio, la media di una singola domanda a cinque punti) è tecnicamente inappropriato. Riservate questi metodi ai punteggi aggregati di più elementi.

Considerare tutti i numeri uguali. Assegnare un valore da 1 a 5 alle opzioni di risposta non trasforma automaticamente i dati in dati a livello di intervallo. Nella sezione relativa ai metodi, sii trasparente su come tratti i dati e sul perché.

Trascurare la codifica inversa. Se tutti gli elementi a disposizione puntano nella stessa direzione, non è possibile distinguere un accordo genuino da un pregiudizio di acquiescenza.

Complicare eccessivamente la scala. Una scala a dieci punti con punti intermedi non etichettati crea confusione e non migliora significativamente la qualità dei dati rispetto a una versione ben progettata a cinque o sette punti.

‍