研修セッション、イベント後の確認、従業員の意識調査などから、迅速かつ信頼性の高いフィードバックを得る必要があり、また、回答者に実際にフォームを記入してもらう必要があります。5段階リッカート尺度は、そのバランスをうまく取っています。回答が迅速で、ほとんどの人が馴染みがあり、調査によると、回答の選択肢を増やしても信頼性の向上は6段階あたりで止まることがわかっています[1]。
しかし、「5段階リッカート尺度」は実際には単一の尺度ではなく、複数の尺度の総称です。選択するラベルセット（同意、満足度、頻度、重要度、品質など）によって、データの意味やそれに対する対応方法が変わってきます。このガイドでは、標準的なラベルオプション、それぞれの適切な使用場面、結果の採点方法、そして調査データの活用を困難にする間違いを避ける方法について解説します。
尺度を「リッカート尺度」たらしめるものは何か
レンシス・リカートは1932年に、態度を構造的に測定する方法としてこの形式を導入しました。それは単にイエスかノーかではなく、感情の度合いを測定する方法です[3]。古典的なリッカート尺度の項目には4つの特徴があります。
- 回答の選択肢は、一方の極端な例から反対の極端な例まで順に並んでいます。
- 中立的な中間点
- その中心点の両側に対称的なラベル
- 点間の間隔が一定であること
4つの条件すべてが満たされれば、平均値を計算してグループ間を自信を持って比較できます。しかし、これらの条件のいずれかが満たされない場合、例えば「同意する／ほぼ同意する／やや同意する／同意しない／強く同意しない」といった尺度を使うと、同意の度合いが3段階であるのに対し、同意しない度合いは2段階しかないという偏った尺度になってしまい、計算が複雑になります。
5段階評価の仕組み
各回答レベルには数値が割り当てられます。同意度を示す尺度では、1＝強く反対、2＝反対、3＝どちらでもない（賛成も反対もしない）、4＝賛成、5＝強く賛成となります。中間点である3が境界線となり、3より大きいスコアは賛成寄り、3より小さいスコアは反対寄りとなります。
質問に合わせてラベルを調整できます。満足度については、非常に不満、不満、どちらでもない、満足、非常に満足。可能性については、非常に可能性が低い、可能性が低い、どちらでもない、可能性が高い、非常に可能性が高い。ラベルは道路標識のようなものと考えてください。ラベルのない中間点は回答者に推測を強いることになり、これは調査における空白の交差点に相当します。すべてのポイントにラベルを付けることで、より一貫性のあるデータが得られます[1]。
5つの標準的な5ポイントラベルセット
職場のアンケート調査では、主に5種類のラベルセットが用いられます。そのうち3種類は両極性で、2つの正反対の選択肢の間に中立的な中間値があります。残りの2種類は単極性で、「まったくない」から「たくさん」までの選択肢があり、中間値は中立的な意見ではなく、適度な量となっています。厳密に言えば、単極性のラベルセットはリッカート尺度の一種ですが、採点方法は同じです。
1 契約
スケール： 強く反対する／反対する／どちらでもない／賛成する／強く賛成する
これは最も一般的な形式で、多くの人が「リッカート尺度」と聞いて思い浮かべるものです。何か主張を提示し、回答者がどの程度それに賛同しているかを知りたい場合に使用します。
最適な適合例:
- 研修後の評価：「このコースのおかげで、自分の役割においてスキルを活かす準備ができました。」
- マネージャーからのフィードバック：「私のマネージャーは明確な期待値を提示してくれます。」
- 入社時アンケート：「入社初週に自分に求められていることを理解できました。」
体験を直接評価する場合は、この方法は避けてください。満足度尺度の方が、その目的には適していることが多いです。
2.満足度
スケール： 非常に不満 / 不満 / どちらでもない / 満足 / 非常に満足
満足度尺度は、意見表明よりもイベント、サービス、体験を評価するのに適しています。質問は、主張に対する反応を求めるのではなく、体験そのものに焦点を当てています。
最適な適合例:
- イベント後のフィードバック：「今日のワークショップにご満足いただけましたか？」
- 従業員体験：「あなたが受けている専門能力開発支援にどの程度満足していますか？」
- 研修評価（カークパトリック・レベル1）：「コース教材の質にどの程度満足していますか？」
3。 周波数
スケール： まったくない／めったにない／時々／よくある／いつも
頻度尺度は、何かがどれくらいの頻度で起こるかを測定するものです。特に、学習内容の応用度を評価する際に役立ちます。学習内容の応用度を評価する目的は、学習者が実際に学んだことを応用しているかどうかを把握することです。これは単極尺度であり、「時々」は中程度の頻度を表し、中立的な意見ではありません。
最適な適合例:
- 行動追跡：「私はこの研修で学んだスキルを日々の業務に活かしています。」
- マネジメントの有効性：「私の上司は私の業績についてフィードバックをくれます。」
- チームの健全性：「私たちの会議では、率直な議論を行う時間を設けています。」
実用的な注意点として、頻度を表す言葉は人によって意味が異なります。「頻繁に」という言葉は、ある回答者にとっては毎日を意味するかもしれませんが、別の回答者にとっては毎週を意味するかもしれません。正確さが重要な場合は、「月に1回未満／月に1回／週に1回／週に数回／毎日」のように、明確な時間を示す言葉に置き換えてください。
4. 重要性
スケール： 全く重要ではない／やや重要／中程度に重要／非常に重要／極めて重要
重要度尺度は、回答者が実際に何を重視しているかを示し、あなたが想定している価値観とは異なります。優先順位を設定したり、視聴者のニーズに合わせてプログラムを設計したりする際に最も役立ちます。頻度と同様に、これは単極尺度です。
最適な適合例:
- 人材育成ニーズ評価：「このトピックに関する研修は、あなたの現在の役割にとってどの程度重要ですか？」
- 福利厚生に関するアンケート：「柔軟な勤務時間は、あなたの仕事の満足度にとってどの程度重要ですか？」
- 機能の優先順位付け：「セッション中のリアルタイムフィードバックはどの程度重要ですか？」
5。 品質
スケール： 非常に悪い／悪い／普通／良い／素晴らしい
品質評価尺度は、プレゼンテーション、コンテンツ、サービス体験など、何らかの成果物を評価するものです。満足度評価尺度とは異なり、対象物そのものに対する個人的な反応ではなく、対象物自体に対する判断を求めます。
最適な適合例:
- 内容レビュー：「ファシリテーターの説明の質をどのように評価しますか？」
- ベンダー評価：「受けたサポートの質を評価してください。」
- イベントに関するフィードバック：「セッション資料の質をどのように評価しますか？」
例：5つの質問からなる研修後評価
ラベルセットを混在させても、各質問が質問内容に合ったセットを使用している限り問題ありません。以下は、研修開発チームがセッションの最後に実施できる簡単な評価例です。
- 「本日の内容は、あなたの役割にどの程度関連性があると思いますか？」(満足度)
- 「ファシリテーターのプレゼンテーションの質をどのように評価しますか？」(質)
- 「今日学んだことを自信を持って応用できると感じています。」（同意）
- 「今後30日以内にこれらのスキルを使う可能性はどのくらいありますか？」(可能性)
- 「この研修で学んだスキルを、現在どのくらいの頻度で活用していますか？」(頻度は、フォローアップ調査の基準値として用いる)
翌日にメールで送るのではなく、セッションの最後の5分間に実施してください。参加者は体験が鮮明なうちに回答してくれるため、グループ、ファシリテーター、モジュールごとのスコアを時系列で比較できます。
スコアの計算方法と解釈方法
採点は簡単です。各設問について、各レベルの回答数にそのレベルの値を掛け合わせ、それらを合計し、回答総数で割って平均値を算出します。
例えば、50人が質問に回答し、5人が「強く反対」（1）、「反対」（2）を8人、「どちらでもない」（3）を12人、「賛成」（4）を15人、「強く賛成」（5）を10人が選択した場合、計算式は（5×1）+（8×2）+（12×3）+（15×4）+（10×5）= 167となります。これを50人で割ると平均は3.34となり、やや賛成寄りの傾向が見られます。
平均値だけでなく、分布にも注目しましょう。平均値が3.5だからといって、全員がやや肯定的な意見を持っているとは限りませんし、半数が反対、半数が強く賛成している可能性もあります。平均値だけでは分からないことを、分布を見れば理解できるのです。
5段階評価を使うべき時（そして使うべきでない時）
5段階評価は、幅広い層から迅速かつ体系的なフィードバックを得たい場合に最適です。研修後の評価、従業員の意識調査、イベントのフィードバック、顧客体験調査など、回答者の負担とデータの精細さのバランスを取る必要があるあらゆる状況に適しています。
7段階評価尺度を検討するべき場合：
- 関連する複数の質問ではなく、独立した単一の質問をしています。なぜなら、1つの項目の方が追加ポイントの恩恵をより多く受けるからです。
- 複数の調査サイクルにわたって意識を追跡し、小さな変化を検出する必要があります。
- あなたは2つの類似したプログラムを比較しており、回答が中間値に集中することを期待しています。
7段階評価は5段階評価よりもわずかに細かい測定が可能ですが、その差はわずかです[2]。過去の結果が残っている5段階評価のアンケートがある場合は、そのまま使用してください。尺度を変更するとベンチマークが失われ、通常は精度向上によるメリットよりもコストが高くなります[2]。ほとんどの人材開発および人事のユースケースでは、5段階評価形式がより安全なデフォルトです。
意図的な理由がない限り、同じアンケートで異なる尺度を混在させるのは避けるべきです。5段階の満足度質問と7段階の同意質問の間を行き来すると、回答者は立ち止まって再調整する必要があり、摩擦や一貫性の欠如が生じます。偶数尺度（4段階または6段階）は、中立的な選択肢を意図的に排除し、回答者をどちらか一方に偏らせたい場合にのみ使用してください。
ラベルデザインのヒント
すべての点にラベルを付けてください。 両端の選択肢のみにラベルを付ける尺度では、回答者は中間の選択肢の意味を推測せざるを得ません。完全にラベル付けされた尺度は、両端のラベルのみの尺度よりも信頼性の高い回答が得られることがわかっています[1]。
中立的な中間点を維持する。 中間の選択肢を取り除いても尺度の信頼性は向上しない[1]し、本当に強い意見を持たない人にどちらか一方を選ばせることになる。中立的な回答は言い逃れではなく、有効なデータである。
調査全体を通して同じ方向を使用してください。 同意度を示す尺度が左端の「強く反対」から右端の「強く賛成」までとなっている場合は、すべての項目でその方向を維持してください。途中で方向を反転させるのはよくある設計ミスであり、ノイズを増やす原因となります。
ラベルの種類と質問の種類を一致させてください。 「フィードバックを受ける頻度はどのくらいですか？」という質問には、同意度ではなく頻度を問う尺度が必要です。「同意／不同意」は、頻度を問う質問には不適切な尺度です。
よくある間違いは避けるために
二重の質問をする。 「ファシリテーターは知識が豊富で、魅力的だった」といった質問は、2つのことを同時に尋ねています。回答者は、ファシリテーターの知識は非常に豊富だったものの、魅力的だったとは言えないと感じるかもしれませんが、それを伝える方法がありません。複合的な記述はすべて、個別の項目に分割してください。
主導的な言葉遣いを用いる。 「素晴らしいコンテンツをどれくらい楽しめましたか？」といった表現は、肯定的な評価を前提としています。回答者は質問が意図すると思われる回答に偏りがちで、結果としてスコアが水増しされ、本当の問題点が隠されてしまいます。表現は中立的なものにしましょう。「今日のコンテンツの質をどのように評価しますか？」のように。
すべての5段階評価を互換性のあるものとして扱う。 満足度スコアと同意度スコアは、どちらも1から5までの値をとりますが、同じものではありません。これらを平均して1つの指標にすると、異なる指標が混ざってしまいます。結果を報告したり比較したりする際は、尺度の種類を分けて扱うようにしてください。
長すぎるアンケートを実施する。 アンケートが長くなればなるほど、回答者が途中で離脱したり、内容を読まずにクリックして先に進んだりする傾向が強まります。研修後の評価であれば、通常5～8項目で十分です。「念のため」に質問を追加する場合は、その回答によって何らかの決定が変わるかどうかを自問自答してください。そうでない場合は、その質問は削除しましょう。
研究の途中で尺度を変更すること。 特定のラベルセットで基準値を設定した後、フォーマットを変更すると比較が崩れ、トレンドラインが意味をなさなくなります。スケールを修正する必要がある場合は、それを新しい基準値として扱い、レポートに変更点を記載してください。
中立的な選択肢は無視する。 中立的な回答が集まっているからといって、無意味というわけではありません。それは多くの場合、回答者が意見を形成するのに十分な情報や経験を持っていないことを意味するため、それ自体が有益な情報となります。
FAQ
5段階のリッカート尺度から平均値を計算できますか？
はい、ただし注意点があります。ポイントを等間隔（1～5）として扱う場合、平均値は項目やグループを比較する際の便利な要約値となります。ほとんどの人材開発担当者や人事担当者はこの方法を採用しており、尺度がバランスよく、ラベルが完全に表示されている場合は一般的に受け入れられています。より厳密な学術的見解では、リッカート尺度のデータは間隔尺度ではなく順序尺度であり、平均値ではなく中央値で報告すべきとされています。実際には、時間の経過に伴う変化を追跡したり、促進要因を比較したりする場合には、平均値を概算値として扱う限り、問題なく機能します。
リッカート尺度と評定尺度の違いは何ですか？
評価尺度とは、回答を測定するために使用される、番号またはラベルが付いた範囲のことです。リッカート尺度は、中立的な中間点を中心として、順序付けられ、対称的で、完全にラベル付けされた選択肢を持つ、特定のタイプの評価尺度です。すべてのリッカート尺度は評価尺度ですが、すべての評価尺度がリッカート尺度であるとは限りません。0から10までの範囲で、両端にのみラベルが付いているネットプロモータースコアの質問は、評価尺度ではありますが、リッカート尺度ではありません。
有効なリッカート尺度には、いくつの項目が必要ですか？
5段階評価の質問は、厳密にはリッカート尺度の一種であり、完全なリッカート尺度ではありません。リッカート自身が定義した完全なリッカート尺度は、同じ根底にある概念を測定する複数の項目を組み合わせ、個々のスコアを合計または平均して1つの複合スコアを作成します。人事や人材開発の日常業務では、「リッカート尺度」は単一の質問に対して日常的に使用されており、その用法は広く理解されています。重要なのは、どちらの尺度を使用しているかを把握することです。心理的安全性や研修の適用準備状況といった複雑なものを測定するには、1つの項目よりも複数の項目を使用した方が、より信頼性の高いデータが得られます。
5段階リッカート尺度を実行する AhaSlides
回答を得ることは、尺度を設計するよりも難しい場合が多い。セッションから数日後にフィードバックを収集すると、回答率は低下し、回答は実際の体験ではなく記憶を反映したものになってしまう。
その AhaSlides 評価スケール 1枚のスライドに複数の項目を記載し、評価範囲（1～5、1～7、または必要な範囲）を設定して、上記のラベルセットに合わせて独自のラベルを作成できます。参加者はスマートフォンでQRコードまたはリンクから参加し、各項目の平均スコアをリアルタイムで表示したり、公開準備が整うまで非表示にしたりできます。同じ評価尺度をセッション後のフィードバック用アンケートとして単独で実行することもでき、データをスプレッドシートにエクスポートして詳細な分析を行うことも可能です。
特に研修評価においては、セッションが進行中に参加者全員と結果を共有することで、ファシリテーターは即座に状況を把握でき、1週間後に送付される報告書よりも率直なフィードバックが可能になります。
ソース
[1] Jebb, AT、Ng, V.、Tay, L. (2021)。主要なリッカート スケール開発の進歩のレビュー: 1995 年から 2019 年。 心理学のフロンティア、12、637547。 https://pmc.ncbi.nlm.nih.gov/articles/PMC8129175/
[2] Sauro, J. 5点尺度と7点尺度のどちらを使うべきか？ MeasuringU. https://measuringu.com/scale-points/
[3] リッカート、R. (1932). 態度の測定法。 心理学アーカイブ、22（140）、1-55。
