សារៈសំខាន់នៃមាត្រដ្ឋាន Likert ក្នុងការស្រាវជ្រាវ (ការធ្វើបច្ចុប្បន្នភាពឆ្នាំ 2024)

ការងារ

Astrid Tran 13 ខែវិច្ឆិកា, 2023 6 នាទីអាន

មាត្រដ្ឋាន Likert ដែលត្រូវបានបង្កើតឡើងដោយ Rensis Likert គឺជាបំរែបំរួលដែលត្រូវបានប្រើប្រាស់យ៉ាងពេញនិយមបំផុតនៃមាត្រដ្ឋានវាយតម្លៃសរុបក្នុងការស្រាវជ្រាវផ្នែកអប់រំ និងវិទ្យាសាស្ត្រសង្គម។

សារៈសំខាន់នៃ មាត្រដ្ឋាន Likert ក្នុងការស្រាវជ្រាវ គឺមិនអាចប្រកែកបាន ជាពិសេសនៅពេលនិយាយអំពីការវាស់ស្ទង់អាកប្បកិរិយា គំនិត អាកប្បកិរិយា និងចំណូលចិត្ត។

នៅក្នុងអត្ថបទនេះ យើងនឹងស្វែងយល់កាន់តែស៊ីជម្រៅអំពីអត្ថន័យនៃ Likert Scale ក្នុងការស្រាវជ្រាវ ក៏ដូចជាពេលណា និងរបៀបប្រើវាឱ្យល្អបំផុតក្នុងការស្រាវជ្រាវ ថាតើវាជាការស្រាវជ្រាវគុណភាព ឬបរិមាណ។

ទិដ្ឋភាពទូទៅ

តើអ្នកណាជាអ្នកបង្កើត Likert Scale?Rensis Likert
តើទំហំ Likert អភិវឌ្ឍនៅពេលណា?1932
តើខ្នាត Likert ធម្មតានៅក្នុងការស្រាវជ្រាវគឺជាអ្វី?មាត្រដ្ឋាន ៥ ឬ ៧ ចំណុច
ទិដ្ឋភាពទូទៅនៃមាត្រដ្ឋាន Likert ក្នុងការស្រាវជ្រាវ

តារាង​មាតិកា:

ហេតុអ្វីបានជាមាត្រដ្ឋាន likert ត្រូវបានប្រើក្នុងការស្រាវជ្រាវ
មាត្រដ្ឋាន Likert គឺជាមាត្រដ្ឋានវាយតម្លៃសរុបដែលត្រូវបានប្រើប្រាស់ច្រើនបំផុតក្នុងការស្រាវជ្រាវ

តើខ្នាត Likert ក្នុងការស្រាវជ្រាវគឺជាអ្វី?

មាត្រដ្ឋាន Likert ត្រូវបានគេដាក់ឈ្មោះតាមអ្នកបង្កើតរបស់ខ្លួនគឺ Rensis Likert ដែលបានបង្កើតវានៅក្នុងឆ្នាំ 1932។ នៅក្នុងការស្រាវជ្រាវស្ទង់មតិ វាគឺជាប្រភេទខ្នាតរង្វាស់ទូទៅបំផុត ដែលត្រូវបានប្រើដើម្បីវាស់ស្ទង់អាកប្បកិរិយា តម្លៃ និងមតិសម្រាប់ស្ថានភាពពិត ឬសម្មតិកម្មនៅក្រោម សិក្សា។

គោលការណ៍ជាមូលដ្ឋាននៃវិធីសាស្ត្រវាស់វែងមាត្រដ្ឋាន Likert គឺថា ពិន្ទុដែលទទួលបានដោយមាត្រដ្ឋាន Likert គឺជាពិន្ទុរួម (បូកសរុប) ដែលកើតចេញពីការឆ្លើយតបរបស់បុគ្គលចំពោះធាតុជាច្រើននៅលើមាត្រដ្ឋាន។ ឧទាហរណ៍ អ្នកចូលរួមត្រូវបានស្នើឱ្យបង្ហាញកម្រិតនៃកិច្ចព្រមព្រៀងរបស់ពួកគេ (ពីការមិនយល់ស្របយ៉ាងខ្លាំងទៅនឹងការយល់ព្រមយ៉ាងខ្លាំង) ជាមួយនឹងសេចក្តីថ្លែងការណ៍ដែលបានផ្តល់ឱ្យ (ធាតុ) នៅលើមាត្រដ្ឋានម៉ែត្រ។

មាត្រដ្ឋាន Likert ធៀបនឹងធាតុ Likert

វាជារឿងធម្មតាទេដែលឃើញមនុស្សច្រឡំរវាងពាក្យ Likert scale និង Likert item ។ មាត្រដ្ឋាន Likert នីមួយៗមានធាតុ Likert ជាច្រើន។

  • ធាតុ Likert គឺជាសេចក្តីថ្លែងការណ៍ ឬសំណួរបុគ្គលដែលអ្នកឆ្លើយតបត្រូវបានសួរឱ្យវាយតម្លៃនៅក្នុងការស្ទង់មតិមួយ។
  • ធាតុ Likert ជាធម្មតាផ្តល់ឱ្យអ្នកចូលរួមនូវជម្រើសរវាងជម្រើសប្រាំ និងប្រាំពីរដែលមានចំណាត់ថ្នាក់ ដោយជម្រើសកណ្តាលគឺអព្យាក្រឹត ឧទាហរណ៍ពី "មិនពេញចិត្តខ្លាំង" ទៅ "ពេញចិត្តខ្លាំង"

គន្លឹះសម្រាប់ការស្ទង់មតិប្រកបដោយប្រសិទ្ធភាព

អត្ថបទជំនួស


បង្កើតការស្ទង់មតិលើអ៊ីនធឺណិតជាមួយ AhaSlides

យកឧទាហរណ៍ណាមួយខាងលើជាគំរូ។ ចុះឈ្មោះដោយឥតគិតថ្លៃ និងបង្កើតការស្ទង់មតិលើអ៊ីនធឺណិតជាមួយ AhaSlides បណ្ណាល័យគំរូ!


ចុះឈ្មោះដោយឥតគិតថ្លៃ☁️

តើអ្វីទៅជាប្រភេទនៃមាត្រដ្ឋាន Likert នៅក្នុងការស្រាវជ្រាវ?

ជាទូទៅ សំណួរប្រភេទ Likert អាចមានមាត្រដ្ឋាន unipolar ឬ bipolar ។

  • មាត្រដ្ឋាន Unipolar Likert វាស់វិមាត្រតែមួយ។ ពួកវាស័ក្តិសមសម្រាប់ការវាយតម្លៃពីវិសាលភាពដែលអ្នកឆ្លើយតបគាំទ្រទស្សនៈ ឬអាកប្បកិរិយាជាក់លាក់មួយ។ ឧទាហរណ៍ ប្រេកង់ ឬប្រូបាប៊ីលីតេត្រូវបានវាស់ដោយមាត្រដ្ឋានដោយប្រើមិនដែល/តែងតែ មិនទំនង/ទំនងខ្លាំង។ល។ ពួកគេទាំងអស់សុទ្ធតែជា unipolar ។
  • មាត្រដ្ឋាន Bipolar Likert វាស់វែងសំណង់ផ្ទុយគ្នាពីរ ដូចជាការពេញចិត្ត និងមិនពេញចិត្ត។ ជម្រើសឆ្លើយតបត្រូវបានរៀបចំជាបន្តពីវិជ្ជមានទៅអវិជ្ជមាន ដោយមានជម្រើសអព្យាក្រឹតនៅកណ្តាល។ ពួកគេត្រូវបានជួលជាញឹកញាប់ដើម្បីវាយតម្លៃតុល្យភាពរវាងអារម្មណ៍វិជ្ជមាន និងអវិជ្ជមានចំពោះប្រធានបទជាក់លាក់មួយ។ ឧទាហរណ៍ យល់ស្រប/មិនយល់ស្រប ការពេញចិត្ត/មិនពេញចិត្ត និងល្អ/អាក្រក់ គឺជាគំនិតទ្វេប៉ូឡា។
ឧទាហរណ៍នៃមាត្រដ្ឋាន Unipolarឧទាហរណ៍នៃមាត្រដ្ឋាន Bipolar
○ យល់ស្របយ៉ាងខ្លាំង
○ យល់ស្របបន្តិច
○ យល់ព្រមល្មម
○ មិនយល់ស្របទេ។
○ យល់ស្របយ៉ាងខ្លាំង
○ យល់ស្របបន្តិច
○ មិនយល់ព្រម ឬមិនយល់ព្រម
○ មិនយល់ស្របខ្លះ
○ មិនយល់ស្របយ៉ាងខ្លាំង
ឧទាហរណ៍នៃប្រភេទផ្សេងៗនៃ Likert Scale ក្នុងការស្រាវជ្រាវ

បន្ថែមពីលើប្រភេទសំខាន់ទាំងពីរនេះ មានជម្រើសឆ្លើយតបខ្នាត Likert ពីរប្រភេទ៖

  • ជញ្ជីង Likert ចម្លែក មានជម្រើសឆ្លើយតបចំនួនសេស ដូចជា 3, 5, ឬ 7។ សំណួរខ្នាត Odd Likert មានជម្រើសអព្យាក្រឹតនៅក្នុងចម្លើយឆ្លើយតប។
  • សូម្បីតែមាត្រដ្ឋាន Likert មានជម្រើសឆ្លើយតបចំនួនគូ ដូចជា 4 ឬ 6។ នេះត្រូវបានធ្វើដើម្បីបង្ខំអ្នកឆ្លើយតបឱ្យកាន់តំណែងមួយ ទាំងសម្រាប់ ឬប្រឆាំងនឹងសេចក្តីថ្លែងការណ៍។
មាត្រដ្ឋាន likert ក្នុងការស្រាវជ្រាវ
មាត្រដ្ឋាន Likert ក្នុងការស្រាវជ្រាវស្ទង់មតិ

តើអ្វីទៅជាសារៈសំខាន់នៃមាត្រដ្ឋាន Likert ក្នុងការស្រាវជ្រាវ?

មាត្រដ្ឋាន Likert ងាយស្រួលប្រើ និងយល់ ហើយវាមានភាពជឿជាក់ និងមានសុពលភាព។ នេះធ្វើឱ្យវាក្លាយជាជម្រើសដ៏ពេញនិយមសម្រាប់អ្នកស្រាវជ្រាវក្នុងវិស័យជាច្រើន រួមទាំងចិត្តវិទ្យា សង្គមវិទ្យា ការអប់រំ និងទីផ្សារ។

ហេតុអ្វីបានជាមាត្រដ្ឋាន Likert ជាមាត្រដ្ឋានដែលពេញចិត្តក្នុងការស្រាវជ្រាវ? នេះគឺជាហេតុផលមួយចំនួនដែលធ្វើមាត្រដ្ឋាន Likert ត្រូវបានគេប្រើយ៉ាងទូលំទូលាយ៖

  • អាកប្បកិរិយាមានឥទ្ធិពលលើអាកប្បកិរិយា ប៉ុន្តែមិនអាចត្រូវបានគេសង្កេតឃើញភ្លាមៗនោះទេ ពួកគេត្រូវតែសន្មត់តាមរយៈសកម្មភាព ឬការបញ្ចេញសំឡេងចម្រុះរបស់មនុស្ស។ នេះជាមូលហេតុដែលកម្រងសំណួរខ្នាត Likert មកដើម្បីដោះស្រាយទិដ្ឋភាពផ្សេងៗនៃអាកប្បកិរិយា។
  • មាត្រដ្ឋាន Likert ផ្តល់នូវទម្រង់ស្តង់ដារសម្រាប់ការប្រមូលការឆ្លើយតប ដោយធានាថាអ្នកឆ្លើយទាំងអស់ឆ្លើយសំណួរដូចគ្នាតាមរបៀបដូចគ្នា។ ស្តង់ដារនេះបង្កើនភាពជឿជាក់ និងការប្រៀបធៀបនៃទិន្នន័យ។
  • មាត្រដ្ឋាន Likert មានប្រសិទ្ធភាពសម្រាប់ការប្រមូលទិន្នន័យយ៉ាងច្រើនពីអ្នកឆ្លើយសំណួរជាច្រើន ដែលធ្វើឱ្យវាស័ក្តិសមសម្រាប់ការស្រាវជ្រាវស្ទង់មតិ។

របៀបប្រើមាត្រដ្ឋាន Likert ក្នុងការស្រាវជ្រាវ

ប្រសិទ្ធភាពនៃ Likert Scale ក្នុងការស្រាវជ្រាវត្រូវបានជះឥទ្ធិពលដោយកត្តាផ្សេងៗ។ នេះគឺជាគន្លឹះមួយចំនួនដើម្បីជួយអ្នករចនាកម្រងសំណួរជាមួយ Likert Scale៖

#1. គោលបំណងនៃកម្រងសំណួរ

កម្រងសំណួរណាមួយមានគោលបំណងជាក់លាក់បី។ ការចាប់ផ្តើមរចនាកម្រងសំណួរជាមួយនឹងសំណួរស្រាវជ្រាវសំខាន់ៗដែលអ្នកចង់ឆ្លើយគឺចាំបាច់។

#២. យកចិត្តទុកដាក់លើការរចនាសំណួរ

វាមានសារៈសំខាន់ណាស់ក្នុងការរៀបចំសំណួរដើម្បីយកឈ្នះលើអសមត្ថភាព និងមិនមានឆន្ទៈក្នុងការឆ្លើយរបស់អ្នកឆ្លើយ។

  • តើ​អ្នក​ឆ្លើយ​ត្រូវ​បាន​ជូន​ដំណឹង​ទេ?
  • ប្រសិនបើអ្នកឆ្លើយតបទំនងជាមិនត្រូវបានជូនដំណឹងទេ សំណួរចម្រោះដែលវាស់ស្ទង់ភាពធ្លាប់ស្គាល់ ការប្រើប្រាស់ផលិតផល និងបទពិសោធន៍កន្លងមកគួរតែត្រូវបានសួរមុនសំណួរអំពីប្រធានបទខ្លួនឯង។
  • តើអ្នកឆ្លើយអាចចាំបានទេ?
  • ជៀសវាងកំហុសនៃការធ្វេសប្រហែស កែវយឺត និងការបង្កើត។
  • សំណួរដែលមិនផ្តល់ឱ្យអ្នកឆ្លើយនូវគន្លឹះអាចប៉ាន់ស្មានមិនដល់ការកើតឡើងជាក់ស្តែងនៃព្រឹត្តិការណ៍មួយ។
  • តើអ្នកឆ្លើយអាចបញ្ជាក់បានទេ?
  • កាត់បន្ថយការខិតខំប្រឹងប្រែងដែលត្រូវការរបស់អ្នកឆ្លើយតប។
  • តើបរិបទដែលសំណួរត្រូវបានសួរសមស្របទេ?
  • ធ្វើឱ្យសំណើសុំព័ត៌មានហាក់ដូចជាស្របច្បាប់។
  • ប្រសិនបើព័ត៌មានមានភាពរសើប៖

អ្នកក៏អាចចូលចិត្ត: 12+ ជម្មើសជំនួសឥតគិតថ្លៃសម្រាប់ SurveyMonkey ក្នុងឆ្នាំ 2023

#៣. ជ្រើសរើស សំណួរ-ពាក្យ

សម្រាប់សំណួរដែលសរសេរបានល្អ យើងផ្តល់ជូននូវការណែនាំដូចខាងក្រោមៈ

  • កំណត់បញ្ហា
  • ប្រើពាក្យធម្មតា។
  • ប្រើពាក្យមិនច្បាស់
  • ជៀសវាងសំណួរនាំមុខ
  • ជៀសវាងការជំនួសដោយចេតនា
  • ជៀសវាងការសន្មត់ជាក់ស្តែង
  • ជៀសវាងការធ្វើទូទៅ និងការប៉ាន់ស្មាន
  • ប្រើសេចក្តីថ្លែងការណ៍វិជ្ជមាន និងអវិជ្ជមាន។

អ្នកក៏អាចចូលចិត្ត: 65+ គំរូសំណួរស្ទង់មតិប្រកបដោយប្រសិទ្ធភាព + គំរូឥតគិតថ្លៃ

#៤. ជ្រើសរើស Likert Scale ជម្រើសឆ្លើយតប

សម្រេចចិត្តថាតើអ្នកនឹងប្រើ Bipolar ឬ Unipolar ដែលជាមាត្រដ្ឋានសេស ឬសូម្បីតែ Likert អាស្រ័យលើថាតើអ្នកចង់រួមបញ្ចូលជម្រើសអព្យាក្រឹត ឬចំណុចកណ្តាល។

អ្នកគួរតែយោងទៅលើសំណង់រង្វាស់ដែលមាន និងធាតុដែលត្រូវបានអភិវឌ្ឍ និងទទួលស្គាល់ដោយអ្នកស្រាវជ្រាវពីមុន។ ជាពិសេសនៅពេលនិយាយអំពីការសិក្សាស្រាវជ្រាវដែលមានស្តង់ដារតឹងរ៉ឹង។

ឧទាហរណ៍ 5 likert scale
ឧទាហរណ៍នៃ Likert Scale ក្នុងការស្រាវជ្រាវ - System Usability Scale (SUS) | រូបភាព៖ Nielsen Norman Group

ការយកសំខាន់ៗ

ត្រៀមខ្លួនរួចជាស្រេចដើម្បីដាក់អ្នកជំនាញរបស់អ្នកក្នុងការប្រើមាត្រដ្ឋាន Likert ដើម្បីធ្វើតេស្ត និងប្រមូលនូវការយល់ដឹងដ៏មានតម្លៃសម្រាប់ការស្រាវជ្រាវរបស់អ្នក? ជំហានបន្ទាប់ និងបង្កើតការស្ទង់មតិដ៏មានឥទ្ធិពលជាមួយ AhaSlides.

AhaSlides ផ្តល់ជូននូវឧបករណ៍បង្កើតការស្ទង់មតិដែលងាយស្រួលប្រើ ការតាមដានការឆ្លើយតបតាមពេលវេលាជាក់ស្តែង និងជម្រើសខ្នាត Likert ដែលអាចប្ដូរតាមបំណងបាន។ ចាប់ផ្តើមធ្វើការស្រាវជ្រាវរបស់អ្នកឱ្យបានច្រើនបំផុតដោយបង្កើតការស្ទង់មតិដែលចូលរួមនៅថ្ងៃនេះ!

សំណួរដែលគេ​បានសួរច្រើន​

តើធ្វើដូចម្តេចដើម្បីវិភាគទិន្នន័យខ្នាត Likert ក្នុងការស្រាវជ្រាវ?

មានបច្ចេកទេសស្ថិតិជាច្រើនដែលអាចត្រូវបានប្រើក្នុងការវិភាគទិន្នន័យខ្នាត Likert ។ ការវិភាគទូទៅរួមមានការគណនាស្ថិតិពិពណ៌នា (ឧ. មធ្យោបាយ មេដ្យាន) ការធ្វើតេស្ត inferential (ឧ. t-tests, ANOVA) និងការរុករកទំនាក់ទំនង (ឧ. ទំនាក់ទំនង ការវិភាគកត្តា)។

តើមាត្រដ្ឋាន Likert អាចត្រូវបានប្រើក្នុងការស្រាវជ្រាវគុណភាពដែរឬទេ?

ទោះបីជាមាត្រដ្ឋាន Likert ត្រូវបានប្រើជាធម្មតាសម្រាប់ការស្រាវជ្រាវបរិមាណក៏ដោយ ក៏ពួកវាអាចប្រើសម្រាប់គោលបំណងគុណភាពផងដែរ។

តើមាត្រដ្ឋាន Likert ប្រភេទណា?

មាត្រដ្ឋាន Likert គឺជាប្រភេទនៃមាត្រដ្ឋានវាយតម្លៃដែលប្រើដើម្បីវាស់ស្ទង់អាកប្បកិរិយា ឬមតិ។ ជាមួយនឹងមាត្រដ្ឋាននេះ អ្នកឆ្លើយតបត្រូវបានស្នើឱ្យវាយតម្លៃធាតុនៅលើកម្រិតនៃកិច្ចព្រមព្រៀងមួយចំពោះបញ្ហាជាក់លាក់មួយចំនួន។

យោង: ការសិក្សា | សៀវភៅ៖ ការស្រាវជ្រាវទីផ្សារ៖ ទិសដៅអនុវត្ត, Naresh K. Malhotra, ទំ។ ៣២៣.