प्रश्नावली कशी डिझाइन करावी: विश्वसनीय डेटा मिळविण्यासाठी ७ प्रमुख धोरणे

चुकीच्या प्रश्नावली डिझाइनमुळे संस्थांना दरवर्षी लाखोंचा वेळ वाया जातो आणि सदोष निर्णय घेतले जातात. हार्वर्डच्या सर्वेक्षण संशोधन कार्यक्रमातील संशोधनातून असे दिसून आले आहे की वाईटरित्या तयार केलेले सर्वेक्षण केवळ उपयुक्त डेटा गोळा करण्यात अपयशी ठरत नाहीत तर ते पक्षपाती, अपूर्ण किंवा चुकीच्या अर्थ लावलेल्या उत्तरांसह निर्णय घेणाऱ्यांना सक्रियपणे दिशाभूल करतात.

तुम्ही कर्मचाऱ्यांच्या सहभागाचे मोजमाप करणारे एचआर व्यावसायिक असाल, वापरकर्त्यांचा अभिप्राय गोळा करणारे उत्पादन व्यवस्थापक असाल, शैक्षणिक अभ्यास करणारे संशोधक असाल किंवा शिकण्याच्या निकालांचे मूल्यांकन करणारे प्रशिक्षक असाल, येथे तुम्हाला आढळणारी प्रश्नावली डिझाइन तत्त्वे प्यू रिसर्च सेंटर, इम्पीरियल कॉलेज लंडन आणि आघाडीच्या सर्वेक्षण पद्धतीशास्त्रज्ञांसारख्या संस्थांकडून ४०+ वर्षांच्या अनुभवजन्य संशोधनाद्वारे समर्थित आहेत.

हे "पुरेसे चांगले" सर्वेक्षण तयार करण्याबद्दल नाही. हे अशा प्रश्नावली डिझाइन करण्याबद्दल आहे ज्या उत्तरदाते प्रत्यक्षात पूर्ण करतात, सामान्य संज्ञानात्मक पूर्वाग्रह दूर करतात आणि ज्या तुम्हाला विश्वास ठेवू शकतील अशी कृतीशील बुद्धिमत्ता प्रदान करतात.

अनुक्रमणिका

बहुतेक प्रश्नावली का अयशस्वी होतात (आणि तुमच्या प्रश्नावलीत तसे असण्याची गरज नाही)

प्यू रिसर्च सेंटरच्या सर्वेक्षण संशोधनानुसार, प्रश्नावली विकास ही कला नाही - ती एक विज्ञान आहे. तरीही बहुतेक संस्था सर्वेक्षण डिझाइनकडे अंतर्ज्ञानाने पाहतात, ज्यामुळे तीन गंभीर अपयश येतात:

• प्रतिसाद पूर्वाग्रह: प्रश्न अनावधानाने प्रतिसादकर्त्यांना विशिष्ट उत्तरांकडे घेऊन जातात, ज्यामुळे डेटा निरुपयोगी ठरतो.
• प्रतिसादकर्त्याचा भार: ज्या सर्वेक्षणांना कठीण, वेळखाऊ किंवा भावनिकदृष्ट्या थकवणारे वाटते त्यांच्यामुळे पूर्ण होण्याचे प्रमाण कमी होते आणि प्रतिसादांची गुणवत्ता कमी असते.
• मापन त्रुटी: अस्पष्ट प्रश्नांचा अर्थ असा आहे की उत्तरदाते त्यांचे वेगळे अर्थ लावतात, ज्यामुळे तुमच्या डेटाचे अर्थपूर्ण विश्लेषण करणे अशक्य होते.

चांगली बातमी? इम्पीरियल कॉलेज लंडन आणि इतर आघाडीच्या संस्थांच्या संशोधनात या समस्या दूर करणारी विशिष्ट, प्रतिकृतीयोग्य तत्त्वे ओळखली गेली आहेत. त्यांचे पालन करा आणि तुमचा प्रश्नावली प्रतिसाद दर ४०-६०% ने वाढू शकतो आणि डेटा गुणवत्तेत लक्षणीय सुधारणा होऊ शकते.

व्यावसायिक प्रश्नावलीची आठ नॉन-निगोशिएबल वैशिष्ट्ये

प्रश्नांच्या विकासात उतरण्यापूर्वी, तुमची प्रश्नावली चौकट या पुराव्यावर आधारित निकषांची पूर्तता करते याची खात्री करा:

1. क्रिस्टल पारदर्शकता: तुम्ही काय विचारत आहात हे प्रतिसादकर्त्यांना नेमके समजते. अस्पष्टता ही वैध डेटाची शत्रू आहे.
2. धोरणात्मक संक्षिप्तता: संदर्भाचा त्याग न करता संक्षिप्त. हार्वर्डच्या संशोधनातून असे दिसून आले आहे की १० मिनिटांच्या सर्वेक्षणांमध्ये २० मिनिटांच्या आवृत्त्यांपेक्षा २५% जास्त पूर्णता मिळते.
3. लेसर विशिष्टता: सामान्य प्रश्नांची उत्तरे अस्पष्ट असतात. "तुम्ही किती समाधानी आहात?" हा शब्द कमकुवत असतो. "तुमच्या शेवटच्या सपोर्ट तिकिटाच्या प्रतिसाद वेळेबद्दल तुम्ही किती समाधानी आहात?" हा शब्द मजबूत असतो.
4. निर्दयी तटस्थता: अग्रगण्य भाषा काढून टाका. "तुम्हाला आमचे उत्पादन उत्कृष्ट आहे यावर सहमत नाही का?" पक्षपातीपणाची ओळख करून देते. "तुम्ही आमचे उत्पादन कसे रेट कराल?" असे नाही.
5. उद्देशपूर्ण प्रासंगिकता: प्रत्येक प्रश्न थेट संशोधनाच्या उद्देशाशी संबंधित असला पाहिजे. जर तुम्ही तो प्रश्न का विचारत आहात हे स्पष्ट करू शकत नसाल तर तो प्रश्न डिलीट करा.
6. तार्किक प्रवाह: संबंधित प्रश्नांचे एकत्र गट करा. सामान्य प्रश्नावरून विशिष्ट प्रश्नांकडे जा. शेवटी संवेदनशील लोकसंख्याशास्त्रीय प्रश्न ठेवा.
7. मानसिक सुरक्षितता: संवेदनशील विषयांसाठी, नाव गुप्त ठेवणे आणि गोपनीयता सुनिश्चित करा. डेटा संरक्षण उपाय (जीडीपीआर अनुपालन बाबी) स्पष्टपणे सांगा.
8. सहज प्रतिसाद: उत्तर देणे अंतर्ज्ञानी बनवा. सर्व उपकरणांवर अखंडपणे काम करणारे दृश्य पदानुक्रम, मोकळी जागा आणि स्पष्ट प्रतिसाद स्वरूप वापरा.

सात-चरण संशोधन-समर्थित प्रश्नावली डिझाइन प्रक्रिया

पायरी १: सर्जिकल अचूकतेसह उद्दिष्टे परिभाषित करा

अस्पष्ट उद्दिष्टे निरुपयोगी प्रश्नावली तयार करतात. "ग्राहकांचे समाधान समजून घ्या" हे खूप व्यापक आहे. त्याऐवजी: "एनपीएस मोजा, ​​ऑनबोर्डिंगमधील शीर्ष 3 घर्षण बिंदू ओळखा आणि एंटरप्राइझ ग्राहकांमध्ये नूतनीकरणाची शक्यता निश्चित करा."

उद्दिष्ट निश्चितीसाठी चौकट: तुमच्या संशोधनाचा प्रकार स्पष्ट करा (शोधात्मक, वर्णनात्मक, स्पष्टीकरणात्मक किंवा भाकितात्मक). आवश्यक असलेली अचूक माहिती निर्दिष्ट करा. लक्ष्यित लोकसंख्या अचूकपणे परिभाषित करा. उद्दिष्टे प्रक्रियांऐवजी मोजता येण्याजोग्या निकालांचे मार्गदर्शन करतात याची खात्री करा.

पायरी २: संज्ञानात्मक पूर्वग्रह दूर करणारे प्रश्न विकसित करा

इम्पीरियल कॉलेजच्या संशोधनातून असे दिसून आले आहे की सहमत-असहमत प्रतिसाद स्वरूप हे "आयटम सादर करण्याचे सर्वात वाईट मार्ग" आहेत कारण ते संमती पूर्वाग्रह - सामग्रीची पर्वा न करता सहमत होण्याची प्रतिसादकर्त्यांची प्रवृत्ती सादर करतात. ही एकच त्रुटी तुमचा संपूर्ण डेटासेट अवैध करू शकते.

पुराव्यावर आधारित प्रश्न डिझाइन तत्त्वे:

• शब्द आयटम प्रश्न म्हणून, विधाने म्हणून नाही: "आमची सपोर्ट टीम किती उपयुक्त होती?" "आमची सपोर्ट टीम उपयुक्त होती (सहमत/असहमत)" पेक्षा चांगली कामगिरी करते.
• तोंडी लेबल असलेले स्केल वापरा: प्रत्येक प्रतिसाद पर्यायाला फक्त शेवटचे मुद्दे न लिहिता ("अजिबात उपयुक्त नाही, किंचित उपयुक्त, मध्यम उपयुक्त, खूप उपयुक्त, अत्यंत उपयुक्त") असे लेबल लावा. यामुळे मापन त्रुटी कमी होते.
• दुहेरी प्रश्न टाळा: "तू किती आनंदी आणि गुंतलेला आहेस?" दोन गोष्टी विचारतो. त्यांना वेगळे करा.
• योग्य प्रश्न स्वरूपे लागू करा: परिमाणात्मक डेटासाठी बंद-समाप्त (सोपे विश्लेषण). गुणात्मक अंतर्दृष्टीसाठी ओपन-समाप्त (समृद्ध संदर्भ). दृष्टिकोनांसाठी लिकर्ट स्केल (५-७ गुण शिफारसित).

पायरी ३: व्हिज्युअल पदानुक्रम आणि प्रवेशयोग्यतेसाठी स्वरूप

संशोधनातून असे दिसून आले आहे की व्हिज्युअल डिझाइनचा प्रतिसाद गुणवत्तेवर थेट परिणाम होतो. खराब स्वरूपणामुळे संज्ञानात्मक भार वाढतो, ज्यामुळे प्रतिसादकर्त्यांना समाधान मिळते - फक्त पूर्ण करण्यासाठी कमी दर्जाची उत्तरे दिली जातात.

गंभीर स्वरूपन मार्गदर्शक तत्त्वे:

• समान दृश्य अंतर: संकल्पनात्मक समानता मजबूत करण्यासाठी आणि पक्षपात कमी करण्यासाठी स्केल पॉइंट्समध्ये समान अंतर ठेवा.
• वेगळे नॉन-सबस्टंटिव्ह पर्याय: "N/A" किंवा "उत्तर देऊ नका" असे लिहिण्यापूर्वी अतिरिक्त जागा जोडा जेणेकरून ते दृश्यमानपणे वेगळे होतील.
• प्रशस्त पांढरी जागा: संज्ञानात्मक थकवा कमी करते आणि पूर्ण होण्याचे प्रमाण सुधारते.
• प्रगती निर्देशक: डिजिटल सर्वेक्षणांसाठी, प्रेरणा टिकवून ठेवण्यासाठी पूर्णत्वाची टक्केवारी दाखवा.
• मोबाइल ऑप्टिमायझेशन: सर्वेक्षणातील ५०% पेक्षा जास्त प्रतिसाद आता मोबाईल डिव्हाइसवरून येतात. काटेकोरपणे चाचणी करा.

पायरी ४: कठोर पायलट चाचणी करा

प्यू रिसर्च सेंटर पूर्ण तैनातीपूर्वी संज्ञानात्मक मुलाखती, फोकस गट आणि पायलट सर्वेक्षणांद्वारे व्यापक पूर्व-चाचणी वापरते. हे अस्पष्ट शब्दरचना, गोंधळात टाकणारे स्वरूप आणि डेटा गुणवत्ता नष्ट करणाऱ्या तांत्रिक समस्यांना पकडते.

१०-१५ लक्ष्य लोकसंख्या प्रतिनिधींसह पायलट चाचणी. पूर्ण होण्याचा वेळ मोजा, ​​अस्पष्ट प्रश्न ओळखा, तार्किक प्रवाहाचे मूल्यांकन करा आणि पुढील संभाषणांद्वारे गुणात्मक अभिप्राय गोळा करा. गोंधळ नाहीसा होईपर्यंत पुनरावृत्ती करा.

पायरी ५: धोरणात्मक वितरणासह तैनात करा

वितरण पद्धत प्रतिसाद दर आणि डेटा गुणवत्तेवर परिणाम करते. तुमच्या प्रेक्षकांवर आणि सामग्रीच्या संवेदनशीलतेवर आधारित निवडा:

• डिजिटल सर्वेक्षणे: सर्वात जलद, सर्वात किफायतशीर, स्केलेबिलिटी आणि रिअल-टाइम डेटासाठी आदर्श.
• ईमेल वितरण: उच्च पोहोच, वैयक्तिकरण पर्याय, ट्रॅक करण्यायोग्य मेट्रिक्स.
• प्रत्यक्ष प्रशासन: संवेदनशील विषयांसाठी प्रतिसाद दर जास्त, त्वरित स्पष्टीकरण चांगले.

व्यावसायिक प्रतिबद्धता टीप: समकालिक आणि अतुल्यकालिक सहभाग आणि त्वरित निकाल दृश्यमानता प्रदान करणारे परस्परसंवादी सर्वेक्षण प्लॅटफॉर्म वापरा. अहास्लाइड्स सारखी साधने उत्तम फिट होऊ शकते.

पायरी ६: सांख्यिकीय काटेकोरपणे डेटाचे विश्लेषण करा

स्प्रेडशीट सॉफ्टवेअर किंवा विशेष विश्लेषण साधनांचा वापर करून पद्धतशीरपणे प्रतिसाद संकलित करा. पुढे जाण्यापूर्वी गहाळ डेटा, आउटलायर्स आणि विसंगती तपासा.

बंद प्रश्नांसाठी, वारंवारता, टक्केवारी, साधन आणि मोड मोजा. ओपन-एंडेड उत्तरांसाठी, नमुने ओळखण्यासाठी थीमॅटिक कोडिंग वापरा. ​​चलांमधील संबंध उघड करण्यासाठी क्रॉस-टेब्युलेशन वापरा. ​​प्रतिसाद दर आणि लोकसंख्याशास्त्रीय प्रतिनिधित्व यासारख्या अर्थ लावण्यावर परिणाम करणारे दस्तऐवज घटक.

पायरी ७: योग्य संदर्भात निष्कर्षांचा अर्थ लावा

नेहमी मूळ उद्दिष्टांची पुनरावृत्ती करा. सुसंगत विषय आणि महत्त्वाचे सांख्यिकीय संबंध ओळखा. मर्यादा आणि बाह्य घटक लक्षात घ्या. प्रमुख अंतर्दृष्टी स्पष्ट करणारी प्रतिसाद उदाहरणे उद्धृत करा. पुढील संशोधनाची आवश्यकता असलेल्या अंतर ओळखा. सामान्यीकरणाबद्दल योग्य सावधगिरी बाळगून निष्कर्ष सादर करा.

प्रश्नावली डिझाइनमधील सामान्य अडचणी (आणि त्या कशा टाळायच्या)

• प्रमुख प्रश्न: "तुम्हाला X महत्त्वाचा वाटत नाही का?" → "X तुमच्यासाठी किती महत्त्वाचा आहे?"
• गृहीत धरलेले ज्ञान: तांत्रिक संज्ञा किंवा संक्षिप्त रूपे परिभाषित करा—तुमच्या उद्योगातील शब्दसंग्रह सर्वांनाच माहिती नसतो.
• ओव्हरलॅपिंग प्रतिसाद पर्याय: "०-५ वर्षे, ५-१० वर्षे" हे शब्द गोंधळ निर्माण करतात. "०-४ वर्षे, ५-९ वर्षे" हे शब्द वापरा.
• लोड केलेली भाषा: "आमचे नाविन्यपूर्ण उत्पादन" पक्षपातीपणा आणते. तटस्थ रहा.
• जास्त लांबी: प्रत्येक अतिरिक्त मिनिट पूर्ण होण्याचा दर ३-५% ने कमी करतो. प्रतिसादकर्त्याच्या वेळेचा आदर करा.

AhaSlides मध्ये प्रश्नावली कशी तयार करावी

येथे आहेत आकर्षक आणि जलद सर्वेक्षण तयार करण्यासाठी 5 सोप्या पायऱ्या लिकर्ट स्केल वापरणे. तुम्ही कर्मचारी/सेवा समाधान सर्वेक्षण, उत्पादन/वैशिष्ट्य विकास सर्वेक्षण, विद्यार्थ्यांचा अभिप्राय आणि इतर अनेक गोष्टींसाठी स्केल वापरू शकता👇

चरण 1: साठी साइन अप करा मोफत AhaSlides खाते

पायरी 2: एक नवीन सादरीकरण तयार करा किंवा आमच्याकडे जाटेम्पलेट लायब्ररी' आणि 'सर्वेक्षण' विभागातून एक टेम्पलेट घ्या.

चरण 3: तुमच्या सादरीकरणामध्ये, 'स्केल' स्लाइड प्रकार.

चरण 4: तुमच्या सहभागींना रेट करण्यासाठी प्रत्येक विधान एंटर करा आणि 1-5 पर्यंत स्केल सेट करा.

चरण 5: जर तुम्हाला ते हवे असतील तर तुमच्या सर्वेक्षणात त्वरित प्रवेश मिळवा, 'उपस्थित' बटण जेणेकरून ते ते पाहू शकतील त्यांची उपकरणे. तुम्ही 'सेटिंग्ज' - 'कोण पुढाकार घेते' - वर देखील जाऊ शकता आणि 'प्रेक्षक (स्वयं-गती)' कधीही मते गोळा करण्याचा पर्याय.

💡 टीप:' वर क्लिक करापरिणाम' बटण तुम्हाला निकाल एक्सेल/पीडीएफ/जेपीजीवर निर्यात करण्यास सक्षम करेल.

वारंवार विचारले जाणारे प्रश्न