ரென்சிஸ் லிகெர்ட்டால் உருவாக்கப்பட்ட லைக்கர்ட் அளவுகோல், கல்வி மற்றும் சமூக அறிவியல் ஆராய்ச்சியில் சுருக்கப்பட்ட மதிப்பீட்டு அளவின் மிகவும் பிரபலமாகப் பயன்படுத்தப்படும் மாறுபாடுகளில் ஒன்றாகும்.
இன் முக்கியத்துவம் ஆராய்ச்சியில் லைக்கர்ட் அளவுகோல் மறுக்க முடியாதது, குறிப்பாக அணுகுமுறை, கருத்து, நடத்தை மற்றும் விருப்பங்களை அளவிடும் போது.
இந்தக் கட்டுரையில், ஆராய்ச்சியில் Likert Scale என்பதன் அர்த்தத்தையும், அது தரமான அல்லது அளவான ஆராய்ச்சியாக இருந்தாலும், எப்போது, எப்படி ஆராய்ச்சியில் அதைச் சிறப்பாகப் பயன்படுத்துவது என்பதையும் ஆழமாகப் பார்ப்போம்.
மேலோட்டம்
| லைக்கர்ட் அளவைக் கண்டுபிடித்தவர் யார்? | ரென்சிஸ் லிகர்ட் |
| லைக்கர்ட் அளவுகோல் எப்போது உருவானது? | 1932 |
| ஆராய்ச்சியில் ஒரு பொதுவான Likert அளவுகோல் என்ன? | 5- அல்லது 7-புள்ளி ஆர்டினல் அளவுகோல் |
பொருளடக்கம்:
ஆராய்ச்சியில் லைக்கர்ட் அளவுகோல் என்றால் என்ன?
லைக்கர்ட் அளவுகோல் அதன் படைப்பாளரான ரென்சிஸ் லிகெர்ட்டின் பெயரால் பெயரிடப்பட்டது, அவர் அதை 1932 இல் உருவாக்கினார். கணக்கெடுப்பு ஆராய்ச்சியில், இது மிகவும் பொதுவான வகை அளவீட்டு அளவீடு ஆகும், இது ஒரு உண்மையான அல்லது கற்பனையான சூழ்நிலைக்கு அணுகுமுறைகள், மதிப்புகள் மற்றும் கருத்துகளை அளவிட பயன்படுகிறது. படிப்பு.
லைக்கர்ட் அளவுகோல் அளவீட்டு முறையின் அடிப்படைக் கொள்கை என்னவென்றால், லைக்கர்ட் அளவுகோல் மூலம் கிடைக்கும் மதிப்பெண்கள், அளவில் உள்ள பல உருப்படிகளுக்கு ஒரு தனிநபரின் பதில்களிலிருந்து வெளிப்படும் கூட்டு (தொகுக்கப்பட்ட) மதிப்பெண்கள் ஆகும். எடுத்துக்காட்டாக, பங்கேற்பாளர்கள் கொடுக்கப்பட்ட அறிக்கையுடன் (உருப்படிகள்) மெட்ரிக் அளவில் தங்கள் உடன்பாட்டின் அளவைக் காட்டுமாறு கேட்கப்படுகிறார்கள் (கடுமையாக உடன்படவில்லை என்பதில் இருந்து வலுவாக ஒப்புக்கொள்வது வரை).
லைக்கர்ட் ஸ்கேல் எதிராக லைக்கர்ட் உருப்படி
Likert அளவுகோல் மற்றும் Likert உருப்படி என்ற சொற்களுக்கு இடையில் மக்கள் குழப்பமடைவதைப் பார்ப்பது பொதுவானது. ஒவ்வொரு Likert அளவுகோலும் பல Likert உருப்படிகளைக் கொண்டுள்ளது.
- லைக்கர்ட் உருப்படி என்பது ஒரு தனிப்பட்ட அறிக்கை அல்லது கேள்வி, இது ஒரு கருத்துக்கணிப்பில் மதிப்பீடு செய்யும்படி பதிலளிப்பவர் கேட்கப்படும்.
- Likert உருப்படிகள் பொதுவாக பங்கேற்பாளர்களுக்கு ஐந்து மற்றும் ஏழு தரவரிசை விருப்பங்களுக்கு இடையே ஒரு தேர்வை வழங்குகின்றன, நடுத்தர விருப்பம் நடுநிலையாக இருக்கும், எ.கா. "மிகவும் அதிருப்தி" முதல் "மிகவும் திருப்தி" வரை
பயனுள்ள கணக்கெடுப்புக்கான உதவிக்குறிப்புகள்
AhaSlides மூலம் ஆன்லைனில் கணக்கெடுப்பை உருவாக்கவும்
மேலே உள்ள எடுத்துக்காட்டுகளில் ஏதேனும் ஒன்றை டெம்ப்ளேட்களாகப் பெறவும். AhaSlides டெம்ப்ளேட் லைப்ரரி மூலம் இலவசமாகப் பதிவு செய்து ஆன்லைனில் கணக்கெடுப்பை உருவாக்குங்கள்!
இலவசமாக பதிவு செய்யவும்☁️
ஆராய்ச்சியில் லைக்கர்ட் அளவுகோலின் வகைகள் என்ன?
பொதுவாக, லைக்கர்ட் வகை கேள்விகள் ஒருமுனை அல்லது இருமுனை அளவுகோல்களைக் கொண்டிருக்கலாம்.
- யூனிபோலார் லிகர்ட் செதில்கள் ஒற்றை பரிமாணத்தை அளவிடவும். பதிலளிப்பவர்கள் ஒரு குறிப்பிட்ட கண்ணோட்டத்தை அல்லது மனப்பான்மையை எந்த அளவிற்கு ஆதரிக்கிறார்கள் என்பதை மதிப்பிடுவதற்கு அவை மிகவும் பொருத்தமானவை. எடுத்துக்காட்டாக, அதிர்வெண்கள் அல்லது நிகழ்தகவுகள் அளவீடுகளால் அளவிடப்படுகிறது, எப்போதும்/எப்போதுமே இல்லை, சாத்தியமில்லை/அதிக வாய்ப்புகள் போன்றவை. அவை அனைத்தும் ஒருமுனை.
- இருமுனை லிகர்ட் செதில்கள் திருப்தி மற்றும் அதிருப்தி போன்ற இரண்டு எதிர் கட்டமைப்புகளை அளவிடவும். பதிலளிப்பு விருப்பங்கள் நேர்மறையிலிருந்து எதிர்மறைக்கு தொடர்ச்சியாக அமைக்கப்பட்டிருக்கும், நடுவில் நடுநிலை விருப்பத்துடன். ஒரு குறிப்பிட்ட தலைப்பில் நேர்மறை மற்றும் எதிர்மறை உணர்வுகளுக்கு இடையிலான சமநிலையை மதிப்பிடுவதற்கு அவர்கள் பெரும்பாலும் பயன்படுத்தப்படுகிறார்கள். எடுத்துக்காட்டாக, உடன்பாடு/ஒப்புக்கொள்ளாதது, திருப்தி/அதிருப்தி, நல்லது/கெட்டது ஆகியவை இருமுனைக் கருத்துக்கள்.
| யூனிபோலார் ஸ்கேல் உதாரணம் | இருமுனை அளவு உதாரணம் |
| ○ உறுதியாக ஒப்புக்கொள்கிறேன் ○ ஓரளவு ஒப்புக்கொள்கிறேன் ○ மிதமாக ஒப்புக்கொள்கிறேன் ○ ஒப்புக்கொள்ளவே இல்லை | ○ உறுதியாக ஒப்புக்கொள்கிறேன் ○ ஓரளவு ஒப்புக்கொள்கிறேன் ○ உடன்படவும் இல்லை, உடன்படவும் இல்லை ○ ஓரளவு உடன்படவில்லை ○ கடுமையாக உடன்படவில்லை |
இந்த இரண்டு முக்கிய வகைகளுக்கு கூடுதலாக, Likert அளவிலான பதில் விருப்பங்களில் இரண்டு வகைகள் உள்ளன:
- ஒற்றைப்படை லைகர்ட் செதில்கள் 3, 5, அல்லது 7 போன்ற ஒற்றைப்படை எண்ணிக்கையிலான பதில் விருப்பங்கள் உள்ளன. ஒற்றைப்படை லைக்கர்ட் அளவிலான கேள்விகளுக்கு பதில் பதில்களில் நடுநிலை விருப்பம் உள்ளது.
- லிகர்ட் செதில்களும் கூட 4 அல்லது 6 போன்ற சம எண்ணிக்கையிலான பதில் விருப்பங்கள் உள்ளன. அறிக்கைக்கு ஆதரவாகவோ அல்லது எதிராகவோ ஒரு நிலைப்பாட்டை எடுக்க பதிலளிப்பவர்களை கட்டாயப்படுத்த இது செய்யப்படுகிறது.
ஆராய்ச்சியில் லைக்கர்ட் அளவுகோலின் முக்கியத்துவம் என்ன?
Likert அளவுகோல் பயன்படுத்தவும் புரிந்துகொள்ளவும் எளிதானது, மேலும் இது ஒப்பீட்டளவில் நம்பகமானது மற்றும் செல்லுபடியாகும். உளவியல், சமூகவியல், கல்வி மற்றும் சந்தைப்படுத்தல் உள்ளிட்ட பல்வேறு துறைகளில் ஆராய்ச்சியாளர்களுக்கு இது ஒரு பிரபலமான தேர்வாக அமைகிறது.
ஆய்வில் லைக்கர்ட் அளவுகோல் ஏன் விரும்பத்தக்க அளவில் உள்ளது? லைக்கர்ட் அளவுகோல் பரவலாகப் பயன்படுத்தப்படுவதற்கான சில காரணங்கள் இங்கே:
- அணுகுமுறைகள் நடத்தைகளை பாதிக்கின்றன, ஆனால் உடனடியாக கவனிக்க முடியாது, அவை ஒரு நபரின் மாறுபட்ட செயல்கள் அல்லது உச்சரிப்புகள் மூலம் கருதப்பட வேண்டும். இதனாலேயே லைக்ர்ட் அளவிலான கேள்வித்தாள்கள் அணுகுமுறையின் பல்வேறு அம்சங்களைக் குறிப்பிடுகின்றன.
- பதில்களைச் சேகரிப்பதற்கான தரப்படுத்தப்பட்ட வடிவமைப்பை Likert அளவுகள் வழங்குகின்றன, அனைத்து பதிலளித்தவர்களும் ஒரே மாதிரியான கேள்விகளுக்கு ஒரே மாதிரியாக பதிலளிப்பதை உறுதிசெய்கிறது. இந்த தரப்படுத்தல் தரவின் நம்பகத்தன்மை மற்றும் ஒப்பீடு ஆகியவற்றை மேம்படுத்துகிறது.
- அதிக எண்ணிக்கையிலான பதிலளிப்பவர்களிடமிருந்து அதிக அளவிலான தரவைச் சேகரிப்பதில் லைக்கர்ட் அளவுகள் திறமையானவை, அவை கணக்கெடுப்பு ஆராய்ச்சிக்கு ஏற்றதாக அமைகின்றன.
ஆராய்ச்சியில் லைக்கர்ட் அளவை எவ்வாறு பயன்படுத்துவது
ஆராய்ச்சியில் Likert Scale இன் செயல்திறன் பல்வேறு காரணிகளால் பாதிக்கப்படுகிறது. லைக்கர்ட் ஸ்கேலைக் கொண்டு கேள்வித்தாளை வடிவமைக்க உங்களுக்கு உதவும் சில குறிப்புகள் இங்கே:
#1. கேள்வித்தாளின் நோக்கங்கள்
எந்தவொரு கேள்வித்தாளும் மூன்று குறிப்பிட்ட நோக்கங்களைக் கொண்டுள்ளது. நீங்கள் பதிலளிக்க விரும்பும் முக்கிய ஆராய்ச்சி கேள்விகளுடன் கேள்வித்தாள் வடிவமைப்பைத் தொடங்குவது அவசியம்.
#2. கேள்வி வடிவமைப்பை கவனித்துக் கொள்ளுங்கள்
பதிலளிப்பவரின் இயலாமை மற்றும் பதிலளிக்க விருப்பமின்மையை போக்க கேள்விகளை வடிவமைப்பது முக்கியம்.
- பிரதிவாதிக்கு தெரிவிக்கப்பட்டுள்ளதா?
- பதிலளிப்பவர்களுக்குத் தெரிவிக்கப்பட வாய்ப்பில்லை என்றால், தலைப்புகளைப் பற்றிய கேள்விகளுக்கு முன், பரிச்சயம், தயாரிப்பு பயன்பாடு மற்றும் கடந்த கால அனுபவங்களை அளவிடும் வடிகட்டி கேள்விகளைக் கேட்க வேண்டும்.
- பதிலளித்தவர் நினைவில் கொள்ள முடியுமா?
- புறக்கணிப்பு, தொலைநோக்கி மற்றும் உருவாக்கம் ஆகியவற்றின் பிழைகளைத் தவிர்க்கவும்.
- பதிலளிப்பவருக்கு குறிப்புகளை வழங்காத கேள்விகள் ஒரு நிகழ்வின் உண்மையான நிகழ்வை குறைத்து மதிப்பிடலாம்.
- பதிலளிப்பவர் வெளிப்படுத்த முடியுமா?
- பதிலளிப்பவர்கள் தேவைப்படும் முயற்சியைக் குறைக்கவும்.
- கேள்விகள் கேட்கப்படும் சூழல் பொருத்தமானதா?
- தகவலுக்கான கோரிக்கையை முறையானதாகக் காட்டவும்.
- தகவல் உணர்திறன் வாய்ந்ததாக இருந்தால்:
நீ கூட விரும்பலாம்: 12 இல் சர்வேமன்கிக்கு 2023+ இலவச மாற்றுகள்
#3. கேள்வி-வார்த்தையைத் தேர்ந்தெடுக்கவும்
நன்கு எழுதப்பட்ட கேள்விகளுக்கு, நாங்கள் பின்வரும் வழிகாட்டுதல்களை வழங்குகிறோம்:
- பிரச்சினையை வரையறுக்க
- சாதாரண வார்த்தைகளை பயன்படுத்துங்கள்
- தெளிவற்ற வார்த்தைகளைப் பயன்படுத்துங்கள்
- முன்னணி கேள்விகளைத் தவிர்க்கவும்
- மறைமுகமான மாற்றுகளைத் தவிர்க்கவும்
- மறைமுகமான அனுமானங்களை தவிர்க்கவும்
- பொதுமைப்படுத்தல் மற்றும் மதிப்பீடுகளைத் தவிர்க்கவும்
- நேர்மறை மற்றும் எதிர்மறை அறிக்கைகளைப் பயன்படுத்தவும்.
நீ கூட விரும்பலாம்: 65+ பயனுள்ள கணக்கெடுப்பு கேள்வி மாதிரிகள் + இலவச டெம்ப்ளேட்கள்
#4. Likert அளவுகோல் பதில் விருப்பங்களைத் தேர்ந்தெடுக்கவும்
நீங்கள் நடுநிலை அல்லது நடுப்புள்ளி விருப்பத்தைச் சேர்க்க விரும்புகிறீர்களா என்பதைப் பொறுத்து, இருமுனை அல்லது யூனிபோலார், ஒற்றைப்படை அல்லது இரட்டை லைக்கர்ட் அளவைப் பயன்படுத்துவீர்களா என்பதைத் தீர்மானிக்கவும்.
கிடைக்கக்கூடிய அளவீட்டு கட்டமைப்புகள் மற்றும் முந்தைய ஆராய்ச்சியாளர்களால் ஏற்கனவே உருவாக்கப்பட்ட மற்றும் அங்கீகரிக்கப்பட்ட உருப்படிகளை நீங்கள் பார்க்க வேண்டும். குறிப்பாக கடுமையான தரங்களுடன் கல்வி ஆராய்ச்சிக்கு வரும்போது.
முக்கிய எடுத்துக்காட்டுகள்
லைக்கர்ட் அளவுகோல்களைப் பயன்படுத்துவதில் உங்கள் நிபுணத்துவத்தை சோதனைக்கு உட்படுத்தவும், உங்கள் ஆராய்ச்சிக்கான மதிப்புமிக்க நுண்ணறிவுகளைச் சேகரிக்கவும் தயாரா? அடுத்த படியை எடுத்து சக்திவாய்ந்த கருத்துக்கணிப்புகளை உருவாக்கவும் அஹாஸ்லைடுகள்.
AhaSlides பயனர் நட்பு கருத்துக்கணிப்பு உருவாக்கும் கருவிகள், நிகழ்நேர பதில் கண்காணிப்பு மற்றும் தனிப்பயனாக்கக்கூடிய Likert அளவிலான விருப்பங்களை வழங்குகிறது. இன்றே ஈர்க்கக்கூடிய கருத்துக்கணிப்புகளை வடிவமைத்து உங்கள் ஆராய்ச்சியை அதிகம் பயன்படுத்தத் தொடங்குங்கள்!
அடிக்கடி கேட்கப்படும் கேள்விகள்
ஆராய்ச்சியில் Likert அளவிலான தரவை எவ்வாறு பகுப்பாய்வு செய்வது?
லைக்கர்ட் அளவிலான தரவை பகுப்பாய்வு செய்வதில் பல புள்ளிவிவர நுட்பங்கள் பயன்படுத்தப்படலாம். பொதுவான பகுப்பாய்வுகளில் விளக்கமான புள்ளிவிவரங்களைக் கணக்கிடுதல் (எ.கா., பொருள், இடைநிலைகள்), அனுமான சோதனைகளை நடத்துதல் (எ.கா., t-சோதனைகள், ANOVA) மற்றும் உறவுகளை ஆராய்தல் (எ.கா., தொடர்புகள், காரணி பகுப்பாய்வு) ஆகியவை அடங்கும்.
தரமான ஆராய்ச்சியில் Likert செதில்களைப் பயன்படுத்த முடியுமா?
லைக்கர்ட் அளவுகள் பொதுவாக அளவு ஆராய்ச்சிக்காகப் பயன்படுத்தப்பட்டாலும், அவை தரமான நோக்கங்களுக்காகவும் பயன்படுத்தப்படலாம்.
லைக்கர்ட் அளவுகோல் என்ன வகையான அளவீடு?
ஒரு லைக்கர்ட் அளவுகோல் என்பது மனப்பான்மை அல்லது கருத்துகளை அளவிடுவதற்குப் பயன்படுத்தப்படும் ஒரு வகை மதிப்பீடு அளவாகும். இந்த அளவுகோலைக் கொண்டு, சில குறிப்பிட்ட சிக்கலைப் பற்றிய ஒப்பந்தத்தின் அடிப்படையில் பொருட்களை மதிப்பிடுமாறு பதிலளித்தவர்கள் கேட்கப்படுகிறார்கள்.
குறிப்பு: அகாடமி | புத்தகம்: மார்க்கெட்டிங் ரிசர்ச்: ஒரு அப்ளைடு ஓரியண்டேஷன், நரேஷ் கே. மல்ஹோத்ரா, ப. 323.
