يتمثل أحد الجوانب الأساسية لأبحاث السوق للباحثين في القدرة على قياس رأي المستجيبين تجاه العلامة التجارية والميزة والمنتج والخدمة وغير ذلك. يساعد قياس الآراء على قياس مستوى التغييرات المطلوبة. يسمح استخدام أداة جمع البيانات الكمية في عملية البحث ، مثل مقياس ليكرت ، لفرق البحث بفهم مشاعر المستجيبين. يساعد تحديد الإعجاب أو عدم الإعجاب في إجراء التغييرات في الوقت المناسب وتوفير أداة مهمة في عملية جمع الأفكار وإدارتها للعلامة التجارية وفرق البحث.
ما هو مقياس ليكرت؟
التعريف: مقياس ليكرت هو مقياس أحادي البعد يستخدمه الباحثون لجمع آراء وآراء المستجيبين. غالبًا ما يستخدم الباحثون هذا المقياس النفسي لفهم وجهات النظر ووجهات النظر تجاه العلامة التجارية أو المنتج أو السوق المستهدف.
تركز الاختلافات المختلفة لمقاييس ليكرت بشكل مباشر على قياس آراء الناس ، مثل مقياس جوتمان ومقياس بوجاردوس ومقياس ثورستون. أنشأ عالم النفس رينسيس ليكرت تمييزًا بين مقياس يتجسد من مجموعة من الردود على مجموعة من العناصر (ربما 8 أو أكثر). يتم قياس الردود في نطاق من القيم.
مثال على مقياس ليكرت:
على سبيل المثال ، لجمع ملاحظات حول المنتج ، يستخدم الباحث سؤال مقياس ليكرت في شكل سؤال خيار ثنائي التفرع . يقوم بتأطير السؤال على أنه “المنتج كان عملية شراء جيدة” مع الخيارات المدرجة على أنها موافق أو غير موافق. الطريقة الأخرى لتأطير هذا السؤال هي “الرجاء تحديد مستوى رضاك عن المنتجات” والخيارات التي تتراوح من غير راضٍ جدًا إلى راضٍ جدًا.
عند الرد على عنصر في مقياس ليكرت ، يستجيب المستخدم بشكل صريح بناءً على موافقته أو مستوى الخلاف. تسمح هذه المقاييس بتحديد مستوى الاتفاق أو الخلاف بين المستجيبين. يفترض مقياس ليكرت أن قوة التجربة وشدتها خطية . لذلك ينتقل من اتفاق كامل إلى خلاف كامل ، بافتراض أنه يمكن قياس المواقف.
هل تحتاجون إلى المزيد من الأمثلة؟ تحقق من أمثلة مقياس ليكرت هذه.
أنواع موازين ليكرت
أصبح مقياس ليكرت المفضل لدى الباحثين لجمع الآراء حول رضا العملاء أو تجربة الموظف . يمكنك تقسيم هذا المقياس بشكل أساسي إلى نوعين رئيسيين:
- حتى مقياس ليكرت
- مقياس ليكرت الغريب
حتى مقياس ليكرت
يستخدم الباحثون حتى مقاييس ليكرت لجمع ردود الفعل المتطرفة دون تقديم خيار محايد.
- مقياس ليكرت ذو 4 نقاط للأهمية : يسمح هذا النوع من مقياس ليكرت للباحثين بتضمين أربعة خيارات متطرفة دون اختيار محايد. هنا يتم تمثيل درجات الأهمية المختلفة في مقياس ليكرت المكون من 4 نقاط.
- 8 نقاط احتمالية للتوصية: هذا هو الاختلاف في مقياس ليكرت الموضح سابقًا المكون من 4 نقاط ، والفرق الوحيد هو أن هذا المقياس يحتوي على ثمانية خيارات لجمع التعليقات حول احتمالية التوصية.
مقياس ليكرت الغريب
يستخدم الباحثون مقياس ليكرت الغريب لمنح المستجيبين خيار الرد بشكل محايد.
- مقياس ليكرت المكون من 5 نقاط: باستخدام خمسة خيارات للإجابة ، يستخدم الباحثون سؤال مقياس ليكرت الغريب هذا لجمع معلومات حول موضوع ما من خلال تضمين خيار إجابة محايد للمستجيبين لتحديد ما إذا كانوا لا يرغبون في الإجابة من الخيارات المتطرفة في تصميم أبحاثهم .
- مقياس ليكرت المكون من 7 نقاط: يضيف مقياس ليكرت المكون من 7 نقاط خيارين إضافيين للإجابة في الأطراف القصوى لسؤال مقياس ليكرت المكون من 5 نقاط.
- مقياس ليكرت المكون من 9 نقاط: مقياس ليكرت المكون من 9 نقاط غير شائع تمامًا ، ولكن يمكنك استخدامه عن طريق إضافة خيارين آخرين للإجابة على سؤال مقياس ليكرت المكون من 7 نقاط.
خصائص مقياس ليكرت
ظهر مقياس ليكرت إلى حيز الوجود في عام 1932 في شكل مقياس مكون من 5 نقاط ، والذي يستخدم على نطاق واسع. تتراوح هذه المقاييس من مجموعة من الموضوعات العامة إلى أكثر الموضوعات تحديدًا التي تطلب من المستجيبين الإشارة إلى مستوى موافقتهم أو موافقتهم أو اعتقادهم. بعض الخصائص الهامة لمقياس ليكرت هي:
- الإجابات ذات الصلة: يجب أن ترتبط العناصر بسهولة بإجابات الجملة ، بغض النظر عما إذا كانت العلاقة بين العنصر والجملة واضحة.
- نوع المقياس: يجب أن تحتوي العناصر دائمًا على موضعين متطرفين وخيار إجابة وسيط يعمل كتخرج بين النقيضين.
- عدد خيارات الإجابة: من الضروري الإشارة إلى أنه على الرغم من أن مقياس ليكرت الأكثر شيوعًا هو مقياس مكون من 5 عناصر ، فإن استخدام المزيد من العناصر يساعد على توليد دقة أكبر في النتائج.
- زيادة موثوقية المقياس: غالبًا ما يزيد الباحثون من نهايات المقياس لإنشاء مقياس من سبع نقاط عن طريق إضافة “جدًا” إلى أعلى وأسفل المقاييس المكونة من خمس نقاط. يصل المقياس المكون من سبع نقاط إلى الحدود العليا لموثوقية المقياس.
- باستخدام مقاييس واسعة: كقاعدة عامة ، يوصي ليكرت وآخرون أنه من الأفضل استخدام مقياس على أوسع نطاق ممكن. يمكن للمرء دائمًا طي الإجابات إلى مجموعات موجزة ، إذا كان ذلك مناسبًا ، للتحليل.
- عدم وجود خيار محايد: من خلال النظر في هذه التفاصيل ، يتم في بعض الأحيان تقليص المقاييس إلى عدد زوجي من الفئات (عادةً أربعة) لإزالة الاحتمال “المحايد” على مقياس مسح “الاختيار القسري”.
- المتغير الداخلي: يشير سجل ليكرت الأساسي بوضوح إلى أنه يمكن أن يكون هناك متغير متأصل تحدد قيمته ردود الفعل أو مواقف المستجيبين ، وهذا المتغير الأساسي هو مستوى الفاصل الزمني ، في أحسن الأحوال.
تحليل بيانات مقياس ليكرت
يستخدم الباحثون الاستطلاعات بانتظام لقياس وتحليل جودة المنتجات أو الخدمات. مقياس ليكرت هو تنسيق تصنيف قياسي للدراسات. يقدم المستجيبون رأيهم (البيانات) حول جودة المنتج / الخدمة من الأعلى إلى الأدنى أو الأفضل إلى الأسوأ باستخدام مستويين أو أربعة أو خمسة أو سبعة مستويات.
يقوم الباحثون والمدققون عمومًا بتجميع البيانات المجمعة في تسلسل هرمي من أربعة مستويات قياس أساسية – مستويات القياس الاسمية والترتيبية والفاصلة والنسبة لمزيد من التحليل :
- البيانات الاسمية: البيانات التي لا تحتاج فيها الإجابات المصنفة إلى متغيرات بالضرورة إلى بيانات كمية أو ترتيب يسمى البيانات الاسمية .
- البيانات الترتيبية: البيانات التي يمكن فيها فرز الإجابات أو تصنيفها ، ولكن من المستحيل قياس المسافة تسمى البيانات الترتيبية .
- بيانات الفاصل الزمني: يُطلق على البيانات المجمعة التي يمكن فيها إجراء قياسات للأوامر والمسافات اسم بيانات الفاصل الزمني .
- بيانات النسبة: بيانات النسبة تشبه بيانات الفاصل الزمني. الاختلاف الوحيد هو النسبة المتساوية والنهائية بين كل بيانات و “الصفر” المطلق الذي يتم التعامل معه كنقطة أصل.
تحليل البيانات باستخدام البيانات الاسمية والفاصل الزمني وبيانات النسبة شفاف ومباشر بشكل عام. تحلل البيانات الترتيبية البيانات ، لا سيما فيما يتعلق بمقاييس ليكرت أو المقاييس الأخرى في الاستطلاعات. هذه ليست مشكلة جديدة. لا تزال فعالية معالجة البيانات الترتيبية حيث أن بيانات الفاصل الزمني قابلة للنقاش في تحليل المسح لمختلف المجالات التطبيقية. بعض النقاط المهمة التي يجب مراعاتها هي:
- الاختبارات الإحصائية: يعامل الباحثون أحيانًا البيانات الترتيبية على أنها بيانات فاصلة لأنهم يزعمون أن الاختبارات الإحصائية البارامترية أقوى من البدائل اللامعلمية. علاوة على ذلك ، من السهل تفسير الاستنتاجات من الاختبارات البارامترية وتقديم معلومات أكثر من الخيارات غير المعلمية.
- التركيز على موازين ليكرت: ومع ذلك ، فإن معالجة البيانات الترتيبية كبيانات فاصلة دون فحص قيم مجموعة البيانات وأهداف التحليل يمكن أن تضلل وتحرف نتائج المسح. لتحليل البيانات العددية بشكل أكثر ملاءمة ، يفضل الباحثون اعتبار البيانات الترتيبية كبيانات فاصلة والتركيز على مقاييس ليكرت.
- متوسط أو نطاق فحص البيانات: يشير المبدأ التوجيهي العالمي إلى أن المتوسط والانحراف المعياري هما معلمتان لا أساس لهما للإحصاءات التفصيلية عندما تكون البيانات على مقاييس ترتيبية ، تمامًا مثل أي تحليل حدودي قائم على التوزيع الطبيعي. يتم إجراء الاختبار غير البارامترى بناءً على الوسيط أو النطاق المناسب لفحص البيانات.
أفضل الممارسات لتحليل نتائج مقاييس ليكرت
نظرًا لأن بيانات عنصر ليكرت منفصلة وترتيبية ومحدودة النطاق ، فقد كان هناك خلاف طويل حول الطريقة الأكثر منطقية لتحليل بيانات ليكرت. الخيار الأول بين الاختبارات البارامترية والاختبارات غير المعلمية. يتم وصف مزايا وعيوب كل نوع من أنواع التحليل بشكل عام على النحو التالي:
- تفترض الاختبارات البارامترية انقسامًا منتظمًا وغير متقطع.
- لا تفترض الاختبارات غير المعيارية تقسيمًا منتظمًا أو غير متقطع. ومع ذلك ، هناك مخاوف بشأن قدرة أقل على اكتشاف الاختلاف عند وجوده.
ما هو الخيار الأفضل؟ هذا قرار حقيقي يتعين على الباحث اتخاذه عند اتخاذ قرار بتحليل المعلومات الواردة من استطلاع يستخدم أسئلة مقياس ليكرت .
- على مر السنين ، حاولت سلسلة من الدراسات الإجابة على هذا السؤال. ومع ذلك ، فقد كانوا يميلون إلى النظر في عدد محدود من التوزيعات المحتملة لبيانات ليكرت ، مما يتسبب في معاناة تعميم النتائج. بفضل الزيادات في قوة الحوسبة ، يمكن لدراسات المحاكاة الآن إجراء تقييم شامل لمجموعة واسعة من التوزيعات.
- حدد الباحثون مجموعة متنوعة من 14 توزيعًا تمثل بيانات ليكرت الفعلية. استخرج برنامج الكمبيوتر أزواجًا مكتفية ذاتيًا من العينات لاختبار جميع التوليفات الممكنة للتوزيعات الأربعة عشر.
- في المجموع ، تم إنشاء 10000 عينة عشوائية لكل مجموعة من مجموعات التوزيع البالغ عددها 98. يتم تحليل أزواج العينات باستخدام كل من اختبار t المكون من عينتين واختبار مان ويتني لمقارنة فعالية كل اختبار. كما قيمت الدراسة أحجام العينات المختلفة.
- تظهر النتائج أن معدلات الخطأ من النوع الأول (موجبة كاذبة) لجميع أزواج التوزيعات قريبة جدًا من الكميات المستهدفة. إذا كانت المنظمة تستخدم أيًا من التحليل وكانت النتائج ذات دلالة إحصائية ، فلا داعي للقلق بشأن النتائج الإيجابية الخاطئة.
- تظهر النتائج أيضًا أنه بالنسبة لمعظم أزواج التوزيعات ، يكون الفرق بين قوة الاختبارين ضئيلًا. إذا كان هناك اختلاف على مستوى السكان ، فمن المرجح أن يكتشفه أي تحليل.
- هناك بعض أزواج التوزيعات المحددة حيث يوجد فرق طاقة بين الاختبارين. إذا قامت منظمة ما بإجراء كلا الاختبارين على نفس البيانات ولم توافق (أحدهما مهم والآخر ليس كذلك) ، فإن هذا الاختلاف في القوة يؤثر فقط على أقلية صغيرة من الحالات.
- بشكل عام ، يكون الاختيار بين التحليلين حلقة. إذا احتاجت منظمة إلى مقارنة مجموعتين من بيانات ليكرت المكونة من خمس نقاط ، فإن طريقة التحليل عادة لا تهم.
- توفر كل من الاختبارات البارامترية وغير المعلمية باستمرار نفس الأمان ضد السلبيات الكاذبة وتوفر أيضًا نفس الحماية ضد الإيجابيات الخاطئة. هذه الأنماط صالحة لأحجام العينات 10 و 30 و 200 لكل مجموعة.
ميزة مقياس ليكرت
هناك العديد من المزايا لاستخدام مقياس ليكرت في استطلاع لأبحاث السوق . هم انهم:
- سهولة التنفيذ: يمكن فهم هذا المقياس المقبول عالميًا وتطبيقه بسهولة على مختلف استطلاعات رضا العملاء أو رضا الموظفين.
- خيارات الإجابة القابلة للقياس الكمي: حدد عناصر ليكرت بدون علاقة واضحة بالتعبير وقم بإجراء تحليل إحصائي على النتائج المستلمة.
- تحليل مرتبة الآراء: قد تكون هناك عينة ذات آراء متنوعة حول موضوع معين. يقدم مقياس likert ترتيبًا لآراء هؤلاء الأشخاص الذين شملهم الاستطلاع.
- سهولة الرد: يمكن للمستجيبين فهم الغرض من هذا المقياس والإجابة بسرعة على السؤال.
هل تريد استخدام موازين ليكرت في المسح؟ افعل ذلك مع QuestionPro!
يعد مسح مقياس ليكرت أسلوبًا شاملاً لقياس التعليقات والمعلومات ، مما يجعل من السهل جدًا فهمها والاستجابة لها. هذا سؤال مهم لقياس الرأي أو الموقف تجاه موضوع معين بحيث يكون مفيدًا جدًا في الخطوة التالية من التحقيق.
مع QuestionPro ، يمكن للمؤسسة إجراء مسح عبر الإنترنت باستخدام مقياس ليكرت. ابدأ ب إنشاء حساب مجاني والبدء في اختبار هذا النوع من الأسئلة.
إذا كانت إحدى المنظمات تريد مزيدًا من المعلومات حول هذا السؤال وغيره من الأسئلة داخل نظامنا الأساسي ، فاستشر محادثتنا عبر الإنترنت ، وأخبرنا عن المشروع ، وسنقدم بكل سرور إحدى أدوات البحث التي تناسب تلك الاحتياجات.
