La scala Likert è un metodo di misurazione utilizzato dai ricercatori per valutare le opinioni e gli atteggiamenti delle persone.
Esistono diversi tipi di scale di misurazione che si concentrano sul comportamento delle persone e la scala Likert è una delle più utilizzate.
Cos’è la scala Likert
La Scala Likert è una scala di valutazione utilizzata per interrogare una persona sul suo livello di accordo o disaccordo con un’affermazione. È ideale per misurare le reazioni, gli atteggiamenti e i comportamenti di una persona.
A differenza di una semplice domanda sì/no, la scala Likert permette agli intervistati di valutare le loro risposte.
Prende il nome dallo psicologo Rensis Likert. Likert distingueva tra una scala vera e propria, che emerge dalle risposte collettive a un gruppo di item (che possono essere 8 o più), e il formato in cui le risposte vengono valutate in base a una gamma di valori.
Tecnicamente, una scala Likert si riferisce a quest’ultima. La differenza tra questi due concetti ha a che fare con la distinzione che Likert ha fatto tra il fenomeno oggetto di indagine e le variabili del mezzo di cattura.
La scala Likert è uno dei tipi di scale di misurazione è utilizzato principalmente nelle ricerche di mercato per capire le opinioni e gli atteggiamenti di un consumatore nei confronti di un marchio, di un prodotto o di un mercato target. Viene utilizzato principalmente per misurare e conoscere il grado di conformità di una persona o di un intervistato a una determinata frase affermativa o negativa.
Quando si risponde a un item di una scala likert, l’utente risponde in modo specifico in base al suo livello di accordo o disaccordo. Le scale di frequenza Likert utilizzano formati di risposta fissi per misurare atteggiamenti e opinioni. Queste scale permettono di determinare il livello di accordo o disaccordo degli intervistati.
La scala Likert presuppone che la forza e l’intensità dell’esperienza siano lineari, quindi va da fortemente d’accordo a fortemente in disaccordo, presupponendo che gli atteggiamenti possano essere misurati.
Le risposte possono essere offerte a diversi livelli di misurazione, consentendo scale di 5, 7 e 9 elementi preconfigurati. Dovrebbe essere sempre presente un elemento neutro per gli utenti che non sono né d’accordo né in disaccordo.
Esempi di domande su scala likert
Di seguito ti proponiamo alcuni esempi di esempi di scale Likert che puoi applicare durante il processo di ricerca.
Esempi di scala Likert per il livello di accordo o disaccordo di una frase
- Credo che l’innovazione sia l’elemento più importante quando si avvia una start-up.
- Il gusto del cibo che mangio è la cosa più importante quando scelgo un posto dove mangiare.
- Il mio contributo all’azienda è sempre prezioso.
Esempi di scala Likert sulla frequenza di un’attività
- Vado in vacanza almeno due volte all’anno.
- Uso prodotti per la cura della pelle ogni giorno.
Esempio di scala Likert sull’importanza di un fattore
- L’esperienza dell’utente all’interno della mia strategia aziendale è…
Esempi di scale Likert per la valutazione di un marchio, un’azienda, un prodotto o un servizio
- Un marchio ha a cuore l’ambiente e la natura
Esempio di scala Likert sulla probabilità di intraprendere un’azione in futuro
- Ho intenzione di acquistare un’auto nei prossimi 6 mesi.
Esempi di risposte su scala Likert
Poiché abbiamo già visto alcuni esempi di domande Likert che puoi implementare nel tuo prossimo sondaggio, condividiamo con te alcuni tipi di risposte che puoi offrire al rispondente a seconda del tipo di scala Likert che utilizzi:
Vantaggi e svantaggi dell’utilizzo della scala Likert
Considera i seguenti punti prima di applicare la scala likert e decidi se è il tipo di domanda che dovresti utilizzare per la raccolta dei dati nel tuo prossimo progetto di ricerca.
- È una scala facile da applicare e da progettare.
- Puoi utilizzare elementi che non sono correlati all’espressione.
- Fornisce una graduazione delle opinioni degli intervistati.
- Produce misure di qualità (accurate e che riducono al minimo l’errore di misurazione)
- Permette di effettuare le analisi necessarie per raggiungere gli obiettivi della ricerca.
- Si possono fare confronti con valutazioni precedenti del servizio o con servizi simili (benchmarking).
- È molto facile rispondere.
Svantaggi di una scala likert
- Studi scientifici indicano che c’è un pregiudizio nella scala, con le risposte positive che superano sempre quelle negative.
- Ci sono anche studi che indicano che gli intervistati tendono a rispondere “d’accordo” perché comporta un minore sforzo mentale nel rispondere al sondaggio.
- È difficile stabilire con precisione il numero di risposte positive e negative.
- Se tutto è chiaro, è il momento di creare il tuo primo sondaggio online utilizzando la scala Likert.
Come creare una scala Likert?
Ecco alcuni consigli su come creare una Domanda su scala Likert:
1. Scrivi domande chiare
Le domande di tipo Likert dovrebbero essere poste nel modo più concreto e specifico possibile per favorire risultati più accurati. Ricorda che gli intervistati risponderanno solo alla domanda esatta che gli è stata posta.
2. Mantenere la coerenza degli aggettivi
Presta molta attenzione all’uso degli aggettivi nelle domande di tipo Likert per assicurarti che gli intervistati possano comprendere chiaramente il significato di ogni opzione. Ogni aggettivo deve avere una posizione chiara nella scala, dalla più alta alla più bassa.
Usa il termine “estremamente” per i due estremi della scala (ad esempio “fortemente d’accordo”, “fortemente in disaccordo”), fissa un punto medio neutro (ad esempio “né d’accordo né in disaccordo”) e completa le valutazioni moderate con gli stessi aggettivi (ad esempio “un po’ in disaccordo”, “un po’ in accordo”).
3. Considera le scale unipolari e bipolari.
Le scale Likert sono bipolari o unipolari, cioè hanno due estremi o uno.
Usa le scale bipolari quando vuoi che gli intervistati rispondano su un lato positivo o negativo della neutralità. Ad esempio, la domanda “Con quale probabilità consiglieresti questo prodotto?” andrebbe da “Molto improbabile” a “Molto probabile”, con “Indeciso” come punto intermedio.
Le scale unipolari vanno da uno zero a un estremo. Ad esempio, la domanda “Quanto pensi che sia buono questo prodotto” potrebbe avere opzioni che vanno da “Per niente buono” a “Estremamente buono”.
4. Seleziona con cura gli articoli
Gli item devono essere facilmente collegati alle risposte della frase, indipendentemente dal fatto che la relazione tra item e frase sia evidente.
Gli item dovrebbero sempre avere due posizioni estreme e un item intermedio che funge da gradazione tra gli estremi. È importante sottolineare che anche se la scala Likert più comune è la 5 elementiSe si utilizzano più elementi, l’uso di più elementi aiuta a generare una maggiore precisione nei risultati.
Le scale devono sempre essere sicure e affidabili. Per ottenere l’affidabilità, a volte è necessario sacrificare l’accuratezza della scala.
Differenze tra scala Likert e item Likert.
Riconoscere quando si parla di una scala Likert e di un item di tipo Likert è molto semplice. La scala Likert è composta da diversi item Likert, come mostrato nell’immagine seguente.
Scala Likert e analisi dei dati
I sondaggi vengono costantemente utilizzati per misurare la qualità. Ad esempio, i sondaggi possono essere utilizzati per misurare la percezione della qualità dei prodotti da parte dei clienti o la qualità dei servizi offerti.
Le scale Likert sono un formato di valutazione comune per i sondaggi. Gli intervistati classificano la qualità da alta a bassa o da migliore a peggiore utilizzando cinque o sette livelli.
Gli statistici hanno generalmente raggruppato i dati raccolti da questi sondaggi in una gerarchia di quattro livelli di misurazione:
- Dati nominali: Il livello più debole di misurazione che rappresenta categorie senza rappresentazione numerica.
- Dati ordinali: Dati in cui è possibile ordinare o classificare le risposte, ma non è possibile misurare la distanza.
- Dati di intervallo: In generale, dati interi su cui è possibile effettuare misurazioni di ordini e distanze.
- Dati relazionali: dati in cui sono possibili ordinamenti, distanze, decimali e frazioni significative tra le variabili.
L’analisi dei dati analisi dei dati. Le analisi che utilizzano dati nominali, a intervalli e rapporti sono generalmente semplici e trasparenti. Le analisi dei dati ordinali, in particolare per quanto riguarda le scale Likert o altre scale di indagine, non lo sono.
Una ragione alla base dell’analisi dei dati ordinali come dati a intervalli potrebbe essere l’affermazione che i test statistici parametrici (basati sul teorema del limite centrale) sono più potenti delle alternative non parametriche.
Tuttavia, trattare i dati ordinali come dati a intervalli (o addirittura a rapporti) senza esaminare i valori della serie di dati e gli obiettivi dell’analisi può essere fuorviante e travisare i risultati di un’indagine.
Le basi delle scale Likert
Le scale Likert sono state sviluppate nel 1932 come risposta bipolare a cinque punti che la maggior parte delle persone conosce oggi. 3 di queste scale vanno da una serie di categorie di meno a più, chiedendo alle persone di indicare quanto sono d’accordo o in disaccordo, approvano o disapprovano, o credono che sia vero o falso.
Non esiste un modo sbagliato per costruire una scala Likert. La cosa più importante è includere almeno cinque categorie di risposta. Alcuni esempi di gruppi di categorie sono riportati nella Tabella 1.
Le estremità della scala vengono spesso aumentate per creare una scala a sette punti aggiungendo “molto” all’inizio e alla fine della scala a 5 punti. È stato dimostrato che la scala a 7 punti raggiunge i limiti superiori dell’affidabilità della scala a 4 punti.
Come regola generale, Likert e altri consigliano di utilizzare una scala il più ampia possibile. Se necessario, puoi sempre suddividere le risposte in categorie più brevi per l’analisi.
Per questo motivo, a volte le scale vengono troncate a un numero pari di categorie (di solito quattro) per eliminare l’opzione “neutra” in una scala di sondaggio “a scelta forzata”.
Errori nell’analisi della scala Likert
Un esempio di conclusioni fuorvianti sono i risultati dell’indagine annuale della Alfred P. Sloan Foundation sulla qualità e la diffusione dell’apprendimento online negli Stati Uniti. Gli intervistati hanno utilizzato una scala Likert per valutare la qualità dell’apprendimento online rispetto a quello faccia a faccia.
Mentre il 60% degli intervistati percepisce l’apprendimento online come uguale o migliore di quello faccia a faccia, c’è una minoranza persistente che percepisce l’apprendimento online come almeno in qualche modo inferiore.
Se questi dati venissero analizzati utilizzando le medie, con una scala da 1 a 5 dal più basso al più alto, questa separazione andrebbe persa, dando medie di 2,7, 2,6 e 2,7 per questi tre anni, rispettivamente. Ciò indicherebbe un accordo leggermente inferiore alla media piuttosto che la reale distribuzione delle risposte.
Come regola generale, la media e la deviazione standard deviazione standard sono parametri non validi per le statistiche descrittive quando i dati sono su scale ordinali, così come qualsiasi analisi parametrica basata sulla distribuzione normale.
Le procedure non parametriche basate su rango, mediana o intervallo sono adatte all’analisi di questi dati, così come i metodi privi di distribuzione quali tabulazioni incrociatefrequenza, frequenza, tabelle di contingenza e statistiche chi-quadro.
I modelli di Kruskall-Wallis Modelli di Kruskall-Wallis possono fornire lo stesso tipo di risultati di un’analisi della varianza. analisi della varianza ma si basano sui ranghi anziché sulle medie delle risposte.
Dato che queste scale sono rappresentative di una misura continua sottostante, una raccomandazione è quella di analizzarle come dati intervallari, come prova pilota, prima di raccogliere la misura continua.
Le migliori pratiche per l’analisi dei punteggi della scala Likert
Le scale Likert a cinque punti sono comunemente associate ai sondaggi e vengono utilizzate in un’ampia gamma di contesti. Ti sei imbattuto nella scala Likert se ti è stato chiesto se sei fortemente d’accordo, d’accordo, né d’accordo né in disaccordo, in disaccordo o in forte disaccordo su qualcosa. Qui sopra puoi trovare alcuni esempi di domande di questo tipo.
Poiché i dati degli item Likert sono discreti, ordinali e di portata limitata, c’è stata una lunga disputa sul modo più valido di analizzare i dati Likert.
La scelta fondamentale è tra un test parametrico e un test non parametrico. I pro e i contro di ciascun tipo di test sono generalmente descritti come segue:
- I test parametrici, come il test t a 2 campioni, presuppongono una distribuzione normale continua. Tuttavia, con un campione di dimensioni sufficienti, i test t sono robusti alle deviazioni dalla normalità.
- I test non parametrici, come il test U di Mann-Whitney, non presuppongono una distribuzione normale o continua. Tuttavia, si teme che la capacità di rilevare una differenza quando effettivamente esiste sia ridotta.
Qual è l’opzione migliore? Questa è una decisione reale che devi prendere quando devi fare un’analisi dei dati del tuo sondaggio con l’utilizzo di Likert.
Nel corso degli anni, diversi studi hanno cercato di rispondere a questa domanda. Tuttavia, tendono a prendere in considerazione un numero limitato di distribuzioni potenziali per i dati Likert, con conseguenti problemi di generalizzabilità dei risultati.
Grazie all’aumento della potenza di calcolo, gli studi di simulazione possono ora valutare in modo approfondito un’ampia gamma di distribuzioni.
I ricercatori hanno identificato una serie di 14 distribuzioni diverse che sono rappresentative dei dati Likert reali. Il software ha estratto coppie di campioni indipendenti per testare tutte le possibili combinazioni delle 14 distribuzioni.
In totale, sono stati generati 10.000 campioni casuali per ciascuna delle 98 combinazioni di distribuzione. Le coppie di campioni sono state analizzate utilizzando sia il test t a due campioni che il test Test di Mann-Whitney per confrontare l’efficacia di ciascun test. Lo studio ha anche valutato diverse dimensioni del campione.
I risultati mostrano che per tutte le coppie di distribuzioni i tassi di errore di tipo I (falsi positivi) sono molto vicini alle quantità target. In altre parole, se si utilizza una delle due distribuzioni tipi di analisi e i loro risultati sono statisticamente significativi, non c’è bisogno di preoccuparsi eccessivamente di un falso positivo.
I risultati mostrano anche che per la maggior parte delle coppie di distribuzioni, la differenza tra la potenza statistica dei due test è insignificante. In altre parole, se esiste davvero una differenza a livello di popolazione, entrambe le analisi hanno la stessa probabilità di rilevarla.
I timori che il test di Mann-Whitney sia meno potente in questo contesto sembrano essere infondati.
Ho un’avvertenza da fare. Ci sono alcune coppie specifiche di distribuzioni in cui c’è una differenza di potenza tra i due test.
Se esegui entrambi i test sugli stessi dati e non sono d’accordo (uno è significativo e l’altro no), puoi consultare una tabella nell’articolo per determinare se la differenza di potenza statistica potrebbe essere un problema. Questa differenza di potenza riguarda solo una piccola minoranza di casi.
In generale, la scelta tra le due analisi è un po’ complicata. Se devi confrontare due serie di dati Likert a cinque punti, di solito non importa quale analisi utilizzare.
Entrambi i test offrono quasi sempre la stessa protezione dai falsi negativi e sempre la stessa protezione dai falsi positivi. Questi standard sono validi per campioni di 10, 30 e 200 persone per gruppo.
Vuoi usare la scala likert in un sondaggio? Fallo con Questionpro!
Il sondaggio su scala Likert è un metodo universale per la raccolta di dati o informazioni, il che significa che è facile da capire e da rispondere. Si tratta di una domanda essenziale per misurare l’opinione o l’atteggiamento dell’intervistato nei confronti di un determinato argomento, quindi sarà di grande aiuto per la tua prossima ricerca.
Ricorda che con QuestionPro puoi fare sondaggi online utilizzando il nostro modello di modello di Scala Likert completamente gratuito. Basta creare il tuo account gratuito e sei pronto per iniziare a testare questo tipo di domande.
Se desideri maggiori informazioni su questa e altre domande all’interno della nostra piattaforma programma una demo, parlaci del tuo progetto e saremo lieti di offrirti uno dei nostri strumenti di ricerca più adatti alle tue esigenze. Oppure, se preferisci, inizia creando un account gratuito per il nostro software di indagine.