طیف لیکرت یا مقیاس لیکرت چیست و چه کاربردی دارد؟
مقیاس لیکرت روشی ساختاریافته برای محققان برای جمع‌آوری نظرات و نگرش‌های مختلف است. مقیاس لیکرت به پاسخ دهندگان این امکان را می‌دهد که موافقت، مخالفت یا بی طرفی خود را در مورد اظهارات یا سوالات ابراز کنند. این مقیاس‌ها که به نام رنسیس لیکرت نامگذاری شده‌اند، به طور گسترده در رشته‌هایی مانند روان‌شناسی، جامعه‌شناسی و تحقیقات بازار برای کمی کردن داده‌های کیفی به طور موثر استفاده می‌شوند.
در این مقاله، به بررسی کلی مقیاس لیکرت، از تعریف مقیاس لیکرت گرفته تا نحوه تحلیل آن و کاربردهای مقیاس لیکرت و همچنین مزایا و معایب آن را پوشش خواهیم داد.
مقیاس لیکرت چیست؟
برای درک مقیاس طیف لیکرت، ابتدا باید بدانید مقیاس نظرسنجی چیست؟ مقیاس نظرسنجی مجموعه‌ای از گزینه‌های پاسخ را نشان می‌دهد که طیفی از نظرات را در مورد یک موضوع پوشش می‌دهد.
مقیاس لیکرت یا سیستم رتبه‌بندی، روش اندازه‌گیری است که در تحقیقات برای ارزیابی نگرش‌ها، نظرات و ادراکات استفاده می‌شود. سوالات مقیاس لیکرت بسیار سازگار هستند و می‌توانند در طیف وسیعی از موضوعات، از سنجش رضایت مشتری تا تحقیقات بازار استفاده شوند. برای هر سوال، پاسخ دهندگان از میان طیف وسیعی از گزینه‌های پاسخ انتخاب می‌کنند.
علاوه بر قضاوت در مورد اظهارات مثبت و منفی، پرسش‌های نظرسنجی مقیاس لیکرت می‌توانند فراوانی، کیفیت یا احساسات مهم را قضاوت کنند. می‌توانید از مقیاس لیکرت استفاده کنید تا بفهمید مشتریان چگونه ویژگی‌های محصول را مشاهده می‌کنند؟
انواع مقیاس لیکرت
می‌توان مقیاس لیکرت را در درجه اول به دو نوع اصلی تقسیم کرد: مقیاس لیکرت زوج و مقیاس لیکرت فرد
مقیاس لیکرت زوج
در این نوع مقیاس لیکرت محققان پرسشنامه را بدون ارائه گزینه خنثی ارائه می‌دهند.
- مقیاس لیکرت ۴ درجه‌ای برای اهمیت: این نوع مقیاس لیکرت به محققان اجازه می‌دهد تا چهار گزینه افراطی را بدون انتخاب خنثی در پرسشنامه بگنجانند.
- احتمال توصیه ۸ درجه ای: این تغییری از مقیاس لیکرت ۴ درجه‌ای است که قبلاً توضیح داده شده است، تنها تفاوت این است که این مقیاس دارای هشت گزینه برای جمع‌آوری بازخورد است.
مقیاس لیکرت فرد
محققان از مقیاس لیکرت فرد استفاده می‌کنند تا به پاسخ دهندگان این امکان را بدهند که بی طرفانه پاسخ دهند.
- مقیاس لیکرت ۵ درجه‌ای: با پنج گزینه پاسخ، محققان از این سوال مقیاس لیکرت برای جمع‌آوری اطلاعات در مورد یک موضوع با گنجاندن یک گزینه پاسخ خنثی برای پاسخ دهندگان استفاده می‌کنند تا اگر نمی‌خواهند از بین سایر گزینه‌ها در طراحی تحقیق پاسخ دهند، گزینه خنثی را انتخاب کنند.
- مقیاس لیکرت ۷ درجه‌ای: مقیاس لیکرت ۷ درجه‌ای دو گزینه پاسخ دیگر را در انتهای یک سوال مقیاس لیکرت ۵ درجه ای اضافه می‌کند.
- مقیاس لیکرت ۹ درجه‌ای: مقیاس طیف لیکرت ۹ درجه‌ای تا حدودی غیر معمول است، اما می‌توانید با افزودن دو گزینه پاسخ دیگر به سوال مقیاس لیکرت ۷ درجه‌ای از آن استفاده کنید.
نحوه طراحی نظرسنجی مقیاس لیکرت
مقیاس‌های لیکرت به دلیل انعطاف‌پذیری بالا، امکان تنظیم تعداد امتیازها را در نظرسنجی فراهم می‌کنند. هنگام انتخاب تعداد امتیازهای مقیاس، باید عوامل مختلفی را در نظر گرفت. مقیاس‌هایی با تعداد امتیاز کمتر، خواندن و پردازش پاسخ‌ها را برای شرکت‌کنندگان آسان‌تر می‌کنند، اما ممکن است جزئیات و تفاوت‌های ظریف را به‌خوبی نشان ندهند. در مقابل، مقیاس‌هایی با تعداد امتیاز بیشتر، داده‌های دقیق‌تری ارائه می‌دهند اما ممکن است زمان پاسخگویی را افزایش دهند. این موضوع می‌تواند باعث خستگی پاسخ‌دهندگان شود و دقت پاسخ‌ها را کاهش دهد.
همچنین، هنگام طراحی نظرسنجی طیف لیکرت باید تصمیم بگیرید که از مقیاس فرد یا زوج استفاده کنید. اگر می‌خواهید شرکت‌کنندگان به‌طور دقیق نگرش خود را بیان کنند، می‌توان از یک مقیاس فرد با نقطه میانی یا گزینه “خنثی” استفاده کرد. اما اگر تمایل دارید که پاسخ‌دهندگان موضع مشخص‌تری اتخاذ کنند، استفاده از یک مقیاس زوج، که گزینه خنثی ندارد، می‌تواند مناسب‌تر باشد.
- سوالات دقیق بنویسید
برای به حداکثر رساندن اثربخشی آن‌ها، سوالات نوع لیکرت نیاز به عبارت دقیق دارند. به عنوان مثال، هنگام پرسیدن در مورد رضایت از خدمات رستوران، بسیار مهم است که مشخص کنید به کدام جنبه از خدمات اشاره می‌شود. همچنین باید در مورد جنبه‌های خدماتی که می‌خواهید ارزیابی کنید، مانند سرعت، ادب یا کیفیت غذا و نوشیدنی، شفاف باشید. دقیق‌تر بودن در مقیاس لیکرت پاسخ‌های ارزشمندتری برای شما به ارمغان می‌آورد.
- پاسخ‌های واضح را انتخاب کنید
هنگام ساخت مقیاس لیکرت، مطمئن شوید که پاسخ دهندگان قصد شما را به وضوح درک کرده‌اند. برای جلوگیری از سردرگمی در مورد رتبه بندی نسبی، از کلمات توصیفی در گزینه‌های پاسخ استفاده کنید. با عبارات افراطی مانند “بسیار” و “به هیچ وجه” شروع کنید. نقطه میانی را برای اعتدال یا بی طرفی قرار دهید.
- از سوالات استفاده کنید، نه اظهارات
اکثر مردم به جای مخالفت تمایل به توافق دارند. این به این دلیل است که پاسخ دهندگان نظرسنجی تمایل دارند گزینه‌های پاسخ مثبت را بیشتر انتخاب کنند.
با نظرسنجی آنلاین ایپُل از نظرات مشتریان آگاه شوید
مزایا و معایب مقیاس لیکرت
استفاده از این مقیاس رتبه‌بندی در نظرسنجی برای تحقیقات بازار مزایای زیادی دارد. برخی از این مزایا عبارتند از:
- سهولت اجرا و پاسخگویی: این مقیاس پذیرفته شده جهانی را می‌توان به راحتی درک کرد و در نظرسنجی‌های مختلف رضایت مشتری یا رضایت کارکنان به کار برد. پاسخ دهندگان می توانند هدف این مقیاس را درک کنند و به سرعت به سوال پاسخ دهند.
- گزینه‌های پاسخ قابل سنجش کمی: آیتم‌های طیف لیکرت را می‌توان با بیان کمی تعیین کرد و بر روی نتایج دریافتی تجزیه و تحلیل آماری انجام داد. مقیاس‌های لیکرت به راحتی موضوعات پیچیده را با تجزیه پدیده‌های انتزاعی به مشاهدات کمی قابل درک تبدیل می‌کنند.
- تجزیه و تحلیل رتبه نظرات: ممکن است نمونه‌ای با دیدگاه‌های متفاوت در مورد یک موضوع خاص وجود داشته باشد. مقیاس لیکرت رتبه بندی نظرات این افراد مورد بررسی را ارائه می‌دهد.
- بینش دقیق: از آنجایی که سوالات نوع لیکرت دودویی نیستند (بله/خیر، درست/نادرست)، می‌توانید بینش دقیقی در مورد ادراکات، نظرات و رفتارها دریافت کنید.
- کاربر پسند: بر خلاف سوالات باز، مقیاس لیکرت بسته است و از پاسخ‌دهندگان نمی‌خواهد نظرات خود را شرح دهند.
معایب مقیاس لیکرت
مقیاس لیکرت معمولا برای اندازه‌گیری نگرش‌ها و نظرات استفاده می‌شود، اما معایبی نیز دارند که در ادامه به بررسی آن خواهیم پرداخت:
- عمق محدود: به دلیل ماهیت ثابت گزینه‌ها، پاسخ‌ها ممکن است تنها بخشی از پیچیدگی نگرش‌ها یا احساسات را نشان دهند.
- سوگیری گرایش مرکزی: به دلیل سوگیری مطلوبیت اجتماعی، افراد اغلب از انتخاب موارد افراطی اجتناب می‌کنند. پاسخ‌دهندگان ممکن است گزینه‌های خنثی یا میانی را برای اجتناب از نظرات افراطی انتخاب کنند.
- خستگی و بی توجهی: در مقیاس لیکرت با سوالات زیاد، پاسخ دهندگان ممکن است خسته شوند و علاقه خود را از دست بدهند. آن‌ها ممکن است بدون توجه به احساسات واقعی خود، پاسخ‌ها را انتخاب کنند. این منجر به پاسخ‌های نامعتبر می‌شود.
- تفسیر ذهنی: برخی از موارد می توانند مبهم باشند و توسط پاسخ دهندگان بسیار متفاوت تفسیر شوند. کلماتی مانند “تا حدودی” یا “عادلانه” تعاریف دقیق یا محدودی ندارند.
- عدم دقت: فاصله‌ها در بازه طیف لیکرت ممکن است گاهی برابر نباشند و تحلیل آماری را کمتر قابل اعتماد کنند.
- انتخاب محدود: از آنجایی که سوالات لیکرت بسته هستند، پاسخ دهندگان گاهی اوقات باید مرتبط ترین پاسخ را انتخاب کنند، حتی اگر به طور دقیق واقعیت را منعکس نکند.
کاربردهای مقیاس لیکرت
از مقیاس لیکرت می‌توان در تحقیقات گسترده و گوناگونی استفاده کرد. دسته‌ای از کاربردهای آن را در مثال‌های زیر بیان خواهیم کرد:
- امتیاز خالص مروجان (NPS)
امتیاز خالص مروجان یا شاخص nps یک معیار وفاداری است که شرکت‌ها برای جمع آوری بازخورد مشتریان از آن استفاده می‌کنند. ایجاد یک نظرسنجی NPS ساده است. از پاسخ دهندگان می‌خواهد که به این سوال امتیاز دهند، “چقدر احتمال دارد که این شرکت را به یک دوست یا همکار توصیه کنید؟” پاسخ‌هایی که مشتریان ارائه می‌دهند به شرح زیر طبقه‌بندی می‌شوند:
- مخالفان (۰-۶): مشتریان ناراضی که می‌توانند از طریق تبلیغ منفی دهان به دهان منفی به برند شما آسیب برسانند.
- بی تفاوت (۷-۸): مشتریان راضی اما بی‌تفاوت که رقابت می‌توانند مروجین را تحت تأثیر قرار دهند.
- وفاداران (۹-۱۰): مشتریان وفادار که به خرید ادامه می‌دهند و ارجاع برند به دیگران را انجام می‌دهند.
- امتیاز رضایت مشتری
امتیاز رضایت مشتری میزان رضایت مشتری از محصولات، خدمات یا کسب‌وکار شما را اندازه‌گیری می‌کند. به طور معمول، نظرسنجی‌های CSAT از مشتریان در مورد سطح رضایت آن‌ها با استفاده از مقیاس لیکرت سوال می‌کنند. در زیر نمونه ای از مقیاس رضایت مشتری از نوع لیکرت در مورد “رضایت” آورده شده است:
چقدر از سرعت چک کردن وبسایت ما راضی یا ناراضی هستید؟
- خیلی ناراضی
- تا حدودی ناراضی
- نه راضی و نه ناراضی
- تا حدودی راضی است
- خیلی راضی
- امتیاز خالص مروجان کارمند (eNPS)
مشابه NPS ،امتیاز خالص مروجان کارمند، احساسات و وفاداری کارکنان را نسبت به کارفرما می سنجد. از کارمندان یک سوال پرسیده می شود: “در مقیاس ۰ تا ۱۰، چقدر احتمال دارد که کار در این شرکت را به یک دوست یا همکار توصیه کنید؟” به طور مشابه، پاسخ های کارکنان را می توان مانند امتیاز رضایت مشتری طبقه بندی کرد.
- مشارکت کارکنان
یک نظرسنجی مشارکت کارکنان میزان تعهد کارکنان به ماموریت و اهداف شرکت شما را اندازه‌گیری می‌کند. بینش حاصل از این نظرسنجی می‌تواند سلامت کسب‌وکار را نشان دهد. با استفاده از نظرسنجی‌های مقیاس لیکرت می‌توانید از احساس کارکنان در مورد زندگی در شرکت خود مطلع شوید. این می‌تواند به مسائل مختلفی مانند آموزش کارکنان، توسعه شغلی، سیاست های جدید… مربوط شود.
- بازخورد رویداد
پس از یک رویداد، می‌توانید از مقیاس طیف لیکرت برای جمع‌آوری بازخورد از شرکت‌کنندگان برای ارزیابی کیفیت اجرای رویداد استفاده کنید. صرف نظر از حضوری یا آنلاین بودن رویداد، می‌توانید از نظرسنجی‌های بازخورد رویداد برای درک تجربه کلی شرکت‌کنندگان و احساسات آن‌ها در مورد جنبه‌های مختلف رویداد استفاده کنید.
- بازخورد وبسایت
رابط کاربری آسان و لذت بخش بودن استفاده از وبسایت شما توسط مشتریان دلیل خوبی برای ایجاد نظرسنجی است. شما می‌خواهید مطمئن باشید که خدمات و محصولات خود را به بهترین شکل ممکن ارائه می‌دهید و تجربه کاربری عالی را ارائه می‌دهید. یک سوال نظرسنجی در مقیاس لیکرت برای جمع‌آوری بازخورد وبسایت از بازدیدکنندگان سایت شما می‌تواند اطلاعات مهم و دقیق از کاربران وبسایت به شما ارائه دهد تا در صورت نیاز به بهینه‌سازی وبسایت خود بپردازید.
- اطلاعات مشتری
دانستن بیشتر در مورد مشتریان و عادات آن‌ها همیشه مفید است. این موضوع برای تیم‌های بازاریابی و محصول شما حیاتی است تا بتوانند تبلیغات و اقلام جدید را دقیقاً مطابق آنچه مشتریان شما می‌خواهند تنظیم کنند. پرسیدن سوالات نظرسنجی لیکرت از آن‌ها به شما کمک کند تا درک عمیق تری از نظرات و ترجیحات آن‌ها داشته باشید. یک سوال نظرسنجی برای جمع‌آوری نظرات مشتریان شما ممکن است به این صورت باشد:
بسته بندی جذاب چقدر برای شما مهم یا بی اهمیت است؟
- بسیار بی‌اهمیت
- تا حدودی بی‌اهمیت
- نه مهم و نه بی‌اهمیت
- تا حدودی مهم
- بسیار مهم
نحوه تجزیه و تحلیل داده‌های مقیاس لیکرت
هنگامی که نظرسنجی مقیاس لیکرت خود را ایجاد کردید، بیشتر قسمت کار را انجام داده‌اید. با این حال، شما هنوز باید داده‌هایی را که از پاسخ‌های نظرسنجی دریافت می‌کنید، تجزیه و تحلیل کنید تا عملکرد خود را در منطقه هدف نظرسنجی خود اندازه‌گیری کنید. اگر هنگام تجزیه و تحلیل داده‌های مقیاس لیکرت، می‌خواهید به توزیع پاسخ‌ها در بین طیف موجود نگاه کنید، می‌توانید درصدهای هر دسته پاسخ را خلاصه کنید و سپس نتایج را با استفاده از نمودارهای میله ای ترسیم کنید.
بسته به هدف پروژه خود، می‌توانید نقاط مقیاس لیکرت را نیز در دسته‌های ساده‌تری ادغام کنید. به عنوان مثال، فرض کنید رضایت مشتری را در مقیاس لیکرت ۵ درجه‌ای جمع‌آوری کرده‌اید که از «اصلاً راضی نیستم» تا «بسیار راضی» است. در این صورت، ممکن است بخواهید تعداد کل پاسخ دهندگانی را که پاسخ «تا حدودی راضی» یا «بسیار راضی» داده اند، دریافت کنید. این بررسی برای تیم شما تعداد کل یا درصد افراد با احساسات مثبت را مشخص می‌کند.
به یاد داشته باشید، در حین تجزیه و تحلیل داده‌های نظرسنجی لیکرت، علیرغم اینکه روشی بسیار دقیق برای جمع‌آوری داده‌ها است، همچنان مستعد سوگیری است. این بدان معناست که مردم احتمالاً به جای صادق بودن، به ویژه با سوالات دشوار، پاسخ‌هایی را که فکر می‌کنند از نظر اجتماعی قابل قبول هستند، می‌دهند. آن‌ها ممکن است به جای ترجیحات واقعی خود، به عنوان گزینه‌های خنثی پاسخ دهند.
برخلاف بسیاری از انواع نظرسنجی، در طیف لیکرت نمی‌توانید از «میانگین» به عنوان معیاری برای گرایش استفاده کنید، زیرا میانگین پاسخ به سوالات نظرسنجی لیکرت معنایی ندارد. به عبارت دیگر، درک میانگین کسانی که به شدت موافق یا مخالف هستند، اطلاعاتی به شما ارائه نمی‌دهد. در عوض، هنگام تجزیه و تحلیل داده‌های مقیاس لیکرت، متداول‌ترین پاسخ را برای درک احساسات کلی پاسخ‌دهندگان اندازه‌گیری کنید. به عنوان مثال، ۸۷٪ “کاملاً موافق هستند” که خدمات خوبی ارائه می‌دهید. ساده‌ترین راه برای ارائه نتایج نظرسنجی مقیاس لیکرت استفاده از یک نوار یا نمودار دایره‌ای ساده است که توزیع انواع پاسخ یا گزینه‌های پاسخ را نشان می‌دهد.
چالش‌های استفاده از مقیاس لیکرت
همانطور که گفته شد علی رغم مزایا و سهولت در اجرا مقیاس لیکرت نیز دارای چالش‌ها و محدودیت‌های خاص خود است در ادامه به چندین چالش متداول در استفاده از طیف لیکرت اشاره خواهیم کرد:
- تفسیر پاسخ‌های میانی: مقیاس لیکرت معمولا از چندین گزینه پاسخ تشکیل شده است .با این حال، پاسخ دهندگان اغلب پاسخ‌های میانی را انتخاب می‌کنند (به عنوان مثال، خنثی یا تا حدودی موافق)، که تفسیر آن می‌تواند چالش برانگیز باشد.
- سوگیری پاسخ و مطلوبیت اجتماعی: پاسخ دهندگان ممکن است در پاسخ‌دهی، سوگیری داشته باشند. آن‌ها ممکن است پاسخ‌هایی ارائه دهند که با هنجارهای اجتماعی یا آنچه که از نظر اجتماعی قابل قبول می دانند، همسو باشد.
- طول مقیاس و قدرت تشخیص: – مقیاس‌های طولانی‌تر (به عنوان مثال، ۷ طیفی یا ۹ طیفی) قدرت تمایز بیشتری را ارائه می‌دهند، اما همچنین می‌توانند منجر به خستگی پاسخ دهندگان و کاهش کیفیت داده شوند.
- ارتباط متنی و جمله بندی آیتم: زمینه‌ای که آیتم‌های طیف لیکرت در آن ظاهر می‌شوند بر پاسخ‌ها تأثیر می گذارد. علاوه بر این، مواردی که بیان ضعیفی دارند می‌توانند منجر به سردرگمی یا تفسیر نادرست شوند.
- 5-سوگیری رضایت و مجموعه پاسخ: برخی از پاسخ دهندگان تمایل دارند بدون توجه به محتوا با اظهارات موافق باشند.
کلام پایانی
در پایان، مقیاس لیکرت به عنوان ابزاری ارزشمند و پرکاربرد در تحقیقات مختلف، از علوم اجتماعی گرفته تا تحقیقات بازار، جایگاه ویژه‌ای دارد. همانطور که در این مقاله به تفصیل بررسی شد، این مقیاس با ارائه ساختاری منعطف و قابل فهم، امکان سنجش نگرش‌ها، نظرات و ادراکات را به شیوه‌ای کمی و قابل تحلیل فراهم می‌آورد. تنوع کاربردهای آن، از سنجش رضایت مشتری و کارکنان گرفته تا ارزیابی بازخورد رویدادها و وب‌سایت‌ها، نشان‌دهنده گستردگی و اهمیت آن در جمع‌آوری داده‌های معنادار است.
با وجود چالش‌ها و محدودیت‌های مطرح شده، از جمله تفسیر پاسخ‌های میانی و سوگیری‌های احتمالی، درک دقیق این موارد و طراحی هوشمندانه پرسشنامه‌های لیکرت می‌تواند به محققان کمک کند تا بر این موانع غلبه کرده و داده‌های دقیق و قابل اعتمادی را به دست آورند. به کارگیری آگاهانه و سنجیده مقیاس لیکرت، با توجه به نکات طراحی و تحلیل مطرح شده، بی‌شک ابزاری قدرتمند در اختیار پژوهشگران قرار خواهد داد تا بینش‌های ارزشمندی را از مخاطبان خود کسب نمایند و درک عمیق‌تری از پدیده‌های مورد مطالعه به دست آورند.
