مقدمه
شاید برای شما هم این سوال پیش آمده باشد که مقیاس لیکرت چیست و چرا بیشترین استفاده را در سنجش افکار عمومی دارد؟ در دنیای امروز، تصمیم‌گیری‌های هوشمندانه در کسب‌وکارها، سازمان‌ها و پژوهش‌های علمی بدون درک دقیق نگرش‌ها، احساسات و رفتار مخاطبان امکان‌پذیر نیست. هنگام اجرای یک نظرسنجی آنلاین، بزرگ‌ترین چالش سنجش دقیق مفاهیم ذهنی و کیفی است. اگر از مخاطب خود بپرسید: «آیا از خدمات ما راضی هستید؟» و تنها دو گزینه «بله» یا «خیر» پیش روی او بگذارید، حجم عظیمی از واقعیت را از دست داده‌اید. بین یک رضایت فوق‌العاده و یک رضایت نسبی یا نارضایتی جزیی، مرزهای ظریفی وجود دارد که پاسخ‌های دوگزینه‌ای ساده توانایی کشف آن‌ها را ندارند.
اینجاست که مقیاس لیکرت (Likert Scale) به عنوان ابزاری قدرتمند و استاندارد وارد میدان می‌شود. این طیف ارزیابی به پژوهشگران و مدیران اجازه می‌دهد تا طیف خاکستری نظرات افراد را به داده‌های عددی و قابل تحلیل تبدیل کنند. استفاده درست از طیف لیکرت در یک پرسشنامه آنلاین نه تنها دقت داده‌ها را به شدت افزایش می‌دهد، بلکه تجربه کاربری بهتری برای پاسخ‌دهندگان ایجاد می‌کند. در این راهنمای جامع، قصد داریم بررسی کنیم که مقیاس لیکرت چیست و به صفر تا صد تعاریف، انواع، نمونه سوالات، نحوه تحلیل داده‌ها و اصول طراحی طیف لیکرت بپردازیم تا بتوانید دقیق‌ترین فرم‌ها را طراحی کنید.
مقیاس لیکرت چیست؟ (تعریف به زبان ساده)
در پاسخ به این سوال که مقیاس لیکرت چیست، باید گفت که طیف لیکرت که با نام مقیاس لیکرت نیز شناخته می‌شود، یک مقیاس اندازه‌گیری روانی-سنجی (Psychometric) است که برای ارزیابی نگرش‌ها، باورها، احساسات و رفتار افراد مورد استفاده قرار می‌گیرد. این مقیاس اولین بار در سال ۱۹۳۲ توسط روان‌شناس برجسته آمریکایی، رنسیس لیکرت (Rensis Likert) معرفی شد و از آن زمان تاکنون محبوب‌ترین ابزار سنجش کیفیت نظرات در دنیا است.
در این روش، به جای پرسیدن سوالات تک‌کلمه‌ای یا قطعی، یک «عبارت یا گویه» به پاسخ‌دهنده ارائه می‌شود و از او خواسته می‌شود تا میزان موافقت یا عدم موافقت خود را روی یک طیف چندگزینه‌ای درجه‌بندی‌شده مشخص کند. این طیف معمولاً از یک منتهای منفی (مثلاً کاملاً مخالفم) تا یک منتهای مثبت (مثلاً کاملاً موافقم) امتداد دارد.
تاریخچه و فلسفه شکل‌گیری مقیاس لیکرت چیست؟
پیش از ابداع این روش، اندازه‌گیری افکار و گرایش‌های انسانی با مقیاس‌های پیچیده و دشواری مانند ثرستون انجام می‌شد. رنسیس لیکرت ابزاری طراحی کرد که هم فرایند پاسخ‌دهی را برای مخاطب آسان می‌کرد و هم قابلیت کدگذاری عددی و تحلیل آماری سریع داشت. فلسفه اصلی که نشان می‌دهد علت موفقیت مقیاس لیکرت چیست، این است که نگرش انسان‌ها پدیده‌ای پیوسته است، نه منقطع؛ بنابراین ابزار اندازه‌گیری آن نیز باید حالتی طیفی و درجه‌بندی‌شده داشته باشد.
اصلی‌ترین کاربردهای طیف لیکرت و مقیاس لیکرت در دنیای واقعی
امروزه مقیاس لیکرت در ابزارهای مدرن فرم‌ساز و سامانه ساخت پرسشنامه آنلاین نقشی کلیدی ایفا می‌کند. کاربردهای اصلی این مقیاس عبارت‌اند از:
- سنجش میزان رضایت مشتریان (CSAT): ارزیابی کیفیت محصولات، پشتیبانی و خدمات پس از فروش.
- تحقیقات بازار (Market Research): سنجش تمایل مشتریان به خرید، ارزیابی تصویر برند و نیازسنجی بازار.
- ارزیابی عملکرد و منابع انسانی: سنجش رضایت شغلی، تعامل سازمانی و ارزیابی ۳۶۰ درجه مدیران و پرسنل (مانند ارزیابی در ساخت فرم استخدام آنلاین و ارزیابی دوره آزمایشی).
- پژوهش‌های دانشگاهی و اجتماعی: گردآوری داده برای پایان‌نامه‌ها، مقالات علمی و تحلیل‌های رفتارشناسی.
انواع مقیاس لیکرت و تفاوت آن‌ها
یکی از مهم‌ترین تصمیمات در زمان طراحی فرم، انتخاب ساختار مناسب برای گزینه‌ها در مقیاس لیکرت است. به‌طور کلی طیف‌های لیکرت را می‌توان از نظر تعداد گزینه‌ها به دو دسته طیف لیکرت زوج و فرد و همچنین مقیاس‌های ۵ گزینه‌ای و ۷ گزینه‌ای تقسیم کرد.
طیف لیکرت فرد در مقیاس لیکرت (امکان انتخاب گزینه بی‌طرف)
در مقیاس‌های فرد (مانند ۵ گزینه‌ای یا ۷ گزینه‌ای)، نقطه وسط جدول همیشه نشان‌دهنده یک حالت خنثی یا بی‌طرف است (مانند «نظری ندارم» یا «نه موافقم نه مخالف»).
- مزایا: احترام به واقعیت پاسخ‌دهندگانی که واقعاً موضع مشخصی ندارند یا اطلاعاتشان کافی نیست. این کار مانع از ثبت داده‌های غیرواقعی می‌شود.
- معایب: احتمال ابتلا به «سوگیری گرایش به مرکز» (Central Tendency Bias)؛ زیرا پاسخ‌دهندگانی که حوصله فکر کردن ندارند، ممکن است دسته‌جمعی گزینه وسط را انتخاب کنند.
طیف لیکرت زوج (اجبار به انتخاب سمت‌وسو)
در طیف‌های زوج (مانند ۴ گزینه‌ای یا ۶ گزینه‌ای)، گزینه خنثی حذف می‌شود و پاسخ‌دهنده مجبور است به سمت موافقت یا مخالفت تمایل پیدا کند.
- مزایا: حذف پاسخ‌های ممتنع و وادار کردن کاربر به اتخاذ موضع شفاف. این حالت برای تصمیم‌گیری‌های مدیریتی حساس بسیار کاربردی است.
- معایب: احتمال ایجاد احساس ناراحتی یا خشم در پاسخی که واقعاً نظر خنثی دارد، که در نهایت ممکن است منجر به ترک نظرسنجی آنلاین شود.
مقایسه مقیاس ۵ گزینه‌ای و ۷ گزینه‌ای در طیف لیکرت؛ کدام‌یک مناسب‌تر است؟
مقیاس ۵ گزینه‌ای: استانداردترین و محبوب‌ترین نوع لیکرت است. سادگی، سرعت پاسخ‌دهی بالا و عدم خستگی کاربر از ویژگی‌های بارز آن است. این طیف برای مخاطبان عام و نظرسنجی‌های کوتاه عالی است.
مقیاس ۷ گزینه‌ای: جزئیات و تمایز بیشتری ارائه می‌دهد (مثلاً «تا حدی موافقم» در برابر «موافقم»). اگر با مخاطبان متخصص روبه‌رو هستید یا نیاز به انحراف معیار و تفکیک دقیق‌تر داده‌ها دارید، مقیاس ۷ گزینه‌ای در طیف لیکرت انتخابی هوشمندانه است.
| نوع مقیاس | تعداد گزینه‌ها | وجود گزینه خنثی | مزیت اصلی | بهترین کاربرد |
|---|---|---|---|---|
| ۵ گزینه‌ای (فرد) | ۵ | بله | سهولت در پاسخ‌دهی و وضوح بالا | نظرسنجی‌های مشتریان، سنجش میزان رضایت عمومی |
| ۷ گزینه‌ای (فرد) | ۷ | بله | دقت و جزئیات بیشتر در داده‌ها | تحقیقات آکادمیک و پژوهش‌های علمی دقیق |
| ۴ گزینه‌ای (زوج) | ۴ | خیر | اجبار کاربر به انتخاب سمت‌وسو | تصمیم‌گیری‌های مدیریتی حساس و ارزشیابی‌ها |
| ۶ گزینه‌ای (زوج) | ۶ | خیر | تکثر درجه‌بندی بدون امکان ممتنع | ارزیابی روان‌شناختی یا سنجش گرایش‌های پیچیده |
نمونه سوالات و گزینه‌های استاندارد در مقیاس لیکرت
برای اینکه داده‌های حاصل از مقیاس لیکرت قابلیت اعتبارسنجی علمی داشته باشند، متون و برچسب‌های گزینه‌ها باید متقارن، شفاف و استاندارد باشند. در ادامه جدول جامعی از ابعاد متداول سنجش در پرسشنامه آنلاین و عبارات استاندارد طیف ۵ گزینه‌ای آورده شده است.
| بعد سنجش | گزینه ۱ (کاملاً منفی) | گزینه ۲ (منفی) | گزینه ۳ (خنثی) | گزینه ۴ (مثبت) | گزینه ۵ (کاملاً مثبت) |
|---|---|---|---|---|---|
| میزان موافقت | کاملاً مخالفم | مخالفم | نظری ندارم | موافقم | کاملاً موافقم |
| سنجش میزان رضایت | خیلی ناراضی | ناراضی | متوسط / نظری ندارم | راضی | بسیار راضی |
| فرکانس و تکرار | هرگز | به‌ندرتاً | گاهی اوقات | اکثر اوقات | همیشه |
| میزان اهمیت | اصلاً مهم نیست | کم‌اهمیت | متوسط | مهم | بسیار مهم |
| احتمال / تمایل | اصلاً احتمال ندارد | بعید است | ممکن است | احتمال زیادی دارد | قطعی است |
راهنمای عملی طراحی طیف و مقیاس لیکرت در پرسشنامه آنلاین
ساخت سوالات ماتریسی (Matrix Questions)؛ بهترین ابزار برای پیاده‌سازی مقیاس لیکرت
یکی از بهترین راه‌ها برای پیاده‌سازی مقیاس لیکرت، استفاده از سوالات ماتریسی است. در سوال ماتریسی، چند عبارت مرتبط در سطرها قرار می‌گیرند و یک طیف مشترک (مثلاً از کاملاً مخالفم تا کاملاً موافقم) در ستون‌ها تکرار می‌شود. این کار باعث جلب رضایت کاربر، صرفه‌جویی در فضای صفحه و بالا رفتن سرعت تکمیل فرم می‌شود.
۶ اصل طلایی در طراحی سوالات برای جلوگیری از سوگیری (Bias) و خستگی پاسخ‌دهنده
- اجتناب از سوالات دووجهی (Double-barreled questions): هرگز دو موضوع را در یک گویه نگنجانید. به عنوان مثال، عبارت «خدمات و قیمت‌گذاری ما عالی است» اشتباه است؛ زیرا ممکن است کاربر از خدمات راضی اما از قیمت ناراضی باشد.
- حفظ تقارن گزینه‌ها: تعادل میان گزینه‌های مثبت و منفی را رعایت کنید. اگر ۲ گزینه مثبت دارید، باید ۲ گزینه منفی هم داشته باشید.
- استفاده از زبان ساده و شفاف: از به‌کارگیری اصطلاحات تخصصی، پیچیده یا کلمات منفی دوگانه (Negative phrasing) خودداری کنید.
- عدم استفاده از سوالات جهت‌دار (Leading Questions): عبارت نباید پاسخ‌دهنده را به سمت یک گزینه خاص هدایت کند. به جای «چقدر از پشتیبانی فوق‌العاده ما راضی هستید؟» بنویسید: «کیفیت ارائه خدمات پشتیبانی را چگونه ارزیابی می‌کنید؟».
- محدود کردن تعداد سطرهای ماتریس: ماتریس‌های طولانی با بیش از ۶ یا ۷ سطر، خستگی چشم و افت کیفیت پاسخ‌ها را به همراه دارند.
- استفاده از عبارت‌پردازی معکوس (Reverse Coding): برای اطمینان از توجه پاسخ‌دهنده، گاهی صورت سوال را معکوس کنید تا از پاسخ‌دهی سرسری جلوگیری شود.
بهینه‌سازی نمایش جدول لیکرت در نمایشگر موبایل
امروزه بیش از ۷۰ درصد کاربران، فرم‌ها و نظرسنجی آنلاین را روی گوشی تلفن همراه تکمیل می‌کنند. جداول ماتریسی بزرگ در نمایشگر کوچک موبایل دچار اسکرول افقی شدید شده و کاربر را کلافه می‌کنند. یک سامانه فرم‌ساز حرفه‌ای باید بتواند سوالات ماتریسی طیف لیکرت را در موبایل به حالت آکاردئونی یا کارت‌های عمودی تبدیل کند تا تجربه کاربری (UX) روانی ارائه دهد.
ساخت آنلاین پرسشنامه و طیف لیکرت با یوچک
آیا قصد دارید برای تحقیقات بازار، پایان‌نامه یا سنجش رضایت مشتریان فرم بسازید؟ در سامانه یوچک می‌توانید با چند کلیک ساده انواع سوالات ماتریسی و طیف‌های لیکرت ۵ یا ۷ گزینه‌ای متناسب با موبایل را طراحی کنید. برای ورود و ساخت فرم به صفحه ساخت پرسشنامه آنلاین مراجعه کرده و نظرسنجی حرفه‌ای خود را راه‌اندازی کنید.
نحوه تحلیل داده‌ها و نتایج مقیاس لیکرت چیست؟
پس از جمع‌آوری پاسخ‌ها، مرحله کلیدی تحلیل داده‌های لیکرت آغاز می‌شود. برخلاف سوالات متنی، داده‌های حاصل از مقیاس لیکرت کاملاً ساختاریافته هستند و امکان استخراج آمار دقیق را فراهم می‌کنند.
گام اول: کدگذاری عددی داده‌ها (Data Coding)
برای شروع تحلیل، به هر گزینه یک ارزش عددی اختصاص می‌دهیم. برای مثال در یک طیف ۵ گزینه‌ای مثبت:
- کاملاً مخالفم = ۱
- مخالفم = ۲
- نظری ندارم = ۳
- موافقم = ۴
- کاملاً موافقم = ۵
نکته مهم: اگر گویه‌ای با بار معنایی معکوس طراحی کرده‌اید (مثلاً «استفاده از این سامانه دشوار است»)، باید امتیازدهی آن را معکوس کنید (کاملاً موافقم = ۱ و کاملاً مخالفم = ۵).
گام دوم: محاسبه شاخص‌های آماری (میانگین، میانه، انحراف معیار و مد)
- میانه (Median): بهترین شاخص تمرکز برای یک گویه تک به‌شمار می‌رود، چرا که داده‌های لیکرت ذاتاً رتبه‌ای (Ordinal) هستند.
- نما یا مد (Mode): پرتکرارترین گزینه‌ای که کاربران انتخاب کرده‌اند را نشان می‌دهد.
- میانگین (Mean): اگر مجموعه‌ای از سوالات لیکرت یک «سازه یا متغیر کلی» را می‌سنجند، می‌توان مجموع امتیازات را حساب کرده و میانگین عددی را گزارش کرد.
- انحراف معیار (Standard Deviation): نشان می‌دهد که پاسخ‌ها چقدر پراکنده هستند. انحراف معیار بالا نشان‌دهنده دو قطبی بودن آرا و انحراف معیار پایین نشان‌دهنده همگرایی نظر پاسخ‌دهندگان است.
آیا داده‌های لیکرت کیفی رتبه‌ای هستند یا کمی فاصله‌ای؟
این موضوع یکی از بحث‌های مشهور آمار است. از نظر تئوری دقیق، یک گویه لیکرت متغیر رتبه‌ای (Ordinal) است؛ زیرا فاصله بین «کاملاً مخالفم» و «مخالفم» لزوماً برابر با فاصله بین «موافقم» و «کاملاً موافقم» نیست. اما در عمل و در اکثر پژوهش‌های کاربردی، پژوهشگران با ترکیب چند گویه لیکرت، داده‌ها را به عنوان متغیر فاصله‌ای (Interval) در نظر گرفته و آزمون‌های آماری پارامتری مانند T-Test، آنوا (ANOVA) و رگرسیون را روی آن‌ها اجرا می‌کنند.
قبل از تحلیل داده‌های سنگین پژوهشی، حتماً با روش‌های آماری و تعیین حجم نمونه آشنا شوید (توصیه می‌کنیم مقاله فرمول کوکران و محاسبه حجم نمونه را در یوچک مطالعه فرمایید).
تفسیر و نمایش نمودار نتایج در نظرسنجی آنلاین
بهترین روش برای ارائه بصری گزارش طیف لیکرت، استفاده از نمودارهای میله‌ای انباشته (Stacked Bar Charts) یا نمودارهای ستونی تفکیکی است. این نمودارها به مدیران اجازه می‌دهند در یک نگاه، سهم درصد موافقان، مخالفان و افراد خنثی را مشاهده و تحلیل کنند.
اشتباهات رایج در استفاده از طیف و مقیاس لیکرت
حتی طراحان باتجربه نیز گاهی هنگام ساخت پرسشنامه آنلاین دچار خطاهایی می‌شوند که اعتبار علمی داده‌ها را زیر سوال می‌برد. متداول‌ترین این اشتباهات عبارت‌اند از:
- ۱. پرسیدن سوالات دوبخشی (Double-barreled): ادغام دو مفهوم متفاوت در یک عبارت که کاربر را در انتخاب گزینه گیج می‌کند.
- ۲. عدم تقارن در طیف گزینه‌ها: قرار دادن ۳ گزینه مثبت و فقط ۱ گزینه منفی که منجر به سوگیری شدید گزارش‌ها می‌شود.
- ۳. عدم نام‌گذاری شفاف تمام گزینه‌ها: گاهی طراحان فقط ابتدا و انتهای طیف (۱ و ۵) را نام‌گذاری می‌کنند و اعداد وسط را بدون برچسب رها می‌کنند که باعث برداشت‌های متفاوت کاربران می‌شود.
- ۴. ماتریس‌های بسیار طولانی: آوردن بیش از ۱۰ سطر در یک جدول ماتریسی، پدیده‌ای به نام «پاسخ‌دهی خطی» (Straight-lining) ایجاد می‌کند که در آن کاربر بدون خواندن، همه را یک‌شکل علامت می‌زند.
- ۵. اجبار بدون گزینه «نابرخوردار/نامربوط»: اگر سوالی درباره قسمتی از سایت بپرسید که کاربراصلاً با آن کار نکرده است، باید گزینه «برای من کاربرد ندارد» را اضافه کنید؛ در غیر این صورت داده پرتی ثبت خواهد شد.
نتیجه‌گیری و جمع‌بندی
در نهایت، اگر می‌خواهید بدانید کاربرد اصلی مقیاس لیکرت چیست، باید بگوییم این مقیاس یکی از کارآمدترین و علمی‌ترین روش‌ها برای تبدیل نگرش‌ها، احساسات و دیدگاه‌های کیفی انسان‌ها به داده‌های عددی قابل اندازه‌گیری است. استفاده صحیح از طیف لیکرت در طراحی پرسشنامه آنلاین، بینش‌های عمیق و واقعی از رفتار مخاطبان، میزان رضایت مشتریان و بازخورد کارکنان به شما ارائه می‌دهد.
با رعایت اصولی همچون حفظ تقارن گزینه‌ها، جلوگیری از سوالات دوبخشی، انتخاب درست بین طیف‌های زوج و فرد و بهینه‌سازی نمایش فرم برای کاربران موبایل، می‌توانید کیفیت داده‌های گردآوری‌شده را تضمین کنید. اگر قصد دارید همین حالا یک نظرسنجی استاندارد، زیبا و کاملاً هوشمند بسازید، ابزار فرم‌ساز یوچک تمام امکانات لازم از جمله امکان ساخت سوالات ماتریسی و تحلیل خودکار داده‌ها را در اختیار شما قرار می‌دهد.
نظرات کاربران
اولین نفری باشید که نظر می دهید