Logo fi.boatexistence.com

Mitä likert-asteikkoa käyttää?

Sisällysluettelo:

Mitä likert-asteikkoa käyttää?
Mitä likert-asteikkoa käyttää?

Video: Mitä likert-asteikkoa käyttää?

Video: Mitä likert-asteikkoa käyttää?
Video: SPSS-perusteet (I) - Käynnistäminen, tieto(data) ja muuttuja (variable), aineisto, havaintomatriisi 2024, Saattaa
Anonim

Useimmat tutkijat ovat yhtä mieltä siitä, että sinun tulee käyttää vähintään 5-pisteen Likert-asteikon kyselyä. Mutta muut tutkimukset osoittavat, että mitä enemmän vaihtoehtoja on, sitä harvemmin vastaajat käyttävät keskimmäistä tai neutraalia luokkaa.

Mistä tiedän, mitä Likert-asteikkoa pitäisi käyttää?

5 lisävinkkiä Likert-vaakojen käyttöön

  1. Pidä se merkittynä. Numeroidut asteikot, joissa käytetään vain numeroita sanojen sijaan vastausvaihtoehtoina, voivat aiheuttaa kyselyyn vastanneille ongelmia, koska he eivät ehkä tiedä, mikä alueen loppu on positiivinen vai negatiivinen.
  2. Pidä se outona. …
  3. Pidä se jatkuvana. …
  4. Pidä se kattava. …
  5. Pidä se loogisesti.

Mikä on tehokkain Likert-asteikko?

Tulokset antavat tutkijoille mahdollisuuden päättää, kuinka monta Likert-asteikkopistettä käytetään kyselyyn ja kyselyyn. Kokonaisuutena tarkasteltuna tämä tutkimus ehdottaa seitsemän pisteen luokitusasteikon käyttöä ja jos on tarve ohjata vastaaja yhdelle puolelle, niin kuuden pisteen asteikko voisi olla sopivin..

Pitäisikö minun käyttää 5 pisteen vai 7 pisteen Likert-asteikkoa?

Lyhyt vastaus on, että 7-pisteen asteikot ovat hieman parempia kuin 5-pisteet-mutta ei paljoa. Psykometrinen kirjallisuus ehdottaa, että enemmän asteikkopisteitä on parempi, mutta tuotto on pienentynyt noin 11 pisteen jälkeen (Nunnally 1978).

Mikä on 5-pisteinen Likert-asteikko?

Likert-asteikko on yleensä käytetty asenteiden, tiedon, käsitysten, arvojen ja käyttäytymismuutosten mittaamiseen Likert-tyyppinen asteikko sisältää joukon väitteitä, joista vastaajat voivat valita. arvioidakseen vastauksiaan arvioiviin kysymyksiin (Vogt, 1999). Lainaus: Vagias, Wade M. (2006).

Suositeltava: