تعداد مناسب نقاط برشی برای مقیاس لیکرت

قصد داریم در اینجا بهترین حالت استفاده از مقیاس لیکرت را شرح دهیم. استفاده از این مقیاس به فراوانی در مطالعات پیمایشی استفاده می شود. رنسیس لیکرت (Rensis Likert)  در دهه 1930این مقیاس را بوجود آورد. مقیاس اصلی لیکرت 5 نقطه  د اشت.  با گذشت زمان این سوال مطرح شد که چه تعداد نقطه مناسب ترین حالت و بیشترین اطلاعات را از پاسخ دهنده فراهم می آورد؟

من مطالعات زیادی در مورد این باره را خوانده ام. در زیر نکاتی که این مطالعات در مورد آنها توافق دارند را ذکر می کنم:

1.       استفاده بیشتر از 7 نقطه  مناسب نیست: مطالعات نشان می دهد مردم قادر نیستند تا دیدگاه شان را در مورد یک موضوع در مقیاس های بالاتر از 7 نقطه  تعیین کنند و دچار سردرگمی می شوند. بنابراین مناسب ترین تعداد نقطه  ها  7 و کمتر از 7 است. اما در مورد تعداد نقاط دقیق آن نظر دقیق و نهایی وجود ندارد ولی مقیاس های 5، 4 و 3تایی بیشتر مورد توجه اند.

2.      انتخاب مقیاس های شماره ای برای مردم مشکل است. مقیاس های شماره ای که هر شماره بیانگر یک رتبه می باشد به این صورت است که دو کران بالا و پایین مقیاس تعریف شده و پاسخ دهنده بایستی با توجه به این دو کرانه نظر خود را مشخص کند.  به عنوان مثال مقیاس هایی که از 1 تا 5 شماره گذاری می شوند که در آن 5 بالاترین و 1 حداقل توافق یا نتیجه را شامل می شود صحت و دقت کمتری نسبت به همین مقیاس ها به همراه برچسب شان را دارند. در صورتی که از مقیاس های نمره ای استفاده می شود باید برچسب هر کدام از مقیاس ها ذکر شود.

3.      استفاده از برچسب ها تا حد امکان باید صحیح و شفاف باشد. به عنوان مثال استفاده از عباراتی مانند "اغلب"، "گاهی اوقات " و مانند اینها از فرد به فرد دیگر، از فرهنگ به فرهنگ دیگر متغییر است.  بهتر است پژوهشگران از عبارات مشخص و زمان دار مانند "هفته ای یک بار"   و نظیر آن استفاده کنند. علاوه بر این مطالعات نشان می دهند که مردم قادر به ایجاد تمایز بین "خوب و خیلی خوب"، "نا مطلوب و خیلی نامطلوب" نیستند و بهتر است بجای آن از عبارات خوب و عالی استفاده شود

4.      مطالعات در مورد استفاده از عبارت بی نظر در میان نقاط برشی اختلاف نظر دارند بعضی مطالعات استفاده از این گزینه را بدلیل عدم اطلاعات موجود در آن مناسب نمی دانند. من شخصا معتقدم بکار بردن این گزینه در بعضی از مطالعات مفید بوده و باید استفاده شود چون گاهی مواقع واقعا فرد اطلاع از موضوع ندارد و یا گاهی دچار تعارض بوده و نظر قطعی ندارد. در این حالت ها اگر از مقیاس های با تعداد نقاط برشی زوج استفاده شود موجب مخدوش شدن مطالعه شده و پاسخ های ناروا بدست می آید و موجب می شود تحقیق مسیر اشتباهی را طی کند. ممکن است گفته شود نقطه ی میانی منجر می شود که نتوانیم سبک پاسخ فرد را کنترل کنیم. برای پاسخ به این سوال باید پاسخ نامه هایی که بیشتر از یک تعداد سوال پاسخ نقطه ی وسط را دارند از جریان تحلیل کنار بگذاریم. در این حالت پاسخ دهندگان دچار بی تصمیمی بوده و بهتر آن است پاسخ های آنها در نتیجه گیری های نهایی وارد نشود. درمورد این افراد اگر آنها را مجبور به انتخاب پاسخ مثبت یا منفی کنیم نه تنها به پایایی (Reliability) نتایج ضربه زده ایم بلکه نتایج نیز گمراه کننده خواهند بود یعنی اعتبار (Validity) ندارند. در ضمن همیشه نظر دو قطب مثبت یا منفی ندارد.

در زیر مثال هایی از مقیاس توافق (Agreement) لیکرت ذکر می شود. علاوه بر توافق موارد دیگری مثل: فراوانی، اهمیت، کیفیت و احتمال نیز وجود دارند. اما از آنجایی که بیشتر پرسشنامه های موجود  از دید اول شخص بیان شده و در نظر دارد میزان توافق پاسخ دهنده را بسنجد فقط مثال های مقیاس توافق ذکر می شوند. این مثال ها از آدرس زیر اقتباس و برگردان شده است.

http://www.gifted.uconn.edu/siegle/research/Instrument%20Reliability%20and%20Validity/Likert.html

لیکرت 7 تایی	لیکرت دوتایی	لیکرت 3 تایی	لیکرت 5 تایی	لیکرت 4 تایی
خیلی موافق نسبتن موافق تاحدودی موافق تا حدودی مخالف مخالف نسبتن مخالف خیلی مخالف	موافق مخالف	موافق بی نظر مخالف	خیلی موافق موافق بدون نظر مخالف خیلی مخالف	خیلی موافق موافق مخالف خیلی مخالف
کاملن موافق خیلی موافق موافق بی نظر مخلف خیلی مخالف کاملن مخالف	بلی خیر		کاملن  موافق موافق بی نظر مخالف کاملن مخالف
خیلی قوی قوی تاحدودی قوی متوسط تاحدودی ضعیف ضعیف خیلی ضعیف	درست نادرست	کاملن درست تا حدودی درست کاملن نادرست	عالی بیشتر از میانگین متوسط کمتر از متوسط خیلی ضعیف	بیشتر مواقع بعضی مواقع خیلی کم بندرت

 

مثال های زیادی در این باره وجود دارد که نحوه ی بیان آنها وابسته به نحوه ی نگارش سوالات است.

بررسی تعداد نقاط برشی در بالا بر اساس میزان اطلاعات مفیدی است که هر مقیاس می تواند ارائه دهد. اما برای استفاده از آزمون های آماری همیشه نوع مقیاس داده ها یکی از ملاک های انتخاب آزمون های آماری است. برای استفاده از آزمون های پارامتری شرط اساسی مقیاس حداقل فاصله ای می باشد و نمی توان از این آزمون ها در زمانی که مقیاس اعداد ما رتبه ای است استفاده کرد. بعضی از پژوهشگران بر این باورند که می توان از آزمون های آماری پارامتری برای مقیاس های لیکرت بیشتر از 5 نقطه با احتیاط استفاده کرد. بنابراین تعداد نقاط از این منظر نیز باید مورد توجه قرار گیرد. البته به نظر من زمانی که مقیاس لیکرت جمع بسته شده و به یک عدد می رسیم استفاده از آزمون های آماری پارامتری کمتر منجر به نتایج گمراه کننده می شود.

بنابراین به طور کلی می توان موارد بالا را این گونه خلاصه کرد که:

تعداد نقاط برشی به کار گرفته شده در مقیاس لیکرت وابسته به هدف پژوهش است و هر تعدادی که انتخاب شود مزایا و محدودیت های مخصوص به خود دارد.

1- كاملام موافق¨

2- موافق¨

o    بی نظر

6- مخالف¨

7- كاملا مخالف¨

 

25 بهمن روز دوستی مبارک باد

من روز خویش را با آفتاب عشق تو کز مشرق خیال دمیده است آغاز می کنم.

من با تو می نویسم و می خوانم

من با تو راه می روم و حرف می زنم

وز شوق این محال:-که دستم به دست توست-

من جای راه رفتن پرواز می کنم.

آن لحظه ها که مات در انزوای خویش

یا در میان جمع خاموش می نشینم

موسیقی نگاه تو را گوش می کنم

گاهی میان مردم در ازدحام شهر غیر از تو هر چه هست

فراموش می کنم........

بررسی استقلال متغییرها از طریق نرم افزار SPSS

بررسی استقلال متغییرها از طریق نرم افزار SPSS:

سوالی که بیشتر دوستان می پرسند مربوط به بررسی استقلال (یا همبستگی) متغییرها از طریق نرم افزار اس پی اس اس است. به این منظور باید به مقیاس داده ها توجه داشت به طور کلی برای بررسی استقلال دو متغیییر پیوسته از Bivariate Correlations ، متغییرهای طبقه ای از Crosstabs ، متغییر پیوسته و طبقه ای از فرمان Means . برای بررسی نرمال بودن متغییرهای پیوسته از فرمان Explore و بررسی توزیع چند جمله ای از فرمان Chi-Square Test  استفاده می شود.

اخلاق علمی

متاسفانه در کشور ما اخلاق در همه ی عرصه های کاری از بین رفته و کسی که مخالف این حرف است واقعا فردی با روحیه و تفکر مثبت می باشد که باید تفکرش شببیه سازی شود. اگر کتاب های مختلف را بخوانید می بینید که بعضی افراد بدون ذکر نام منبع مطالب را به عنوان تالیف ذکر می کنند (خود من هم این اشتباه را انجام داده ام). این کار برای پیشکسوتان علمی اصلا مناسب نیست مخصوصا پدر علم روانسنجی ایران. اگر کتاب برگزیده ی سال 80 را بخوانید و در ضمن HELP نرم افزارهای SPSS و یا STATISTA زا خوانده باشید می بینید ایشان مترجم ماهری هستند. به عنوان مثال بحث تحلیل خوشه ای کتاب ایشان با موارد ذکر شده چک کنید. البته باید دقت داشت لیاقت ایشان سر جای خودش می باشد و خدمات ایشان بزرگترین نعمت به علم روانسنجی می باشد.

تفاوت تحلیل خوشه ای و تحلیل تشخیصی چیست؟

تفاوت تحلیل خوشه ای و تحلیل تشخیصی چیست؟

در تحلیل تشخیصی گروهها(خوشه ها) از قبل تشکیل شده اند و هدف از تحلیل آن است که ترکیب خطی آن دسته از متغییرهای مستقلی که گروهها را به بهترین نحو از همدیگر تفکیک می کنند تعیین شود، اما در تحلیل خوشه ای گروهها از قبل تعیین نشده اند بلکه هدف این است که بهترین روشی را که بتوان از طریق آن پاسخگویان (یا متغییرها) را در گرههایی مشخص خوشه بندی کرد تعیین شود.

منابع علمی

از لینک زیر می توانید منابع علمی خود را جستجو کرده و لذت ببرید:

            http://scholar.lib.vt.edu/theses/etd-search.html

در ضمن دانشگاه MIT سخنرانی ها، چکیده ها و فیلم کلاس های خود را به صورت رایگان در وب سایت خود قرار داده است.

تحلیل آماری سوالات و بررسی اعتبار آزمون

به منظور تحلیل آماری سوالات و بررسی اعتبار آزمون لازم است تا فرم نهایی آزمون وارد مرحله ی اجرای مقدماتی شود. در این مرحله باید نمونه ای به حجم مشخص انتخاب شود. برای مشخص کردن حجم نمونه می توان از نرم افزارهای موجود مثل QIMACROS استفاده کرد.  بعد از اجرای مقدماتی داده ها گردآوری شده و برای تحلیل آماده می شوند. برای تحلیل سوالات می توان از رویکردهای مختلف اندازه گیری استفاده کرد. این رویکردها عبارتند از: نظریه ی کلاسیک اندازه گیری، نظریه ی تعمیم پذیری و نظریه ی سوال- پاسخ. برای تحلیل سوالات همزمان از همه ی نظریات استفاده می شود

ü      مناسبترین رویکرد مبتنی بر نظریه ی سوال- پاسخ است. این نظریه بر مفروضاتی استوار است که باید مد نظر قرار گیرند. نرم افزارهای مختلفی وجود دارد که بر اساس این نظریه به تحلیل سوالاتی با مقیاس لیکرت می پردازند مثل MULTILOG, PARSCALE متعلق به کمپانی SSI. این نرم افزارها قابلیت های فراوانی برای تحلیل سوالات دارند مثل: ارائه ی نمودار آگاهی و خطا برای هر سوال، ارائه ی نمودار آگاهی و خطا برای کل آزمون، بدست آوردن پارامتر شیب سوالات، بدست آوردن پارامتر آستانه سوالات، بررسی سوگیری سوالات و احتمال پاسخگویی به هر سوال.

ü      می توان از نرم افزاری مثل SPSS یا هر نرم افزار آماری دیگر استفاده کرد و سوالات را تحلیل نمود. این نرم افزارها مناسب نظریه ی کلاسیک می باشند.

الف) امکان دسترسی به نمودارهای آگاهی سوال و آزمون در این رویکرد وجود ندارد

ب) در این رویکرد می توان از همبستگی چند رشته ای برای تعیین قدرت تمییز استفاده کرد

ج)  از طریق روش حذف سوال (لوپ) می توان نقش هر سوال را در همسانی درونی آزمون کشف کرد و سوالات نامطلوب را حذف یا اصلاح نمود.

د) تهیه ی جداول فراوانی برای سوالات و گویه های مختلف سوالات

ه) محاسبه ی آلفای کرونباخ برای سوالات به منظور دستیابی به اندازه ی اعتبار درونی

خروجی نهایی از این مرحله فرمی از سوالات است که دارای اعتبار مطلوب می باشد.

سوال دکتری رشته ی سنجش؟

درجه دشواری (آستانه) و ضریب تمییز در سوالات چند ارزشی (مثل پرسشنامه هایی با مقیاس لیکرت) در دو نظریه ی کلاسیک و سوال پاسخ چگونه بدست می آید؟

بررسی اعتبار سوالات

    برای بررسی اعتبار سوالات می توان از روش های زیر استفاده کرد

ü      استفاده از آلفای کرونباخ برای بررسی همگنی سوالات

ü      استفاده از همبستگی آزمون- بازآزمون برای بررسی ثبات آزمون

ü      استفاده از تجزیه و تحلیل واریانس برای مشخص کردن واریانس های موجود

 

تحلیل گزاره ها و گویه های پرسشنامه

    تحلیل گزاره ها و گویه های پرسشنامه شامل موارد زیر است:

ü      ارائه ی نمودار آگاهی و خطا برای هر سوال

ü      ارائه ی نمودار آگاهی و خطا برای کل آزمون

ü      بدست آوردن پارامتر شیب سوالات

ü      بدست آوردن پارامتر آستانه سوالات

ü      بررسی سوگیری سوالات (با دو هدف: 1. تحلیل سوالات 2. بررسی روایی)

استفاده از روش لوپ (Item deleted

ررسی سوالات یک آزمون یا گزاره های یک پرسشنامه

ب‌)   برای بررسی سوالات یک آزمون یا گزاره های یک پرسشنامه باید موارد زیر بررسی شوند:

ü      روایی صوری (با اجرای پرسشنامه روی چند نفر از اعضای گروه هدف)

ü      روایی محتویی (توسط چند نفر متخصص در حوزه ی محتوایی پرسشنامه)

ü      تحلیل سوالات آزمون (بعد از اجرای مقدماتی اول)

ü      بررسی اعتبار نمرات آزمون (بعد از اجرای مقدماتی)

ü      بررسی روایی سازه از طریق تحلیل عوامل (بعد از اجرای مقدماتی)

ü      بررسی روایی همگرا و واگرا (به عنوان مطالعات پیگیری Follow up)

ü      بررسی روایی پیش بین (به عنوان مطالعات پیگیری Follow up)

روایی گروه های شناخته شده (Known-groups validity به عنوان مطالعات پیگی

روش های نمونه گیری2

نمونه گيري طبقه بندی با تخصيص متناسب

در نمونه گيري با طبقه بندي متناسب فرض مي شود كه نسبت نمونه با نسبت جامعه برابر است در واقع در هر طبقه  . يعني كسر نمونه گيري در تمام طبقات يكسان است. بر اين مبنا حجم نمونه در جامعه  معادل است با . 

2-1-2-2- نمونه گيري خوشه اي: در نمونه گیری خوشه ای واحد اندازه گیری فرد نیست٬ بلکه گروهی از افراد هستند که به صورت طبیعی شکل گرفته و گروه خود را تشکیل داده اند.این روش وقتی به کار می رود که فهرست کامل افراد جامعه در دسترس نباشد. به این منظور افراد را در دسته هایی خوشه بندی می کنند سپس از میان خوشه ها نمونه گیری به عمل می آورند و زمانی به کار می رود که انتخاب گروهی از افراد امکانپذیر و آسانتر از انتخاب افراد در یک جامعه تعریف شده باشد.

روشهاي نمونه گيري

2-1-1-              نمونه گيري تصادفي:

در این نوع نمونه گیری هر یک از اعضا ی جامعه تعریف شده شانس برابر و مستقلی برای قرار گرفتن در نمونه دارند ٬ منظور از مستقل بودن این است که انتخاب یک عضو به هیچ شکل در انتخاب سایر اعضای جامعه تاثیری ندارد. در این روش ابتدا فهرست اسامی تمامی اعضا را به دست آورده ٬ سپس به هر یک از آنها نمره ای اختصاص می دهیم و با استفاده از جدول اعداد تصادفی تعداد مورد نیاز را انتخاب می کنیم.

2-1-2-                     نمونه گيري طبقه بندي:

نمونه‌گیری طبقه‌بندی شده به این دلیل در انواع خاصی از آمارگیری‌ها به کار می‌رود که آسانی درک نمونه‌گیری تصادفی ساده را با افزایش قابل توجهی در قابلیت اعتماد بالقوه ترکیب می‌کند. هرگاه بخواهیم برآوردهای جداگانه‌ای از پارامترهای جامعه برای هر یک از زیرحوزه‌ها در داخل کل جامعه به دست آوریم و علاوه بر آن بخواهیم مطمئن باشیم که نمونۀ ما نمایندۀ جامعه است استفاده از این فن راحت است. طبقه بندي، تكنيكي بسيار متداول است كه به دلائلي زياد انجام مي‌شود. عمده ترين اين دلايل به شرح زيرند:

ü     اگر براي بعضي از زيرجامعه‌هاي يك جامعه، داده‌ها و اطلاعاتي با دقت معلوم بخواهند، توصيه مي‌شود كه هر زيرجامعه، يك طبقه به حساب آيد.

ü     سهولت اداره امور، هميشه بر طبقه‌بندي تأكيد خاص دارد. تشكيلاتي كه در يك كشور، مسئول انجام نمونه‌گيري براي ارائه نتايج به سازمان‌هاي ذيربط است در نواحي مختلف كشور واحدهاي مطبوع مختلفي دارد. كاركنان هر واحد درباره ويژگي‌هاي ناحيه خود اطلاعاتي دقيقتر از سايرين دارند و لذا اگر نمونه‌گيري در هر ناحيه به عنوان يك طبقه به صورتي مستقل از نواحي ديگر صورت گيرد با دقت بيشتري همراه است و به علاوه از لحاظ هزينه و سازماندهي كار نمونه‌گيري، تسهيلاتي بيشتر فراهم مي‌شود.

ü     با طبقه‌بندي مي‌توان دقت برآوردهاي صفت كل جامعه را كنترل كرد. ممكن است يك جامعه ناهمگن را هم به وسيله طبقه بندي به زيرجامعه‌ها(طبقات) همگن تقسيم كرد. طبقه همگن بدين معناست كه اندازه‌ها از واحدي به واحد ديگر تغيير كمي دارد و مي‌توان در چنين طبقه‌اي با نمونه‌اي به حجم اندك برآورد دقيقي از صفت تحت بررسي تهيه كرد. برآوردهايي كه جداگانه در اين طبقات همگن تهيه مي‌شوند سرانجام تركيب شده و برآوردي دقيق براي صفت مورد نظر در كل جامعه فراهم مي شود.

نمونۀ تصادفی طبقه‌بندی شده یک برنامه نمونه‌گیری است که در آن جامعه به L طبقه دو به دو ناسازگار و جامع طبقه‌بندی می‌شود، و یک نمونه تصادفی ساده متشکل از عنصر از داخل هر طبقه گرفته مي‌شود. نمونه‌گیری در داخل هر طبقه به طور مستقل اجرا مي‌شود. در واقع می‌توانیم طرح نمونه‌گیری تصادفی ساده را به صورت L‌ نمونه‌گيري تصادفي مجزا تصور کنیم. از نظر عملیاتی، نمو نۀ تصادفی طبقه بندی شده به همان طریق نمونۀ تصادفی ساده گرفته می‌شود ولی نمونه‌گیری در داخل هر طبقه  به طور جداگانه و مستقل انجام می‌گیرد. اگر  معرف تعداد كل واحدها در هر طبقه و  معرف تعداد واحدهای نمونه‌گیری انتخاب شده در داخل هر طبقه باشد، آنگاه، تعداد کل نمونه‌های تصادفی طبقه بندی شدۀ ممکن برابر خواهد بود با:

احتمال انتخاب شدن یک عنصر در نمونه بستگی دارد به طبقه خاصی که آن عنصر در آن گروه بندی شده است و می‌توان نشان داد که برابر است با.

سوال؟

آیا ازمون یک سوالی می تواند نمره ای معتبر (Reliability) ایجاد کند؟