Likert ölçeği, araştırmacılar tarafından katılımcıların tutum ve görüşlerini toplamak için kullanılan tek boyutlu bir ölçektir. Bu psikometrik, araştırmacılar tarafından genellikle bir marka, ürün veya hedef pazar hakkındaki görüşleri ve bakış açılarını anlamak için kullanılır. Guttmann ölçeği, Bogardus ölçeği ve Thurston ölçeği gibi Likert ölçeklerinin çeşitli varyasyonları, insanların görüşlerini doğrudan ölçmeye odaklanır. Psikolog Rensis Likert, bir dizi öğeye (belki 8 veya daha fazla) verilen yanıtlardan oluşan bir ayırt edici ölçek oluşturdu. Yanıtlar bir değer aralığında ölçülür. Bu yazıda Likert ölçeğinin ne olduğu ve çeşitleri hakkında bilgiler ve örnekler yer almaktadır.
İçindekiler
Likert ölçeğine bir örnek
Örneğin, bir ürün hakkında geri bildirim toplamak için bir araştırmacı ikili opsiyon sorusu şeklinde bir Likert ölçekli soru kullanır. Ürün, kabul veya katılmıyorum olarak listelenen seçeneklerle iyi bir satın alma olduğu için soruyu çerçeveler. Bu soruyu çerçevelendirmenin bir başka yolu da, hiç memnun olmayandan çok memnun olana kadar değişen ürün ve seçeneklerden memnuniyet düzeyini ölçmektir.
Likert ölçeğindeki bir maddeye yanıt verirken, kullanıcı açıkça kendi anlaşma veya anlayış düzeyine göre yanıt verir. Bu ölçekler, katılımcıların katılma veya katılmama düzeylerinin belirlenmesini sağlar. Likert ölçeği, bir deneyimin gücünün ve yoğunluğunun doğrusal olduğunu varsayar ve bu nedenle, tutumların ölçülebileceğini varsayarak ya tam anlaşmayı ya da tam anlaşmazlığı ölçer.
Örneklerle Likert ölçek türleri
Müşteri veya çalışan memnuniyeti hakkında görüş toplamak için araştırmacılar arasında favori bir Likert ölçeği haline geldi. Bu ölçek temel olarak iki ana türe ayrılabilir:
• Likert ölçeğine kadar
• Tek Likert ölçeği
Likert ölçeği bile
Araştırmacılar, tarafsız bir seçenek sunmadan aşırı tepkileri toplamak için Likert ölçeklerini bile kullanıyor.
• Önemlilik için 4’lü Likert ölçeği: Bu tip Likert ölçeği, araştırmacıların tarafsız bir seçim yapmadan dört aşırı seçeneği dahil etmelerine olanak tanır. Farklı önem dereceleri burada 4’lü Likert ölçeğinde temsil edilmektedir.
• 8 Puanlı Öneri Olasılığı: Bu, daha önce açıklanan 4 puanlı Likert ölçeğinin bir çeşididir, tek fark, bu ölçeğin bir öneri olasılığı hakkında geri bildirim toplamak için sekiz seçeneğe sahip olmasıdır.
Tek Likert ölçeği
Araştırmacılar, katılımcılara nesnel olarak yanıt verme seçeneği sunmak için ilginç bir Likert ölçeği kullanıyor.
• 5 Puanlı Likert Ölçeği: Beş yanıt seçeneğiyle, araştırmacılar, katılımcıların yanıtlamak istemedikleri aykırı değerler arasından seçim yapmaları için tarafsız bir yanıt seçeneği ekleyerek bir konu hakkında bilgi toplamak için bu tek Likert ölçeğini kullanır.
• 7’li Likert ölçeği: 7’li Likert ölçeği, 5’li Likert ölçeğindeki sorunun uç noktalarına iki ek yanıt seçeneği ekler.
• 9’lu Likert ölçeği: 9’lu Likert ölçeği çok nadirdir, ancak 7’li Likert ölçeği sorusunu yanıtlamak için iki seçenek daha eklenerek kullanılabilir.
Likert ölçeği özellikleri
Likert ölçeği, günümüzde yaygın olarak kullanılan 5’li bir ölçek olarak 1932 yılında ortaya çıkmıştır. Bu ölçekler, bir dizi genel konudan, katılımcılardan anlaşma, anlaşma veya inanç düzeylerini belirtmelerini isteyen daha spesifik konulara kadar uzanır. Likert ölçeğinin önemli özelliklerinden bazıları şunlardır:
• İlgili Cevaplar: Cümle ile cümle arasındaki ilişki açık olsun ya da olmasın, maddeler cümlenin cevaplarıyla kolayca ilişkilendirilmelidir.
• Ölçek türü: Maddelerin her zaman iki uç konumu ve iki uç arasında bir değerlendirme işlevi gören bir ara yanıt seçeneği olmalıdır.
• Cevap seçeneklerinin sayısı: En yaygın Likert ölçeği 5 maddelik bir ölçek olsa da, daha fazla madde kullanmanın sonuçlarda daha fazla doğruluk sağlamaya yardımcı olduğuna dikkat etmek önemlidir.
• Ölçek güvenilirliğini artırma: Araştırmacılar genellikle yedi puanlık bir ölçek oluşturmak için ölçeğin uçlarını, beş puanlık ölçeklerin üstüne ve altına “çok” ekleyerek artırırlar. Yedi noktalı ölçek, ölçeğin güvenirliğinin üst sınırlarına ulaşmaktadır.
Büyük ölçeklerin kullanımı: Genel bir kural olarak, Likert ve meslektaşları mümkün olduğu kadar büyük ölçeklerin kullanılmasını önermektedir. Uygunsa, cevaplar analiz için her zaman kısa bloklara bölünebilir.
• Tarafsız seçim eksikliği: Bu ayrıntılar göz önüne alındığında, ölçekler bazen çift sayıda kategoriye (genellikle dört) indirgenir, bu da zorunlu seçim anket ölçeğinde tarafsızlık olasılığını ortadan kaldırır.
• İçsel değişken: Birincil Likert puanı, değeri yanıtlayanların gözlemlerini veya tutumlarını belirleyen doğal bir değişken olabilir ve bu temel değişken en iyi ihtimalle ölçek düzeyidir.
Likert ölçekli veri analizi
Araştırmalar, ürün veya hizmetlerin kalitesini ölçmek ve analiz etmek için araştırmacılar tarafından düzenli olarak kullanılmaktadır. Likert ölçeği, çalışmalar için standartlaştırılmış bir derecelendirme biçimidir. Katılımcılar ürün/hizmetin kalitesi hakkındaki görüşlerini (verilerini) en yüksekten en düşüğe veya en iyiden en kötüye doğru iki, dört, beş veya yedi seviye kullanarak verirler. Tipik olarak araştırmacılar ve denetçiler, toplanan verileri dört temel ölçüm seviyesinden oluşan bir hiyerarşide gruplandırır, daha fazla analiz için nominal, sıra, ölçek ve oran ölçüm seviyeleri aşağıdaki gibidir:
• Nominal veriler: Nicel veriler veya değişkenler olarak sınıflandırılan yanıt dizisini içermesi gerekmeyen verilere nominal veriler denir.
• Ardışık veriler: Yanıtların sıralanabildiği veya kategorize edilebildiği, ancak bunlar için mesafenin ölçülmesinin mümkün olmadığı verilere sıralı veri denir.
• Aralık verileri: Taleplerin ve mesafelerin ölçülebildiği toplu verilere aralık verileri denir.
• Oran verileri: Oran verileri, aralık verilerine benzer. Tek fark, her veri arasındaki eşit ve tam orandır ve mutlak sıfır, başlangıç noktası olarak kabul edilir.
Nominal, aralık ve oran verilerini kullanan veri analizi genellikle şeffaf ve basittir. Sıralı veriler, özellikle bir Likert ölçeğindeki veya anketlerden alınan diğer ölçeklerdeki verileri analiz eder. Bu yeni bir sorun değil. Sıralı verileri kesme verileri olarak ele almanın etkinliği, çeşitli uygulamalı alanlar için anket analizinde hala bir tartışma konusudur. Dikkate alınması gereken bazı önemli noktalar şunlardır:
• İstatistiksel testler: Araştırmacılar, parametrik istatistiksel testlerin parametrik olmayan alternatiflerden daha güçlü olduğunu iddia ettikleri için bazen sıralı verileri kesme verileri olarak ele alırlar. Ayrıca, parametrik testlerin sonuçlarının yorumlanması daha kolaydır ve parametrik olmayan seçeneklere göre daha fazla bilgi sağlar.
• Likert ölçeklerine odaklanın: Ancak, veri setinin değerleri ve analiz amaçları incelenmeden sıralı verilerin aralık verileri gibi ele alınması anket sonuçlarını yanıltabilir ve yanıltıcı olabilir. Araştırmacılar, sayısal verileri daha uygun bir şekilde analiz etmek için sıralı verileri aralık verileri olarak ele almayı ve Likert ölçeklerine odaklanmayı tercih ediyor.
• Verileri incelemek için medyan veya aralık: Genel kanıtlar, normal dağılıma dayalı herhangi bir parametrik analizde olduğu gibi, veriler sıralı ölçeklerde olduğunda, ortalama ve standart sapmanın ayrıntılı istatistiklerin asılsız parametreleri olduğunu öne sürer. Normatif olmayan testler, verileri incelemek için uygun medyan veya aralığa göre gerçekleştirilir.
Likert ölçeklerinin sonuçlarını analiz etmek için kullanılan uygulamalar
Likert madde verileri ayrık, sıralı ve aralığa bağlı olduğundan, Likert verilerini analiz etmenin en mantıklı yolu hakkında uzun bir tartışma vardır. İlk seçim, parametrik ve parametrik olmayan testler arasındadır. Her bir analiz türünün avantajları ve dezavantajları aşağıdaki gibi geniş bir şekilde açıklanmaktadır:
• Parametrik testler tekdüze ve kesintisiz bir bölünme varsayar.
• Parametrik olmayan testler, tek biçimli veya kesintisiz bir bölünme varsaymaz. Bununla birlikte, mevcut olduğunda farkı daha az tespit edebildiğine dair endişeler vardır.
Bu, araştırmacının anketteki bilgileri Likert ölçekli sorular kullanarak analiz etmeye karar verirken vermesi gereken gerçek bir karardır.
Yıllar boyunca yapılan bir dizi çalışma bu soruyu cevaplamaya çalıştı. Ancak, sonuçların genellenebilirliğini baltalayan sınırlı sayıda olası Likert verisi dağılımını dikkate alma eğilimindeydiler. Hesaplama gücündeki artışlar sayesinde, simülasyon çalışmaları artık çeşitli dağılımları kapsamlı bir şekilde değerlendirebilir.
• Araştırmacılar, gerçek Likert verilerini temsil eden çeşitli 14 dağıtım grubu belirlediler. Bilgisayar programı, 14 dağılımın tüm olası kombinasyonlarını test etmek için bağımsız örnek çiftlerini çıkardı.
• Toplamda, 98 dağıtım grubunun her biri için 10.000 rasgele örnek oluşturuldu.Örnek çiftleri, her testin etkinliğini karşılaştırmak için hem iki örneklem t-testi hem de Mann-Whitney testi kullanılarak analiz edildi. Çalışma ayrıca farklı örneklem büyüklüklerini de değerlendirdi.
• Sonuçlar, tüm dağılım çiftleri için I. tip hata (yanlış pozitif) oranlarının hedef miktarlara çok yakın olduğunu göstermiştir. Bir kuruluş analizlerden herhangi birini kullanıyorsa ve sonuçlar istatistiksel olarak anlamlıysa, yanlış pozitifler hakkında çok fazla endişelenmelerine gerek yoktur.
• Sonuçlar, çoğu dağılım çifti için iki testin gücü arasındaki farkın küçük olduğunu da göstermektedir. Nüfus düzeyinde bir fark varsa, analizlerin hiçbirinin bunu tespit etmesi muhtemel değildir.
• İki test arasında güç farkı olan bazı özel dağıtım çiftleri vardır. Bir kuruluş her iki testi de aynı veriler üzerinde çalıştırırsa ve aynı fikirde değilse (biri önemli, biri değil), bu güç farkı vakaların yalnızca küçük bir kısmını etkiler.
• Genel olarak, iki analiz arasındaki seçim bir döngüdür. Bir kuruluşun iki beş noktalı Likert veri setini karşılaştırması gerekiyorsa, analiz yöntemi genellikle önemli değildir.
• Hem parametrik hem de parametrik olmayan testler sürekli olarak yanlış negatiflere karşı aynı güvenliği sağlar ve ayrıca yanlış pozitiflere karşı aynı korumayı sağlar. Bu modeller, grup başına 10, 30 ve 200’lük örneklem büyüklükleri için geçerlidir.
Likert ölçeğinin avantajları
Bir pazar araştırması anketinde Likert ölçeği kullanmanın çeşitli avantajları vardır. Bu avantajlar aşağıdaki gibidir:
• Uygulama kolaylığı: Dünya çapında kabul gören bu metrik kolayca anlaşılabilir ve çeşitli müşteri veya çalışan memnuniyeti anketlerine uygulanabilir.
• Ölçülebilir yanıt seçenekleri: İfade ile anlamlı bir ilişkisi olmayan likert maddeleri ölçülmeli ve elde edilen sonuçlar üzerinde istatistiksel bir analiz yapılmalıdır.
• Bakış açılarının düzenlenmesinin analizi: Belirli bir konuda farklı bakış açılarına sahip bir örneklem olabilir. Bir Likert ölçeği, bu yanıtlayanların görüşlerinin bir sıralamasını sağlar.
• Cevaplaması kolay: Katılımcılar bu ölçeğin amacını anlayabilir ve soruyu hızlıca cevaplayabilir.
Likert ölçekli tarama, geri bildirim ve bilgiyi ölçmek için kapsamlı bir yöntemdir ve bu, anlama ve yanıtlamayı büyük ölçüde kolaylaştırır. Bu, belirli bir konuya yönelik görüş veya tutumu ölçmek için önemli bir sorudur, bu nedenle araştırmanızın bir sonraki adımında çok faydalı olacaktır.
kaynak:
https://livecusurvey.com/likert-scale-benefits/
https://survicate.com/customer-feedback/likert-scale/
https://psyc450.wordpress.com/2011/12/05/the-likert-scale-advantages-and-disadvantages/
yazar: Özlem Güvenç Ağaoğlu
Diğer gönderilerimize göz at
[wpcin-random-posts]