Автор: Анни Петти

Исследователи очень любят шкалы: 5-балльные, 7-балльные и даже шкалы 10 или 11 баллов. Опытные исследователи знают, что шкалу выше 7 баллов лучше избегать, поскольку она может утомить респондентов, и такие типы шкал отражают мнение людей подробнее, чем это необходимо.

А что, если мы используем другой подход к шкалам? Что, если мы переведем все данные в двоичную шкалу: Согласен/Не согласен, Важно/Не важно, Да/Нет, Нравится/Не нравится?

Может быть, это лишь Ваши личные убеждения, что бинарных ответов недостаточно, чтобы результаты были полезны. Но я не согласна. Давайте посмотрим на некоторые примеры.

Во-первых, начнем с одного вопроса: «Верите ли вы в то, что голосование на национальных выборах важно?» Будут два ответа «Да» и «Нет», исключая ответы «полностью согласен», «скорее согласен», «нейтрально», «скорее не согласен» и «полностью не согласен». В таком случае, вы можете пожаловаться на то, что не можете точно сказать: значение боттом – 10% или топ 2 – 75%. Использование боттом и топ значений 5-балльных шкал аналогично выражению, что 70% респондентов согласны с утверждением. На самом деле, намного проще для вас и ваших заказчиков понять, что 70% - «согласны». Кроме того, можно легко понять демографические различия, например, 80% пожилых людей – согласны, и 60% молодых людей – согласны.

Что, если мы будем использовать эту же бинарную систему для табличных вопросов, например, 6 ячеек с ответами Да/Нет. Просто как в 5- или 7-балльной шкале, и у нас были бы отличные данные для дифференциации  групп людей, в конце концов. Возможно, 83% моих ответов будет – «согласен», и 67% ваших ответов – «согласен», и 100% еще чьих-то ответов – «согласен». Кроме того, мы можем сказать, что в среднем соглашается 83% . Кроме того, мы еще можем описать различия между демографическими группами людей  этими же числами. У нас есть большой выбор способов статистического описания данных.

Часто мы прилагаем слишком много усилий, чтобы собрать подробные и сложные данные. Мне кажется, что для большинства из нас, уровень сложности оказывается выше, чем нужно. Мы должны думать о двух основных вещах:

- Какой самый простой тип вопроса нужен для ответа респондентов?

- Какова минимальная сложность данных, которые вы должны получить?

Тип вопроса может быть проще, чем вы думаете. Безусловно, это нужно попробовать.

Англоязычный источник: http://web.peanutlabs.com

Перевод: Карпова Антонина