എങ്ങനെ "ശരിയായ" പ്രതികരിക്കുന്നവരുടെ ഉത്തരങ്ങൾ തിരിച്ചറിയാൻ കഴിയാത്തവിധം സർവേ ഫലങ്ങൾ വളച്ചൊടിക്കും

ഗവേഷണം നടത്തുമ്പോൾ, ഡാറ്റ ശേഖരിക്കുന്നതിൽ വളരെയധികം ശ്രദ്ധ ചെലുത്തുന്നു, അതിനാൽ പ്രതികരിക്കുന്നവരുടെ ഉത്തരങ്ങൾ ശേഖരിക്കുമ്പോൾ, അവ ശരിയാണെന്ന് മുൻ‌കൂട്ടി അംഗീകരിക്കുകയും അത്തരം ഉത്തരങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള റിപ്പോർട്ട് വസ്തുനിഷ്ഠമായി കണക്കാക്കുകയും ചെയ്യുന്നു. എന്നിരുന്നാലും, വ്യക്തിഗത പ്രതികരണങ്ങൾ കൂടുതൽ വിശദമായി പരിശോധിക്കുമ്പോൾ, സർവേയുടെ വാക്കുകളിലോ ചോദ്യങ്ങൾക്കുള്ള നിർദ്ദേശങ്ങളിലോ പ്രതികരിച്ചവർ വ്യക്തമായ തെറ്റിദ്ധാരണകൾ വെളിപ്പെടുത്തുമ്പോൾ സാഹചര്യങ്ങൾ പലപ്പോഴും ഉണ്ടാകാറുണ്ട്.

1. പ്രൊഫഷണൽ നിബന്ധനകളുടെയോ ചില വാക്കുകളുടെയോ തെറ്റിദ്ധാരണ. ഒരു സർവേ കംപൈൽ ചെയ്യുമ്പോൾ, പ്രതികരിക്കുന്നവരുടെ ഏത് ഗ്രൂപ്പുകളെയാണ് ഇത് ഉദ്ദേശിക്കുന്നതെന്ന് പരിഗണിക്കേണ്ടതാണ്: സർവേയിൽ പങ്കെടുക്കുന്നവരുടെ പ്രായവും നിലയും, അവർ വലിയ നഗരങ്ങളിലോ വിദൂര ഗ്രാമങ്ങളിലോ താമസിക്കുന്നുണ്ടോ, മുതലായവ. നിങ്ങൾ പ്രത്യേക പദങ്ങളും വിവിധ സ്ലാംഗുകളും ജാഗ്രതയോടെ ഉപയോഗിക്കണം - ഇത് എല്ലാ പ്രതികരിക്കുന്നവർക്കും വ്യക്തമാകണമെന്നില്ല അല്ലെങ്കിൽ എല്ലാവർക്കും ഒരേ രീതിയിൽ മനസ്സിലാക്കാൻ കഴിഞ്ഞേക്കില്ല. എന്നിട്ടും പലപ്പോഴും ഇത്തരം തെറ്റിദ്ധാരണകൾ പ്രതികരിക്കുന്നയാളെ സർവേ ഉപേക്ഷിക്കാൻ ഇടയാക്കില്ല (തീർച്ചയായും, അത് അഭികാമ്യമല്ല), അവൻ ക്രമരഹിതമായി ഉത്തരം നൽകുന്നു (ഡാറ്റ വളച്ചൊടിക്കൽ കാരണം ഇത് കൂടുതൽ അഭികാമ്യമല്ല).

2. ചോദ്യത്തിന്റെ തെറ്റിദ്ധാരണ. ഓരോ പ്രതിക്കും ഓരോ വിഷയത്തിലും അവ്യക്തവും വ്യക്തമായി രൂപപ്പെടുത്തിയതുമായ അഭിപ്രായമുണ്ടെന്ന് പല ഗവേഷകർക്കും ബോധ്യമുണ്ട്. ഇത് തെറ്റാണ്. ചിലപ്പോൾ സർവേയിൽ പങ്കെടുക്കുന്നവർക്ക് ഒരു ചോദ്യത്തിന് ഉത്തരം നൽകാൻ പ്രയാസമാണ്, കാരണം അവർ ഈ വിഷയത്തെ മൊത്തത്തിൽ അല്ലെങ്കിൽ ഈ വീക്ഷണകോണിൽ നിന്ന് വിഷയത്തെ കുറിച്ച് ചിന്തിച്ചിട്ടില്ല. ഈ സങ്കീർണത പ്രതികരിക്കുന്നയാൾ സർവേ ഉപേക്ഷിക്കാൻ കാരണമായേക്കാം, അല്ലെങ്കിൽ പൂർണ്ണമായും വിവരമില്ലാത്ത രീതിയിൽ ഉത്തരം നൽകാം. ചോദ്യം കൂടുതൽ വ്യക്തമായി രൂപപ്പെടുത്തുകയും വിവിധ പ്രതികരണ ഓപ്ഷനുകൾ വാഗ്ദാനം ചെയ്യുകയും ചെയ്തുകൊണ്ട് സർവേയിൽ പങ്കെടുക്കുന്നവരെ ഉത്തരം നൽകാൻ സഹായിക്കുക.

ഉറവിടം: news.sportbox.ru

3. സർവേ നിർദ്ദേശങ്ങളോ നിർദ്ദിഷ്ട ചോദ്യങ്ങളോ മനസ്സിലാക്കുന്നതിൽ പരാജയം. എല്ലാ ചോദ്യാവലി ടെക്‌സ്‌റ്റിലെയും പോലെ, നിർദ്ദേശങ്ങളുടെ പദങ്ങൾ പ്രതികരിക്കുന്നവരുടെ എല്ലാ ഗ്രൂപ്പുകൾക്കും അനുയോജ്യമായ രീതിയിൽ ക്രമീകരിക്കണം. നിങ്ങൾക്ക് ഒരു പ്രത്യേക എണ്ണം ഉത്തരങ്ങൾ അടയാളപ്പെടുത്തേണ്ട ധാരാളം ചോദ്യങ്ങൾ ഒഴിവാക്കാൻ ശ്രമിക്കുക ("ഏറ്റവും പ്രധാനപ്പെട്ട മൂന്ന് എണ്ണം പരിശോധിക്കുക ..."), അല്ലെങ്കിൽ അത്തരം എല്ലാ ചോദ്യങ്ങളിലും, അടയാളപ്പെടുത്തേണ്ട അതേ എണ്ണം ഉത്തരങ്ങൾ നിർണ്ണയിക്കുക. സങ്കീർണ്ണമായ ചോദ്യങ്ങൾ (മെട്രിക്സ്, റാങ്കിംഗ് മുതലായവ) കുറയ്ക്കുന്നതും അവയ്ക്ക് പകരം ലളിതമായവ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നതും മൂല്യവത്താണ്. പ്രതികരിക്കുന്നവർ ഒരു മൊബൈൽ ഫോണിൽ നിന്നാണ് സർവേയ്ക്ക് ഉത്തരം നൽകുന്നതെന്ന് നിങ്ങൾ കരുതുന്നുവെങ്കിൽ, സർവേ ഡിസൈൻ കൂടുതൽ ലളിതമാക്കാൻ ശ്രമിക്കുക.

4. റേറ്റിംഗ് സ്കെയിലിലെ തെറ്റിദ്ധാരണ. ഒരു ചോദ്യാവലിയിൽ ഒരു റേറ്റിംഗ് സ്കെയിൽ ഉപയോഗിക്കുമ്പോൾ, അത് നിങ്ങൾക്ക് വ്യക്തമായി തോന്നിയാലും പ്രതികരിക്കുന്നവർക്ക് അതിന്റെ അർത്ഥം വിശദീകരിക്കുക. ഉദാഹരണത്തിന്, 1 മുതൽ 5 വരെയുള്ള പരിചിതമായ സ്കെയിൽ സാധാരണയായി സ്കൂൾ ഗ്രേഡിംഗ് സിസ്റ്റവുമായുള്ള സാമ്യം വഴിയാണ് മനസ്സിലാക്കുന്നത്, എന്നാൽ ചിലപ്പോൾ പ്രതികരിക്കുന്നവർ "1" എന്ന് അടയാളപ്പെടുത്തുന്നു, അത് ഒന്നാം സ്ഥാനത്തിന്റെ മൂല്യം ആട്രിബ്യൂട്ട് ചെയ്യുന്നു. വാക്കാലുള്ള സ്കെയിലുകളിൽ ആത്മനിഷ്ഠമായ മാനദണ്ഡങ്ങൾ ഒഴിവാക്കുന്നതാണ് നല്ലത്. ഉദാഹരണത്തിന്, "ഒരിക്കലും - അപൂർവ്വമായി - ചിലപ്പോൾ - പലപ്പോഴും" എന്ന സ്കെയിൽ വളരെ ആത്മനിഷ്ഠമാണ്. പകരം, നിർദ്ദിഷ്ട മൂല്യങ്ങൾ ("മാസത്തിലൊരിക്കൽ" മുതലായവ) വാഗ്ദാനം ചെയ്യുന്നത് മൂല്യവത്താണ്.

5. പോസിറ്റീവ്, ശരാശരി റേറ്റിംഗുകൾ സാമാന്യവൽക്കരിക്കുക. പ്രതികരിക്കുന്നവരുടെ പൊതുവെ നല്ല വിലയിരുത്തലുകൾ നടത്താനുള്ള പ്രവണത പലപ്പോഴും ഇടപെടുന്നു, ഉദാഹരണത്തിന്, സോഫ്റ്റ്വെയർ ഉപയോക്താക്കളുടെ സർവേകളിലും മറ്റ് സമാന പഠനങ്ങളിലും. നിങ്ങളുടെ പ്രോഗ്രാമിൽ ഒരു ഉപയോക്താവ് പൊതുവെ സംതൃപ്തനാണെങ്കിൽ, അത് ഭാഗങ്ങളായി വിഭജിച്ച് അവന്റെ വ്യക്തിഗത അക്കൗണ്ട്, ഒരു പുതിയ പ്രവർത്തനപരമായ പരിഹാരം മുതലായവ പ്രത്യേകം വിലയിരുത്തുന്നത് അദ്ദേഹത്തിന് ബുദ്ധിമുട്ടാണ്. മിക്കവാറും, അവൻ എല്ലായിടത്തും ഉയർന്ന സ്കോർ നൽകും. അതെ, സർവേ റിപ്പോർട്ട് വളരെ പോസിറ്റീവായി കാണപ്പെടും, എന്നാൽ സ്ഥിതിഗതികൾ യാഥാർത്ഥ്യമായി വിലയിരുത്താൻ ഫലങ്ങൾ അനുവദിക്കില്ല.
360-ഡിഗ്രി സ്റ്റാഫ് മൂല്യനിർണ്ണയങ്ങളിൽ, ശരാശരി മൂല്യനിർണ്ണയങ്ങൾ പലപ്പോഴും വഴിമാറുന്നു. ജീവനക്കാർ എല്ലാ കഴിവുകൾക്കും ശരാശരി സ്കോർ നൽകുന്നു: ഒരു സഹപ്രവർത്തകനോടുള്ള മനോഭാവം പോസിറ്റീവ് ആണെങ്കിൽ, ഫലങ്ങളിൽ മുഴുവൻ ചോദ്യാവലിയിലും നിങ്ങൾ പെരുപ്പിച്ച സ്കോറുകൾ കാണും; ഒരു സഹപ്രവർത്തകനുമായുള്ള ബന്ധം പിരിമുറുക്കമുള്ളതാണെങ്കിൽ, അവന്റെ വ്യക്തമായ ശക്തമായ നേതൃത്വഗുണങ്ങൾ പോലും കുറച്ചുകാണണം.

രണ്ട് സാഹചര്യങ്ങളിലും, ഓരോ വ്യക്തിഗത ചോദ്യത്തിനും വിശദമായ വാക്കാലുള്ള ഉത്തരങ്ങൾ ഉപയോഗിച്ച് സാധാരണ സ്കെയിലുകൾക്ക് പകരമായി ഉത്തര ഓപ്ഷനുകളിലൂടെ ശ്രദ്ധാപൂർവം പ്രവർത്തിക്കുന്നതാണ് ബുദ്ധി.

6. അഭിപ്രായങ്ങളുടെ കൃത്രിമത്വം. ഈ പോയിന്റ് മുമ്പത്തേതിൽ നിന്ന് വ്യത്യസ്തമാണ്, ഗവേഷകർ പ്രതികരിക്കുന്നവരെ "വിജയകരമായ" റിപ്പോർട്ടിനായി അവർക്ക് അനുകൂലമായ ഉത്തരങ്ങൾക്ക് ഉത്തരം നൽകാൻ ബോധപൂർവം പ്രേരിപ്പിക്കുന്നു. കൃത്രിമത്വത്തിന്റെ പതിവ് രീതികളിൽ തിരഞ്ഞെടുപ്പിന്റെ മിഥ്യാധാരണയും പോസിറ്റീവ് സ്വഭാവസവിശേഷതകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കലും ഉൾപ്പെടുന്നു. സാധാരണഗതിയിൽ, പോസിറ്റീവ് സർവേ ഫലങ്ങൾ പഠിക്കുന്ന മാനേജർമാർ ഡാറ്റയുടെ ശരിയായ വ്യാഖ്യാനത്തെക്കുറിച്ച് ചിന്തിക്കുന്നില്ല. എന്നിരുന്നാലും, ചോദ്യാവലി തന്നെ വസ്തുനിഷ്ഠമായി നോക്കുന്നത് മൂല്യവത്താണ്: അതിന്റെ യുക്തി എന്താണ്, ചോദ്യാവലിക്ക് ഒരു നിർദ്ദിഷ്ട വരി ഉണ്ടോ, പോസിറ്റീവ്, നെഗറ്റീവ് ഉത്തര ഓപ്ഷനുകൾ തുല്യമായി വിതരണം ചെയ്യുന്നു. ഡാറ്റ "സ്ട്രെച്ചിംഗ്" ചെയ്യുന്നതിനുള്ള മറ്റൊരു സാധാരണ സാങ്കേതികത ആശയങ്ങളുടെ പകരമാണ്. ഉദാഹരണത്തിന്, ഭൂരിഭാഗം ജീവനക്കാരും ഒരു പുതിയ പ്രോത്സാഹന പരിപാടിയെ "തൃപ്‌തികരം" എന്ന് റേറ്റുചെയ്‌താൽ, "കമ്പനിയിലെ ഭൂരിഭാഗം ജീവനക്കാരും പുതിയ പ്രോത്സാഹന പരിപാടിയിൽ സംതൃപ്തരാണ്" എന്ന് റിപ്പോർട്ട് സൂചിപ്പിക്കാം.

അവലംബം: www.habr.com