कसरी "सही" उत्तरदाताहरूको जवाफले पहिचान भन्दा बाहिर सर्वेक्षण परिणामहरू विकृत गर्न सक्छ

अनुसन्धान सञ्चालन गर्दा, डेटा सङ्कलन गर्न धेरै ध्यान दिइन्छ, त्यसैले जब उत्तरदाताहरूको जवाफहरू सङ्कलन गरिन्छ, तिनीहरूलाई सही रूपमा स्वीकार गरिन्छ, र त्यस्ता जवाफहरूमा आधारित प्रतिवेदनलाई वस्तुनिष्ठ मानिन्छ। यद्यपि, परिस्थितिहरू प्रायः उत्पन्न हुन्छन् जब व्यक्तिगत प्रतिक्रियाहरूको थप विस्तृत परीक्षणले सर्वेक्षणको शब्द वा प्रश्नहरूको लागि निर्देशनहरूको उत्तरदाताहरूद्वारा स्पष्ट गलतफहमीहरू प्रकट गर्दछ।

1. व्यावसायिक सर्तहरू वा निश्चित शब्दहरूको गलतफहमी। सर्वेक्षण कम्पाइल गर्दा, यो उत्तरदाताहरूको कुन समूहको लागि अभिप्रेरित छ भनेर विचार गर्न लायक छ: सर्वेक्षण सहभागीहरूको उमेर र स्थिति, चाहे तिनीहरू ठूला शहरहरूमा वा दुर्गम गाउँहरूमा बस्छन्, आदि। तपाईंले विशेष सर्तहरू र विभिन्न अपशब्दहरू सावधानीका साथ प्रयोग गर्नुपर्छ - यो सबै उत्तरदाताहरूलाई स्पष्ट नहुन सक्छ वा सबैले समान रूपमा नबुझेको हुन सक्छ। तैपनि प्रायः यस्तो गलतफहमीले उत्तरदातालाई सर्वेक्षण छोड्न दिँदैन (जुन अवश्य पनि, अवांछनीय हुनेछ), र उसले यादृच्छिक जवाफ दिन्छ (जुन डेटा विकृतिको कारणले अझ बढी अवांछनीय छ)।

2. प्रश्नको गलत बुझाइ। धेरै शोधकर्ताहरू विश्वस्त छन् कि प्रत्येक उत्तरदाताले प्रत्येक मुद्दामा स्पष्ट र स्पष्ट रूपमा तयार गरेको राय छ। यो गलत हो। कहिलेकाहीँ सर्वेक्षण सहभागीहरूलाई प्रश्नको जवाफ दिन गाह्रो हुन्छ किनभने उनीहरूले यस परिप्रेक्ष्यबाट विषयको बारेमा समग्र रूपमा वा विषयको बारेमा कहिल्यै सोचेका छैनन्। यो जटिलताले उत्तरदाताले सर्वेक्षण त्याग्न वा पूर्णतया जानकारीमूलक तरिकामा जवाफ दिन सक्छ। सर्वेक्षण सहभागीहरूलाई प्रश्नलाई अझ स्पष्ट रूपमा फ्रेम गरेर र प्रतिक्रियाका विभिन्न विकल्पहरू प्रदान गरेर जवाफ दिन मद्दत गर्नुहोस्।

स्रोत: news.sportbox.ru

3. सर्वेक्षण निर्देशन वा विशिष्ट प्रश्नहरू बुझ्न असफल। सबै प्रश्नावली पाठको रूपमा, निर्देशनहरूको शब्दहरू अभिप्रेत उत्तरदाताहरूको सबै समूहहरू अनुरूप हुनुपर्दछ। प्रश्नहरूको ठूलो संख्याबाट बच्न प्रयास गर्नुहोस् जहाँ तपाईंले उत्तरहरूको एक विशेष संख्या ("तीन सबैभन्दा महत्त्वपूर्ण जाँच गर्नुहोस् ...") चिन्ह लगाउन आवश्यक छ, वा त्यस्ता सबै प्रश्नहरूमा, चिन्ह लगाउन आवश्यक पर्ने उत्तरहरूको समान संख्या निर्धारण गर्नुहोस्। यो जटिल प्रकारका प्रश्नहरू (म्याट्रिक्स, रैंकिंग, आदि) कम गर्न पनि लायक छ, तिनीहरूलाई सरलसँग प्रतिस्थापन गर्नुहोस्। यदि तपाईंलाई उत्तरदाताहरूले मोबाइल फोनबाट सर्वेक्षणको जवाफ दिइरहेका छन् भन्ने लाग्छ भने, सर्वेक्षण डिजाइनलाई अझ सरल बनाउने प्रयास गर्नुहोस्।

4. रेटिङ स्केलको गलतफहमी। प्रश्नावलीमा मूल्याङ्कन स्केल प्रयोग गर्दा, उत्तरदाताहरूलाई यसको अर्थ व्याख्या गर्नुहोस्, यदि यो तपाईंलाई स्पष्ट देखिन्छ। उदाहरणका लागि, 1 देखि 5 सम्मको परिचित स्केललाई सामान्यतया विद्यालयको ग्रेडिङ प्रणालीसँग समानताले बुझिन्छ, तर कहिलेकाहीँ उत्तरदाताहरूले "1" चिन्ह लगाउँछन्, त्यसलाई पहिलो स्थानको मूल्य मान्छन्। मौखिक तराजूमा व्यक्तिपरक मापदण्डबाट बच्नु राम्रो हुन्छ। उदाहरणका लागि, मापन "कहिल्यै - विरलै - कहिलेकाहीँ - प्रायः" धेरै व्यक्तिपरक छ। यसको सट्टा, यो विशिष्ट मानहरू प्रस्ताव गर्न लायक छ ("महिनामा एक पटक", आदि)।

5. सकारात्मक र औसत मूल्याङ्कन सामान्यीकरण। उत्तरदाताहरूको सामान्यतया सकारात्मक मूल्याङ्कन गर्ने प्रवृत्तिले अक्सर हस्तक्षेप गर्छ, उदाहरणका लागि, सफ्टवेयर प्रयोगकर्ताहरूको सर्वेक्षण र अन्य समान अध्ययनहरूमा। यदि एक प्रयोगकर्ता सामान्यतया तपाइँको कार्यक्रम संग सन्तुष्ट छ भने, यो उसको लागि भाग मा विभाजन गर्न र आफ्नो व्यक्तिगत खाता, एक नयाँ कार्यात्मक समाधान, आदि अलग मूल्याङ्कन गर्न गाह्रो छ। सम्भवतः, उसले जताततै उच्च स्कोर दिनेछ। हो, सर्वेक्षण प्रतिवेदन धेरै सकारात्मक देखिन्छ, तर नतिजाले परिस्थितिको यथार्थपरक मूल्याङ्कन गर्न दिँदैन।
औसत मूल्याङ्कनहरू अक्सर बाटोमा हुन्छन्, उदाहरणका लागि, 360-डिग्री कर्मचारी मूल्याङ्कनहरूमा। कर्मचारीहरूले सबै दक्षताहरूका लागि औसत स्कोर दिने गर्छन्: यदि सहकर्मीप्रतिको मनोवृत्ति सकारात्मक छ भने, तपाईंले परिणामहरूमा सम्पूर्ण प्रश्नावलीमा बढेको स्कोरहरू देख्नुहुनेछ; यदि सहकर्मीसँगको सम्बन्ध तनावपूर्ण छ भने, उसको स्पष्ट रूपमा बलियो नेतृत्व गुणहरू पनि हुनेछ। कम मूल्याङ्कन गर्न।

दुबै अवस्थामा, प्रत्येक व्यक्तिगत प्रश्नको लागि विस्तृत मौखिक उत्तरहरू सहित सामान्य स्केलहरू प्रतिस्थापन गर्दै उत्तर विकल्पहरू मार्फत सावधानीपूर्वक काम गर्नु बुद्धिमानी हुन्छ।

6. विचारको हेरफेर। यो बिन्दु अघिल्लो भन्दा फरक छ कि अनुसन्धानकर्ताहरूले उत्तरदाताहरूलाई "सफल" प्रतिवेदनका लागि उनीहरूलाई अनुकूल हुने जवाफहरूको जवाफ दिन चेतनापूर्वक धकेल्छन्। हेरफेरको बारम्बार विधिहरूमा छनोटको भ्रम र सकारात्मक विशेषताहरूमा ध्यान केन्द्रित हुन्छ। सामान्यतया, सकारात्मक सर्वेक्षण परिणामहरू अध्ययन गर्ने प्रबन्धकहरूले डेटाको सही व्याख्याको बारेमा सोच्दैनन्। यद्यपि, यो प्रश्नावली आफैलाई वस्तुनिष्ठ रूपमा हेर्न लायक छ: यसको तर्क के हो, प्रश्नावलीमा एक विशिष्ट रेखा छ, सकारात्मक र नकारात्मक उत्तर विकल्पहरू समान रूपमा वितरित छन्। डेटा "तान्नुहोस्" को लागी अर्को सामान्य प्रविधि अवधारणा को प्रतिस्थापन हो। उदाहरणका लागि, यदि अधिकांश कर्मचारीहरूले नयाँ प्रोत्साहन कार्यक्रमलाई "सन्तोषजनक" रूपमा मूल्याङ्कन गरे भने, रिपोर्टले "कम्पनीका अधिकांश कर्मचारीहरू नयाँ प्रोत्साहन कार्यक्रमसँग सन्तुष्ट छन्" भनी संकेत गर्न सक्छ।

स्रोत: www.habr.com