పరిశోధన చేస్తున్నప్పుడు, డేటాను సేకరించడంపై ఎక్కువ శ్రద్ధ ఉంటుంది, కాబట్టి ప్రతివాదుల సమాధానాలను సేకరించినప్పుడు, అవి సరైనవిగా అంగీకరించబడతాయి మరియు అటువంటి సమాధానాల ఆధారంగా నివేదిక ఆబ్జెక్టివ్‌గా పరిగణించబడుతుంది. అయితే, వ్యక్తిగత ప్రతిస్పందనల యొక్క మరింత వివరణాత్మక పరిశీలన సర్వే యొక్క పదాలు లేదా ప్రశ్నలకు సంబంధించిన సూచనల ప్రతివాదులు స్పష్టమైన అపార్థాలను బహిర్గతం చేసినప్పుడు తరచుగా పరిస్థితులు తలెత్తుతాయి.
1. వృత్తిపరమైన నిబంధనలు లేదా కొన్ని పదాల అపార్థం. సర్వేను కంపైల్ చేసేటప్పుడు, ఇది ఏ ప్రతివాదుల సమూహాల కోసం ఉద్దేశించబడిందో పరిగణనలోకి తీసుకోవడం విలువ: సర్వేలో పాల్గొనేవారి వయస్సు మరియు స్థితి, వారు పెద్ద నగరాల్లో లేదా మారుమూల గ్రామాలలో నివసిస్తున్నారా మొదలైనవి. మీరు ప్రత్యేక పదాలు మరియు వివిధ యాసలను జాగ్రత్తగా ఉపయోగించాలి - ఇది ప్రతివాదులందరికీ స్పష్టంగా తెలియకపోవచ్చు లేదా అందరికీ ఒకే విధంగా అర్థం కాకపోవచ్చు. అయినప్పటికీ తరచుగా ఇటువంటి అపార్థం ప్రతివాది సర్వేను విడిచిపెట్టడానికి కారణం కాదు (ఇది అవాంఛనీయమైనది), మరియు అతను యాదృచ్ఛికంగా సమాధానమిస్తాడు (డేటా వక్రీకరణ కారణంగా ఇది మరింత అవాంఛనీయమైనది).
2. ప్రశ్న యొక్క అపార్థం. ప్రతి ప్రతివాది ప్రతి సమస్యపై స్పష్టమైన మరియు స్పష్టంగా రూపొందించబడిన అభిప్రాయాన్ని కలిగి ఉంటారని చాలా మంది పరిశోధకులు నమ్ముతున్నారు. ఇది తప్పు. కొన్నిసార్లు సర్వేలో పాల్గొనేవారు ప్రశ్నకు సమాధానమివ్వడం కష్టంగా ఉంటుంది, ఎందుకంటే వారు మొత్తం విషయం గురించి లేదా ఈ దృక్కోణం నుండి విషయం గురించి ఎప్పుడూ ఆలోచించలేదు. ఈ సంక్లిష్టత ప్రతివాదిని సర్వేను విడిచిపెట్టడానికి లేదా పూర్తిగా సమాచారం లేని విధంగా సమాధానం ఇవ్వడానికి కారణం కావచ్చు. ప్రశ్నను మరింత స్పష్టంగా రూపొందించడం ద్వారా మరియు విభిన్న ప్రతిస్పందన ఎంపికలను అందించడం ద్వారా సర్వేలో పాల్గొనేవారికి సమాధానం ఇవ్వడంలో సహాయపడండి.
మూలం: news.sportbox.ru
3. సర్వే సూచనలు లేదా నిర్దిష్ట ప్రశ్నలను అర్థం చేసుకోవడంలో వైఫల్యం. అన్ని ప్రశ్నాపత్రాల వచనం వలె, సూచనల పదాలు ఉద్దేశించిన ప్రతివాదుల అన్ని సమూహాలకు అనుగుణంగా ఉండాలి. మీరు నిర్దిష్ట సంఖ్యలో సమాధానాలను గుర్తించాల్సిన పెద్ద సంఖ్యలో ప్రశ్నలను నివారించడానికి ప్రయత్నించండి ("మూడు ముఖ్యమైన వాటిని తనిఖీ చేయండి ..."), లేదా అటువంటి అన్ని ప్రశ్నలలో, గుర్తించాల్సిన సమాధానాల సంఖ్యను నిర్ణయించండి. సంక్లిష్ట రకాల ప్రశ్నలను (మాత్రికలు, ర్యాంకింగ్‌లు మొదలైనవి) తగ్గించడం కూడా విలువైనది, వాటిని సరళమైన వాటితో భర్తీ చేయడం. ప్రతివాదులు మొబైల్ ఫోన్ నుండి సర్వేకు సమాధానం ఇస్తున్నారని మీరు భావిస్తే, సర్వే రూపకల్పనను మరింత సరళీకృతం చేయడానికి ప్రయత్నించండి.
4. రేటింగ్ స్కేల్ యొక్క అపార్థం. ప్రశ్నాపత్రంలో రేటింగ్ స్కేల్‌ను ఉపయోగిస్తున్నప్పుడు, మీకు స్పష్టంగా కనిపించినప్పటికీ, ప్రతివాదులకు దాని అర్థాన్ని వివరించండి. ఉదాహరణకు, 1 నుండి 5 వరకు తెలిసిన స్కేల్ సాధారణంగా పాఠశాల గ్రేడింగ్ సిస్టమ్‌తో సారూప్యత ద్వారా అర్థం అవుతుంది, అయితే కొన్నిసార్లు ప్రతివాదులు "1" అని గుర్తు చేస్తారు, దానికి మొదటి స్థానం యొక్క విలువను ఆపాదిస్తారు. శబ్ద ప్రమాణాలలో ఆత్మాశ్రయ ప్రమాణాలను నివారించడం మంచిది. ఉదాహరణకు, స్కేల్ “ఎప్పుడూ - అరుదుగా - కొన్నిసార్లు - తరచుగా” చాలా ఆత్మాశ్రయమైనది. బదులుగా, నిర్దిష్ట విలువలను అందించడం విలువైనది ("నెలకు ఒకసారి", మొదలైనవి).
5. సానుకూల మరియు సగటు రేటింగ్‌లను సాధారణీకరించడం. ప్రతివాదులు సాధారణంగా సానుకూల అంచనాలను చేసే ధోరణి తరచుగా జోక్యం చేసుకుంటుంది, ఉదాహరణకు, సాఫ్ట్‌వేర్ వినియోగదారుల సర్వేలలో మరియు ఇతర సారూప్య అధ్యయనాలలో. ఒక వినియోగదారు సాధారణంగా మీ ప్రోగ్రామ్‌తో సంతృప్తి చెందితే, దానిని భాగాలుగా విభజించడం మరియు అతని వ్యక్తిగత ఖాతా, కొత్త ఫంక్షనల్ సొల్యూషన్ మొదలైనవాటిని విడిగా విశ్లేషించడం అతనికి కష్టం. చాలా మటుకు, అతను ప్రతిచోటా అధిక స్కోర్ ఇస్తాడు. అవును, సర్వే నివేదిక చాలా సానుకూలంగా కనిపిస్తుంది, కానీ ఫలితాలు పరిస్థితి యొక్క వాస్తవిక అంచనాను అనుమతించవు.
సగటు అసెస్‌మెంట్‌లు తరచుగా దారిలోకి వస్తాయి, ఉదాహరణకు, 360-డిగ్రీ సిబ్బంది అంచనాలలో. ఉద్యోగులు అన్ని సామర్థ్యాలకు సగటు స్కోర్‌ను ఇస్తారు: సహోద్యోగి పట్ల వైఖరి సానుకూలంగా ఉంటే, ఫలితాలలో మీరు మొత్తం ప్రశ్నాపత్రంపై పెరిగిన స్కోర్‌లను చూస్తారు; సహోద్యోగితో సంబంధం ఉద్రిక్తంగా ఉంటే, అతని స్పష్టంగా బలమైన నాయకత్వ లక్షణాలు కూడా ఉంటాయి. తక్కువ అంచనా వేయాలి.
రెండు సందర్భాల్లో, ప్రతి ప్రశ్నకు వివరణాత్మక మౌఖిక సమాధానాలతో సాధారణ ప్రమాణాల స్థానంలో, సమాధాన ఎంపికల ద్వారా జాగ్రత్తగా పని చేయడం తెలివైన పని.
6. అభిప్రాయాల తారుమారు. "విజయవంతమైన" నివేదిక కోసం వారికి అనుకూలమైన సమాధానాలకు సమాధానమివ్వడానికి పరిశోధకులు స్పృహతో ప్రతివాదులను పురికొల్పడంలో ఈ పాయింట్ మునుపటి వాటి నుండి భిన్నంగా ఉంటుంది. మానిప్యులేషన్ యొక్క తరచుగా పద్ధతులు ఎంపిక యొక్క భ్రాంతిని మరియు సానుకూల లక్షణాలపై దృష్టిని కలిగి ఉంటాయి. సాధారణంగా, సానుకూల సర్వే ఫలితాలను అధ్యయనం చేసే నిర్వాహకులు డేటా యొక్క సరైన వివరణ గురించి ఆలోచించరు. అయితే, ప్రశ్నాపత్రాన్ని నిష్పక్షపాతంగా చూడటం విలువైనదే: దాని తర్కం ఏమిటి, ప్రశ్నపత్రానికి నిర్దిష్ట లైన్ ఉందా, సానుకూల మరియు ప్రతికూల సమాధాన ఎంపికలు సమానంగా పంపిణీ చేయబడతాయి. డేటాను "సాగదీయడం" కోసం మరొక సాధారణ సాంకేతికత భావనల ప్రత్యామ్నాయం. ఉదాహరణకు, మెజారిటీ ఉద్యోగులు కొత్త ప్రోత్సాహక కార్యక్రమాన్ని "సంతృప్తికరంగా" రేట్ చేస్తే, "కంపెనీ ఉద్యోగులలో ఎక్కువ మంది కొత్త ప్రోత్సాహక కార్యక్రమంతో సంతృప్తి చెందారు" అని నివేదిక సూచించవచ్చు.
మూలం: www.habr.com