تحقیق کرتے وقت، ڈیٹا اکٹھا کرنے پر بہت زیادہ توجہ دی جاتی ہے، اس لیے جب جواب دہندگان کے جوابات جمع کیے جاتے ہیں، تو وہ ترجیحی طور پر درست تسلیم کیے جاتے ہیں، اور ایسے جوابات پر مبنی رپورٹ کو معروضی سمجھا جاتا ہے۔ تاہم، اکثر ایسے حالات پیدا ہوتے ہیں جب انفرادی جوابات کی مزید تفصیلی جانچ سے سروے کے الفاظ یا سوالات کی ہدایات کے جواب دہندگان کی واضح غلط فہمیوں کا پتہ چلتا ہے۔
1. پیشہ ورانہ اصطلاحات یا بعض الفاظ کی غلط فہمی۔ سروے مرتب کرتے وقت، یہ غور کرنے کے قابل ہے کہ جواب دہندگان کے کن گروپوں کے لیے اس کا مقصد ہے: سروے میں حصہ لینے والوں کی عمر اور حیثیت، چاہے وہ بڑے شہروں میں رہتے ہوں یا دور دراز دیہات وغیرہ۔ آپ کو احتیاط کے ساتھ خاص اصطلاحات اور مختلف بول چال کا استعمال کرنا چاہیے - ہو سکتا ہے کہ یہ تمام جواب دہندگان کے لیے واضح نہ ہو یا ہو سکتا ہے کہ ہر ایک کو اسی طرح سمجھ نہ آئے۔ پھر بھی اکثر اس طرح کی غلط فہمی جواب دہندہ کو سروے کو ترک کرنے کا سبب نہیں بنتی ہے (جو یقیناً ناپسندیدہ ہوگا)، اور وہ بے ترتیب جواب دیتا ہے (جو کہ ڈیٹا کی تحریف کی وجہ سے اور بھی ناپسندیدہ ہے)۔
2. سوال کی غلط فہمی۔ بہت سے محققین اس بات پر قائل ہیں کہ ہر جواب دہندہ کی ہر مسئلہ پر ایک غیر مبہم اور واضح طور پر تشکیل شدہ رائے ہے۔ یہ غلط ہے. بعض اوقات سروے کے شرکاء کو کسی سوال کا جواب دینا مشکل ہوتا ہے کیونکہ انہوں نے کبھی بھی اس موضوع کے بارے میں مجموعی طور پر یا اس نقطہ نظر سے موضوع کے بارے میں نہیں سوچا۔ یہ پیچیدگی جواب دہندہ کے سروے کو ترک کرنے، یا مکمل طور پر غیر معلوماتی انداز میں جواب دینے کا سبب بن سکتی ہے۔ سروے کے شرکاء کو سوال کو مزید واضح طور پر ترتیب دے کر اور جواب کے مختلف اختیارات پیش کر کے جواب دینے میں مدد کریں۔
ماخذ: news.sportbox.ru
3. سروے کی ہدایات یا مخصوص سوالات کو سمجھنے میں ناکامی۔ تمام سوالنامے کے متن کی طرح، ہدایات کے الفاظ کو مطلوبہ جواب دہندگان کے تمام گروپوں کے مطابق بنایا جانا چاہیے۔ ایسے سوالات کی ایک بڑی تعداد سے بچنے کی کوشش کریں جہاں آپ کو جوابات کی ایک مخصوص تعداد کو نشان زد کرنے کی ضرورت ہو ("تین اہم ترین سوالات کو چیک کریں ...")، یا ایسے تمام سوالات میں، جوابات کی اتنی ہی تعداد کا تعین کریں جن پر نشان لگانے کی ضرورت ہے۔ پیچیدہ قسم کے سوالات (میٹرک، درجہ بندی وغیرہ) کو کم کرنا، ان کی جگہ آسان سوالات کرنا بھی قابل قدر ہے۔ اگر آپ کو لگتا ہے کہ جواب دہندگان موبائل فون سے سروے کا جواب دے رہے ہیں، تو سروے کے ڈیزائن کو مزید آسان بنانے کی کوشش کریں۔
4. درجہ بندی کے پیمانے کی غلط فہمی۔ سوالنامے میں درجہ بندی کا پیمانہ استعمال کرتے وقت، جواب دہندگان کو اس کے معنی کی وضاحت کریں، چاہے یہ آپ کو واضح معلوم ہو۔ مثال کے طور پر، 1 سے 5 تک کے مانوس پیمانے کو عام طور پر اسکول کے درجہ بندی کے نظام سے مشابہت سے سمجھا جاتا ہے، لیکن بعض اوقات جواب دہندگان "1" کو نشان زد کرتے ہیں، اس سے پہلے مقام کی قدر منسوب کرتے ہیں۔ زبانی ترازو میں یہ بہتر ہے کہ موضوعی معیار سے گریز کیا جائے۔ مثال کے طور پر، پیمانہ "کبھی نہیں - شاذ و نادر - کبھی کبھی - اکثر" بہت ساپیکش ہے۔ اس کے بجائے، یہ مخصوص اقدار پیش کرنے کے قابل ہے ("مہینے میں ایک بار"، وغیرہ)۔
5. مثبت اور اوسط درجہ بندی کو عام کرنا۔ جواب دہندگان کا عمومی طور پر مثبت تشخیص کرنے کا رجحان اکثر مداخلت کرتا ہے، مثال کے طور پر، سافٹ ویئر استعمال کرنے والوں کے سروے اور اسی طرح کے دیگر مطالعات میں۔ اگر کوئی صارف عام طور پر آپ کے پروگرام سے مطمئن ہے، تو اس کے لیے اسے حصوں میں تقسیم کرنا اور اپنے ذاتی اکاؤنٹ، ایک نئے فعال حل وغیرہ کا الگ سے جائزہ لینا مشکل ہے۔ سب سے زیادہ امکان ہے، وہ ہر جگہ ایک اعلی سکور دے گا. جی ہاں، سروے رپورٹ بہت مثبت نظر آئے گی، لیکن نتائج صورتحال کا حقیقت پسندانہ جائزہ لینے کی اجازت نہیں دیں گے۔
اوسط تشخیص اکثر راستے میں آتے ہیں، مثال کے طور پر، 360 ڈگری کے عملے کے جائزوں میں۔ ملازمین تمام قابلیت کے لیے اوسط سکور دیتے ہیں: اگر کسی ساتھی کے ساتھ رویہ مثبت ہے، تو آپ کو نتائج میں پورے سوالنامے پر فلایا ہوا اسکور نظر آئے گا؛ اگر کسی ساتھی کے ساتھ تعلقات کشیدہ ہیں، تو اس کی واضح طور پر مضبوط قائدانہ خوبیاں بھی کم اندازہ کیا جائے.
دونوں ہی صورتوں میں، ہر انفرادی سوال کے تفصیلی زبانی جوابات کے ساتھ معمول کے ترازو کو بدل کر جواب کے اختیارات کے ذریعے احتیاط سے کام کرنا دانشمندی ہے۔
6. رائے کا ہیرا پھیری۔ یہ نکتہ پچھلے نکتہ سے مختلف ہے کہ محققین شعوری طور پر جواب دہندگان کو ایسے جوابات کا جواب دینے کے لیے دباؤ ڈالتے ہیں جو ان کے لیے "کامیاب" رپورٹ کے لیے سازگار ہوں۔ ہیرا پھیری کے متواتر طریقوں میں انتخاب کا وہم اور مثبت خصوصیات پر توجہ شامل ہے۔ عام طور پر، مثبت سروے کے نتائج کا مطالعہ کرنے والے مینیجرز ڈیٹا کی صحیح تشریح کے بارے میں نہیں سوچتے۔ تاہم، سوالنامے کو ہی معروضی طور پر دیکھنے کے قابل ہے: اس کی منطق کیا ہے، کیا سوالنامے کی کوئی مخصوص لائن ہے، کیا مثبت اور منفی جواب کے اختیارات یکساں طور پر تقسیم کیے گئے ہیں۔ ڈیٹا کو کھینچنے کی ایک اور عام تکنیک تصورات کا متبادل ہے۔ مثال کے طور پر، اگر ملازمین کی اکثریت نے ایک نئے ترغیبی پروگرام کو "اطمینان بخش" قرار دیا ہے، تو رپورٹ اس بات کی نشاندہی کر سکتی ہے کہ "کمپنی کے ملازمین کی اکثریت نئے ترغیبی پروگرام سے مطمئن ہے۔"
ماخذ: www.habr.com