نظرسنجی آنلاین؛ طراحی فرم سوالات پرسشنامه، سیستم نرم افزاری
بخش دوم
کتب زیاد خوبی در مورد نوشتن آیتم های پرسشنامه ای خوب در بازار موجود هستند. اکثر این متون مثال ها و نمونه هایی از اشتباهات رایج جهت اجتناب از آنها و همچنین ارائه بهترین اقدامات برای ساختار و طراحی پرسشنامه خوب ارائه می کنند. چنانچه این اولین باری است که یک پرسشنامه را می نویسید، به شما پیشنها می کنیم که تعدادی از این کتاب ها را قبل از اینکه پرسشنامه تان را به صورت آزمایشی اجرا کنید، حتماً بخوانید. چنانچه پیشتر یک یا تعداد بیشتری از پرسشنامه ها را در این حوزه انجام داده اید، آخرین و بهترین یافته ها را در این حوزه حتماً جستجو کنید، چون انجام این کار به هیچ وجه به ضررتان نخواهد بود.
اجازه دهید در مورد معضلات دیگری که باید قبل از اینکه بتوانید اطلاعات را جمع آوری کنید، آنها را در نظر بگیرید، صحبت کنیم.
مرتبط: نظرسنجی آنلاین؛ طراحی فرم سوالات پرسشنامه، سیستم نرم افزاری (۱)
مرتبط: نظرسنجی آنلاین؛ طراحی فرم سوالات پرسشنامه، سیستم نرم افزاری (۳)
نظرسنجی آنلاین و معضلات مربوط به مناسب بودن متد نمونه گیری
پوشش به درصد جمعیت مورد علاقه ای که در چارچوب نمونه برداری یا نمونه گیری در بر گرفته می شود، اطلاق می شود. اجازه دهید که به ایده مان در مورد کار کردن به صورت معکوس یا عقبگرد بپردازیم. شما قصد دارید نتایج پرسشنامه تان را به جمعیت خاصی تعمیم دهید، از جمله مثلاً بزرگسالان ایالات متحده در سال جاری یا دانشجویان در یک دانشگاه خاص در یک سال تحصیلی خاص. روشن است که نمی توانید هر عضوی از جمعیتتان را وادار کنید تا پرسشنامه تان را تکمیل کنند، بنابراین تعدادی از این عضوهای این جمعیت را انتخاب می کنید، تا پرسشنامه تان را تکمیل کنند. چارچوب نمونه گیری فهرستی از اعضای آن موقعیت هستند. در واقعیت شما احتمالاً به هیچ وجه یک چارچوب نمونه برداری یا نمونه گیری را تکمیل نخواهید کرد. اما این به این معنی نیست که نمی توانید پوشش خوبی داشته باشید. دارا بودن پوشش خوب یعنی تعداد خوبی از پاسخگو ها را از هر بخشی از جمعیت مورد علاقه تان در اختیار دارید. به عنوان مثال در صورتی که جمعیت مورد علاقه تان بزرگسالان کالیفرنیا در سال۲۰۱۳ باشند و تنها ۵ درصد از نمونه شما زن باشند، در این صورت پوشش خوبی نخواهید داشت.
نظرسنجی آنلاین؛ نمونه رسمی در مقایسه با نمونه راحت
در یک نمونه رسمی با دقت جمعیت مورد علاقه تان را انتخاب می کنید و سپس یک چارچوب نمونه گیری را ایجاد می کنید. یک پرسشنامه را برای پاسخگویان منتخبی که در آن چارچوب نمونه گیری در بر گرفته شده اند، ارسال می کنید. این امر مستلزم صرف زمان و کار زیاد است و ممکن است اطلاعاتی که برای انجام این کار نیاز دارید را در اختیار نداشته باشید. در عوض بسیاری از محققین از یک نمونه راحت استفاده می کنند. یک نمونه راحت دقیقاً از روی اسم آن مشخص است: یک نمونه راحت از پاسخگوها. همانطور که احتمالاً حدس می زنید، ممکن است دشواری ها یا مشکلاتی در رابطه با یک نمونه راحت وجود داشته باشد.
مرتبط: مدل کیفیت خدمات سروکوال در ارزیابی رضایتمندی مشتری (۱)
مرتبط: مدل کیفیت خدمات سروکوال در ارزیابی رضایتمندی مشتری (۲)
یک دشواری احتمالی می تواند پوشش ضعیف باشد؛ به عنوان مثال ممکن است شما آن تعداد پاسخگویی را که دوست دارید را نداشته باشید. در واقع نمونه های راحت به ندرت نماینده جمعیت مورد علاقه هستند. به این دلیل باید در هنگام تعمیم نتایج برای جمعیتی فراتر از جمعیت خاص آن پاسخگوهای خاص حتماً احتیاط کنید. تعدادی از محققین سعی دارند اوزانی را برای تصحیح اختلافات میان خصوصیات جمعیت شناخته شده و جمعیت نمونه شان ایجاد کنند. اما ایجاد این اوزان نشان دهنده مجموعه دشواری های خود آن است.
نظرسنجی های آنلاین و اخذ تأییدیه برای سوژه های انسانی
اکثر محققین (و موسسه جامعه نگر) باید برای انجام نظرسنجی هایشان تأییدیه داشته باشند، تا بتوانند کار جمع آوری دیتا یا اطلاعات را انجام دهند.
حال بعد از اینکه مدت زمان زیادی را صرف فکر کردن به طراحی و برنامه ریزی، نوشتن و بازنویسی سوالات، تدوین طرح تجزیه و تحلیل، اخذ تأییدیه سوژه های انسانی، اجرای آزمایشی پرسشنامه، الزامی نمودن اصلاحات و جمع آوری دیتا کردیم، اکنون بالاخره زمان آن رسیده تا اطلاعات یا فایل دیتا را از Survey Monkey وارد کامپیوترتان کنید. به عبارت دیگر اکنون مجدداً زمان تصمیم گیری رسیده است.
مرتبط: تحقیقات بازار جامعه نگر، برند برتر تحقیقات بازار در ایران
نظرسنجی آنلاین و نحوه صدور اطلاعات
چندین آپشن برای صدور اطلاعات از Survey Monkey وجود دارد. پیشنهاد من صدور اطلاعات به چندین فرمت مختلف است، چون فرمت های مختلف نیازمند آماده سازی کمتر برای تجزیه و تحلیل در مقایسه با فرمت های دیگر هستند. چنانچه می توانید دیتا یا اطلاعات را به فرمت SPSS صادر کنید، در این صورت بخش عمده کار برای شما انجام خواهد شد (به استثنای نام های متغیر برای آیتم های نظرسنجی). همچنین تقریباً شما همواره به دنبال این هستید ردیف های انفرادی دیتا یا اطلاعات را به جای دیتا یا اطلاعات خلاصه صادر کنید. چنانچه خلاصه دیتایتان را بخواهید، می توانید آنها را از ردیف های انفرادی اطلاعات ایجاد کنید. اما نمی توانید تمامی تجزیه و تحلیل هایی را که می خواهید را از دیتا یا اطلاعات خلاصه ای که از Survey Monkey دانلود نموده اید، انجام دهید و هیچ راهی برای بازگشت به ردیف های انفرادی دیتا یا اطلاعاتی که فقط از دیتای خلاصه دانلود نموده اید، وجود ندارد.
مرتبط: تحقیقات بازار؛ مقایسه تکنیک های تحقیقات بازار کمی و کیفی
در زیر چهار راه به شما نشان خواهیم داد، که می توانید ردیف های انفرادی دیتای اطلاعاتی را صادر کنید. اینکه کدامیک از این چهار روش استخراج دیتا یا اطلاعات را استفاده می کنید، اهمیتی ندارد. احتمالاً می خواهید که این متغیرها را تغییر نام دهید. فرمان نامگذاری مجدد متغیرهای SPSS را می توانید به چندین روش برای نامگذاری مجدد متغیرها استفاده کنید و می توانید چندین متغیر را در یک سلول منحصر به فرد آن فرمان نامگذاری مجدد کنید. همچنین تعداد زیادی از متغیرها به عنوان متغیرهای رشته ای وارد SPSS می شوند (حتی اگر آن متغیر شامل عدد باشد)، بنابراین شما باید آن متغیرهای رشته ای را به متغیرهای عددی تبدیل کنید تا از آنها در تجزیه و تحلیل هایی نظیر ANOVA و رگرسیون استفاده کنید. مجدداً تعداد زیادی از روش ها وجود دارد که می توانید در SPSS از آنها استفاده کنید. بعد از اینکه متغیرهایتان را نامگذاری مجدد کرده و آنها را به شکل عددی در آوردید، احتمالاً بخواهید که تعدادی از متغیرها را ثبت کنید یا آنها را از بین ببرید. ما چند مثال از این حرکت را به شما نشان خواهیم داد. همچنین چنانچه یک متغیر هیچ پاسخی نداشت، یک متغیر عددی است. ما یک مثال از این نوع متغیر را نیز به شما نشان خواهیم داد.
مرتبط: تکنیک مصاحفه تلفنی CATI در مرکز تحقیقات بازار جامعه نگر
اجازه دهید چند مثال از تعدادی از فرامین مورد استفاده به وفور را برای آماده سازی دیتای تجزیه و تحلیل ارائه کنیم. لطفاً به یاد داشته باشید که تمامی فرامین در SPSS باید در یک دوره زمانی به پایان برسند. همچنین در مورد اینکه ترجیح می دهید چطور ساختار فایل SPSS خود را سازماندهی کنید نیز فکر کنید. یک راه برای سازماندهی این فایل این است که با هر متغیر به ترتیب و جداگانه کار کنید. به عنوان مثال ممکن است شما یک ورژن از یک متغیر را نامگذاری مجدد کنید، یا اینکه آن را عددی کنید، یک برچسب متغیر به آن اضافه کنید و سپس برچسب مقدار را به اولین متغیر اضافه کنید و سپس همین فرآیند را برای متغیر دوم انجام دهید و الی آخر. راه دیگر این است که هر کدام از کارهای فوق را برای هر متغیر انجام دهید. به عنوان مثال ممکن است تمامی متغیرها را در یک قسمت ثبت و بایگانی کنید و سپس برچسب های مقدار را به قسمت دیگر اضافه کنید. همچنین می توانید یک راه متفات برای سازماندهی فایل فرمت پیدا کنید. اینکه چطور فایل را سازماندهی می کنید، خیلی مهم نیست اما دارا بودن نوع متفاوتی از سازماندهی است که مهم است. این مسئله به شما کمک می کند، این اطمینان را داشته باشید که فراموش نمی کنید کاری را انجام نداده باقی بگذارید. همچنین اینکار باعث می شود که آن فایل بیشتر قابل فهم باشد، چنانچه مجبور باشید آن را با افراد دیگری به اشتراک بگذارید. همچنین شما ممکن است بخواهید کامنت هایی را به فایل قواعد اضافه کنید. می توانید این کار را یا با استفاده از فرمان کامنت انجام دهید یا با آغاز نمودن خط با ستاره. همچون تمامی دیگر فرامین در نرم افزار SPSS باید کامنتتان را با یک دوره (زمانی) پایان دهید. در تجربه ای که خود من شخصاً داشتم، این نوع از فایل ها معمولاً دارای گرایش “به ارث رسیدن” هستند، به این معنا که شخصی که فایل قواعد را می نگارد، دیگر روی آن پروژه کار نمی کند و شخص دیگری باید وارد کار شده و آن را ادامه دهد. شما باید سعی کنید فایل قواعد را به گونه ای بنویسید که بعداً قرار است آن را به اصطلاح به عنوان “ارثیه” دریافت کنید.
نظرسنجی آنلاین؛ چند نمونه از فرامین تجزیه و تحلیل نتایج
فرمان دریافت فایل
من به شما پیشنهاد می کنم که این اولین فرمان در فایل قواعد شما باشد. این یک راه است که مطمئن شوید فایل قواعد خود را در فایل دیتا یا اطلاعات درست اجرا می کنید. در اینجا یک نمونه از این فرمان را مشاهده می کنید:
get file = “D:datasurvey monkey 2013spreadsheet_condensed_actual_values.sav”.
اگرچه گاهی اوقات نه لزوماً به لحاظ فنی، اما من پیشنهاد می کنم که مشخصات مسیر را ببندید و نام فایل دیتا را در سهمیه ها جایگذاری کنید. این کار در صورتی ضروری است که شما در نام فولدر یا نام فایل دیتا جای خالی داشته باشید.
فرمان دریافت اطلاعات
فرمان دریافت اطلاعات یا دیتا برای وارد نمودن دیتا از فایل SPSS مورد استفاده قرار می گیرد. به عنوان مثال شما از این فرمان در صورتی استفاده خواهید کرد که سعی کرده باشید دیتا را در قالب یک فایل اکسل وارد فایل SPSS کنید.
get data
/type = xlsx
/file = “d:dataSurvey Monkey 2013Sheet_1_export_0.xlsx”
/sheet = name “Sheet_1_export_0”
/cellrange = full
/readnames = on.
مرتبط: قیمت گذاری تهاجمی چیست؟
فرمان ذخیره کردن
وقتی کار پاکسازی دیتا را به پایان رساندید، توصیه من به شما این است که مجموعه دیتا یا دیتاست خود را با یک نام جدید ذخیره کنید. وقتی تجزیه و تحلیل های خود را انجام می دهید، می توانید از این دیتاست به جای اجرای مجدد تمامی فرامین پاکسازی دیتایی استفاده کنید که برای تغییر شکل دیتاست خام شما به دیتاست آماده برای تجزیه و تحلیل لازم و ضروری هستند. همچنین این امکان نیز وجود دارد که دیتاست آماده برای تجزیه و تحلیل شما شامل فقط ورژن های عددی متغیرهای شما باشند. در اینجا مثالی از این فرمان را می توانید مشاهده کنید:
save outfile “D:datasurvey monkey 2013numerical_values_cleaned.sav”.
فرمان نامگذاری مجدد متغیرها
فرمان نامگذاری مجدد متغیرها دقیقاً همان کاری را انجام می دهد که انتظار آن را دارید: این فرمان متغیرها را نامگذاری مجدد می کند.
وقتی Survey Monkey متغیرها را مجدداً نامگذاری می کند، معمولاً از اولین بخش آن سوال استفاده می کند. در اینجا تعدادی مثال از نظرسنجی که ما انجام دادیم، موجود هستند:
- شما در چه مقطعی درس می خوانید (عدد وارد کنید)
- آیا قبل از اینکه به این دانشگاه بیایید، در دانشگاه یا کالج دیگری درس می خواندید یا مشغول به تحصیل بودید
- چه نوع صدایی را ترجیح می دهید که در هنگام مطالعه بشنوید؟
