نظرسنجی آنلاین؛ طراحی فرم سوالات پرسشنامه، سیستم نرم افزاری

بخش سوم

برخی از اسامی متغیرها بیش از ۵ کارکتر طول دارند. اکنون می بینید که چرا ممکن است بخواهید متغیرهایتان را نامگذاری مجدد کنید! شما چند گزینه دارید در مورد اینکه چطور قواعد نامگذاری مجدد متغیرهایتان را بنویسید، همچنن اینکه چطور فایل قواعد خود را سازماندهی کنید. یک احتمال این است که هر یک از متغیرهایتان را در یک زمان نامگذاری مجدد کنید. اگر این کار را بکنید، ممکن است بخواهید هریک از عملیات های دیگر در رابطه با آن متغیر را بعداً انجام دهید، به طوریکه فایل قواعدتان به وسیله متغیرها سازماندهی شده باشد. متناوباً می توانید تمامی متغیرهایتان را در یک فراخوانی منحصر به فرد فرمان نامگذاری مجدد متغیرها مجدداً نامگذاری کنید.

مرتبط: تحقیقات بازار جامعه نگر، برند برتر تحقیقات بازار در ایران

مرتبط: تحقیقات بازار؛ مقایسه تکنیک های تحقیقات بازار کمی و کیفی

مرتبط: تکنیک مصاحبه تلفنی CATI در مرکز تحقیقات بازار جامعه نگر

rename variables whatisyourgender = gender.

rename variables (WhatyearofschoolareyouinEnteranumberOpenEndedRe

WhatisyourmajorOpenEndedResponse

DidyouattendanothercollegeuniversitybeforecomingtoUCLA =

yearschool major other_univ_s).

فرمان محاسبه

فرمان محاسبه یکی از فرامینی است که می توان از آن برای ایجاد یک متغیر جدید استفاده نمود. وقتی دیتا را پاکسازی می کنید، می توانید از فرمان محاسبه برای ایجاد ورژن عددی یک متغیر رشته ای استفاده کنید یا اینکه می توانید از آن برای ایجاد ورژن از بین رفته یک متغیر چند دسته ای استفاده کنید. در اینجا چند مثال ارائه می شود:

compute other_univ = $sysmis.

if other_univ_s = “No” other_univ = 0.

if other_univ_s = “Yes” other_univ = 1.

variable labels other_univ “Did you attend another college or university before coming to UCLA?”.

value labels other_univ 0 “no” 1 “yes”.

crosstabs

/tables other_univ_s by other_univ.

compute q9total = sum(q9any to q9night).

freq var = q9total.

مرتبط: مدل کیفیت خدمات سروکوال در ارزیابی رضایتمندی مشتری (۱)

مرتبط: مدل کیفیت خدمات سروکوال در ارزیابی رضایتمندی مشتری (۲)

فرمان اگر یا if

فرمان if فرمان دیگری است که می توانید برای ایجاد یک متغیر جدید از آن استفاده کنید. می توانید همچنین از فرمان if برای کدگذاری مجدد مقدار یک متغیر بر مبنای مقدار متغیر دیگر استفاده کنید. این فرمان می تواند همچنین برای ایجاد ورژن عددی یک متغیر رشته ای مورد استفاده قرار بگیرد.

compute female = $sysmis.

if gender = “Female” female = 1.

if gender = “Male” female = 0.

value labels female 0 “male” 1 “female”.

crosstabs

/tables gender by female.

فرمان کدگذاری مجدد

فرمان کدگگذاری مجدد اصولاً برای کدگذاری مجدد متغیرها استفاده می شود. این فرمان می تواند همچنین برای ایجاد یک متغیر جدید استفاده شود (با کلیدواژه into) و تعدای از متغیرهای رشته ای خاص را به متغیرهای عددی تبدیل کند (با کلیدواژه Convert)

] convert)

recode q8silence_s

q8little_s

q8moderate_s

q8lots_s

q8nomatter_s (convert) into

q8silence

q8little

q8moderate

q8lots

q8nomatter.

exe.

فرمان کدگذاری مجدد خودکار

فرمان کدگذاری مجدد خودکار دقیقاً همان کاری را که اسم آن نشان می دهد را انجام می دهد:  این فرمان به صورت خودکار تمامی متغیرها را کدگذاری مجدد می کند. گاهی اوقات این فرمان بسیار مفید و کاربردی است و گاهی اوقات نیز نتایج نامطلوب (یا غیر منتظره) ایجاد می کند. باید زمانی که یک یا تعداد بیشتری از این متغیرها دارای مقادیر ناموجود هستند، بیشتر مراقب باشید.

autorecode q8silence_s to q8nomatter_s /into

q8silence

q8little

q8moderate

q8lots

q8nomatter

/group.

 

فرمان Crosstabs

این فرمان بسیار مفید و کاربردی است و برای حصول اطمینان از اینکه کدگذاری مجدد یک متغیر طبق برنامه پیش می رود، مورد استفاده قرار می گیرد. می توانید یک یا تعداد بیشتری از فرامین فرعی جداول را در فراخوانی فرمان crosstabs داشته باشید. من قویاً توصیه می کنم که تمامی متغیرهای مجدداً کدگذاری شده طبق متغیر اصلی بررسی شوند تا این اطمینان حاصل شود که کدگذاری مجدد طبق خواست شما پیش می رود. من می دانم که این کار می تواند به شدت خسته کننده باشد اما چنانچه هنگام کدگذاری مجدد متغیرها اشتباهی صورت گیرد، در این صورت مشکلات زیادی در هنگام استفاده از آن متغیر کدگذاری مجدد در تجزیه و تحلیل ها ممکن است پیش بیاید و در آن نقطه تشخیص آن خطا می تواند بسیار کار دشواری باشد. همچنین چنانچه ورژن اصلی و اولیه آن متغیر را از دیتاست خود قبل از بررسی کدگذاری مجدد حذف کنید، در این صورت این احتمال وجود دارد که به شدت در هنگام یافتن آن خطا دچار مشکل شوید.

crosstabs

/tables q8silence_s by q8silence

/tables q8little_s by q8little

/tables q8moderate_s by q8moderate

/tables q8lots_s by q8lots

/tables q8nomatter_s by q8nomatter.

فرمان alter type

فرمان alter type حداقل سه هدف دارد. این فرمان می تواند تعدادی از متغیرهای رشته ای را به متغیرهای عددی تبدیل کند. این فرمان می تواند سپس طول متغیرهای رشته ای را تغییر دهد و می تواند فرمت متغیرهای عددی را نیز تغییر دهد.

alter type q8silence_s

q8little_s

q8moderate_s

q8lots_s

q8nomatter_s (a2).

alter type yearschool (f2.0).

فرمان برچسب های مقداری

فرمان برچسب های مقداری همراه با متن توصیفی برای مقادیر متغیرهای دسته ای به کار می رود. این فرمان بسیار مفید است چون به شما یادآوری می کند که چه مقادیری از آن متغیر معنی دار هستند. متن توصیفی نیز در خروجی داده می شود که شامل آن متغیر است که معمولاً باعث می شود که تفسیر و تعبیر خروجی آسان تر و ساده تر باشد.

value labels q7home to q7coffee 1 “Prefer to study here:” 2 “Usually study here:”.

 

فرمان برچسب های متغیر

فرمان برچسب های متغیر به شما این امکان را می دهد که متن توصیفی را با یک متغیر همراه کنید. به عنوان مثال می توانید سوال واقعی را از پرسشنامه اصلی به عنوان برچسب آن متغیر تبدیل کنید.

variable labels female “gender of respondent”.

 

فرمان حذف متغیرها

فرمان حذف متغیر ها دقیقاً همان کاری را انجام می دهد که نام آن نشان می دهد: این فرمان متغیر را از دیتاست شما حذف می کند. شما مشاهده می کنید که تعدادی از متغیرهای دیتاست شما چیزی به جز چند مقدار ناموجود نیستند؛ به عبارت دیگر این متغیرها بی مصرف و به دردنخور هستند. می توانید از فرمان حذف متغیرها برای حذف این متغیرها از دیتاست خود استفاده کنید. به طور کلی ما توصیه نمی کنیم که محققین متغیرهای رشته ای را از دیتاست حذف کنند، ان هم وقتی که ورژن عددی آنها ایجاد شده است. بلکه توصیه ما این است که بعد از اینکه کار پاکسازی دیتا انجا گردید، آن دیتاست ذخیره شود. سپس می توانید یک کپی از آن دیتاست ایجاد کنید و متغیرهای رشته ای که به آنها نیاز ندارید را از آن حذف کنید. این امر منجر به رسیدن به دیتاستی می شودکه پاکسازی شده است و از شر متغیرهایی که لزومی هم به بودن آنها نیست، خلاص می شوید؛ به عبارت دیگر یک دیتاست اکنون کاملاً آماده پردازش و تحزیه و تحلیل شدن است.

delete variables collectorid startdate enddate ipaddress emailaddress firstname lastname customdata.

 

فرمان سند

فرمان سند را می توانید برای همراه سازی یک متن با یک دیتاست استفاده کنید. می توانید از فرمان افزودن سند استفاده کنید تا نکات اضافی مورد نیاز را به آن بیفزایید. این فرامین برای مراقبت و نگهداری اطلاعات مهم در دیتاست بسیار ضروری و مهم هستند، چون بر خلاف نوشتن اطلاعات مهم در یک دفترچه این امکان را دارد که از دیتاست یا مجموعه دیتا جداسازی شود.

document These data were collected via Survey Monkey at www.surveymonkey.com/s/z3bxppp.  Questions 2 and 9

are problematic.  Some response options from question 5 and question 7 should be replaced.  These data were extracted

using the advanced spreadsheet option.

 

نظرسنجی آنلاین و فایل های قواعد اس پی اس اس SPPS

در زیر فایل های قواعد SPSS را می توانید مشاهده کنید که من برای آماده سازی دیتا برای تجزیه و تحلیل آنها را برای آماده و ارائه نموده ام. اگرچه این فایل ها دارای سند SPSS هستند، اما آنها صرفاً فایل های متنی هستند. این یعنی اینکه شما نیازی به فایل های SPSS ندارید تا این فایل ها را باز کنید، می توانید آنها را با هر ویرایشگر متنی باز کنید، از جمله برنامه هایی از قبیل WordPaD. چنانچه به  هریک از این فایل ها نگاه کنید، می توانید آنها را در حالی مشاهده کنید که دیتا با استفاده از “فرمت SPSS” از آنها اقتباس و استخراج می شود. شیوه های اقتباس و استخراج دیگر مستلزم طی مراحل بیشتری برای آماده سازی دیتا برای تجزیه و تحلیل هستند. علاوه بر این تفاوت های بسیار بیشتری بین انواع مختلف اقتباس و استخراج نتایج از حیث آنچه که مورد نیاز است، وجود دارد که دیتا را برای تجزیه و تحلیل نهایی به طرق متفاوتی آماده سازی می کند.

مرتبط: نظرسنجی آنلاین؛ طراحی فرم سوالات پرسشنامه، سیستم نرم افزاری (۱)

مرتبط: نظرسنجی آنلاین؛ طراحی فرم سوالات پرسشنامه، سیستم نرم افزاری (۲)

صفحه گسترده های پیشرفته

چناچه دیتا را با استفاده از این متد دانلود می کنید، اکثر متغیرها رشته ای هستند و مقادیر کلماتی خواهند بود که در کنار آپشن ها قرار خواهند گرفت. می توانید به قایل قواعد SPSS دسترسی داشته باشید که برای پاکسازی دیتای پرسشنامه نمونه مورد استفاده در کارگاه آموزشی مورد استفاده قرار می گیرد. فایل مقادیری که با استفاده از کاما یا ویرگول جداسازی شده اند را می توانید بعداً مشاهده کنید.

مقادیر واقعی

چنانچه با استفاده از متن دیتا را دانلود می کنید، اکثر متغیرها رشته ای خواهند بود و مقادیر آنها کلماتی هستند که در کنار آپشن ها قرار می گیرند. می توانید به فایل قواعد SPSS دسترسی داشته باشید که برای پاکسازی دیتای پرسشنامه نمونه مورد استفاده بکار رفته است. فایل مقادیر اصلی که با استفاده از کاما یا ویرگول جداسازی شده اند، در اینجا قابل مشاهده است.

مقادیر عددی

چنانچه با استفاده از این متد دیتا را دانلود می کنید، اکثر متغیرها متغیرهای عددی هستند و مقادیر اعدادی هستند که در کنار آپشن ها یا گزینه ها قرار می گیرند. شما از اطلاعات موجود در دیتاست نمی توانید بفهمید کدام برچسب ها باید در کنار مقادیر عددی قرار بگیرد. اما می توانید احتمالاً آن اطلاعات را از پرسشنامه دریافت کنید. می توانید به فایل قواعد SPSS دسترسی داشته باشید که برای پاکسازی دیتای پرسشنامه بکار رفته در این کارگاه آموزشی مورد استفاده قرار می گیرد.

فرمت SPSS

چنانچه با استفاده از این متد دیتا را دانلود می کنید، اکثر متغیرها متغیرهای عددی هستند و برچسب های مقداری به درستی در کنار مقادیر عددی قرار می گیرد. همچنین اکثر متغیرها دارای برچسب های متغیری هستند. مقدار و حجم پاکسازی دیتای مورد نیاز باید بسیار کمتر از سایر متدهای ممکن دانلود نمودن دیتا باشد.

بهبودهایی که می توانند (می بایست) در این پرسشنامه انجام شوند

مرتبط: قیمت گذاری تهاجمی چیست؟

توجه داشته باشید در رابطه با سوال مربوط به سال یا مقطع تحصیلی در دانشگاه یا مدرسه مشکلی وجود دارد. خوب است که ما این خطا را در بررسی آزمایشی خود مشاهده وکشف کنیم. همچنین سوال ۹ در مورد اینکه چه زمانی افراد مطالعه می کنند به لحاظ تجزیه و تحلیل بسیار دشوار است، چون ما آن را به صورت “چند پاسخی مجاز” تنظیم و معین کرده ایم. اگرچه به لحاظ تئوریکی این احتمال وجود دارد که ما بخواهیم تمامی زمان هایی که افراد مطالعه می کنند را بدانیم، اما باید این مطلب را هم درنظر داشته باشیم که چطور قصد داریم آن متغیر را تجزیه و تحلیل کنیم، در صورتی که به پاسخگوها این اجازه را می دهیم امکان چند پاسخی داشته باشند. نکته این است که اجرای آزمایشی پرسشنامه شما برای حل کردن مشکلات آیتم های مختلف بسیار مهم است، اما این کار همچنین به شما ین امکان را می دهد تا دشواری های احتمالی تجزیه و تحلیل ها را شناسایی کنید. به یاد داشته باشید که شما به دنبال این هستید بدانید چگونه دیتا را تجزیه و تحلیل خواهید کرد، پیش از اینکه اقدام به جمع آوری آنها کنید.