क्या आप लिकर्ट स्केल डेटा का विश्लेषण करने के तरीके ढूंढ रहे हैं लेकिन नहीं जानते कि कैसे? लिकर्ट स्केल एक सर्वेक्षण उपकरण है जो किसी विषय के प्रति लोगों के दृष्टिकोण या भावनाओं को मापता है। उत्तरदाता "दृढ़ता से सहमत" से लेकर "दृढ़ता से असहमत" जैसे कई विकल्पों में से चुनते हैं, आमतौर पर तटस्थ मध्यबिंदु जैसे "न तो सहमत हैं और न ही असहमत।" यह शोधकर्ताओं को व्यक्तिपरक डेटा की मात्रा निर्धारित करने और महत्वपूर्ण निष्कर्ष निकालने की अनुमति देता है। मनोवैज्ञानिक रेंसिस लिकर्ट द्वारा आविष्कार किए गए पैमाने में आम तौर पर पांच या सात अंक होते हैं।
लिकर्ट स्केल डेटा के विश्लेषण में मूल्यवान अंतर्दृष्टि प्राप्त करने के लिए प्रतिक्रियाओं की व्याख्या करना शामिल है। इस व्यापक लेख में, हम "लिकर्ट स्केल डेटा का विश्लेषण कैसे करें" की चरण-दर-चरण प्रक्रिया में गहराई से उतरेंगे और सार्थक निष्कर्ष निकालेंगे।
लिकर्ट स्केल को समझना
विश्लेषण में उतरने से पहले, आइए लिकर्ट पैमाने और इसकी विशेषताओं पर करीब से नज़र डालें:
- लिकर्ट स्केल उत्तरदाताओं को बयानों या प्रश्नों की एक श्रृंखला प्रस्तुत करता है, जो फिर संख्यात्मक पैमाने पर उनकी सहमति या असहमति के स्तर को इंगित करते हैं।
- आमतौर पर उपयोग किए जाने वाले लिकर्ट स्केल प्रतिक्रिया विकल्पों में "दृढ़ता से असहमत," "असहमत," "तटस्थ," "सहमत," और "दृढ़ता से सहमत" शामिल हैं।
- प्रतिक्रियाओं को आमतौर पर संख्यात्मक रूप से कोडित किया जाता है, जिसमें उच्च मान उच्च सहमति या सकारात्मक दृष्टिकोण का प्रतिनिधित्व करते हैं।
लिकर्ट पैमाना अपनी सादगी, प्रशासन में आसानी और बारीक राय लेने की क्षमता के कारण लोकप्रिय है। किसी विशिष्ट विषय के प्रति प्रतिभागियों के दृष्टिकोण को समझने के लिए शोधकर्ता प्रतिक्रियाओं के वितरण के साथ-साथ डेटा की केंद्रीय प्रवृत्ति और परिवर्तनशीलता में अंतर्दृष्टि प्राप्त कर सकते हैं।
आप निम्नलिखित पर लिकर्ट पैमाने के बारे में अधिक विवरण पा सकते हैं विकिपीडिया पृष्ठ.
लिकर्ट स्केल डेटा का विश्लेषण करने के चरण
1. डेटा संग्रह और तैयारी
- सर्वेक्षण डिज़ाइन करें: विश्वसनीय डेटा प्राप्त करने के लिए एक अच्छी तरह से संरचित सर्वेक्षण बनाना महत्वपूर्ण है। अपने शोध उद्देश्यों के अनुरूप स्पष्ट और संक्षिप्त लिकर्ट स्केल प्रश्न तैयार करें। पूर्वाग्रह और अस्पष्टता से बचने के लिए बयानों के शब्दों पर विचार करें।
- डेटा प्रविष्टि और सफाई: एक बार सर्वेक्षण पूरा हो जाने पर, प्रतिक्रियाओं को डेटा स्प्रेडशीट या सांख्यिकीय सॉफ़्टवेयर में दर्ज करें। सुनिश्चित करें कि डेटा साफ़ किया गया है, किसी भी गुम या गलत प्रविष्टियों की जाँच करें जो विश्लेषण को प्रभावित कर सकती हैं।
2. वर्णनात्मक सांख्यिकी की गणना करें
- आवृत्ति वितरण: प्रतिक्रियाओं के वितरण को समझने के लिए, प्रत्येक प्रश्न के लिए प्रत्येक लिकर्ट स्केल विकल्प की आवृत्ति की गणना करें। वितरण को प्रभावी ढंग से देखने के लिए डेटा को एक तालिका या चार्ट में व्यवस्थित करें।
- माध्य और मानक विचलन की गणना करें: माध्य (औसत) और मानक विचलन प्रत्येक प्रश्न के लिए केंद्रीय प्रवृत्ति और प्रतिक्रियाओं के फैलाव के बारे में आवश्यक जानकारी प्रदान करते हैं। माध्य विशिष्ट प्रतिक्रिया का प्रतिनिधित्व करता है, जबकि मानक विचलन माध्य के आसपास प्रतिक्रियाओं के प्रसार को मापता है। एक उच्च मानक विचलन विचारों में अधिक परिवर्तनशीलता को इंगित करता है।
उदाहरण के लिए, किसी उत्पाद के साथ संतुष्टि के स्तर के बारे में 5-बिंदु लिकर्ट पैमाने पर एक सर्वेक्षण प्रश्न पर विचार करें, जिसमें प्रतिक्रियाएं इस प्रकार कोडित हों: 1 - अत्यधिक असंतुष्ट, 2 - असंतुष्ट, 3 - तटस्थ, 4 - संतुष्ट, और 5 - अत्यधिक संतुष्ट . डेटा एकत्र करने के बाद, उत्पाद के प्रति समग्र भावना को समझने के लिए प्रत्येक प्रतिक्रिया विकल्प की आवृत्ति और औसत संतुष्टि स्तर की गणना करें।
3. डेटा सामान्यता का आकलन करें
- सामान्यता परीक्षण: उपयुक्त सांख्यिकीय तकनीकों को लागू करने के लिए, जांचें कि क्या डेटा सामान्य वितरण का अनुसरण करता है। सामान्यता परीक्षण, जैसे शापिरो-विल्क या कोलमोगोरोव-स्मिरनोव परीक्षण, यह आकलन करते हैं कि डेटा सामान्य वितरण से महत्वपूर्ण रूप से विचलित होता है या नहीं।
- व्याख्या: यदि डेटा सामान्य रूप से वितरित किया जाता है (पी > 0.05), तो टी-टेस्ट और एनोवा जैसे पैरामीट्रिक सांख्यिकीय परीक्षणों का उपयोग किया जा सकता है। यदि डेटा सामान्य रूप से वितरित नहीं किया जाता है (पी <0.05), तो मैन-व्हिटनी यू परीक्षण या क्रुस्कल-वालिस परीक्षण जैसे गैर-पैरामीट्रिक परीक्षण अधिक उपयुक्त हैं।
उदाहरण के लिए, यदि हम सामान्यता परीक्षण का उपयोग करके दो अलग-अलग समूहों के लिए लिकर्ट स्केल प्रतिक्रियाओं का विश्लेषण करते हैं और पाते हैं कि डेटा सामान्य रूप से वितरित नहीं है, तो हम समूहों के दृष्टिकोण की तुलना करने के लिए गैर-पैरामीट्रिक मान-व्हिटनी यू परीक्षण का उपयोग करना चुन सकते हैं।
4. समूह तुलना और विश्लेषण
- समूहों की तुलना करना: यदि आपके सर्वेक्षण में कई समूह या चर शामिल हैं, तो महत्वपूर्ण अंतर या पैटर्न की पहचान करने के लिए उनकी प्रतिक्रियाओं की तुलना करें। सामान्य रूप से वितरित डेटा के लिए, टी-परीक्षण या विचरण का विश्लेषण (एनोवा) जैसी तकनीकों का उपयोग करें। जबकि गैर-सामान्य रूप से वितरित डेटा का विश्लेषण मैन-व्हिटनी यू परीक्षण या क्रुस्कल-वालिस परीक्षण जैसे गैर-पैरामीट्रिक परीक्षणों का उपयोग करके किया जा सकता है।
उदाहरण के लिए, एक सर्वेक्षण पर विचार करें जो 7-बिंदु लिकर्ट पैमाने पर एकत्र की गई प्रतिक्रियाओं के साथ दो अलग-अलग शिक्षण विधियों की प्रभावशीलता का मूल्यांकन करता है। यह निर्धारित करने के लिए एनोवा का उपयोग करें कि क्या दो शिक्षण विधियों के बीच कथित प्रभावशीलता में कोई महत्वपूर्ण अंतर है।
- सहसंबंध विश्लेषण: सहसंबंध गुणांक का उपयोग करके लिकर्ट स्केल प्रश्नों या चर के बीच संबंधों का पता लगाएं। सहसंबंध गुणांक के दो सबसे सामान्य प्रकार हैं, पियर्सन सहसंबंध गुणांक और स्पीयरमैन सहसंबंध गुणांक। पियर्सन सहसंबंध गुणांक सामान्य रूप से वितरित डेटा के लिए उपयुक्त है, जबकि स्पीयरमैन सहसंबंध गुणांक गैर-सामान्य रूप से वितरित डेटा के लिए उपयुक्त है।
उदाहरण के लिए, आप कर्मचारियों से लिकर्ट स्केल प्रतिक्रियाओं का उपयोग करके यह आकलन करना चाह सकते हैं कि नौकरी की संतुष्टि और कार्य प्रदर्शन के बीच कोई संबंध है या नहीं। रिश्ते की मजबूती और दिशा निर्धारित करने के लिए सहसंबंध गुणांक की गणना करें।
5. व्याख्या और विज़ुअलाइज़ेशन
- Data Visualization: प्रत्येक लिकर्ट स्केल विकल्प के लिए प्रतिक्रियाओं के वितरण को दृश्य रूप से दर्शाने के लिए चार्ट और ग्राफ़ जैसे बार चार्ट या स्टैक्ड बार चार्ट का उपयोग करके अपने निष्कर्ष प्रस्तुत करें। विज़ुअलाइज़ेशन दृष्टिकोण के वितरण को बेहतर ढंग से समझने और डेटा व्याख्या की सुविधा प्रदान करने में सहायता करता है। पढ़ना लिकर्ट स्केल डेटा कैसे प्रस्तुत करें लिकर्ट स्केल डेटा प्रस्तुत करने के बारे में अधिक जानकारी के लिए
- व्याख्या: परिणामों की सावधानीपूर्वक व्याख्या करें और डेटा विश्लेषण के आधार पर सार्थक निष्कर्ष निकालें। समूहों के बीच पैटर्न, रुझान और महत्वपूर्ण अंतर पर ध्यान दें। निष्कर्षों के निहितार्थों पर चर्चा करें और वे आपके शोध उद्देश्यों से कैसे संबंधित हैं।
लिकर्ट स्केल डेटा का विश्लेषण कैसे करें - व्यावहारिक उदाहरण
आइए लिकर्ट स्केल डेटा के विश्लेषण की प्रक्रिया को स्पष्ट करने के लिए एक व्यावहारिक उदाहरण पर विचार करें। कार्यस्थल सुविधाओं के साथ कर्मचारी संतुष्टि पर एक सर्वेक्षण आयोजित करने की कल्पना करें। आप 5-बिंदु लिकर्ट स्केल (1 - अत्यधिक असंतुष्ट, 2 - असंतुष्ट, 3 - तटस्थ, 4 - संतुष्ट, 5 - अत्यधिक संतुष्ट) का उपयोग कर रहे हैं। डेटा एकत्र करने और औसत संतुष्टि स्तर और मानक विचलन की गणना करने के बाद, आप पाते हैं कि माध्य 4.2 है, जो कर्मचारियों के बीच आम तौर पर सकारात्मक भावना को दर्शाता है। हालाँकि, 0.9 का उच्च मानक विचलन बताता है कि राय काफी भिन्न हैं। इसका मतलब है कि कुछ कर्मचारी बेहद संतुष्ट हैं जबकि अन्य कम संतुष्ट हैं।
इसके बाद, आप दो अलग-अलग विभागों - मानव संसाधन विभाग और विपणन विभाग - के बीच संतुष्टि के स्तर की तुलना करने का निर्णय लेते हैं। एक उपयुक्त सांख्यिकीय परीक्षण का उपयोग करना, जैसे कि सामान्य रूप से वितरित डेटा के लिए टी-टेस्ट या गैर-सामान्य रूप से वितरित डेटा के लिए मैन-व्हिटनी यू परीक्षण, आप पाते हैं कि दोनों विभागों के बीच संतुष्टि के स्तर में महत्वपूर्ण अंतर है। विपणन विभाग के कर्मचारी मानव संसाधन विभाग की तुलना में उच्च संतुष्टि स्तर की रिपोर्ट करते हैं।
अंत में, आप यह पता लगाना चाहेंगे कि क्या नौकरी की संतुष्टि और कर्मचारी प्रतिधारण दर के बीच कोई संबंध है। डेटा सामान्यता के आधार पर उचित सहसंबंध गुणांक का उपयोग करके, आप नौकरी की संतुष्टि और प्रतिधारण दर के बीच एक मजबूत सकारात्मक सहसंबंध की खोज करते हैं। इससे पता चलता है कि, यदि नौकरी से संतुष्टि अधिक है, तो संगठन के भीतर कर्मचारी प्रतिधारण दर भी अधिक होगी।
निष्कर्ष
निष्कर्ष में, लिकर्ट स्केल डेटा के विश्लेषण में उत्तरदाताओं के दृष्टिकोण और राय से सार्थक अंतर्दृष्टि प्राप्त करने के लिए कई महत्वपूर्ण कदम शामिल हैं। लिकर्ट पैमाने को समझकर, शोधकर्ता निर्णय लेने और आगे के शोध को सूचित करने के लिए बहुमूल्य जानकारी को अनलॉक कर सकते हैं। सामाजिक विज्ञान से लेकर बाजार अनुसंधान तक विभिन्न क्षेत्रों में लिकर्ट स्केल डेटा का सटीक विश्लेषण आवश्यक है। इससे शोधकर्ताओं को मानव व्यवहार, प्राथमिकताओं और धारणाओं को मात्रात्मक तरीके से समझने में मदद मिलती है। लिकर्ट स्केल डेटा विश्लेषण की गहन समझ के साथ, शोधकर्ता विश्वसनीय निष्कर्ष निकाल सकते हैं।
