सर्वेक्षण डेटा को प्रभावी ढंग से प्रस्तुत करना शोधकर्ताओं और पेशेवरों दोनों के लिए महत्वपूर्ण है। उपलब्ध कई उपकरणों में से, लिकर्ट स्केल दृष्टिकोण, राय और धारणाओं को मापने के लिए एक लोकप्रिय और व्यापक रूप से उपयोग की जाने वाली विधि है। हालाँकि, लिकर्ट स्केल सर्वेक्षण से कच्चे डेटा को सार्थक और व्यावहारिक दृश्य अभ्यावेदन में बदलना चुनौतीपूर्ण हो सकता है।
यह आलेख बताता है कि लिकर्ट स्केल डेटा को कैसे प्रस्तुत किया जाए, जिसमें आपके निष्कर्षों को स्पष्टता, सटीकता और प्रभाव के साथ संप्रेषित करने में मदद करने वाली तकनीकों और सर्वोत्तम प्रथाओं को शामिल किया जाए। आइए लिकर्ट स्केल डेटा को एक पेशेवर की तरह प्रस्तुत करने के रहस्यों को खोलें!
| ☑त्वरित जवाब |
| लिकर्ट स्केल डेटा प्रस्तुत करने के लिए, परिणामों को सारांशित करने के लिए प्रत्येक प्रतिक्रिया श्रेणी के लिए वर्णनात्मक आंकड़ों का उपयोग करें - जैसे औसत स्कोर या प्रतिशत। प्रतिक्रियाओं के वितरण को देखने के लिए स्टैक्ड बार चार्ट या बार चार्ट का उपयोग करें। देखे गए महत्वपूर्ण रुझानों या पैटर्न पर प्रकाश डालते हुए सभी महत्वपूर्ण निष्कर्ष प्रस्तुत करें। |
लिकर्ट स्केल डेटा को समझना
लिकर्ट स्केल सर्वेक्षण और अनुसंधान में सबसे अधिक उपयोग किए जाने वाले रेटिंग पैमानों में से एक है। इसका उपयोग व्यक्तियों की राय, प्राथमिकताएं, दृष्टिकोण और धारणाओं को मापने के लिए किया जाता है। रेंसिस लिकर्टएक मनोवैज्ञानिक, ने लिकर्ट स्केल विकसित किया और तब से, इसका उपयोग बाजार अनुसंधान और सामाजिक विज्ञान में बड़े पैमाने पर किया गया है।
लिकर्ट स्केल में कई आइटम या बयानों की श्रृंखला शामिल होती है, जिन पर उत्तरदाता प्रोग्राम्ड प्रतिक्रिया पैमाने पर अपनी असहमति या सहमति के स्तर को दिल से प्रदर्शित करते हैं।
प्रस्तुति के लिए लिकर्ट स्केल डेटा तैयार करना
प्रस्तुति के लिए लिकर्ट स्केल डेटा तैयार करने में एकत्रित डेटा की सटीकता, विश्वसनीयता और स्थिरता सुनिश्चित करने के लिए कुछ चरण शामिल हैं। इस प्रक्रिया को निम्नलिखित में विभाजित किया गया है:
- डेटा संग्रह और संगठन
लिकर्ट स्केल डेटा एकत्र करते समय यह सुनिश्चित करना महत्वपूर्ण है कि सभी प्रतिक्रियाएँ विश्वसनीय हैं। इसे केवल अच्छी तरह से डिज़ाइन की गई प्रश्नावली या सर्वेक्षण, अस्पष्ट प्रश्नों या बयानों से बचना, स्पष्ट विकल्पों को नियोजित करना और उचित प्रतिक्रिया विकल्पों का उपयोग करके प्राप्त किया जा सकता है।
एकत्र किया गया डेटा सुसंगत और सटीक होना चाहिए, जिसे त्रुटियों को कम करने के लिए डेटा एकत्र करते समय सावधानीपूर्वक निगरानी द्वारा मापा जाता है। प्रश्नावली को पूरा करने के लिए स्पष्ट निर्देश दिए जाने चाहिए।
- डेटा की सफाई और प्री-प्रोसेसिंग
इसमें अमान्य या अपूर्ण प्रतिक्रियाओं को हटाना, लुप्त मानों को संभालना और उन सभी प्रतिक्रियाओं को दूर करना शामिल है जो वैधता के लिए पूर्व-निर्धारित मानदंडों को पूरा करने में विफल रहती हैं।
- लिकर्ट स्केल डेटा को संख्यात्मक मानों में बदलना
लिकर्ट स्केल डेटा आमतौर पर क्रमिक श्रेणियों का उपयोग करता है - जैसे कि दृढ़ता से सहमत, सहमत, तटस्थ, असहमत और दृढ़ता से असहमत। इसलिए, विज़ुअलाइज़ेशन के लिए लिकर्ट स्केल प्रतिक्रियाओं को संख्यात्मक मानों में परिवर्तित करना आम बात है।
यह विकल्पों के बीच के परिमाण या सापेक्ष दूरी पर विचार करते हुए, प्रत्येक प्रतिक्रिया विकल्प के लिए मान या संख्यात्मक कोड निर्दिष्ट करके किया जाता है।
- लिकर्ट स्केल डेटा को विज़ुअलाइज़ करना
इस लोकप्रिय रूप से उपयोग की जाने वाली रेटिंग प्रणाली के माध्यम से प्राप्त प्रतिक्रियाओं की प्रभावी समझ और संचार के लिए लिकर्ट स्केल डेटा को विज़ुअलाइज़ करना महत्वपूर्ण है। डेटा का प्रतिनिधित्व करने और सार्थक अंतर्दृष्टि निकालने में सबसे उपयुक्त विज़ुअलाइज़ेशन तकनीक चुनना शामिल है।
सबसे लोकप्रिय में से कुछ में शामिल हैं:
- बार चार्ट
यह लिकर्ट स्केल डेटा प्रदर्शित करने का एक सरल तरीका है। प्रत्येक प्रतिक्रिया श्रेणी को एक अलग बार के साथ दर्शाया गया है चार्ट. प्रत्येक बार की ऊंचाई उस विशिष्ट श्रेणी में प्रतिक्रियाओं के प्रतिशत या आवृत्ति को इंगित करती है।
- स्टैक्ड बार चार्ट को अलग करना
ये लिकर्ट स्केल डेटा को विज़ुअलाइज़ करने के लिए बिल्कुल उपयुक्त हैं जिसमें नकारात्मक और सकारात्मक प्रतिक्रियाएं शामिल हैं। यह पाठकों को लिकर्ट पैमाने के दोनों ओर प्रतिक्रियाओं के वितरण को देखने की अनुमति देता है। नकारात्मक और सकारात्मक खंड एक केंद्रीय बिंदु से निकलते हैं।
- स्टैक्ड बार चार्ट
ये कई लिकर्ट स्केल आइटमों में प्रतिक्रियाओं के वितरण की तुलना करने के लिए उपयोगी हैं। प्रत्येक बार प्रत्येक आइटम के लिए कुल प्रतिक्रिया संख्या का प्रतिनिधित्व करता है। बार में विभिन्न खंड कई प्रतिक्रिया श्रेणियों से मेल खाते हैं।
- निरपेक्ष आवृत्तियाँ
ये प्रत्येक श्रेणी में प्रतिक्रियाओं की संख्या दर्शाते हैं। इस महत्वपूर्ण जानकारी को शामिल करने से पाठकों को प्रतिक्रियाओं के वितरण को समझने में मदद मिलती है, खासकर कच्ची गणना के संदर्भ में।
- heatmaps
बड़ी मात्रा में लिकर्ट स्केल डेटा प्रस्तुत करने के लिए हीटमैप्स आवश्यक हैं। वे अक्सर प्रतिशत या प्रतिक्रिया आवृत्तियों का प्रतिनिधित्व करने के लिए रंग ग्रेडिएंट का उपयोग करते हैं। इससे कई आयामों या वस्तुओं में रुझानों और पैटर्न को इंगित करना आसान हो जाता है।
अक्सर पूछे जाने वाले प्रश्न
- लिकर्ट स्केल मात्रात्मक है या गुणात्मक?
लिकर्ट स्केल से प्राप्त डेटा मात्रात्मक है क्योंकि वे बिंदुओं के बीच समान अंतराल मानते हैं।
- लिकर्ट स्केल के साथ क्या समस्याएँ हैं?
लिकर्ट स्केल की समस्याओं में असमान प्रतिक्रियाएँ शामिल हैं। इससे प्राप्त उत्तरों को रैंक करना चुनौतीपूर्ण हो जाता है। यानी आज प्रत्येक प्रतिक्रिया के बीच की दूरी मापने योग्य या समान दूरी नहीं है।
निष्कर्ष
सर्वेक्षण परिणामों और अंतर्दृष्टि को सटीक रूप से व्यक्त करने के लिए लिकर्ट स्केल डेटा प्रस्तुत करना सीखना महत्वपूर्ण है। इस लेख में चर्चा किए गए दिशानिर्देशों का पालन करके, जैसे डेटा को व्यवस्थित करना, उचित विज़ुअलाइज़ेशन चुनना और स्पष्ट स्पष्टीकरण प्रदान करना, शोधकर्ता और विश्लेषक अपने निष्कर्षों के प्रभाव और समझ को बढ़ा सकते हैं।
