热门搜索:

济南升界软件有限公司专业从事新高考教师考评、选课走班教师考评、企业员工考评、学生综合素质评价等;本公司重视每一位用户的意见与反馈,倾听用户需求,不断改进和升级我们的产品,提升我们的服务质量,是我们重要的工作。希望成为您可信赖的合作伙伴与朋友!

    黄冈问卷调查系统电话

    更新时间:2020-08-09   浏览数:12
    所属行业:项目 技术 软件开发
    发货地址:山东省济南历下区  
    产品规格:
    产品数量:9999.00个
    包装说明:
    单 价:面议
    有效性
    保证测度项的有效性
    我们已经提到测度项要有可靠性。但有效性不止于可靠性,还有更多的要求。有效性的基本要求是“问该问的问题”。要达到这一要求,首先,研究者对一个理论构件的定义要十分明确 。一个常犯的错误是研究者对一个理论构件还不熟悉就急于设计问卷。只有明确一个理论构件的定义(它的内涵),它的适用范围 (外延),研究者才能判断测度项的好坏。第二,测度项的产生过程要符合理论构件的定义。我们在讨论测度项的产生方法时已经提到了一些好的与不好的做法。这些做法归根到底是在保证测度项的有效性。第三,测度项设计好之后要进行内容有字面效性检查、预试 (pre-test) 、测度项分类、或预调查(pilot test)。为什么测度项按着明确的定义与合适的产生方法设计以后还要再做预试等等呢?这是因为产生步骤中考虑的主要是测度项与理论构件之间的关系,但没有考虑不同理论构件的测度项之间可能的混淆。这些方法具体的操作与统计分析可以参看《社会调查研究》
    黄冈问卷调查系统电话
    问卷设计的程序
    1.确定主题和资料范围。根据调查目的的要求,研究调查内容、所需收集的资料及资料来源、调查范围等,酝酿问卷的整体构思,将所需要的资料一一列出,分析哪些是主要资料,哪些是次要资料,哪些是可要可不要的资料,淘汰那些不需要的资料,再分析哪些资料需要通过问卷取得、需要向谁调查等,并确定调查地点、时间及对象。
    2.分析样本特征。分析了解各类调查对象的社会阶层、社会环境、行为规范、观念习俗等社会特征;需求动机、潜在欲望等心理特征;理解能力、文化程序、知识水平等学识特征,以便针对其特征来拟题。
    3.拟定并编排问题。首先构想每项资料需要用什么样的句型来提问,尽量详尽地列出问题,然后对问题进行检查、筛选,看它有无多余的问题,有无遗漏的问题,有无不适当的问句,以便进行删、补、换
    4.进行试问试答。站在调查者的立场上试行提问,看看问题是否清楚明白,是否便于资料的记录、整理;站在应答者的立场上试行回答,看看是否能答和愿答所有的问题,问题的顺序是否符合思维逻辑。估计回答时间是否合乎要求。有必要在小范围进行实地试答,以检查问卷的质量。
    5.修改、复印。根据试答情况,进行修改,再试答,再修改,直到完全合格以后才定稿付印,制成正式问卷。
    黄冈问卷调查系统电话
    三剖析进程:
    [设置剖析测评内容]-[核算处理],点击按钮[初步核算]。只需有新读卡操作,或许导入了读卡数据,有必要实行此功用。
    黄冈问卷调查系统电话
    ,调查对象缺少相关知识。如果调查对象缺少一个测度项中所要求的知识,结果就会不可靠。这个“对牛弹琴”的错误罪在研究者。比如你如果问一个普通市民:您觉得本市进行作物研究成功的可能性有多大?(非常小—非常大)。一个市民通常不会有这方面的知识。更多时候,一个调查对象没法回答一个问题是因为他没有相关的经历,比如在商场中进行抽样调查时,你可能会问一个根本不会用电脑的老人家:“您觉得通过网站购买日用品方便么?(非常方便—非常不方便)。
    第二,措词过于学术化、晦涩难懂。这是另一类“对牛弹琴”的错误。“您所在的项目小组的内聚性有多高?(非常低—非常高) ”。什么是“内聚性”(cohesion) ?除非有一个明确的定义写在问卷中,调查对象不会知道你在问什么。
    第三,测度项不完整。假定测度项是:你的年龄?如果年龄对这个研究很重要,这个问题就是不完整的。在国内,有人可能报虚岁,也有人报周岁。比较好的措词是:你的出生年份?
    第四,语义不明确。假定测度项是:过去一个月你向上司咨询过几次?这里有几个方面是不明确的。,哪些上司?是任何比你更高层的人还是你的直属上司?第二,怎样算是咨询?是询问工作中的问题还是生活中的问题?是面对面还是包括电话与电邮?一个更明确的测度项可能是:不管是以面对面还是电话或电邮的方式,过去一个月你向你的直属上司咨询过几次关于你工作中的问题?这个例子也说明测度项的准确性与简洁性往往是矛盾的。
    第五,测度项内含多个问题。假定测度项是:工作带给我很高的自信心与安全感(非常同意—非常不同意)。到底是自信心还是安全感?这种问题的一个特点是其中有“与”或“或”。如果研究者对这两个方面都感兴趣,就应该把这个问题分成两个来问。再假定测度项是:你每个月在这家商店购物超过50元的次数是多少?调查对象要进行两次计算:一次是一共去了几次,另一次是超过50元的次数。分开来问会更明确。再假定测度项是:公司对你们的项目支持的程度是:(很高—很低,不知道)。如果研究者预计有很多人会回答“不知道”,这个问题就应该拆分成两个:您对公司对这个项目的态度有没有了解?如果有,对你们的项目支持的程度是:(很高—很低)。
    第六,测度项内含有多个变量之间的关系。这是初学者很容易犯的一个错误。比如为了测试报酬与工作态度之间的因果关系,有人会为报酬设计这样的测度项“丰厚的报酬对于增加我的工作积极性十分重要,(非常不同意—非常同意) ”。 这样的问题在日常生活中十分普遍。但在研究中,为了验证报酬与工作态度之间的关系,我们必须把它们分开来测量。为什么呢?因为我们要验证的是报酬水平与工作态度的水平之间的关系,所以我们应该测量这两个水平的本身。在数据收集过程的本身,我们不能预先设定立场而应保持中立(但在提出假设时我们的确有一个立场)。而这种关于“重要性”的直接提问已经预先有了一个立场。这样一个预设的立场会产生几个问题。一,调查对象会沿着调查者的立场去回答,因而不反映他们的实际行为。二,这样的直接测试虽然可以测量到两个变量之间的关系水平,但反而无法在统计上支持这个关系水平的显著程度。假定刻度细度是7,即非常不同意=1,非常同意=7。如果得到的均值是5,这个值说明了什么呢?难道因为它大于中间点4就表明这两个变量之间有关系了吗?因为我们不知道在这两个变量真的没有因果关系时调查对象的均值是多少(也许是4,但也可能是4.5或3.6),我们无法在统计上有信心说5就表明有关系。相反,如果这两个变量分别测量,我们可以计算它们之间的统计上的相关系数,并进行显著度的检验 (比如t-test)。要注意的是,这种“重要性”并不是在所有的情况下都不可取。有时,研究者的变量就是关于重要性的感知水平,这时,这样的测度项是可以,比如:工作的稳定性会影响报酬对于工作态度的重要性。
    测度项的设计还以有其它多种多样的问题。以上所提到只是一些典型的错误。关键是研究者要有对测度项质量的敏感性。
    -/gbabfhj/-

    http://www.jinsjrj.com