Aprenda tudo sobre as perguntas da escala likert, explore o questionário completo com exemplos.
A Escala Likert é um método de medição usado pelos pesquisadores com o objetivo de avaliar a opinião e as atitudes das pessoas. Existem vários tipos de escalas de medição focadas no comportamento das pessoas, e a escala Likert é uma das mais utilizadas.
A Escala Likert é uma escala de classificação usada para questionar uma pessoa sobre seu nível de concordância ou discordância com uma declaração. É ideal para medir as reações, atitudes e comportamentos de uma pessoa.
Diferentemente de uma pergunta simples "sim" / "não", a escala Likert permite que os respondentes classifiquem suas respostas.
Esse nome é dado pelo psicólogo - Rensis Likert. Likert distinguiu entre uma escala apropriada, que emerge das respostas coletivas a um grupo de itens (eles podem ser 8 ou mais), e o formato em que as respostas são pontuadas em uma faixa de valores.
Tecnicamente, uma escala likert refere-se a esta. A diferença entre esses dois conceitos tem a ver com a distinção que Likert fez entre o fenômeno que está sendo investigado e as variáveis dos meios de captura.
A escala Likert é um dos tipos de escalas de medição usadas principalmente em pesquisas de mercado para entender as opiniões e atitudes de um consumidor em relação a uma marca, produto ou mercado-alvo. É usado principalmente para fazer medições e aprender sobre o grau de conformidade de uma pessoa ou respondente em relação a uma determinada sentença afirmativa ou negativa.
Ao responder a um item na escala Likert, o usuário responde especificamente com base em seu nível de concordância ou discordância. As escalas de frequência com a escala Likert usam um formato de resposta fixo que é usado para medir atitudes e opiniões. Essas escalas permitem determinar o nível de concordância ou discordância dos entrevistados.
A escala de Likert assume que a força e a intensidade da experiência são lineares, portanto, passa de concordo totalmente a discordo totalmente, assumindo que as atitudes possam ser medidas.
As respostas podem ser oferecidas em diferentes níveis de medição, permitindo escalas de 5, 7 e 9 elementos previamente configurados. Você sempre deve ter um elemento neutro para os usuários que não concordam nem discordam.
Abaixo, temos alguns exemplos de perguntas da escala Likert que você pode aplicar durante o processo de pesquisa.
Criar perguntas de Escala Likert gratuitamente!
Como vimos alguns exemplos de perguntas da Likert que você pode implementar em sua próxima pesquisa, compartilharemos alguns tipos de respostas que você pode oferecer ao respondente de acordo com o tipo de escala Likert que você usa.
Leia também: Escala proporcional e escala de intervalo – conheça as diferenças.
Veja 5 exemplos de escalas Likert para sua próxima pesquisa.
Os itens devem ser facilmente relacionados às respostas da sentença, independentemente de a relação entre item e sentença ser evidente.
Os itens devem sempre ter duas posições extremas, bem como um item intermediário que serve como uma graduação entre os extremos. É importante mencionar que, apesar de a escala Likert mais comum ser a escala de 5 itens, o uso de mais itens ajuda a gerar maior precisão nos resultados.
style="text-align: justify;font-size: 18px;">Os itens da balança devem sempre ser seguros e confiáveis. Para obter confiabilidade, às vezes é necessário sacrificar a precisão da balança.
Pesquisas são constantemente usadas para medir a qualidade. Por exemplo, pesquisas podem ser usadas para medir a percepção do cliente sobre a qualidade do produto ou o desempenho da qualidade na prestação de serviços.
As escalas Likert são um formato de classificação comum para pesquisas. Os entrevistados classificam a qualidade de alto a baixo ou de melhor a pior usando cinco ou sete níveis.
Os estatísticos geralmente agrupam os dados coletados nessas pesquisas em uma hierarquia de quatro níveis de medição:
Dados Nominais: O nível mais fraco de medição que representa categorias sem representação numérica.
Dados Ordinais: Dados nos quais é possível ordenar ou classificar as respostas, mas não é possível medir a distância.
Dados de Intervalo: Em geral, dados inteiros nos quais podem ser feitas medições de ordem e distância.
Dados de Relação: Dados nos quais é possível ordenar, distância, decimais e frações significativas entre variáveis.
As análises de dados usando dados nominais, de intervalo e de proporção são geralmente simples e transparentes. As análises dos dados ordinais, particularmente no que diz respeito ao Likert ou a outras escalas nas pesquisas, não são.
Uma razão subjacente para a análise de dados ordinais como dados de intervalo pode ser a afirmação de que os testes estatísticos paramétricos (baseados no teorema do limite central) são mais poderosos que as alternativas não paramétricas.
No entanto, tratar dados ordinais como dados de intervalo (ou mesmo de relacionamento) sem examinar os valores no conjunto de dados e os objetivos da análise pode ser enganoso e deturpar os resultados de uma pesquisa.
As escalas Likert foram desenvolvidas em 1932 como uma resposta bipolar (também conhecida como escala de diferencial semântico) de cinco pontos com a qual a maioria das pessoas está familiarizada atualmente. Três dessas escalas variam de um grupo de categorias da menor para a maioria, pedindo às pessoas que indiquem o quanto concordam ou discordam, aprovam ou desaprovam ou acreditam que seja verdadeiro ou falso.
Realmente não há maneira errada de construir uma escala Likert. A consideração mais importante é incluir pelo menos cinco categorias de resposta. Alguns exemplos de grupos de categorias aparecem na Tabela 1.
As extremidades da escala são frequentemente aumentadas para criar uma escala de sete pontos, adicionando "very" à parte superior e inferior das escalas de 5 pontos. A escala de 7 pontos demonstrou atingir os limites superiores de confiabilidade da escala de 4 pontos.
Como regra geral, a Likert e outros recomendam que é melhor usar a maior escala possível. Você sempre pode recolher respostas em categorias condensadas, se apropriado, para análise.
Com isso em mente, as escalas às vezes são truncadas para um número par de categorias (geralmente quatro) para eliminar a opção "neutra" em uma escala de pesquisa de "escolha forçada".
Como regra geral, a média e o desvio padrão são parâmetros inválidos para estatística descritiva quando os dados estão em escalas ordinais, assim como qualquer análise paramétrica baseada na distribuição normal.
Procedimentos não paramétricos de faixa, mediana ou faixa são adequados para analisar esses dados, assim como métodos de distribuição gratuita, como tabulações, frequências, tabelas de contingência e estatísticas de qui-quadrado.
Os modelos de Kruskall-Wallis podem fornecer o mesmo tipo de resultado que uma análise de variância, mas com base em faixas e não em meios de respostas. Como essas escalas são representativas de uma medida subjacente contínua, uma recomendação é analisá-las como dados de intervalo como piloto antes de coletar a medida contínua.
Um exemplo de conclusões enganosas foram os resultados da pesquisa anual da Alfred P. Sloan Foundation sobre a qualidade e a extensão do aprendizado on-line nos Estados Unidos. Os entrevistados usaram uma escala Likert para avaliar a qualidade do aprendizado on-line em comparação com o aprendizado presencial.
Embora 60% dos entrevistados percebam o aprendizado on-line igual ou melhor que o presencial, há uma minoria persistente que considera o aprendizado on-line como pelo menos um pouco inferior.
Se esses dados fossem analisados por médias, com uma escala de 1 a 5, de menor a maior, essa separação seria perdida, dando médias de 2,7, 2,6 e 2,7 para esses três anos, respectivamente. Isso indicaria um acordo ligeiramente abaixo da média, e não a distribuição real das respostas.
As escalas Likert de cinco pontos são comumente associadas a pesquisas e são usadas em uma ampla variedade de configurações. Você se deparou com a escala Likert se já foi perguntado se concorda totalmente, concorda, discorda ou discorda, discorda ou discorda totalmente de algo. Acima, você pode encontrar alguns exemplos desse tipo de pergunta.
Como os dados do elemento Likert são discretos, ordinais e de escopo limitado, houve uma longa disputa sobre a maneira mais válida de analisar os dados do Likert.A escolha básica é entre um teste paramétrico e um teste não paramétrico. Os prós e contras de cada tipo de teste são geralmente descritos da seguinte maneira:
Provas Paramétricas como o teste T de 2 amostras, eles assumem uma distribuição normal e contínua. No entanto, com um tamanho de amostra suficiente, os testes t são robustos às saídas normais.
Provas não Paramétricas: como o teste de Mann-Whitney, eles não assumem uma distribuição normal ou contínua. No entanto, há preocupações sobre a diminuição da capacidade de detectar uma diferença quando uma realmente existe.
Qual é a melhor opção? Essa é uma decisão real que você deve tomar quando analisar os dados da pesquisa ao usar o Likert.
Ao longo dos anos, vários estudos tentaram responder a essa pergunta. No entanto, eles tendem a observar um número limitado de distribuições potenciais para os dados do Likert, o que causa sofrimento na generalização dos resultados.
Graças ao aumento do poder de computação, os estudos de simulação agora podem avaliar completamente uma ampla variedade de distribuições.
Os pesquisadores identificaram um conjunto diversificado de 14 distribuições representativas dos dados reais da Likert. O programa de computador chamou pares independentes de amostras para testar todas as combinações possíveis das 14 distribuições.
No total, 10.000 amostras aleatórias foram geradas para cada uma das 98 combinações de distribuição. Os pares de amostras são analisados usando o teste t de duas amostras e o teste de Mann-Whitney para comparar a eficácia de cada teste. O estudo também avaliou diferentes tamanhos de amostra.
Os resultados mostram que, para todos os pares de distribuições, as taxas de erro tipo I (falso positivo) estão muito próximas das quantidades alvo. Em outras palavras, se você usar alguma das análises e seus resultados forem estatisticamente significativos, não precisará se preocupar excessivamente com um falso positivo.
Os resultados também mostram que, para a maioria dos pares de distribuições, a diferença entre o poder estatístico dos dois testes é trivial. Em outras palavras, se realmente houver uma diferença no nível da população, é provável que qualquer análise a detecte.
Preocupações com o teste de Mann-Whitney que têm menos poder nesse contexto parecem infundadas. Eu tenho um aviso. Existem alguns pares de distribuições específicas nas quais há uma diferença de poder entre os dois testes.
Se você executar os dois testes com os mesmos dados e eles discordarem (um é significativo e o outro não), consulte uma tabela no artigo para determinar se uma diferença no poder estatístico pode ser um problema. Essa diferença de poder afeta apenas uma pequena minoria de casos.
Em geral, a escolha entre as duas análises é um empate. Se você precisar comparar dois conjuntos de dados Likert de cinco pontos, geralmente não importa qual análise você usa.
Os dois testes quase sempre fornecem a mesma proteção contra falsos negativos e sempre a mesma proteção contra falsos positivos. Esses padrões são válidos para tamanhos de amostra de 10, 30 e 200 por grupo.
A pesquisa na escala Likert é um método universal de coleta de dados ou informações, o que significa que é fácil de entender e responder. Essa é uma pergunta essencial para medir a opinião ou a atitude de um respondente em relação a um determinado tópico; portanto, será de grande ajuda em sua próxima investigação.
Lembre-se de que, com QuestionPro, você pode fazer pesquisas on-line usando a escala Likert. Comece criando sua conta gratuita e comece a testar esse tipo de pergunta.
Se você quiser obter mais informações sobre esta e outras perguntas em nossa plataforma agende uma demonstração gratuíta e conte-nos sobre seu projeto e teremos o prazer de oferecer uma de nossas ferramentas de pesquisa que melhor se adequam às suas necessidades.
Portugal
