・李克特量表(Likert Scale)與測量設計
・ 李克特量表(Likert Scale)
|
李克特量表(Likert Scale)設計與態度測量
|
|
李克特量表是用於量化使用者「主觀態度、感受、心理阻力與同意程度」最常見的測量工具,能將抽象的質性痛點轉化為可進行統計分析的數據。
|
| 核心設計構面 |
理論邏輯與設計規範 |
實務應用與專案範例 |
1. 點數刻度選擇
(5-point vs. 7-point)
|
• 5 點量表(本課程推薦):1 分非常不同意 ➜ 3 分普通/無意見 ➜ 5 分非常同意。填答認知負擔低,適合一般大眾與快速施測。
• 7 點量表:提供更細緻的鑑別度,適用於專業領域(SME)或研究樣本對議題高度敏感時。
• 奇數 vs. 偶數點:奇數點包含中立項(3分/4分),避免強迫表態;偶數點(4點/6點)為迫選式,強制受訪者表達傾向。
|
• 標準 5 點刻度配置:
[1] 非常不同意
[2] 不同意
[3] 普通 / 無意見
[4] 同意
[5] 非常同意
|
2. 題項撰寫規範
(Item Formulation)
|
• 陳述句原則(Statement):題幹必須是一個明確的「肯定句」或「主張」,而非問句,讓受訪者能針對陳述表達同意程度。
• 單維度聚焦:一個題項僅測量單一心理感受,嚴禁包含多重條件(Double-Barreled)。
• 文字中立性:題幹敘述需保持平實,避免使用情感強烈的誇大詞彙(如「極度噁心」、「絕對完美」)。
|
❌ 錯誤(問句型):「您覺得海廢很髒嗎?」
✅ 正確(陳述句):「在沒有工具防護下,碰觸海廢會讓我感到心理不適。」
❌ 錯誤(多重條件):「野菜健康且容易料理。」
✅ 正確(單維度):「對我而言,烹調野菜是一件門檻很高的事。」
|
3. 反向題設計
(Reverse-Coded Items)
|
• 設計目的:防止受訪者產生「慣性填答(Straight-lining)」或未看題目即全選相同分數。
• 邏輯反轉:故意調整題幹方向(將期待值反轉),後續數據分析時需將分數進行反向計分轉化(如 1 分變 5 分)。
• 比重建議:量表中建議加入 15%–20% 的反向檢測題。
|
• 正向題:「採購食材時,我非常看重商品是否有清楚的履歷認證。」
• 反向題:「購買沒有標示來源與認證的野菜對我而言毫無疑慮。」
(若兩題分數相同,代表該樣本品質存疑)
|
4. 專案雙案例 量表測量示範
(Case Demonstration)
|
• 《海廢聲景》構念:環境焦慮與聲音介面接受度
測量遊客對海廢造成的視覺干擾、髒污焦慮,以及轉向聽覺/聲景體驗的開放態度。
• 《老野野菜》構念:浪費罪惡感與育苗盲盒意願
測量租屋族對未知食材的失敗恐懼、食材浪費罪惡感,以及對簡易育苗裝幀的購買意願。
|
• 《海廢聲景》題項:
「比起閱讀文字告示牌,我更願意透過收聽聲音/聲景來了解海岸故事。」
• 《老野野菜》題項:
「若隨附簡單的食譜與泥炭土盲盒,會大幅提升我嘗試栽種野菜的意願。」
|
・ 開放式提問技巧
善用「5 Whys」、避免引導性提問(Leading Questions),捕捉故事與情感經驗。
深度訪談:開放式提問技巧與情感經驗捕捉對照表
・抽樣與樣本設定
(Sampling & Sample Size Strategy)
・ 抽樣與樣本設定
|
抽樣策略與樣本數設定(Sampling & Sample Size Strategy)實務講義
|
|
抽樣策略決定了量化數據的「代表性(Representativeness)」與「外推推論效力」。明確的樣本數計算與正確的接觸通路,是確保量化檢定結果客觀可靠的基礎。
|
| 抽樣構面 |
理論邏輯與設計規範 |
專案實務與對照範例 |
1. 抽樣方法選擇
(Sampling Methods)
|
• 機率抽樣(Probability Sampling):隨機抽樣,理論上最能推論母體,但實務上需要完整的清冊名冊(抽樣框),成本極高。
• 非機率抽樣(Non-Probability Sampling):本課程專案採用,包含「立意抽樣(Purposive)」與「配額抽樣(Quota)」,根據質性 Persona 特徵精準設定受訪對象。
• 滾雪球抽樣(Snowball):透過受訪者轉介紹,適合極端使用者或特定小眾族群。
|
• 立意與配額設定(Quota Control):
按「造訪/料理頻率」設定配額比例:
- 輕度/一般使用者:60%
- 重度/狂熱使用者:30%
- 抗拒/非使用者:10%
|
2. 樣本數規範與計算
(Sample Size Rule)
|
• 經驗法則 (Rule of Thumb):樣本數應為問卷最高量表題數的 5–10 倍。
• 統計檢定最低門檻:若要進行獨立樣本 t 檢定或單因子變異數分析 (ANOVA),總有效樣本建議達到 N ≥ 100 – 150 份(單一子群體 n ≥ 30)。
• 預期回收率與備用數:發放時需額外預留 15–20% 的預估無效問卷損耗率。
|
• 本課程作業發放規範:
- 核心題數:15 題
- 最低目標有效問卷:N = 100 份
- 建議預計發放數量:120 份(確保清洗無效問卷後仍達標)
|
3. 通路發放與偏差控制
(Channel & Bias Control)
|
• 單一渠道偏差(Sampling Bias):若僅在 FB/IG 社群發放,容易偏向特定年齡與高數位黏著族群。
• 線上與線下雙軌發放:結合網路問卷(SurveyCake / Google Forms)與現場實地攔截(Street Intercept),互補樣本結構。
• 誘導與誘因設計:提供抽獎或小禮物時,禮品性質需中立,避免誘因本身吸引非目標族群前來濫填。
|
• 對應通路配置策略:
- 線上:相關主題討論區、租屋社團
- 線下:實地場域隨機攔截訪問
- 誘因:精美周邊或體驗抽獎
|
4. 專案雙案例 抽樣通路示範
(Case Demonstration)
|
• 《海廢聲景》抽樣通路:
線上發放於露營、戶外水上運動與觀光社團;線下於熱門休閒海岸現場攔截遊客,確保樣本具備實際造訪經驗。
• 《老野野菜》抽樣通路:
線上發放於租屋自煮料理社群、植物植栽討論區;線下於假日小農市集或有機超市進行調查,確保包含有自煮習慣的都市族群。
|
• 《海廢聲景》目標數:
N = 120 份(海岸現場攔截 40 份 + 線上社群 80 份)
• 《老野野菜》目標數:
N = 120 份(小農市集 40 份 + 租屋社群 80 份)
|
・避免誘導性問題與偏誤控制(Bias Prevention & Question Formulations)
|
避免誘導性問題與偏誤控制(Bias Prevention & Question Design)講義
|
|
問卷題幹的措辭對數據真實性有決定性影響。避免引導語氣、社會期待與複雜文法,是確保量化數據客觀不失真的第一道防線。
|
| 常見問卷陷阱類型 |
問題成因與偏誤影響 |
修正對照與專案實務範例 |
1. 誘導性問題
(Leading Questions)
|
• 成因:題幹中使用了帶有價值判斷、情緒或道德傾向的詞彙,預設了受訪者應有的答案。
• 偏誤影響:導致受訪者順應題幹方向回答,大幅高估特定態度的比例,使數據失去客觀性。
|
❌ 誘導問法:
「為了支持永續海洋,你不覺得政府應該多設告示牌嗎?」
✅ 中立修正:
「您對現有海岸告示牌所產生的提醒效果評價為何?」
|
2. 雙重問題
(Double-Barreled)
|
• 成因:在同一個題項中同時詢問了兩個不同的概念或條件(例如:同時問「滿意度與價格」)。
• 偏誤影響:若受訪者同意 A 卻不同意 B,將無法選擇刻度,最終導致收集到的數據無法分析。
|
❌ 雙重問法:
「您覺得野菜既健康又容易料理嗎?」
✅ 拆解修正:
拆分為獨立兩題:
題1:「您認為野菜對健康有益。」
題2:「對您而言,烹調野菜是一件門檻很高的事。」
|
3. 社會期待偏誤
(Social Desirability)
|
• 成因:題目過於強調道德高尚或社會規範(如:環保、無私、公益),使受訪者不敢選擇「不道德」但真實的選項。
• 修正技巧:將題目情境客觀化,或改為測量「具體行為與障礙」而非高標道德意識。
|
❌ 高道德問法:
「您去海邊看到垃圾時,會不會熱心手撿乾淨?」
✅ 情境障礙問法:
「在沒有手套工具時,直接碰觸沙灘廢棄物會讓我感到心理不適。」
|
4. 雙重否定與術語盲點
(Complexity & Jargon)
|
• 成因:使用複雜的雙重否定句(如「難道你不認為不應該…」)或設計專業內部術語(如「聲景」、「民族植物學」)。
• 偏誤影響:受訪者因理解困難而產生認知疲勞,導致隨機填答或誤解題意。
|
❌ 術語盲點:
「您對海岸沉浸式聲景(Soundscape)載體的體驗意願為何?」
✅ 生活化轉譯:
「比起閱讀文字告示,您更願意透過手機聆聽海岸聲音與在地故事。」
|
・量化問卷示意
《量化問卷》案例示範
這是一份依據問卷設計邏輯、漏斗式結構、李克特量表規範、抽樣配額與偏誤控制原則所擬定之 《海廢聲景 (Echoes of the Debris):海岸休閒體驗與聲音介面接受度量化問卷》 完整案例示範。
全卷共計 16 題,嚴格遵守「題數不超過 20 題、作答時間 3–5 分鐘」之認知負擔控制規範,並包含過濾題、客觀行為題、5 點李克特態度量表(含反向檢驗題)與人口統計變數,可直接作為 Google Forms 或 SurveyCake 之建置範本:
這是一份依據上述問卷設計邏輯、漏斗式結構、李克特量表規範、抽樣配額與偏誤控制原則所擬定之 《老野野菜:都市族群野生植物飲食態度與體驗意願量化問卷》 完整案例示範。
全卷共計 16 題,嚴格遵守「題數不超過 20 題、作答時間 3–5 分鐘」之認知負擔控制規範,並包含過濾題、客觀行為題、5 點李克特態度量表(含反向檢驗題)與人口統計變數,可直接作為 Google Forms 或 SurveyCake 之建置範本。
・作業說明
本單元課後作業 (Assignment 05)
|
課後作業:量化調查問卷建置、線上發放與數據收回
|
|
本作業旨在引導團隊將前階段的質性 Persona 洞察轉化為客觀量化工具,透過問卷平台建置、小組預試與實際發放,收集具備統計效力的第一手數據。
|
| 作業執行階段 |
核心任務與執行規範 |
應交付成果 (Deliverables) |
任務一
線上問卷建置與預試
(Setup & Pre-test)
|
• 平台建置:選擇使用 SurveyCake 或 Google Forms,依據「漏斗式架構」建置至少 15 題之量化問卷。
• 內建防錯:務必包含過濾題(Q1)、至少 1 題反向檢驗題,以及 5 點李克特量表。
• 小組預試 (Pre-test):進行 5–10 份組內預試,修訂語意模糊與邏輯卡關之題項。
|
• 正式發放之「線上問卷連結」
• 問卷題項設計與質性轉譯對照表(Word / PDF)
|
任務二
雙軌發放與數據收回
(Data Collection)
|
• 配額抽樣執行:結合線上相關社群(80%)與線下實地場域攔截(20%)進行推播與發放。
• 有效樣本門檻:最終收回之總有效問卷需達到 N ≥ 100 份。
• 進度監控:定時檢視填答時間分佈,確保無大量不合常理之快速作答。
|
• 原始數據 Responses CSV / Excel 試算表
• 發放通路與配額統計紀錄表
|
任務三
數據清洗與初步驗證
(Data Cleaning)
|
• 無效問卷剔除:剔除「作答時間低於 1 分鐘」、「全選相同刻度(直線連連看)」或「反向題邏輯矛盾」之樣本。
• 統計備妥:整理完成清洗後之「有效樣本資料庫」,準備進入下一階段之統計檢定與交叉分析。
|
• 已清洗之有效數據檔(Cleaned Data, N≥100)
• 無效問卷剔除標準與紀錄說明
|
評分標準與 繳交規範
(Grading & Rules)
|
• 評分配比:問卷邏輯與題項設計(40%)、數據品質與反向題清洗(30%)、樣本數與配額達成率(30%)。
• 繳交期限:請於下週上課前(W6 23:59 前)將「問卷連結、清潔後數據表與報告 PDF」上傳至課程平台。
|