A Likert-skála adta lehetőségek és korlátok

Abstract

A pedagógia és pszichológia területén a kutatók a kérdőíves felmérésekben előszeretettel használnak Likert-skálás attitűdkérdéseket is, amelyek segítségével információhoz lehet jutni a vizsgált személyek adott állítással kapcsolatos pozitív vagy negatív attitűdjéről. Szakirodalmi kutatások alapján elmondható, hogy a kutatók a skálaértékeket többek között átlagolják, így élnek azzal a feltételezéssel, hogy intervallumváltozókról van szó, hiszen ebben az esetben van értelme az átlagszámításnak (Brown, 2011; Kehl, 2012). Ugyanakkor a klasszikus tesztelmélet keretei között a Likert-skálás kérdések esetében a skálaértékek átlagolására nincs mód, hiszen azok nem intervallumskálán helyezkednek el, így legfeljebb az ordinális skála alapján megengedhető statisztikai műveletek elvégzésére és vizsgálati módszerek alkalmazására nyílik lehetőség. A fennálló problémára egy lehetséges megoldást nyújthat a modern tesztelméleti modellek alkalmazása, amely egyre több nemzetközi és hazai kutatásban megjelenik (Schulz és Sibberns, 2004; Kontra, 2008). Napjainkban számos olyan ingyenesen is elérhető szoftver áll rendelkezésre (például Winstep, ConQuest), amelyek kezelni tudják a Likert-skálás adatok esetén használható rangskálás és parciális kredit modellt. A Likert-skálás adatok elemzésére képes rangskálás és parciális kredit modell segítségével olyan intervallumskálán elhelyezkedő attitűderősségek határozhatók meg, amelyekkel már elvégezhetők a megbízhatóbb matematikai-statisztikai vizsgálatok is. Mindazonáltal az IRT modellek alkalmazásának van egy komoly akadálya, hogy azok komplex jelenségeknél nem működnek. Ebben az esetben nem marad más választás, mint a Likert-skálás adatok legfeljebb ordinális skálán történő kezelése.*AbstractOpportunities and limitations of the Likert scale Researchers of education and psychology frequently use attitude questions on the Likert scale in surveys to collect sufficient information regarding positive or negative attitudes of the examined persons. Based on the research, the scale values are averaged among others and they are assumed as interval variables, so it makes sense to calculate the average (Brown, 2011; Kehl, 2012). However, according to classical test theory it is not possible to calculate mean from the Likert scale data, because they are not interpreted on interval scale, and therefore solely operations based on ordinal scale statistical operations and test methods are possible. This problem can be solved with models of the item response theory, which have been presented in some international and Hungarian research (Schulz és Sibberns, 2004; Kontra, 2008). Nowadays some software (e.g. Winstep, ConQuest) is available which can provide rating scale and partial credit model to the analysis of the Likert scale data. Such attitude strengths can be determined with these models which are located on interval scale and offer more reliable mathematical and statistical testing opportunities. Nevertheless, the use of the IRT models has the serious limitation that these models are not applicable where complex phenomena are investigated. In this case there is no other option than treating the Likert scale data on ordinal scale.