La scala Likert è uno strumento fondamentale in ambito psicometrico e di ricerca sociale, utilizzato nei sondaggi per raccogliere dati sulle opinioni, le percezioni e le attitudini delle persone. Introdotta da Rensis Likert nel 1932, consente ai partecipanti di esprimere il proprio grado di accordo o disaccordo grazie a domande poste sotto forma di affermazioni e risposte che consentono di esprimere la propria opinione su una gradazione che va da un estremo negativo a un estremo positivo.
In questo articolo esploreremo come creare domande efficaci con la scala Likert e come analizzarne i risultati in modo approfondito.
Cosa è una scala likert?
La scala Likert è una scala psicometrica che misura l’intensità di un atteggiamento o di un’opinione attraverso una serie di risposte ordinate, dette items. Le risposte vanno da estremamente positivo a estremamente negativo, ad esempio: “Fortemente d’accordo”, “D’accordo”, “Neutrale”, “In disaccordo” e “Fortemente in disaccordo”. Questo metodo è utile per ottenere un’idea precisa dei sentimenti degli intervistati su una determinata affermazione o questione.
Come creare domande efficaci con la Scala Likert
Definisci l’obiettivo del sondaggio
Prima di iniziare a creare le domande, è essenziale avere chiaro l’obiettivo del sondaggio. Cosa vuoi scoprire? Quali aspetti desideri approfondire? Avere un obiettivo ben definito aiuta a strutturare le domande in modo chiaro e pertinente.
Formula affermazioni chiare e specifiche
le domande Likert Scale devono essere formulate come affermazioni a cui gli intervistati possono rispondere indicando il loro grado di accordo o disaccordo. Evita formulazioni vaghe o ambigue, che potrebbero confondere i partecipanti e portare a risposte imprecise. Le affermazioni devono essere progettate per essere chiare, specifiche e mirate al costrutto che si intende misurare. Ad esempio, per misurare la soddisfazione lavorativa, è preferibile usare affermazioni come “Sono soddisfatto del mio ambiente di lavoro” piuttosto che domande generiche come “Sei felice al lavoro?”.
Bilancia le affermazioni
È consigliabile includere sia affermazioni positive che negative per ridurre il rischio di acquiescenza, ovvero la tendenza degli intervistati a rispondere sempre in modo positivo o negativo. Questo approccio aiuta a mitigare i bias di risposta e a ottenere un quadro più accurato delle opinioni. Se vuoi interpretare le affermazioni positive e negative nello stesso modo, la codifica delle risposte alle affermazioni negative va invertite affinché un punteggio elevato rappresenti sempre una valutazione positiva e un punteggio basso una valutazione negativa, o viceversa.
Evita i bias
È importante formulare domande evitando di influenzare il rispondente, ad esempio suggerendo una risposta particolare o introdurre un pregiudizio implicito. Invece di chiedere “Questo prodotto è eccezionale”, utilizza un’affermazione neutra come “Questo prodotto soddisfa le mie aspettative”.
Alcuni dei bias più comuni in questo contesto sono:
Bias di tendenza centrale: è la tendenza a scegliere opzioni centrali, come “neutrale” o “indifferente”, per evitare di prendere una posizione netta. Per ridurre questo bias, è possibile utilizzare scale senza opzioni neutrali (ad esempio, una scala pari a 4 punti), e evitare definizioni degli items estreme.
Bias di acquiescenza: è la tendenza dei partecipanti a essere d’accordo con le affermazioni indipendentemente dal loro contenuto. Questo bias può essere evitato alternando affermazioni positive e negative per incoraggiare risposte più riflessive.
Bias di desiderabilità sociale: i partecipanti potrebbero rispondere in modo da apparire socialmente desiderabili o moralmente corretti, piuttosto che esprimere il loro vero pensiero. Per ridurre questo bias, è utile garantire l’anonimato e formulare le domande in modo neutro.Scegli il numero di opzioni della Scala Likert:
solitamente, la scala Likert prevede 5 o 7 opzioni di risposta. Un numero dispari di opzioni consente di avere un’opzione neutra al centro, mentre un numero pari obbliga i partecipanti a prendere una posizione. La scelta dipende dal tipo di analisi che si desidera effettuare. Se l’obiettivo è misurare anche l’indifferenza o la mancanza di opinione su un argomento, è importante includere l’opzione neutra.
Mantieni la coerenza:
se utilizzi più domande con la scala Likert all’interno dello stesso sondaggio, è importante mantenere lo stesso formato e ordine delle risposte per evitare confusione e per facilitare l’analisi dei dati.
Analisi dei risultati
Dal punto di vista statistico, è importante ricordare che le scale Likert producono dati ordinali è pertanto necessario utilizzare gli strumenti di analisi opportuni.
Questo significa che sappiamo che un item di risposta è superiore o inferiore rispetto a un altro (“per niente d’accordo” è inferiore a “molto d’accordo”), ma non possiamo stabilire una scala a intervalli regolari poiché il valore esatto di ogni item non è definito. Ad esempio, la distanza numerica tra le risposte soddisfatto” e “molto soddisfatto” non è necessariamente uguale a quella tra “neutrale” e “insoddisfatto”. Pertanto, i dati ordinali possono essere ordinati in base alla loro grandezza o importanza, ad esempio dal meno al più rilevante, senza tuttavia poter misurare con precisione le differenze tra gli item.
Una volta raccolti i dati, è fondamentale analizzarli in modo sistematico per trarre conclusioni utili. Di seguito alcune statistiche calcolabili delle domande Likert Scale:
Analisi della moda
La moda rappresenta il valore che si presenta con maggiore frequenza in un insieme di dati. Nel caso in cui ci siano più valori con la stessa frequenza massima, il dataset è definito multimodale.
Analisi della mediana
La mediana è il valore che si posiziona al centro di un insieme di dati ordinati. Divide i dati in due metà: il 50% delle risposte è inferiore alla mediana e il 50% è superiore. Questo valore ci da un’indizio sulla distribuzione dei dati, ad esempio una mediana alta suggerisce che la distribuzione delle risposte tende verso valori positivi o elevati.
Analisi delle correlazioni
Verificare se esistono correlazioni tra le risposte a diverse domande può offrire spunti interessanti. Ad esempio, se una forte correlazione emerge tra soddisfazione del servizio clienti e fedeltà al marchio, questo potrebbe indicare un’area su cui concentrare gli sforzi di miglioramento. L’uso di coefficienti di correlazione come il coefficiente di Spearman può aiutare a identificare relazioni tra le risposte a diverse domande Likert, fornendo una visione approfondita delle interazioni tra i costrutti misurati.
Altri test non parametrici
Per verificare la significatività statistica fra gruppi di dati raccolti con domande su scala Likert, è possibile usare test specifici per dati ordinali. Generalmente quando si confrontano due gruppi si utilizza il Test di Kruskal-Wallis, da cui si ottiene un p-value che possiamo confrontare con la soglia di significatività, verificando se le differenze fra i gruppi suggeriscono una correlazione oppure se sono casuali. In modo analogo, quando si confrontano 3 o più gruppi di dati ordinali si utilizza invece il Test Kruskal-Wallis. È possibili inoltre utilizzare anche il più classico Test del Chi-quadro, perdendo però senso ordinale dei dati. Questo test è infatti specifico per dati categoriali. Il Test del Chi-quadro può rivelarsi affidabile quando anziché confrontare tutti i livelli della scala Likert, si raggruppano i dati in due categorie, ad esempio pareri positivi e pareri negativi.
Altri tipi di analisi
Sebbene questa pratica sia scorretta, alcuni ricercatori trattano le scale Likert come dati intervallari assumendo che le distanze tra le opzioni siano uguali, con lo scopo di forzare l’analisi dei dati ordinali come se fossero dati su scala numerica (o scala ad intervalli). Anziché lavorare con i valori degli item (“soddisfatto”, “molto soddisfatto”, ecc…) viene attribuito un punteggio numerico ad ognuna delle opzioni di risposta, riuscendo così ad effettuare calcoli aritmetici per ricavare media, deviazione standard, e applicare test tipici delle analisi di variabili quantitative.
Questa pratica è teoricamente problematica perché non rispetta la vera natura ordinale dei dati. La media delle risposte può fornire un’indicazione generale della tendenza delle opinioni su un determinato argomento. Tuttavia, è importante ricordare che la media aritmetica non può riflettere la reale distribuzione delle opinioni raccolti su scala ordinale. Infatti, le risposte della scala Likert sono per definizione ordinali. Ciò significa che le risposte rappresentano un ordine (es. “fortemente d’accordo” > “d’accordo” > “neutrale”), ma la distanza tra le risposte non è necessariamente uguale. Non possiamo assumere che la differenza tra “d’accordo” e “neutrale” sia uguale alla differenza tra “neutrale” e “in disaccordo”.
Analisi della media
La media aritmetica è una misura di tendenza centrale che rappresenta il valore medio delle risposte. Grazie alla media è possibile calcolare le altre statistiche tipiche delle variabili quantitative.
Varianza e Deviazione standard
La deviazione standard è la distanza media dei valori con la media aritmetica. È importante per comprendere la dispersione delle risposte. Un’alta deviazione standard indica una grande variabilità nelle opinioni, mentre una bassa suggerisce un consenso tra i partecipanti.
Test parametrici
Anche si sceglie di forzare l’interpretazione dei dati in scala ad intervalli, permettendo il calcolo di media e deviazione standard, l’utilizzo di test parametrici è fortemente sconsigliato. Infatti test come il T-test, l’ANOVA o il Test di correlazione di Pearson sono strutturati per dati quantitativi con distribuzione normale, condizione che non può essere soddisfatta con dati raccolti con una scala Likert.
L’interpretazione dei dati raccolti con la scala Likert deve essere effettuata con cautela, tenendo conto del contesto e delle specificità del campione. Ad esempio, un alto livello di soddisfazione lavorativa in un’azienda potrebbe non essere generalizzabile ad altri contesti industriali o culturali. È importante utilizzare i risultati per prendere decisioni informate e sviluppare strategie basate su evidenze, anziché fare supposizioni generalizzate.
Consigli per la creazione di sondaggi con scala likert
Evita il sovraccarico cognitivo: non inserire troppe domande con scala likert di seguito, poiché ciò potrebbe stancare gli intervistati e ridurre la qualità delle risposte.
Testa il sondaggio: prima di distribuirlo, testa il sondaggio con un gruppo ristretto per verificare la chiarezza delle domande e la comprensibilità delle risposte.
Esempi di applicazione della domanda Likert Scale
Di seguito alcuni campi di applicazione che mostrano come la scala Likert possa essere uno strumento versatile e potente per raccogliere dati dettagliati e significativi su una vasta gamma di temi, facilitando decisioni strategiche basate su feedback strutturato.
Sondaggi sulla soddisfazione dei clienti
Le scale Likert sono comunemente utilizzate per valutare il grado di soddisfazione dei clienti in relazione a prodotti, servizi o esperienze con il marchio. Le aziende possono formulare domande per ottenere feedback dettagliato che permette di individuare punti di forza e aree di miglioramento.
Esempio di domanda:
“Mi ritengo soddisfatto del servizio clienti”
Opzioni di risposta:
• Fortemente in disaccordo
• In disaccordo
• Neutrale
• D’accordo
• Fortemente d’accordo
Valutazione dell’esperienza dei dipendenti
Le scale Likert sono ideali per raccogliere opinioni dei dipendenti su aspetti del loro ambiente di lavoro, come il livello di supporto ricevuto dai superiori, le opportunità di crescita professionale e la qualità delle comunicazioni interne. Questo tipo di sondaggio aiuta le organizzazioni a misurare il coinvolgimento e la soddisfazione del personale.
Esempio di domanda:
“Il mio superiore mi sostiene nel mio sviluppo professionale”
Opzioni di risposta:
• Per niente
• Poco
• Mediamente
• Abbastanza
• Molto
Misurazione delle percezioni di brand e immagine aziendale
Le aziende possono utilizzare scale Likert per comprendere come il pubblico percepisce il loro marchio, prodotti o campagne pubblicitarie. Domande come “Il nostro brand rappresenti valori di sostenibilità” permettono di valutare l’efficacia delle strategie di comunicazione e marketing.
Esempio di domanda:
“Quanto sei d’accordo con l’affermazione: Il nostro brand è sinonimo di innovazione e qualità”
Opzioni di risposta:
• Fortemente in disaccordo
• In disaccordo
• Neutrale
• D’accordo
• Fortemente d’accordo
Analisi del comportamento d’acquisto
La scala Likert è utile per esplorare le abitudini e le preferenze di acquisto dei consumatori. Ad esempio, domande strutturate come l’esempio che segue, possono fornire dati importanti sulle tendenze di consumo, aiutando le aziende a adattare le loro offerte alle esigenze del mercato.
Esempio di domanda:
“Acquisto spesso prodotti biologici”
Opzioni di risposta:
• Fortemente in disaccordo
• In disaccordo
• Neutrale
• D’accordo
• Fortemente d’accordo
Valutazione dell’efficacia di formazione e apprendimento
In ambito educativo e aziendale, le scale Likert possono essere utilizzate per misurare l’efficacia di corsi di formazione e programmi educativi. Domande come “Mi sento preparato dopo aver completato questo corso” consentono agli educatori e ai formatori di valutare l’impatto del loro programma e apportare eventuali miglioramenti.
Esempio di domanda:
“Mi sento preparato per applicare le competenze apprese durante questo corso”
Opzioni di risposta:
• Fortemente in disaccordo
• In disaccordo
• Neutrale
• D’accordo
• Fortemente d’accordo
Likert formulata sotto forma di domanda
Discostandosi dal modello originale, è frequente trovare questionari con domande Likert non formulate in forma affermativa. Questa forma non è propriamente corretta ma comunque è diventa di uso comune.
Esempio di domanda non affermativa:
“Con quale probabilità acquisterai nuovamente i nostri prodotti?”
Opzioni di risposta:
• Estremamente improbabile
• Improbabile
• Neutro
• Probabile
• Estremamente probabile
Conclusioni sulla Scala Likert
Le likert scale sono uno strumento versatile e potente per raccogliere dati su opinioni e atteggiamenti.
È fondamentale considerare le implicazioni etiche nella progettazione e nell’interpretazione dei sondaggi con scala Likert. Le domande devono essere formulate in modo rispettoso e neutrale, evitando di influenzare o manipolare le risposte. Inoltre, è essenziale garantire l’anonimato e la riservatezza dei partecipanti, specialmente quando si affrontano temi sensibili.
Un approccio rigoroso e scientifico alla progettazione e all’analisi dei sondaggi può fornire insights preziosi e supportare decisioni strategiche in ambito accademico, aziendale e sociale.
FAQ sulla Likert Scale
Come funziona una Scala Likert?
La scala Likert è una scala di valutazione utilizzata nei sondaggi per misurare le opinioni, le percezioni e gli atteggiamenti degli intervistati. Ogni domanda della scala Likert è costituita da un’affermazione e da un insieme di opzioni di risposta che consentono ai partecipanti di esprimere il loro grado di accordo o disaccordo. Le risposte sono strutturate con una scala ordinale, come ad esempio da “Fortemente in disaccordo” a “Fortemente d’accordo”.
Quali sono i vantaggi dell’utilizzo della Scala Likert?
I vantaggi includono la facilità di utilizzo e comprensione e la possibilità di misurare la complessità dei sentimenti e delle percezioni degli intervistati. Consentono infatti di progettare sondaggi con una gamma di risposte che possono essere adattate facilmente a diverse esigenze di ricerca. Ad esempio, si possono creare domande con opzioni di risposta che vanno da “Fortemente in disaccordo” a “Fortemente d’accordo”, oppure da “Estremamente insoddisfatto” a “Estremamente soddisfatto”, ecc.
Come posso analizzare statisticamente i dati della Likert Scale?
I dati della scala Likert possono essere analizzati utilizzando statistiche descrittive come moda e mediana. Effettuando una forzatura sul tipo di dati, alcuni ricercatori trasformano la scala ordinale in scala ad intervalli, permettendo così il calcolo di media e deviazione standard. Si possono anche utilizzare test non parametrici per confrontare gruppi o verificare correlazioni. L’uso di coefficienti di correlazione come Spearman può aiutare a identificare relazioni tra variabili.
Quante opzioni di risposta dovrei usare in una domanda di Scala Likert?
Generalmente, le scale Likert utilizzano 5 o 7 opzioni di risposta. Una scala a 5 punti offre un buon equilibrio tra semplicità e precisione, mentre una scala a 7 punti può fornire una maggiore sensibilità nella misurazione. Le scale dispari consentono di includere una risposta neutra, mentre le scale pari costringono il rispondente a prendere una posizione positiva o negativa.
In quali situazioni è consigliabile usare una Scala Likert?
Le scale Likert sono ideali per valutare sentimenti e percezioni degli intervistati su temi specifici, come la soddisfazione dei clienti, la qualità del servizio, l’esperienza dei dipendenti, e l’efficacia di prodotti o programmi. Sono particolarmente utili quando si vuole ottenere una visione dettagliata delle opinioni evitando l’uso di risposte aperte.
Qual è la differenza tra la scala Likert e altre scale di valutazione?
La scala Likert differisce dalle altre scale, come la scala nominale o la scala ordinale semplice, in quanto consente di misurare non solo la presenza di un’opinione, ma anche il grado di intensità con cui viene espressa. A differenza di una variabile dicotomica (Sì/No), la scala Likert permette una gamma più ampia di risposte, fornendo maggiori dettagli sul grado di accordo o disaccordo.
Quali errori comuni si possono commettere nella progettazione di domande Likert Scale?
Gli errori comuni includono: usare affermazioni ambigue o complesse, formulare domande che suggeriscono una risposta (bias di formulazione), e utilizzare troppe o troppo poche opzioni di risposta. È importante mantenere un linguaggio chiaro e neutro e assicurarsi che tutte le opzioni di risposta siano facilmente comprensibili.
Perché la scala Likert è preferita rispetto ad altri tipi di domanda?
La scala Likert è preferita perché permette di raccogliere dati dettagliati e facilmente quantificabili su opinioni e percezioni, è facile da implementare e consente di ottenere rapidamente un grande volume di risposte. Inoltre, l’uso di domande chiuse facilita l’analisi dei dati rispetto alle domande aperte, riducendo il tempo e le risorse necessarie per l’interpretazione.
Come posso migliorare la qualità dei sondaggi con Scala Likert?
Per migliorare la qualità dei sondaggi, è importante: formulare domande chiare e focalizzate su un tema specifico, bilanciare affermazioni positive e negative per ridurre i bias, testare il sondaggio con un piccolo gruppo prima della distribuzione e assicurarsi che le opzioni di risposta siano coerenti e comprensibili.
Quali sono gli svantaggi della Scala Likert?
Gli svantaggi includono una maggiore possibilità di bias di acquiescenza (tendenza a rispondere positivamente), il rischio che gli intervistati scelgano la risposta neutrale per evitare di prendere una posizione (bias della tendenza centrale), e la difficoltà nel trattare i dati ordinali nell’analisi statistica. Inoltre, la scala Likert può non essere adatta per misurare opinioni complesse che richiedono risposte numeriche o più dettagliate.
