En likert scale, eller på dansk ofte omtalt som en Likert-skala, er et af de mest udbredte værktøjer til måling af holdninger, tilfredshed, troværdighed og oplevede færdigheder. Skalaen giver respondenterne mulighed for at udtrykke nuancer i deres vurdering gennem en ordnet række af svarmuligheder. I erhvervslag er dens anvendelse bred: fra evaluering af undervisning og kursustilfredshed til måling af medarbejderengagement og organisationskultur. Denne artikel giver en grundig gennemgang af likert scale, inklusive historien, konstruktion, analyse og konkrete eksempler til uddannelse og job.
Hvad er en likert scale, og hvorfor er den så populær?
En likert scale er en ordnet skala, der typisk består af 5 eller 7 svarpunkter, hvor hvert punkt repræsenterer en grad af en given holdning eller oplevelse. Den mest almindelige formel giver muligheder som: Helt uenig – Uenig – Hverken eller – Enig – Helt enig. Under overfladen måler skalaen ikke en direkte mært værdi, men respondentens relative tilknytning til et given udsagn. Den vinder popularitet af tre centrale grunde:
- Brugervenlighed: Respondenterne forstår enkle x-akse som “mere/ mindre” eller “stærk/ svag” i forhold til et udsagn.
- Fleksibilitet: Skalaindstillingerne kan tilpasses til forskellige kontekster som undervisning, arbejdsplacering og evaluering af politik.
- Analytisk håndtering: Dataene giver mulighed for gennemsnit, median og frekvens, samtidig med at de arbejder som ordinal data, hvilket åbner døren for robuste statistiske analyser.
Det er vigtigt at bemærke, at en likert scale ikke må forveksles med en interval- eller derfor parametric skala uden yderligere analyse. Den grundlæggende information er ordnet klassificeringer, hvilket betyder at man ofte bør overveje ikke-parametriske tests og forsigtighed ved gennemsnitsberegning.
Historien og den grundlæggende teori bag Likert-scale
Konceptet bag Likert-scale opstod i forskningen hos Rensis Likert i midten af det 20. århundrede. Ideen var at bevæge sig væk fra nominale eller dichotome målinger til en mere nyanseret vurdering af meninger og holdninger. I stedet for at spørge “ja/nej” kunne respondenter udtrykke nyanser gennem en række gradbetingede udsagn. Siden da er likert scale blevet standard i mange anerkendte spørgeskemaer og har videreudvundet sig gennem tilpasninger såsom forskellig antal responspunkter og reverse-scored items for at mindske bestemte bias.
En vigtig pointe er, at historien ikke blot handler om historik; det handler også om at forstå, hvordan forskere og praktikere har håndteret bias, central tendency, og kulturelle forskelle i fortolkningen af skalaen. Gennem årene er der udviklet god praksis for konstruktion og analyser, som gør likert-scale data mere troværdige og anvendelige i både uddannelse og erhverv.
Typer af skalaer og valg af antal punkter
Når man udformer en likert scale, står man over for valget mellem 5-, 7- eller endda 4-punkts skalaer. Hver variant har fordele og ulemper, og valget afhænger af konteksten og hvilke svar man ønsker at fremme:
5-point skalaen
Den mest brugte variant består af fem niveauer, ofte formuleret som: Helt uenig – Uenig – Hverken eller – Enig – Helt enig. Fordelene ved en 5-point skala inkluderer tilstrækkelig detaljeringsgrad uden at overbelaste respondenterne, og en fleksibilitet i dataanalyse som ofte giver klare resultater og god reliabilitet.
7-point skalaen
En 7-point skala udvider den neutrale midterknop og giver endnu mere nuancerede svar. Dette kan være særligt nyttigt i komplekse evalueringssituationer og i forskning med højere forventet fælles forståelse af hvert niveau. Ulempen er, at nogle respondenter finder skalaen mindre intuitive, og forskningen viser, at forskelle mellem tilstødende punkter kan være sværere at holde adskilt i praksis.
4-point og andre varianter
Nogle spørgeskemaer vælger 4-point skalaer, ofte uden en neutral mulighed (for at tvinge en svardefinition). Dette kan være nyttigt i situationer, hvor en tydelig tilbøjelighed forventes eller hvor neutralitet ikke er en meningsfuld position. Der er også alternative designs såsom 6-point og 9-point skalaer, men de er mindre udbredte i standard evalueringer og kræver mere avanceret analyse og tolkning.
Konstruktion og bedste praksis ved opbygning af en likert scale
En velkonstrueret likert scale kræver omtanke for sprog, spørgsmål og rækkefølge. Her er nogle centrale retningslinjer:
Klart og entydigt sprog
Undgå flertydige udsagn, og brug et klart og entydigt sprog. Hvert udsagn bør referere til et enkelt koncept, så respondenten ikke bliver forvirret af blandede budskaber i samme sætning.
Negation og reverse scoring
Inkluder nogle omvendt vinklede udsagn (reverse-scored items) for at opfange snævre positiv-tendens og mindste mønstret af social desirability. For eksempel kan et udsagn være “Jeg føler, at underviseren gør en indsats for at engagere studerende.” og et andet med samme emne “Undervisningen giver mig ikke lyst til at fortsætte mine studier.” Den jævnbyrdige håndtering af reverse items reducerer the risk for pludselige bias i svarene.
Antal responser og skaleringsstruktur
Overvej hvor mange spørgsmål der er nødvendige for at få en stabil måling af et overordnet fænomen. For mange spørgsmål kan føre til respondenttræthed, mens for få spørgsmål kan give ufuldstændig information. Typisk anbefales mellem 5 og 12 udsagn pr. domæne, afhængigt af kompleksiteten af det, der måles.
Logisk rækkefølge og spørgeskemaets flow
Bliv ved god spørgeteknik ved at opdele spørgeskemaet i logiske sektioner: holdninger til undervisning, tilfredshed med support, oplevet anvendelse af færdigheder osv. Start med mindre belastende spørgsmål og bevæg dig mod mere specialiserede emner. Sikre også at spørgsmålene ikke forskyder svar ved at give tydelige instruktioner om brug af skalaen.
Pilotafprøvning og tilpasning
Indfør en pilotundersøgelse for at teste forståelighed, længde og nogle potentielle misforståelser. Brug pilotdata til at justere ordvalg, antallet af punkter, og rekkefølgen af spørgsmål. Dette er særligt vigtigt i uddannelsesmæssige sammenhænge, hvor kulturelle og sproglige forskelle kan påvirke tolkningen af udsagnene.
Dataanalyse og fortolkning af likert-scale data
Analyser af likert-scale data begynder ofte med grundlæggende beskrivende statistikker, men kræver også overvejelser om arten af dataene og appropriate tests.
Dataens natur
Data fra en likert scale er ordnede (ordinal). Dette betyder at man typisk ikke kan antage konstant afstand mellem niveauerne. Alligevel behandles skalaen ofte som intervaldata i praksis – især når der er mindst fem punkter og et stort antal responser – hvilket giver mulighed for gennemsnit og standardafvigelse. Det er vigtigt at være bevidst om, at sådanne antagelser kan påvirke fortolkningen og signifikansniveauer.
Deskriptiv statistik
Brug hyppighedsfordeling, median og modus som robuste mål. Gennemsnittet kan være informativt, især når der er mange respondenter, men det kan skjule bias og skævheder i fordelingen af svar.
Reliabilitet og validitet
Cronbachs alfa er et generelt mål for intern konsistens i en likert-scale blottet for reverse items og følelsesmæssige nyancer. En alfa over 0,7 betragtes ofte som acceptabel i samfundsvidenskabelige undersøgelser. For individuelt brug kan højere krav være nødvendige.
Faktoranalyse kan hjælpe med at bekræfte konstruktvaliditeten ved at undersøge, hvordan udsagn grupperer sig sammen i under-domæner. For eksempel kan du opdage at udsagn relateret til “undervisningsoplevelse” og “støtte og vejledning” danner separate faktorer.
Non-parametriske tests og skalaens anvendelse i inferentiel statistik
Når data ikke opfylder kravene til parametrisk analyse, kan ikke-parametriske tests være mere hensigtsmæssige. Eksempler inkluderer Mann-Whitney U-test, Wilcoxon-rangsumtest og Kruskal-Wallis-test, som kan bruges til at undersøge forskelle mellem grupper på tværs af spørgsmålsskalaer.
Når du kombinerer flere udsagn i en samlet score, kan du oprette et “total score” for et domæne, og derved få en mere robust indikator for en specifik dimension, f.eks. “undervisningens kvalitet” eller “arbejdsglæde og motivation.”
Anvendelser af likert scale i uddannelse og i HR
Likert-scale data giver mange muligheder i både uddannelses- og erhvervssektoren. Her er nogle konkrete anvendelser:
Uddannelse: kursusevaluering og undervisningskvalitet
Undervisere og institutledere bruger ofte likert scale til at måle tilfredshed med kursusindhold, undervisningsmetoder, tilgængelighed af vejledning og materialernes relevans. En stærk evaluering kan lede til forbedringer i pensum og pædagogiske strategier. Summen af enkelte udsagn, der relaterer til “undervisningens tydelighed” og “faglig udfordring,” giver en forståelse af om kursusdesign matcher studieambitionerne hos studerende.
HR og medarbejderfeedback
I erhvervslivet er likert scale et effektivt værktøj til at måle medarbejdertilfredshed, engagement, lederes effektivitet og organisationskultur. En veludfyldt likert-scale-undersøgelse kan give HR-afdelingen et klare blik for, hvor der skal sættes ind med udviklingsprojekter, lederuddannelse eller ændringer i arbejdsmiljøet.
Feedback om uddannelses- og udviklingsprogrammer
Organisationer, der tilbyder udviklingsprogrammer, kan bruge likert scale til at måle deltageres opfattelse af validering, relevans og overførsel af læring til arbejdsopgaver. Det giver også mulighed for at spore ændringer over tid ved gentagne målinger.
Praktiske eksempler og skabeloner
Nedenfor finder du eksempler på hvordan en Likert-scale-undersøgelse kan struktureres i en uddannelseskontekst og en HR-kontekst. Du kan bruge disse som udgangspunkt og tilpasse dem til din egen kontekst.
Eksempel 1: Kursusevaluering i videregående uddannelse
Domæner:
- Klarhed i undervisningen
- Aktiv deltagelse og engagement
- Tilgængelighed af vejledning
- Anvendelighed af kursusmaterialer
- Overordnet tilfredshed
Udsagn:
- Undervisningen var klar og let at følge.
- Jeg følte mig engageret og aktivt involveret i timerne.
- Vejledning og feedback var rettidig og nyttig.
- Kursusmaterialerne var relevante og opdaterede.
- Jeg vil anbefale dette kursus til andre studerende.
Svarskala: Helt uenig – Uenig – Hverken eller – Enig – Helt enig.
Eksempel 2: Medarbejdertilfredshed i en virksomhed
Domæner:
- Arbejdsglæde og motivation
- Ledelseskommunikation
- Arbejdsmiljø og trivsel
- Muligheder for personlig og faglig udvikling
- Tilfredshed med løn og fordele
Udsagn:
- Jeg føler mig motiveret til at udføre mit arbejde hver dag.
- Ledelsen kommunikerer klart om forventninger og mål.
- Arbejdsmiljøet er sikkert og behageligt for mig.
- Der er gode muligheder for min faglige udvikling i organisationen.
- Jeg er tilfreds med min kompensation og fordele.
Svarskala: 5-punkts skala som nævnt ovenfor.
Forskelle mellem datafortolkning og praksis i virksomheder og skoler
Det er vigtigt at forstå at fortolkningen af likert-scale data kan variere mellem forskellige kontekster. I en skole kan elevernes svar være mere påvirket af sociale normer og præferencer for at være positive overfor undervisere. I en virksomhed kan der være frygt for negative konsekvenser ved at give lave scores. Derfor er det ofte gavnligt at kombinere likert-scale data med åbne spørgsmål, som giver respondenterne mulighed for at uddybe deres svar. Kombinationen af kvantitative og kvalitative data giver en mere nuanceret forståelse af problemstillinger og forhindringer i både uddannelsessystemet og i erhvervslivet.
Bias, fejlkilder og hvordan man mindsker dem
Selvom likert scale er et stærkt værktøj, er der også risici for bias og misfortolkninger. Her er nogle af de mest almindelige problemstillinger og hvordan du kan imødegå dem:
- Central tendens bias: Respondenter vælger midten ofte for at undgå konflikt eller for at være sikre. Løsning: brug 5-point eller 7-point skala og inkluder omvendte udsagn.
- Sosial ønskelighed: Respondenter kan give mere positive svar for at fremstå godt. Løsning: anonymitet og klare forskningsetikke.
- Evne til at forstå udsagn: Forkerte eller vanskelige sætninger kan føre til misforståelser. Løsning: test sprog og brug klare, neutrale formuleringer.
- Ranking og modifikation af skalaen: Når skalaens punkter ikke er jævnt fordelt, kan resultatet blive skævt. Løsning: brug jævn og tydelig skala og overvej pilottest.
Tips til at optimere dit spørgeskema og øge svarprocenten
For at sikre høj kvalitet og høj svarprocent, kan du overveje disse praksisser:
- Gør formålet klart i begyndelsen af spørgeskemaet og motiver respondenterne ved at forklare, hvordan deres svar vil blive brugt.
- Hold spørgeskemaet kort og fokuseret. En maksimal længde på 10-15 minutter kan ofte være en god målestok for fuldførelse.
- Frasér spørgsmålene konsekvent og brug ensartede ordvalg gennem hele spørgeskemaet for at undgå forvirring.
- Tilbyd incitamenter eller anerkendelse for fuldførelse, hvis det passer til konteksten.
- Tilbyd valgmuligheder for ikke at have en holdning, hvis relevant, og få respondentens præferencer i forhold til dem.
Etik og fortrolighed i brug af likert-scale data
Når man indsamler data fra mennesker, er det essentielt at beskytte deres fortrolighed og sikre at data bruges ansvarligt. Sørg for passende tilladelser, anonymisering og klare oplysninger om hvordan data vil blive analyseret og delt. Fortrolighed er især vigtig i HR-relaterede undersøgelser, hvor personlige oplysninger kan påvirke karriere og arbejdsmiljø.
Konklusion: Hvorfor likert scale fortsat er relevant i uddannelse og job
Likert-scale data giver en praktisk og effektiv måde at måle holdninger og oplevelser på en skalerbar måde. Den kombinerer enkelhed med dybde ved at tillade indsigtsfuld analyse uden at kræve komplekse måleredskaber. Uansett kontekst, fra nærværende undervisning til medarbejdertilfredshed og ledelseseffektivitet, giver likert-scale data et solidt grundlag for at forstå, hvad der går godt, og hvor der er plads til forbedringer. Gennem velovervejede konstruktioner, bevidst håndtering af bias og kombination med kvalitative data kan både undervisere og HR-professionelle bruge likert-scale resultater til at træffe informerede beslutninger og fremme positive forandringer i organisationen.
Ofte stillede spørgsmål om likert scale
Er en likert scale et intervalmål?
Selvom mange forskere behandler data fra en likert scale som intervaldata for praktiske formål, er det i teoretisk forstand et ordinalt mål. Når der er mange responser og tydelig fordeling, kan gennemsnit value være nyttigt. Typisk er det sikkert at bruge median og modus som primære mål for central tendens, især i mindre prøver eller hvis distributionsformen er skæv.
Hvornår er det bedst at bruge en 5-punkts vs en 7-punkts skala?
En 5-punkts skala er ofte tilstrækkelig og nemmere for respondenter at anvende, hvilket kan føre til højere svarprocenter og mere robuste data i mange uddannelses- og HR-undersøgelser. En 7-punkts skala giver mere nuancerede data og kan være fordelagtig, hvis der er behov for at skelne mindre forskelle i holdninger. Overvej konteksten og præcis hvad du ønsker at måle, samt den forventede variation i svarene.
Hvordan håndterer man reverse-scored items korrekt?
Når man inkluderer reverse-scored items, er det vigtigt at vurdere, hvordan data sammenfattes og analyseres. Omvendt formulerede udsagn skal matches korrekt med den tilsvarende skala i dataindsamlingen og i analysen for at undgå misforståelser og fejltolkninger. Det anbefales at kontrollere datasæt for konsistens og sikre at reverse items giver en mening i den overordnede domæne-score.