إن تحليل نتائج الاستبيان والبيانات التي تم جمعها وتقديم تقارير الاستبيان على شكل نتائج ملموسة هو الخطوة الأخيرة في إجراء الدراسة والمسح، لكن القاعدة الذهبية لاستطلاعات الرأي والاستبيانات تقول ابدأ من النهاية.
لنفترض أننا أجرينا خطوات الاستطلاع وإعداد بيانات الاستبيان الإلكتروني بشكل صحيح، إذاً سنواجه بعد ذلك بيانات كثيرة تحتاج للتحليل، وفي الواقع من دون تحليل البيانات الإحصائية لكل استبيان سيكون جمع البيانات عديم الفائدة.
إن إنشاء مخططات إحصائية دقيقة وتلخيص البيانات على شكل جداول وأرقام ومؤشرات ذات معنى يُعد خطوة مهمة في أي تقييم وبحث، فسواء كنت تقوم بقياس رضا العملاء أو تقوم بإنشاء بحث أكاديمي فأنت بحاجة معرفة بعلم الإحصاء من أجل تقديم التقارير. سنقوم في هذه المقالة بشرح المفاهيم التي تحتاجها لإعداد التقارير الإحصائية وتحليل نتائج الاستبيان واستطلاع الرأي.
Table of Contents
ما هو تحليل نتائج الاستبيان وبياناته وما هي استخداماته؟
الإحصاء هو طريقة لجمع نتائج الاستبيان وبياناته وتحليلها حتى نتمكن من الحصول على توصيف مناسب للظروف القائمة، وفي التحليل الإحصائي نحاول أيضاً رسم صورة شاملة عن البيانات التي تم جمعها واستخلاص نتائج صحيحة، هذا في حين أن هذه البيانات عادةً ما تكون أولية دون أن يكون لها معنى خاص.
وهنا يُطرح السؤال ما فائدة هذا الاستخلاص وهذه النتيجة؟ والإجابة هي أن فهم هذه النتيجة سيساعدك على فهم جيد لجمهورك المستهدف والتوصل إلى أنماط تساعدك على التخطيط لخطواتك التالية بشكل صحيح.
من ناحية فإن الاستطلاعات الإلكترونية تسهل عليك التعرف على مستخدميك أكثر من أي وقت مضى، لكن من ناحية أخرى فحتى الاستبيان القصير والبسيط يمكن أن يمنحك بيانات معقدة قد لا تتمكن من استخدامها.
اقرأ هذا المقال للتعرف على مختلف أنواع تكتيكات استطلاعات الرأي: دليل اختيار تكتيك استطلاع رأي العملاء
بإمكان إجراء التحليلات أن يمنحك استنتاجاً شاملاً حول جمهورك، وبما أن الأرقام بحد ذاتها لا معنى لها فمن خلال إجراء الاستطلاع وتقييم البيانات الناتجة عنه ستحصل على أنماط تسمح لك باتخاذ قرارات ذات معنى.
لماذا يجب علينا إجراء التحليل الإحصائي في المؤسسة؟
إن تباين البيانات هو أحد أسباب توجهنا إلى التحليل الإحصائي، فالتباين يعني وجود مخاطرة، وبعبارة أخرى على الرغم من وجود كميات كبيرة من البيانات والمعلومات فبسبب تنوعها لا يمكننا التنبؤ بالمستقبل بسهولة، ولإدارة المخاطر يجب قياس تباين البيانات وفهمها بشكل صحيح. فمثلاً:
- إنتاجية الموارد البشرية متغيرة، وبإمكان متوسط إنتاجية الموظفين أن يعكس الأداء العام للمؤسسة/ وحدة العمل، لكنك عندما ترغب بتطوير خطة لتحسين الإنتاجية فيجب أن تضع باعتبارك أن بعض الإجراءات تساعدك في تحسين إنتاجية الموظفين الضعفاء في حين أنه لا يمكن تطبيقها على الموظفين ذوي الإنتاجية العالية والعكس بالعكس، لذلك فإن عليك أخذ تباين إنتاجية الموارد البشرية بعين الاعتبار في خططك.
- أنت تقارن ميزانية التسويق في شركتك مع الشركات المشابهة في المجال نفسه وتكتشف أن شركتك تنفق على التسويق أقل من المعتاد في هذا المجال، لكن هذه المقارنة غير كافية من أجل اتخاذ قرار، بل يجب الانتباه إلى الفرق بين ميزانيات الشركات أيضاً، فخذ الفرق بين ميزانية التسويق في شركتك وبين متوسط الشركات التي في هذا المجال وقارنه مع هذا الفرق نفسه لدى أهم مناسب لك في مجالك، فمقارنة التباين هذه ستمنحك رؤية أفضل في عملية التخطيط الاستراتيجي للتسويق.
- «الانحراف المعياري» هو المؤشر الأكثر شيوعاً في تحديد وفهم التباين، حيث يعكس هذا المؤشر تباين البيانات بالنسبة إلى نقطتها المركزية التي هي المتوسط، وبالطبع ستكون بعض القيم أقرب إلى المتوسط وبعضها ستكون أبعد عن المتوسط.
في حال كانت البيانات تتبع التوزيع الطبيعي فإن الانحراف المعياري يشير إلى أن ثلثي البيانات أي حوالي 70% منها تبعد بمقدار انحراف معياري واحد عن المتوسط الحسابي بحيث يكون ثلثها أكبر من المتوسط الحسابي وثلثها أصغر منه. إجمالاً تكون نسبة 95% من البيانات تبعد بمقدار انحرافين معياريين عن المتوسط الحسابي ونسبة 99.7% من البيانات تبعد بمقدار ثلاثة انحرافات معيارية عن المتوسط الحسابي.
الآن إذا عدنا إلى المثال الأول المتعلق بإنتاجية الموارد البشرية إذا افترضنا أن إنتاجية الموظفين تتبع التوزع الطبيعي فإن عليك معرفة أية مجموعة تريدوضعها باعتبارك من أجل التخطيط لإجراءات التحسين؟ تحسين أية مجموعة يمكن أن يؤثر أكثر على المتوسط الحسابي وبالطبع يحتاج إلى موارد مالية وزمنية أقل؟ يمكن تسهيل الإجابات عن هذه الأسئلة فقط من خلال النظر في الانحراف المعياري إلى جانب المتوسط الحسابي ومفهوم تباين البيانات.
والآن إذا كنت تقوم بتطوير خطة كمدير موارد بشرية أو متخصص في العملاء أو خبير تسويق فضع مفهوم التباين في اعتبارك ولا تحاول وضع خطة واحدة لكافة مجموعات العملاء أو الموظفين أو السوق، بل عليك أن تدرك أن هذه المجموعات متباينة وقم بالتخطيط والاستهداف بدقة أكبر.
التباين في المؤسسات والحاجة إلى دراسته ليسا سوى بعض الأسباب الإلزامية للتحليل الإحصائي.
تعرف على كيفية تحليل نتائج الاستبيانات من خلال بُرس لاين بسهولة في جلسة توضيحية احترافية!
لا تضيع وقتك! احجز جلستك الآن!
أنواع نماذج تحليل نتائج الاستبيان والبيانات الإحصائية
هناك كثير من النماذج في العالم لتحليل البيانات الإحصائية، وكلٌّ من هذه النماذج يساعدك على تحليل بياناتك من خلال التركيز على هدف محدد، ومن بين أنواع النماذج الإحصائية يمكننا ذكر هذه النماذج السبعة:
1. تحليل البيانات الوصفي (Descriptive)
في الإحصاء الوصفي يتم عرض خلاصة المعلومات في جداول ومخططات بيانية ولا توجد أية استنتاجات أو تعميمات للنتائج على المجتمع. في الواقع يتم تلخيص الإحصائيات بمساعدة المخططات البيانية والجداول ويتم إظهار صورة عامة وشاملة للموضوع.
على سبيل المثال عند قياس رأي الجمهور وشعورهم تجاه موضوع معين فإننا نكون أمام إحصاءات وصفية.
حتى تتمكن من إجراء تحليل وصفي لأسئلتك فإنك بحاجة إلى استخدام مجموعة متنوعة من الأسئلة المغلقة، ومن بين أنواع الأسئلة المغلقة (الأسئلة ذات الإجابات المحددة) يمكن الإشارة إلى الأسئلة متعددة الخيارات وأسئلة مقياس ليكرت وأسئلة تحديد الأولويات.
بعد ذلك يمكنك مشاهدة عدد الإجابات لكل خيار في صفحة التقارير في بُرس لاين على شكل جداول ورسوم بيانية مختلفة. فمثلا:
– هل أنت راضٍ عن جودة منتجاتنا؟
أ) نعم ب) لا ج) ليسة لدي أية فكرة
– ما هي منتجات شركتنا التي استخدمتها حتى الآن؟
أ) الكريمات ب) الشامبو ج) مستحضرات التجميل د) المنظفات
إذا أردت استخدام الأسئلة المفتوحة فاعلم أن الأسئلة المغلقة توفر بيانات كمية وعددية في حين أن الأسئلة المفتوحة تعطي بيانات نوعية؛ ولهذا السبب فإن تقييم الجمهور عن طريق الأسئلة المغلقة هو أحد أكثر الأساليب فاعلية في تصميم استطلاعات رضا العملاء وما شابه. بالطبع من خلال تصنيف إجابات الأسئلة المفتوحة يمكن إنشاء مجموعات محددة وعرضها من خلال الجداول والرسوم البيانية.
بمساعدة الجداول الإحصائية في مرحلة تقارير الاستبيان في بُرس لاين يمكنك رؤية مجموعة متنوعة من الإحصائيات مثل وفرة الإجابات والمتوسط والوسيط والمنوال والانحراف المعياري والتباين مما يمنحك تفسيراً أكثر دقة لما حصلت عليه من نتائج الاستبيان. في الواقع فإن الغرض من حساب هذه البارامترات هو توصيف جميع البيانات بمساعدة عدد واحد فقط.
يعد جدول توزيع وفرة الإجابات – الذي هو أحد أنواع الجداول الإحصائية – طريقة اقتصادية وسهلة لعرض بيانات ضخمة وغير منتظمة؛ فبمساعدة هذه الجداول يمكننا تشكيل صورة عامة عن المعلومات.
كثير من الأشخاص يَستخدمون المخططات لعرض البيانات بشكل أفضل وذلك لأنها تنقل المفاهيم بسهولة وبسرعة وبنظرة واحدة.
ربما تريد إجراء تحليل إحصائي لاستبيانك أو مسحك؛ وفي هذه الحالة يمكنك عرض الرسوم البيانية التراكمية لكل سؤال بشكل منفصل في القسم ”تحاليل ورسوم بيانية“ في بُرس لاين.
هناك أنواع مختلفة من المخططات بما في ذلك المخططات العمودية أو الشريطية ومخططات المدرج التكراري (هستوغرام) والمخططات الدائرية.
- المخطط الشريطي أو العمودي: هذا المخطط مثالي لإجراء مقارنات بين المجموعات أو الخيارات المختلفة، حيث يمكنك مشاهدة أعلى وأدنى وفرة للإجابات بنظرة واحدة فقط، وكذلك يمكن استخدام المخطط الشريطي أو المخطط العمودي لعرض تغيُّر اتجاه البيانات بمرور الوقت، فعلى سبيل المثال في المخطط البياني أدناه تمثل الأعمدة الزرقاء شهر أيار، ومن خلال إضافة بيانات شهر أيار من العام السابق (أدة الأرجوانية) يمكننا مقارنة هاتين الإحصائيتين في رسم بياني واحد وبنظرة واحدة فقط. إننا نقترح استخدام المخططات البيانية الشريطية في الأسئلة ذات المتغيرات الاسمية أو متغيرات الترتيب، فباستخدام هذه المخططات البيانية يتم عرض التحقق من المقياس وعدد مرات الإجابة بسهولة بالغة.
من بين المتغيرات الاسمية يمكننا الإشارة إلى العمر ومحل الإقامة والرياضة أو الطعام المفضل، ومن متغيرات الترتيب نذكر مستوى التعليم ومقياس ليكرت (سؤال المقياس الخطي) والتصنيف.
- مخطط المدرج التكراري (هستوغرام): مخطط المدرج التكراري هو أحد أنواع المخططات المستخدمة لعرض توزيع التناوب، حيث يتم عرض وفرة البيانات على المحور X لهذا المخطط ويتم عرض النسبة المئوية أو عدد التناوبات لكل عمود على المحور Y.
الفرق بين المخطط الشريطي أو المخطط العمودي ومخطط المدرج التكراري هو أنه في المخطط العمودي يتم عرض البيانات المجمعة في أعمدة مستطيلة ويكون طول كل عمود هو نفس القيمة التي يعرضها إلا أنه في مخطط المدرج التكراري يتم ترتيب البيانات على شكل أعداد متتالية.
- المخطط الدائري: إذا كنت تريد إظهار مشاركة المجموعات والخيارات المختلفة أو نسبتها المئوية في نتائج الاستبيان النهائية فاختر مخططاً دائرياً، وهذا النوع من المخططات بسيط للغاية وسهل الفهم جداً وله استخدامات كثيرة من أجل المتغيرات الاسمية.
2. تحليل البيانات الاستنتاجي (Inferential)
يُستخدم الإحصاء التحليلي أو الاستنتاجي لدراسة العلاقة بين المتغيرات في البيانات، حيث يُستخدم هذا الإحصاء للتنبؤ أو استخلاص النتائج أو تعميم نتائج الاستبيان على المجتمع الإحصائي بأكمله. في التحليل الاستنتاجي يتم أخذ عينة صغيرة من البيانات واستخدام نتائجها لمجموعة أكبر من المجتمع المستهدف.
افترض مثلاً أنه في دراسة نفسية حول فوائد النوم تم استخدام مجموعة إحصائية من 500 شخص، والنتائج التي تم الحصول عليها تُظهر أن الأشخاص الذين لديهم 7 إلى 9 ساعات من النوم الجيد يمتازون بتركيز وصحة أكثر خلال النهار، وهكذا يخلص الباحثون إلى أنه إذا كان لدى بقية الناس على هذا الكوكب 7 إلى 9 ساعات من النوم الجيد فإنهم سيكونون في حالة أفضل من حيث الصحة والتركيز.
3. تحليل العاملي للبيانات (Factor Analysis)
يتم إجراء التحليل العاملي بطريقتين: استكشافية (Exploratory) وتأكيدية (Confirmatory). تُستخدم هذه الطريقة لتحليل التباين بين العديد من المتغيرات المرتبطة.
يركز تحليل البيانات الاستكشافي على استكشاف البيانات واختبارها وإيجاد العلاقات بين المتغيرات والتي لم تكن معروفة من قبل. في الواقع يسعى هذا التحليل إلى إيجاد علاقات محتملة بين أنماط البيانات، فتحليل البيانات الاستكشافي أو EDA مفيد في العثور على علاقات جديدة وإنشاء فرضيات.
مثلاً في مؤسسة كبيرة تؤخذ البيانات المتعلقة بزيادة الدخل خلال سنوات معينة بعين الاعتبار. خذ الأعوام من 2005 إلى 2015 بعين الاعتبار وقارن تأثير الإنترنت والرقمنة خلالها، وبهذه الطريقة يمكنك إيجاد علاقة ذات معنى بين زيادة الدخل والرقمنة واستنتاج أنه من خلال زيادة الأنشطة الرقمية يمكن تحقيق المزيد من الدخل والأرباح.
وكذلك يمكنك قياس حساسية العملاء لتغيرات أسعار المنتج خلال أوقات مختلفة وذلك من خلال أخذ مختلف البيانات بعين الاعتبار.
4. تحليل البيانات التنبؤي (Predictive)
يُستخدم التحليل التنبؤي للتنبؤ بالمداخيل أو السلوك أو الاتجاهات المستقبلية. في هذه الطريقة ، يتم استخدام التقنيات الإحصائية أو التعلم الآلي (تعلم الآلة الذكاء الاصطناعي). تُستخدم هذه الطريقة للتنبؤ بالحالات التي لا تستجيب فيها النماذج الخطية ويجب استخدام طرق إحصائية وتحليلية أكثر تعقيدًا للتنبؤ.
افترض مثلاً أنه من المقرر أن تتوقع نتيجة الانتخابات الرئاسية لبلد ما، ولهذا يجب أن تتمكن من تحديد من سيكون الرئيس القادم بمساعدة تحليل البيانات السابقة واستطلاعات الرأي والاتجاهات الحالية.
5. تحليل البيانات السببي (Causal)
في هذا النوع من التحليل نتفحص الأسباب وآثار العلاقة بين متغيرين ونجد سبب تشكُّل علاقة ما، وحتى تَستخدم تحليل البيانات هذا يجب أن تكون لديك مجموعات مختلفة من الأشخاص وأن تمضي في تحليلك باستخدام المتوسط الحسابي.
افترض أنه يمكنك قياس تأثير التغيير في مؤسستك، مثلاً من خلال تقديم خدمة الذهاب والإياب إلى مؤسستك يمكنك معرفة إلى أي حد زاد أو نقص مستوى رضا موظفيك، ولهذا الغرض عليك أولاً توفير هذه الإمكانية لقسم معين من مؤسستك، وبعد ذلك من خلال إجراء استطلاعات الرأي اللاحقة سوف تكتشف كيف تغيَّر مستوى الرضا في ذلك القسم المحدد وستدرك بالفعل سبب الانخفاض أو الزيادة في الرضا.
6. تحليل البيانات الآلي (Mechanistics)
في التحليل الآلي نسعى للعثور على تغييرات دقيقة في المتغيرات يمكن أن تسبب تغييرات في متغيرات أخرى. يُستخدم هذا النوع من التحليل في العلوم الفيزيائية والهندسية لأنه في هذه العلوم لا يوجد مجال لأقل خطأ ويجب أن يتم كل شيء بدقة متناهية.
افترض مثلاً أنه سيتم إجراء تجربة في العلوم النووية. بمساعدة تحليل البيانات الآلي يجب قياس جميع المتغيرات المستقلة والمرتبطة بدقة والوصول إلى النتيجة المرجوة.
7. تحليل البيانات الإلزامي (Prescriptive)
تحليل البيانات الإلزامي هو نوع من الدراسات المنهجية يتم فيه تحليل البيانات لفهم «ما يجب القيام به» ويساعد على اتخاذ قرارات أفضل وإيجاد الحلول المثلى.
هذه الطريقة فعالة للغاية في تحليل بيانات الأعمال التجارية لأنها تؤدي في النهاية إلى اتخاذ قرارات أفضل، وفي هذا التحليل تُستخدم المخططات أو الخوارزميات أو التعلم الآلي أيضاً.
مثلاً في التسويق وبيع المنتجات فإن هذا النوع من تحليل البيانات يساعد المسوقين على اختيار استراتيجية أفضل للتسويق بمساعدة بيانات العملاء وتحديد أسعار المنتجات بشكل أكثر عقلانية وتقديم منتجات أفضل للسوق.
سيارة جوجل ذاتية القيادة هي أحد الأمثلة البارزة على هذا النوع من تحليل البيانات، حيث تُجري Waymo ملايين العمليات الحسابية في كل رحلة لاكتشاف أفضل طريق تسلكه وكيف يجب القيادة بأمان.
تعرف على كيفية تحليل نتائج الاستبيانات من خلال بُرس لاين بسهولة في جلسة توضيحية احترافية!
المؤشرات الإحصائية الأكثر استخداماً
يمكن إجراء حسابات البيانات بمساعدة المؤشرات الإحصائية، حيث يتم استخدام مؤشر إحصائي واحد أو أكثر في كلٍّ من نماذج تحليل البيانات.
1. مؤشرات النزعة المركزية (Measures of Central Tendency)
مؤشرات النزعة المركزية تحدد خصائص البيانات وموقعها العام، ومن بين المؤشرات المركزية يمكننا أن نذكر المنوال (Mode) والوسيط (Median) والمتوسط (Mean) التي لكل منها استخدامه الخاص، ففي الأبحاث التي يكون مقياس قياس البيانات اسمياً أو تصنيفياً يكون الوسيط أو المنوال أكثر فائدة.
- المتوسط: المتوسط هو في الواقع المتوسط الحسابي، ونستخدم هذا المؤشر عندما يكون توزيع الإجابات قريباً من التوزيع الطبيعي ونريد امتلاك نظرة عامة على البيانات. يمكنك حساب المتوسط عن طريق جمع كافة الدرجات ثم تقسيم الإجمالي على عدد الإجابات.
يُظهر المتوسط العدد الشائع لدى الأغلبية، والمثال البسيط هو المعدل العام للفصل الدراسي والذي نعرفه جميعاً.
يمكننا إعطاء مثال عن هذا المؤشر في الأسئلة التي لديها أربعة خيارات، حيث نجمع عدد إجابات كل خيار ونقسمها على أربعة، وبهذه الطريقة يتم تحديد متوسط الإجابة لكل خيار، وهذا يوضح مدى ارتفاع أو انخفاض مستوى اختيار كل خيار عن المتوسط.
- الوسيط: هو نوع آخر من المتوسط والقيمة المتوسطة، وهو علامة 50%، بمعنى آخر يخبرك الوسيط أن نصف الأشخاص أكبر من هذا العدد والنصف الآخر أقل من هذا العدد. مثلاً في سؤال مقياس خطي من 1 إلى 10 أعطى نصف المجيبين إجابات تساوي أو تزيد عن 5 ونصفهم أعطوا أقل من ذلك.
في مثال آخر يكون الوسيط هو عدد الجلسات التي كان 50% من المشاركين حاضرين فيها من أصل جميع الجلسات (مثلاً 6 جلسات من أصل 10)، 50% الأخرى من الجلسات كان فيها الحضور أقل من هذا.
لنفترض أنك طرحت سؤالاً طيفياً حول مدى رضاك عن منتجاتنا يتراوح من 1 (غير راضٍ نهائياً) إلى 10 (راضٍ بالكامل). إذا كان الوسيط يساوي 8 فهذا يعني أن 50% من الإجابات أعلى من 8، وبالتالي يمكن استنتاج أن حالة رضا العميل في المستوى المطلوب.
- المنوال: المنوال هو العدد الأكثر اختياراً أو الإجابة الأكثر رواجاً التي تم اختيارها في مجموعة من البيانات.
لنفترض أنك طرحت السؤال التالي متعدد الخيارات: من أية شبكة اجتماعية تعرفت على علامتنا التجارية؟
إذا كانت لديك 8 خيارات للإجابة فإن الخيار الذي كان له أعلى معدل إجابة (الذي هو المنوال) يبين لك كيف ومن خلال أية شبكة يجب أن تقوم باستثمارات مستقبلية.
2. مؤشرات التشتت (Dispersion)
على عكس المؤشرات المركزية فإن مؤشرات التشتت تحسب مقدار التشتت حول المؤشرات المركزية. إن مدى التغييرات والانحراف الرباعي والتباين والانحراف المعياري هي بعض مؤشرات التشتت.
- مدى التغييرات: هذا المؤشر يحسب الحد الأقصى لمقدار التغييرات، ويمكن حسابه بسهولة عبر تحديد القيمتين الدنيا والقصوى وطرحهما من بعضهما بعضاً.
تخيل أن متوسط درجات اثنين من الطلاب كان يساوي 75. للوهلة الأولى يبدو أنه لا فرق بينهما، ولكن باستخدام مؤشر مدى التغييرات نجد أن لدى الطالب الأول فرق يساوي 15 درجة بين أدنى وأعلى درجاته في حين أن لدى الطالب الثاني فرق يساوي 35 درجة.
عادةً عندما يكون المقياس هو المسافة فإننا نستخدم هذا المؤشر؛ لكن إذا كان مقياس القياس اسمياً أو ترتيبياً فإن مدى التغييرات ليس مؤشراً مناسباً.
- التباين (Variance): يتم حساب التباين من خلال حساب انحراف الدرجات عن المتوسط، لكن وحدة التباين تتغير من خلال تربيع انحراف الدرجات عن المتوسط، ولهذا فإن استخدامه في الإحصاء الوصفي محدود، وعلى العكس من ذلك فإن لهذا المؤشر استخدامات عديدة في الإحصاء الاستدلالي.
تخيل صفاً دراسياً يبلغ متوسط درجات طلابه في الفصل الدراسي الأول 80 درجة. يحاول مدرس الصف تحسين الوضع من خلال تقديم مزيد من التعليم للطلاب الضعفاء لكننا نتفاجأ بأن متوسط الطلاب في الفصل الدراسي الثاني ما يزال 80 درجة.
إذا تم تفحُّص الدرجات فسنجد أن الطلاب الضعفاء قد تحسنوا في موادهم الدراسية، وما أبقى المعدل العام نفسه هو الانخفاض في درجات بقية الطلاب. يساعد التباين كثيراً في مثل هذه الحالات، فالتباين في الفصل الأول أعلى مما هو عليه في الفصل الثاني.
3. مؤشرات التوزيع
تسمى المؤشرات مثل التجانف (Skewness) والتفرطح (Kurtosis) باسم مؤشرات التوزيع، وهذه المجموعة من المؤشرات تصف نوع توزيع البيانات.
4. مؤشرات التشتت النسبي
تسمى المؤشرات مثل معامل الاختلاف باسم مؤشرات التشتت النسبي، ويتم حساب هذه المجموعة من نسب مؤشرات التشتت بناءً على المؤشرات المركزية.
ما هي الأدوات التي يجب أن نستخدمها لتحليل بيانات الاستبيان؟
يمكنك تحليل استبياناتك بمساعدة تقنيات مختلفة، ومن بين هذه التقنيات يمكن الإشارة إلى ما يلي:
1. المقارنة المرجعية للبيانات أو صياغة النماذج
المقارنة المرجعية للبيانات هي طريقة لبناء معيارية بحيث يمكنك جعل بياناتك ونتائجك ذات مغزى.
لنفترض أنك تريد معرفة سبب زيادة دخلك ومبيعاتك في أحد الفصول.
في هذه الحالة يجب عليك إجراء مقارنة مرجعية للمتغيرات التي أدت إلى زيادة المبيعات في ذلك الفصل مثل زيادة الإعلانات أو زيادة رضا الموظفين أو تغيير ساعات العمل، وبعد ذلك في الفصول اللاحقة يمكنك تحديد المتغيرات التي كانت غير عادية وإزالتها.
عندما تقوم بالمقارنة المرجعية فإنه يمكنك الحصول على المعايير الخاصة بك.
2. تحليل انحدار البيانات (Data Regression)
الانحدار هو تقنية إحصائية تتفحص متغيرين أو أكثر، وفي موضوع الانحدار نواجه مفهومين هما المتغيرات المستقلة والتابعة. إذا تغير المتغير المستقل فسيتغير المتغير التابع أيضاً، أي في المثال السابق إذا انخفض رضا الموظفين خلال الأشهر التالية لأي سبب من الأسباب فستتغير أيضاً متغيرات أخرى مثل المبيعات.
3. اختبار تي
اختبار T أو اختبار T للطالب هو أداة لقياس مجموعتين من البيانات لهما قيمة متوسطة مختلفة. لنفترض مثلاً أنك تريد مقارنة متوسط طول الرجال والنساء في مجموعة سكانية إحصائية، فبمساعدة هذا الاختبار يمكنك معرفة فيما إذا كان الاختلاف الحالي ذا دلالة إحصائية أم أنه عشوائي.
4. الجدول المتقاطع (Cross Tab)
الجداول التوافقية أو المتقاطعة هي طريقة أخرى لعرض البيانات على شكل جدول.
في بعض الأحيان من الممكن أن نستخدم متغيرين أو أكثر بدلاً من متغير واحد في الجدول، وفي هذه الحالة يكفي استخدام الجداول المتقاطعة للحصول على عرض أفضل للبيانات.
مثلاً إذا أردنا تفحُّص مجتمع ما من حيث عدوى كورونا وتنظيم نتائج الاستبيان في جدول توزيع الوفرة فإنه يتم وضع عدد الرجال والنساء في عمود واحد من الجدول وعدد الإصابات بكورونا في عمود آخر.
| الجنس | نتيجة فحص كورونا | الوفرة | |
| 1 | رجل | إيجابية | 40 |
| 2 | رجل | سلبية | 20 |
| 3 | امرأة | إيجابية | 36 |
| 4 | امرأة | سلبية | 24 |
إلا أنه يمكن عرض نتائج الاستبيان نفسها بطريقة أفضل في الجداول المتقاطعة، فطريقة العرض في الجداول المتقاطعة مفهومة بشكل أكبر مثلما ترى.
| الجنس | نتيجة فحص كورونا إيجابية | نتيجة فحص كورونا سلبية |
| رجل | 40 | 20 |
| امرأة | 36 | 24 |
أدوات وإمكانيات التحليل الإحصائي للاستبيان في بُرس لاين
مع الميزات العديدة التي يوفرها بُرس لاين في مرحلة إعداد التقارير فإنه قد وفر لك إمكانية الحصول على إحصائيات دقيقة على شكل جداول ورسوم بيانية وذلك من خلال تطبيق عدد من المرشحات ومعرفة مفهوم المؤشرات الإحصائية فقط.
شاهد هذا الفيديو لمعرفة المزيد حول ميزات إعداد التقارير في بُرس لاين وإعدادات مرشحات التصفية في التقارير:
في بُرس لاين يمكنك الحصول على خرج على شكل ملف Excel من البيانات التي تم إنشاؤها في كل اختبار أو استبيان، وبالرجوع إلى القسم ”تقارير“ يمكنك في ”جدول النتائج“ أن تحصل على جميع المعلومات في جدول واحد بالنقر على الزر ”جميع النتائج“ أو إجراء تصفية على نتائج الاستبيان حسب احتياجاتك.
مع إمكانية التصفية متعددة المستويات للأسئلة يمكنك تصميم الجداول التي تحتاجها والحصول على خرجها، وهذه المرشحات قابلة للتحرير والحذف والتطبيق، ومن خلال تطبيق المرشح والنقر على زر إخراج ملف Excel أو CSV سيتم تنزيل نتائج الاستبيان.
قد تحتاج إلى رؤية درجات المجيبين بناءً على نوع إجابتهم في جدول.
يوفر لك بُرس لاين هذه الإمكانية بسهولة، وباستخدام هذه الإمكانية بعد طرح السؤال يمكنك إضافة نقاط للإجابات التي تريدها وتحديد درجة موجبة أو سالبة.
في النهاية يمكنك مشاهدة الإجابات في جدول النتائج، وفي قسم التحليل الإحصائي للاستبيان والتقارير يمكنك مشاهدة الرسوم البيانية بالإضافة إلى مؤشرات مثل المتوسط والانحراف المعياري والمؤشرات الإحصائية الأخرى.
إذا كنت قد حددت موعداً لاختبارك أو استبيانك فإن الجداول الإحصائية في قسم التقارير في جدول النتائج تعرض زمن الإجابة على الاختبار في أحد الأعمدة.
بالطبع إذا تمت الإشارة في الإعدادات إلى أنه سيتم إخفاء معلومات المستجيبين فسيتم إخفاء العمود المقابل لهذه النتائج في جدول نتائج الاستبيان ولن تتمكن من رؤيته.
ربما تكون قد أنشأت استبيانًا في بُرس لاين ولم تكن قادراً على الوصول إلى جهاز كمبيوترك في لحظة ما لمشاهدة إحصائيات الاستبيان وكنت تريد إطلاع مديرك وزملائك على تقارير الاستبيان أو إبلاغ مشرفك بإحصائيات الإجابات على استبيان. اتخذت بُرس لاين إجراءين أساسيين لحل هذا الوضع.
أولاً يمكنك الوصول إلى حساب المستخدم الخاص بك والتحقق من المؤشرات الرسومية والتقارير الإحصائية من خلال الهاتف المحمول والأجهزة اللوحية.
ثانياً في قسم التحليل والتقارير استخدم رابط التقرير وقم بإتاحته لزملائك أو مديرك أو أستاذك عبر البريد الإلكتروني أو تلجرام أو الشبكات الاجتماعية الأخرى؛ وبهذه الطريقة يمكنهم أيضاً أن يكونوا على دراية بالتقارير الإحصائية في أي وقت.
قد ترغب في جعلهم يشاهدون أسئلة معينة فقط؛ وفي هذه الحالة ستساعدك ميزة التشريح والتقطيع. لا بد أنك شاهدت طهاة مشهورين وهم يقطعون قطع الطعام، إنهم يقسمون القطع التي يحتاجونها بسكينين. يوفر لك تحديد جزء من الإحصائيات والبيانات أيضاً النطاق الدقيق الذي تحتاجه.
قد ترغب في الحصول على مجموع أو متوسط جزء من البيانات مثل إجمالي مبيعات كل قسم من مؤسستك على حدة أو مبيعات منتج معين بالنسبة لإجمالي المبيعات.
لذلك اختر الأسئلة التي تريدها وصمم الرسوم البيانية المتعلقة بها ثم أرسل رابط التقرير إلى من تريد، ففي هذه الحالة ستكون أية تغييرات تجريها على هذه الصفحة مرئية للأشخاص الذين لديهم الرابط، ويمكنك حتى كتابة تفسيرك الخاص للإحصاءات التي تم الحصول عليها؛ وبهذه الطريقة سيتم إطلاع جميع الأشخاص على الإحصاءات وعلى نتائج الاستبيان بشكل لحظي. بالطبع في المستقبل ستتم إضافة إمكانية تعليق أعضاء المجموعة في بُرس لاين من أجل توفير تفاعل أفضل.
في بُرس لاين لا يتم فقط جمع كافة أنواع البيانات بسهولة من خلال النماذج والاستبيانات؛ بل ستكون قادراً أيضاً على اتخاذ القرارات الأساسية من خلال تطبيق عوامل التصفية المتقدمة.
مثلاً يريد مدير الموارد البشرية أن يشاهد الرضا الوظيفي لموظفي وحدة التسويق الذين لديهم خبرة من 1-3 سنوات أو يريد مدير علاقات العملاء أن يطلع على البيانات المتعلقة بمنتَج الشركة الجديد الذي حصل على أقل من 6 نقاط في بارامترات معينة.
من أجل كل معامل تصفية يكون لديك رابط فريد لنطاق البيانات الذي يعرض الرسوم البيانية المقابلة.
لذلك من بين الإمكانات التي يمكنك الوصول إليها في مرحلة تقارير الاستبيانات والاختبارات والاستمارات في بُرس لاين يمكن ذكر ما يلي:
- عرض البيانات من خلال الجداول والرسوم البيانية
- إمكانية الاطلاع على الإحصائيات في كل لحظة
- إمكانية مشاهدة الجداول والمخططات الإحصائية عبر الهواتف المحمولة والأجهزة اللوحية
- إمكانية إرسال روابط الصفحات الإحصائية إلى الأشخاص المعنيين
- إمكانية عرض درجات الاستبيان في الجداول الإحصائية
- القدرة على عرض زمن الإجابة في الجداول الإحصائية
- القدرة على استخدام جزء معين من البيانات (التشريح والتقطيع)
خاتمة
قد يكون من الصعب تحليل البيانات الكثيرة التي تحصل عليها من خلال الاستبيانات والاستطلاعات، لكن إذا تم إعداد هذه العينات من خلال منصة إنشاء استبيانات واستطلاعات إلكترونية مثل بُرس لاين فيمكنك ضبط البيانات باستخدام تلك المنصة نفسها.
سيتم إضافة تحليل الترابط وأنواع أخرى من الرسوم البيانية إلى هذا القسم من بُرس لاين للمستخدمين الاحترافيين والتنظيميين في الأشهر القليلة القادمة. شاركنا متطلباتك في هذا الصدد من خلال قنوات الدعم الخاصة بنا حتى نتمكن من التحقق من إمكانية تنفيذها.
إن الجداول والمخططات التي توفر لك مجموعة متنوعة من المؤشرات الإحصائية دون أية مشكلة تمنحك فرصة لتحليل الإحصائيات وتحديد أهدافك التنظيمية في وقت فراغك.
