Was ist CX Transformation und wie können Sie sie erreichen?
Was ist CX Transformation und wie können Sie sie erreichen? SHARE THE ARTICLE ON Table of Contents Ein häufiges Problem, das den Prozess der Schaffung
Transformieren Sie Ihren Erkenntnisgewinnung Prozess
Nutzen Sie unseren ausführlichen Leitfaden für Online-Umfragen, um einen praktikablen Prozess zur Erfassung von Feedback zu entwickeln.
SHARE THE ARTICLE ON
Vor der Durchführung quantitativer Forschung ist es sehr wichtig, die Zuverlässigkeit Ihrer Forschungsmethoden und der für die Messung verwendeten Instrumente zu prüfen.
Anhand der Zuverlässigkeit können Sie feststellen, wie konsistent etwas mit einer Methode gemessen wurde. Wendet man eine ähnliche Methode auf eine ähnliche Stichprobe unter ähnlichen Bedingungen an, sollten auch die ermittelten Ergebnisse ähnlich sein. Wenn dies nicht der Fall ist, kann die Messmethode als unzuverlässig angesehen werden.
Die Zuverlässigkeit wird in vier Haupttypen unterteilt, die Folgendes umfassen:
Lassen Sie uns jede dieser Formen im Detail verstehen.
Die Test-Retest-Zuverlässigkeit wird zur Messung der Einheitlichkeit der Ergebnisse verwendet, insbesondere wenn ein ähnlicher Test an einer ähnlichen Stichprobe zu einem anderen Zeitpunkt wiederholt wird. Diese Art der Zuverlässigkeit kommt ins Spiel, wenn Sie etwas messen, das in Ihrer Stichprobe konstant bleiben sollte. Die Durchführung eines Farbenblindheit Tests an Bewerbern für eine Pilotenausbildung beispielsweise hat wahrscheinlich eine hohe Test-Retest-Zuverlässigkeit, da die Farbenblindheit konstant bleibt und sich mit der Zeit nicht verändert.
Die Ergebnisse, die Sie erheben, können durch verschiedene Faktoren in unterschiedlichen Zeitabschnitten beeinflusst werden. Zum Beispiel könnten die Befragten in ihrem persönlichen Leben schwere Zeiten durchmachen, wodurch Sie ihre Stimmungsschwankungen mitbekommen könnten. Auch externe Faktoren können die Fähigkeit der Befragten, korrekt zu antworten, beeinflussen.
Die Test-Retest-Zuverlässigkeit bietet eine gute Möglichkeit, die Wirksamkeit einer Methode zu bewerten und festzustellen, wie gut sie solchen Faktoren über einen bestimmten Zeitraum standhält. Die Test-Retest-Zuverlässigkeit ist umgekehrt proportional zu der Differenz zwischen den einzelnen Ergebnissen. Wenn der Abstand zwischen den beiden Ergebnissen gering ist, ist die Test-Retest-Reliabilität hoch.
Um die Test-Retest-Zuverlässigkeit effektiv messen zu können, müssen Sie einen ähnlichen Test mit einer ähnlichen Gruppe von Personen zu zwei verschiedenen Zeitpunkten durchführen. Auf diese Weise lässt sich die Korrelation zwischen den beiden unterschiedlichen Ergebnissen leicht quantifizieren.
Nehmen wir ein Beispiel: Sie erstellen einen Fragebogen zur Messung des IQ einer bestimmten Personengruppe (denken Sie daran, dass der IQ ein Attribut ist, das sich im Laufe der Zeit wahrscheinlich nicht ändert). Wenn Sie den Test mit derselben Gruppe von Personen nach zwei Monaten durchführen, stellen Sie fest, dass die Ergebnisse signifikant unterschiedlich sind. Dies bedeutet, dass die Test-Retest-Zuverlässigkeit des von Ihnen erstellten Fragebogens gering ist.
Die Interrater-Reliabilität, auch bekannt als Interobserver-Reliabilität, hilft bei der Messung des Grades der Übereinstimmung zwischen verschiedenen Personen, die eine ähnliche Sache beobachten oder bewerten. Diese Art der Zuverlässigkeit wird verwendet, wenn Daten von Forschern gesammelt werden, die einzelnen oder mehreren Variablen Punkte oder sogar Kategorien zuweisen.
Insbesondere bei Beobachtungsstudien, in denen Forscher Daten über das Verhalten von Schülern sammeln sollen, spielt die Interrater-Reliabilität eine entscheidende Rolle. In einem solchen Fall sollte sich das gesamte Forscherteam auf die Art und Weise einigen, wie die verschiedenen Verhaltensweisen kategorisiert oder bewertet werden.
Da Menschen subjektiv sind, unterscheiden sich ihre Wahrnehmungen in Bezug auf verschiedene Situationen in der Regel. Zuverlässige Forschung kann eine entscheidende Rolle dabei spielen, die Subjektivität weitgehend zu minimieren, so dass ähnliche Ergebnisse auch von einem anderen Forscher reproduziert werden können.
Wenn Sie die Skala und die Kriterien für die Datenerhebung festlegen, müssen Sie unbedingt sicherstellen, dass verschiedene Personen die gleiche Variable konstant und mit minimaler Verzerrung bewerten. Dies ist umso wichtiger, wenn zahlreiche Forscher an einer bestimmten Datenerhebung oder -analyse beteiligt sind.
Um die Interrater-Reliabilität zu messen, werden die Forscher gebeten, eine ähnliche Messung oder Beobachtung an einer ähnlichen Stichprobe durchzuführen. Dann sollte man sich auf die Berechnung der Korrelation konzentrieren, die zwischen den verschiedenen Ergebnismengen besteht. Wenn die von allen Forschern abgegebenen Bewertungen ähnlich sind, hat der Test bekanntermaßen eine höhere Interrater-Reliabilität.
Eine Gruppe von Forschern wird gebeten, die Wundheilung bei Patienten in einem Krankenhaus zu beobachten. Um die Heilungsstadien genau zu erfassen, können Sie Ratingskalen verwenden und spezifische Kriterien für die Bewertung der verschiedenen Aspekte von Wunden festlegen. Sobald die Forscher eine ähnliche Gruppe von Patienten bewerten, werden die gemeinsamen Ergebnisse verglichen. Wenn eine Korrelation zwischen den gemeinsamen Ergebnissen besteht, kann man davon ausgehen, dass der Test eine hohe Interrater-Zuverlässigkeit aufweist.
Bei parallelen Formen der Zuverlässigkeit wird die Korrelation gemessen, die zwischen zwei gleichwertigen Testversionen besteht. Sie kommt zum Tragen, wenn zwei unterschiedliche Fragesätze oder Bewertungsinstrumente zur Messung derselben Sache verwendet werden.
Wenn Sie es vorziehen, verschiedene Versionen eines bestimmten Tests zu verwenden (z. B. um zu vermeiden, dass sich die Antworten der Befragten wiederholen), ist es wichtig sicherzustellen, dass alle verschiedenen Fragensätze oder Messskalen zuverlässige Ergebnisse liefern.
Bei gemeinsamen Prüfungen in Bildungseinrichtungen ist es notwendig, verschiedene Testversionen zu entwickeln, um sicherzustellen, dass die Schüler keinen Zugang zu den Testfragen im Voraus erhalten. Gemäß der Reliabilität von Parallelformen sollten die Ergebnisse beider Tests gleich sein, wenn ein Schüler an zwei verschiedenen Versionen eines bestimmten Tests teilnimmt.
Die ideale und beliebteste Methode zur Messung der Zuverlässigkeit von Parallel Fragebögen besteht darin, einen großen Satz von Mehrfachfragen zu erstellen, um denselben Sachverhalt zu analysieren. Danach teilen Sie diese Fragen nach dem Zufallsprinzip in zwei verschiedene Gruppen auf.
Nun teilen Sie beide Fragesätze mit einer ähnlichen Gruppe von Befragten. Nachdem sie beide beantwortet haben, können Sie leicht die Korrelation zwischen den gesammelten Ergebnissen feststellen. Wenn es eine hohe Korrelation zwischen ihnen gibt, ist die Zuverlässigkeit der Parallel Formulare hoch.
Um die Zuverlässigkeit von Parallelformen zu verbessern, müssen Sie sicherstellen, dass die verschiedenen Fragen oder Testaufgaben, die Sie verwenden, auf einer ähnlichen Theorie beruhen und auf die Messung einer ähnlichen Sache ausgerichtet sind.
Die interne Konsistenz wird zur Bewertung der Korrelation zwischen verschiedenen Items in einem Test verwendet, die ein ähnliches Konstrukt messen sollen.
Um die interne Konsistenz zu berechnen, muss der Test nicht wiederholt werden. Außerdem können Sie andere Forscher einbeziehen, was sie zu einer großartigen Methode zur Bewertung der Zuverlässigkeit macht, insbesondere wenn nur ein Datensatz vorliegt.
Bei der Formulierung einer Reihe von Fragen oder Bewertungen, die in ein einziges Ergebnis einfließen sollen, ist es sehr wichtig, sicherzustellen, dass alle diese Items etwas Ähnliches widerspiegeln. Der Test kann als unzuverlässig angesehen werden, wenn die verschiedenen Items widersprüchliche Antworten liefern.
Es gibt zwei Methoden zur Messung der internen Konsistenz:
Die durchschnittliche Inter-Item-Korrelation: Bei dieser Methode werden die Maßnahmen zur Bewertung eines ähnlichen Konstrukts berücksichtigt, und es wird die Korrelation zwischen den Ergebnissen berechnet, die durch die möglichen Item-Paare erzielt werden. Anschließend muss der Durchschnitt berechnet werden.
Split-half-Reliabilität: Sie können zwei Sätze erstellen, indem Sie einen Satz von Maßnahmen zufällig aufteilen. Sobald Sie den gesamten Satz an den vorgesehenen Befragten erfolgreich getestet haben, können Sie die bestehende Korrelation zwischen den beiden Sätzen der gesammelten Antworten leicht berechnen.
Bei der Erstellung von Fragen oder Messgrößen müssen Sie besonders vorsichtig sein. Sie sollten nur solche verwenden, die ein ähnliches Konzept widerspiegeln und auf einer ähnlichen Theorie beruhen!
Read more
Was ist CX Transformation und wie können Sie sie erreichen? SHARE THE ARTICLE ON Table of Contents Ein häufiges Problem, das den Prozess der Schaffung
Digitales Kundenerlebnis: Wie misst man es? SHARE THE ARTICLE ON Table of Contents Die Bequemlichkeit und der Komfort, die die Online-Welt bietet, haben Kunden dazu
Ultimativer Leitfaden zur Marktsegmentierung Market Research Toolkit Get started with Voxco’s Market Research Toolkit. Market Research trends guide + Online Surveys guide + Agile MArket
Tipps zur optimalen Nutzung der CAPI-Software Die Einbeziehung eines Live-Interviewers in Ihre Umfrage Strategie ist eine Taktik, die von Forschern schon seit Jahren angewandt wird,
Stimmungsanalyse Transformieren Sie Ihren Erkenntnisgewinnungsprozess Nutzen Sie unseren ausführlichen Leitfaden für Online-Umfragen, um einen praktikablen Prozess zur Erfassung von Feedback zu entwickeln. Download Now SHARE
Data Lab – Datenanalyse und -exploration leicht gemacht SHARE THE ARTICLE ON Table of Contents Einführung Angesichts von 2,5 Quintillionen Bytes an Daten, die täglich
We use cookies in our website to give you the best browsing experience and to tailor advertising. By continuing to use our website, you give us consent to the use of cookies. Weiterlesen
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
hubspotutk | www.voxco.com | HubSpot functional cookie. | 1 year | HTTP |
lhc_dir_locale | amplifyreach.com | --- | 52 years | --- |
lhc_dirclass | amplifyreach.com | --- | 52 years | --- |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
_fbp | www.voxco.com | Facebook Pixel advertising first-party cookie | 3 months | HTTP |
__hstc | www.voxco.com | Hubspot marketing platform cookie. | 1 year | HTTP |
__hssrc | www.voxco.com | Hubspot marketing platform cookie. | 52 years | HTTP |
__hssc | www.voxco.com | Hubspot marketing platform cookie. | Session | HTTP |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
_gid | www.voxco.com | Google Universal Analytics short-time unique user tracking identifier. | 1 days | HTTP |
MUID | bing.com | Microsoft User Identifier tracking cookie used by Bing Ads. | 1 year | HTTP |
MR | bat.bing.com | Microsoft User Identifier tracking cookie used by Bing Ads. | 7 days | HTTP |
IDE | doubleclick.net | Google advertising cookie used for user tracking and ad targeting purposes. | 2 years | HTTP |
_vwo_uuid_v2 | www.voxco.com | Generic Visual Website Optimizer (VWO) user tracking cookie. | 1 year | HTTP |
_vis_opt_s | www.voxco.com | Generic Visual Website Optimizer (VWO) user tracking cookie that detects if the user is new or returning to a particular campaign. | 3 months | HTTP |
_vis_opt_test_cookie | www.voxco.com | A session (temporary) cookie used by Generic Visual Website Optimizer (VWO) to detect if the cookies are enabled on the browser of the user or not. | 52 years | HTTP |
_ga | www.voxco.com | Google Universal Analytics long-time unique user tracking identifier. | 2 years | HTTP |
_uetsid | www.voxco.com | Microsoft Bing Ads Universal Event Tracking (UET) tracking cookie. | 1 days | HTTP |
vuid | vimeo.com | Vimeo tracking cookie | 2 years | HTTP |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
__cf_bm | hubspot.com | Generic CloudFlare functional cookie. | Session | HTTP |
Name | Domain | Zweck | Ablauf | Art |
---|---|---|---|---|
_gcl_au | www.voxco.com | --- | 3 months | --- |
_gat_gtag_UA_3262734_1 | www.voxco.com | --- | Session | --- |
_clck | www.voxco.com | --- | 1 year | --- |
_ga_HNFQQ528PZ | www.voxco.com | --- | 2 years | --- |
_clsk | www.voxco.com | --- | 1 days | --- |
visitor_id18452 | pardot.com | --- | 10 years | --- |
visitor_id18452-hash | pardot.com | --- | 10 years | --- |
lpv18452 | pi.pardot.com | --- | Session | --- |
lhc_per | www.voxco.com | --- | 6 months | --- |
_uetvid | www.voxco.com | --- | 1 year | --- |