Sei il tipo di persona che lavora meglio con un po ‘ di libertà e la capacità di “sparare dal fianco”? O ti piacciono le cose fatte in modo rigoroso e ordinato ogni volta? Questo è un po ‘ come i dati nominali vs ordinali. I dati nominali e ordinali sono entrambi considerati variabili di dati categoriali, ma sono usati in modo molto diverso.
Mentre i dati nominali e ordinali sono al centro qui, è importante notare gli altri due tipi di scale di misurazione dei dati in ricerca e statistica, dati di intervallo e rapporto, che sono dati numerici o quantificabili. Ne parleremo brevemente anche più tardi.
Crea il tuo sondaggio dati nominali o ordinali ora!
Che cosa sono i dati nominali?
Dati nominali (dalla parola latina ” nomen “che significa dati” nominati”), sono dati che nominano o etichettano variabili senza un valore numerico. L’esempio più semplice sarebbe “sì” o “no.”Queste sono due categorie, ma non c’è modo di ordinarle dal più alto al più basso o dal migliore al peggiore. Lo stesso si potrebbe dire per una domanda demografica come “race.”Mentre ci saranno numerose categorie che possono essere selezionate, di nuovo, non c’è alcun tipo di ordine che possa essere assegnato a loro. Quindi, i dati nominali vengono utilizzati per raccogliere alcune informazioni su un gruppo o un insieme di eventi che sono limitati ai soli conteggi. Il tipo di dati rappresenta un fatto, non una preferenza.
Che cosa sono i dati ordinali?
I dati ordinali sono dati ” ordinati.”Le variabili ottengono un numero, indicando la loro classifica su una lista. I ricercatori utilizzano questi dati per assegnare etichette alle opinioni. Ad esempio, quando un ristorante chiede ai clienti quanto fossero soddisfatti del servizio, il cliente potrebbe essere in grado di selezionare 1-5, con 1 scarso e 5 eccellente. Quindi, i numeri hanno un ordine o un rango, poiché 5 è chiaramente migliore di 1. È importante notare che sebbene i dati ordinali assegnino un valore numerico a un’opinione, non è una misura quantitativa perché sebbene una classifica di 5 sia migliore di 1, non significa che sia necessariamente cinque volte migliore.
7 Considerazioni per l’utilizzo di dati ordinali vs dati nominali
I dati nominali e ordinali hanno un ruolo importante nelle statistiche e nei rilievi, quindi è importante capire cosa si può e non si può fare con ciascuno di essi e come misurarli. Le scale ordinali di solito forniscono un alto livello di dettaglio, mentre le scale nominali limitano i dettagli. La comprensione di queste differenze può influenzare il tipo scelto e il modo in cui analizzerai i tuoi dati.
Analisi dei dati
L’analisi dei dati sarà diversa a seconda che si scelga una scala nominale o ordinale. Durante l’analisi, i dati nominali sono raggruppati in categorie di solito con una percentuale (40% ha detto sì, 60% ha detto no). Per i dati originali, vengono eseguiti calcoli più complessi, spesso determinando la modalità, la mediana e altre misure posizionali come quartili, percentili, ecc.
Tipi di domande
I tipi di domande che chiedi probabilmente variano a seconda che tu stia raccogliendo dati ordinali o nominali. La raccolta di dati nominali spesso comporta domande sì / no, pollice in alto/in basso o domande a scelta multipla. Anche le domande nominali sono a volte aperte (permettendo alla persona di scrivere in una risposta). Per le domande ordinali, la maggior parte dei ricercatori impiegherà una scala likert, una scala di intervalli, una scala di valutazione, ecc. Anche se queste tecniche di raccolta differiscono l’una dall’altra, un singolo questionario potrebbe utilizzare tecniche di raccolta dei dati nominali e ordinali (e molte indagini lo fanno).
Facilità d’uso
A meno che tu non stia offrendo incentivi o abbia un pubblico molto impegnato, la raccolta dei dati nominali richiede in genere più tempo per i partecipanti e meno probabilità di ottenere alti tassi di risposta. Questo perché devono considerare più scelte o” riempire gli spazi vuoti ” di una domanda aperta che alcuni potrebbero trovare stancante. D’altra parte, i dati ordinali richiedevano semplicemente loro di scegliere da una scala, semplificando il processo. Emoji possono anche essere aggiunti ai numeri (1 = 😠, 2 = 😔, 3 = 😑, 4 = 🙂, 5 = 😀) rendere il sondaggio ancora più divertente o facile da usare.
Libertà di espressione
I dati ordinali richiedono alle persone di selezionare da una scala, che è ottima per l’analisi dei dati ma non offre ai rispondenti libertà di espressione. Ad esempio, se qualcuno valuterà il servizio come povero, potrebbe voler scrivere esattamente perché era povero (ad esempio, potrebbe voler spiegare che il cameriere era fantastico, ma il cibo era terribile). Naturalmente, i ricercatori possono scegliere l’opzione di fornire una scala ordinale seguita da una domanda nominale aperta (dicci di più sulla tua esperienza…). Questo dà un business un’idea del livello di soddisfazione di un cliente e ciò che ha influenzato i loro sentimenti.
Inclusività
Andare di pari passo con #4 è la questione dell’inclusività. Con le variabili ordinali, i rispondenti sono limitati a un insieme di opzioni predefinite. Questo vale anche per molte domande ordinali, che spesso si basano sulla scelta multipla. Tuttavia, le domande ordinali possono anche essere aperte, fornendo libertà di espressione consentendo alle persone di scrivere nelle loro risposte. Quindi, ad esempio, quando si chiede di genere, gli intervistati scrivono nelle loro risposte in modo che non siano bloccati in una risposta maschile/femminile rigorosa per individui non binari o transgender. Ciò consente loro di identificare come scelgono e mantiene il sondaggio più inclusivo. Per saperne di più sui sondaggi DEI (Diversità, equità e inclusione).
Eliminare i dati irrilevanti
Dare agli intervistati la libertà di esprimersi può avere un costo temporale per i ricercatori, che dovrebbe anche essere considerato in base alla rapidità con cui i risultati devono essere compilati. I dati nominali, pur fornendo spesso informazioni preziose, possono anche includere dati irrilevanti che gli analisti dovranno eliminare. Quindi, è importante valutare ciò che speri di ottenere con la ricerca o l’indagine al momento di decidere quale tipo di dati raccogliere. Considera una domanda sulle prestazioni di un presidente. In una domanda ordinale, puoi chiedere a un intervistato di valutare le prestazioni del presidente; ora, il convenuto può essere felice del lavoro che il presidente sta facendo, ma trova imbarazzante un recente scandalo personale. Quindi assegnano un 2 su 5, che riflette male sulle prestazioni anche se non è questo il problema. Una domanda nominale, aperta, tuttavia, avrebbe potuto differenziare tra le prestazioni e lo scandalo.
Facilità di confronto
Infine, quanto è facile confrontare le risposte? I dati nominali non sono sempre facili da confrontare; una domanda potrebbe avere 8 risposte a scelta multipla, portando a un’ampia varietà di possibilità, o domande aperte a cui può essere difficile assegnare valore. D’altra parte, i dati ordinali sono molto facili da confrontare, rendendo estremamente conveniente raggruppare le variabili dopo averli ordinati.
Rapporto e intervallo variabili
Solo per tenervi informati sugli altri tipi di dati utilizzati nella ricerca e statistica, intervallo e rapporto di dati, abbiamo voluto coprire brevemente anche loro. Questi dati sono classificati come dati numerici o quantificabili. Le variabili di rapporto iniziano con zero che rappresenta l’uguaglianza tra due cose (rispetto all’ordinale che non rappresenta l’uguaglianza tra le cose, come accennato in precedenza). I dati del rapporto rappresentano differenze relative. Ad esempio, confrontando la popolazione degli Stati Uniti con la Cina, una variabile del rapporto potrebbe prendere gli Stati Uniti come base zero con 311 milioni di persone, il che dà alla Cina, con 1,3 miliardi di persone, un valore del rapporto di 4,29. Ciò significa che la Cina ha 4,29 persone quante sono gli Stati Uniti.
Le variabili di intervallo, d’altra parte, hanno la capacità di scendere sotto lo zero. Non contengono zero vero e possono rappresentare valori inferiori a zero, ad esempio, nel caso della temperatura. È possibile misurare la temperatura inferiore a 0 gradi Celsius, ad esempio -10 gradi, che richiedono una scala di intervallo. Misura altezza o peso? Questi vanno da 0 in su, richiedendo una variabile di rapporto.
Conclusione
Quando si intraprende uno studio o un sondaggio, è importante decidere se si desidera raccogliere dati nominali o ordinali. Naturalmente, puoi anche scegliere una combinazione dei due. Ci sono molte considerazioni da fare quando si decide che è meglio per la vostra ricerca, che abbiamo delineato qui. Quando sei pronto inizia il tuo sondaggio dati nominali o ordinali, SurveyLegend è qui! I nostri sondaggi sono facili da usare e puoi scegliere quale tipo di domande porre e quale tipo di dati vuoi ricevere indietro. Assicurati di scaricare la nostra guida Come scrivere domande di indagine come un esperto per ulteriori informazioni!
Quale tipo di raccolta dati preferisci, nominale vs dati ordinali? Oppure, preferisci una combinazione dei due? Fateci sapere nei commenti!
Crea il tuo sondaggio dati nominali o ordinali ora!
Domande frequenti (FAQ)
I dati nominali aggiungono un nome o un’etichetta variabili senza un valore numerico. Le risposte sono in genere sì / no, a scelta multipla o a risposta aperta.
I dati ordinali assegnano numeri alle risposte per indicare una classifica. Utilizzare le scale Likert quando si chiede a qualcuno di classificare il proprio livello di servizio in seguito a una transazione.
I dati nominali offrono agli intervistati maggiori opportunità di esprimersi, consentendo loro di scegliere risposte multiple o di compilare domande a risposta aperta. Tuttavia, questo può rendere più difficile l’analisi. I dati ordinali sono molto facili da confrontare e consentono ai ricercatori di giungere rapidamente a conclusioni. Tuttavia, non fornisce contesto alle risposte. Quindi, molti ricercatori usano una combinazione dei due.
Un esempio di variabile nominale sarebbe la questione demografica di ” razza.”Gli intervistati possono scegliere tra più risposte. Un esempio di dati ordinali potrebbe chiedere a qualcuno di valutare il livello di servizio ricevuto.