Êtes-vous le type de personne qui travaille mieux avec un peu de liberté et la capacité de « tirer de la hanche »? Ou aimez-vous que les choses soient faites de manière stricte et ordonnée à chaque fois? C’est un peu comme des données nominales vs ordinales. Les données nominales et ordinales sont toutes deux considérées comme des variables de données catégorielles, mais sont utilisées de manière très différente.
Bien que les données nominales et ordinales soient au centre de l’attention ici, il est important de noter les deux autres types d’échelles de mesure de données dans la recherche et les statistiques, les données d’intervalle et de rapport, qui sont des données numériques ou quantifiables. Nous les aborderons brièvement plus tard.
Créez votre enquête de données nominales ou ordinales maintenant!
Qu’est-ce que les données nominales ?
Les données nominales (du mot latin « nomen » signifiant « données nommées »), sont des données qui nomment ou étiquettent des variables sans valeur numérique. L’exemple le plus simple serait « oui » ou « non. »Ce sont deux catégories, mais il n’y a aucun moyen de les classer du plus haut au plus bas ou du meilleur au pire. La même chose pourrait être dite pour une question démographique comme « race. »Bien qu’il y ait de nombreuses catégories qui puissent être sélectionnées, encore une fois, aucun type d’ordre ne peut leur être attribué. Ainsi, les données nominales sont utilisées pour recueillir des informations sur un groupe ou un ensemble d’événements qui sont limités à des comptages. Le type de données représente un fait, pas une préférence.
Qu’est-ce que les données ordinales ?
Les données ordinales sont des données « ordonnées. »Les variables obtiennent un nombre, indiquant leur classement sur une liste. Les chercheurs utilisent ces données pour attribuer des étiquettes aux opinions. Par exemple, lorsqu’un restaurant demande aux clients à quel point ils étaient satisfaits du service, le client peut choisir entre 1 et 5, 1 étant médiocre et 5 étant excellent. Ainsi, les nombres ont un ordre ou un rang, car 5 vaut clairement mieux que 1. Il est important de noter que bien que les données ordinales attribuent une valeur numérique à une opinion, ce n’est pas une mesure quantitative car bien qu’un classement de 5 soit meilleur que 1, cela ne signifie pas nécessairement qu’il est cinq fois meilleur.
7 Considérations relatives à l’utilisation des données ordinales par rapport aux données nominales
Les données nominales et ordinales ont un rôle important dans les statistiques et les enquêtes, il est donc important de comprendre ce que vous pouvez et ne pouvez pas faire avec chacune d’elles ainsi que comment les mesurer. Les échelles ordinales fournissent généralement un niveau de détail élevé, tandis que les échelles nominales limitent les détails. La compréhension de ces différences peut influencer le type que vous choisissez et la façon dont vous analyserez vos données.
Analyse des données
L’analyse des données sera différente selon que vous choisissez une échelle nominale ou ordinale. Au cours de l’analyse, les données nominales sont regroupées en catégories avec généralement un pourcentage (40% ont dit oui, 60% ont dit non). Pour les données originales, des calculs plus complexes sont effectués, déterminant souvent le mode, la médiane et d’autres mesures de position comme les quartiles, les centiles, etc.
Types de questions
Les types de questions que vous posez varieront probablement selon que vous collectez des données ordinales ou nominales. La collecte de données nominales implique souvent des questions par oui/ non, des pouces vers le haut/vers le bas ou des questions à choix multiples. Les questions à l’esprit nominal sont également parfois ouvertes (permettant à la personne d’écrire une réponse). Pour les questions ordinales, la plupart des chercheurs utiliseront une échelle de likert, une échelle d’intervalle, une échelle de notation, etc. Même si ces techniques de collecte diffèrent les unes des autres, un questionnaire unique pourrait utiliser des techniques de collecte de données nominales et ordinales (et de nombreuses enquêtes le font).
Convivialité
À moins d’offrir des incitations ou d’avoir un public très engagé, la collecte de données nominales prend généralement plus de temps pour les participants et moins de chances d’obtenir des taux de réponse élevés. C’est parce qu’ils doivent envisager plusieurs choix ou « remplir les blancs » d’une question ouverte que certains peuvent trouver fatigante. D’autre part, les données ordinales leur demandaient simplement de choisir parmi une échelle, simplifiant ainsi le processus. Des emojis peuvent même être ajoutés aux chiffres (1 = 😠, 2 = 😔, 3 = 😑, 4 = 🙂, 5 = 😀) rendre l’enquête encore plus amusante ou conviviale.
Liberté d’expression
Les données ordinales exigent que les personnes choisissent à partir d’une échelle, ce qui est idéal pour l’analyse des données, mais n’offre pas aux répondants la liberté d’expression. Par exemple, si quelqu’un va évaluer le service comme médiocre, il voudra peut-être écrire exactement pourquoi il était médiocre (par exemple, il voudra peut-être expliquer que le serveur était génial, mais que la nourriture était terrible). Bien sûr, les chercheurs peuvent choisir l’option de fournir une échelle ordinale suivie d’une question nominale ouverte (racontez-nous votre expérience…). Cela donne à une entreprise une idée du niveau de satisfaction d’un client et de ce qui a influencé ses sentiments.
Inclusivité
Aller de pair avec #4 est la question de l’inclusivité. Avec les variables ordinales, les répondants sont limités à un ensemble d’options prédéfinies. Cela est également vrai pour de nombreuses questions ordinales, qui reposent souvent sur le choix multiple. Cependant, les questions ordinales peuvent également être ouvertes, offrant la liberté d’expression en permettant aux gens d’écrire dans leurs réponses. Ainsi, par exemple, lorsqu’ils posent des questions sur le genre, les répondants écrivent dans leurs réponses afin qu’ils ne soient pas enfermés dans une réponse masculine / féminine stricte pour les personnes non binaires ou transgenres. Cela leur permet de s’identifier comme ils le souhaitent et de rendre l’enquête plus inclusive. En savoir plus sur les enquêtes DEI (Diversité, Équité et Inclusion).
Éliminer les données non pertinentes
Donner aux répondants la liberté de s’exprimer peut avoir un coût pour les chercheurs, qui devrait également être pris en compte en fonction de la rapidité avec laquelle les résultats doivent être compilés. Les données nominales, bien qu’elles fournissent souvent des informations précieuses, peuvent également inclure des données non pertinentes que les analystes devront analyser. Il est donc important de peser ce que vous espérez réaliser avec la recherche ou l’enquête au moment de décider du type de données à collecter. Considérez une question sur la performance d’un président. Dans une question ordinale, vous pouvez demander à un répondant d’évaluer la performance du président; maintenant, le répondant peut être satisfait du travail que fait le président, mais trouve un scandale personnel récent embarrassant. Ils attribuent donc un 2 sur 5, ce qui reflète mal les performances même si ce n’est pas le problème. Une question nominale et ouverte, cependant, aurait pu faire la différence entre la performance et le scandale.
Facilité de comparaison
Enfin, avec quelle facilité avez-vous besoin de comparer les réponses? Les données nominales ne sont pas toujours faciles à comparer; une question peut avoir 8 réponses à choix multiples, conduisant à une grande variété de possibilités, ou des questions ouvertes auxquelles il peut être difficile d’attribuer de la valeur. D’autre part, les données ordinales sont très faciles à comparer, ce qui rend extrêmement pratique le regroupement des variables après les avoir ordonnées.
Variables de Ratio et d’intervalle
Juste pour vous tenir informé des autres types de données utilisées en recherche et en statistiques, des données d’intervalle et de ratio, nous avons voulu les couvrir brièvement également. Ces données sont classées comme des données numériques ou quantifiables. Les variables de rapport commencent par zéro représentant l’égalité entre deux choses (par rapport aux ordinaux qui ne représentent pas l’égalité entre les choses, comme mentionné précédemment). Les données de ratio représentent des différences relatives. Par exemple, en comparant la population des États-Unis à celle de la Chine, une variable de ratio pourrait prendre les États-Unis comme base zéro avec 311 millions d’habitants, ce qui donne à la Chine, avec 1,3 milliard d’habitants, une valeur de ratio de 4,29. Cela signifie que la Chine compte 4,29 personnes autant que les États-Unis.
Les variables d’intervalle, en revanche, ont la capacité de descendre en dessous de zéro. Ils ne tiennent pas de vrai zéro et peuvent représenter des valeurs inférieures à zéro, par exemple, dans le cas de la température. Il est possible de mesurer une température inférieure à 0 degré Celsius, comme -10 degrés, nécessitant une échelle d’intervalle. Mesurer la taille ou le poids? Ceux-ci vont de 0 et plus, nécessitant une variable de rapport.
Conclusion
Lorsque vous vous lancez dans une étude ou une enquête, il est important de décider si vous souhaitez collecter des données nominales ou ordinales. Bien sûr, vous pouvez également choisir une combinaison des deux. Il y a de nombreuses considérations à prendre en compte pour décider laquelle convient le mieux à vos recherches, que nous avons décrites ici. Lorsque vous êtes prêt, commencez votre enquête sur les données nominales ou ordinales, SurveyLegend est là! Nos enquêtes sont faciles à utiliser et vous pouvez choisir le type de questions à poser et le type de données que vous souhaitez recevoir. N’oubliez pas de télécharger notre guide Comment rédiger des questions de sondage Comme un expert pour plus d’informations!
Quel type de collecte de données préférez-vous, données nominales vs ordinales? Ou préférez-vous une combinaison des deux? Faites-le nous savoir dans les commentaires!
Créez votre enquête de données nominales ou ordinales maintenant!
Foire aux questions (FAQ)
Les données nominales ajoutent un nom ou une variable d’étiquette sans valeur numérique. Les réponses sont généralement oui/non, à choix multiples ou ouvertes.
Les données ordinales attribuent des nombres aux réponses pour indiquer un classement. Utilisez les échelles de Likert lorsque vous demandez à quelqu’un de classer son niveau de service après une transaction.
Les données nominales donnent aux répondants plus de possibilités de s’exprimer, leur permettant de choisir plusieurs réponses ou de répondre à des questions ouvertes. Cependant, cela peut rendre l’analyse plus difficile. Les données ordinales sont très faciles à comparer et permettent aux chercheurs de tirer rapidement des conclusions. Cependant, il ne fournit pas de contexte aux réponses. Ainsi, de nombreux chercheurs utilisent une combinaison des deux.
Un exemple de variable nominale serait la question démographique de « race. » Les répondants peuvent choisir entre plusieurs réponses. Un exemple de données ordinales serait de demander à quelqu’un d’évaluer le niveau de service qu’il a reçu.