Une échelle de Likert est une échelle de notation utilisée pour évaluer des opinions, des attitudes ou des comportements. Les échelles de Likert sont populaires dans la recherche par sondage car elles vous permettent d’opérationnaliser facilement des traits de personnalité ou des perceptions.
Pour collecter des données, vous présentez aux participants des questions ou des énoncés de type Likert et un continuum de réponses possibles, comportant généralement 5 ou 7 items. Chaque item se voit attribuer un score numérique afin que les données puissent être analysées de manière quantitative.
- Fréquence
- Agrément
- Satisfaction
| À quelle fréquence achetez-vous des produits à haut rendement énergétique ? | ||||
|---|---|---|---|---|
| Jamais | Rarement | Parfois | Souvent | Toujours |
.
| Mon responsable joue un rôle actif dans mon développement et mon avancement professionnels. | ||||||
|---|---|---|---|---|---|---|
| Très fortement en désaccord | Très fortement en désaccord | Désaccord | Non désaccord ni accord | En accord | Très fortement en accord | Très fortement en accord |
| Combien êtes-vous satisfait des politiques de retour des achats en ligne de l’entreprise X ? | |||||
|---|---|---|---|---|---|
| Très insatisfait | Plus ou moins insatisfait | Pas satisfait ou insatisfait | Pas satisfait ou insatisfait satisfait ou insatisfait | Plutôt satisfait | Très satisfait |
Conception de questions de type Likert-de type
Une échelle de Likert est composée de 4 questions ou plus qui évaluent une seule attitude ou un seul trait lorsque les scores des réponses sont combinés. Chaque question peut mesurer une composante distincte de ce sujet global.
Par exemple, si vous voulez évaluer les attitudes envers les comportements respectueux de l’environnement, vous pouvez concevoir une échelle de Likert avec une variété de questions qui mesurent différents aspects de ce sujet.
La formulation en questions vs en énoncés
Les énoncés et les questions sont souvent utilisés dans les échelles de Likert. L’utilisation d’un mélange des deux peut garder vos participants engagés et attentifs pendant votre enquête.
Lorsque vous décidez de la façon de formuler les questions et les déclarations, il est important de vous assurer qu’elles sont facilement compréhensibles et qu’elles ne biaisent pas vos répondants d’une manière ou d’une autre.
Cadrage positif vs négatif
Utilisez des cadres positifs et négatifs dans vos questions. Si toutes vos questions ne demandent que des choses socialement désirables, vos participants pourraient être biaisés en étant d’accord avec toutes ces questions pour se montrer sous un jour positif.
- Cadrage positif
- Cadrage négatif
| Les dommages environnementaux causés par les bouteilles d’eau à usage unique sont un problème sérieux. | |||||
|---|---|---|---|---|---|
| Vraiment pas d’accord | Pas d’accord | Ni d’accord ni pas d’accord | Vraiment pas d’accord ni d’accord ni en désaccord | En accord | Très en accord |
| Interdire les bouteilles d’eau à usage unique est inutile pour réduire les dommages environnementaux. | ||||
|---|---|---|---|---|
| Plus du tout en désaccord | Désaccord | Pas d’accord ni de désaccord | En accord | Plus du tout en accord |
Les répondants qui sont d’accord avec la première affirmation devraient également être en désaccord avec la seconde. En incluant ces deux affirmations dans une longue enquête, vous pouvez également vérifier si les réponses des participants sont fiables et cohérentes.
Évitez les doubles négations
Les doubles négations peuvent entraîner des confusions et des interprétations erronées, car les répondants ne sauront pas exactement ce qu’ils acceptent.
- Mauvais exemple
- Bon exemple
| Je n’achète jamais de produits nonbiologiques. | ||||
|---|---|---|---|---|
| Fort désaccord | Désaccord | Neither agree nor disagree | Agree | Strongly agree |
| J’essaie d’acheter des produits biologiques lorsque c’est possible. | |||||
|---|---|---|---|---|---|
| Plus du tout en désaccord | Désaccord | Pas d’accord ni de désaccord | En accord | Plus du tout en accord | . d’accord |
Demander sur une seule chose à la fois
Si vous utilisez des questions à doublequestions à double barillet, vos répondants peuvent répondre de manière sélective sur un sujet mais ignorer l’autre, ou essayer de choisir une réponse neutre mais imprécise.
- Mauvais exemple
- Bon exemple
| Comment évalueriez-vous vos connaissances sur le changement climatique et les systèmes alimentaires ? | ||||
|---|---|---|---|---|
| Très faible | Pauvre | Pair | Bon | Excellent |
| Comment évalueriez-vous votre connaissance du changement climatique ? | ||||
|---|---|---|---|---|
| Très faible | Pauvre | Parfait | Bon | Excellent |
| Comment évalueriez-vous votre connaissance des systèmes alimentaires ? | ||||
|---|---|---|---|---|
| Très mauvaise | Pauvre | Parfaite | Bonne | Excellente |
Sélection des items de réponse
Les échelles de Likert comportent généralement 5 ou 7 items, et les items situés à chaque extrémité sont appelés ancres de réponse. Le point médian est souvent un item neutre avec des items positifs d’un côté et des items négatifs de l’autre. Chaque item se voit attribuer un score de 1 à 5 ou de 1 à 7.
Nombre d’items
Plus d’items vous donnent des aperçus plus profonds mais il est plus difficile pour les participants de décider des réponses car il y a plus de choix. Moins d’items signifie que vous saisissez moins de détails, mais l’échelle est plus conviviale.
- 5 items
- 7 items
| À quelle fréquence achetez-vous des produits biodégradables ? | ||||
|---|---|---|---|---|
| Jamais | Occasionnellement | Parfois | Souvent | Toujours |
| À quelle fréquence achetez-vous des produits biodégradables ? | |||||||
|---|---|---|---|---|---|---|---|
| Jamais | Rarestement | Occasionnellement | Parfois | Souvent | Souvent | Très souvent | Toujours |
Types d’items
Vous pouvez mesurer un large éventail de perceptions, motivations et intentions en utilisant des échelles de Likert.
Certains des types d’items les plus courants comprennent :
- Accord : Tout à fait d’accord, D’accord, Ni d’accord ni en désaccord, En désaccord, Tout à fait en désaccord
- Qualité : Très mauvaise, Mauvaise, Passable, Bonne, Excellente
- Vraisemblance : Pas du tout probable, Assez probable, Extrêmement probable
- Expérience : Très négative, Assez négative, Neutre, Assez positive, Très positive
Eléments unipolaires vs bipolaires
Sur une échelle unipolaire, vous mesurez un seul attribut (par exemple, la satisfaction), mais sur une échelle bipolaire, vous mesurez deux attributs (par ex, la satisfaction ou l’insatisfaction) sur un continuum.
- Unipolaire
- Bipolaire
| Combien êtes-vous satisfait de la gamme de produits biologiques disponibles ? | |||||
|---|---|---|---|---|---|
| Pas du tout satisfait | Parfaitement satisfait | Parfaitement satisfait | Satisfait | Très satisfait | Extrêmement satisfait |
| Combien êtes-vous satisfait de la gamme de produits biologiques disponibles ? | ||||
|---|---|---|---|---|
| Extrêmement insatisfait | Insatisfait | Ni insatisfait ni satisfait | Satisfait | Extrêmement satisfait |
Votre choix dépend de vos questions et objectifs de recherche. Si vous voulez des détails plus fins sur un attribut, sélectionnez des items unipolaires. Si vous souhaitez autoriser un plus large éventail de réponses, sélectionnez des items bipolaires.
Utiliser des items mutuellement exclusifs
Évitez les chevauchements dans les items. Si deux items ont des significations similaires, cela rend le choix de votre répondant aléatoire.
- Mauvais exemple
- Bon exemple
| Les dommages environnementaux causés par les bouteilles d’eau à usage unique sont un problème sérieux. | |||||
|---|---|---|---|---|---|
| Vraiment d’accord | D’accord | Ni d’accord d’accord ni en désaccord | Indifférent | Désaccord | Très fortement en désaccord |
| Les dommages environnementaux causés par les bouteilles d’eau à usage unique sont un problème sérieux. | ||||
|---|---|---|---|---|
| Vraiment d’accord | D’accord | ni d’accord ni de désaccord | Désaccord | Vraiment pas d’accord |
Voici pourquoi les étudiants adorent les services de relecture de Scribbr
.
Découvrez la relecture & édition
Exemple d’une échelle de Likert
| Les dommages environnementaux causés par les bouteilles d’eau à usage unique sont un problème sérieux. | ||||
|---|---|---|---|---|
| Vraiment d’accord | D’accord | ni d’accord ni de désaccord | Désaccord | Vraiment pas d’accord |
| À quelle fréquence achetez-vous des produits biodégradables ? | ||||
|---|---|---|---|---|
| Jamais | Occasionnellement | Parfois | Souvent | Toujours |
| Comment évalueriez-vous votre connaissance du changement climatique ? | ||||
|---|---|---|---|---|
| Très faible | Pauvre | Parfait | Bon | Excellent |
| J’essaie d’acheter des produits biologiques lorsque c’est possible. | ||||
|---|---|---|---|---|
| Pas du tout d’accord | Désaccord | Pas d’accord ni de désaccord | D’accord | Parfaitement d’accord |
| L’interdiction des bouteilles d’eau à usage unique est inutile pour réduire les dommages environnementaux. | |||||
|---|---|---|---|---|---|
| Plus du tout en désaccord | Désaccord | Pas d’accord ni de désaccord | En accord | Plus du tout en accord | . d’accord |
Analyse des données de l’échelle de Likert
Avant d’analyser des données provenant de questions de type Likert et d’échelles de Likert, vous devez vous assurer que les données sont exactes.questions de type Likert et des échelles de Likert, il est important de considérer à quel type vous avez affaire.
Données ordinales vs données de niveau intervalle
Vos données peuvent être divisées en ces deux types différents car elles sont associées à des procédures d’analyse distinctes.
- Les données provenant de questions individuelles de type Likert sont traitées comme un niveau ordinal.
- Les données provenant de l’échelle de Likert globale sont traitées comme un niveau d’intervalle.
Dans les échelles ordinales, chaque élément a un rang supérieur ou inférieur aux autres, mais les différences exactes entre les éléments ne sont pas uniformément espacées ou clairement définies.
Par exemple, vous ne pouvez pas être sûr que la différence entre « très mauvais » et « mauvais » est la même que la différence entre « bon » et « excellent ».
Les échelles intervalles ont également un ordre clair, mais la différence entre chaque point est uniformément espacée. Par exemple, les échelles d’évaluation non-Likert de 1 à 10 peuvent supposer que la différence entre 2 et 4 est la même que la différence entre 5 et 7.
Les données globales de l’échelle de Likert sont souvent traitées comme des intervalles parce qu’il s’agit d’un score composite obtenu en additionnant les réponses à 4 questions ou plus.
Statistiques descriptives
Vous pouvez utiliser des statistiques descriptives pour résumer les données que vous avez collectées sous une forme numérique ou visuelle simple.
Les questions de type Likert peuvent être analysées individuellement pour obtenir des informations plus approfondies sur des attributs spécifiques.
Si les questions mesurent toutes un seul trait ou une seule attitude lorsqu’elles sont combinées, elles peuvent également être regroupées et analysées comme une échelle de Likert. Vous pouvez coder les réponses à chaque question en chiffres, puis les additionner pour obtenir un score d’attitude global pour chaque participant.
- Données ordinales : Pour obtenir une impression générale de votre échantillon, vous trouvez le mode, ou le score le plus courant, pour chaque question. Vous créez également un diagramme à barres pour chaque question afin de visualiser la fréquence de chaque choix d’item.
- Données intervalles : Vous additionnez les scores de chaque question pour obtenir le score total de chaque participant. Vous trouvez la moyenne, ou le score moyen, et l’écart type, ou la dispersion, des scores de votre échantillon.
Statistiques inférentielles
Vous pouvez utiliser les statistiques inférentielles pour tester des hypothèses, telles que des corrélations entre différentes réponses ou des modèles dans l’ensemble des données.
Si vous traitez vos données comme des données ordinales ou d’intervalle, cela a un impact sur votre choix d’un test statistique paramétrique ou non paramétrique. Les tests paramétriques font des hypothèses plus strictes, telles que l’espacement régulier, des données que les tests non paramétriques.
- Pour les données ordinales (questions individuelles à échelle de Likert), utilisez des tests non paramétriques tels que la corrélation de Spearman ou le test d’indépendance du chi carré.
- Pour les données d’intervalle (scores globaux sur l’échelle de Likert), utilisez des tests paramétriques tels que la corrélation r de Pearson ou les tests t.
- Données ordinales : Vous émettez l’hypothèse que la connaissance du changement climatique est liée à la croyance que les dommages environnementaux sont un problème grave. Vous utilisez un test d’indépendance du chi-deux pour voir si ces deux attributs sont corrélés.
- Données intervalles : Vous cherchez à savoir si l’âge est lié aux attitudes envers un comportement respectueux de l’environnement. À l’aide d’un test de corrélation de Pearson, vous évaluez si le score global de votre échelle de Likert est lié à l’âge.
Forts et limites des échelles de Likert
Les échelles de Likert sont une méthode pratique et accessible de collecte de données.
- Quantitative : Les échelles de Likert permettent d’opérationnaliser facilement des phénomènes complexes en décomposant des sujets abstraits en observations enregistrables. Cela permet de procéder à des tests statistiques d’hypothèses.
- Gravité : Comme les questions de type Likert ne sont pas binaires (oui/non, vrai/faux, etc.), vous pouvez obtenir des informations détaillées sur les perceptions, les opinions et les comportements.
- Facile à utiliser : contrairement aux questions ouvertes, les échelles de Likert sont fermées et ne demandent pas aux répondants de générer des idées ou de justifier leurs opinions. Elles sont donc rapides à remplir pour les répondants et peuvent facilement produire des données à partir de grands échantillons.
Les problèmes des échelles de Likert proviennent souvent de choix de conception inappropriés.
- Biais de réponse : En raison du biais de désirabilité sociale, les gens évitent souvent de sélectionner les items extrêmes ou d’être en désaccord avec les énoncés pour paraître plus » normaux » ou se montrer sous un jour favorable.
- Fatigue/inattention : Dans les échelles de Likert comportant de nombreuses questions, les répondants peuvent s’ennuyer et perdre leur intérêt. Ils peuvent sélectionner distraitement des réponses sans tenir compte de leurs véritables sentiments. Il en résulte des réponses non valides.
- Interprétation subjective : Certains items peuvent être vagues et interprétés très différemment par les répondants. Des mots comme » quelque peu » ou » assez » n’ont pas de définition précise ou étroite.
- Choix restreint : Comme les questions de type Likert sont fermées, les répondants doivent parfois choisir la réponse la plus pertinente même si elle ne reflète pas exactement la réalité.
Questions fréquemment posées sur les échelles de Likert
Une échelle de Likert est une échelle de notation qui évalue quantitativement des opinions, des attitudes ou des comportements. Elle est composée de 4 questions ou plus qui mesurent une seule attitude ou un seul trait lorsque les scores des réponses sont combinés.
Pour utiliser une échelle de Likert dans un sondage, vous présentez aux participants des questions ou des énoncés de type Likert et un continuum d’éléments, généralement avec 5 ou 7 réponses possibles, pour capturer leur degré d’accord.
Les questions individuelles de type Likert sont généralement considérées comme des données ordinales, car les items ont un ordre de classement clair, mais n’ont pas une distribution uniforme.
Les scores globaux des échelles de Likert sont parfois traités comme des données d’intervalle. Ces scores sont considérés comme ayant une directionalité et un espacement régulier entre eux.
Le type de données détermine les tests statistiques que vous devez utiliser pour analyser vos données.
L’opérationnalisation consiste à transformer des idées conceptuelles abstraites en observations mesurables.
Par exemple, le concept d’anxiété sociale n’est pas directement observable, mais il peut être défini opérationnellement en termes de scores d’auto-évaluation, d’évitement comportemental des lieux bondés ou de symptômes physiques d’anxiété dans les situations sociales.
Avant de collecter des données, il est important de réfléchir à la manière dont vous allez opérationnaliser les variables que vous souhaitez mesurer.
.