آیا تا به حال نتیجه یک نظرسنجی را دیدهاید و با خود گفتهاید: «حالا میدانیم کاربران ناراضیاند، اما هنوز نمیدانیم چرا»؟ سوالات بسته، مانند سوالات چندگزینهای و امتیازدهی، برای اندازهگیری و مقایسه مناسباند؛ اما همیشه نمیتوانند دلیل رفتار، انتظار یا نارضایتی افراد را آشکار کنند. در ادامه همراه با پندارگان باشید.
اینجاست که سوالات باز در نظرسنجی اهمیت پیدا میکنند. این سوالات به پاسخدهنده اجازه میدهند بدون محدود شدن به گزینههای ازپیشتعیینشده، تجربه و دیدگاه خود را با زبان خودش بیان کند. نتیجه میتواند کشف مشکلی باشد که در طراحی پرسشنامه به آن فکر نکردهاید یا پیشنهادی که مسیر بهبود محصول و خدمات را روشن میکند.
بااینحال، اضافه کردن یک کادر متنی به پرسشنامه بهتنهایی کافی نیست. اگر سوال مبهم باشد، تعداد سوالات زیاد شود یا برنامهای برای تحلیل پاسخها وجود نداشته باشد، دادههای متنی ممکن است بهجای بینش مفید، حجم زیادی اطلاعات پراکنده ایجاد کنند.
در این مقاله بررسی میکنیم سوالات باز چه زمانی کاربرد دارند، چگونه باید طراحی شوند و پاسخهای آنها را چطور میتوان به اطلاعات قابلاستفاده تبدیل کرد.
سوال باز در نظرسنجی چیست؟
سوال باز، سوالی است که پاسخدهنده برای جواب دادن به آن، متن خود را مینویسد؛ نه اینکه صرفاً یکی از گزینههای آماده را انتخاب کند.
برای مثال، این یک سوال بسته است:
چقدر از فرایند خرید رضایت داشتید؟
بسیار کم، کم، متوسط، زیاد، بسیار زیاد
اما این سوال، باز است:
در فرایند خرید، چه چیزی بیش از همه نیاز به بهبود دارد؟
سوال اول، سطح رضایت را اندازهگیری میکند. سوال دوم کمک میکند بفهمیم چه مسئلهای پشت این ارزیابی قرار دارد.
البته هر سوالی که کادر متنی دارد، لزوماً داده کیفی غنی تولید نمیکند. برای نمونه، «نام شهر محل سکونت شما چیست؟» پاسخ متنی میگیرد، اما هدف آن کشف تجربه یا دیدگاه نیست. در این مقاله، منظور از سوالات باز بیشتر سوالاتی است که توضیح، تجربه، دلیل یا پیشنهاد دریافت میکنند.
جهت راهنمایی بیشتر و اطلاع از شرایط خرید پلتفرم، میتوانید فرم درخواست دمو را پرکرده یا با کارشناسان فروش تماس حاصل فرمایید.
تفاوت سوالات باز و بسته چیست؟
سوالات باز و بسته رقیب یکدیگر نیستند؛ هرکدام بخشی از نیاز اطلاعاتی شما را پوشش میدهند.
| ویژگی | سوالات باز | سوالات بسته |
|---|---|---|
| شیوه پاسخگویی | بیان پاسخ با کلمات خود فرد | انتخاب از میان گزینههای مشخص |
| کاربرد اصلی | کشف دلایل، تجربهها و موضوعات جدید | اندازهگیری، مقایسه و بررسی الگوها |
| زمان پاسخگویی | معمولاً بیشتر | معمولاً کمتر |
| روش تحلیل | خواندن، کدگذاری و تحلیل متن | محاسبات و تحلیل آماری |
| امکان کشف موضوع پیشبینینشده | بیشتر | محدود به گزینهها، مگر با امکان توضیح |
| مقایسه مستقیم پاسخها | دشوارتر | سادهتر |
ترکیب این دو نوع سوال اغلب نتیجه بهتری دارد. برای مثال، ابتدا میزان رضایت را بپرسید و سپس اضافه کنید:
مهمترین دلیل شما برای انتخاب این امتیاز چیست؟
به این ترتیب، هم عدد دارید و هم توضیحی که به تفسیر آن کمک میکند.
سوالات باز در نظرسنجی چه زمانی مفید هستند؟
۱. وقتی هنوز گزینههای پاسخ را نمیشناسید
اگر در آغاز شناخت یک مسئله هستید، ممکن است ندانید چه گزینههایی باید در پرسشنامه قرار دهید. طراحی زودهنگام گزینهها در این شرایط میتواند پاسخدهنده را به چارچوب ذهنی شما محدود کند.
مثلاً پیش از تهیه فهرست دلایل لغو اشتراک، میتوانید بپرسید:
مهمترین دلیل شما برای تمدید نکردن اشتراک چه بود؟
پاسخها کمک میکنند گزینههای یک نظرسنجی بسته در مرحله بعد، بر اساس تجربه واقعی کاربران طراحی شوند.
۲. وقتی میخواهید دلیل یک امتیاز را بدانید
امتیاز پایین، نشانه وجود مسئله است؛ اما لزوماً علت آن را مشخص نمیکند. دو نفر ممکن است هر دو امتیاز پایینی بدهند، درحالیکه یکی از قیمت ناراضی است و دیگری با اختلال فنی روبهرو شده است.
سوال باز پیگیری، این تفاوت را آشکار میکند:
چه چیزی بیشترین تأثیر را بر امتیازی که دادید داشت؟
۳. وقتی به دنبال مشکلات و نیازهای پیشبینینشده هستید
ممکن است تصور کنید مشکل اصلی کاربران، زمان ارسال سفارش است؛ اما پاسخهای متنی نشان دهند که اطلاعرسانی نامشخص درباره وضعیت سفارش، مسئله مهمتری است.
ارزش اصلی سوالات باز، فقط توضیح بیشتر نیست؛ ایجاد فرصت برای شنیدن چیزهایی است که از قبل در گزینههای شما وجود نداشتهاند.
۴. وقتی میخواهید تجربه کاربران را با زبان خودشان بشناسید
عبارتهایی که کاربران برای توصیف نیاز یا مشکل خود به کار میبرند، میتوانند برای بهبود راهنماها، متنهای داخل محصول، پاسخهای پشتیبانی و محتوای سایت مفید باشند.
برای مثال، ممکن است سازمان از اصطلاح «احراز هویت» استفاده کند، اما کاربران مسئله خود را اینطور توضیح دهند: «نمیدانستم باید عکس کدام مدرک را بفرستم.»
این تفاوت زبانی، سرنخی برای سادهتر کردن ارتباط با مخاطب است.
۵. وقتی به پیشنهادهای مشخص برای بهبود نیاز دارید
اگر پاسخدهنده تجربه مرتبطی داشته باشد، سوال باز میتواند پیشنهادهای عملی دریافت کند:
اگر قرار باشد فقط یک بخش از فرایند ثبتنام را تغییر دهیم، پیشنهاد شما چیست؟
محدود کردن درخواست به یک تغییر، به پاسخدهنده کمک میکند اولویت خود را روشنتر بیان کند.
مزایای سوالات باز در نظرسنجی
کشف دیدگاههای خارج از پیشفرضهای طراح
در سوالات بسته، طراح تصمیم میگیرد چه پاسخهایی در دسترس باشند. سوال باز این محدودیت را کاهش میدهد و برای بیان تجربههای متفاوت فضا ایجاد میکند.
البته سوال باز هم میتواند جهتدار نوشته شود؛ بنابراین باز بودن قالب، بهتنهایی بیطرفی سوال را تضمین نمیکند.
فراهم کردن زمینه برای تفسیر دادههای عددی
دانستن اینکه رضایت کاهش یافته، مهم است؛ اما برای تصمیمگیری باید بدانید چه اتفاقی افتاده است. پاسخهای متنی میتوانند زمینهای ارائه کنند که در نمودارها دیده نمیشود.
شناسایی مسائل کمتکرار اما مهم
برخی موضوعات شاید فقط در چند پاسخ مطرح شوند، اما اهمیت بالایی داشته باشند؛ مانند مشکل دسترسپذیری، نگرانی درباره حریم خصوصی یا خطای جدی در پرداخت.
بنابراین، ارزش یک موضوع را نباید فقط با تعداد دفعات تکرار آن سنجید.
درک دقیقتر نیاز و انتظار پاسخدهنده
گاهی یک پاسخ کوتاه نشان میدهد کاربر چه انتظاری داشته و تجربه واقعی او چگونه با آن متفاوت بوده است. همین فاصله میان انتظار و تجربه، میتواند مبنای یک اقدام اصلاحی قرار گیرد.

محدودیتهای سوالات باز چیست؟
پاسخ دادن به آنها زحمت بیشتری دارد
نوشتن پاسخ، به زمان و تمرکز بیشتری نسبت به انتخاب یک گزینه نیاز دارد. زیاد شدن سوالات متنی، بهویژه در تلفن همراه، ممکن است باعث خستگی، پاسخهای کوتاه یا رها کردن پرسشنامه شود.
همه پاسخها به یک اندازه قابلاستفاده نیستند
پاسخهایی مانند «خوب بود»، «هیچی» یا «نمیدانم» اطلاعات محدودی ارائه میکنند. بعضی پاسخها نیز مبهم، نامرتبط یا فاقد جزئیات کافیاند.
تحلیل آنها زمانبر و تفسیرپذیر است
پاسخهای متنی باید خوانده، دستهبندی و تفسیر شوند. بدون قواعد مشخص، ممکن است دو تحلیلگر یک جمله را در دستههای متفاوت قرار دهند.
پاسخدهندگان به سوال باز ممکن است نماینده همه افراد نباشند
کسانی که نظر بسیار مثبت یا منفی دارند، ممکن است انگیزه بیشتری برای نوشتن داشته باشند. همچنین توانایی نوشتن، زبان و زمانی که فرد در اختیار دارد، بر میزان مشارکت اثر میگذارد.
بنابراین، فراوانی یک موضوع در پاسخهای متنی را نباید بدون بررسی بیشتر، معادل شیوع آن در کل جامعه هدف دانست.
احتمال ثبت اطلاعات حساس وجود دارد
افراد ممکن است ناخواسته نام، شماره تماس، اطلاعات مالی یا جزئیات شخصی خود و دیگران را وارد کنند. لازم است برای جمعآوری، دسترسی، نگهداری و ناشناسسازی این دادهها برنامه داشته باشید.
تعداد مناسب سوالات باز در نظرسنجی چقدر است؟
برای همه نظرسنجیها عدد ثابتی وجود ندارد. تعداد مناسب به هدف تحقیق، طول پرسشنامه، انگیزه مخاطب و توان تیم برای تحلیل بستگی دارد.
برای یک نظرسنجی آنلاین کوتاه و عمومی، یک تا سه سوال باز میتواند نقطه شروع عملی باشد؛ نه یک قانون قطعی. در برخی نظرسنجیهای تراکنشی، حتی یک سوال باز هدفمند کافی است. در یک مطالعه اکتشافی با مخاطبان داوطلب و درگیر، تعداد بیشتری ممکن است توجیه داشته باشد.
پیش از افزودن هر سوال، این سه پرسش را مطرح کنید:
- پاسخ این سوال به کدام تصمیم کمک میکند؟
- آیا همین اطلاعات را میتوان با سوال سادهتری دریافت کرد؟
- آیا زمان و روش مشخصی برای تحلیل پاسخها داریم؟
اگر پاسخ روشنی ندارید، احتمالاً آن سوال ضروری نیست.
از نمایش شرطی سوالات استفاده کنید
لازم نیست همه پاسخدهندگان تمام سوالات باز را ببینند. مثلاً میتوانید فقط از افرادی که گفتهاند در پرداخت مشکل داشتهاند، بپرسید:
هنگام پرداخت با چه مشکلی روبهرو شدید؟
این روش، پرسشنامه را مرتبطتر میکند و بار پاسخگویی را کاهش میدهد.
چگونه سوالات باز خوب طراحی کنیم؟
۱. برای هر سوال، یک هدف مشخص داشته باشید
سوال «نظر شما چیست؟» معمولاً بیش از حد کلی است. موضوع و محدوده را روشن کنید.
مبهم:
نظرتان درباره سایت چیست؟
دقیقتر:
هنگام پیدا کردن محصول موردنظر در سایت، با چه مشکلی روبهرو شدید، اگر مشکلی وجود داشت؟
۲. در هر سوال فقط یک موضوع را بپرسید
این سوال چند موضوع مختلف را ترکیب میکند:
درباره قیمت، کیفیت محصول، ارسال و پشتیبانی چه نظری دارید؟
ممکن است پاسخدهنده فقط به یکی از آنها اشاره کند و مشخص نباشد سکوت درباره بقیه چه معنایی دارد. بهتر است مهمترین موضوع را انتخاب کنید یا در صورت ضرورت، سوالها را جدا کنید.
۳. بیطرف بنویسید
سوال نباید پاسخ مطلوب را القا کند یا وجود یک تجربه را قطعی فرض کند.
جهتدار:
کدام ویژگی فوقالعاده محصول ما را بیشتر دوست داشتید؟
بیطرف:
کدام ویژگی محصول برای شما مفیدتر بود، اگر ویژگی مشخصی مدنظر دارید؟
به همین ترتیب، بهجای «چرا از خدمات ناراضی بودید؟» برای همه افراد، ابتدا مشخص کنید آیا نارضایتی وجود داشته است یا نه.
۴. بازه زمانی یا موقعیت را مشخص کنید
پرسیدن درباره یک تجربه مشخص، یادآوری را آسانتر میکند.
در آخرین تماس خود با پشتیبانی، چه چیزی نیاز به بهبود داشت؟
این سوال معمولاً از «پشتیبانی ما چطور است؟» پاسخ روشنتری میگیرد.
۵. میزان توضیح موردنیاز را روشن کنید
اگر پاسخ کوتاه کافی است، میتوانید بنویسید:
لطفاً در یک یا دو جمله، مهمترین دلیل خود را توضیح دهید.
این راهنما، انتظار شما را مشخص میکند؛ اما نباید آنقدر محدودکننده باشد که جزئیات ضروری حذف شوند.
۶. سوالات غیرضروری را اجباری نکنید
اجباری کردن کادر متنی ممکن است به تولید پاسخهای بیمحتوا منجر شود. اگر پاسخ واقعاً برای ادامه فرایند ضروری نیست، اختیاری بودن معمولاً انتخاب مناسبتری است.
۷. پرسشنامه را پیش از انتشار آزمایش کنید
از چند نفر مشابه مخاطبان هدف بخواهید به سوالها پاسخ دهند. بررسی کنید:
- آیا برداشت آنها از سوال یکسان است؟
- آیا پاسخها به هدف تحقیق مربوطاند؟
- آیا نوشتن پاسخ روی موبایل راحت است؟
- آیا سوال به توضیح بیشتری نیاز دارد؟
آزمون اولیه میتواند ابهامهایی را آشکار کند که برای طراح پرسشنامه قابلمشاهده نبودهاند.
نمونه سوالات باز برای کاربردهای مختلف
| کاربرد | نمونه سوال |
|---|---|
| رضایت مشتری | مهمترین دلیل امتیازی که به تجربه خود دادید چیست؟ |
| بهبود خرید آنلاین | در آخرین خرید، کدام بخش فرایند برای شما دشوار بود، اگر موردی وجود داشت؟ |
| توسعه محصول | چه کاری میخواستید با محصول انجام دهید که نتوانستید؟ |
| بررسی لغو اشتراک | مهمترین دلیل شما برای لغو اشتراک چه بود؟ |
| ارزیابی آموزش | کدام موضوع دوره به توضیح یا تمرین بیشتری نیاز داشت؟ |
| تجربه کارکنان | چه تغییری میتواند انجام کارهای روزمره شما را آسانتر کند؟ |
| ارزیابی رویداد | برای بهتر شدن دوره بعدی رویداد، چه تغییری پیشنهاد میکنید؟ |
| جمعبندی پرسشنامه | آیا نکته مهمی درباره این تجربه باقی مانده که در سوالات قبلی مطرح نشده باشد؟ |
سوال پایانی عمومی مفید است، اما نباید جای سوالهای هدفمند را بگیرد.
پاسخهای متنی سوالات باز چگونه تحلیل میشوند؟
برای تحلیل سوالات باز در نظرسنجی، باید از متنهای پراکنده به مجموعهای منظم از موضوعات برسید. یک روش کاربردی، کدگذاری و دستهبندی پاسخها است.
مرحله اول: هدف تحلیل را مشخص کنید
پیش از شروع روشن کنید که به دنبال چه هستید:
- شناسایی دلایل نارضایتی؛
- کشف موانع استفاده از محصول؛
- اولویتبندی درخواستها؛
- یا شناخت نیازهای جدید.
هدف تحلیل مشخص میکند چه اطلاعاتی باید از متن استخراج شود.
مرحله دوم: دادهها را آماده و پاکسازی کنید
پاسخهای خالی، نامرتبط و اطلاعات حساس را مشخص کنید. بهتر است نسخه اصلی دادهها محفوظ بماند و پاکسازی روی نسخه کاری انجام شود.
اشتباههای نگارشی را فقط در حدی اصلاح کنید که معنای پاسخ تغییر نکند. همچنین پاسخهای کوتاه را صرفاً بهدلیل کوتاه بودن حذف نکنید؛ «هزینه ارسال زیاد بود» یک پاسخ کوتاه اما روشن است.
مرحله سوم: با پاسخها آشنا شوید
پیش از ساختن دستهها، مجموعهای متنوع از پاسخها را بخوانید. اگر داده کم است، همه پاسخها را مرور کنید. در مجموعههای بزرگ، بررسی اولیه نمونهای متنوع کمک میکند موضوعات احتمالی را بشناسید.
در این مرحله، روی تکرارها، تفاوتها، موارد غیرمنتظره و پاسخهای مهم اما کمتعداد تمرکز کنید.
جهت راهنمایی بیشتر و اطلاع از شرایط خرید پلتفرم، میتوانید فرم درخواست دمو را پرکرده یا با کارشناسان فروش تماس حاصل فرمایید.
مرحله چهارم: کدهای اولیه را تعریف کنید
کد، برچسبی کوتاه برای یک مفهوم مشخص است. برای مثال:
| پاسخ | کد یا کدهای پیشنهادی |
|---|---|
| «هزینه ارسال در مرحله آخر خیلی بالا رفت.» | هزینه ارسال، شفافیت هزینه |
| «نمیدانستم سفارشم چه زمانی میرسد.» | اطلاعرسانی زمان تحویل |
| «صفحه پرداخت چند بار خطا داد.» | اختلال پرداخت |
| «پشتیبان دیر جواب داد و مشکلم حل نشد.» | زمان پاسخگویی، حل نشدن مشکل |
هر پاسخ میتواند چند کد داشته باشد. محدود کردن پاسخ به یک برچسب، ممکن است بخشی از معنای آن را از بین ببرد.
مرحله پنجم: راهنمای کدگذاری بسازید
برای هر کد، این موارد را ثبت کنید:
- نام کد؛
- تعریف دقیق؛
- مواردی که شامل آن میشوند؛
- مواردی که شامل آن نمیشوند؛
- یک یا چند مثال.
مثلاً «تأخیر در تحویل» را از «نامشخص بودن زمان تحویل» جدا کنید. اولی درباره عملکرد تحویل است و دومی درباره اطلاعرسانی؛ در نتیجه، اقدام اصلاحی آنها نیز متفاوت خواهد بود.
مرحله ششم: کدگذاری را انجام دهید و بازبینی کنید
در آغاز، بخشی از پاسخها را کدگذاری کنید و ببینید دستهها کافی و روشن هستند یا نه. ممکن است لازم باشد یک کد را به دو کد دقیقتر تقسیم کنید یا کدهای مشابه را ادغام کنید.
اگر چند نفر تحلیل میکنند، بهتر است بخشی مشترک از دادهها را مستقل بررسی کنند و درباره اختلافها به توافق برسند. پس از تغییر تعریف کدها، پاسخهای قبلی نیز باید بازبینی شوند.
مرحله هفتم: کدها را در موضوعات اصلی گروهبندی کنید
کدهای جزئی را میتوان زیر موضوعات بزرگتر قرار داد. برای نمونه:
- فرایند پرداخت: خطای درگاه، نامشخص بودن نتیجه پرداخت؛
- ارسال سفارش: تأخیر، هزینه ارسال، ضعف اطلاعرسانی؛
- پشتیبانی: پاسخ دیرهنگام، پاسخ نامرتبط، حل نشدن مشکل.
موضوع اصلی باید به فهم مسئله کمک کند، نه اینکه تفاوتهای مهم را پنهان سازد.
مرحله هشتم: فراوانی و اهمیت را کنار هم بررسی کنید
برای گزارش تعداد و درصد موضوعات، مبنای محاسبه را روشن بنویسید.
فرض کنید از ۳۰۰ شرکتکننده، ۱۲۰ نفر به سوال باز پاسخ دادهاند و ۳۶ نفر از آنها به هزینه ارسال اشاره کردهاند. گزارش دقیق این است:
«۳۰ درصد از پاسخدهندگان به سوال باز، به هزینه ارسال اشاره کردهاند.»
این نتیجه بهتنهایی نشان نمیدهد که ۳۰ درصد کل مشتریان همین مشکل را دارند. همچنین چون یک پاسخ میتواند چند کد بگیرد، مجموع درصد موضوعات ممکن است بیشتر از ۱۰۰ درصد شود.
در کنار فراوانی، شدت مسئله، پیامد احتمالی و امکان اقدام را هم در نظر بگیرید.
مرحله نهم: یافتهها را به اقدام تبدیل کنید
گزارش تحلیل نباید فقط شامل فهرست دستهها باشد. برای هر موضوع مهم، مشخص کنید:
- مسئله چیست؟
- چه شواهدی آن را پشتیبانی میکند؟
- کدام گروه بیشتر آن را مطرح کرده است، اگر داده کافی وجود دارد؟
- چه اقدامی پیشنهاد میشود؟
- مسئول پیگیری چه کسی است؟
- اثر اقدام چگونه سنجیده خواهد شد؟
نقلقولهای کوتاه و ناشناس میتوانند یافتهها را ملموس کنند، اما یک نقلقول جذاب نباید جای شواهد کلی را بگیرد.
آیا میتوان تحلیل سوالات باز را با هوش مصنوعی انجام داد؟
ابزارهای تحلیل متن و هوش مصنوعی میتوانند برای پیشنهاد کد، گروهبندی اولیه، خلاصهسازی و شناسایی موضوعات پرتکرار مفید باشند؛ بهخصوص وقتی تعداد پاسخها زیاد است.
بااینحال، خروجی آنها باید بازبینی شود. در متن فارسی، کنایه، غلط املایی، عبارتهای محاورهای و ترکیب احساسات مثبت و منفی میتوانند تحلیل را دشوار کنند.
برای استفاده مسئولانه:
- اطلاعات شخصی و حساس را پیش از ارسال به ابزارهای بیرونی حذف یا ناشناس کنید.
- تعریف دستهها و قواعد تحلیل را روشن ارائه دهید.
- بخشی از خروجی را با بررسی انسانی ارزیابی کنید.
- موارد مبهم و موضوعات حساس را جداگانه بازبینی کنید.
- تحلیل مثبت یا منفی بودن متن را جایگزین شناسایی علت ندانید.
برای مثال، برچسب «منفی» برای پاسخ «کیفیت خوب بود، ولی بسته دیر رسید» کافی نیست؛ مسئله قابلاقدام در این پاسخ، تأخیر در تحویل است.
جهت راهنمایی بیشتر و اطلاع از شرایط خرید پلتفرم، میتوانید فرم درخواست دمو را پرکرده یا با کارشناسان فروش تماس حاصل فرمایید.
اشتباهات رایج در استفاده از سوالات باز
- پرسیدن بدون هدف: سوالی که معلوم نیست پاسخ آن به چه تصمیمی کمک میکند.
- استفاده بیش از حد: تبدیل پرسشنامه کوتاه به مجموعهای از تکالیف نوشتاری.
- سوالهای مبهم یا چندموضوعی: دریافت پاسخهایی که تفسیر آنها دشوار است.
- اجباری کردن غیرضروری: افزایش پاسخهای بیمحتوا.
- دستهبندی بدون تعریف روشن: ایجاد نتایج ناهماهنگ و وابسته به برداشت تحلیلگر.
- نادیده گرفتن پاسخهای کمتکرار: از دست دادن مشکلات مهم اما نادر.
- تعمیم نادرست فراوانیها: برابر دانستن نظر نویسندگان پاسخ با نظر کل جامعه.
- جمعآوری بدون پیگیری: تهیه گزارش بدون اقدام مشخص برای بهبود.
اینفوگرافیک در یک نگاه

سوالات متداول
۱. سوالات باز در نظرسنجی چه کاربردی دارند؟
این سوالات برای شناخت دلایل، تجربهها، نیازها و پیشنهادهای پاسخدهندگان کاربرد دارند. مهمترین مزیت آنها، فراهم کردن امکان بیان موضوعاتی است که در گزینههای ازپیشتعیینشده وجود ندارند.
۲. چند سوال باز در یک نظرسنجی قرار دهیم؟
عدد ثابتی برای همه نظرسنجیها وجود ندارد. برای یک پرسشنامه آنلاین کوتاه، یک تا سه سوال باز میتواند نقطه شروع مناسبی باشد؛ اما تعداد نهایی باید با هدف تحقیق، زمان مخاطب و ظرفیت تحلیل هماهنگ شود.
۳. آیا سوالات باز باید اجباری باشند؟
در اغلب نظرسنجیهای عمومی، بهتر است سوالات باز غیرضروری اختیاری باشند. اجباری کردن آنها ممکن است باعث دریافت پاسخهای کمارزش یا رها کردن پرسشنامه شود.
۴. بهترین محل قرار دادن سوال باز کجاست؟
سوال باز پیگیری بهتر است بلافاصله بعد از سوال مرتبط قرار گیرد؛ مثلاً پس از امتیاز رضایت. سوال کلی برای دریافت نکات جامانده نیز معمولاً در پایان پرسشنامه مناسب است.
۵. چگونه پاسخهای متنی را دستهبندی کنیم؟
ابتدا پاسخها را مرور کنید، مفاهیم اصلی را بهصورت کد تعریف کنید و برای هر کد راهنمای مشخصی بنویسید. سپس پاسخها را کدگذاری و کدهای مرتبط را در موضوعات بزرگتر گروهبندی کنید. هر پاسخ میتواند بیش از یک کد داشته باشد.
۶. آیا میتوان پاسخهای باز را به داده عددی تبدیل کرد؟
بله. پس از کدگذاری میتوانید تعداد و درصد اشاره به هر موضوع را محاسبه کنید. بااینحال، باید مبنای درصدها را مشخص کنید و نتایج پاسخدهندگان به سوال باز را بدون شواهد کافی به همه مخاطبان تعمیم ندهید.
۷. آیا هوش مصنوعی میتواند پاسخهای باز را تحلیل کند؟
هوش مصنوعی میتواند در خلاصهسازی، پیشنهاد دستهها و کدگذاری اولیه کمک کند؛ اما خروجی آن به بازبینی انسانی نیاز دارد. رعایت حریم خصوصی و ارزیابی کیفیت تحلیل، بهویژه برای پاسخهای فارسی و موضوعات حساس، ضروری است.
۸. سوال باز بهتر است یا سوال بسته؟
هیچکدام بهطور مطلق بهتر نیستند. سوال بسته برای اندازهگیری و مقایسه مناسبتر است و سوال باز برای کشف و توضیح. انتخاب یا ترکیب آنها باید بر اساس هدف نظرسنجی انجام شود.
جمعبندی
سوالات باز در نظرسنجی زمانی بیشترین ارزش را دارند که بخواهید از سطح امتیازها و گزینههای آماده فراتر بروید و دلیل، تجربه و نیاز واقعی افراد را بشناسید. این سوالات به کشف دیدگاههای پیشبینینشده کمک میکنند، اما پاسخ دادن و تحلیل آنها هزینه زمانی بیشتری دارد.
برای استفاده مؤثر، تعداد سوالات را متناسب با هدف و توان تحلیل انتخاب کنید، هر سوال را روشن و بیطرف بنویسید و پیش از انتشار، درباره روش دستهبندی پاسخها تصمیم بگیرید. ترکیب سوالات بسته برای اندازهگیری و سوالات باز برای توضیح و کشف، معمولاً تصویر کاملتری ارائه میدهد.
هدف، جمعآوری متن بیشتر نیست؛ رسیدن به شناختی است که بتوان بر اساس آن تصمیم بهتری گرفت.