Ankiety i eksperymenty – przewodnik: od pytania badawczego do analizy danych

Autor: Konrad Hryniewicz · Opublikowano: 26 października 2026 · Aktualizacja: 1 listopada 2026

Dla kogo jest ten przewodnik i jak z niego korzystać

Przewodnik jest dla osób, które planują własne badanie: ankietę do pracy licencjackiej lub magisterskiej, prosty eksperyment z dwoma warunkami albo eksperyment winietowy wbudowany w ankietę online. Na tym etapie najwięcej kosztują błędy popełnione przed zebraniem danych. Pytania o dwie rzeczy naraz, brak grupy kontrolnej czy kryteria wykluczeń wymyślone po fakcie trudno potem naprawić analizą. Dlatego ta ścieżka kończy się na analizie, ale zaczyna dużo wcześniej.

Strona porządkuje to, co jest już w serwisie: poradniki krok po kroku, hasła słownika i kalkulatory. Rysunek 1 pokazuje osiem etapów. Ankieta i eksperyment mają wspólny początek, potem idą osobnymi torami przy projektowaniu narzędzia i warunków, a od etapu etyki znów biegną razem. Przy każdym etapie znajdziesz kilka zdań o tym, co zrobić, i listę stron z krótkim opisem. Jeśli szukasz odpowiedzi na konkretny kłopot, przejdź do tabeli „mam problem → przeczytaj”.

Etap 1. Problem, pytania badawcze i wybór schematu

Zacznij od tego, czego nie wiadomo, a nie od formularza. Z problemu wyprowadź pytania i hipotezy, a z nich – schemat badania. Ten wybór przesądza o tym, co wolno będzie napisać w dyskusji. Ankieta z jednym pomiarem to zwykle schemat korelacyjny i przekrojowy: pokaże związki, ale nie wpływ. Wniosek przyczynowy uzasadnia dopiero manipulacja zmienną niezależną z losowym przydziałem do warunków. Jeśli przydział losowy jest niemożliwy, masz quasi-eksperyment i musisz zaplanować, czym zastąpisz losowanie.

• Pytania badawcze i hipotezy – pięć kroków od problemu do hipotezy, którą da się sprawdzić konkretną analizą.
• Problem badawczy – czym różni się od tematu pracy i jak go sformułować jako jasno określoną niewiedzę.
• Pytanie badawcze – rodzaje pytań i elementy dobrego pytania: populacja, zmienne, rodzaj relacji.
• Rodzaje badań ankietowych – czas, dobór, kanał i cel badania oraz to, co z nich wynika dla wniosków.
• Schemat korelacyjny – kiedy go wybrać i czego nie da się z niego wywnioskować.
• Schemat eksperymentalny – manipulacja, losowy przydział i kontrola okoliczności oraz odmiany planu z pretestem.
• Schemat quasi-eksperymentalny – interwencja bez losowego przydziału i założenia, od których zależy wynik.
• Badania mieszane (mixed methods) – schematy łączenia części ilościowej i jakościowej oraz miejsca integracji wyników.
• Wywiad pogłębiony – gdy pytanie dotyczy doświadczeń i znaczeń, a nie częstości – scenariusz, nagranie, transkrypcja.
• Zogniskowany wywiad grupowy (FGI) – kiedy grupa daje więcej niż wywiady indywidualne.

Etap 2. Narzędzie albo warunki eksperymentalne

Tor ankiety: operacjonalizacja i dobór skal

Każdą zmienną z hipotez zamień na wskaźnik: konkretny kwestionariusz, skalę albo pytanie. Tam, gdzie istnieje zwalidowane narzędzie z polską adaptacją, użyj go zamiast pisać własne pytania. Ułatwi to opis rzetelności i porównanie wyników z literaturą. Własne pytania zostaw na zmienne, dla których narzędzia nie ma, i od razu zaplanuj, jak policzysz z nich wynik.

• Jak zrobić ankietę do pracy dyplomowej – cała droga od hipotez przez skale, zgodę i pilotaż do eksportu danych.
• Co to jest operacjonalizacja? – od pojęcia przez definicję operacyjną do zmiennej i sposobu pomiaru.
• Kwestionariusz a ankieta – jak poprawnie nazwać technikę i narzędzie w rozdziale metodologicznym.
• Gdzie znaleźć kwestionariusze psychologiczne – polskie adaptacje, bazy narzędzi i prośba do autora o zgodę na użycie.
• Skala Likerta – jak liczyć wynik z kilku stwierdzeń i jak analizować pojedyncze odpowiedzi.
• Ile stopni skali Likerta wybrać? – 4, 5 czy 7 punktów, środek skali i etykiety odpowiedzi.

Tor eksperymentu: warunki i manipulacja

Zdecyduj, czym różnią się warunki, i zadbaj, żeby różniły się tylko tym. Manipulacja ma być na tyle silna, żeby zmienić stan, o który chodzi, i na tyle wąska, żeby nie zmieniać przy okazji czegoś innego. Wybierz, czy każda osoba przejdzie jeden warunek, czy wszystkie. Zaplanuj też sprawdzenie manipulacji i z góry ustal, co zrobisz z jego wynikiem. Wykluczanie osób, które „nie zaliczyły” sprawdzenia po przydziale do warunku, może poważnie obciążyć oszacowanie efektu (Aronow i in., 2019).

• Manipulacja eksperymentalna – jak zaplanować poziomy zmiennej niezależnej i sprawdzić, czy zadziałały.
• Schemat międzyobiektowy czy wewnątrzobiektowy – moc, liczebność i ryzyko przeniesienia w obu planach.
• Schemat czynnikowy 2 × 2 – cztery komórki, dwa efekty główne i interakcja, która wymaga większej próby.
• Grupa kontrolna – brak interwencji, lista oczekujących, placebo czy aktywna kontrola.
• Eksperyment winietowy – losowo zmieniane opisy osób lub sytuacji w ankiecie i ich analiza.
• Sprawdzenie manipulacji – gdzie je umieścić, jak raportować i dlaczego nie służy do wykluczania uczestników.

Etap 3. Pytania i układ ankiety albo kontrola w eksperymencie

Tor ankiety: pytania, kafeterie i kolejność

Respondent czyta pytania tak, jak czyta zwykłą rozmowę, a gdy odpowiedź wymaga wysiłku, część osób zadowala się odpowiedzią „wystarczającą” (Krosnick, 1999). Dlatego każde pytanie ma dotyczyć jednej rzeczy, być neutralne i mieć rozłączną, wyczerpującą kafeterię. Kolejność pytań i odpowiedzi też wpływa na wynik. Pytaj od ogólnych do szczegółowych, losuj kolejność długich list, a metryczkę daj na koniec. Pytania drażliwe formułuj tak, żeby odpowiedź niepożądana społecznie była łatwa do udzielenia.

• Najczęstsze błędy w ankietach – wnioski z audytów i gotowe poprawki w tabeli „źle → dobrze”.
• Pytanie otwarte i zamknięte – kiedy dać gotowe odpowiedzi, a kiedy pozwolić respondentowi napisać własną.
• Kafeteria odpowiedzi – jak zbudować rozłączną i wyczerpującą listę odpowiedzi.
• Pytanie dwuznaczne (double-barreled) – dwa pytania w jednym i sposób ich rozdzielenia.
• Pytanie sugerujące – ocena, ukryte założenie albo jednostronna lista odpowiedzi i ich poprawki.
• Efekt kolejności pytań – asymilacja i kontrast oraz układ ankiety, który je ogranicza.
• Pytanie filtrujące i logika przejść – jak pokazać pytania tylko osobom uprawnionym i zakodować braki zaplanowane.
• Metryczka w ankiecie – co zawiera, gdzie ją umieścić i jak zakodować odpowiedzi.

Do tego etapu przydadzą się też hasła o odpowiedzi „nie wiem”, efekcie kolejności odpowiedzi, pytaniach o płeć i wiek, tendencji do zgadzania się, aprobacie społecznej i stylach odpowiedzi skrajnych i środkowych.

Tor eksperymentu: przydział losowy, kolejność i zaślepienie

Losowy przydział sprawia, że grupy różnią się na starcie tylko przypadkowo. W małej próbie użyj randomizacji blokowej, żeby grupy miały równe liczebności. Gdy te same osoby przechodzą kilka warunków, zrównoważ ich kolejność i zastanów się, czy wcześniejszy warunek nie wpłynie na następny. Ogranicz też wpływ oczekiwań: badacza, który zna hipotezę, i uczestnika, który domyśla się celu badania.

• Randomizacja – losowy przydział do grup, randomizacja blokowa i opis procedury w metodzie.
• Kontrbalansowanie – jak rozplanować kolejność warunków, żeby wprawa i zmęczenie rozłożyły się po równo.
• Efekt przeniesienia (carryover) – dlaczego kontrbalansowanie nie zawsze wystarcza i co wtedy zrobić.
• Zaślepienie badania – kogo zaślepić i jak opisać to w pracy, a nie tylko podać etykietę.
• Efekt oczekiwań badacza i efekt Hawthorne – wpływ badacza i świadomości bycia badanym na wyniki.
• Efekt placebo i nocebo – oczekiwania uczestników w badaniach interwencji i sposoby ich wyrównania.
• Zmienna zakłócająca – skąd bierze się fałszywy efekt i dlaczego najskuteczniej usuwa go randomizacja.
• Trafność wewnętrzna badania – historia, dojrzewanie, efekt testowania i inne zagrożenia dla wniosku przyczynowego.

Etap 4. Etyka, świadoma zgoda i ochrona danych

Zanim zbierzesz pierwszą odpowiedź, także w pilotażu, sprawdź, czy badanie wymaga zgody komisji etycznej. Zależy to od rodzaju badania i od regulaminu Twojej uczelni. Na pierwszej stronie ankiety uczestnik musi dostać zrozumiałą informację o celu, czasie, ryzyku, prawie do rezygnacji i ochronie danych. Jeśli w eksperymencie ukrywasz prawdziwy cel, zaplanuj debriefing. Dobrym zwyczajem jest też zapisanie hipotez i reguł analizy przed zebraniem danych.

• Świadoma zgoda i RODO w badaniach – co musi wiedzieć uczestnik i czym zgoda na badanie różni się od podstawy prawnej przetwarzania danych.
• Zgoda komisji bioetycznej – kiedy jest potrzebna, co przygotować i jak opisać ją w metodzie.
• Anonimizacja i pseudonimizacja danych – definicje z RODO i praktyka przed udostępnieniem zbioru.
• Debriefing – jak po badaniu wyjaśnić uczestnikom prawdziwy cel i dać możliwość wycofania danych.
• Prerejestracja badania – co zapisać przed zebraniem danych, żeby plan naprawdę coś znaczył.

Etap 5. Wywiad poznawczy i pilotaż

Pretest odpowiada na pytanie, czy narzędzie i procedura działają, a nie na pytanie, czy hipotezy się potwierdzą. Najpierw przeprowadź kilka wywiadów poznawczych: respondent odpowiada na robocze pytania, a Ty sprawdzasz, jak je rozumie i jak dochodzi do odpowiedzi (Beatty i Willis, 2007). Po poprawkach zrób pilotaż na małej grupie z populacji docelowej. Sprawdź w nim czas wypełniania, działanie logiki przejść, eksport danych, rozkłady odpowiedzi i braki. W eksperymencie pilotaż pokaże też, czy manipulacja w ogóle działa. Nie licz liczebności badania właściwego z efektu uzyskanego w pilotażu: oszacowania z małej próby są nieprecyzyjne, a analiza mocy oparta na nich prowadzi zwykle do badań o zbyt małej mocy (Albers i Lakens, 2018).

• Badanie pilotażowe – po co je robić, ile osób zbadać, co sprawdzić i jak opisać wyniki pilotażu.
• Badanie pilotażowe (hasło) – czym pilotaż różni się od badania właściwego i czego nie wolno z niego wnioskować.
• Wywiad poznawczy – głośne myślenie i pytania sondujące jako sposób sprawdzenia, czy respondenci rozumieją pytania.
• Wywiad poznawczy w pilotażu krok po kroku – rundy rozmów, protokół, reguła decyzji i poprawiona ankieta.
• Syntetyczni respondenci (LLM) – co odpowiedzi generowane przez model językowy mogą dać przy przygotowaniu ankiety, a czego nie zastąpią.

Etap 6. Liczebność próby i rekrutacja

Liczebność wynika z głównej analizy: inna jest potrzebna do oszacowania odsetka z zadanym marginesem błędu, inna do korelacji, a inna do porównania dwóch warunków eksperymentu. Policz ją przed badaniem i dolicz zapas na osoby, które odpadną przy czyszczeniu danych. Potem zaplanuj, gdzie znajdziesz respondentów, i opisz dobór uczciwie. Próba wygodna z mediów społecznościowych nie jest reprezentatywna, ale dla badań związków bywa wystarczająca, jeśli dyskusja nie wychodzi poza zbadaną grupę. Sam niski odsetek odpowiedzi nie przekreśla badania, choć błąd braku odpowiedzi trzeba omówić (Krosnick, 1999). W ankiecie internetowej raportuj sposób rekrutacji i przebieg zbierania odpowiedzi według listy CHERRIES (Eysenbach, 2004).

• Liczebność próby w ankiecie – ile odpowiedzi potrzeba dla odsetka, korelacji i porównania grup.
• Dobór liczebności próby – analiza mocy a priori, planowanie precyzji i analiza wrażliwości.
• Gdzie znaleźć respondentów do ankiety? – uczelnia, grupy tematyczne, kula śnieżna, panele i wymiana ankiet.
• Dobór celowy, wygodny i kula śnieżna – czym się różnią i jak opisać dobór nielosowy w metodzie.
• Panel internetowy i rekrutacja online – plusy, minusy i informacje, które trzeba podać w pracy.
• Wskaźnik odpowiedzi i przerwania ankiety – response rate, completion rate i break-off liczone od właściwych mianowników.
• Błąd braku odpowiedzi – kiedy niski response rate naprawdę szkodzi wynikom.
• Reprezentatywność próby – rola operatu losowania, dobór losowy i kwotowy oraz ważenie.

Etap 7. Czyszczenie i kodowanie danych

Reguły czyszczenia ustal przed obejrzeniem wyników: kogo usuwasz (duplikaty, osoby spoza kryteriów, bez zgody, zbyt szybkie, nieuważne) i w jakiej kolejności. Nie opieraj się na jednym wskaźniku. Jedno pytanie kontrolne nie wystarcza do oceny uwagi, a osoby, które go nie zaliczają, różnią się cechami od pozostałych, więc ich usunięcie ogranicza uogólnianie wyników (Berinsky i in., 2014). Zapisz liczbę osób usuniętych na każdym kroku. Zanim policzysz cokolwiek, zamień surowy eksport w uporządkowaną bazę z książką kodową.

• Dane z Google Forms i LimeSurvey – krótkie nazwy zmiennych, kody liczbowe, pozycje odwrócone i pytania wielokrotnego wyboru.
• Nieuważne odpowiedzi w ankietach online – pytania kontrolne, czas, longstring, IRV i odległość Mahalanobisa razem.
• Czyszczenie danych z ankiety online – co usunąć, w jakiej kolejności i jak opisać to w pracy.
• Pytanie kontrolne (attention check) – rodzaje pytań sprawdzających uwagę i przykłady ich brzmienia.
• Straightlining – identyczne odpowiedzi w tabeli pytań i wskaźnik longstring.
• Speeding – jak wykryć zbyt szybkie wypełnianie i dlaczego próg trzeba ustalić z góry.
• Książka kodowa – opis nazw, etykiet, kodów braków i przekształceń wszystkich zmiennych.
• Braki danych i imputacja wielokrotna – MCAR, MAR i MNAR oraz postępowanie z brakami zależnymi od innych zmiennych.

Etap 8. Analiza i raport wyników

Analiza ankiety ma stałą kolejność: wyniki skal po odwróceniu pozycji, ich rzetelność, opis próby i dopiero potem testy hipotez. W eksperymencie zacznij od sprawdzenia manipulacji i porównania grup na starcie, a efekt warunku oceniaj z wielkością efektu i przedziałem ufności. Pytania otwarte wymagają osobnej procedury: klucza kategorii i kodowania przez dwie osoby. Na koniec opisz próbę i każdy etap tak, żeby czytelnik mógł ocenić, komu i w jakich warunkach można przypisać wyniki. Dobór testu do każdej hipotezy omawia osobny przewodnik po testach (link na końcu strony).

• Analiza ankiety do pracy dyplomowej – od surowego eksportu przez czyszczenie, wyniki skal i opis próby do testów hipotez.
• Jak policzyć wynik kwestionariusza – klucz, pozycje odwrócone, reguła braków i wybór sumy lub średniej.
• Analiza treści pytań otwartych – klucz kategoryzacji, pilotaż klucza, kodowanie i zgodność koderów.
• Kodowanie odpowiedzi otwartych – jak zamienić wypowiedzi na kategorie i podać kappę Cohena.
• Analiza pytań wielokrotnego wyboru – osobna zmienna 0/1 dla każdej opcji i odsetki, które sumują się do ponad 100%.
• ANOVA krok po kroku – porównanie warunków eksperymentu, interakcja w planie dwuczynnikowym i opis wyników.
• Quasi-eksperyment i różnica w różnicach (DiD) – efekt interwencji jako różnica zmian w grupie z interwencją i porównawczej.
• Jak opisać charakterystykę próby – co podać, jakie decyzje podjąć i jak porównać próbę z populacją.

Przy badaniu z pomiarem przed i po w dwóch grupach zajrzyj do poradnika o ANCOVA w badaniu interwencyjnym, a gdy łączysz dane z różnych źródeł lub metod – do tekstu o triangulacji w badaniach.

Mam problem → przeczytaj

Najczęstsze pytania osób, które projektują ankietę lub eksperyment, i strony, od których warto zacząć.

Najważniejsze hasła ze słownika

Hasła spoza ścieżki, które warto znać przy projektowaniu badania. Każde ma definicję, przykład i wskazówkę, jak opisać decyzję w pracy.

Schematy badań

• Schemat przekrojowy, schemat podłużny, schemat pretest–posttest bez grupy kontrolnej, plan Salomona i grupa porównawcza.

Eksperyment i interwencja

• Czynnik wewnątrzobiektowy, czynnik międzyobiektowy, analiza ITT, utrata uczestników i trafność zewnętrzna.

Skale i pomiar w ankiecie

• Skala VAS, dyferencjał semantyczny, pozycja odwrócona, wynik skali: średnia czy suma i rekodowanie zmiennych.

Dobór próby i wnioskowanie o populacji

• Próba losowa, próba kwotowa, ważenie danych, margines błędu w sondażu i przedział ufności dla proporcji.

Kalkulatory

• Kalkulator liczebności próby – liczba osób potrzebna do ankiety z marginesem błędu, do korelacji i do porównania dwóch warunków.
• Kalkulator wyniku skali – suma, średnia i POMP po odwróceniu pozycji, z regułą dla pojedynczych braków.
• Kalkulator przedziału ufności – przedział Wilsona dla odsetka z ankiety i przedział dla różnicy średnich dwóch warunków.
• Kalkulator alfy i omegi – rzetelność skali w ankiecie: omega i alfa z ładunków.
• Kalkulator mocy: ANOVA, χ², regresja – liczebność próby dla ANOVA, chi-kwadrat, przyrostu R² i interakcji 2 × 2.
• Kalkulator tabeli 2×2 i r×c – chi-kwadrat, test Fishera, V Craméra, OR, RR i różnica odsetków z przedziałami ufności.
• Kreator: jaki test wybrać? – kilka pytań o hipotezę i dane, a na końcu test, alternatywa i miara efektu.

Kiedy warto skorzystać z pomocy

Zaprojektowanie prostej ankiety czy eksperymentu z dwoma warunkami jest w zasięgu każdej osoby piszącej pracę. Druga para oczu przydaje się przy planach, w których łatwo o błąd trudny do naprawienia po zebraniu danych: plan czynnikowy z interakcją, warunki wewnątrzobiektowe, quasi-eksperyment albo liczebność, którą trzeba uzasadnić przy małej dostępnej populacji. Możemy wtedy przejrzeć projekt przed pilotażem, a po zebraniu danych wykonać analizę statystyczną do pracy i wyjaśnić wyniki tak, żebyś umiał(a) je opisać i obronić samodzielnie.

Inne przewodniki w serwisie: testy statystyczne – przewodnik po wyborze, analiza kwestionariusza i statystyka w pracy dyplomowej.

Najczęstsze pytania

Czy ankieta w pracy dyplomowej może być eksperymentem?

Tak, jeśli w ankiecie losowo przydzielasz osoby do wersji różniących się jednym elementem, np. treścią opisu sytuacji, i porównujesz odpowiedzi między wersjami. Tak działa eksperyment winietowy. Bez losowego przydziału ankieta pozostaje badaniem korelacyjnym i wnioski przyczynowe nie są uprawnione.

W jakiej kolejności projektować ankietę do badania?

Najpierw problem, hipotezy i lista zmiennych, potem dobór gotowych skal i własnych pytań, dalej układ ankiety, informacja o badaniu i zgoda. Następnie wywiady poznawcze, pilotaż i dopiero wtedy rekrutacja. Książkę kodową i reguły czyszczenia danych przygotuj przed zebraniem odpowiedzi, nie po nim.

Czy eksperyment do pracy magisterskiej musi mieć grupę kontrolną?

Potrzebny jest warunek porównawczy: grupa kontrolna albo inny warunek eksperymentalny, z którym porównasz wynik. Bez niego nie da się oddzielić efektu manipulacji od zmian, które zaszłyby i tak, np. regresji do średniej czy efektu powtórnego pomiaru. W schemacie wewnątrzobiektowym rolę kontroli pełni warunek, który przechodzą te same osoby.

Co zrobić, gdy pilotaż ankiety wykazał problemy z pytaniami?

Popraw pytania, które respondenci rozumieli inaczej, niż zakładałeś, i sprawdź poprawioną wersję na kilku nowych osobach. Dane z pilotażu zwykle nie wchodzą do analizy głównej, zwłaszcza gdy ankieta się zmieniła. W pracy opisz krótko, co pilotaż wykazał i co zmieniono.

Kiedy usunąć respondenta z danych ankiety online?

Tylko według reguł zapisanych przed analizą: brak zgody, osoba spoza kryteriów udziału, duplikat, skrajnie krótki czas wypełniania albo kilka sygnałów nieuważności naraz. Nie usuwaj osób dlatego, że ich odpowiedzi nie pasują do hipotezy. W pracy podaj liczbę osób usuniętych na każdym kroku i końcową liczebność.

Powiązane hasła

Przeczytaj też

@article{albers2018power, author={Albers, Casper and Lakens, Daniël}, title={{When power analyses based on pilot data are biased: Inaccurate effect size estimators and follow-up bias}}, journal={Journal of Experimental Social Psychology}, year={2018}, volume={74}, pages={187--195}, doi={10.1016/j.jesp.2017.09.004}}

@article{aronow2019note, author={Aronow, Peter M. and Baron, Jonathon and Pinson, Lauren}, title={{A note on dropping experimental subjects who fail a manipulation check}}, journal={Political Analysis}, year={2019}, volume={27}, number={4}, pages={572--589}, doi={10.1017/pan.2019.5}}

@article{beatty2007research, author={Beatty, Paul C. and Willis, Gordon B.}, title={{Research synthesis: The practice of cognitive interviewing}}, journal={Public Opinion Quarterly}, year={2007}, volume={71}, number={2}, pages={287--311}, doi={10.1093/poq/nfm006}}

@article{berinsky2014separating, author={Berinsky, Adam J. and Margolis, Michele F. and Sances, Michael W.}, title={{Separating the shirkers from the workers? Making sure respondents pay attention on self-administered surveys}}, journal={American Journal of Political Science}, year={2014}, volume={58}, number={3}, pages={739--753}, doi={10.1111/ajps.12081}}

@article{eysenbach2004improving, author={Eysenbach, Gunther}, title={{Improving the quality of web surveys: The Checklist for Reporting Results of Internet E-Surveys (CHERRIES)}}, journal={Journal of Medical Internet Research}, year={2004}, volume={6}, number={3}, eid={e34}, doi={10.2196/jmir.6.3.e34}}

@article{krosnick1999survey, author={Krosnick, Jon A.}, title={{Survey research}}, journal={Annual Review of Psychology}, year={1999}, volume={50}, number={1}, pages={537--567}, doi={10.1146/annurev.psych.50.1.537}}