Prace dyplomowe · Ankieta

Test techniczny ankiety online przed startem: plan testów, dane testowe i kontrola eksportu

Zanim wyślesz link, sprawdź, czy narzędzie pokazuje właściwe pytania właściwym osobom i zapisuje odpowiedzi z kodami z książki kodowej. Pokazujemy plan testów dla każdej ścieżki, dwa rodzaje danych testowych i skrypt w R, który porównuje eksport z książką kodową.

Strona główna / Blog / Test techniczny ankiety
W skrócie: Przed wysłaniem linku przejdź każdą ścieżkę ankiety według planu testów i porównaj eksport z książką kodową. Przejścia ręczne ze znanymi odpowiedziami wykrywają błędy kodowania (np. odwrócone kody pozycji), a kilkaset odpowiedzi wygenerowanych – błędy logiki przejść i losowania. W przykładzie test wykrył pytanie o godziny pracy wyświetlone 119 osobom niepracującym, zły kod płci w 66 rekordach, odwrócone kody jednej pozycji skali i złą nazwę zmiennej. Przed startem usuń wszystkie rekordy testowe – po dacie i po znaczniku „TEST”.

Test techniczny to nie pilotaż

Ankieta jest gotowa: pytania poprawione po uwagach promotora, skale wpisane, link prawie wysłany. Zostaje jeden krok, który studenci często pomijają, bo „przecież sam(a) ją wypełniłem/am”. Chodzi o test techniczny, czyli sprawdzenie, czy narzędzie robi dokładnie to, co zaplanowałeś: pokazuje właściwe pytania właściwym osobom i zapisuje odpowiedzi z kodami z książki kodowej.

Test techniczny różni się od dwóch innych form sprawdzania ankiety. Wywiad poznawczy pyta, czy ludzie rozumieją pytania. Badanie pilotażowe sprawdza na małej grupie z populacji czas, rozkłady i braki. Test techniczny robisz sam(a), czasem z jedną lub dwiema osobami do pomocy, na ostatecznej wersji w narzędziu. Pytanie brzmi: czy maszyna działa. Podręczniki projektowania ankiet internetowych prowadzą przez kolejne etapy przygotowania i uruchomienia ankiety (Couper, 2008). Callegaro i in. (2015) dzielą je na etap przed realizacją, realizację i etap po realizacji, a test techniczny zamyka pierwszy z nich.

Ten wpis uzupełnia listy kontrolne z poradników jak zrobić ankietę do pracy dyplomowej i najczęstsze błędy w ankietach. Tam jest lista tego, co powinno działać. Tu pokazujemy, jak to sprawdzić: plan testów, dane testowe i kontrolę eksportu w R.

Plan testów: każda ścieżka co najmniej raz

Ankieta z pytaniami filtrującymi nie jest jedną ankietą, tylko kilkoma ścieżkami. Jeśli przejdziesz ją raz, jako osoba pracująca i zgadzająca się na wszystko, sprawdzisz jedną z nich. Dlatego zacznij od rysunku ścieżek, a potem przypisz do każdej co najmniej jeden test.

W przykładzie (dane symulowane) ankieta dla studentów ma stronę zgody, pytanie kwalifikujące „Czy studiujesz?”, pytanie „Czy pracujesz zarobkowo?” z pytaniem dalszym o liczbę godzin, metryczkę, losowanie jednej z dwóch wersji instrukcji i czteropozycyjną skalę stresu z pozycją str_3 odwróconą. Daje to cztery ścieżki: brak zgody, osoba spoza grupy (screen-out), osoba pracująca i niepracująca. Plan obejmuje sześć testów (Rysunek 1).

Schemat ankiety: zgoda, pytanie czy studiujesz, pytanie o pracę z pytaniem dalszym o godziny, metryczka, losowanie wersji A lub B, skala stresu i strona końcowa; testy T3 i T4 pokrywają zakończenia, T1 i T5 ścieżkę osób pracujących, T2 i T6 niepracujących; w 300 wygenerowanych przejściach pytanie o godziny zobaczyło 119 osób niepracujących
Rysunek 1. Ścieżki przez przykładową ankietę i testy ręczne, które je pokrywają. Czerwona ramka oznacza pytanie, które w narzędziu nie miało warunku wyświetlania. Obliczenia: R (dane symulowane).
Plan sześciu testów ręcznych przykładowej ankiety
TestŚcieżka i urządzenieCo klikaszCzego oczekujesz w eksporcie
T1pracujący, komputer20 godzin; we wszystkich pozycjach skali „zdecydowanie się zgadzam”godz_pracy = 20; str_1–str_4 = 5
T2niepracujący, telefonwszędzie „zdecydowanie się nie zgadzam”godz_pracy puste; skala = 1
T3brak zgody, telefon„nie wyrażam zgody”tylko zgoda = 2, reszta pusta
T4nie studiuje, komputer„nie” w pytaniu kwalifikującymkoniec ankiety, dalsze kolumny puste
T5pracujący, telefonpomija pytania nieobowiązkowe, płeć „wolę nie odpowiadać”plec = 9; puste tylko pytania nieobowiązkowe
T6niepracujący, komputerw skali różne odpowiedzi: 1, 2, 4, 5każda pozycja w swojej kolumnie, z właściwym kodem

Trzy zasady sprawiają, że taki plan coś wykrywa:

  • Odpowiadaj tak, żeby wynik był przewidywalny. Skrajne odpowiedzi (same 5, same 1) i jeden test z różnymi wartościami pokażą, czy kody nie są odwrócone i czy pozycje trafiają do właściwych kolumn. Odpowiedź środkowa tego nie pokaże. Jeśli kody idą od końca, „3” nadal daje 3.
  • Testuj na telefonie i na komputerze. W planie są trzy testy na każdym urządzeniu. Dillman i in. (2014) w czwartym wydaniu swojego podręcznika osobno omawiają ankiety wypełniane na smartfonach i tabletach. O projektowaniu ankiety z myślą o telefonie piszemy we wpisie ankieta na telefonie.
  • Oznacz każdy test. W polu uwag na końcu wpisz np. „TEST T1”. Dzięki temu połączysz rekord z planem i łatwo usuniesz go przed startem.

Co sprawdzić w narzędziu w czasie przejścia

Podczas każdego testu notuj nie tylko to, czy ankieta „przeszła”, ale też to, co widziałeś/aś. Część błędów widać od razu na ekranie, a część dopiero w eksporcie.

Elementy ankiety online, sposób ich przetestowania i typowe błędy
ElementJak przetestowaćTypowy błąd
Przejścia i filtryKażda ścieżka z planu; po każdym filtrze sprawdź, które pytanie pojawiło się jako następneWarunek ustawiony na złe pytanie albo na złą odpowiedź; pytanie dalsze widzą wszyscy
ObowiązkowośćSpróbuj przejść dalej bez odpowiedzi na każdej stronieWszystko obowiązkowe, także metryczka i pytania otwarte
Walidacja pólWpisz wartość błędną (wiek 199, przecinek w liczbie, tekst w polu liczbowym)Pole przyjmuje wszystko albo odrzuca poprawny format
LosowanieKilka przejść; czy w eksporcie jest zmienna z wersją lub kolejnościąLosowanie działa, ale nie zapisuje, kto dostał którą wersję
Strona zgody i zakończeniaOdmowa zgody, osoba spoza kryteriów, pełne przejścieOdmowa nie kończy ankiety; brak podziękowania albo informacji o wykluczeniu
EksportPobierz plik po testach i otwórz go w programie do analizyEtykiety zamiast kodów, inne nazwy kolumn niż w książce kodowej

Przy obowiązkowości warto się zatrzymać, bo wiele narzędzi pozwala oznaczyć wszystkie pytania jednym kliknięciem. Décieux i in. (2015) pokazali, że wymuszanie odpowiedzi na każde pytanie zwiększało odsetek przerwań i obniżało jakość odpowiedzi. Sischka i in. (2022) potwierdzili to w eksperymencie: wymuszanie odpowiedzi zwiększało reaktancję i odsetek przerwań oraz skracało odpowiedzi na pytania otwarte. Przerwania i braki w pojedynczych pytaniach to dwa osobne źródła błędu braku odpowiedzi w ankietach internetowych (Tourangeau i in., 2013), a pełne wymuszanie zamienia drugie w pierwsze. Obowiązkowe zrób pytanie o zgodę i pytania kwalifikujące, a resztę zostaw do decyzji respondenta. Braki, które z tego wynikną, łatwiej obsłużyć w analizie (zob. braki danych w ankiecie) niż przypadkowe kliknięcia osoby, która chciała tylko przejść dalej. Peytchev (2009) wiąże przerwania ankiety internetowej z cechami kwestionariusza, które respondent poznaje dopiero po rozpoczęciu, m.in. z obciążeniem respondenta.

Przy stronie zgody sprawdź, czy treść odpowiada temu, co narzędzie naprawdę zapisuje, np. czy nie zbiera adresów e-mail, gdy obiecujesz anonimowość (zob. świadoma zgoda i RODO). Ustawienia anonimowości w popularnych narzędziach omawiamy w porównaniu narzędzi do ankiet online.

Dane testowe: przejścia ręczne i odpowiedzi wygenerowane

Przejścia ręczne nie wystarczą, bo jest ich kilka. Błąd, który dotyczy tylko rzadkiej kombinacji odpowiedzi, łatwo przeoczyć. Dlatego do testu dołóż odpowiedzi wygenerowane: kilkaset losowych przejść przez ankietę. Część narzędzi ma funkcję automatycznego wypełniania ankiety w trybie testowym. Jeśli Twoje jej nie ma, poproś kilka osób o szybkie przejście z losowymi odpowiedziami albo zrób to sam(a) kilkanaście razy, wybierając różne ścieżki.

Oba rodzaje danych wykrywają co innego:

  • Przejścia ręczne ze znanymi odpowiedziami wykrywają błędy kodowania. Wiesz, co kliknąłeś/aś, więc możesz porównać to z eksportem pole po polu.
  • Odpowiedzi wygenerowane wykrywają błędy logiki: pytanie dalsze u osób, które nie powinny go zobaczyć, kody spoza listy i nierówne losowanie wersji. Nie wykryją odwróconych kodów, bo losowa odpowiedź nie ma „prawdziwej” wartości.

Danych wygenerowanych nie używaj do niczego poza testem. W przykładzie mediana czasu ręcznego przejścia całej ankiety wyniosła 380 s, a przejścia wygenerowanego 4 s. Na takich danych nie ustalisz progu dla zbyt szybkiego wypełniania ani nie policzysz rzetelności skali. Czas i inne paradane ocenisz dopiero na prawdziwych odpowiedziach, najlepiej z pilotażu.

Kontrola eksportu w R: książka kodowa jako tabela reguł

Zamiast przeglądać plik wzrokiem, zapisz książkę kodową jako tabelę reguł, którą da się sprawdzić automatycznie. Każdy wiersz to zmienna, a kolumny mówią, jakie kody są dozwolone, jaki jest zakres, kiedy pytanie powinno się wyświetlić i czy jest obowiązkowe. Funkcja w R (kod na końcu wpisu) sprawdza każdą regułę i wypisuje, ile rekordów ją łamie i które to są. Pliki z przykładu możesz pobrać: plan testów, eksport testów ręcznych i eksport odpowiedzi wygenerowanych (CSV, dane symulowane).

Fragment książki kodowej zapisanej jako tabela reguł do automatycznej kontroli
zmiennakodymin–maxpokaż, gdyobowiązkowe
zgoda1, 2–zawszetak
pracuje1, 2–zgoda == 1 & student == 1tak
godz_pracy–1–60… & pracuje == 1nie
plec1, 2, 3, 9–zgoda == 1 & student == 1nie
str_1–str_41–5–zgoda == 1 & student == 1tak
wersjaA, B–zgoda == 1 & student == 1tak

W symulacji narzędzie miało cztery celowo wprowadzone błędy ustawień: brak warunku przy pytaniu o godziny pracy, kody płci nadane po kolei (1–4 zamiast 1, 2, 3, 9), odwrócone kody pozycji str_3 i nazwę str4 zamiast str_4. Oto co znalazła kontrola.

Odpowiedzi wygenerowane (300 przejść). Funkcja sprawdziła 43 reguły i zgłosiła cztery problemy: brak zmiennej str_4 wraz z nadmiarową kolumną str4, odpowiedź na pytanie o godziny pracy u 119 osób niepracujących („odpowiedź mimo przejścia”) i kod płci spoza książki w 66 rekordach. Kod 4 to w narzędziu „wolę nie odpowiadać”, a w książce ta odpowiedź ma kod 9. Gdyby nikt tego nie zauważył, w analizie „4” mogłaby trafić do jednej z kategorii płci albo zniknąć jako wartość niemożliwa.

Testy ręczne (7 rekordów). Porównanie z planem znalazło sześć niezgodności (Rysunek 2B). Pozycja str_3 miała odwrócone kody w T1 (5 → 1), T2 (1 → 5) i T6 (4 → 2), ale nie w T5, gdzie tester zaznaczył środek skali. Testerzy T2 i T6, którzy nie pracują, zobaczyli pytanie o godziny i wpisali 0. Wybór „wolę nie odpowiadać” w T5 zapisał się jako 4. Kontrola reguł wykryła też, że T1 jest w pliku dwa razy (rekordy 1 i 7), bo test powtórzono rano w dniu startu.

A: w 300 wygenerowanych przejściach 119 rekordów z godzinami pracy mimo przejścia i 66 z kodem płci spoza książki przed poprawkami, zero po poprawkach. B: siatka testów T1–T6 i zmiennych: 37 pól zgodnych z planem, 17 pominiętych zgodnie z planem, 6 niezgodnych, w tym odwrócone kody str_3 w T1, T2 i T6
Rysunek 2. Wynik kontroli eksportu. A: liczba rekordów łamiących dwie reguły w 300 odpowiedziach wygenerowanych przed poprawkami ustawień i po nich (błąd nazwy str4 dotyczy kolumny, nie rekordów, więc go nie pokazano). B: porównanie eksportu testów ręcznych z planem; w czerwonych polach wartość z planu → wartość w eksporcie („–” = pole puste). Obliczenia: R (dane symulowane).

Zwróć uwagę, że każdy rodzaj danych testowych złapał coś, czego drugi by nie złapał. Odwróconą pozycję str_3 pokazały tylko testy ręczne ze znanymi odpowiedziami. Gdyby została w danych, po standardowym przekodowaniu pozycji odwróconej w analizie odwróciłbyś/odwróciłabyś ją drugi raz, a wynik skali byłby błędny bez żadnego komunikatu. Skalę problemu z godzinami pracy pokazały dopiero setki przejść.

Odpowiedzi wygenerowane posłużyły też do sprawdzenia losowania. Wersję A dostało 117 osób, a wersję B 110. Test dwumianowy nie wskazuje na nierówne losowanie (p = .691), a zmienna wersja jest w eksporcie. Jeśli w ankiecie jest eksperyment, np. split-ballot z dwiema wersjami pytania, ten krok jest obowiązkowy: bez zapisu wersji nie da się policzyć żadnego porównania. Więcej o samym losowaniu znajdziesz w haśle randomizacja.

Po poprawieniu czterech ustawień w narzędziu i wygenerowaniu nowych 300 przejść ta sama funkcja zgłosiła 0 naruszonych reguł z 44 (o jedną więcej, bo kolumna str_4 wreszcie istnieje). Dopiero to jest sygnał do startu. Gdy już masz prawdziwe dane, ta sama tabela reguł przyda się do czyszczenia danych z ankiety online. Przekodowanie etykiet i pozycji odwróconych pokazujemy we wpisie dane z Google Forms i LimeSurvey do SPSS i R.

Usuń dane testowe przed startem

Ostatni krok przed wysłaniem linku: w bazie nie może zostać żaden rekord testowy. Najpierw pobierz eksport z testów i zachowaj go jako dokumentację. Potem usuń odpowiedzi w narzędziu, jeśli na to pozwala, albo zapisz datę i godzinę startu, od której liczysz dane.

Sam filtr daty bywa zawodny. W przykładzie za początek badania przyjęto 2 marca, a filtr „od 2 marca” zostawił w danych jeden rekord: powtórzony test T1 wysłany o 8:05 w dniu startu. Usunął go dopiero znacznik „TEST” w polu uwag. Dlatego stosuj oba zabezpieczenia: datę startu i znacznik w każdym teście.

Po starcie nie zmieniaj ankiety. Jeśli musisz coś poprawić, zapisz datę zmiany i dodaj do danych zmienną z wersją ankiety, żeby w analizie dało się sprawdzić, czy zmiana miała znaczenie.

Jak opisać test w pracy

W rozdziale metodologicznym wystarczy kilka zdań obok opisu pilotażu. Pokazują, że dane powstały w sprawdzonym narzędziu, a w razie pytań na obronie masz dokumentację.

Przed rozpoczęciem badania przeprowadzono test techniczny ankiety internetowej. Plan testów obejmował sześć przejść ręcznych, które pokrywały wszystkie cztery ścieżki ankiety (odmowa zgody, niespełnienie kryterium udziału, osoby pracujące i niepracujące), na komputerze i telefonie, oraz 300 przejść wygenerowanych automatycznie. Eksport danych porównano z planem testów i z książką kodową za pomocą skryptu w R. Test ujawnił brak warunku wyświetlania pytania o liczbę godzin pracy, niezgodne kody w pytaniu o płeć i pozycji 3 skali stresu oraz niezgodną nazwę zmiennej; po poprawkach kontrola nie wykazała naruszeń. Wszystkie rekordy testowe usunięto przed udostępnieniem ankiety.

Najczęstsze błędy

  • Jedno przejście „na szybko”. Sprawdza jedną ścieżkę z kilku.
  • Test tylko na komputerze. Część osób wypełni ankietę na telefonie, gdzie ten sam ekran wygląda inaczej.
  • Odpowiedzi środkowe w teście. Nie ujawniają odwróconych kodów.
  • Brak próbnego eksportu. Błąd kodów wychodzi dopiero przy analizie, gdy danych nie da się już zebrać ponownie.
  • Wszystkie pytania obowiązkowe. Więcej przerwań i odpowiedzi „byle przejść”.
  • Rekordy testowe w danych. Fałszywe osoby w próbie, często z nierealnym czasem.
  • Poprawka po teście bez ponownego testu. Zmiana jednego warunku potrafi zepsuć inny – po każdej poprawce powtórz przynajmniej testy ścieżek, których dotyczyła.

Jeśli chcesz, żeby ktoś przed startem przejrzał z Tobą ankietę, plan analizy i próbny eksport, zobacz naszą pomoc w analizie dla studentów.

Przykład reprodukowalny

Test eksportu w R: kod i wynik

Dwa przepisy liczą wszystkie wyniki z tekstu. Pierwszy udaje platformę ankietową z czterema błędami ustawień i tworzy pliki CSV z testów (zapisuje je w folderze nadrzędnym ../). Drugi wczytuje te pliki, zapisuje książkę kodową jako tabelę reguł i sprawdza eksport. Rysunki powstały w osobnym skrypcie na tych samych plikach. Do własnej ankiety wystarczy drugi przepis: podmień nazwy plików i wiersze tabeli reguł.

Symulowany eksport z testów ręcznych i odpowiedzi wygenerowanych

Dane wejściowe: brak – dane powstają w skrypcie: plan 6 testów ręcznych (T1 wysłany dwa razy) i 2 × 300 losowych przejść, przed poprawkami ustawień i po nich, set.seed(374); tylko funkcje bazowego R.

Co odczytać: liczbę wierszy i kolumn eksportów oraz początek eksportu testów ręcznych – widać już kolumnę str4, zero w godz_pracy u T2 i odwrócone str_3.

R
# B374 – symulowany eksport z testu ankiety online (dane symulowane)
# Ankieta: zgoda -> czy studiujesz -> czy pracujesz -> [godziny pracy] -> płeć, wiek, 4 pozycje skali stresu -> uwagi.
# Funkcja narzedzie() udaje platformę ankietową. Przy bledy = TRUE ma cztery błędy ustawień:
#  1) pytanie o godziny pracy nie ma warunku wyświetlania (widzą je wszyscy studenci),
#  2) w pytaniu o płeć kody nadano po kolei 1–4, a w książce kodów „wolę nie odpowiadać” = 9,
#  3) w pozycji str_3 odpowiedzi wpisano od końca, więc kody idą 5–1,
#  4) pozycja str_4 ma w narzędziu nazwę „str4”.
set.seed(374)

narzedzie <- function(o, bledy = TRUE) {
  n <- nrow(o)
  widzi_studia <- o$zgoda == 1                       # bez zgody ankieta się kończy
  widzi_reszte <- widzi_studia & o$student == 1      # osoby niestudiujące kończą (screen-out)
  widzi_godz <- if (bledy) widzi_reszte else widzi_reszte & o$pracuje == 1
  tylko <- function(x, warunek) ifelse(warunek, x, NA)
  e <- data.frame(id = seq_len(n), start = o$start, zgoda = o$zgoda,
                  student = tylko(o$student, widzi_studia),
                  pracuje = tylko(o$pracuje, widzi_reszte),
                  godz_pracy = tylko(o$godz_pracy, widzi_godz),
                  plec = tylko(if (bledy) match(o$plec, c(1, 2, 3, 9)) else o$plec, widzi_reszte),
                  wiek = tylko(o$wiek, widzi_reszte),
                  str_1 = tylko(o$str_1, widzi_reszte), str_2 = tylko(o$str_2, widzi_reszte),
                  str_3 = tylko(if (bledy) 6 - o$str_3 else o$str_3, widzi_reszte),
                  str_4 = tylko(o$str_4, widzi_reszte),
                  wersja = tylko(sample(c("A", "B"), n, replace = TRUE), widzi_reszte),  # losowanie wersji instrukcji
                  uwagi = o$uwagi, czas_s = o$czas_s)
  if (bledy) names(e)[names(e) == "str_4"] <- "str4"
  e
}

# 1. Plan testów ręcznych: co tester klika i czego oczekujemy w eksporcie (kody z książki kodów)
plan <- data.frame(
  test = paste0("T", 1:6),
  sciezka = c("pracujący", "niepracujący", "brak zgody", "nie studiuje", "pracujący, pomija", "niepracujący"),
  urzadzenie = c("komputer", "telefon", "telefon", "komputer", "telefon", "komputer"),
  zgoda = c(1, 1, 2, 1, 1, 1), student = c(1, 1, NA, 2, 1, 1), pracuje = c(1, 2, NA, NA, 1, 2),
  godz_pracy = c(20, NA, NA, NA, 10, NA), plec = c(1, 2, NA, NA, 9, 3), wiek = c(22, 24, NA, NA, 30, 19),
  str_1 = c(5, 1, NA, NA, 3, 1), str_2 = c(5, 1, NA, NA, 3, 2),
  str_3 = c(5, 1, NA, NA, 3, 4), str_4 = c(5, 1, NA, NA, 3, 5))
write.csv(plan, "../test-ankiety-plan-testow.csv", row.names = FALSE, na = "", fileEncoding = "UTF-8")

klik <- plan
klik$student[is.na(klik$student)] <- 1; klik$pracuje[is.na(klik$pracuje)] <- 2
klik$godz_pracy[is.na(klik$godz_pracy)] <- 0     # osoba niepracująca, która zobaczy pytanie, wpisze 0
klik$uwagi <- paste("TEST", plan$test)            # znacznik testu w polu uwag
klik$start <- sprintf("2026-03-01 %02d:%02d", 18, c(5, 12, 20, 24, 31, 40))
klik$czas_s <- c(412, 365, 41, 58, 297, 388)
klik <- rbind(klik, transform(klik[1, ], start = "2026-03-02 08:05", czas_s = 380))  # T1 wysłany drugi raz rano w dniu startu
reczne <- narzedzie(klik, bledy = TRUE)
write.csv(reczne, "../test-ankiety-eksport-reczny.csv", row.names = FALSE, na = "", fileEncoding = "UTF-8")

# 2. Odpowiedzi wygenerowane automatycznie (300 losowych przejść) – przed poprawkami i po nich
losowe <- function(n) {
  data.frame(zgoda = sample(1:2, n, TRUE, c(.9, .1)), student = sample(1:2, n, TRUE, c(.85, .15)),
             pracuje = sample(1:2, n, TRUE, c(.45, .55)), godz_pracy = sample(1:40, n, TRUE),
             plec = sample(c(1, 2, 3, 9), n, TRUE), wiek = sample(18:35, n, TRUE),
             str_1 = sample(1:5, n, TRUE), str_2 = sample(1:5, n, TRUE),
             str_3 = sample(1:5, n, TRUE), str_4 = sample(1:5, n, TRUE),
             uwagi = "", start = "2026-03-01 21:00", czas_s = round(runif(n, 2, 6)))
}
gen_przed <- narzedzie(losowe(300), bledy = TRUE)
gen_po <- narzedzie(losowe(300), bledy = FALSE)
write.csv(gen_przed, "../test-ankiety-eksport-generowany.csv", row.names = FALSE, na = "", fileEncoding = "UTF-8")
write.csv(gen_po, "b374-eksport-generowany-po-poprawkach.csv", row.names = FALSE, na = "", fileEncoding = "UTF-8")

cat("Eksport testów ręcznych:", nrow(reczne), "wierszy,", ncol(reczne), "kolumn\n")
cat("Eksport wygenerowany przed poprawkami:", nrow(gen_przed), "wierszy; po poprawkach:", nrow(gen_po), "wierszy\n")
print(head(reczne, 3), row.names = FALSE)
Wynik w R
Eksport testów ręcznych: 7 wierszy, 15 kolumn
Eksport wygenerowany przed poprawkami: 300 wierszy; po poprawkach: 300 wierszy
 id            start zgoda student pracuje godz_pracy plec wiek str_1 str_2
  1 2026-03-01 18:05     1       1       1         20    1   22     5     5
  2 2026-03-01 18:12     1       1       2          0    2   24     1     1
  3 2026-03-01 18:20     2      NA      NA         NA   NA   NA    NA    NA
 str_3 str4 wersja   uwagi czas_s
     1    5      B TEST T1    412
     5    1      A TEST T2    365
    NA   NA   <NA> TEST T3     41

Kontrola eksportu według tabeli reguł i porównanie z planem testów

Dane wejściowe: pliki test-ankiety-eksport-generowany.csv, test-ankiety-eksport-reczny.csv i test-ankiety-plan-testow.csv z pierwszego przepisu; tylko funkcje bazowego R.

Co odczytać: naruszone reguły w obu eksportach, pokrycie ścieżek i urządzeń, niezgodności z planem, równowagę wersji, mediany czasu, liczbę rekordów testowych po filtrze daty i znacznika oraz wynik kontroli po poprawkach.

R
# B374 – kontrola eksportu z testu ankiety według książki kodów (dane symulowane)
# Uruchom po b374-1-eksport.R; pliki CSV leżą w folderze nadrzędnym (../).
reczne <- read.csv("../test-ankiety-eksport-reczny.csv", na.strings = "")
gen <- read.csv("../test-ankiety-eksport-generowany.csv", na.strings = "")
plan <- read.csv("../test-ankiety-plan-testow.csv", na.strings = "")

# Książka kodów jako tabela reguł: dozwolone kody lub zakres, warunek wyświetlenia, obowiązkowość
ksiazka <- read.csv(text = "
zmienna,kody,min,max,pokaz_gdy,obowiazkowe
id,,1,,,TRUE
start,,,,,TRUE
zgoda,\"1,2\",,,,TRUE
student,\"1,2\",,,zgoda == 1,TRUE
pracuje,\"1,2\",,,zgoda == 1 & student == 1,TRUE
godz_pracy,,1,60,zgoda == 1 & student == 1 & pracuje == 1,FALSE
plec,\"1,2,3,9\",,,zgoda == 1 & student == 1,FALSE
wiek,,18,99,zgoda == 1 & student == 1,TRUE
str_1,\"1,2,3,4,5\",,,zgoda == 1 & student == 1,TRUE
str_2,\"1,2,3,4,5\",,,zgoda == 1 & student == 1,TRUE
str_3,\"1,2,3,4,5\",,,zgoda == 1 & student == 1,TRUE
str_4,\"1,2,3,4,5\",,,zgoda == 1 & student == 1,TRUE
wersja,\"A,B\",,,zgoda == 1 & student == 1,TRUE
uwagi,,,,,FALSE
czas_s,,1,,,TRUE", na.strings = "", colClasses = "character")

sprawdz <- function(d, k) {
  wynik <- data.frame(regula = character(), zmienna = character(), n = integer(), id = character())
  dodaj <- function(regula, zmienna, ktore) {
    n <- if (is.null(ktore)) NA else length(ktore)          # NA = reguła dotyczy nazwy kolumny, nie rekordów
    wynik[nrow(wynik) + 1, ] <<- list(regula, zmienna, n, paste(head(d$id[ktore], 5), collapse = " "))
  }
  for (v in setdiff(k$zmienna, names(d))) dodaj("brak zmiennej z książki kodów", v, NULL)
  for (v in setdiff(names(d), k$zmienna)) dodaj("zmienna spoza książki kodów", v, NULL)
  dodaj("powtórzony id", "id", which(duplicated(d$id)))
  tresc <- d[, setdiff(names(d), c("id", "start", "czas_s", "wersja"))]
  pelne <- rowSums(!is.na(tresc)) > 5          # porównujemy tylko rekordy z odpowiedziami na pytania
  dodaj("powtórzone odpowiedzi", "(cały wiersz)",
        which(pelne & (duplicated(tresc) | duplicated(tresc, fromLast = TRUE))))
  for (i in seq_len(nrow(k))) {
    v <- k$zmienna[i]; if (!v %in% names(d)) next
    x <- d[[v]]
    pokaz <- if (is.na(k$pokaz_gdy[i])) rep(TRUE, nrow(d)) else with(d, eval(parse(text = k$pokaz_gdy[i])))
    pokaz[is.na(pokaz)] <- FALSE
    if (!is.na(k$kody[i])) dodaj("kod spoza książki", v, which(!is.na(x) & !as.character(x) %in% strsplit(k$kody[i], ",")[[1]]))
    if (!is.na(k$min[i])) dodaj("poniżej minimum", v, which(!is.na(x) & as.numeric(x) < as.numeric(k$min[i])))
    if (!is.na(k$max[i])) dodaj("powyżej maksimum", v, which(!is.na(x) & as.numeric(x) > as.numeric(k$max[i])))
    dodaj("odpowiedź mimo przejścia", v, which(!pokaz & !is.na(x)))
    if (k$obowiazkowe[i] == "TRUE") dodaj("brak w pytaniu obowiązkowym", v, which(pokaz & is.na(x)))
  }
  wynik
}

# 1. Odpowiedzi wygenerowane automatycznie – pokaż tylko reguły, które coś znalazły
w_gen <- sprawdz(gen, ksiazka)
cat("Eksport wygenerowany (", nrow(gen), " wierszy): reguł sprawdzonych ", nrow(w_gen),
    ", naruszonych ", sum(is.na(w_gen$n) | w_gen$n > 0), "\n", sep = "")
print(w_gen[is.na(w_gen$n) | w_gen$n > 0, ], row.names = FALSE)

w_rek <- sprawdz(reczne, ksiazka)
cat("\nEksport testów ręcznych (", nrow(reczne), " wierszy): reguły naruszone\n", sep = "")
print(w_rek[is.na(w_rek$n) | w_rek$n > 0, ], row.names = FALSE)

# 2. Testy ręczne: porównaj eksport z planem (test rozpoznajemy po znaczniku „TEST Tx” w uwagach)
names(reczne)[names(reczne) == "str4"] <- "str_4"     # tylko na potrzeby porównania; nazwę popraw w narzędziu
reczne$test <- sub("TEST ", "", reczne$uwagi)
cat("\nTesty ręczne: ścieżki i urządzenia\n")
print(table(plan$sciezka, plan$urzadzenie))
pola <- c("zgoda", "student", "pracuje", "godz_pracy", "plec", "wiek", paste0("str_", 1:4))
r <- merge(plan, reczne, by = "test", suffixes = c("_plan", "_eksport"))
rozne <- do.call(rbind, lapply(pola, function(v) {
  a <- r[[paste0(v, "_plan")]]; b <- r[[paste0(v, "_eksport")]]
  z <- which(!(is.na(a) & is.na(b)) & (is.na(a) | is.na(b) | a != b))
  if (length(z)) data.frame(test = r$test[z], zmienna = v, plan = a[z], eksport = b[z])
}))
cat("\nNiezgodności eksportu z planem testów:\n")
print(unique(rozne), row.names = FALSE)

# 3. Losowanie wersji, czas i usunięcie danych testowych
cat("\nWersja instrukcji w odpowiedziach wygenerowanych:\n"); print(table(gen$wersja))
cat("Test dwumianowy równowagi wersji: p =", sub("^0", "", sprintf("%.3f", binom.test(table(gen$wersja))$p.value)), "\n")
cat("Mediana czasu (s): testy ręczne pełnej ankiety =",
    median(reczne$czas_s[!is.na(reczne$str_1)]), "; odpowiedzi wygenerowane =", median(gen$czas_s), "\n")
start_badania <- as.POSIXct("2026-03-02 00:00", tz = "UTC")      # dzień startu badania
po_dacie <- reczne[as.POSIXct(reczne$start, tz = "UTC") >= start_badania, ]
cat("Rekordy testowe po odfiltrowaniu daty startu:", nrow(po_dacie), "-", paste(po_dacie$uwagi, po_dacie$start), "\n")
cat("Po odfiltrowaniu także znacznika TEST:", nrow(po_dacie[!grepl("^TEST", po_dacie$uwagi), ]), "\n")

# 4. Ta sama kontrola po poprawieniu ustawień w narzędziu
w_po <- sprawdz(read.csv("b374-eksport-generowany-po-poprawkach.csv", na.strings = ""), ksiazka)
cat("\nPo poprawkach: reguł naruszonych =", sum(is.na(w_po$n) | w_po$n > 0), "z", nrow(w_po), "\n")
write.csv(rbind(cbind(etap = "przed", w_gen), cbind(etap = "po", w_po)), "b374-wynik-kontroli.csv", row.names = FALSE)
Wynik w R
Eksport wygenerowany (300 wierszy): reguł sprawdzonych 43, naruszonych 4
                        regula    zmienna   n           id
 brak zmiennej z książki kodów      str_4  NA             
   zmienna spoza książki kodów       str4  NA             
      odpowiedź mimo przejścia godz_pracy 119  4 5 7 10 11
             kod spoza książki       plec  66 3 5 10 17 23

Eksport testów ręcznych (7 wierszy): reguły naruszone
                        regula       zmienna  n  id
 brak zmiennej z książki kodów         str_4 NA    
   zmienna spoza książki kodów          str4 NA    
         powtórzone odpowiedzi (cały wiersz)  2 1 7
               poniżej minimum    godz_pracy  2 2 6
      odpowiedź mimo przejścia    godz_pracy  2 2 6
             kod spoza książki          plec  1   5

Testy ręczne: ścieżki i urządzenia
                   
                    komputer telefon
  brak zgody               0       1
  nie studiuje             1       0
  niepracujący             1       1
  pracujący                1       0
  pracujący, pomija        0       1

Niezgodności eksportu z planem testów:
 test    zmienna plan eksport
   T2 godz_pracy   NA       0
   T6 godz_pracy   NA       0
   T5       plec    9       4
   T1      str_3    5       1
   T2      str_3    1       5
   T6      str_3    4       2

Wersja instrukcji w odpowiedziach wygenerowanych:

  A   B 
117 110 
Test dwumianowy równowagi wersji: p = .691 
Mediana czasu (s): testy ręczne pełnej ankiety = 380 ; odpowiedzi wygenerowane = 4 
Rekordy testowe po odfiltrowaniu daty startu: 1 - TEST T1 2026-03-02 08:05 
Po odfiltrowaniu także znacznika TEST: 0 

Po poprawkach: reguł naruszonych = 0 z 44 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base, stats i utils); rysunki przygotowano w pakietach ggplot2, patchwork, svglite i magick. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  4. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite
  5. magick (wersja 2.9.1): Ooms, J. (2026). magick: Advanced graphics and image-processing in R [R package]. https://doi.org/10.32614/CRAN.package.magick

Najczęstsze pytania

Czym różni się test techniczny ankiety od badania pilotażowego?

Test techniczny sprawdza narzędzie: czy filtry, obowiązkowość, losowanie i eksport działają tak, jak zaplanowano. Robisz go sam(a) na ostatecznej wersji, z odpowiedziami ustalonymi w planie testów. Pilotaż sprawdza ankietę na małej grupie z populacji: zrozumiałość, czas, rozkłady odpowiedzi i braki danych.

Ile razy przejść ankietę online przed wysłaniem linku?

Tyle, żeby każda ścieżka wynikająca z pytań filtrujących i kwalifikujących została przetestowana co najmniej raz, na telefonie i na komputerze. W przykładzie z czterema ścieżkami plan obejmował 6 przejść ręcznych ze skrajnymi i mieszanymi odpowiedziami. Dodaj do nich kilkaset przejść wygenerowanych, które wyłapią rzadsze błędy logiki.

Czy wszystkie pytania w ankiecie online powinny być obowiązkowe?

Nie. Badania nad wymuszaniem odpowiedzi pokazują, że zwiększa ono odsetek przerwań i obniża jakość odpowiedzi. Obowiązkowe zrób pytanie o zgodę i pytania kwalifikujące, a przy pozostałych pozwól pominąć odpowiedź i obsłuż braki w analizie.

Jak usunąć odpowiedzi testowe z ankiety przed rozpoczęciem badania?

Najpierw pobierz eksport z testów i zachowaj go jako dokumentację, potem usuń odpowiedzi w narzędziu albo zapisz datę i godzinę startu. Każdy test oznacz w polu uwag (np. „TEST T1”) i w analizie odfiltruj rekordy zarówno po dacie, jak i po znaczniku, bo test powtórzony w dniu startu przejdzie przez filtr daty.

Jak sprawdzić, czy eksport z ankiety zgadza się z książką kodową?

Zapisz książkę kodową jako tabelę reguł: nazwa zmiennej, dozwolone kody lub zakres, warunek wyświetlenia i obowiązkowość. Skrypt w R porówna z nią eksport z testów i wypisze brakujące lub nadmiarowe kolumny, kody spoza listy, odpowiedzi mimo przejścia i braki w pytaniach obowiązkowych.

Powiązane hasła

Przeczytaj też

Chcesz sprawdzić ankietę, zanim wyślesz link?

Przejrzymy z Tobą ankietę, plan analizy i próbny eksport danych, sprawdzimy kody i przejścia w R, a potem wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie opisać i obronić każdą decyzję.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Callegaro, M., Lozar Manfreda, K., & Vehovar, V. (2015). Web survey methodology. SAGE Publications. https://doi.org/10.4135/9781529799651 ● Otwarty dostęp: pełny tekst
  2. Couper, M. P. (2008). Designing effective web surveys. Cambridge University Press. https://doi.org/10.1017/cbo9780511499371
  3. Décieux, J. P., Mergener, A., Neufang, K. M., & Sischka, P. (2015). Implementation of the forced answering option within online surveys: Do higher item response rates come at the expense of participation and answer quality? Psihologija, 48(4), 311–326. https://doi.org/10.2298/psi1504311d ● Otwarty dostęp
  4. Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, phone, mail, and mixed-mode surveys: The tailored design method (4th ed.). Wiley. https://doi.org/10.1002/9781394260645
  5. Peytchev, A. (2009). Survey breakoff. Public Opinion Quarterly, 73(1), 74–97. https://doi.org/10.1093/poq/nfp014
  6. Sischka, P. E., Décieux, J. P., Mergener, A., Neufang, K. M., & Schmidt, A. F. (2022). The impact of forced answering and reactance on answering behavior in online surveys. Social Science Computer Review, 40(2), 405–425. https://doi.org/10.1177/0894439320907067
  7. Tourangeau, R., Conrad, F. G., & Couper, M. P. (2013). The science of web surveys. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199747047.001.0001 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@book{callegaro2015web, author={Callegaro, Mario and Lozar Manfreda, Katja and Vehovar, Vasja}, title={{Web survey methodology}}, year={2015}, publisher={SAGE Publications}, doi={10.4135/9781529799651}}
@book{couper2008designing, author={Couper, Mick P.}, title={{Designing effective web surveys}}, year={2008}, publisher={Cambridge University Press}, doi={10.1017/cbo9780511499371}}
@article{decieux2015implementation, author={Décieux, Jean Philippe and Mergener, Alexandra and Neufang, Kristina M. and Sischka, Philipp}, title={{Implementation of the forced answering option within online surveys: Do higher item response rates come at the expense of participation and answer quality?}}, journal={Psihologija}, year={2015}, volume={48}, number={4}, pages={311--326}, doi={10.2298/psi1504311d}}
@book{dillman2014internet, author={Dillman, Don A. and Smyth, Jolene D. and Christian, Leah Melani}, title={{Internet, phone, mail, and mixed-mode surveys: The tailored design method (4th ed.)}}, year={2014}, publisher={Wiley}, doi={10.1002/9781394260645}}
@article{peytchev2009survey, author={Peytchev, Andy}, title={{Survey breakoff}}, journal={Public Opinion Quarterly}, year={2009}, volume={73}, number={1}, pages={74--97}, doi={10.1093/poq/nfp014}}
@article{sischka2022impact, author={Sischka, Philipp E. and Décieux, Jean Philippe and Mergener, Alexandra and Neufang, Kristina M. and Schmidt, Alexander F.}, title={{The impact of forced answering and reactance on answering behavior in online surveys}}, journal={Social Science Computer Review}, year={2022}, volume={40}, number={2}, pages={405--425}, doi={10.1177/0894439320907067}}
@book{tourangeau2013science, author={Tourangeau, Roger and Conrad, Frederick G. and Couper, Mick P.}, title={{The science of web surveys}}, year={2013}, publisher={Oxford University Press}, doi={10.1093/acprof:oso/9780199747047.001.0001}}
R