Słownik metodologiczny · Statystyka opisowa

Czyszczenie danych z ankiety online – co usunąć, w jakiej kolejności i jak to opisać?

Surowy eksport z ankiety internetowej zawsze zawiera duplikaty, osoby spoza kryteriów i nieuważne odpowiedzi. Podajemy listę kontrolną w kolejności, tabelę liczebności po każdym kroku i gotowy opis do pracy.

Strona główna / Słownik / Czyszczenie danych z ankiety

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Czyszczenie danych z ankiety online to usunięcie lub poprawienie rekordów, które nie nadają się do analizy: duplikatów, osób spoza kryteriów, bez zgody, zbyt szybkich i nieuważnych. Kryteria ustal z góry, a liczbę osób po każdym kroku podaj w pracy.

Co to jest czyszczenie danych z ankiety online?

Czyszczenie danych (ang. data cleaning, data screening) to sprawdzenie surowego eksportu z platformy ankietowej i usunięcie lub poprawienie rekordów, które nie nadają się do analizy. Van den Broeck i in. (2005) opisują je jako cykl przesiewu, diagnozy i poprawiania danych, prowadzony według reguł ustalonych z góry, a nie przez przypadkowe wyłapywanie błędów. W ankietach online szczególnie ważne jest wykrywanie nieuważnych odpowiedzi; Ward i Meade (2023) zalecają, by takie decyzje nie tylko podejmować, ale też raportować.

Lista kontrolna w kolejności

  1. Duplikaty – ta sama osoba wysłała ankietę dwa razy.
  2. Osoby spoza kryteriów – np. niepełnoletnie albo spoza badanej grupy.
  3. Brak zgody na udział (zob. świadoma zgoda).
  4. Speeding – czas poniżej ustalonego progu (zob. speeding).
  5. Straightlining – te same odpowiedzi w całej baterii.
  6. Niezaliczone pytanie kontrolne.
  7. Braki danych powyżej przyjętego progu, np. ponad 20% pozycji.
  8. Wartości niemożliwe – kody spoza skali; zwykle zamienia się je na brak danych, zamiast usuwać osobę.

Progi i kody zapisz przed analizą w książce kodowej.

Przykład

Eksport z ankiety o stresie studentów liczył 552 rekordy (dane symulowane). Liczebność po każdym kroku:

Liczebność próby po kolejnych krokach czyszczenia danych
KrokUsuniętoPozostało
Eksport–552
Duplikaty12540
Spoza kryteriów39501
Brak zgody15486
Speeding (< 30% mediany)15471
Straightlining19452
Pytanie kontrolne18434
Braki > 20%2432

Trzy wartości niemożliwe zamieniono na braki danych. Łącznie usunięto 21.7% rekordów.

Jak opisać w pracy

Z 552 rekordów usunięto kolejno: 12 duplikatów, 39 osób niespełniających kryteriów włączenia, 15 osób bez zgody na udział, 15 osób wypełniających ankietę w czasie krótszym niż 30% mediany, 19 osób udzielających identycznych odpowiedzi w całej skali, 18 osób, które nie zaliczyły pytania kontrolnego, i 2 osoby z brakami w ponad 20% pozycji. Do analizy włączono 432 osoby.

Te same liczby pokaż na diagramie przepływu liczebności.

Na co uważać

  • Kryteria ustal przed obejrzeniem wyników; dobieranie ich tak, by „wyszło”, to manipulacja danymi.
  • Kolejność kroków zmienia liczby w tabeli, więc trzymaj się jednej i opisz ją.
  • Zachowaj surowy eksport i skrypt czyszczenia, żeby każdy krok dało się powtórzyć.

Dalsze etapy opisuje wpis Analiza ankiety do pracy dyplomowej.

Najczęstsze pytania

W jakiej kolejności czyścić dane z ankiety online?

Najpierw duplikaty, potem osoby spoza kryteriów i bez zgody, następnie wskaźniki nieuważności (czas, straightlining, pytanie kontrolne), na końcu braki i wartości niemożliwe. Trzymaj się jednej kolejności i ją opisz.

Ile osób można usunąć z próby przy czyszczeniu danych?

Nie ma górnej granicy, ale każde wykluczenie musi wynikać z kryterium ustalonego przed analizą. Przy dużym odsetku usuniętych osób sprawdź, czy wnioski zmieniają się bez wykluczeń.

Czy osobę z wartością spoza skali trzeba usunąć?

Zwykle nie. Wartość niemożliwą, np. kod 9 na skali 1–5, zamień na brak danych i zachowaj pozostałe odpowiedzi tej osoby. Usuń rekord tylko wtedy, gdy błędów jest dużo.

Powiązane hasła

Speeding – zbyt szybkie wypełnianie ankietyStraightlining i nieuważne odpowiedziKsiążka kodowaPytanie kontrolne (attention check)Braki danych (MCAR, MAR, MNAR)

Poradniki, w których użyjesz tego pojęcia

Poradnik

Analiza ankiety do pracy licencjackiej i magisterskiej

Analiza ankiety do pracy dyplomowej: przygotowanie bazy, kodowanie pytań, skale, testy, modele i raport wyników do licencjatu lub magisterki.

Czytaj →Poradnik

Dane z Google Forms i LimeSurvey: kodowanie do SPSS i R

Eksport, nazwy zmiennych, rekodowanie Likerta, pozycje odwrócone, wielokrotny wybór i braki – krok po kroku, z kodem R i wzorem książki kodowej.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Van den Broeck, J., Argeseanu Cunningham, S., Eeckels, R., & Herbst, K. (2005). Data cleaning: Detecting, diagnosing, and editing data abnormalities. PLoS Medicine, 2(10), Article e267. https://doi.org/10.1371/journal.pmed.0020267 ● Otwarty dostęp
  2. Ward, M. K., & Meade, A. W. (2023). Dealing with careless responding in survey data: Prevention, identification, and recommended best practices. Annual Review of Psychology, 74(1), 577–596. https://doi.org/10.1146/annurev-psych-040422-045007 ● Otwarty dostęp

Cytowania BibTeX

@article{vandenbroeck2005data, author={Van den Broeck, Jan and Argeseanu Cunningham, Solveig and Eeckels, Roger and Herbst, Kobus}, title={{Data cleaning: Detecting, diagnosing, and editing data abnormalities}}, journal={PLoS Medicine}, year={2005}, volume={2}, number={10}, eid={e267}, doi={10.1371/journal.pmed.0020267}}
@article{ward2023dealing, author={Ward, M. K. and Meade, Adam W.}, title={{Dealing with careless responding in survey data: Prevention, identification, and recommended best practices}}, journal={Annual Review of Psychology}, year={2023}, volume={74}, number={1}, pages={577--596}, doi={10.1146/annurev-psych-040422-045007}}
R