Słownik metodologiczny · Konstrukcja ankiety

Metryczka w ankiecie – co zawiera, gdzie ją umieścić i jak ją zakodować

Metryczka to blok pytań o cechy uczestników badania. Wyjaśniamy, o co pytać (i o co nie pytać), jak formułować pytania o wiek, płeć i wykształcenie, gdzie umieścić metryczkę i jak przygotować z niej opis próby w stylu APA.

W skrócie: Metryczka to blok pytań ankiety o cechy społeczno-demograficzne uczestników, np. wiek, płeć czy rok studiów. Służy do opisu próby, sprawdzenia kryteriów udziału i jako źródło zmiennych kontrolnych. Pytaj tylko o to, czego potrzebujesz do analiz – tak wymaga zasada minimalizacji danych. Wiek zbieraj liczbą, kategorie układaj rozłącznie, a w pytaniach drażliwych dodawaj opcję „wolę nie odpowiadać”.

Co to jest metryczka?

Metryczka to blok pytań ankiety o cechy społeczno-demograficzne uczestników – najczęściej wiek, płeć, wykształcenie, miejsce zamieszkania czy sytuację zawodową. W literaturze anglojęzycznej mówi się o demographic questions albo krótko demographics. W badaniach psychologicznych metryczka ma trzy zadania:

  • opis próby – czytelnik musi wiedzieć, kogo zbadano, żeby ocenić, do kogo odnoszą się wyniki;
  • sprawdzenie kryteriów udziału – np. pełnoletności albo statusu studenta;
  • zmienne do analiz – zmienne kontrolne, grupujące lub moderatory (np. porównanie studentów pracujących i niepracujących).

Hughes i in. (2022) proponują inkluzywne pytania i kategorie odpowiedzi dla cech, których opisu oczekują standardy APA – wieku, tożsamości płciowej i płci przypisanej przy urodzeniu, pochodzenia etnicznego i rasy oraz statusu społeczno-ekonomicznego – a także dla obszarów dodatkowych, takich jak wykształcenie, zatrudnienie czy niepełnosprawność. Nie oznacza to, że o każdą z tych cech trzeba pytać w każdym badaniu. O zawartości metryczki decyduje pytanie badawcze, a nie zwyczaj albo gotowy szablon z internetu.

Co powinna zawierać metryczka? Zasada minimalizacji danych

Każde pytanie metryczkowe musi mieć uzasadnienie: opis próby, kryterium udziału albo konkretną analizę. Tę samą zasadę formułują przepisy o ochronie danych. Dokument przygotowany na zlecenie Komisji Europejskiej podkreśla, że w badaniu należy zbierać tylko dane niezbędne do jego celów (European Commission, 2021). RODO wymaga zaś przy przetwarzaniu danych do celów badań naukowych odpowiednich zabezpieczeń – zwłaszcza minimalizacji danych i, gdy pozwala to zrealizować cel, pseudonimizacji albo przetwarzania danych, które nie pozwalają zidentyfikować osoby (Parlament Europejski i Rada Unii Europejskiej, 2016).

Typowe pytania metryczkowe: kiedy są potrzebne i jak ograniczyć zakres zbieranych danych
PytanieKiedy jest potrzebneJak ograniczyć zakres danych
WiekPrawie zawsze: opis próby, kryterium pełnoletnościW małych grupach (np. jeden rocznik) wystarczą przedziały
Płeć lub tożsamość płciowaOpis próby; analizy, w których płeć ma uzasadnienie teoretyczneZawsze z opcją „wolę nie odpowiadać”
WykształcenieBadania dorosłych spoza uczelni; zmienna kontrolnaW badaniu studentów zastąp je rokiem i trybem studiów
Rok, kierunek, tryb studiówBadania studentówNazwa uczelni i kierunku na małym wydziale może wskazać konkretną osobę
Miejsce zamieszkaniaGdy ma znaczenie dla hipotez (np. dostęp do pomocy psychologicznej)Szerokie kategorie: wieś, miasto według liczby mieszkańców
Sytuacja zawodowa, dochódGdy status społeczno-ekonomiczny jest zmienną w analizieDochód w przedziałach, z opcją „wolę nie odpowiadać”
Zdrowie, orientacja seksualna, religia, pochodzenie etniczneTylko gdy wynikają z pytania badawczegoTo szczególne kategorie danych (art. 9 RODO) – wymagają mocnego uzasadnienia i ochrony

Uważaj na kombinacje cech. Pojedyncze pytanie bywa niewinne, ale wiek, płeć, kierunek, rok studiów i miejscowość razem mogą wskazać konkretną osobę – zwłaszcza w małej grupie. Pamiętaj też, że pseudonimizacja (np. zastąpienie nazwiska kodem) to nie anonimizacja, a dane anonimizowane dopiero na etapie wprowadzania do bazy są do tego momentu danymi osobowymi wymagającymi ochrony (European Commission, 2021). Jak informować uczestników o przetwarzaniu danych, wyjaśniamy w haśle świadoma zgoda i RODO w badaniach.

Decyzje o pytaniach demograficznych mają też wymiar etyczny. Call i in. (2023) zwracają uwagę, że sposób zbierania i raportowania takich danych może np. utrwalać stereotypy, unieważniać tożsamości mniejszościowe albo wykluczać grupy, i proponują ramy podejmowania decyzji o zbieraniu, analizie, raportowaniu i interpretacji danych demograficznych.

Jak formułować pytania metryczkowe?

Wiek

Pytaj o wiek liczbą („Ile masz lat? Podaj w pełnych latach”) i ustaw w formularzu dopuszczalny zakres. Z wieku w latach policzysz średnią i odchylenie standardowe, a w razie potrzeby utworzysz przedziały; z przedziałów nie odtworzysz już wieku w latach. Przedziały wybierz wtedy, gdy dokładny wiek w połączeniu z innymi cechami mógłby identyfikować osobę. Muszą wtedy być rozłączne: „18–24, 25–34, 35–44”, a nie „18–25, 25–35”.

Płeć i tożsamość płciowa

Najpierw zdecyduj, czego potrzebujesz: płci przypisanej przy urodzeniu (np. w badaniach biomedycznych) czy tożsamości płciowej (w większości badań psychologicznych i społecznych). Hughes i in. (2022) traktują te cechy jako odrębne i proponują dla nich osobne, inkluzywne pytania. Przykład pytania o tożsamość płciową w badaniu studentów: „Jak określasz swoją płeć?” – kobieta, mężczyzna, osoba niebinarna, inna (jaka?), wolę nie odpowiadać. Jeśli w analizach porównujesz kobiety i mężczyzn, w opisie metody napisz, jak postąpiono z pozostałymi odpowiedziami.

Wykształcenie, studia i miejsce zamieszkania

Kategorie wykształcenia dopasuj do polskiego systemu edukacji: podstawowe lub gimnazjalne, zasadnicze zawodowe lub branżowe, średnie, policealne, wyższe (licencjat lub inżynier), wyższe (magister), stopień doktora. W badaniach studentów zamiast wykształcenia zapytaj o rok studiów, poziom (licencjackie, magisterskie, jednolite magisterskie) i tryb (stacjonarne, niestacjonarne). Miejsce zamieszkania zwykle wystarczy opisać wielkością miejscowości: wieś, miasto do 20 tys., 20–100 tys., 100–500 tys., powyżej 500 tys. mieszkańców.

Odpowiedzi „wolę nie odpowiadać” i „inne (jakie?)” dodawaj tam, gdzie pytanie może być drażliwe albo lista nie wyczerpuje możliwości – to zasady dobrej kafeterii. Pytania o dochód, zdrowie czy orientację seksualną bywają pomijane albo zniekształcane przez aprobatę społeczną, więc zadawaj je tylko wtedy, gdy są naprawdę potrzebne.

Pytania metryczkowe: przykłady złych i poprawionych sformułowań
ŹleProblemDobrze
„Wiek: 18–25, 25–30, 30–40”Przedziały nachodzą na siebie„18–24, 25–29, 30–39” albo wiek w latach
„Płeć: K / M”Brak innych odpowiedzi i możliwości odmowy„Kobieta, mężczyzna, osoba niebinarna, inna (jaka?), wolę nie odpowiadać”
„Wykształcenie: średnie / wyższe”Kategorie nie są wyczerpującePełna lista poziomów wykształcenia
„Podaj datę urodzenia”Więcej danych, niż potrzeba„Ile masz lat?”
„Podaj miesięczny dochód netto w zł”Dokładna kwota – pytanie drażliwe i identyfikującePrzedziały dochodu z opcją „wolę nie odpowiadać”

Metryczka na początku czy na końcu ankiety?

Tradycyjnie metryczkę umieszcza się na końcu: respondent zaczyna od pytań merytorycznych, a pytania o siebie dostaje, gdy już zaangażował się w badanie. Dowody nie przemawiają jednak jednoznacznie za tym zwyczajem. W eksperymencie na internetowej ankiecie pracowników amerykańskiej administracji zdrowia weteranów umieszczenie pytań demograficznych na początku zwiększyło odsetek odpowiedzi na te pytania, nie wpływając na odsetek odpowiedzi na pozostałe pytania ani na ich średnie (Teclaw i in., 2012).

  • Na początek daj pytania, które są kryteriami udziału (wiek, status studenta) – osoba spoza populacji nie powinna wypełniać całej ankiety.
  • Pozostałe pytania metryczkowe możesz umieścić na początku albo na końcu; ważne, by metryczka była krótka.
  • Pytania drażliwe (dochód, zdrowie) przenieś na koniec i daj możliwość pominięcia, żeby nie zniechęcać na starcie.

Układ całego kwestionariusza – od strony ze zgodą po podziękowanie – omawiamy w poradniku jak zrobić ankietę do pracy dyplomowej.

Jak zakodować metryczkę?

Odpowiedzi zakoduj liczbowo i opisz w książce kodów. Większość pytań metryczkowych daje zmienne na skali nominalnej (płeć, tryb studiów) lub porządkowej (rok studiów, wykształcenie), a wiek w latach – zmienną ilościową.

Przykładowa książka kodów dla metryczki
ZmiennaPytanieKody
wiek„Ile masz lat?”Liczba lat (18–99)
plec„Jak określasz swoją płeć?”1 = kobieta, 2 = mężczyzna, 3 = osoba niebinarna, 4 = inna, 9 = wolę nie odpowiadać
plec_inna„Inna (jaka?)”Tekst
rok„Na którym roku studiów jesteś?”1–5
tryb„W jakim trybie studiujesz?”1 = stacjonarne, 2 = niestacjonarne
praca„Czy pracujesz zarobkowo?”0 = nie, 1 = dorywczo, 2 = na stałe
  • „Wolę nie odpowiadać” dostaje osobny kod (np. 9), który przed analizą oznaczasz jako brak danych. Nie licz go jak liczby – kod 9 w średniej zawyżyłby wynik.
  • Odpowiedzi „inne (jakie?)” przejrzyj i, jeśli się powtarzają, utwórz z nich nową kategorię (rekodowanie).
  • Do regresji zmienne nominalne zamień na zmienne zero-jedynkowe (dummy coding).
  • Nie łącz kategorii „po fakcie” tylko po to, by uzyskać istotny wynik; jeśli łączysz małe kategorie, opisz to w pracy.

Jak przenieść metryczkę z Formularzy Google lub LimeSurvey do SPSS i R, pokazujemy w poradniku dane z Google Forms i LimeSurvey: kodowanie do SPSS i R.

Przykład: od metryczki do opisu próby

W badaniu stresu i jakości snu 214 studentów wypełniło metryczkę z pytaniami o wiek, tożsamość płciową, rok i tryb studiów oraz pracę zarobkową (dane symulowane). Po zakodowaniu odpowiedzi wystarczy policzyć średnią i odchylenie standardowe wieku oraz liczebności i procenty dla kategorii. Tak wygląda tabela charakterystyki próby w stylu APA:

Tabela 1

Charakterystyka próby badanych studentów

Zmiennan (%) lub M (SD)
Wiek w latach, M (SD)22.42 (2.83)
Wiek w latach, zakres18–34
Tożsamość płciowa
Kobieta146 (68.2)
Mężczyzna60 (28.0)
Osoba niebinarna4 (1.9)
Wolę nie odpowiadać4 (1.9)
Rok studiów
I46 (21.5)
II49 (22.9)
III38 (17.8)
IV40 (18.7)
V41 (19.2)
Tryb studiów
Stacjonarne185 (86.4)
Niestacjonarne29 (13.6)
Praca zarobkowa
Nie pracuje101 (47.2)
Dorywczo77 (36.0)
Na stałe36 (16.8)

Uwaga. N = 214. Procenty obliczono od liczebności całej próby. Dane symulowane; obliczenia w R.

Ten sam opis w tekście pracy:

W badaniu wzięło udział 214 studentów w wieku od 18 do 34 lat (M = 22.42, SD = 2.83). Kobietami było 146 osób (68.2%), mężczyznami 60 (28.0%), 4 osoby (1.9%) określiły się jako niebinarne, a 4 (1.9%) nie podały odpowiedzi. Większość badanych studiowała w trybie stacjonarnym (n = 185, 86.4%), a odsetki osób na kolejnych latach studiów wynosiły od 17.8% (III rok) do 22.9% (II rok). Nie pracowało zarobkowo 101 osób (47.2%), dorywczo pracowało 77 (36.0%), a na stałe 36 (16.8%).

Zwróć uwagę na małe kategorie. Czterech osób niebinarnych nie da się sensownie porównać z innymi grupami w teście statystycznym, ale nie należy ich też po cichu pomijać. Z góry zdecyduj, jak je uwzględnisz, i opisz tę decyzję – wykluczanie grup to jeden z problemów etycznych, na które zwracają uwagę Call i in. (2023).

Jak dobrać miary opisowe i co jeszcze uwzględnić w opisie próby (kryteria włączenia, przepływ uczestników, braki danych), wyjaśniamy w poradnikach jak opisać charakterystykę próby i wzór przedstawienia charakterystyki próby. Gotowe układy tabel znajdziesz w haśle tabela statystyk opisowych w APA.

Najczęstsze błędy w metryczce

  • Pytania „na wszelki wypadek” – każda zbędna cecha to dłuższa ankieta i więcej danych osobowych do ochrony.
  • Nachodzące na siebie albo niepełne kategorie – osoba w wieku 25 lat nie wie, który przedział zaznaczyć.
  • Brak opcji „wolę nie odpowiadać” w pytaniach drażliwych – respondent porzuca ankietę albo wybiera przypadkową odpowiedź.
  • Dane identyfikujące w „anonimowej” ankiecie – imię, adres e-mail, data urodzenia albo zbyt szczegółowe połączenie cech w małej grupie.
  • Kod „wolę nie odpowiadać” policzony jak liczba – np. średnia z kodów płci albo z wartości 9.
  • Niespójność metryczki i opisu próby – pytanie o tożsamość płciową z pięcioma odpowiedziami, a w pracy tylko „kobiety i mężczyźni” bez informacji o pozostałych osobach.

Najczęstsze pytania

Co to jest metryczka w ankiecie?

Metryczka to część ankiety z pytaniami o cechy społeczno-demograficzne uczestników, np. wiek, płeć, wykształcenie, rok studiów czy miejsce zamieszkania. Służy do opisu próby, sprawdzenia kryteriów udziału i jako źródło zmiennych kontrolnych w analizach.

Jakie pytania powinna zawierać metryczka?

Tylko te, które są potrzebne do opisu próby, sprawdzenia kryteriów udziału albo zaplanowanych analiz. W badaniu studentów zwykle wystarczą wiek, płeć, rok i tryb studiów; o zdrowie, dochód czy religię pytaj tylko wtedy, gdy wynika to z pytania badawczego.

Metryczka na początku czy na końcu ankiety?

Tradycyjnie na końcu, ale w eksperymencie Teclaw i in. (2012) metryczka na początku zwiększyła odsetek odpowiedzi na pytania demograficzne i nie zmieniła odpowiedzi na pozostałe pytania. Pytania będące kryteriami udziału zawsze zadawaj na początku.

Jak zapytać o płeć w ankiecie?

Najpierw zdecyduj, czy potrzebujesz płci przypisanej przy urodzeniu, czy tożsamości płciowej – Hughes i in. (2022) traktują je jako odrębne cechy. W wielu badaniach psychologicznych wystarczy pytanie „Jak określasz swoją płeć?” z odpowiedziami: kobieta, mężczyzna, osoba niebinarna, inna (jaka?), wolę nie odpowiadać.

Czy pytać o wiek liczbą, czy przedziałami?

Zwykle liczbą – z wieku w latach policzysz średnią i odchylenie standardowe, a przedziały utworzysz później. Przedziały wybierz, gdy dokładny wiek w połączeniu z innymi cechami mógłby identyfikować uczestników; muszą być wtedy rozłączne, np. 18–24 i 25–34.

Czy dane z metryczki to dane osobowe?

Mogą nimi być, jeśli pozwalają zidentyfikować osobę – zwłaszcza połączenie kilku cech w małej grupie. Zbieraj tylko dane niezbędne do celu badania i pamiętaj, że pseudonimizacja to nie anonimizacja (European Commission, 2021).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

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. Call, C. C., Eckstrand, K. L., Kasparek, S. W., Boness, C. L., Blatt, L., Jamal-Orozco, N., Novacek, D. M., Foti, D., & Scholars for Elevating Equity and Diversity (SEED). (2023). An ethics and social-justice approach to collecting and using demographic data for psychological researchers. Perspectives on Psychological Science, 18(5), 979–995. https://doi.org/10.1177/17456916221137350 ● Otwarty dostęp: pełny tekst
  2. European Commission, Directorate-General for Research and Innovation. (2021). Ethics and data protection. https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/guidance/ethics-and-data-protection_he_en.pdf ● Otwarty dostęp
  3. Hughes, J. L., Camden, A. A., Yangchen, T., Smith, G. P. A., Domenech Rodríguez, M. M., Rouse, S. V., McDonald, C. P., & Lopez, S. (2022). Guidance for researchers when using inclusive demographic questions for surveys: Improved and updated questions. Psi Chi Journal of Psychological Research, 27(4), 232–255. https://doi.org/10.24839/2325-7342.JN27.4.232 ● Otwarty dostęp
  4. Parlament Europejski i Rada Unii Europejskiej. (2016). Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i w sprawie swobodnego przepływu takich danych oraz uchylenia dyrektywy 95/46/WE (ogólne rozporządzenie o ochronie danych). Dziennik Urzędowy Unii Europejskiej. https://eur-lex.europa.eu/eli/reg/2016/679/oj ● Otwarty dostęp: pełny tekst
  5. Teclaw, R., Price, M. C., & Osatuke, K. (2012). Demographic question placement: Effect on item response rates and means of a Veterans Health Administration survey. Journal of Business and Psychology, 27(3), 281–290. https://doi.org/10.1007/s10869-011-9249-y

Cytowania BibTeX

@article{call2023ethics, author={Call, Christine C. and Eckstrand, Kristen L. and Kasparek, Steven W. and Boness, Cassandra L. and Blatt, Lorraine and Jamal-Orozco, Nabila and Novacek, Derek M. and Foti, Dan and {Scholars for Elevating Equity and Diversity (SEED)}}, title={{An ethics and social-justice approach to collecting and using demographic data for psychological researchers}}, journal={Perspectives on Psychological Science}, year={2023}, volume={18}, number={5}, pages={979--995}, doi={10.1177/17456916221137350}}
@techreport{ec2021ethics, author={{European Commission, Directorate-General for Research and Innovation}}, title={{Ethics and data protection}}, year={2021}, url={https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/guidance/ethics-and-data-protection_he_en.pdf}}
@article{hughes2022guidance, author={Hughes, Jennifer L. and Camden, Abigail A. and Yangchen, Tenzin and Smith, Gabrielle P. A. and Domenech Rodríguez, Melanie M. and Rouse, Steven V. and McDonald, C. Peeper and Lopez, Stella}, title={{Guidance for researchers when using inclusive demographic questions for surveys: Improved and updated questions}}, journal={Psi Chi Journal of Psychological Research}, year={2022}, volume={27}, number={4}, pages={232--255}, doi={10.24839/2325-7342.jn27.4.232}}
@misc{eu2016regulation, author={{Parlament Europejski i Rada Unii Europejskiej}}, title={{Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i w sprawie swobodnego przepływu takich danych oraz uchylenia dyrektywy 95/46/WE (ogólne rozporządzenie o ochronie danych)}}, howpublished={Dziennik Urzędowy Unii Europejskiej}, year={2016}, volume={L 119}, pages={1--88}, url={https://eur-lex.europa.eu/eli/reg/2016/679/oj}}
@article{teclaw2012demographic, author={Teclaw, Robert and Price, Mark C. and Osatuke, Katerine}, title={{Demographic question placement: Effect on item response rates and means of a Veterans Health Administration survey}}, journal={Journal of Business and Psychology}, year={2012}, volume={27}, number={3}, pages={281--290}, doi={10.1007/s10869-011-9249-y}}
R