Słownik metodologiczny · Dobór próby

Paradane (paradata) – dane o przebiegu wypełniania ankiety

Paradane to dane o procesie zbierania odpowiedzi: znaczniki czasu, czasy odpowiedzi, zmiany odpowiedzi, urządzenie. Pokazujemy, do czego służą, jak policzyć czas na pytanie w R i jak je opisać w pracy.

W skrócie: Paradane (paradata) to dane o samym procesie zbierania odpowiedzi: znaczniki czasu, czasy odpowiedzi na pytania, zmiany odpowiedzi, urządzenie, miejsca przerwań i próby kontaktu. Służą do oceny jakości danych, pytań i przebiegu realizacji badania.

Co to są paradane?

Paradane (ang. paradata) to dane o samym procesie zbierania odpowiedzi, a nie o tym, co respondent odpowiedział. Należą do nich znaczniki czasu, czas odpowiedzi na każde pytanie, zmiany odpowiedzi, kliknięcia i ruchy kursora, typ urządzenia, miejsce przerwania ankiety, a w wywiadach – próby kontaktu i notatki ankietera. Kreuter (2013) opisuje je jako informację o procesie na poziomie mikro: sekundy na jedno pytanie to paradane, a średni czas wywiadu w całym badaniu to już metadane. Paradane są dostępne w trakcie badania, więc pozwalają monitorować realizację niemal na bieżąco.

Do czego się przydają

  • Jakość danych. Czas wypełniania to podstawa wykrywania speedingu, a w połączeniu z wzorem odpowiedzi – straightliningu (zob. czyszczenie danych z ankiety online).
  • Ocena pytań. Heerwegh (2003) pokazał, że osoby o mniej stabilnych postawach potrzebowały więcej czasu na odpowiedź. Couper i Kreuter (2013) w modelach wielopoziomowych stwierdzili, że czas odpowiedzi zależy od cech pytania, respondenta i ankietera.
  • Przebieg realizacji. Miejsca przerwań i liczba kontaktów pomagają policzyć wskaźnik odpowiedzi i znaleźć pytania, przy których ludzie rezygnują.

Przykład

Platforma zapisuje znacznik czasu przy każdej odpowiedzi; czas na pytanie to różnica kolejnych znaczników. W danych symulowanych (300 osób, 10 pytań) mediana czasu pytania korelowała z długością jego treści, r = .996, a 16 osób miało medianę poniżej 2 s na pytanie, czyli za mało na przeczytanie treści.

Jak opisać w pracy

Platforma ankietowa rejestrowała znaczniki czasu odpowiedzi, z których obliczono czas poświęcony na każde pytanie. Mediana czasu odpowiedzi poniżej 2 s na pytanie, wskazująca na odpowiadanie bez czytania, wystąpiła u 16 z 300 osób; te przypadki analizowano łącznie z innymi wskaźnikami jakości.

Na co uważać

  • Zgoda i informacja. Paradane też są danymi o uczestniku; napisz w informacji o badaniu, co rejestrujesz (zob. świadoma zgoda i RODO).
  • Jeden wskaźnik to za mało. Krótki czas może oznaczać sprawnego czytelnika, a długi – przerwę na kawę. Progi są umowne, a decyzję o wykluczeniu opieraj na kilku wskaźnikach (zob. nieuważne odpowiedzi w ankietach online).
  • Różnice platform. Narzędzia zapisują czas po stronie serwera albo w przeglądarce; paradane z przeglądarki opisują proces dokładniej (Heerwegh, 2003).
Przykład reprodukowalny

Paradane w R

Kod tworzy dziennik zdarzeń ankiety online (znacznik czasu zapisu każdej odpowiedzi), liczy czas na pytanie jako różnicę kolejnych znaczników, porównuje medianę czasu z długością pytań i oznacza osoby z bardzo krótkim czasem. Liczby w tekście pochodzą z tego kodu.

Czas odpowiedzi z dziennika znaczników czasu

Dane wejściowe: 300 osób, 10 pytań o długości 8–30 słów, ok. 6% osób przeklikujących ankietę (dane symulowane, set.seed(667)).

Co odczytać: kolumna czas w pierwszych wierszach dziennika, korelacja długości pytań z medianą czasu 0.996, 16 osób z medianą poniżej 2 s.

R
set.seed(667)
k <- 10; n <- 300                             # 10 pytań, 300 osób
slowa <- c(8, 12, 15, 20, 25, 9, 30, 14, 18, 22)  # długość treści pytań (słowa)
szybki <- rbinom(n, 1, 0.06)                  # ok. 6% osób przeklikuje ankietę
dz <- do.call(rbind, lapply(1:n, function(i) {
  t <- if (szybki[i]) rlnorm(k, log(1), 0.3) else rlnorm(k, log(1.5 + 0.25 * slowa), 0.35)
  data.frame(id = i, pytanie = 1:k, znacznik = cumsum(t))  # znacznik czasu zapisu odpowiedzi (s)
}))
dz$czas <- ave(dz$znacznik, dz$id, FUN = function(z) diff(c(0, z)))  # czas na pytanie
head(round(dz, 2), 3)
med_pyt <- tapply(dz$czas, dz$pytanie, median)
round(cor(slowa, med_pyt), 3)                 # dłuższe pytania – dłuższy czas
med_os <- tapply(dz$czas, dz$id, median)    # mediana czasu na pytanie dla osoby
c(osoby = n, ponizej_2s = sum(med_os < 2))    # mniej niż 2 s na pytanie: za mało, by je przeczytać
Wynik w R
  id pytanie znacznik czas
1  1       1     3.73 3.73
2  1       2     7.72 4.00
3  1       3    12.88 5.16
[1] 0.996
     osoby ponizej_2s 
       300         16 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). 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/

Najczęstsze pytania

Czym paradane różnią się od metadanych?

Paradane opisują proces na poziomie pojedynczej osoby lub pytania, np. sekundy na odpowiedź. Metadane opisują zbiór lub badanie jako całość, np. kodowanie zmiennych albo średni czas wywiadu.

Skąd wziąć paradane z ankiety online?

Większość platform zapisuje czas rozpoczęcia i zakończenia, a część także czasy stron lub pytań i urządzenie. Sprawdź eksport danych przed startem badania, bo później ich nie odtworzysz.

Czy na podstawie samego czasu można usunąć respondenta?

Lepiej nie. Czas łącz z pytaniami kontrolnymi i wzorem odpowiedzi, a próg ustal i opisz przed analizą. Sam krótki czas bywa też u sprawnych czytelników.

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. Couper, M. P., & Kreuter, F. (2013). Using paradata to explore item level response times in surveys. Journal of the Royal Statistical Society Series A: Statistics in Society, 176(1), 271–286. https://doi.org/10.1111/j.1467-985x.2012.01041.x
  2. Heerwegh, D. (2003). Explaining response latencies and changing answers using client-side paradata from a web survey. Social Science Computer Review, 21(3), 360–373. https://doi.org/10.1177/0894439303253985
  3. Kreuter, F. (Red.). (2013). Improving surveys with paradata: Analytic uses of process information. Wiley. https://doi.org/10.1002/9781118596869

Cytowania BibTeX

@article{couper2013using, author={Couper, Mick P. and Kreuter, Frauke}, title={{Using paradata to explore item level response times in surveys}}, journal={Journal of the Royal Statistical Society Series A: Statistics in Society}, year={2013}, volume={176}, number={1}, pages={271--286}, doi={10.1111/j.1467-985x.2012.01041.x}}
@article{heerwegh2003explaining, author={Heerwegh, Dirk}, title={{Explaining response latencies and changing answers using client-side paradata from a web survey}}, journal={Social Science Computer Review}, year={2003}, volume={21}, number={3}, pages={360--373}, doi={10.1177/0894439303253985}}
@book{kreuter2013improving, author={Kreuter, Frauke}, title={{Improving surveys with paradata: Analytic uses of process information}}, year={2013}, publisher={Wiley}, doi={10.1002/9781118596869}}
R