Straightlining i nieuważne odpowiedzi – definicja, wskaźniki i przykład

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 15 października 2026

Co to jest straightlining?

Straightlining (ang. także nondifferentiation; po polsku „odpowiadanie w jednej linii” albo „klikanie w jednej kolumnie”) to udzielanie identycznych lub prawie identycznych odpowiedzi na pozycje w baterii pytań z tą samą skalą (Kim i in., 2019) – np. zaznaczanie „raczej się zgadzam” w każdym wierszu tabeli. To jeden z najczęstszych wzorców nieuważnych odpowiedzi (ang. careless responding), obok odpowiedzi losowych i zbyt szybkiego wypełniania ankiety. Na nieuważne odpowiadanie szczególnie podatne są ankiety online; jak mu zapobiegać, jak je wykrywać i raportować, omawiają Ward i Meade (2023).

Krosnick (1991) wyjaśnia takie zachowanie pojęciem satysfakcjonowania (ang. satisficing): gdy optymalna odpowiedź wymaga dużego wysiłku poznawczego, część respondentów udziela odpowiedzi „wystarczającej” – jednym z przejawów jest właśnie brak różnicowania ocen. Straightlining często idzie w parze z pośpiechem: Zhang i Conrad (2014) stwierdzili, że skłonność do bardzo szybkiego odpowiadania wiązała się z częstszym straightliningiem w pytaniach tabelarycznych, szczególnie wśród osób gorzej wykształconych. Również Kim i in. (2019) pokazali, że straightlining jest częstszy u osób z niższym wykształceniem.

Jak zmierzyć straightlining: longstring i IRV

Kim i in. (2019) porównali pięć wskaźników straightliningu, m.in. prosty brak zróżnicowania (wszystkie odpowiedzi takie same), odchylenie standardowe odpowiedzi w baterii i maksymalną liczbę identycznych ocen. W analizie danych z ankiet najczęściej używa się dwóch miar:

• Longstring liczy się na odpowiedziach surowych (przed rekodowaniem), w kolejności, w jakiej respondent widział pozycje. Im dłuższa seria, tym silniejszy sygnał straightliningu.
• IRV (ang. intra-individual response variability) to odchylenie standardowe k odpowiedzi jednej osoby i (x_ij – odpowiedź na pozycję j, x̄_i – średnia odpowiedzi tej osoby). IRV = 0 oznacza całkowity brak zróżnicowania.

Uniwersalnych progów nie ma – zależą od długości baterii, liczby punktów skali i obecności pozycji odwróconych. Regułę ustal przed analizą danych i opisz ją w pracy.

Przykład: pięć osób, dziesięć pozycji

Pięć osób odpowiedziało na 10 pozycji na skali Likerta 1–5; pozycje 2, 5 i 8 są odwrócone. Wartości wskaźników policzono w R (kod niżej).

• Osoba „w jednej linii” ma longstring 10 i IRV 0.00 – to klasyczny straightlining. Zaznaczyła „4” także przy pozycjach odwróconych, więc zgodziła się z twierdzeniami o przeciwnej treści.
• Częściowy straightlining (od trzeciej pozycji środek skali) daje longstring 8 i IRV 0.47 – prosty wskaźnik „wszystkie takie same” go nie wykryje.
• „Zygzak” (1–2–3–4–5…) i odpowiedzi losowe mają longstring 1 i IRV wyższe niż osoba uważna (1.49 i 1.73 wobec 1.25). Longstring i niskie IRV wykrywają tylko brak zróżnicowania – do wzorów i odpowiedzi losowych potrzebne są inne wskaźniki, np. odległość Mahalanobisa albo pytania kontrolne.

Rysunek 1 pokazuje te wzorce w dłuższej ankiecie – profile trzech osób z symulowanego badania z 20 pozycjami.

Kiedy straightlining nie oznacza nieuwagi?

Identyczne odpowiedzi nie zawsze są błędem. Jeśli wszystkie pozycje baterii są sformułowane w tym samym kierunku i mierzą jedną cechę, osoba o skrajnym, spójnym nasileniu tej cechy może uczciwie zaznaczyć wszędzie „zdecydowanie się zgadzam”. Dlatego straightlining jest najbardziej diagnostyczny w bateriach z pozycjami odwróconymi – tam identyczne odpowiedzi oznaczają zgodę z twierdzeniami o przeciwnej treści. Zanim wykluczysz osobę, sprawdź też inne wskaźniki, zwłaszcza czas odpowiedzi i pytania kontrolne.

Ryzyko rośnie wraz z długością ankiety: Galesic i Bosnjak (2009) stwierdzili, że odpowiedzi na pytania umieszczone dalej w kwestionariuszu były szybsze i bardziej jednolite w tabelach. Krótsze bloki pytań, pozycje odwrócone i rozsądna długość ankiety to najprostsza profilaktyka – zob. jak zrobić ankietę do pracy dyplomowej i najczęstsze błędy w ankietach. Pełną procedurę czyszczenia danych – z czasem odpowiedzi, odległością Mahalanobisa, regułą wykluczeń i analizą wrażliwości – opisujemy we wpisie nieuważne odpowiedzi w ankietach online.

Jak opisać straightlining w pracy

Podaj wskaźnik, sposób jego obliczenia, próg i moment jego ustalenia oraz liczbę wykluczonych osób. Przykład dla ankiety z 20 pozycjami z wpisu o nieuważnych odpowiedziach:

# Pięć osób, bateria 10 pozycji (1–5); pozycje 2, 5 i 8 są odwrócone
odp <- rbind(
  uwazna      = c(4, 2, 4, 5, 1, 4, 3, 2, 4, 4),
  linia_4     = c(4, 4, 4, 4, 4, 4, 4, 4, 4, 4),
  czesciowa   = c(2, 4, 3, 3, 3, 3, 3, 3, 3, 3),
  losowa      = c(1, 5, 2, 4, 1, 5, 3, 2, 5, 1),
  zygzak      = c(1, 2, 3, 4, 5, 1, 2, 3, 4, 5))
longstring <- function(x) max(rle(x)$lengths)        # najdłuższa seria identycznych odpowiedzi
irv        <- function(x) sd(x)                      # odchylenie standardowe odpowiedzi osoby
wyniki <- data.frame(
  wszystkie_takie_same = apply(odp, 1, function(x) length(unique(x)) == 1),
  longstring           = apply(odp, 1, longstring),
  najczestsza_ocena    = apply(odp, 1, function(x) max(table(x))),
  irv                  = round(apply(odp, 1, irv), 2))
wyniki

          wszystkie_takie_same longstring najczestsza_ocena  irv
uwazna                   FALSE          2                 5 1.25
linia_4                   TRUE         10                10 0.00
czesciowa                FALSE          8                 8 0.47
losowa                   FALSE          1                 3 1.73
zygzak                   FALSE          1                 2 1.49

Najczęstsze błędy

• Longstring liczony po rekodowaniu pozycji odwróconych albo w innej kolejności niż w ankiecie – wynik traci sens.
• Wykluczanie za długą serię w jednorodnej skali bez pozycji odwróconych, bez sprawdzenia innych wskaźników.
• Tylko wskaźnik „wszystkie odpowiedzi takie same” – nie wykrywa częściowego straightliningu.
• Wysokie IRV jako dowód uważności – odpowiedzi losowe i wzory typu „zygzak” też mają wysokie IRV.
• Brak opisu w pracy – podaj wskaźnik, próg i liczbę wykluczonych osób.

Najczęstsze pytania

Co to jest straightlining?

Straightlining to zaznaczanie tej samej (lub prawie tej samej) odpowiedzi we wszystkich wierszach tabeli pytań z jedną skalą, np. „raczej się zgadzam” przy każdym stwierdzeniu. Zwykle świadczy o nieuważnym wypełnianiu ankiety, zwłaszcza gdy w tabeli są pozycje odwrócone.

Jak obliczyć longstring w R?

Dla wektora odpowiedzi jednej osoby w kolejności z ankiety: max(rle(x)$lengths). Dla całego zbioru: apply(X, 1, function(x) max(rle(x)$lengths)), gdzie X to macierz odpowiedzi (wiersze – osoby, kolumny – pozycje). Licz na odpowiedziach surowych, przed rekodowaniem.

Co oznacza niskie IRV?

IRV to odchylenie standardowe odpowiedzi jednej osoby. Wartość bliska 0 oznacza, że osoba prawie nie różnicowała odpowiedzi – to sygnał straightliningu. Wysokie IRV nie dowodzi jednak uważności: odpowiedzi losowe i wzory typu „zygzak” też dają wysokie IRV.

Czy osoby ze straightliningiem trzeba usunąć z badania?

Tylko według reguły ustalonej przed analizą i najlepiej po sprawdzeniu innych wskaźników. Identyczne odpowiedzi w jednorodnej skali bez pozycji odwróconych mogą być szczere; w baterii z pozycjami odwróconymi są wewnętrznie sprzeczne. W pracy podaj próg i liczbę wykluczonych osób.

Skąd się bierze straightlining?

Najczęściej z niskiej motywacji i zmęczenia: Krosnick (1991) opisuje brak różnicowania ocen jako przejaw satysfakcjonowania, czyli udzielania odpowiedzi „wystarczających” zamiast optymalnych. Sprzyjają mu długie ankiety (Galesic i Bosnjak, 2009), a często towarzyszy mu zbyt szybkie odpowiadanie (Zhang i Conrad, 2014).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{galesic2009effects, author={Galesic, M. and Bosnjak, M.}, title={{Effects of questionnaire length on participation and indicators of response quality in a web survey}}, journal={Public Opinion Quarterly}, year={2009}, volume={73}, number={2}, pages={349--360}, doi={10.1093/poq/nfp031}}

@article{kim2019straightlining, author={Kim, Yujin and Dykema, Jennifer and Stevenson, John and Black, Penny and Moberg, D. Paul}, title={{Straightlining: Overview of measurement, comparison of indicators, and effects in mail–web mixed-mode surveys}}, journal={Social Science Computer Review}, year={2019}, volume={37}, number={2}, pages={214--233}, doi={10.1177/0894439317752406}}

@article{krosnick1991response, author={Krosnick, Jon A.}, title={{Response strategies for coping with the cognitive demands of attitude measures in surveys}}, journal={Applied Cognitive Psychology}, year={1991}, volume={5}, number={3}, pages={213--236}, doi={10.1002/acp.2350050305}}

@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}}

@article{zhang2014speeding, author={Zhang, Chan and Conrad, Frederick}, title={{Speeding in web surveys: The tendency to answer very fast and its association with straightlining}}, journal={Survey Research Methods}, year={2014}, volume={8}, number={2}, pages={127--135}, doi={10.18148/srm/2014.v8i2.5453}}