探查和提示

探查（probing）是用来描述接下来的问题的方式。这些探査的目的在于获得更加细节 的且考虑更加周全的答案。常见的探查包括：“还有什么？”“你为什么这样说?”x x怎么 了使得你这样说？”探查的指导或者问题经常被包含在问卷中，访问者知道何时如何运用 它们。每个访问者都用同样的方式使用并询问受访者，对于保证数据可靠性是十分重要的。 在表格中给出了一个更加精确的探查的例子。提示是用来引出封闭式问题答案的。 访问者对受访者用朗读或展示的方式问问题，会用到提示或是展示卡来列出可选择的答案。

示例：一个探索和提示

Q.13大体来讲，你觉得你是某个政党的支持者吗？

Q.14你觉得你比其他人和某政党的关系更近吗？

Q.15如果在Q.13或Q.14选择"是的”选项：哪个政党？

如果在Q.13选择’'不是/不知道”：如果明天大选，你觉得你最有可能支持哪个 政党？

设计测量态度的问题

编写能收集事实性数据或行为数据的问题是困难的。设计能测量态度的问题，要求能 够具有效度和信度，是更为困难的。态度调研很复杂。在设计调研问题来收集关于态度的 数据时，我们必须清楚我们需要知道哪些信息。如塔克（Tuck）所言，应该去调研对某个 具体时间的态度而非笼统概念的态度，还应该去调研当前的态度。用一个问题或一个陈述 是不可能抓住态度的本质的：我们很难了解态度的复杂性，所以数据是无效的；我们很难 用一个问题或一个陈述来传达一致的结果——相较于回答事实性问题，受访者对态度型问 题的背景和回答用词会更加敏感，所以我们可能得不到数据的可靠性。所以，仅用一个问 题或一个陈述来调査态度是不明智的。调研表明，我们可以通过在态度模块中使用一系列 的问题或“态度陈述”来增强测量数据的有效性和可靠性。如果问题、陈述、回答都包含 了态度的复杂性、态度的背景，那么有效性便会提升。如果问题的用词、背景在陈述中不 出现漏洞，那么可靠性将会得到提升。这些提升都是建立在问题的编写合理、答案的格式 合理，陈述反映并测量了态度的基础之上的。

设计评价型和描述型态度及观点陈述

奥本海姆提到，观点陈述（attitude statement）“是能够表达一种观点、一种喜好、一 种判断、一种情绪、一种信仰、一种对事物支持或否定立场的一个句子”。答案中涵盖的 对态度的陈述必须是对于所涉话题领域有深刻理解的。学习以前的调研，回顾相关的文献 是好习惯。对调查目标人群的深度访谈和小组讨论是有价值的，这样做可以探索出态度的 特性和复杂程度，可以确定我们要测量的数据是什么、数据特征是什么，可以帮助我们理 解受访者回答问题时表明态度所用的语言。

列表一旦确定，其中的每条陈述都必须遵循上述指导认真对待，谨慎措辞。你应该问 自己以下问题：

・每条陈述都措辞清楚吗？

・每条陈述都不模棱两可吗？

•有没有一条陈述过长呢？

・每条陈述都只包含一个问题吗？

・清单平衡了吗（即积极、消极的题目相等吗）？

•各个陈述是打乱顺序排列的吗？

题目分析

相关文献回顾得到的题目库通过定性调研和前期试验性调研应该能够提供一个有效测 量态度的方法。我们需要通过题目分析（item analysis）来确定这是否是我们想要得到的。 题目分析帮助我们确定什么是最有效的态度测量工具，也就是说，什么最合适放在答案 中。我们并没有比较评估各种不同态度陈述产生不同结果的方法。我们能够看到的只是每 个题目与其他题目的相关性，这样做的基础是我们假定目前的题目库是最好的测量态度的 题目库。我们计算何为“题目一整体”相关性：每个题目与其他题目的相关性，或是联系 的紧密程度（统计性或数据分析包可以做这类计算。）和其他题目联系疏远的题目，由于没 有办法测量其他题目可以测量的数据，无法形成有效整合关系，应该被丢弃。题目一整体 相关性应该由测试来给出结果。低相关整合关系的题目不应被纳入最终问卷，其他描述态 度的答案也是如此。你还可以把题目库中所有题目都纳入调查问卷，然后通过样本整体的 回答情况计算它们的相关性，在分析阶段将无关题目剔除。