数据结构
网络
关系型数据库管理系统（RDBMS）
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究态度测量
态度的概念是为了表明一些潜在的反应倾向而创造的。由于态度是假设性结构，因此无法精确测量。任何评估它们的尝试都必须是推论性的，这意味着我们只能检查逻辑上推断为表明要测量的态度的行为，并量化这些迹象以了解个人或群体在对特定对象或问题的 心理取向上存在多少差异。
我们如何测量态度？
态度测量是通过推断来确定的。但是，为了支持推断，需要一些数据。这些数据是使用多种技术收集的。可能会明确询问受访者对研究主题的感受，给他们一个带有明确指示的任务，并记录他们的表现。让我们详细了解一些技术。
直接观察
这种方法记录了那些正在调查其态度的人的真实行为。这是一种客观的方法，在某些情况下非常有效。例如，通过参与罢工本身来了解罢工者的公开行为，以了解他们的态度，这是一种极好的方法。但是，并非所有问题都适合直接观察。在某些情况下，可以模拟自然环境并进行角色扮演以观察行为并推断个人的潜在态度。如果我们想收集许多人的数据，即使可及性不是问题，直接行为观察也不实用。除了查看大型样本中的每个人之外，还无法预测一个人会在何时表现出与研究相关的行为。因此，除了需要大量费用和工作外，可能还需要无限的耐心。建立态度行为测量的可靠性也同样具有挑战性。观察者的印象和传达他们所见内容的能力差异很大。但是，没有任何缺陷表明观察公开行为对于确定态度毫无用处。他们建议我们在确定这种策略在特定情况下是否合适时要谨慎行事。
直接提问
如果我们想知道人们对某件事的感受，自然会直接询问他们。因此，提出直接问题一直以来都对研究态度很有吸引力。即便如此，这种方法的有限用途仅限于将答复者大致分类为对心理对象的正面、负面和漠不关心。在这种情况下，问题与使用直接观察时经常出现的问题相同；通常，直接观察或直接询问都不能确定一个人拥有的态度水平。使用此类指标，我们可以区分正面和负面类别内的个人，并确定这两组之间的差距有多大。当然，可能有一些情况，我们只需要知道有多少人是“赞成”的，有多少人是“反对”某个特定主题的。在这种情况下，直接问题可能有效。我们必须知道，对直接问题的回答可能会受到约束和社会期望因素的影响。
其他一些方法
可以使用投射技术和隐藏态度对象的客观任务成功克服与直接观察相关的许多挑战。但是，由于解释此类数据的可靠性较低，因此这些方法很少用于衡量态度。态度的其他指标包括心率、瞳孔大小、血管收缩和皮肤电反应 (GSR) 测量。但是，这些生理唤醒可能并不总能区分态度。例如，皮肤电反应设备可能会对正面和负面倾向记录相似的值。毫无疑问，在某些情况下，生理测量已被谨慎且有效地使用。
量表技术
管理研究人员借鉴社会学家和心理学家的专业知识，开发了用于测量态度的工具。要改变人类行为，需要了解构成其基础的想法和基本态度。量表方法和量表种类繁多。对于正在进行的研究，我们必须选择最有效的方法。以下是使用最广泛的量表。
名义量表
名义量表将响应划分为几个互斥的组。由于类别之间没有关系，因此也没有排名或排序。名义量表通常用于根据社会阶层、"喜欢"或"不喜欢"、"是"或"否"、性别等因素对响应进行分类。对于名义量表数据，唯一可行的统计程序是计数。
顺序量表
顺序量表使受访者能够根据共享变量对各种选项进行排名。例如，消费者如何根据感知的质量对三种巴氏杀菌奶进行排名。在这里，产品用户可以将品牌从最好到最差进行排名。但是，无法确定排名之间存在多少差异。诸如中位数和众数之类的位置统计量只能针对此类数据计算。
区间量表
区间量表解决了名义量表和顺序量表的缺点。该量表的零点是任意的，数字以均匀的间隔间隔。区间量表数据可用于各种统计程序，例如加法、减法和计算平均值。在测量态度时，最常使用名义量表和顺序量表。为了使数据更容易进行统计处理，会尝试将它们处理或转换为区间量表。但是，在得出任何结论之前，务必确定此假设是否合理。
结论
每种衡量态度的方法都有其自身的优缺点。对于特定研究，一种方法可能比另一种方法更合适，而在另一种情况下，相同的方法可能不正确。因此，许多方法并非总是有效或合适的。但是，根据态度测量文献，自我报告方法已被广泛使用。已经测试了自我报告之外的其他方法，并且已经证明和支持了它们的有用性。然而，使用纸笔进行的自我报告测量仍然占据该领域的主导地位。
5K+ 浏览量
