Nie ma jednej liczby osób, która wystarczy do każdej ankiety w pracy licencjackiej lub magisterskiej. Liczebność próby dobiera się do celu badania, sposobu rekrutacji i planowanej analizy. Samo zebranie 100 odpowiedzi nie oznacza jeszcze, że można wyciągać wnioski o wszystkich studentach, nauczycielach czy pracownikach.
Masz gotowy formularz i chcesz wiedzieć, kiedy zakończyć zbieranie odpowiedzi? Zacznij od tego, co chcesz z nich ustalić. Innej próby potrzebujesz do opisu doświadczeń uczestników jednego kursu, a innej do porównania kilku grup. Poniżej znajdziesz sposób uporządkowania tych decyzji oraz przykład, który pokazuje, dlaczego liczba formularzy bywa myląca.
Czy 30, 50 albo 100 ankiet wystarczy?
Żadna z tych liczb nie jest uniwersalnym progiem poprawności. Wymaganie prowadzącego może określać minimum organizacyjne dla konkretnego zadania. Nie zastępuje ono uzasadnienia metodologicznego. Jeśli porównujesz grupy, znaczenie ma również to, ile osób znalazło się w każdej z nich, a nie tylko suma odpowiedzi.
Wyobraź sobie dwie ankiety po 100 osób. W pierwszej odpowiadają wyłącznie członkowie koła naukowego, w drugiej uczestnicy zostali wylosowani z listy określonej populacji. Liczby są równe, ale sposób doboru i możliwe ograniczenia wnioskowania są inne. W opracowaniu o dużych próbach Mirosław Szreder (2022) pokazuje, dlaczego wzrost liczebności nie usuwa automatycznie błędów wynikających z nielosowego doboru uczestników.
Najpierw ustal, kogo naprawdę chcesz zbadać
Populacja to zbiorowość, do której odnosi się pytanie badawcze. Próba to osoby objęte badaniem. „Studenci” jest zwykle określeniem zbyt szerokim, jeśli formularz trafia tylko do znajomych z jednego kierunku.
Przykład zawężenia pytania
Zamiast: „Jak studenci oceniają praktyki zawodowe?”.
Precyzyjniej: „Jak studenci trzeciego roku pedagogiki na badanej uczelni oceniają organizację praktyk zrealizowanych w roku akademickim 2025/2026?”.
Druga wersja określa osoby, kontekst i okres. Jest autorskim przykładem planowania, a nie opisem przeprowadzonego badania.
Zapisz kryteria udziału przed rekrutacją. Może to być ukończenie określonego etapu studiów, odbycie praktyk albo doświadczenie pracy na danym stanowisku. Następnie sprawdź, czy wybrany kanał dotarcia pozwala zaprosić właśnie te osoby. Gdy temat lub cel są jeszcze niejasne, najpierw uporządkuj założenia rozdziału metodologicznego.
Dobór próby: losowanie i otwarty link to różne sytuacje
Szreder (2010) wiąże wybór techniki doboru m.in. z wiedzą o populacji, zamiarem uogólniania wyników oraz możliwościami organizacyjnymi badania. Dlatego określenie sposobu rekrutacji powinno poprzedzać szukanie kalkulatora liczebności.
Dobór losowy
Opiera się na określonym mechanizmie losowania. Wymaga ustalenia, z jakiej populacji losujesz i jaką szansę włączenia mają jej jednostki. Przypadkowe spotkanie osoby na korytarzu nie jest samo w sobie procedurą losowania próby.
Dobór nielosowy
Może polegać np. na zaproszeniu dostępnych osób lub doborze uczestników spełniających określone kryteria. Przy otwartym linku znaczenie ma także samoselekcja: odpowiadają osoby, które zobaczyły zaproszenie i chciały wziąć udział.
Opisz rzeczywisty sposób postępowania. Jeśli ankieta krążyła w grupach internetowych, nie nazywaj próby losową tylko dlatego, że nie znasz respondentów. Nie dopisuj też reprezentatywności na podstawie samej liczby odpowiedzi.
Co chcesz policzyć? Od tego zależy plan liczebności
Opis odpowiedzi w zebranej grupie
Możesz zestawić, jak odpowiedziały badane osoby. W opisie wskaż podstawę procentowania, braki danych i granice uogólnień. Zdanie „60% uczestników badania wybrało…” jest węższe niż „60% wszystkich studentów wybiera…”. To drugie wymaga odpowiedniej podstawy do wnioskowania o populacji.
Oszacowanie parametru z określoną precyzją
W planowaniu trzeba określić m.in. szacowany parametr, oczekiwaną precyzję, poziom ufności i schemat doboru. Popularny kalkulator procentu w populacji nie odpowiada automatycznie na pytanie o liczebność potrzebną do regresji czy porównania średnich. Jego wynik ma sens tylko razem z założeniami.
Porównanie grup lub sprawdzenie związku
Planowanie mocy analizy wymaga określenia planowanego testu lub modelu, istotnego merytorycznie efektu, przyjętego poziomu istotności oraz docelowej mocy. Liczy się także podział na grupy i struktura danych. Nie dobieraj tych wartości wyłącznie po to, żeby uzasadnić liczbę osób, którą udało się już zebrać.
Jeśli badanie ma obejmować testowanie hipotez, możesz omówić plan w ramach usługi „Analiza statystyczna do pracy magisterskiej i licencjackiej”. Wybór obliczeń warto połączyć z oceną ankiety, zanim rozpocznie się rekrutacja.
120 formularzy, ale tylko 6 osób w jednej grupie: przykład
Przykład dydaktyczny na fikcyjnych danych. Do formularza wpłynęło 120 zgłoszeń. Osiem nie spełniało ustalonego kryterium udziału, a pięć kolejnych było powtórzeniami. Po ich wyłączeniu pozostało 107 odpowiedzi.
Badanie miało porównywać trzy rodzaje praktyk. Grupy liczyły odpowiednio 78, 23 i 6 osób. Liczba 107 nie opisuje więc warunków każdego planowanego porównania. Dodatkowo przy jednym pytaniu odpowiedziały tylko 102 osoby.
Co z tego wynika? Liczbę zgłoszeń, próbę po wyłączeniach i liczbę ważnych odpowiedzi na konkretne pytanie trzeba rozróżnić. Kryteria wyłączeń powinny być uzasadnione, udokumentowane i stosowane konsekwentnie. Nie wolno usuwać odpowiedzi dlatego, że pogarszają oczekiwany wynik.
W takim przykładzie należy ponownie ocenić wykonalność porównań. Możliwe rozwiązania obejmują dodatkową, uzasadnioną rekrutację albo ograniczenie zakresu analizy. Łączenie kategorii ma sens tylko wtedy, gdy można je obronić merytorycznie. Nie powinno służyć wyłącznie uzyskaniu korzystnego wyniku testu.
Co zrobić, jeśli masz za mało odpowiedzi?
- Sprawdź, gdzie jest problem. Mało osób w całym badaniu, brak określonej grupy i liczne pominięte pytania wymagają różnych działań.
- Wróć do kanałów rekrutacji. Oceń, czy zaproszenie dociera do osób spełniających kryteria. Nie zmieniaj populacji bez opisania tej decyzji.
- Sprawdź formularz. Niejasne pytania lub zbyt długi kwestionariusz mogą utrudniać udział. Zmiana narzędzia w trakcie badania wymaga oceny porównywalności danych.
- Ustal realny zakres wniosków. Ograniczona próba może wymagać ostrożniejszego opisu i rezygnacji z części zaplanowanych analiz.
Jeżeli dopiero przygotowujesz narzędzie, przejdź do poradnika o tworzeniu ankiety do pracy dyplomowej. Gdy odpowiedzi są już zebrane, zachowaj plik źródłowy i zapisz, co rzeczywiście wydarzyło się podczas rekrutacji. Nie trzeba udawać, że badanie przebiegło zgodnie z pierwotnym planem.
Jak opisać próbę w metodologii?
Dobry opis pozwala odtworzyć drogę od pytania badawczego do danych. Uwzględnij: populację, kryteria udziału, sposób i okres rekrutacji, uzasadnienie liczebności, liczbę zgłoszeń, wyłączenia oraz ostateczną próbę. Oddziel plan od wykonania, jeżeli się różniły.
Zamiast zdania „Próba 100 osób jest wystarczająca” wyjaśnij, do czego ma wystarczać i na jakich przesłankach opierasz ocenę. Jeśli nie wykonano formalnego planowania liczebności, nie dopisuj po fakcie, że zostało przeprowadzone. Rzetelne wskazanie ograniczenia daje czytelnikowi więcej niż pozorne uzasadnienie.
Pytania o liczebność i zebrane dane
Ile osób potrzeba do analizy statystycznej w pracy magisterskiej?
Nie ma jednej liczby odpowiedniej dla każdej pracy. Znaczenie mają planowany test, liczba i wielkość grup, oczekiwana wielkość efektu oraz wymagana moc i precyzja analizy. Mała próba ogranicza wnioskowanie. Najlepiej omówić liczebność przed rozpoczęciem zbierania danych.
Co jeśli mam już zebrane wyniki badań?
Prześlij wykorzystane narzędzie, założenia oraz informację o zebranych danych. Najpierw sprawdzimy, na jakie pytania pozwalają odpowiedzieć. Opis metodologii powinien odzwierciedlać rzeczywisty przebieg badania; brakujących informacji nie zawsze da się uzupełnić bez dodatkowego zbierania danych.
Źródła i zakres poradnika
Podstawę rozróżnienia doboru próby i ostrożności wobec dużej liczebności stanowią poniższe polskie opracowania. Przykłady organizacji badania i lista kontrolna są autorskim materiałem dydaktycznym.
- Szreder, M. (2010). Losowe i nielosowe próby w badaniach statystycznych. Przegląd Statystyczny, 57(4), 168-174. Pełny tekst: ps.stat.gov.pl/PS/2010/4/2010_57_4_168-174.pdf.
- Szreder, M. (2022). Szanse i iluzje dotyczące korzystania z dużych prób we wnioskowaniu statystycznym. Wiadomości Statystyczne. The Polish Statistician, 67(8), 1-16. DOI: 10.5604/01.3001.0015.9704.
