你花了兩週把診斷框架寫完了，維度清晰，邏輯也說得通。然後你打開問卷工具，開始逐題填寫——然後卡住了。
這道題該用幾分量表？5分還是7分？要不要加「不適用」？權重怎麼分配？維度之間的分數怎麼加總才合理？
量表設計是大多數諮詢師最容易跳過的環節，結果是問卷填完了，數據出來了，但根本沒辦法解讀。這篇文章的目標就是把這個「最容易被忽略的環節」講清楚。
核心認知：量表不是「好看的包裝」，它決定了你的數據能不能比較、能不能聚合、能不能在報告裡產生有意義的結論。設計錯了，再好的框架也出不了好數據。
先搞清楚你要「測什麼」
在選題型之前，先問自己一個問題：這道題想測的是什麼性質的變數？
評估問卷裡的變數大體可以分為三類，每類適合的測量方式完全不同：
搞清楚變數類型後，選題型就變成了匹配問題，而不是憑感覺。
四種主流題型與適用場景
| 題型 | 適用變數 | 優點 | 注意事項 |
|---|---|---|---|
| Likert 量表 （1-5 或 1-7） |
態度、認同度 | 易填寫，數據可比較 | 5分與7分各有利弊；題目措辭必須單一方向 |
| 頻率量表 （從不/偶爾/經常/總是） |
行為頻次 | 直觀，避免數字敏感 | 錨點定義需要前測，「經常」對不同人含義不同 |
| 行為描述選項 （單選，每選項為一種狀態描述） |
能力分級、成熟度 | 歧義最少，最貼近真實狀態 | 寫作成本高，每道題需要 4-5 條互斥描述 |
| 多選題 | 現有工具/方法盤點 | 適合清單式調查 | 無法直接加權聚合，只適合輔助分析 |
有一個常見的誤區：覺得題型越「進階」越專業。其實行為描述選項（Behavioral Anchored Scale）最難寫，但也最準確——因為每個選項是一段具體的行為描述，被測者可以直接對號入座，不需要解釋「你覺得 3 分代表什麼」。
5分還是7分：量表級數怎麼選
這是設計者問得最多的問題之一。簡單的判斷標準是：
- 5 分量表：填寫快，適合時間有限、題量較多（20 題以上）的問卷；區分度稍低
- 7 分量表：區分度更高，適合需要精細差異的評估（如員工滿意度的微小變化）；填寫略慢
- 偶數量表（4 分、6 分）：強迫表態，沒有中間選項；適用於你明確不希望被測者「騎牆」的場景
多數諮詢場景選 5 分 Likert 就夠了。如果要做前後對比追蹤，鎖定一個量表級數後就不要再改，否則數據不可比。
權重設計：維度不等權才符合現實
把所有題目簡單平均，通常是最不合理的方案。真實的診斷模型裡，不同維度對整體結論的影響力是不同的。
三種權重設計方法
對大多數諮詢師來說，專家判斷法 + 等權兜底已經足夠。關鍵是權重要在報告裡透明展示，讓客戶知道「你的分數是怎麼算出來的」。
反向題：必不可少的品質檢驗
所謂反向題，就是高分代表「差」的題目。例如：「我們的數位化專案經常遭遇推翻重來」——勾選「非常同意」（5 分）實際上代表問題嚴重，在聚合時需要反轉為 1 分。
在每個維度中加入 1-2 道反向題，有兩個作用：
- 打破被測者的「一致性填寫」慣性（防止全勾 4 分）
- 識別隨機作答者（正向題全 5 + 反向題全 5，數據可疑）
容易踩坑的地方：反向題要在聚合前完成分值轉換，而不是在呈現報告時再處理。如果用 FormLM 搭建，反向題可以在欄位設定裡直接勾選「反向計分」，系統自動處理轉換。
三個常見量表設計陷阱
✅ 關鍵要點
- 先判斷變數類型（態度/行為/能力），再選題型，而不是反過來
- Likert 5 分量表適合大多數諮詢場景，前後追蹤時保持一致
- 權重設計推薦「專家判斷法」，並在報告中透明呈現計算邏輯
- 每個維度加入 1-2 道反向題，提高數據品質
- 避免雙管題、否定詞題、維度題目數量嚴重不均三個陷阱
🛠️ 在 FormLM 裡實踐這些方法
FormLM 的量表設計器支援多種題型切換、反向題標記、維度權重配置和自動分值聚合，你只需要專注於內容設計，計算邏輯交給系統處理。
- Likert / 頻率 / 行為描述選項，一鍵切換
- 反向題勾選後自動轉換，無需手動處理
- 維度權重可視化配置，報告自動按權重聚合得分