De term echelle de Likert verwijst naar een veelvoorkomende manier om attitudes, tevredenheid en percepties te meten in sociaal-wetenschappelijk onderzoek. In het Nederlands kennen we dit meestal als de Likert-schaal. Toch zien we in Vlaanderen en België steeds vaker de Franse benamingen opduiken, zoals échelle de Likert of echelle de Likert, afhankelijk van de context en de doelgroep van de vragenlijst. Ongeacht de formule draait alles om een reeks van stellingen waar respondenten op een gelaagde schaal kunnen reageren. Het doel is om een ordinale meting te verkrijgen die de richting en de intensiteit van een houding aangeeft. In deze gids onderzoeken we wat de echelle de Likert precies inhoudt, welke varianten bestaan en hoe je dit effectief inzet in praktijkprojecten in België.
De echelle de Likert is een schaalinstrument waarbij respondenten hun houding of perceptie uitdrukken op een mate van instemming of afkeuring. De klassieke vorm bestaat uit 5 punten, maar er zijn ook 4-, 7- of zelfs 9-puntige varianten. De kern van de methode is dat elke stelling een numerieke score oplevert, meestal van 1 tot 5 of 1 tot 7. Door de scores per respondent op te tellen of te middelen, krijgen we een maat voor de algehele houding ten opzichte van het onderwerp.
Belangrijk hierbij is dat de echelle de Likert gegevens oplevert die in de categorie “ordinaal” vallen: de volgorde van de respondenten is belangrijk, maar de tussenliggende afstanden zijn niet altijd gelijk. Ondanks deze ordinale aard worden er in de praktijk vaak gemiddelden en standaarddeviaties gerapporteerd, vooral wanneer meerdere items samen een construct meten. Dit is een point of debate binnen de statistiek en vereist bewust ontwerp en transparante rapportage.
De meest gebruikte vorm is vijf punten: Helemaal mee eens, Mee eens, Neutraal, Oneens, Helemaal mee oneens. Deze opzet biedt een evenwicht tussen positieve en negatieve opties en laat ruimte voor een neutraal standpunt. De 5-puntsschaal is ontwerpvriendelijk en heeft een lange geschiedenis in onderwijs, klantenonderzoek en HR- evaluaties in België en daarbuiten.
Sommige onderzoeken kiezen voor een 7-punt- of zelfs 9-punt-schaal om fijnmaziger nuance mogelijk te maken. Een voordeel hiervan is een grotere discriminatie tussen dicht bij elkaar liggende houdingen; een nadeel kan zijn dat respondenten minder zeker zijn bij extreme opties. In Belgische surveys wordt vaak gekozen voor 5- of 7-punt varianten, afhankelijk van de complexiteit van de te meten attitude en de respondentengroep.
Een 4-puntvariant (bijvoorbeeld zonder neutraal punt) wordt soms gebruikt om besluiteloosheid te vermijden, wat de interpretatie kan vereenvoudigen maar ook bijdraagt aan mogelijke bias. Het is cruciaal om bij elk ontwerp expliciet te bepalen waarom een bepaalde puntenschaal gekozen wordt en om dit te expliciteren in de metodologie.
Elke stelling moet duidelijk, ondubbelzinnig en beperkt tot één construct zijn. Vermijd dubbelzinnigheid en jargon dat moeilijk te interpreteren is voor de doelgroep. Een goede vuistregel: elke stelling moet een duidelijke richting hebben (positief of negatief geformuleerd) zodat respondenten geen inconsistenties opleveren zoals “eens eens” door te snel te antwoorden.
Een gebalanceerde set stellingen helpt om acquiescence bias te beperken, waarbij respondenten geneigd zijn om stellingen te bevestigen. Door evenveel positieve als negatieve items op te nemen, krijgen we beter inzicht in de echte houding van de respondent. In de praktijk wordt vaak gekozen voor 6–12 items per construct, afhankelijk van de complexiteit.
Beperk de lengte van de vragenlijst en combineer niet te veel items die hetzelfde meten. Dit voorkomt respondent vermoeidheid en verbetert de betrouwbaarheid. Maak gebruik van korte zinnen, actieve taal en eenduidige terminologie die past bij de doelgroep in Vlaanderen en België.
Een veelvoorkomende maat voor betrouwbaarheid bij Likert-items is Cronbachs alfa. Een alfa-waarde boven 0.70 wordt doorgaans als acceptabel beschouwd, maar de interpretatie hangt af van het aantal items en de aard van het construct. Bij meerdere items die een construct meten, geeft alfa een indicatie van interne samenhang. Let op: een extreem hoge alfa kan ook wijzen op overbodige items.
Inhoudsvaliditeit gaat over of de items representatief zijn voor het construct. Constructvaliditeit onderzoekt of de schaal werkelijk het bedoelde construct meet, vaak via exploratieve of confirmatieve factoranalyse. Criteriumvaliditeit kijkt naar de relatie met een extern criterium, zoals een gedragsmaat of een derde variable die inhoudelijk relevant is voor het construct.
Voor een enkele Likert-schaal beschrijven medianen en modale waarden vaak betere representaties dan gemiddelden, omdat de data ordinal zijn. Wanneer er meerdere items per construct samen worden genomen (som- of gemiddelden), kunnen de descriptieve statistieken zoals gemiddelde score, mediaan en percentielen inzicht geven in de algemene houding van de groep.
Aangezien Likert-gegevens ordinaal zijn, zijn niet-parametrische statistieken vaak de veiligste keuze. Denk aan de Mann-Whitney-U test, Wilcoxon rangsomtest en Kruskal-Wallis test voor vergelijkingen tussen twee of meer groepen. Parametrische tests kunnen mogelijk toegepast worden als men de items tot een gecombineerde score samenvoegt en de data als quasi-interval beschouwt, maar dit vereist transparante aannames en een duidelijke rapportage van de beperkingen.
Veel onderzoekers kiezen voor een samengestelde score per respondent door de scores van alle items die hetzelfde construct meten op te tellen of te middelen. Dit levert een indicator op die gemakkelijker te vergelijken is tussen respondenten en groepen. Belangrijk is dat de items voldoende homogeen zijn (intern betrouwbare set) zodat de som-score een valide maat is.
Om te controleren of de items logisch samenhangen en één of meerdere factoren weergeven, kan factoranalyse worden toegepast. Exploratieve factoranalyse helpt bij het ontdekken van de onderliggende structuur, terwijl confirmatieve factoranalyse (bijv. via SEM) de hypothese over het construct bevestigt. In het Belgische onderzoekscontext kan dit helpen om te bewijzen dat meerdere subschalen dezelfde overkoepelende houding meten.
In het Vlaamse en bredere Belgische veld worden de echelle de Likert en de Likert-schaal ingezet in diverse domeinen: studententevredenheid, docentbeoordelingen, klanttevredenheidsonderzoeken en werknemerstevredenheid. De methode biedt een relatief eenvoudige implementatie, ook in beperkte onderzoeksbudgetten, en levert toch rijke kwalitatieve en kwantitatieve informatie op when combined with open-ended questions or follow-up interviews.
Wanneer het onderzoek gericht is op cliënten of medewerkers uit verschillende taalregio’s in België, kan het nuttig zijn om items te vertalen en te herformuleren in het Nederlands (Vlaams) of Frans, afhankelijk van de regio. Zorg voor consistente terminologie en test de taalneutraliteit van elke stelling in een pretest of pilotstudie.
Stel jezelf voor dat je een enquête over digitale leermiddelen in een Vlaamse hogeschool ontwerpt. Een item kan zijn: “Ik vind dat de digitale leeromgeving gebruiksvriendelijk is.” Met een 5-puntsschaal kunnen studenten aangeven in hoeverre ze dit eens of oneens zijn. Andere items kunnen bijvoorbeeld gaan over de toegankelijkheid van materialen, de snelheid van updates en de mate van ondersteuning door het ICT-team. Door deze items te combineren krijg je een betrouwbare meting van houding ten opzichte van digitale leermiddelen, waarmee je beleidsbeslissingen kan onderbouwen.
In Excel kun je eenvoudig een Likert-schaal analyseren door scores per item te registreren en vervolgens som- of gemiddelde scores te berekenen. Gebruik de functie AVERAGE voor gemiddelde scores per respondent, en MEDIAN voor de mediaan. Voor betrouwbaarheid kun je Cronbachs alfa berekenen met een gespecialiseerde add-in of door een handmatige berekening als de dataset beperkt is. Visualiseer de resultaten met staafdiagrammen of violin plots om patronen duidelijk te maken.
Voor gevorderde analyses kan SPSS, R of Jamovi ingezet worden. In SPSS kun je eenvoudig de descriptives en reliability (Cronbach’s alpha) laten berekenen. In R kun je packages als psych en lavaan gebruiken voor betrouwbaarheid en factoranalyse. Jamovi biedt een gebruikersvriendelijke interface voor descriptives, reliability analyses en factoranalyse zonder programmeerkennis.
- Onvoldoende items per construct: voeg voldoende items toe om een betrouwbare meting te krijgen (minimaal 6–12 per construct).
- Onevenwichtige formulering: gebruik zowel positieve als negatieve stellingen om bias te beperken.
- Misinterpretatie van data: behandel Likert-scores als ordinaal, vooral bij kleinere sets van items.
- Onheldere scoring: verduidelijk of hogere scores een positievere houding betekenen en communiceer dit expliciet in de rapportage.
- Geen pretest: test de vragenlijst met een kleine groep voordat je het brede veld intrekt, om taal en interpretatie te controleren.
De echelle de Likert vormt een krachtige, toegankelijke methode om attitudes en percepties te meten binnen Belgische organisaties en academische instellingen. Door zorgvuldig ontwerp, betrouwbare analyse en duidelijke interpretatie kan deze methode waardevolle inzichten opleveren die beleidskeuzes en strategische plannen ondersteunen. Of je nu kiest voor de klassieke 5-puntsschaal of een verfijnde 7-punt-variant, de sleutel ligt in helderheid, validiteit en transparante rapportage. De notie van échelle de Likert blijft een brug tussen eenvoudige dataverzameling en diepgaande interpretatie, en biedt Vlaamse en Belgische onderzoekers een beproefde weg om mening en gedrag op een gestructureerde manier te begrijpen.
Er is geen vaste bovengrens. Voor descriptieve doeleinden kijk je naar de distributie, mediaan en percentielen. Voor vergelijkingen tussen groepen gebruik je passende statistische tests. De interpretatie moet altijd in de context van het onderzoeksdoel geplaatst worden.
Ja, maar dit kan bias introduceerden naar een richting. Een neutraal punt laat respondenten mogelijk aarzelen. Het kiezen van een 4-punt of 5-punt versie moet op basis van de onderzoeksvraag en doelgroep worden gemaakt en uitgelegd in de methodologie.
Échelle de Likert is de Franse benaming die verwijst naar dezelfde conceptie als de Engelse “Likert scale” en de Nederlandse “Likert-schaal”. In Vlaamse context zien we vaak “Likert-schaal”, maar de Franse variant komt ook voor, vooral in internationale tools of publicaties. De betekenis en toepassing zijn identiek; de keuze voor terminologie hangt af van de publicatie- of onderzoekscontext.