כלי לקידוד נתונים אונליין חינם, ללא צורך בהרשמה! פשוט הדביקו את הנתונים שלכם, לחצו "חלץ ערכים לקידוד", והכלי יחלץ עבורכם את כל הערכים השונים שהדבקתם, כדי שתוכלו לקדד אותם. בשלב השני, התאימו את המספרים לכל ערך שנמצא, לחצו קדד, ותקבלו את הטבלה מקודדת ומוכנה להדבקה חזרה בגיליון שממנו העתקתם!
הנתונים המקודדים:
איך משתמשים בכלי הקידוד של Analysis4U?
ראשית פותחים את הגיליון שבו נמצאים הנתונים המילוליים: למשל סקר Google Forms שבו כל שורה היא משתתף וכל עמודה היא פריט ליקרט (“כלל לא”, “במידה”, “במידה רבה” וכד’). מסמנים בטבלה רק את חלק הנתונים (ללא כותרות) ומעתיקים (למשל עם Ctrl+C). חשוב להעתיק רק נתונים שהם בקידוד אחיד, אם יש לכם בשאלון כמה קידודים שונים, חזרו על הפעולה כמה פעמים.
לאחר שהעתקנו חוזרים אל המחשבון, ממקמים את הסמן בתיבה שלמעלה. ומדביקים (Ctrl + V). ברגע שהטקסט מופיע, לוחצים על הכפתור “חלץ ערכים לקידוד”. המחשבון סורק את כל התאים שהודבקו ומציג בהמשך הדף רשימה מרוכזת של כל התוויות הייחודיות שמצא בכל הטבלה (למשל “כלל לא”, “במידה מסוימת”, “במידה רבה מאוד”). ליד כל תווית מופיעה קופסת מספר שמציעה קוד (1, 2, 3…). אם יש צורך, שנו את הקודים כך שיתאימו לקידוד הרצוי. לדוגמא, “כלל לא” → 0, “במידה רבה מאוד” → 4 – פשוט משנים את המספרים בקופסאות.
כשאתם מרוצים מהמספרים שהקצתם לערכים המילוליים, לחצו על “קודד את הנתונים” ותקבלו טבלה של הנתונים המקודדים. אלו אותם נתונים שלכם, רק שכעת מופיעים המספרים במקום הערכים המילוליים. מתחת לטבלה תראו כפתור “העתק”. לחיצה עליו מעתיקה את הנתונים ללוח, כדי שתוכלו להדביק אותם בחזרה בגיליון שלכם, או בכל גיליון אחר שתרצו.
כדי להחזיר את הערכים המקודדים אל הגיליון, עוברים ל-Sheets/Excel, מחליטים איפה לשים את הנתונים המספריים (אפשר גיליון חדש או לדרוס את הערכים המילוליים שנמצאים שם), ומדביקים. עדיף להשתמש ב-Paste Special → Values, או בCtrl+Shift+V, כדי להדביק רק את הערכים ללא העיצוב.
מכאן ואילך הטבלה שלכם כבר מספרית וניתנת לניתוח ב-SPSS, R, Excel או בכל תוכנה סטטיסטית אחרת!
מאמרים שעשויים לעניין אותך

איך כותבים דיון במחקר איכותני?
הרבה סטודנטים מתלבטים בשאלה – איך לכתוב דיון בעבודה איכותנית? המטרה של פרק הדיון במחקר, מכל סוג שהוא, היא לתאר ולשקף את האופן שבו ממצאי

איך לכתוב עבודה אקדמית באנגלית ולקבל ציון גבוה?
סטודנטים רבים צריכים לכתוב עבודות אקדמיות באנגלית, כגון עבודות סמינריוניות באנגלית, עבודות מסכמות באנגלית, מטלות באנגלית, ופתרונות תרגילים באנגלית. השאלה הנשאלת היא איך להצליח במשימה
מה זה קידוד נתונים ולמה זה משמש?
קידוד נתונים הוא תהליך שבו מחליפים ערכים מילוליים – כמו "מסכים מאוד", "כלל לא מסכים", "לעיתים רחוקות", "זכר", "נקבה" – בערכים מספריים. מדובר בצעד בסיסי וחשוב מאוד בכל ניתוח סטטיסטי, כי רוב הכלים הסטטיסטיים אינם מסוגלים לעבוד עם טקסטים, אלא דורשים מספרים. בלי קידוד – אי אפשר לחשב ממוצע, סטיית תקן, מתאם, רגרסיה או לבצע מבחנים סטטיסטיים.
השימוש הנפוץ ביותר בקידוד הוא בטיפול בסולמות ליקרט – למשל כשבמילוי שאלון נשאלים המשתתפים עד כמה הם מסכימים עם טענות כמו "אני מרוצה ממקום העבודה שלי", עם תשובות אפשריות כמו "כלל לא", "במידה מסוימת", "מאוד", "מאוד מאוד". למרות שהמילים נראות איכותניות, הן בעצם מייצגות סולם סדור: יש כאן כיוון ברור (מכלל לא עד מאוד מאוד), ואפשר להקצות להן ערכים מספריים מדורגים, לדוגמה: "כלל לא" = 1, "במידה מסוימת" = 2, "מאוד" = 3, "מאוד מאוד" = 4.
ברגע שעושים את הקידוד הזה – כל התשובות במאגר הנתונים הופכות למספרים, ואפשר למשל לחשב ממוצע ציונים לשאלה אחת או ליצור משתנה חדש שמחבר בין כמה שאלות (למשל כל השאלות שמודדות שביעות רצון). כשעושים את זה, מתייחסים אל התשובות כאילו הן נמדדו על סולם קווזי-אינטרוואלי – כלומר סולם שבו ההפרשים נחשבים משמעותיים, גם אם הם לא בדיוק שווים כמו במטר של סנטימטרים. כך נפתחת האפשרות להשתמש בניתוחים סטטיסטיים רציניים, כמו רגרסיה, מתאמים, ניתוח שונות (ANOVA) ועוד.
כלומר, קידוד הופך תשובות מילוליות ל"מספרים שמחשב מבין". זהו שלב חובה כמעט בכל ניתוח כמותי, והוא מאפשר לנו לעבור מהשאלון המילולי למסקנות מבוססות נתונים.