Μέτρηση και Αξιολόγηση στην Επιστημονική Έρευνα: Θεμελιώδεις έννοιες, στατιστική μεθοδολογία και εφαρμογές

Εισαγωγή

Η μέτρηση (Measurement) και η αξιολόγηση (Assessment ή Evaluation) αποτελούν δύο από τις θεμελιώδεις διαδικασίες κάθε επιστημονικής έρευνας. Η ποιότητα των δεδομένων που συλλέγονται, η αξιοπιστία των στατιστικών αναλύσεων και η εγκυρότητα των τελικών συμπερασμάτων εξαρτώνται άμεσα από τον τρόπο με τον οποίο πραγματοποιείται η μέτρηση των μεταβλητών και από την ορθή αξιολόγηση των αποτελεσμάτων.

Στη σύγχρονη ερευνητική μεθοδολογία, η συλλογή δεδομένων δεν αντιμετωπίζεται ως μια απλή διαδικασία καταγραφής πληροφοριών. Αντίθετα, αποτελεί ένα οργανωμένο επιστημονικό στάδιο κατά το οποίο κάθε μεταβλητή ορίζεται με σαφήνεια, μετράται με κατάλληλα εργαλεία και αξιολογείται μέσω στατιστικών τεχνικών που εξασφαλίζουν την αξιοπιστία και την εγκυρότητα των αποτελεσμάτων.

Η μέτρηση εφαρμόζεται σε κάθε ποσοτική ή ποιοτική μεταβλητή που πρόκειται να αναλυθεί. Οι τιμές που συλλέγονται δημιουργούν το σύνολο δεδομένων (dataset), το οποίο αποτελεί τη βάση για όλες τις επόμενες στατιστικές διαδικασίες, όπως η περιγραφική στατιστική, ο έλεγχος υποθέσεων, η παλινδρόμηση, η παραγοντική ανάλυση και τα μοντέλα πρόβλεψης.

Η αξιολόγηση ακολουθεί τη μέτρηση και περιλαμβάνει την ερμηνεία των αποτελεσμάτων, τη σύγκρισή τους με προκαθορισμένα κριτήρια ή θεωρητικά μοντέλα και την εξαγωγή επιστημονικά τεκμηριωμένων συμπερασμάτων. Η διαδικασία αυτή συνδέει τα αριθμητικά δεδομένα με το ερευνητικό ερώτημα και μετατρέπει τις στατιστικές εκτιμήσεις σε χρήσιμη επιστημονική γνώση.

Τι είναι η μέτρηση;

Η μέτρηση αποτελεί τη διαδικασία αντιστοίχισης αριθμητικών ή κατηγορικών τιμών σε χαρακτηριστικά, ιδιότητες ή φαινόμενα σύμφωνα με προκαθορισμένους κανόνες. Στόχος της είναι η αντικειμενική ποσοτικοποίηση μιας μεταβλητής, ώστε αυτή να μπορεί να αναλυθεί στατιστικά και να συγκριθεί μεταξύ διαφορετικών ατόμων, ομάδων ή χρονικών περιόδων.

Στην επιστημονική έρευνα, οι μεταβλητές που μετρώνται μπορεί να είναι δημογραφικές, κλινικές, ψυχολογικές, κοινωνικές, εκπαιδευτικές ή βιολογικές. Παραδείγματα αποτελούν η ηλικία, το ύψος, το βάρος, η αρτηριακή πίεση, η βαθμολογία μιας ψυχομετρικής κλίμακας, το επίπεδο άγχους, η ποιότητα ζωής ή η εργασιακή ικανοποίηση.

Η διαδικασία της μέτρησης προϋποθέτει σαφή λειτουργικό ορισμό της μεταβλητής (Operational Definition), ώστε να είναι ξεκάθαρο τι ακριβώς μετράται, με ποιο εργαλείο, σε ποια μονάδα μέτρησης και υπό ποιες συνθήκες. Η απουσία σαφούς ορισμού μπορεί να οδηγήσει σε σημαντικά σφάλματα μέτρησης και να επηρεάσει την εγκυρότητα ολόκληρης της έρευνας.

Τι είναι η αξιολόγηση;

Η αξιολόγηση αποτελεί τη διαδικασία ερμηνείας των δεδομένων που προέκυψαν από τη μέτρηση. Δεν περιορίζεται στην απλή περιγραφή των αποτελεσμάτων αλλά εξετάζει κατά πόσο αυτά ανταποκρίνονται στους στόχους της μελέτης, επιβεβαιώνουν τις ερευνητικές υποθέσεις ή συμφωνούν με την υπάρχουσα επιστημονική γνώση.

Στην ποσοτική έρευνα, η αξιολόγηση βασίζεται κυρίως στη στατιστική ανάλυση των δεδομένων. Περιλαμβάνει τον υπολογισμό περιγραφικών στατιστικών δεικτών, τον έλεγχο των προϋποθέσεων εφαρμογής των στατιστικών μεθόδων, τη διεξαγωγή ελέγχων υποθέσεων, την εκτίμηση του μεγέθους επίδρασης και την ερμηνεία των αποτελεσμάτων σε συνδυασμό με τα διαστήματα εμπιστοσύνης και την πρακτική σημασία των ευρημάτων.

Στην ποιοτική έρευνα, η αξιολόγηση πραγματοποιείται μέσω συστηματικής ανάλυσης των δεδομένων, εντοπισμού θεμάτων, κατηγοριοποίησης πληροφοριών και ανάπτυξης θεωρητικών ερμηνειών. Παρότι η προσέγγιση διαφέρει, και στις δύο περιπτώσεις στόχος παραμένει η εξαγωγή αξιόπιστων και επιστημονικά τεκμηριωμένων συμπερασμάτων.

Μέτρηση, μεταβλητές και στατιστική ανάλυση

Η μέτρηση αποτελεί το πρώτο στάδιο της στατιστικής ανάλυσης. Κάθε στατιστική μέθοδος που εφαρμόζεται σε μια έρευνα βασίζεται στις τιμές που έχουν καταγραφεί για τις μεταβλητές του δείγματος. Επομένως, η ποιότητα της στατιστικής ανάλυσης δεν μπορεί να υπερβεί την ποιότητα της αρχικής μέτρησης.

Οι μεταβλητές ταξινομούνται σε ποιοτικές και ποσοτικές, ενώ παράλληλα διακρίνονται σε ονομαστικές, διατακτικές, διαστημικές και αναλογικές κλίμακες μέτρησης. Η συγκεκριμένη ταξινόμηση καθορίζει ποιες στατιστικές τεχνικές μπορούν να εφαρμοστούν και ποιοι δείκτες είναι κατάλληλοι για την περιγραφή και την ανάλυση των δεδομένων.

Για παράδειγμα, οι ονομαστικές μεταβλητές αναλύονται συνήθως με πίνακες συχνοτήτων και ελέγχους Chi-square, ενώ οι συνεχείς ποσοτικές μεταβλητές μπορούν να αναλυθούν με t-tests, ANOVA, παλινδρόμηση ή άλλες παραμετρικές μεθόδους, εφόσον πληρούνται οι απαραίτητες στατιστικές προϋποθέσεις.

Η σωστή αναγνώριση του τύπου κάθε μεταβλητής αποτελεί απαραίτητη προϋπόθεση για την επιλογή της κατάλληλης στατιστικής μεθόδου και τη διασφάλιση της εγκυρότητας των ερευνητικών αποτελεσμάτων.

Κλίμακες μέτρησης των μεταβλητών

Η επιλογή της κατάλληλης κλίμακας μέτρησης αποτελεί ένα από τα σημαντικότερα στάδια του ερευνητικού σχεδιασμού, καθώς καθορίζει τόσο τον τρόπο συλλογής των δεδομένων όσο και τις στατιστικές τεχνικές που μπορούν να εφαρμοστούν. Η λανθασμένη αναγνώριση της κλίμακας μέτρησης μπορεί να οδηγήσει σε ακατάλληλες στατιστικές αναλύσεις και, κατά συνέπεια, σε εσφαλμένα επιστημονικά συμπεράσματα.

Σύμφωνα με την ταξινόμηση του Stevens, οι μεταβλητές διακρίνονται σε τέσσερις βασικές κλίμακες μέτρησης: ονομαστική (Nominal), διατακτική (Ordinal), διαστημική (Interval) και αναλογική (Ratio).

Η ονομαστική κλίμακα χρησιμοποιείται για τη διάκριση κατηγοριών χωρίς κάποια φυσική σειρά μεταξύ τους. Παραδείγματα αποτελούν το φύλο, η ομάδα αίματος, η εθνικότητα ή η παρουσία μιας νόσου (Ναι/Όχι). Στις μεταβλητές αυτές υπολογίζονται κυρίως συχνότητες, ποσοστά και εφαρμόζονται έλεγχοι όπως ο Chi-square ή το Fisher’s Exact Test.

Η διατακτική κλίμακα χρησιμοποιείται όταν οι κατηγορίες παρουσιάζουν φυσική σειρά, χωρίς όμως να είναι γνωστό εάν οι αποστάσεις μεταξύ τους είναι ίσες. Παραδείγματα αποτελούν το επίπεδο εκπαίδευσης, οι βαθμίδες ικανοποίησης, οι κλίμακες Likert και η αξιολόγηση της έντασης του πόνου. Οι μεταβλητές αυτές αναλύονται συνήθως με μη παραμετρικές στατιστικές μεθόδους.

Η διαστημική κλίμακα χαρακτηρίζεται από ίσες αποστάσεις μεταξύ των τιμών, χωρίς όμως να διαθέτει πραγματικό μηδέν. Κλασικό παράδειγμα αποτελεί η θερμοκρασία σε βαθμούς Κελσίου. Στις μεταβλητές αυτές μπορούν να εφαρμοστούν οι περισσότερες παραμετρικές στατιστικές τεχνικές.

Η αναλογική κλίμακα αποτελεί το υψηλότερο επίπεδο μέτρησης, καθώς διαθέτει πραγματικό μηδενικό σημείο και επιτρέπει όλους τους μαθηματικούς υπολογισμούς. Παραδείγματα αποτελούν η ηλικία, το βάρος, το ύψος, ο χρόνος, το εισόδημα και οι περισσότερες βιοχημικές μετρήσεις.

Η σωστή αναγνώριση της κλίμακας μέτρησης αποτελεί βασική προϋπόθεση για την επιλογή της κατάλληλης στατιστικής ανάλυσης και τη σωστή ερμηνεία των αποτελεσμάτων.

Σφάλμα μέτρησης (Measurement Error)

Καμία μέτρηση δεν είναι απολύτως ακριβής. Κάθε διαδικασία συλλογής δεδομένων συνοδεύεται από ένα βαθμό σφάλματος, ο οποίος μπορεί να επηρεάσει σημαντικά την ποιότητα των αποτελεσμάτων.

Το σφάλμα μέτρησης (Measurement Error) εκφράζει τη διαφορά μεταξύ της πραγματικής τιμής μιας μεταβλητής και της τιμής που καταγράφεται κατά τη διάρκεια της μέτρησης. Ανάλογα με τη φύση του, διακρίνεται σε τυχαίο (Random Error) και συστηματικό (Systematic Error).

Το τυχαίο σφάλμα οφείλεται σε απρόβλεπτες διακυμάνσεις της διαδικασίας μέτρησης και συνήθως αυξάνει τη μεταβλητότητα των δεδομένων χωρίς να μεταβάλλει συστηματικά τη μέση τιμή τους. Παραδείγματα αποτελούν μικρές διακυμάνσεις των οργάνων μέτρησης, διαφορές μεταξύ εξεταστών ή μεταβολές της φυσιολογικής κατάστασης των συμμετεχόντων.

Αντίθετα, το συστηματικό σφάλμα οδηγεί σε σταθερή απόκλιση των μετρήσεων προς συγκεκριμένη κατεύθυνση. Μπορεί να προκληθεί από κακή βαθμονόμηση οργάνων, ακατάλληλο ερωτηματολόγιο, μεροληψία του εξεταστή ή εσφαλμένη διαδικασία συλλογής δεδομένων. Το είδος αυτό του σφάλματος επηρεάζει την εγκυρότητα της έρευνας και δεν μπορεί να μειωθεί απλώς με αύξηση του μεγέθους του δείγματος.

Η ελαχιστοποίηση του σφάλματος μέτρησης επιτυγχάνεται μέσω τυποποιημένων πρωτοκόλλων, εκπαίδευσης των αξιολογητών, πιλοτικών μελετών και χρήσης εργαλείων με αποδεδειγμένη ψυχομετρική επάρκεια.

Αξιοπιστία των εργαλείων μέτρησης

Η αξιοπιστία (Reliability) εκφράζει τον βαθμό στον οποίο ένα εργαλείο παράγει σταθερά και επαναλήψιμα αποτελέσματα όταν χρησιμοποιείται κάτω από παρόμοιες συνθήκες. Ένα αξιόπιστο εργαλείο εμφανίζει μικρό τυχαίο σφάλμα και υψηλή συνέπεια στις μετρήσεις του.

Η αξιοπιστία μπορεί να εκτιμηθεί με διάφορες στατιστικές προσεγγίσεις, ανάλογα με τη φύση των δεδομένων και τον τύπο του εργαλείου.

Η εσωτερική συνέπεια (Internal Consistency) αξιολογεί κατά πόσο τα επιμέρους ερωτήματα μιας κλίμακας μετρούν την ίδια θεωρητική έννοια. Ο πιο γνωστός δείκτης είναι ο Cronbach’s α, ο οποίος χρησιμοποιείται ευρέως στην ψυχομετρία και στις κοινωνικές επιστήμες. Τα τελευταία χρόνια κερδίζει συνεχώς έδαφος και ο McDonald’s ω, καθώς θεωρείται περισσότερο αξιόπιστος σε αρκετές περιπτώσεις πολυδιάστατων εργαλείων.

Η αξιοπιστία επαναληπτικών μετρήσεων (Test-Retest Reliability) εξετάζει τη σταθερότητα των αποτελεσμάτων όταν το ίδιο εργαλείο εφαρμόζεται δύο ή περισσότερες φορές στα ίδια άτομα. Η εκτίμησή της πραγματοποιείται συχνά μέσω του Intraclass Correlation Coefficient (ICC).

Όταν δύο ή περισσότεροι αξιολογητές πραγματοποιούν ανεξάρτητες μετρήσεις, χρησιμοποιείται η δια-αξιολογητική αξιοπιστία (Inter-Rater Reliability). Για ποιοτικές μεταβλητές εφαρμόζεται συνήθως ο συντελεστής Cohen’s Kappa, ενώ για συνεχείς μεταβλητές χρησιμοποιείται και πάλι ο ICC.

Η υψηλή αξιοπιστία αποτελεί απαραίτητη προϋπόθεση για οποιαδήποτε στατιστική ανάλυση, καθώς μειώνει την πιθανότητα λανθασμένων εκτιμήσεων και ενισχύει την επαναληψιμότητα της έρευνας.

Εγκυρότητα των εργαλείων μέτρησης

Ενώ η αξιοπιστία αναφέρεται στη σταθερότητα των μετρήσεων, η εγκυρότητα (Validity) αφορά το κατά πόσο ένα εργαλείο μετρά πραγματικά αυτό που έχει σχεδιαστεί να μετρήσει.

Η εγκυρότητα περιεχομένου (Content Validity) εξετάζει αν το εργαλείο καλύπτει επαρκώς όλες τις διαστάσεις της υπό μελέτη έννοιας. Η αξιολόγησή της πραγματοποιείται συνήθως από ομάδα ειδικών επιστημόνων.

Η εννοιολογική εγκυρότητα (Construct Validity) διερευνά κατά πόσο οι σχέσεις μεταξύ των μεταβλητών συμφωνούν με το θεωρητικό μοντέλο στο οποίο βασίζεται το εργαλείο. Η αξιολόγηση πραγματοποιείται κυρίως μέσω Διερευνητικής (EFA) και Επιβεβαιωτικής Παραγοντικής Ανάλυσης (CFA).

Η κριτηριακή εγκυρότητα (Criterion Validity) εκτιμά τη συμφωνία των αποτελεσμάτων ενός εργαλείου με κάποιο εξωτερικό κριτήριο αναφοράς (gold standard). Ανάλογα με τον χρόνο αξιολόγησης διακρίνεται σε ταυτόχρονη (Concurrent Validity) και προγνωστική εγκυρότητα (Predictive Validity).

Στη σύγχρονη ερευνητική πρακτική, ένα εργαλείο θεωρείται επιστημονικά αποδεκτό μόνο όταν διαθέτει τόσο υψηλή αξιοπιστία όσο και τεκμηριωμένη εγκυρότητα. Οι δύο αυτές ιδιότητες αποτελούν τη βάση για την παραγωγή αξιόπιστων δεδομένων και τη διεξαγωγή έγκυρων στατιστικών αναλύσεων.

Ψυχομετρικές ιδιότητες των εργαλείων μέτρησης

Η ανάπτυξη ή η επιλογή ενός εργαλείου μέτρησης δεν ολοκληρώνεται με τη σύνταξη των ερωτήσεων ή τη δημιουργία μιας κλίμακας αξιολόγησης. Αντίθετα, απαιτείται η διεξοδική αξιολόγηση των ψυχομετρικών του ιδιοτήτων, ώστε να διασφαλιστεί ότι το εργαλείο παράγει αξιόπιστες, έγκυρες και επιστημονικά τεκμηριωμένες μετρήσεις.

Οι ψυχομετρικές ιδιότητες περιλαμβάνουν την αξιοπιστία, την εγκυρότητα, την ευαισθησία στις μεταβολές (Responsiveness), την ικανότητα διάκρισης μεταξύ διαφορετικών ομάδων και τη σταθερότητα των αποτελεσμάτων σε διαφορετικούς πληθυσμούς. Η αξιολόγησή τους αποτελεί απαραίτητο στάδιο πριν από την εφαρμογή οποιουδήποτε ερωτηματολογίου σε ερευνητικές ή κλινικές μελέτες.

Ιδιαίτερα στις επιστήμες υγείας, στην ψυχολογία, στην εκπαίδευση και στις κοινωνικές επιστήμες, η τεκμηρίωση των ψυχομετρικών χαρακτηριστικών αποτελεί προϋπόθεση για τη δημοσίευση μιας μελέτης σε έγκριτα επιστημονικά περιοδικά.

Παραγοντική ανάλυση (Factor Analysis)

Η Παραγοντική Ανάλυση (Factor Analysis) αποτελεί μία από τις σημαντικότερες πολυμεταβλητές στατιστικές τεχνικές για την αξιολόγηση της δομικής εγκυρότητας ενός εργαλείου μέτρησης. Στόχος της είναι να διερευνήσει εάν οι επιμέρους ερωτήσεις μιας κλίμακας οργανώνονται σε θεωρητικά αναμενόμενες διαστάσεις (παράγοντες).

Η Διερευνητική Παραγοντική Ανάλυση (Exploratory Factor Analysis – EFA) χρησιμοποιείται όταν η δομή του εργαλείου δεν είναι πλήρως γνωστή ή όταν αναπτύσσεται ένα νέο ερωτηματολόγιο. Μέσω της EFA εντοπίζονται οι υποκείμενες διαστάσεις των δεδομένων και εξετάζεται ποιες ερωτήσεις ανήκουν σε κάθε παράγοντα.

Αντίθετα, η Επιβεβαιωτική Παραγοντική Ανάλυση (Confirmatory Factor Analysis – CFA) εφαρμόζεται όταν υπάρχει ήδη συγκεκριμένο θεωρητικό μοντέλο. Στην περίπτωση αυτή, ο ερευνητής εξετάζει κατά πόσο τα πραγματικά δεδομένα συμφωνούν με τη θεωρητικά προτεινόμενη δομή του εργαλείου.

Η αξιολόγηση της προσαρμογής του μοντέλου βασίζεται σε δείκτες όπως:

• Comparative Fit Index (CFI)
• Tucker-Lewis Index (TLI)
• Root Mean Square Error of Approximation (RMSEA)
• Standardized Root Mean Square Residual (SRMR)

Η χρήση της CFA αποτελεί πλέον βασική απαίτηση στις περισσότερες μελέτες στάθμισης και επικύρωσης ερωτηματολογίων.

Σύγχρονες θεωρίες μέτρησης: Item Response Theory και Rasch Analysis

Τα τελευταία χρόνια, η κλασική θεωρία μέτρησης (Classical Test Theory – CTT) συμπληρώνεται όλο και περισσότερο από σύγχρονες ψυχομετρικές προσεγγίσεις, όπως η Item Response Theory (IRT).

Η IRT εξετάζει ξεχωριστά κάθε ερώτηση ενός εργαλείου και εκτιμά τη σχέση μεταξύ της πιθανότητας μιας συγκεκριμένης απάντησης και του πραγματικού επιπέδου του χαρακτηριστικού που μετράται. Με τον τρόπο αυτό παρέχει περισσότερες πληροφορίες για την ποιότητα κάθε ερώτησης και επιτρέπει την ανάπτυξη περισσότερο ακριβών εργαλείων αξιολόγησης.

Μία από τις πιο διαδεδομένες εφαρμογές της IRT είναι το μοντέλο Rasch, το οποίο χρησιμοποιείται ευρέως στην εκπαίδευση, στην ψυχομετρία και στις επιστήμες υγείας. Η Rasch Analysis αξιολογεί κατά πόσο κάθε ερώτηση συμβάλλει ουσιαστικά στη μέτρηση της υποκείμενης έννοιας και βοηθά στον εντοπισμό προβληματικών στοιχείων που μειώνουν την ποιότητα της κλίμακας.

Οι σύγχρονες αυτές μέθοδοι επιτρέπουν την ανάπτυξη περισσότερο αξιόπιστων εργαλείων, τη δημιουργία προσαρμοστικών τεστ (Computer Adaptive Testing) και τη βελτίωση της ακρίβειας των μετρήσεων.

Διαπολιτισμική προσαρμογή και στάθμιση ερωτηματολογίων

Η χρήση ενός ερωτηματολογίου σε διαφορετική γλώσσα ή πολιτισμικό περιβάλλον απαιτεί πολύ περισσότερα από μια απλή μετάφραση. Απαιτείται συστηματική διαδικασία διαπολιτισμικής προσαρμογής (Cross-Cultural Adaptation) ώστε να διασφαλιστεί ότι το εργαλείο διατηρεί την ίδια εννοιολογική σημασία και τις ίδιες ψυχομετρικές ιδιότητες.

Η διαδικασία αυτή περιλαμβάνει συνήθως:

• αρχική μετάφραση,
• αντίστροφη μετάφραση (Back Translation),
• αξιολόγηση από ομάδα ειδικών,
• πιλοτική εφαρμογή,
• ψυχομετρική αξιολόγηση,
• στατιστικό έλεγχο αξιοπιστίας και εγκυρότητας.

Μετά την ολοκλήρωση της προσαρμογής πραγματοποιείται η στάθμιση (Validation Study) του εργαλείου στον νέο πληθυσμό. Η διαδικασία αυτή περιλαμβάνει τον έλεγχο της αξιοπιστίας, της παραγοντικής δομής, της συγκλίνουσας και αποκλίνουσας εγκυρότητας, καθώς και της δυνατότητας εφαρμογής του εργαλείου στον συγκεκριμένο πληθυσμό.

Η σωστή στάθμιση αποτελεί προϋπόθεση για την αξιόπιστη χρήση ενός ερωτηματολογίου σε ερευνητικές και κλινικές εφαρμογές.

Συμπέρασμα

Η μέτρηση και η αξιολόγηση αποτελούν τον θεμέλιο λίθο κάθε επιστημονικής έρευνας. Η ποιότητα των δεδομένων που συλλέγονται επηρεάζει άμεσα την αξιοπιστία της στατιστικής ανάλυσης και την εγκυρότητα των επιστημονικών συμπερασμάτων. Για τον λόγο αυτό, η επιλογή κατάλληλων εργαλείων μέτρησης, η σωστή εφαρμογή τους και η συστηματική αξιολόγηση των ψυχομετρικών τους ιδιοτήτων αποτελούν βασικές προϋποθέσεις για την παραγωγή έγκυρης επιστημονικής γνώσης.

Η χρήση σύγχρονων στατιστικών τεχνικών, όπως η παραγοντική ανάλυση, οι δείκτες αξιοπιστίας, η Item Response Theory και η Rasch Analysis, επιτρέπει την ανάπτυξη εργαλείων υψηλής ποιότητας που ανταποκρίνονται στις απαιτήσεις της σύγχρονης ερευνητικής μεθοδολογίας. Παράλληλα, η ορθή διαπολιτισμική προσαρμογή και στάθμιση των ερωτηματολογίων διασφαλίζει ότι τα εργαλεία αυτά μπορούν να χρησιμοποιηθούν με ασφάλεια σε διαφορετικούς πληθυσμούς και πολιτισμικά περιβάλλοντα.

Στο πλαίσιο της τεκμηριωμένης επιστημονικής έρευνας, η μέτρηση δεν αποτελεί απλώς μια διαδικασία συλλογής δεδομένων. Αποτελεί μια συστηματική και αυστηρά οργανωμένη μεθοδολογική διαδικασία που μετατρέπει τις παρατηρήσεις σε αξιόπιστες μεταβλητές, επιτρέπει την εφαρμογή προηγμένων στατιστικών αναλύσεων και συμβάλλει ουσιαστικά στην παραγωγή έγκυρων, αναπαραγώγιμων και επιστημονικά τεκμηριωμένων αποτελεσμάτων.